CN112819228B - 任务处理方法、装置、存储介质和电子设备 - Google Patents
任务处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112819228B CN112819228B CN202110152285.0A CN202110152285A CN112819228B CN 112819228 B CN112819228 B CN 112819228B CN 202110152285 A CN202110152285 A CN 202110152285A CN 112819228 B CN112819228 B CN 112819228B
- Authority
- CN
- China
- Prior art keywords
- task
- processed
- equipment
- characteristic information
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 184
- 238000012423 maintenance Methods 0.000 claims abstract description 173
- 238000000034 method Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 13
- 230000002708 enhancing effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 102100023927 Asparagine synthetase [glutamine-hydrolyzing] Human genes 0.000 description 1
- 208000032953 Device battery issue Diseases 0.000 description 1
- 101100380329 Homo sapiens ASNS gene Proteins 0.000 description 1
- 101100048480 Vaccinia virus (strain Western Reserve) UNG gene Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种任务处理方法、装置、存储介质和电子设备。本发明实施例获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,待处理设备为待处理任务对应的共享设备,基于匹配概率预测模型,根据各设备特征信息以及各处理方特征信息,确定各任务处理方与各待处理设备的匹配概率,确定各任务处理方的资源数量,确定各第一距离,第一距离为任务处理方与待处理设备的距离,以及根据各第一距离、对应的匹配概率以及资源数量确定至少一个待处理任务的分配结果,以对各待处理任务进行分配。本发明实施例可以提升分配共享设备的维护任务的合理性,从而平衡任务处理方的作业压力,并增强对共享设备维护处理的及时性。
Description
技术领域
本发明的实施例涉及数据处理技术领域,具体涉及一种任务处理方法、装置、存储介质和电子设备。
背景技术
随着互联网技术以及计算机技术的不断发展,线上租赁平台(例如,共享设备平台)得到了较为迅速的发展。共享设备为人们的日常生活带来了便利,但随着共享设备数量的不断增多,如何合理地分配共享设备的维护任务以使得任务处理方可以对共享设备及时维护处理变得越来越重要。现有技术对于共享设备的维护任务分配不合理,增大了任务处理方的作业压力,同时对共享设备的维护处理造成了负面影响。
发明内容
有鉴于此,本发明实施例的目的在于提供一种任务处理方法、装置、存储介质和电子设备,用于提升分配共享设备的维护任务的合理性,从而平衡任务处理方的作业压力,并增强对共享设备维护处理的及时性。
根据本发明实施例的第一方面,提供一种任务处理方法,所述方法包括:
获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备;
基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率;
确定各所述任务处理方的资源数量;
确定各第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离;
根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对各所述待处理任务进行分配。
根据本发明实施例的第二方面,提供一种任务处理装置,所述装置包括:
信息获取单元,用于获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备;
概率预测单元,用于基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率;
数量确定单元,用于确定各所述任务处理方的资源数量;
距离确定单元,用于确定各第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离;
分配单元,用于根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对所述待处理任务进行分配。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
根据本发明实施例的第四方面,提供一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
根据本发明实施例的第五方面,提供一种计算机程序产品,包括计算机程序/指令,其中,该计算机程序/指令被处理器执行以实现如第一方面所述的方法。
本发明实施例获取预定地理区域内各待处理任务对应的共享设备的设备特征信息以及各任务处理方的处理方特征信息,并基于匹配概率预测模型,根据上述信息确定各任务处理方与待处理任务的匹配概率,同时确定各任务处理方的资源数量以及各任务处理方与共享设备的距离,从而根据各任务处理方与共享设备的距离、对应的匹配概率以及资源数量确定至少一个待处理任务的分配结果。本发明实施例可以提升分配共享设备的维护任务的合理性,从而平衡任务处理方的作业压力,并增强对共享设备维护处理的及时性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例的硬件系统架构示意图;
图2是本发明至少一个实施例的任务处理方法的流程图;
图3是本发明至少一个实施例的任务处理装置的示意图;
图4是本发明至少一个实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明实施例中,以共享设备为具有定位功能的共享单车,以任务为共享单车的电池更换任务,以任务处理方为运维人员为例进行说明。但是本领域技术人员容易理解,在共享设备为其他设备,例如具有定位功能的共享充电宝,任务为其他类型的任务,例如共享充电宝的维护任务,任务处理方为运维机器人时,本发明实施例的方法同样适用。
共享单车平台是一种在校园、地铁站点、公交站点、居民区等公共服务区为用户提供自行车共享服务的线上租赁平台。随着共享单车使用用户的不断增长,共享单车的使用频率变得越加频繁。共享设备为人们的日常生活带来了便利,而随着使用次数的不断增多,共享设备也越发需要进行维护处理。
共享单车的运维处理工作中很大一部分为共享单车的电池更换工作。电池更换工作均是由运维人员完成的,而运维人员的处理能力和活动范围均有限,运维人员的活动范围越大,相同时间段内能够更换的共享单车电池(下述电池)数量越少。随着共享设备数量的不断增多,如何合理地分配共享设备的维护任务以使得任务处理方可以对共享设备及时维护处理变得越来越重要。而现有技术对于共享设备的维护任务分配不合理,容易产生运维人员增大了任务处理方的作业压力,同时对共享设备的维护处理造成了负面影响。
图1是本发明实施例的硬件系统架构示意图。图1所示的系统包括至少一个任务发布终端、至少一个平台侧服务器(下述服务器)、至少一个共享设备以及至少一个任务处理终端,图1以一个任务发布终端11、一个服务器12、一个共享设备13以及一个任务处理终端14。任务发布终端11、服务器12、共享设备13以及任务处理终端14可以通过网络建立通信连接。任务发布终端11也即用户终端,任务处理终端14也即运维终端,用户可以通过任务发布终端11扫描设置在共享设备13上的二维码等方式使得任务发布终端11向服务器12发送针对共享设备的解锁请求。服务器12在接收到针对共享设备的解锁请求后,可以向共享设备13发送解锁指令,使得用户可以解锁并使用共享设备13。
若共享设备13产生无法解锁、低电量无法使用等异常状况时,用户可以通过任务发布终端11、运维人员可以通过任务处理终端14向服务器12上报共享设备13的故障信息。服务器12在接收到共享设备13的故障信息后,可以生成共享设备13的维护任务(也即,待处理任务),并对共享设备13进行分配。
在本发明实施例中,服务器12可以获取目标区域内各待处理任务对应的共享设备的设备特征信息以及各任务处理方的处理方特征信息,并基于匹配概率预测模型,根据各共享设备的设备特征信息以及各任务处理方的处理方特征信息,确定各任务处理方与各共享设备的匹配概率。并且,服务器12还可以获取目标区域内各任务处理方的资源数量,并确定各任务处理方与各共享设备的距离以及各共享设备间的距离,然后根据各任务处理方与各共享设备的距离、对应的匹配概率以及资源数量确定至少一个待处理任务的分配结果,以对待处理任务进行分配。
图2是本发明至少一个实施例的任务处理方法的流程图。如图2所示,本实施例的方法包括如下步骤:
步骤S100,获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息。
在本实施例中,目标区域是指地理含义上的区域,具体可以为行政区域,例如省、直辖市、自治区、自治州、县、乡、镇等,也可以为根据实际需求预先划分的地理区域。
本实施例待处理设备为位置在目标区域内,且待处理任务对应的共享单车。设备特征信息用于表征与共享单车的历史维修记录以及历史使用记录相关的特征信息,其中共享单车的历史维修记录是指共享单车历史产生过的维护任务,共享单车的历史使用记录是指共享单车历史产生过的使用任务。因此服务器在接收到各待处理任务对应的共享单车上报的当前位置后,可以确定当前位置在目标区域内的共享单车的设备标识,并根据设备标识从数据库中获取位置在目标区域内的共享单车的历史维修记录作为共享单车的设备特征信息。例如,各共享单车可以以预定周期上报自身的位置信息,服务器在接收到共享单车上报的位置信息后,可以将共享单车上报的位置信息作为共享单车在对应周期的当前位置。
处理方特征信息用于表征与当前位置在目标区域内的运维人员的历史维护处理记录相关的特征信息,其中运维人员的历史维护处理记录是指运维人员历史处理过的共享单车的维护任务。因此服务器在接收到各任务处理方的任务处理终端上传的当前位置后,可以确定当前位置在目标区域内的任务处理方的处理方标识,并根据处理方标识从数据库中获取当前位置在目标区域内的运维人员的历史维修记录作为运维人员的处理方特征信息。
在本实施例中,共享单车的当前位置也即共享单车的定位信息,运维人员的位置信息也即对应的任务处理终端的定位信息,因此上述两种当前位置均可以用经纬度坐标来表示。
具体地,服务器可以获取相同预定时间段内各共享单车的设备特征信息以及各运维人员的处理方特征信息。例如,当日日期为12月1日,服务器可以获取当前位置在目标区域内的各共享单车在11月24日-11月30日(也即,近七日)内产生的设备特征信息,并获取当前位置在目标区域内的各运维人员在11月24日-11月30日内产生的设备特征信息。
在本实施例中,设备特征信息可以包括预定时间段内共享设备对应的第一类任务的第一时刻、第一起始位置、第一终止位置和第一节假日标识以及第二类任务的第二时刻、第二位置和第二节假日标识中的至少一项。
其中,第一类任务为共享设备的使用任务,也即由用户产生的共享单车的租赁订单。第一时刻为第一类任务的发布时刻。第一起始位置为第一类任务开始执行时共享单车的位置信息,也即用户开始使用共享单车时共享单车的位置信息。第一终止位置为第一类任务结束执行时共享单车的位置信息,也即用户归还共享单车时共享单车的位置信息。第一节假日标识用于表征第一类任务的发布日期是否为节假日。例如,如果第一类任务的发布日期为节假日,可以用1来表示,反之可以用0来表示。
第二类任务为共享设备的维护任务,也即由运维人员处理的维护任务。第二时刻为第二类任务的发布时刻。第二位置为第二类任务执行时共享单车的位置信息,也即运维人员对共享单车进行维护处理时共享单车的位置信息。第二节假日标识用于表征第二类任务的发布日期是否为节假日。
处理方特征信息可以包括预定时间段内运维人员的处理方标识、对应的第三类任务的第三时刻、第三位置、第三节假日标识、平均移动速率、资源更换参数以及存放地点熟悉度参数中的至少一项。
其中,第三类任务为共享设备的维护任务,也即由运维人员处理的维护任务,因此在任一运维人员处理过任一待处理设备的运维任务时,该共享设备对应的第二类任务和该运维人员对应的第三类任务可以至少有部分重合。类似地,第三时刻为第三类任务的发布时刻。第三位置为第三类任务执行时共享单车的位置信息,也即运维人员对共享单车进行维护处理时共享单车的位置信息。第三节假日标识用于表征第三类任务的发布日期是否为节假日。平均移动速率为运维人员在不同共享单车停车点(也即,共享设备存放点,下述停车点)之间往来的平均移动速率,具体可以为运维人员的移动距离与移动时长的比值。资源更换参数包括资源更换上限、资源更换均值和资源更换完成率中的至少一项,其中资源为电池,资源更换上限为运维人员在预定时间段的多个相同长度的子时间段(例如,一周中的每一天)内更换电池的最大值,资源更换均值为运维人员在多个相同时间段内更换电池的平均值,资源更换完成率为运维人员完成更换的电池的数量与被分配的电池的数量的比值。通常运维人员在固定区域内进行维护处理工作,因此存放地点熟悉度参数用于表征运维人员对目标区域内不同停车点的熟悉程度,具体可以根据运维人员在预定时间段内进行维护处理工作的移动轨迹确定。
例如,目标区域包括停车点P1、停车点P2、停车点P3和停车点P4,根据运维人员W1的移动轨迹可以确定,运维人员W1第一个前往停车点P1的次数为5次,第一个前往停车点P2的次数为10次,第一个前往停车点P3的次数为2次,第一个前往停车点P4的次数为6次,服务器可以确定运维人员W1的任务处理优先度为:停车点P2>停车点P4>停车点P1>停车点P3,运维人员W1对于停车点P1、停车点P2、停车点P3和停车点P4的优先度分别可以用3、1、4和2,数字越大表示优先度越高。运维人员W1前往停车点P1的次数为20次,前往停车点P2的次数为15次,前往停车点P3的次数为10次,前往停车点P4的次数为20次,服务器可以确定运维人员W1对于停车点P1的熟悉度为20,对于停车点P2的熟悉度为15,对于停车点P3的熟悉度为10,对于停车点P4的熟悉度为20。
步骤S200,基于匹配概率预测模型,根据各设备特征信息以及各处理方特征信息,确定各任务处理方与各待处理设备的匹配概率。
在本步骤中,服务器可以根据任一共享单车的设备特征信息与任一运维人员的处理方特征信息确定匹配概率预测模型的输入,以确定该共享单车与该运维人员的匹配概率。匹配概率越高,表示运维人员选择对应的共享单车进行维护处理的可能性越高。
运维人员是否选择对共享单车进行维护处理不仅与共享单车本身的特征信息有关,也与共享单车所处的停车点的特征信息有关。因此可选地,服务器还可以确定各共享单车所属的停车点,并获取对应的停车点的存放点特征信息,从而根据任一共享单车的设备特征信息、对应的停车点的存放点特征信息以及任一运维人员的处理方特征信息确定匹配概率预测模型的输入,以确定该共享单车与该运维人员的匹配概率。
存放点特征信息可以包括停车点的共享设备数量参数、第四类任务的任务数量、设备维护优先级、设备召回率、天气信息以及设备变化量参数中的至少一项。
其中,第四类任务为停车点内产生的共享设备的使用任务。共享设备数量参数用于表征在预定时间段的多个相同长度的子时间段内停车点内存放的共享单车的数量的最大值、最小值和均值中的至少一项。
第四类任务的任务数量为在预定时间段内停车点对应的第四类任务的总量。设备维护优先级用于表征停车点需要被优先进行维护处理的优先级,可以根据与停车点最接近的POI(Point Of Interest,兴趣点)的类型确定。设备召回率用于表征预定时间段内共享单车被召回至维修点的数量与共享单车的总量的比值。天气信息用于表征在预定时间段的多个相同长度的子时间段内停车点对应的天气。设备变化量参数用于表征在预定时间段内,停车点内共享单车的流入量(也即,在停车点归还的共享单车的数量)、流出量(也即,从停车点骑出的共享单车的数量)以及流入量与流出量的差值(或流入量与流出量的差值的绝对值)中的至少一项。
例如,与停车点P1最接近的POI的类型为地铁站,与停车点P2最接近的POI的类型为商铺,服务器可以根据预先确定的POI的类型与优先级的对应关系确定地铁站的优先级为5,商铺的优先级为3,由此可以确定停车点P1的优先级为5,停车点P2的优先级为3。
容易理解,POI的类型与优先级的对应关系还可以与时间段和地理位置等因素相关,对于同一POI,不同时间段(例如高峰期与低峰期)对应的优先度可能不同;对于相同时间段的不同POI,位于不同的地理位置(例如人流量大于预定阈值的区域与人流量小于预定阈值的区域)的POI对应的优先度可能不同。
不同的天气可以用不同的数字表征,例如天气为晴时,可以用1来表示;天气为多云时,可以用2来表示。
在获取设备特征信息、存放点特征信息以及处理方特征信息后,服务器可以对上述信息进行预处理,包括去除异常值、填充缺失值等,从而根据各设备特征信息、存放点特征信息以及处理方特征信息确定各共享单车与运维人员的匹配概率。
在本实施例中,匹配概率预测模型可以为决策树、贝叶斯分类器、神经网络等,并根据样本集合训练获得。匹配概率预测模型的选择可以根据历史数据中各参数的特征和/或实际需求确定。用于训练匹配概率预测模型的样本集合包括多个运维人员的历史处理方特征信息、候选共享单车的历史设备特征信息、对应的共享设备存放点的历史存放点特征信息以及选中标识。
其中,历史处理方特征信息与处理方特征信息包含的特征信息相对应,历史设备特征信息与设备特征信息包含的特征信息相对应,历史存放点特征信息与存放点特征信息相对应。候选共享单车是指运维人员的任务处理终端接收到的历史维护任务对应的共享设备,选中标识用于表征运维人员是否选中候选共享单车。若运维人员接受了一个历史维护任务,表示运维人员选中了该历史维护任务对应的候选共享单车,可以用1来表示;若运维人员未接受一个历史维护任务,表示运维人员未选中该历史维护任务对应的候选共享单车,可以用0来表示。
以神经网络为例,神经网络全称人工神经网络(Artificial Neural Network,ANN),是由大量处理单元互联形成的信息处理模型。常见的人工神经网络包括卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(RecurrentNeural Network,RNN)等。ANN具有非线性(适于处理非线性信息)、非局限性(也即,一个系统的整体状态取决于处理单元间的相互作用)、非常定性(也即,具有自适应、自组织、自学习能力,能够在处理信息的过程中不断进行自我学习)和非凸性(模型的激活函数具有多个极值,这使得模型具有多个较为稳定的平衡态,从而使得模型的变化是多样的)的特点,因此能够广泛地应用于各种领域,进行较为准确的数据预测。
在匹配概率预测模型的训练过程中,服务器可以将各运维人员的历史处理方特征信息、对应的历史设备特征信息以及历史存放点特征信息作为匹配概率预测模型的输入,并将对应的选中标识作为匹配概率预测模型的训练目标。在基于上述训练方式得到训练完毕的匹配概率预测模型后,服务器可以以目标区域内各共享单车的设备特征信息、对应的停车点的存放点特征信息以及各运维人员的处理方特征信息为输入,得到各共享单车与各运维人员的匹配概率。
可选地,为了保证匹配概率预测模型对于线上数据预测的准确性,服务器还可以定期(例如,每周)获取当期产生的运维人员的处理方特征信息、维护任务对应的共享单车的设备特征信息以及共享单车位于的停车点的存放点特征信息,并根据当期产生的上述特征信息对匹配概率预测模型进行更新。
容易理解,样本集合对应的多个运维人员可以位于同一区域,也可以位于不同区域,可以位于目标区域,也可以位于非目标区域,本实施例不做具体限定。
步骤S300,确定各任务处理方的资源数量。
运维人员可以从运维站点获取电池并对共享单车进行运维处理,因此可以由运维站点对各运维人员获取的电池数量进行统计,并通过运维站点对应的终端向服务器上报对应区域内各运维人员的电池数量,或者运维人员可以通过所持有的任务处理终端向服务器上报自身持有的电池数量,以使得服务器可以确定目标区域内各运维人员的电池数量。
容易理解,步骤S100和步骤S300可以同时执行,也可以先后执行,本实施例不做限定。
步骤S400,确定各第一距离。
在本实施例中,第一距离为运维人员与共享单车的距离。
在本步骤中,服务器可以根据各运维人员的当前位置以及各共享单车的当前位置确定各运维人员与各共享单车的距离,并可选地,第一距离可以为各运维人员与各共享单车的直线距离,也可以为通过路径导航得到的、各运维人员移动到共享单车的当前位置的实际移动距离,本实施例不做具体限定。
步骤S500,根据各第一距离、对应的匹配概率以及资源数量确定至少一个待处理任务的分配结果,以对各待处理任务进行分配。
可选地,在本步骤中,在目标区域内待处理的共享单车的数量为1时,服务器可以分别计算各运维人员与该共享单车的距离与对应的匹配概率的商,并将该共享单车分配给商排序在最小且资源数量大于或等于1的第一位的运维人员作为该共享车辆的分配结果。
例如,目标区域内包括运维人员W1、运维人员W2和运维人员W3,待处理的共享单车为共享单车B1,其中运维人员W1对应的电池数量为2,运维人员W2对应的电池数量为4,运维人员W3对应的电池数量为1。服务器可以分别计算各运维人员与共享单车B1的距离与对应的匹配概率的商,也即运维人员W1对应的商为1.1,运维人员W2对应的商为1.5,运维人员W3对应的商为0.9,然后将共享单车B1分配给商排序在最小的第一位且电池数量大于或等于1的运维人员,也即运维人员W3作为共享单车B1的分配结果。
可选地,在本步骤中,服务器也可以获取各第二距离,并根据各第一距离、各第二距离、对应的匹配概率以及资源数量确定各待处理任务的分配结果。
其中,第二距离为共享单车间的距离。服务器可以根据各共享单车的当前位置确定各共享单车间的距离。可选地,第二距离可以为各共享单车间的直线距离,也可以为通过路径导航得到的、各运维人员从一个共享单车的当前位置移动到另一个共享单车的当前位置的实际移动距离,本实施例不做具体限定。
具体地,服务器可以确定目标运维人员,然后基于预定的组合优化算法,以目标运维人员对应的电池数量为约束,以各第一距离与对应的匹配概率的商为路径,或者以各第二距离与对应的匹配概率的商为路径进行路径规划,得到目标运维人员对应的路径规划结果,并根据路径规划结果确定至少一个待处理任务的分配结果。
确定分配结果可以看作是带有约束条件的旅行商问题,因此组合优化算法可以为各种适用于解决旅行商问题的组合优化算法,例如途程建构法(Tour ConstructionProcedures)、最邻近点法(Nearest NeighborProcedure)等,本实施例不做具体限定。
在根据第二距离确定路径时,服务器可以确定一个共享单车的当前位置与另一个共享单车的当前位置的距离,然后将目标配送人员与另一个共享单车的匹配概率作为对应的匹配概率,从而得到一个共享单车与另一个共享单车之间的路径。
例如,运维人员W1位于共享单车B1的当前位置,共享单车B1与共享单车B2间的距离为2(km),运维人员与共享单车B2的匹配概率为0.5,因此服务器可以确定运维人员W1从共享单车B1的当前位置到共享单车B2的当前位置,也即共享单车B1与共享单车B2之间的路径为2/(0.5)=4。
在一种可选的实现方式中,服务器可以分别将目标区域内的各运维人员分别确定为目标运维人员,然后对通过路径规划分别确定各目标运维人员对应的路径规划结果。也就是说,服务器可以基于组合优化算法,分别对任一运维人员进行路径规划,确定该运维人员对应的路径规划结果,然后将路径规划结果对应的至少一个待处理任务分配给该运维人员,并将分配的待处理任务从待分配的待处理任务中删除,从而对其他运维人员进行路径规划,以确定剩余待处理任务的分配结果。也就是说,上述实现方式可以达到局部最优,使得部分待处理任务的分配结果是最优的。
例如,未分配的待处理任务为100个。服务器对运维人员W1进行路径规划后,确定了运维人员W1对应的路径规划结果为任务M1->任务M2->任务M3->任务M4->任务M5,进而确定了任务M1、任务M2、任务M3、任务M4和任务M5(也即,待处理任务)的分配结果为分配给运维人员W1。然后,服务器在确定其他运维人员,例如运维人员W2对应的路径规划结果时,可以将任务M1、任务M2、任务M3、任务M4和任务M5从未分配的待处理任务中删除,以确定剩余95个待处理任务的分配结果。
在另一种可选的实现方式中,服务器可以将目标区域内的全部运维人员同时确定为目标运维人员,然后通过路径规划同时确定各运维人员对应的路径规划结果。也就是说,服务器可以基于组合优化算法,额外增加路径规划结果不重合的约束,同时对任一运维人员进行路径规划,确定各运维人员对应的路径规划结果,然后将路径规划结果对应的至少一个待处理任务分配给该运维人员。也就是说,上述实现方式可以达到全局最优,使得整体上待处理任务的分配结果是最优的。
可选地,上述两种方式均可以通过Or-tools实现。Or-tools是一种开源优化算法包,可以较为快速地求解网络流(Network flows)问题。
可选地,在确定至少一个待处理任务的分配结果后,本实施例还可以包括如下步骤:
步骤S600,向各任务处理终端发送对应的分配结果。
服务器可以根据任务处理终端的终端标识和/或将各待处理任务的分配结果发送给对应的任务处理终端,以使得任务处理终端可以对接收到的分配结果进行显示,从而使得运维人员可以选择是否接受待处理任务。
容易理解,若运维人员不接受任一待处理任务,服务器可以返回执行步骤S500,并删除该运维人员对应的各第一距离、各第二距离、各匹配概率,然后对待处理任务重新进行路径规划,以对该待处理任务进行重新分配。
可选地,本实施例还可以包括如下步骤:
步骤S700,根据各任务处理方对应的分配结果进行路径导航,获取对应的路径导航结果。
在确定各运维人员对应的分配结果后,服务器可以根据各分配结果进行路径导航,获取对应的路径导航结果。例如,运维人员W1对应的分配结果为任务M1、任务M2、任务M3、任务M4和任务M5,服务器可以以运维人员W1的当前位置为起点,通过现有的路径导航系统对运维人员W1进行路径规划,确定运维人员W1的导航轨迹、到达各待处理任务所要消耗的预计时长等信息作为路径导航结果。
容易理解,步骤S700可以在步骤S500后执行,也可以在步骤S600后执行,本实施例不做限定。
步骤S800,向各任务处理终端发送路径导航结果。
在确定各运维人员对应的路径导航结果后,可以根据任务处理终端的终端标识和/或将各运维人员对应的路径导航结果发送给对应的任务处理终端,以使得任务处理终端可以对接收到的路径导航结果进行显示,从而对运维人员进行导航指示,以降低运维人员的寻路时长,提升待处理任务的处理效率。
本实施例获取预定地理区域内各待处理任务对应的共享设备的设备特征信息以及各任务处理方的处理方特征信息,并基于匹配概率预测模型,根据上述信息确定各任务处理方与待处理任务的匹配概率,同时确定各任务处理方的资源数量以及各任务处理方与共享设备的距离,从而根据各任务处理方与共享设备的距离、对应的匹配概率以及资源数量确定至少一个待处理任务的分配结果。本实施例可以提升分配共享设备的维护任务的合理性,从而平衡任务处理方的作业压力,并增强对共享设备维护处理的及时性。
图3是本发明至少一个实施例的种任务处理装置的示意图。如图3所示,本实施例的装置包括信息获取单元31、概率预测单元32、数量确定单元33、距离确定单元34和分配单元35。
其中,信息获取单元31用于获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备。概率预测单元32用于基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率。数量确定单元33用于确定各所述任务处理方的资源数量。距离确定单元34用于确定各第一距离,或者各所述第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离。分配单元35用于根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对所述待处理任务进行分配。
进一步地,所述概率预测单元32包括存放点确定子单元、信息获取子单元和概率预测子单元。
其中,存放点确定子单元用于确定各所述待处理设备对应的共享设备存放点。信息获取子单元用于获取所述对应的共享设备存放点的存放点特征信息。概率预测子单元用于基于所述匹配概率预测模型,根据各所述处理方特征信息、各所述设备特征信息以及对应的所述存放点特征信息确定对应的所述匹配概率。
进一步地,所述分配单元35包括距离确定子单元和分配子单元。
其中,距离确定子单元用于获取各第二距离,所述第二距离为所述待处理设备间的距离。分配子单元用于根据各所述第一距离、各所述第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果。
进一步地,所述分配子单元包括处理方确定模块、路径规划模块和分配结果确定模块。
其中,处理方确定模块用于确定目标任务处理方。路径规划模块用于基于预定的组合优化算法,以所述目标任务处理方对应的所述资源数量为约束,以所述第一距离与对应的所述匹配概率的商为路径,或者以所述第二距离与对应的匹配概率的商为路径进行路径规划,以确定所述目标任务处理方对应的路径规划结果。分配结果确定模块用于根据所述路径规划结果确定所述分配结果。
进一步地,所述分配结果确定模块用于将所述路径规划结果对应的至少一个所述待处理任务分配给所述目标任务处理方。
进一步地,所述匹配概率预测模型基于样本集合预先训练获得,所述样本集合包括多个任务处理方的历史处理方特征信息、候选共享设备的历史设备特征信息、共享设备存放点的历史存放点特征信息以及选中标识,所述候选共享设备为待分配给所述任务处理方的历史任务对应的共享设备,所述选中标识用于表征所述任务处理方是否选中所述候选共享设备。
进一步地,所述设备特征信息包括在预定时间段内所述待处理设备对应的第一类任务的第一时刻、第一起始位置、第一终止位置和第一节假日标识以及第二类任务的第二时刻、第二位置和第二节假日标识中的至少一项,所述第一类任务为所述待处理设备的使用任务,所述第二类任务为所述待处理设备的维护任务,所述第一节假日标识用于表征所述第一类任务对应的日期是否为节假日,所述第二节假日标识用于表征所述第二类任务对应的日期是否为节假日;
所述处理方特征信息包括在所述预定时间段内所述任务处理方的处理方标识、对应的第三类任务的第三时刻、第三位置、第三节假日标识、平均移动速率、资源更换参数以及存放点熟悉度参数中的至少一项,所述第三节假日标识用于表征所述第三类任务对应的日期是否为节假日,所述资源更换参数包括资源更换上限、资源更换均值和资源更换完成率中的至少一项;
所述存放点特征信息包括所述共享设备存放点的共享设备数量参数、第四类任务的任务数量、设备维护优先级、设备召回率、天气信息以及设备变化量参数中的至少一项,所述第四类任务为所述共享设备存放点内产生的共享设备的使用任务。
进一步地,所述装置还包括分配结果发送单元36。
分配结果发送单元36用于向任务处理终端发送对应的所述分配结果。
进一步地,所述装置还包括导航结果确定单元37和导航结果发送单元38。
其中,导航结果确定单元37用于根据各所述任务处理方对应的所述分配结果进行路径导航,获取对应的路径导航结果。导航结果发送单元38用于向任务处理终端发送所述路径导航结果。
本发明实施例获取预定地理区域内各待处理任务对应的共享设备的设备特征信息以及各任务处理方的处理方特征信息,并基于匹配概率预测模型,根据上述信息确定各任务处理方与待处理任务的匹配概率,同时确定各任务处理方的资源数量以及各任务处理方与共享设备的距离,从而根据各任务处理方与共享设备的距离、对应的匹配概率以及资源数量确定至少一个待处理任务的分配结果。本发明实施例可以提升分配共享设备的维护任务的合理性,从而平衡任务处理方的作业压力,并增强对共享设备维护处理的及时性。
图4是本发明至少一个实施例的电子设备的示意图。图4所示的电子设备为通用数据处理装置,其包括通用的计算机硬件结构,其至少包括处理器41和存储器42。处理器41和存储器42通过总线43连接。存储器42适于存储处理器41可执行的指令或程序。处理器41可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器41通过执行存储器42所存储的命令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线43将上述多个组件连接在一起,同时将上述组件连接到显示控制器44和显示装置以及输入/输出(I/O)装置45。输入/输出(I/O)装置45可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出(I/O)装置45通过输入/输出(I/O)控制器46与系统相连。
其中,存储器42可以存储软件组件,例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
本发明实施例还涉及一种计算机程序产品,包括计算机程序/指令,其中,该计算机程序/指令被处理器执行以实现上述方法。
上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解,流程图和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器,以产生机器,使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。
同时,如本领域技术人员将意识到的,本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此,本发明实施例的各个方面可以采取如下形式:完全硬件实施方式、完全软件实施方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实施方式。此外,本发明的方面可以采取如下形式:在一个或多个计算机可读介质中实现的计算机程序产品,计算机可读介质具有在其上实现的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置,或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项:具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中,计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。
计算机可读信号介质可以包括传播的数据信号,所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式,包括但不限于:电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质:不是计算机可读存储介质,并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。
用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写,所述编程语言包括:面向对象的编程语言如Java、Smalltalk、C++、PHP、Python等;以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行;部分地在用户计算机上且部分地在远程计算机上执行;或者完全地在远程计算机或服务器上执行。在后一种情况下,可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机,或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。
本发明实施例公开了TS1、一种任务处理方法,所述方法包括:
获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备;
基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率;
确定各所述任务处理方的资源数量;
确定各第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离;
根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对各所述待处理任务进行分配。
TS2、根据TS1所述的方法,所述基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率包括:
确定各所述待处理设备对应的共享设备存放点;
获取所述对应的共享设备存放点的存放点特征信息;
基于所述匹配概率模型,根据各所述处理方特征信息、各所述设备特征信息以及对应的所述存放点特征信息确定对应的所述匹配概率。
TS3、根据TS1所述的方法,所述根据各所述第一距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果包括:
获取各第二距离,所述第二距离为所述待处理设备间的距离;
根据各所述第一距离、各所述第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果。
TS4、根据TS3所述的方法,所述根据各所述第一距离第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果,以对各所述待处理任务进行分配包括:
确定目标任务处理方;
基于预定的组合优化算法,以所述目标任务处理方对应的所述资源数量为约束,以所述第一距离与对应的所述匹配概率的商为路径,或者以所述第二距离与对应的匹配概率的商为路径进行路径规划,以确定所述目标任务处理方对应的路径规划结果;
根据所述路径规划结果确定所述分配结果。
TS5、根据TS4所述的方法,所述根据所述路径规划结果确定所述分配结果包括:
将所述路径规划结果对应的至少一个所述待处理任务分配给所述目标任务处理方。
TS6、根据TS1所述的方法,所述匹配概率预测模型基于样本集合预先训练获得,所述样本集合包括多个任务处理方的历史处理方特征信息、候选共享设备的历史设备特征信息、共享设备存放点的历史存放点特征信息以及选中标识,所述候选共享设备为待分配给所述任务处理方的历史任务对应的共享设备,所述选中标识用于表征所述任务处理方是否选中所述候选共享设备。
TS7、根据TS1所述的方法,所述设备特征信息包括在预定时间段内所述待处理设备对应的第一类任务的第一时刻、第一起始位置、第一终止位置和第一节假日标识以及第二类任务的第二时刻、第二位置和第二节假日标识中的至少一项,所述第一类任务为所述待处理设备的使用任务,所述第二类任务为所述待处理设备的维护任务,所述第一节假日标识用于表征所述第一类任务对应的日期是否为节假日,所述第二节假日标识用于表征所述第二类任务对应的日期是否为节假日;
所述处理方特征信息包括在所述预定时间段内所述任务处理方的处理方标识、对应的第三类任务的第三时刻、第三位置、第三节假日标识、平均移动速率、资源更换参数以及存放点熟悉度参数中的至少一项,所述第三节假日标识用于表征所述第三类任务对应的日期是否为节假日,所述资源更换参数包括资源更换上限、资源更换均值和资源更换完成率中的至少一项;
所述存放点特征信息包括所述共享设备存放点的共享设备数量参数、第四类任务的任务数量、设备维护优先级、设备召回率、天气信息以及设备变化量参数中的至少一项,所述第四类任务为所述共享设备存放点内产生的共享设备的使用任务。
TS8、根据TS1所述的方法,所述方法还包括:
向各任务处理终端发送对应的所述分配结果。
TS9、根据TS1或TS8所述的方法,所述方法还包括:
根据各所述任务处理方对应的所述分配结果进行路径导航,获取对应的路径导航结果;
向各任务处理终端发送对应的所述路径导航结果。
本发明实施例还公开了TS10、一种任务处理装置,所述装置包括:
信息获取单元,用于获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备;
概率预测单元,用于基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率;
数量确定单元,用于确定各所述任务处理方的资源数量;
距离确定单元,用于确定各第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离;
分配单元,用于根据各所述第一距离或者各所述第一距离以及各所述第二距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对所述待处理任务进行分配。
TS11、根据TS10所述的装置,所述概率预测单元包括:
存放点确定子单元,用于确定各所述待处理设备对应的共享设备存放点;
信息获取子单元,用于获取所述对应的共享设备存放点的存放点特征信息;
概率预测子单元,用于基于所述匹配概率模型,根据各所述处理方特征信息、各所述设备特征信息以及对应的所述存放点特征信息确定对应的所述匹配概率。
TS12、根据TS10所述的装置,所述分配单元包括:
距离确定子单元,用于获取各第二距离,所述第二距离为所述待处理设备间的距离;
分配子单元,用于根据各所述第一距离、各所述第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果。
TS13、根据TS12所述的装置,所述分配子单元包括:
处理方确定模块,用于确定目标任务处理方;
路径规划模块,用于基于预定的组合优化算法,以所述目标任务处理方对应的所述资源数量为约束,以所述第一距离与对应的所述匹配概率的商为路径,或者以所述第二距离与对应的匹配概率的商为路径进行路径规划,以确定所述目标任务处理方对应的路径规划结果;
分配结果确定模块,用于根据所述路径规划结果确定所述分配结果。
TS14、根据TS13所述的装置,所述分配结果确定模块用于将所述路径规划结果对应的至少一个所述待处理任务分配给所述目标任务处理方。
TS15、根据TS10所述的装置,所述匹配概率预测模型基于样本集合预先训练获得,所述样本集合包括多个任务处理方的历史处理方特征信息、候选共享设备的历史设备特征信息、共享设备存放点的历史存放点特征信息以及选中标识,所述候选共享设备为待分配给所述任务处理方的历史任务对应的共享设备,所述选中标识用于表征所述任务处理方是否选中所述候选共享设备。
TS16、根据TS10所述的装置,所述设备特征信息包括在预定时间段内所述待处理设备对应的第一类任务的第一时刻、第一起始位置、第一终止位置和第一节假日标识以及第二类任务的第二时刻、第二位置和第二节假日标识中的至少一项,所述第一类任务为所述待处理设备的使用任务,所述第二类任务为所述待处理设备的维护任务,所述第一节假日标识用于表征所述第一类任务对应的日期是否为节假日,所述第二节假日标识用于表征所述第二类任务对应的日期是否为节假日;
所述处理方特征信息包括在所述预定时间段内所述任务处理方的处理方标识、对应的第三类任务的第三时刻、第三位置、第三节假日标识、平均移动速率、资源更换参数以及存放点熟悉度参数中的至少一项,所述第三节假日标识用于表征所述第三类任务对应的日期是否为节假日,所述资源更换参数包括资源更换上限、资源更换均值和资源更换完成率中的至少一项;
所述存放点特征信息包括所述共享设备存放点的共享设备数量参数、第四类任务的任务数量、设备维护优先级、设备召回率、天气信息以及设备变化量参数中的至少一项,所述第四类任务为所述共享设备存放点内产生的共享设备的使用任务。
TS17、根据TS10所述的装置,所述装置还包括:
分配结果发送单元,用于向各任务处理终端发送对应的所述分配结果。
TS18、根据TS10或17所述的装置,所述装置还包括:
导航结果确定单元,用于根据各所述任务处理方对应的所述分配结果进行路径导航,获取对应的路径导航结果;
导航结果发送单元,用于向各任务处理终端发送对应的所述路径导航结果。
本发明实施例还公开了TS19、一种计算机可读存储介质,其上存储计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现如TS1-TS9中任一项所述的方法。
本发明实施例还公开了TS20、一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如TS1-TS9中任一项所述的方法。
本发明实施例还公开了TS21、一种计算机程序产品,包括计算机程序/指令,其中,该计算机程序/指令被处理器执行以实现如TS1-TS9中任一项所述的方法。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (19)
1.一种任务处理方法,其特征在于,所述方法包括:
获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备;
基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率;
确定各所述任务处理方的资源数量;
确定各第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离;
根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对各所述待处理任务进行分配;
其中,所述根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对各所述待处理任务进行分配包括:
在所述目标区域内的待处理设备的数量为1时,分别计算各所述第一距离与对应的匹配概率的商,并将待处理设备分配给商排序在最小且资源数量大于或等于1的第一位的任务处理方作为所述待处理任务的分配结果;或者
根据各所述第一距离、各第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果,所述第二距离为所述待处理设备间的距离。
2.根据权利要求1所述的方法,其特征在于,所述基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率包括:
确定各所述待处理设备对应的共享设备存放点;
获取所述对应的共享设备存放点的存放点特征信息;
基于所述匹配概率预测模型,根据各所述处理方特征信息、各所述设备特征信息以及对应的所述存放点特征信息确定对应的所述匹配概率。
3.根据权利要求1所述的方法,其特征在于,所述根据各所述第一距离、各第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果,以对各所述待处理任务进行分配包括:
确定目标任务处理方;
基于预定的组合优化算法,以所述目标任务处理方对应的所述资源数量为约束,以所述第一距离与对应的所述匹配概率的商为路径,或者以所述第二距离与对应的匹配概率的商为路径进行路径规划,以确定所述目标任务处理方对应的路径规划结果;
根据所述路径规划结果确定所述分配结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述路径规划结果确定所述分配结果包括:
将所述路径规划结果对应的至少一个所述待处理任务分配给所述目标任务处理方。
5.根据权利要求1所述的方法,其特征在于,所述匹配概率预测模型基于样本集合预先训练获得,所述样本集合包括多个任务处理方的历史处理方特征信息、候选共享设备的历史设备特征信息、共享设备存放点的历史存放点特征信息以及选中标识,所述候选共享设备为待分配给所述任务处理方的历史任务对应的共享设备,所述选中标识用于表征所述任务处理方是否选中所述候选共享设备。
6.根据权利要求2所述的方法,其特征在于,所述设备特征信息包括在预定时间段内所述待处理设备对应的第一类任务的第一时刻、第一起始位置、第一终止位置和第一节假日标识以及第二类任务的第二时刻、第二位置和第二节假日标识中的至少一项,所述第一类任务为所述待处理设备的使用任务,所述第二类任务为所述待处理设备的维护任务,所述第一节假日标识用于表征所述第一类任务对应的日期是否为节假日,所述第二节假日标识用于表征所述第二类任务对应的日期是否为节假日;
所述处理方特征信息包括在所述预定时间段内所述任务处理方的处理方标识、对应的第三类任务的第三时刻、第三位置、第三节假日标识、平均移动速率、资源更换参数以及存放点熟悉度参数中的至少一项,所述第三节假日标识用于表征所述第三类任务对应的日期是否为节假日,所述资源更换参数包括资源更换上限、资源更换均值和资源更换完成率中的至少一项;
所述存放点特征信息包括所述共享设备存放点的共享设备数量参数、第四类任务的任务数量、设备维护优先级、设备召回率、天气信息以及设备变化量参数中的至少一项,所述第四类任务为所述共享设备存放点内产生的共享设备的使用任务。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向各任务处理终端发送对应的所述分配结果。
8.根据权利要求1或7所述的方法,其特征在于,所述方法还包括:
根据各所述任务处理方对应的所述分配结果进行路径导航,获取对应的路径导航结果;
向各任务处理终端发送对应的所述路径导航结果。
9.一种任务处理装置,其特征在于,所述装置包括:
信息获取单元,用于获取目标区域内各待处理设备的设备特征信息以及各任务处理方的处理方特征信息,所述待处理设备为待处理任务对应的共享设备;
概率预测单元,用于基于匹配概率预测模型,根据各所述设备特征信息以及各所述处理方特征信息,确定各所述任务处理方与各所述待处理设备的匹配概率;
数量确定单元,用于确定各所述任务处理方的资源数量;
距离确定单元,用于确定各第一距离,所述第一距离为所述任务处理方与所述待处理设备的距离;
分配单元,用于根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对所述待处理任务进行分配;
其中,所述分配单元根据各所述第一距离、对应的匹配概率以及所述资源数量确定至少一个所述待处理任务的分配结果,以对各所述待处理任务进行分配包括:在所述目标区域内的待处理设备的数量为1时,分别计算各所述第一距离与对应的匹配概率的商,并将待处理设备分配给商排序在最小且资源数量大于或等于1的第一位的任务处理方作为所述待处理任务的分配结果;或者根据各所述第一距离、各第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果,所述第二距离为所述待处理设备间的距离。
10.根据权利要求9所述的装置,其特征在于,所述概率预测单元包括:
存放点确定子单元,用于确定各所述待处理设备对应的共享设备存放点;
信息获取子单元,用于获取所述对应的共享设备存放点的存放点特征信息;
概率预测子单元,用于基于所述匹配概率预测模型,根据各所述处理方特征信息、各所述设备特征信息以及对应的所述存放点特征信息确定对应的所述匹配概率。
11.根据权利要求9所述的装置,其特征在于,所述分配单元包括:
距离确定子单元,用于获取各第二距离;
分配子单元,用于根据各所述第一距离、各第二距离、对应的匹配概率以及所述资源数量确定各所述待处理任务的分配结果。
12.根据权利要求11所述的装置,其特征在于,所述分配子单元包括:
处理方确定模块,用于确定目标任务处理方;
路径规划模块,用于基于预定的组合优化算法,以所述目标任务处理方对应的所述资源数量为约束,以所述第一距离与对应的所述匹配概率的商为路径,或者以所述第二距离与对应的匹配概率的商为路径进行路径规划,以确定所述目标任务处理方对应的路径规划结果;
分配结果确定模块,用于根据所述路径规划结果确定所述分配结果。
13.根据权利要求12所述的装置,其特征在于,所述分配结果确定模块用于将所述路径规划结果对应的至少一个所述待处理任务分配给所述目标任务处理方。
14.根据权利要求9所述的装置,其特征在于,所述匹配概率预测模型基于样本集合预先训练获得,所述样本集合包括多个任务处理方的历史处理方特征信息、候选共享设备的历史设备特征信息、共享设备存放点的历史存放点特征信息以及选中标识,所述候选共享设备为待分配给所述任务处理方的历史任务对应的共享设备,所述选中标识用于表征所述任务处理方是否选中所述候选共享设备。
15.根据权利要求10所述的装置,其特征在于,所述设备特征信息包括在预定时间段内所述待处理设备对应的第一类任务的第一时刻、第一起始位置、第一终止位置和第一节假日标识以及第二类任务的第二时刻、第二位置和第二节假日标识中的至少一项,所述第一类任务为所述待处理设备的使用任务,所述第二类任务为所述待处理设备的维护任务,所述第一节假日标识用于表征所述第一类任务对应的日期是否为节假日,所述第二节假日标识用于表征所述第二类任务对应的日期是否为节假日;
所述处理方特征信息包括在所述预定时间段内所述任务处理方的处理方标识、对应的第三类任务的第三时刻、第三位置、第三节假日标识、平均移动速率、资源更换参数以及存放点熟悉度参数中的至少一项,所述第三节假日标识用于表征所述第三类任务对应的日期是否为节假日,所述资源更换参数包括资源更换上限、资源更换均值和资源更换完成率中的至少一项;
所述存放点特征信息包括所述共享设备存放点的共享设备数量参数、第四类任务的任务数量、设备维护优先级、设备召回率、天气信息以及设备变化量参数中的至少一项,所述第四类任务为所述共享设备存放点内产生的共享设备的使用任务。
16.根据权利要求9所述的装置,其特征在于,所述装置还包括:
分配结果发送单元,用于向各任务处理终端发送对应的所述分配结果。
17.根据权利要求9或16所述的装置,其特征在于,所述装置还包括:
导航结果确定单元,用于根据各所述任务处理方对应的所述分配结果进行路径导航,获取对应的路径导航结果;
导航结果发送单元,用于向各任务处理终端发送对应的所述路径导航结果。
18.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-8中任一项所述的方法。
19.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152285.0A CN112819228B (zh) | 2021-02-03 | 2021-02-03 | 任务处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152285.0A CN112819228B (zh) | 2021-02-03 | 2021-02-03 | 任务处理方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819228A CN112819228A (zh) | 2021-05-18 |
CN112819228B true CN112819228B (zh) | 2024-05-24 |
Family
ID=75861113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110152285.0A Active CN112819228B (zh) | 2021-02-03 | 2021-02-03 | 任务处理方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819228B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559981B (zh) * | 2022-01-21 | 2024-01-19 | 北京全路通信信号研究设计院集团有限公司 | 一种基于轨道交通ato系统的停车点计算方法、系统 |
CN114446075B (zh) * | 2022-04-07 | 2022-07-01 | 北京阿帕科蓝科技有限公司 | 一种召回车辆的方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240168A (zh) * | 2017-05-26 | 2017-10-10 | 许海川 | 共享电动车的电池管理方法和装置 |
CN107644526A (zh) * | 2017-10-12 | 2018-01-30 | 小鹿单车(北京)科技有限公司 | 一种共享单车的异常处理系统及方法 |
CN108045243A (zh) * | 2017-12-05 | 2018-05-18 | 杭州骑迹科技有限公司 | 一种电动车的换电分配方法和服务器 |
CN108446851A (zh) * | 2018-03-22 | 2018-08-24 | 杭州骑迹科技有限公司 | 一种电动车换电派单方法及计算设备 |
CN108683732A (zh) * | 2018-05-14 | 2018-10-19 | 广东高标电子科技有限公司 | 一种共享单车的故障管理方法 |
CN109492895A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 更换电动车电池的方法、系统、服务器和存储介质 |
CN109859009A (zh) * | 2019-01-21 | 2019-06-07 | 武汉小安科技有限公司 | 共享单车电池更换方法、装置、设备及存储介质 |
CN110633808A (zh) * | 2018-06-20 | 2019-12-31 | 北京金风慧能技术有限公司 | 风电场运行维护任务排布系统和方法 |
CN112036788A (zh) * | 2020-07-28 | 2020-12-04 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN112215502A (zh) * | 2020-10-16 | 2021-01-12 | 宁波小遛共享信息科技有限公司 | 一种电池的调度补给方法、装置、电子设备以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9692259B2 (en) * | 2010-06-29 | 2017-06-27 | International Business Machines Corporation | Power management and priority charging assignments |
-
2021
- 2021-02-03 CN CN202110152285.0A patent/CN112819228B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240168A (zh) * | 2017-05-26 | 2017-10-10 | 许海川 | 共享电动车的电池管理方法和装置 |
CN107644526A (zh) * | 2017-10-12 | 2018-01-30 | 小鹿单车(北京)科技有限公司 | 一种共享单车的异常处理系统及方法 |
CN108045243A (zh) * | 2017-12-05 | 2018-05-18 | 杭州骑迹科技有限公司 | 一种电动车的换电分配方法和服务器 |
CN108446851A (zh) * | 2018-03-22 | 2018-08-24 | 杭州骑迹科技有限公司 | 一种电动车换电派单方法及计算设备 |
CN108683732A (zh) * | 2018-05-14 | 2018-10-19 | 广东高标电子科技有限公司 | 一种共享单车的故障管理方法 |
CN110633808A (zh) * | 2018-06-20 | 2019-12-31 | 北京金风慧能技术有限公司 | 风电场运行维护任务排布系统和方法 |
CN109492895A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 更换电动车电池的方法、系统、服务器和存储介质 |
CN109859009A (zh) * | 2019-01-21 | 2019-06-07 | 武汉小安科技有限公司 | 共享单车电池更换方法、装置、设备及存储介质 |
CN112036788A (zh) * | 2020-07-28 | 2020-12-04 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN112215502A (zh) * | 2020-10-16 | 2021-01-12 | 宁波小遛共享信息科技有限公司 | 一种电池的调度补给方法、装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112819228A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wallar et al. | Vehicle rebalancing for mobility-on-demand systems with ride-sharing | |
US10417585B2 (en) | Method and system for rebalancing a facility for shared use of vehicles, and facility implementing such a method and/or system | |
CN112819228B (zh) | 任务处理方法、装置、存储介质和电子设备 | |
CN112074845A (zh) | 用于优化拼车策略的深度强化学习 | |
CN107036618A (zh) | 一种基于最短路径深度优化算法的agv路径规划方法 | |
CN111144618A (zh) | 一种基于两阶段优化模型的需求响应型定制公交网络规划方法 | |
CN110444008B (zh) | 一种车辆调度方法及装置 | |
WO2016035091A1 (en) | Dynamic forecasting for forward reservation of cab | |
CN110210652A (zh) | 一种轨道交通站点客流控制方法及装置 | |
CN110852499A (zh) | 回收故障车辆的方法和装置 | |
CN111738409B (zh) | 一种资源调度的方法及其相关设备 | |
CN112036696A (zh) | 任务分配方法、任务分配装置、存储介质和电子设备 | |
CN109284891B (zh) | 基于时空索引的充电桩维修调度方法 | |
CN116663854A (zh) | 一种基于智慧园区的资源调度管理方法、系统及存储介质 | |
CN117912235B (zh) | 一种智慧城市的规划数据处理方法和系统 | |
Yu et al. | Coordinating matching, rebalancing and charging of electric ride-hailing fleet under hybrid requests | |
CN112106021A (zh) | 提供车辆导航模拟环境的方法和装置 | |
Megantara et al. | Mathematical Modeling on Integrated Vehicle Assignment and Rebalancing in Ride-hailing System with Uncertainty Using Fuzzy Linear Programming | |
Filipovska et al. | Anticipatory fleet repositioning for shared-use autonomous mobility services: An optimization and learning-based approach | |
CN108738117A (zh) | 一种应用程序消耗电量的优化方法及终端 | |
CN113505945A (zh) | 维护客户关系和监督bd人员的bd打卡巡店方法 | |
CN112950058A (zh) | 车辆调度方法、装置、存储介质和电子设备 | |
CN113469475A (zh) | 数据处理方法、装置、存储介质和电子设备 | |
US20230359965A1 (en) | Methods, internet of things (iot) systems, and media for dynamically adjusting lng storage based on big data | |
CN113822486B (zh) | 基于列生成算法的车辆路径规划方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |