CN112950058A - 车辆调度方法、装置、存储介质和电子设备 - Google Patents
车辆调度方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112950058A CN112950058A CN202110315015.7A CN202110315015A CN112950058A CN 112950058 A CN112950058 A CN 112950058A CN 202110315015 A CN202110315015 A CN 202110315015A CN 112950058 A CN112950058 A CN 112950058A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- parking
- vehicle
- historical data
- parking spot
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000012423 maintenance Methods 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000003416 augmentation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 101150039208 KCNK3 gene Proteins 0.000 description 2
- 101150083764 KCNK9 gene Proteins 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 102100023927 Asparagine synthetase [glutamine-hydrolyzing] Human genes 0.000 description 1
- 101100380329 Homo sapiens ASNS gene Proteins 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开了一种车辆调度方法、装置、存储介质和电子设备。通过根据第一历史数据和第二历史数据获取初始调度方案和调度分析结果,进而根据初始调度方案和调度分析结果生成最终调度方案以指示各个停车点之间的车辆调度。由此,可以根据初始调度方案对现有的调度进行诊断,以降低调度成本,提高车辆的调度效率。
Description
技术领域
本发明实施例涉及车辆技术领域,尤其涉及一种车辆调度方法、装置、存储介质和电子设备。
背景技术
在共享经济技术领域,例如共享单车或共享助力车等共享出行领域,为了给用户提供便捷的服务,用户可以在共享服务提供商限定的运营范围内骑行车辆,极大地方便了用户的出行。但是,用户的骑行目的地不可控,部分时段有些停车点会存在车辆的持续流入,导致堆积的发生,还有些停车点车辆的供给不足,用户在需要用车时,很难及时找到车辆。一方面由于车辆的堆积可能阻碍交通,影响其他人的正常出行,影响市容市貌。另一方面,车辆的分布不合理导致一部分停车点的车辆供给量远远不足,而一部分停车点的车辆大量堆积,影响用户体验。因此,对于车辆在各个停车点的合理调度是一项重要的工作。
现有技术中,通常是基于供需的智能工单生成系统给运维提供一些从A停车点收车并投往B停车点的工单建议。但是,由于一些不能不做的政策性调度,使得实际的运维工作却很难完全依照建议的工单去执行,进而只根据自己的经验进行调度。经验调度往往会存在一些不合理的地方,使得人力成本、时间成本等较高,而且调度效率低下。
发明内容
有鉴于此,本发明实施例的目的在于提供一种车辆调度方法、装置、存储介质和电子设备,可以降低调度成本,提高车辆的调度效率。
第一方面,本发明实施例提供了一种车辆调度方法,所述方法包括:
获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录;
根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求;
根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案;
根据所述第二历史数据获取调度分析结果;
根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
在一些实施例中,所述第一历史数据包括历史订单信息和历史画像信息中的至少一种,所述历史订单信息包括各历史订单的起点、终点和时间,所述历史画像信息包括各个停车点在各个时间段内的车辆流出数量和车辆流入数量。
在一些实施例中,所述停车点类别包括第一停车点、第二停车点和第三停车点,其中,所述第一停车点为需要调出车辆的停车点,所述第二停车点为需要调入车辆的停车点,所述第三停车点为不需调度的停车点。
在一些实施例中,所述第二历史数据包括各个停车点调度的车辆数量、调度时间和运维人员数量中一种或多种。
在一些实施例中,根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案具体为:
基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。
在一些实施例中,所述基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案包括:
将各个第一停车点确定为一个顶点,生成二分图的第一顶点序列;
将各个第二停车点确定为一个顶点,生成二分图的第二顶点序列;
根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重,所述权重为从第一停车点调度一辆车到第二停车点的价值;
将满足预定条件的第一停车点和第二停车点连接成边以获取二分图;以及
基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案。
在一些实施例中,根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重包括:
根据所述第二历史数据获取从第一停车点调度一辆车到第二停车点的调度成本和预估收益;以及
根据所述调度成本和所述预估收益确定所述权重;
其中,所述权重为所述预估收益与所述调度成本的差值。
在一些实施例中,所述调度分析结果用于表征历史调度周期中各个调度类型的占比。
在一些实施例中,所述调度类型包括政策性调度、供需调节调度、运维经验调度和无效调度。
在一些实施例中,所述根据所述初始调度方案和调度分析结果生成最终调度方案包括:
在所述政策性调度中分别获取调度到冷区和热区的车辆,生成第一调度方案,所述第一调度方案用于指示将调度到冷区的车辆调整为调度到热区;
根据运维经验调度和供需调节调度生成第二调度方案,所述第二调度方案用于指示将运维经验调度调整为供需调节调度;
根据无效调度生成第三调度方案,所述第三调度方案用于指示将所述无效调度删除;以及
根据所述第一调度方案、第二调度方案和第三调度方案生成所述最终调度方案。
在一些实施例中,所述方法还包括:
获取运维反馈结果;以及
根据所述运维反馈结果更新所述最终调度方案。
在一些实施例中,所述方法还包括:
向调度终端发送所述最终调度方案。
第二方面,本发明实施例提供了一种车辆调度装置,所述装置包括:
数据获取单元,用于获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录;
类别确定单元,用于根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求;
初始调度方案确定单元,用于根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案;
调度分析结果获取单元,用于根据所述第二历史数据获取调度分析结果;
最终调度方案确定单元,用于根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
在一些实施例中,所述第一历史数据包括历史订单信息和历史画像信息中的至少一种,所述历史订单信息包括各历史订单的起点、终点和时间,所述历史画像信息包括各个停车点在各个时间段内的车辆流出数量和车辆流入数量。
在一些实施例中,所述停车点类别包括第一停车点、第二停车点和第三停车点,其中,所述第一停车点为需要调出车辆的停车点,所述第二停车点为需要调入车辆的停车点,所述第三停车点为不需调度的停车点。
在一些实施例中,所述第二历史数据包括各个停车点调度的车辆数量、调度时间和运维人员数量中一种或多种。
在一些实施例中,所述类别确定单元用于基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。
在一些实施例中,所述类别确定单元包括:
第一顶点序列生成子单元,用于将各个第一停车点确定为一个顶点,生成二分图的第一顶点序列;
第二顶点序列生成子单元,用于将各个第二停车点确定为一个顶点,生成二分图的第二顶点序列;
权重获取子单元,用于根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重,所述权重为从第一停车点调度一辆车到第二停车点的价值;
二分图获取子单元,用于将满足预定条件的第一停车点和第二停车点连接成边以获取二分图;以及
最优匹配子单元,用于基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案。
在一些实施例中,所述权重获取子单元包括:
预估模块,用于根据所述第二历史数据获取从第一停车点调度一辆车到第二停车点的调度成本和预估收益;以及
计算模块,用于根据所述调度成本和所述预估收益确定所述权重;
其中,所述权重为所述预估收益与所述调度成本的差值。
在一些实施例中,所述调度分析结果用于表征历史调度周期中各个调度类型的占比。
在一些实施例中,所述调度类型包括政策性调度、供需调节调度、运维经验调度和无效调度。
在一些实施例中,所述最终调度方案确定单元包括:
第一确定子单元,用于在所述政策性调度中分别获取调度到冷区和热区的车辆,生成第一调度方案,所述第一调度方案用于指示将调度到冷区的车辆调整为调度到热区;
第二确定子单元,用于根据运维经验调度和供需调节调度生成第二调度方案,所述第二调度方案用于指示将运维经验调度调整为供需调节调度;
第三确定子单元,用于根据无效调度生成第三调度方案,所述第三调度方案用于指示将所述无效调度删除;以及
最终确定子单元,用于根据所述第一调度方案、第二调度方案和第三调度方案生成所述最终调度方案。
在一些实施例中,所述装置还包括:
运维反馈结果获取单元,用于获取运维反馈结果;以及
调度方案更新单元,用于根据所述运维反馈结果更新所述最终调度方案。
在一些实施例中,所述装置还包括:
发送单元,用于向调度终端发送所述最终调度方案。
第三方面,本发明实施例提供了一种计算机程序产品,所述计算机程序产品包含计算机程序,当所述计算机程序在计算机上运行时,该计算机执行上述第一方面所述的方法。
第四方面,本发明实施例提供了一种电子设备,包括存储器和处理器,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。
第五方面,本发明实施例提供了一种计算机可读存储介质,其上存储计算机程序指令,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。
本发明实施例的技术方案通过根据第一历史数据和第二历史数据获取初始调度方案和调度分析结果,进而根据初始调度方案和调度分析结果生成最终调度方案以指示各个停车点之间的车辆调度。由此,可以根据初始调度方案对现有的调度进行诊断,以降低调度成本,提高车辆的调度效率。
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是本发明实施例的车辆调度系统的示意图;
图2是本发明实施例的车辆调度方法的流程图;
图3是本发明实施例的确定初始调度方案的流程图;
图4是本发明实施例的权重的示意图;
图5是本发明实施例的二分图的一个示意图;
图6是本发明实施例的二分图的另一个示意图;
图7本发明实施例的调度分析结果的示意图;
图8是本发明实施例的生成最终调度方案的流程图;
图9是本发明一个实施例的最终调度方案的示意图;
图10是本发明另一个实施例的最终调度方案的示意图;
图11是本发明实施例的车辆调度装置的示意图;
图12是本发明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实施例进行描述,但是本发明实施例并不仅仅限于这些实施例。在下文对本发明实施例的细节描述中,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实施例。为了避免混淆本发明实施例的实质,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。
在本发明实施例的描述中,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,在本发明实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
由于共享单车用户的骑行需求在时间和空间分布上呈现不平衡的特点,共享单车服务提供平台必须对自己的车辆进行有组织的调度。一个调度区域内的车辆调度的好坏和效率高低需要衡量运维人员花费的时间以及调度带来的收益,也即能否用最合理的人员、时间安排把车辆从没有需求的区域调往最急需用车的地方。在运维现有的工作流程中,平台已经有基于供需的智能工单生成系统,它能给运维提供一些从一个停车点收车并投往另一个停车点的工单建议。但是实际的运维工作却很难完全依照建议的工单去执行,因为共享单车常常面临一些不能不做的政策性调度,并且运维人员可能会在调度策略因为算法对实际情况考虑不足而产生错误的时候失去对调度策略的信任,进而只根据自己的经验进行调度。由此,需要一种可以诊断一个城市现有的调度情况的系统,以分析运维现在进行的调度是否合理和必要,衡量调度的投入和产出比,并提供调度效率提升的建议。
现有的车辆调度只根据运维人员的作业时长或搬运车辆数目来评价他们的工作,但是调度工作是否能带来价值、一定量的人力物力投入能带来多少用户价值却没有任何指标可以衡量,同时,调度的投入和收益也不明确。
现有的车辆调度中,并不能清晰地衡量调度花费的时间、人力和调度能带来的收益。各个调度区域对于自己的调度现状并不清楚,很难从现状中找到关键转化点进行优化和提效。同时,现有调度可能存在于调度中的由于各种原因而就近投车在冷区等没有收益的调度资源浪费行为。如果调度行为长期都无法对成本和收益进行核算,也无法对现状进行有效的诊断,导致额外支出不必要的调度花费。
由此,本发明实施例提供了一种车辆调度方法,通过分析不同时间段骑行需求与车辆供给的关系、以及停车点之间是否可以构成自动流转的有向环来判断停车点在一段时间内是否需要调度。对停车点的调度需求程度进行分类之后,结合现有的调度工单信息计算出现有调度花费的人力、时间成本以及其产生的价值,并用最优化模型求解现有的调度资源可以达到的收益上限。同时,可以根据预估上限和调度现状之间的差距,诊断出原因并给出建议方案,以降低调度成本,提高调度收益。
图1是本发明实施例的车辆调度系统的示意图。如图1所述,本发明实施例的车辆调度系统包括服务器1和至少一个调度终端2。其中,调度终端可以是一个或多个,图1中以调度终端为3个为例进行说明。
在本实施例中,服务器1用于生成最终调度方案,并将最终调度方案发送至调度终端2。
进一步地,服务器2可以通过工单的方式发送所述最终调度方案,所述最终调度方案包括至少一个调度策略,所述调度策略包括起始停车点、目标停车点、车辆数量、调度时间信息等中的一个或多个。所述服务器2可以通过独立的服务器或服务器集群实现,本发明实施例对此不作限制。
在本实施例中,调度终端2用于显示所述最终调度方案。
进一步地,所述调度终端2可以通过台式电脑、笔记本电脑、平板电脑、手机或其它专用终端实现。
进一步地,所述调度终端2可以通过网页、APP(Application,应用程序)等方式显示最终调度方案,本发明实施例对此不作限制。
进一步地,图2是本发明实施例的车辆调度方法的流程图。如图2所示,本发明实施例的车辆调度方法包括如下步骤:
步骤S100、获取第一历史数据和第二历史数据。
在本实施例中,服务器获取历史数据,所述历史数据包括第一历史数据和第二历史数据。其中,服务器获取第一历史数据和第二历史数据可以是由用户输入,也可以通过其它方式实现,本发明实施例对此不作限制。例如,可以接收其它设备发送的历史数据。
进一步地,所述第一历史数据用于表征车辆的历史运行记录。
具体地,所述第一历史数据包括历史订单信息和历史画像信息中的至少一种,其中,订单为用户骑行订单,所述历史订单信息包括各历史订单的起点、终点和时间信息,其中,时间信息为可以是订单开始时刻对应的时间点、订单结束时刻对应的时间点、订单开始时刻到结束时刻之间的任一时间点或者订单开始时刻到结束时刻之间的时间段。
所述历史画像信息包括各个停车点在各个时间段内的车辆流出数量、车辆流入数量、存在数量、预定范围内(例如100米)的POI(Point of Interest,兴趣点)列表、订车点面积、停车点位置(例如经纬度)等信息中一种或多种。其中,所述时间段可以为小于或等于调度周期的任意时间段,例如10分钟、30分钟、一个小时、两个小时等,也可以是等于调度周期。其中,车辆流入数量表示该时间段内流入该停车点的车辆数量,车辆流出数量表示该时间段内从该停车点流出的车辆数量,POI可以是商铺、公交站点、建筑物等。
进一步地,所述第二历史数据用于表征车辆的历史调度记录。所述历史调度记录为一段时间(例如一个月)内运维人员完成的运维工单信息,包括工单记录的操作车辆数目、工单的收车停车点、投车停车点、工单的开始时间、结束时间、工单执行的运维人员等信息。
步骤S200、根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别。
在本实施例中,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求。
首先,根据实际调度需求设置调度周期。
例如,可以将一天(24小时)分为多个调度周期,例如,以分为三个调度周期为例进行说明,分别是第一周期、第二周期和第三周期,例如,第一周期为00:01到08:00,第二周期为08:01到16:00,第三周期为16:01到23:59。
又例如,还可以根据实际用车场景确定一天中的调度周期。具体地,假设对于某一调度区域(可以是城市、商圈、区域等),用车高峰期主要集中在上午8:00到10:00,中午12:00到14:00,下午18:00到20:00。此时,可以通过如下两种方式划分调度周期。
方式一,可以将上述三个时间区域确定为所述调度周期。此时,将一天分为多个子周期,此时的每个调度周期是指子周期中的一个或多个子周期。进一步地,假设将一天分为24个子周期,每个子周期为1小时,则上述每个调度周期的时长等于两个子周期的时长。
方式二,将前一天的20:00到当天的10:00设置为第一周期,将当天的10:00到14:00设置为第二周期,将当天的14:00到20:00设置为第三周期。由此,可以将24小时分为三个调度周期。
应理解,上述的几种调度周期的划分方式仅为本发明实施例的示例,本发明实施例对此不作限制。
还应理解,本发明实施例的调度周期的时间可以是相同的,也可以是不同的,本发明实施例对此不作限制。
其次,根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求。其中,所述停车点类别包括第一停车点、第二停车点和第三停车点,其中,所述第一停车点为需要调出车辆的停车点,所述第二停车点为需要调入车辆的停车点,所述第三停车点为不需调度的停车点。
在一个可选的实现方式中,所述第一历史数据包括历史订单信息,所述历史订单信息包括各历史订单的起点、终点和时间等信息。其中,起点为订单开始的起始地点,即用户借车地点。终点为订单结束的地点,即用户还车地点。时间可以是订单开始时刻对应的时间点、订单结束时刻对应的时间点、订单开始时刻到结束时刻之间的任一时间点或者订单开始时刻到结束时刻之间的时间段。由此,服务器根据各个停车点的历史订单信息获取到各个停车点在各个时间段内的车辆流入和流出的数量,进而确定各个停车点的停车点类别。具体包括如下步骤:
步骤S211、划分多个时间段,获取各个停车点在各个时间段内的车辆的流入数量和流出数量。
具体地,例如,以1个小时为一个时间段,根据历史订单的时间统计各个时间段内每个停车点的车辆的流入数量和流出数量,其中,时间段内停车点的车辆的流入数量为历史订单中在该时间段内,该停车点为终止地点的订单数量;时间段内停车点的车辆的流出数量为历史订单中在该时间段内,该停车点为起始地点的订单数量。由此,即可根据历史订单信息得到各个停车点在各个时间段内的车辆的流入数量和流出数量。
其中,所述历史订单信息可以是历史一周或多周的历史数据,也可以是历史一个月或多个月的历史数据。
步骤S212、确定各个停车点在各个调度周期内的车辆的流入数量和流出数量。
具体地,如上所述,假设前一天的20:00到当天的10:00设置为第一周期,将当天的10:00到14:00设置为第二周期,将当天的14:00到20:00设置为第三周期,由此,可以将24小时分为三个调度周期。进一步地,第一周期包括14个时间段,第二周期包括4个时间段,第三周期包括6个时间段。统计各个调度周期的各个时间点段内车辆的流入数量之和与流出数量之和,以得到各个停车点在各个调度周期内的车辆的流入数量和流出数量。
步骤S213、确定各个停车点在各个调度周期内的停车点类别。
具体地,可以预先设置第一阈值Nt(例如10),获取各个停车点在各个调度周期内的车辆的流入数量Nin和流出数量Nout的差值,根据差值与第一阈值获取各个停车点在各个调度周期内的停车点类别。
其中,差值的计算公式为:
ΔN=Nin-Nout
其中,ΔN为差值,Nin为车辆的流入数据,Nout为车辆的流出数量。
假设预定阈值Nt为大于0的正整数,则:
当ΔN>Nt时,该停车点在该调度周期内的停车点类别为第一类别;
当ΔN<-Nt时,该停车点在该调度周期内的停车点类别为第二类别;
当-Nt≤ΔN≤Nt时,该停车点在该调度周期内的停车点类别为第二类别。
由此,即可确定各个停车点在各个调度周期内的停车点类别。
在另一个可选的实现方式中,所述第一历史数据包括历史画像信息,所述历史画像数据用于表示各个车辆时间与位置的关系。其中,历史画像数据可以通过车辆内部的定位模块获取,所述定位模块可以是采用现有的各种模块,例如GPS(Global PositioningSystem,全球定位系统)定位、基站定位、卫星定位等中的一种或多种组合。由此,即可根据历史画像数据确定车辆在每个时刻的位置,进而确定各个停车点在各个调度周期内的停车点类别。例如,可以设置第二阈值(例如10)和第三阈值(例如30),其中,第二阈值小于第三阈值,统计每个调度周期结束时刻,停车点内车辆的存在数量,如果停车点的车辆的存在数量高于第三阈值,表示该停车点的车辆供给充足,则将该停车点确定为第一停车点。如果停车点的车辆的存在数量低于第二阈值,表示该停车点的车辆供给不足,则将该停车点确定为第二停车点。如果停车点的车辆的存在数量低于第三阈值且高于第二阈值,表示该停车点的车辆供给基本满足需求,则将该停车点确定为第三停车点。
由此,即可确定各个停车点在各个调度周期内的停车点类别。
在又一个可选的实现方式中,所述第一历史数据包括历史订单信息和历史画像信息。具体地,首先根据上述步骤S211-步骤S212确定各个停车点在各个调度周期内的车辆的流入数量和流出数量的差值,并根据历史画像信息统计每个调度周期结束时刻停车点内车辆的存在数量。如果流入数量和流出数量差值大于第一阈值,且调度周期结束时刻停车点内车辆的存在数量大于第三阈值,则将该停车点确定为第一停车点。如果流入数量的流出数量的差值小于第一阈值的负值,且调度周期结束时刻停车点内车辆的存在数量小于第二阈值,则将该停车点确定为第二停车点。如果流入数量和流出数量的差值在第一阈值的负值和第一阈值之间,且调度周期结束时刻停车点内车辆的存在数量在第二阈值与第三阈值之间,则将该停车点确定为第三停车点。
由此,即可确定各个停车点在各个调度周期内的停车点类别。
应理解,上述确定停车点类别的方法仅为本发明实施例的示例,本发明实施例对此不作限制,可以基于上述历史数据通过现有的各种方式实现。
步骤S300、根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。
在本实施例中,所述第二历史数据包括各个停车点调度的车辆数量、调度时间和运维人员数量中一种或多种。具体地,所述第二历史数据用于表征车辆的历史调度记录。所述历史调度记录为一段时间(例如一个月)内运维人员完成的运维工单信息,包括工单记录的操作车辆数目、工单的收车停车点、投车停车点、工单的开始时间、结束时间、工单执行的运维人员等信息。
进一步地,基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案,具体如图3所示,包括如下步骤:
步骤S310、将各个第一停车点确定为一个顶点,生成二分图的第一顶点序列。
步骤S320、将各个第二停车点确定为一个顶点,生成二分图的第二顶点序列。
步骤S330、根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重。
在本实施例中,所述权重为从第一停车点调度一辆车到第二停车点的价值。
进一步地,根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重包括如下步骤:
步骤S331、根据所述第二历史数据获取从第一停车点调度一辆车到第二停车点的调度成本和预估收益。
在本实施例中,假设获取第一停车点Xi与第二停车点Yj之间的权重,首先,根据历史调度记录获取将车辆从第一停车点Xi调度到第二停车点Yj的调度成本。例如,假设历史记录中,从第一停车点Xi调度N1辆车到第二停车点Yj需要N2运维人员工作N3个小时,每个运维人员每小时的工资为S1,则从第一停车点Xi调度一辆车到第二停车点Yj的调度成本为:
其中,Cost为从第一停车点Xi调度一辆车到第二停车点Yj的调度成本。
其次,获取将一辆车从第一停车点Xi调度到第二停车点Yj后,该车可以带来的收益。例如,假设该车从第一停车点Xi调度到第二停车点Yj之后,该车被使用的概率为P1,订单收益为S2,则将一辆车从第一停车点Xi调度到第二停车点Yj后,该车可以带来的收益Ea为:
Ea=S2*P1
其中,S2和P1可以通过现有的各种方式获取,例如,订单收益S2为第二停车点Yi的各个历史订单的收益的平均值,被使用的概率为P1可以是在调度周期内第二停车点Yj的车辆流出数量与总数量的比值,其中,所述总数量可以是调度周期开始时刻车辆的数量与调度周期内车辆的流入数量的和。
由此,重复执行上述流程即可获取到各个第一停车点调度一辆车到各个第二停车点的调度成本和预估收益。
步骤S332、根据所述调度成本和所述预估收益确定所述权重。
在本实施例中,所述权重为所述预估收益与所述调度成本的差值。具体地,权重W1的计算公式为:
W1=Ea-Cost
由此,重复执行,即可得到各个第一停车点调度一辆车到各个第二停车点的权重。
具体地,假设第一停车点为5个:X1、X2、X3、X4和X5,订单为5个:Y1、Y2、Y3、Y4和Y5。所述第一停车点与所述第二停车点之间的权重如图4所示。
步骤S340、将满足预定条件的第一停车点和第二停车点连接成边。
在本实施例中,将满足预定条件的第一停车点和第二停车点连接成边以生成二分图。其中,预定条件为距离在预定范围之内,也即,将距离在预定范围之内的起始节点和终止节点连接成边以生成二分图。
具体地,假设第一停车点X1预定范围内的第二停车点包括第二停车点Y5,第一停车点X2预定范围内的第二停车点包括第二停车点Y5,第一停车点X3预定范围内的第二停车点包括第二停车点Y1,第一停车点X4预定范围内的第二停车点包括第二停车点Y1,第一停车点X5预定范围内的第二停车点包括第二停车点Y1,则生成的二分图如图5所示。
步骤S350、基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案。
在本实施例中,每条边的权重为该边连接的第一停车点与第二停车点之间的权重。
具体地,基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案包括如下步骤:
步骤S351、根据每条边的权重确定所述第一顶点序列中每个顶点的顶标值。
步骤S352、获取预设顶标值作为所述第二顶点序列中每个顶点的顶标值。
步骤S353、根据所述权重、所述第一顶点序列和所述第二顶点序列中每个顶点的顶标值确定所述二分图模型的边。
具体地,可以获取与所述第一停车点对应的各个权重的最大值作为所述第一停车点对应的顶点的顶标值,可以将所述第二顶点序列中每个顶点的顶标值均设置为0。可以将所述第一顶点序列中的顶点i的顶标值记为label(i),i=1,…,m,将所述第二顶点序列中的顶点j的顶标值记为label(j),j=1,…,n,将所述第一顶点序列中的顶点i对应的第一停车点和所述第二顶点序中的顶点j对应的第二停车点的权重记为weight(i,j),i=1,…,m,j=1,…,n,将weight(i,j)=label(i)+label(j)的顶点i和顶点j之间的边作为所述二分图模型的边,这样得到的二分图可以称为相对子图。通过上述方法可以构建如图6所示的二分图,可以确定顶点X1、X2、X3、X4和X5的顶标值分别为9、8、7、6和8,顶点Y1、Y2、Y3、Y4和Y5的顶标值分别为0、0、0、0和0;可以确定所述二分图模型的边包括X1Y5、X2Y5、X3Y1、X4Y1和X5Y1。
步骤354、采用二分图匹配算法确定所述二分图模型的最大匹配,根据所述最大匹配确定所述初始调度方案。
进一步地,依次为所述第一顶点序列中每个顶点确定增广路径,根据所述增广路径更新所述二分图模型的匹配子图,直至得到所述二分图模型的最大匹配。
具体地,为所述第一顶点序列中当前顶点确定增广路径,根据所述增广路径更新所述二分图模型的匹配子图。获取当前二分图模型以及当前匹配子图。基于所述当前二分图模型为所述当前顶点寻找增广路径,判断是否寻找到增广路径。如果寻找到增广路径,根据所述增广路径更新所述当前匹配子图。如果未寻找到增广路径,根据所述关系权重、所述当前二分图模型中每个顶点的顶标值确定所述当前二分图模型的新增边,根据所述新增边更新所述当前二分图模型;基于更新后的当前二分图模型确定所述当前顶点的增广路径,根据所述增广路径更新所述当前匹配子图。
更具体地,可以从图5所示的二分图模型的顶点X1开始,依次为顶点X1、X2、X3、X4和X5寻找增广路,得到所述二分图模型的最大匹配。示例性地,对于顶点X1,可以找到X1Y5;对于顶点X2,由于顶点Y5已经与X1匹配,因此找不到增广路径,则需要更新所述二分图模型,调整顶标。对于搜索过的路径上的各个顶点,假设该路径上的X顶点集为S,Y顶点集为T,对所有在S中的点Xi及不在T中的点Yj,计算d(Xi,Yj)=label(Xi)+label(Yj)-weight(Xi,Yj);将d=mind(Xi,Yj)对应的顶点Xi和Yj组成的边XiYj加入所述二分图模型,得到更新后的二分图模型;从S集中的X标杆中减去d,并将其加入到T集中的Y的标杆中,得到更新后的顶标值。
在上述示例中,访问了X2、Y5、X1三个节点,则顶点集S包括X1和X2,顶点集T包括Y5,因此可以计算得到d为2,对应的边是X1Y0。此时,在更新的二分图中再次为X2寻找增广路径,得到X2Y1。
具体地,采用同样的方法为X3-X5寻找增广路径,以得到所述二分图模型的最大匹配。
在本实施例中,寻找最大匹配可以确保车辆调度方案中匹配的第一停车点和第二停车点的数量最多。确定所述最大匹配结果后,可以将所述最大匹配中每条边对应的第一停车点和第二停车点进行匹配,得到初始调度方案。例如,假设所述最大匹配中包括X1Y5,则可以将顶点X1对应的第一停车点和顶点Y5对应的第二停车点进行匹配,得到初始调度方案中的一个调度子方案。在一些实施例中,所述初始调度方案包括多个调度子方案,所述调度子方案用于指示可以将车辆从目标第一停车点调度到目标第二停车点。
由此,即可得到初始调度方案。
步骤S400、根据所述第二历史数据获取调度分析结果。
在本实施例中,服务器根据第二历史数据对历史调度记录进行分析,以获取各个历史调度周期中,各个停车点之间调度的车辆数据,进而获取调度分析结果,所述调度分析结果用于表征现有调度中各种调度类型所占比例,所述调度类型包括政策性调度、供需调节调度、运维经验调度和无效调度等。
其中,政策性调度为根据当地管理部门要求进行的调度。例如,假设某停车点是重要的交通节点,车辆和行人流量较大,如果该停车点的车辆数量过多时,会严重影响交通,因此,当地交通部门要求该停车点的车辆数量不得超过预定数量,运维人员需要定期将该停车点的车辆调度到其它停车点,此时,对于该停车点的调度为政策性调度。
供需调节调度为符合上述初始调度方案的调度。具体地,如上所述,在现有的调度方案中获取非政策性调度,在非政策性调度中获取符合上述初始调度方案的车辆,确定为供需调节调度。
无效调度,在非政策性调度中获取将两个或多个第三停车点之间的调度确定为无效调度。例如,如果在非政策性调度中存在将车辆从一个第三停车点调度到另一第三停车点的调度,则确定为无效调度。
运维经验调度,可以将在非政策性调度中的除供需调节调度和无效调度之外的其它调度类型确定为运维经验调度。
进一步地,分别获取各个调度周期中的政策性调度、供需调节调度、运维经验调度和无效调度的车辆数量或车辆数量的占比以获取所述调度分析结果。其中,所述占比为该调度周期内属于该调度类型的车辆数量与调度的车辆总数量的比值。
具体地,图7本发明实施例的调度分析结果的示意图。如图7所示,调度分析结果中,政策性调度的占比为60%、供需调节调度的占比为20%、运维经验调度的占比为15%、无效调度的占比为5%。
步骤S500、根据所述初始调度方案和调度分析结果生成最终调度方案。
在本实施例中,获取到初始调度方案和调度分析结果后,根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
进一步地,生成最终调度方案的流程如图8所示,包括如下步骤:
步骤S510、在所述政策性调度中分别获取调度到冷区和热区的车辆,生成第一调度方案。
在本实施例中,在所述政策性调度中分别获取调度到冷区和热区的车辆,生成第一调度方案,所述第一调度方案用于指示将调度到冷区的车辆调整为调度到热区。
在一个可选的实现方式中,调度到冷区的车辆为不符合初始调度方案的车辆,调度到热区的车辆为符合初始调度方案的车辆。具体地,首先获取步骤S300中得到的初始调度方案,分别获取政策性调度中符合初始调度方案的车辆数量和不符合初始调度方案的车辆数量。其次,根据符合初始调度方案的车辆数量和不符合初始调度方案的车辆数量生成第一调度方案,所述第一调度方案用于指示将不符合初始调度方案的车辆调整为符合初始调度方案。
在另一个可选的实现方式中,所述冷区为第一停车点或第三停车点,所述热区为第二停车点,其中,调度到冷区的车辆为调度到第一停车点或第三停车点的车辆,调度到热区的车辆为调度到第二停车点的车辆。获取政策性调度中调度到第一停车点或第三停车点的车辆数量,获取政策性调度中调度到第二停车点的车辆数量。生成第一调度方案,所述第一调度方案用于指示将调度到第一停车点或第三停车点的车辆调整为调度到第二停车点。
步骤S520、根据运维经验调度和供需调节调度生成第二调度方案。
在本实施例中,根据运维经验调度和供需调节调度生成第二调度方案,所述第二调度方案用于指示将运维经验调度调整为供需调节调度。
步骤S530、根据无效调度生成第三调度方案,所述第三调度方案用于指示将所述无效调度删除。
步骤S540、根据所述第一调度方案、第二调度方案和第三调度方案生成所述最终调度方案。
在本实施例中,服务器上述得到的第一调度方案、第二调度方案和第三调度方案生成所述最终调度方案。
在一个可选的实现方式中,最终调度方案包括原调度方案和增效方案,其中,原调度方案用于表征历史工单,增效方案用于表征需要进行转化的工单。具体地,如图9所示,假设某一调度周期的历史工单包括三个任务,Task1为从停车点H1调度20辆车到停车点G1,Task2为从停车点H2调度30辆车到停车点G2,Task3为从停车点H3调度30辆车到停车点G3。通过上述步骤S400得到的调度分析结果可知:
Task1符合初始调度方案;
Task2不符合初始调度方案,需要调整为从停车点H2调度30辆车到停车点F1;
Task3为无效调度,需要删除。
由此,可以生成每个任务的增效方案,具体如图9所示。
在另一个可选的实现方式中,最终调度方案包括最终执行工单。具体地,如图10所示,假设某一调度周期的历史工单包括三个任务,Task1为从停车点H1调度20辆车到停车点G1,Task2为从停车点H2调度30辆车到停车点G2,Task3为从停车点H3调度30辆车到停车点G3。通过上述步骤S400得到的调度分析结果可知:
Task1符合初始调度方案;
Task2不符合初始调度方案,需要调整为从停车点H2调度30辆车到停车点F1;
Task3为无效调度,需要删除。
由此,可以生成最终执行工单,所述最终执行工单包括多个任务,具体如图10所示。
本发明实施例通过根据第一历史数据和第二历史数据获取初始调度方案和调度分析结果,进而根据初始调度方案和调度分析结果生成最终调度方案以指示各个停车点之间的车辆调度。由此,可以根据初始调度方案对现有的调度进行诊断,以降低调度成本,提高车辆的调度效率。
可选地,本发明实施例的车辆调度方法还包括:
步骤S600、向调度终端发送所述最终调度方案。
在本实施例中,服务器生成所述最终调度方案后,将最终调度方案发送至调度终端,以使得调度终端的运维人员可以根据最终调度方案对车辆进行调度。
进一步地,所述调度终端可以通过网页、APP(Application,应用程序)等方式显示最终调度方案,本发明实施例对此不作限制。
本发明实施例通过根据第一历史数据和第二历史数据获取初始调度方案和调度分析结果,进而根据初始调度方案和调度分析结果生成最终调度方案以指示各个停车点之间的车辆调度。由此,可以根据初始调度方案对现有的调度进行诊断,以降低调度成本,提高车辆的调度效率。
可选地,本发明实施例的车辆调度方法还包括:
步骤S700、获取运维反馈结果。
在本实施例中,运维人员通过调度终端向服务器发送运维反馈结果,所述运维反馈结果用于表征实际运维信息,所述实际运维信息包括车辆积压过多的停车点、车辆供给不足的停车点等信息。
步骤S800、根据所述运维反馈结果更新所述最终调度方案。
在本实施例中,服务器接收到运维反馈结果对生成的最终调度方案进行调整,以更新所述最终调度方案,以使得更新后的调度方案能够满足供给需求且消除车辆积压过多的停车点,同时满足政策性调度等。
本发明实施例通过根据第一历史数据和第二历史数据获取初始调度方案和调度分析结果,进而根据初始调度方案和调度分析结果生成最终调度方案以指示各个停车点之间的车辆调度。由此,可以根据初始调度方案对现有的调度进行诊断,以降低调度成本,提高车辆的调度效率。
图11是本发明实施例的车辆调度装置的示意图。如图11所示,本发明实施例的车辆调度装置包括:数据获取单元111、类别确定单元112、初始调度方案确定单元113、调度分析结果获取单元114和最终调度方案确定单元115。其中,所述数据获取单元111用于获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录。类别确定单元112用于根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求。初始调度方案确定单元113用于根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。调度分析结果获取单元114用于根据所述第二历史数据获取调度分析结果。最终调度方案确定单元115用于根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
在一些实施例中,所述第一历史数据包括历史订单信息和历史画像信息中的至少一种,所述历史订单信息包括各历史订单的起点、终点和时间,所述历史画像信息包括各个停车点在各个时间段内的车辆流出数量和车辆流入数量。
在一些实施例中,所述停车点类别包括第一停车点、第二停车点和第三停车点,其中,所述第一停车点为需要调出车辆的停车点,所述第二停车点为需要调入车辆的停车点,所述第三停车点为不需调度的停车点。
在一些实施例中,所述第二历史数据包括各个停车点调度的车辆数量、调度时间和运维人员数量中一种或多种。
在一些实施例中,所述类别确定单元用于基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。
在一些实施例中,所述类别确定单元包括:
第一顶点序列生成子单元,用于将各个第一停车点确定为一个顶点,生成二分图的第一顶点序列;
第二顶点序列生成子单元,用于将各个第二停车点确定为一个顶点,生成二分图的第二顶点序列;
权重获取子单元,用于根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重,所述权重为从第一停车点调度一辆车到第二停车点的价值;
二分图获取子单元,用于将满足预定条件的第一停车点和第二停车点连接成边以获取二分图;以及
最优匹配子单元,用于基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案。
在一些实施例中,所述权重获取子单元包括:
预估模块,用于根据所述第二历史数据获取从第一停车点调度一辆车到第二停车点的调度成本和预估收益;以及
计算模块,用于根据所述调度成本和所述预估收益确定所述权重;
其中,所述权重为所述预估收益与所述调度成本的差值。
在一些实施例中,所述调度分析结果用于表征历史调度周期中各个调度类型的占比。
在一些实施例中,所述调度类型包括政策性调度、供需调节调度、运维经验调度和无效调度。
在一些实施例中,所述最终调度方案确定单元包括:
第一确定子单元,用于在所述政策性调度中分别获取调度到冷区和热区的车辆,生成第一调度方案,所述第一调度方案用于指示将调度到冷区的车辆调整为调度到热区;
第二确定子单元,用于根据运维经验调度和供需调节调度生成第二调度方案,所述第二调度方案用于指示将运维经验调度调整为供需调节调度;
第三确定子单元,用于根据无效调度生成第三调度方案,所述第三调度方案用于指示将所述无效调度删除;以及
最终确定子单元,用于根据所述第一调度方案、第二调度方案和第三调度方案生成所述最终调度方案。
在一些实施例中,所述装置还包括:
运维反馈结果获取单元,用于获取运维反馈结果;以及
调度方案更新单元,用于根据所述运维反馈结果更新所述最终调度方案。
在一些实施例中,所述装置还包括:
发送单元,用于向调度终端发送所述最终调度方案。
本发明实施例通过根据第一历史数据和第二历史数据获取初始调度方案和调度分析结果,进而根据初始调度方案和调度分析结果生成最终调度方案以指示各个停车点之间的车辆调度。由此,可以根据初始调度方案对现有的调度进行诊断,以降低调度成本,提高车辆的调度效率。
图12是本发明实施例的电子设备的示意图。图12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121和存储器122。处理器121和存储器122通过总线123连接。存储器122适于存储处理器121可执行的指令或程序。处理器121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121通过执行存储器122所存储的指令,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它装置的控制。总线123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124和显示装置以及输入/输出(I/O)装置125。输入/输出(I/O)装置125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/输出装置125通过输入/输出(I/O)控制器126与系统相连。
本领域的技术人员应明白,本发明实施例可提供为方法、装置(设备)或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品。
本发明实施例是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。
这些计算机程序指令可以存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现流程图一个流程或多个流程中指定的功能。
也可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
本申请实施例公开了TS1、一种车辆调度方法,所述方法包括:
获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录;
根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求;
根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案;
根据所述第二历史数据获取调度分析结果;
根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
TS2、根据TS1所述的方法,所述第一历史数据包括历史订单信息和历史画像信息中的至少一种,所述历史订单信息包括各历史订单的起点、终点和时间,所述历史画像信息包括各个停车点在各个时间段内的车辆流出数量和车辆流入数量。
TS3、根据TS1所述的方法,所述停车点类别包括第一停车点、第二停车点和第三停车点,其中,所述第一停车点为需要调出车辆的停车点,所述第二停车点为需要调入车辆的停车点,所述第三停车点为不需调度的停车点。
TS4、根据TS1所述的方法,所述第二历史数据包括各个停车点调度的车辆数量、调度时间和运维人员数量中一种或多种。
TS5、根据TS3所述的方法,根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案具体为:
基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。
TS6、根据TS5所述的方法,所述基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案包括:
将各个第一停车点确定为一个顶点,生成二分图的第一顶点序列;
将各个第二停车点确定为一个顶点,生成二分图的第二顶点序列;
根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重,所述权重为从第一停车点调度一辆车到第二停车点的价值;
将满足预定条件的第一停车点和第二停车点连接成边以获取二分图;以及
基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案。
TS7、根据TS6所述的方法,根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重包括:
根据所述第二历史数据获取从第一停车点调度一辆车到第二停车点的调度成本和预估收益;以及
根据所述调度成本和所述预估收益确定所述权重;
其中,所述权重为所述预估收益与所述调度成本的差值。
TS8、根据TS1所述的方法,所述调度分析结果用于表征历史调度周期中各个调度类型的占比。
TS9、根据TS8所述的方法,所述调度类型包括政策性调度、供需调节调度、运维经验调度和无效调度。
TS10、根据TS9所述的方法,所述根据所述初始调度方案和调度分析结果生成最终调度方案包括:
在所述政策性调度中分别获取调度到冷区和热区的车辆,生成第一调度方案,所述第一调度方案用于指示将调度到冷区的车辆调整为调度到热区;
根据运维经验调度和供需调节调度生成第二调度方案,所述第二调度方案用于指示将运维经验调度调整为供需调节调度;
根据无效调度生成第三调度方案,所述第三调度方案用于指示将所述无效调度删除;以及
根据所述第一调度方案、第二调度方案和第三调度方案生成所述最终调度方案。
TS11、根据TS1所述的方法,所述方法还包括:
获取运维反馈结果;以及
根据所述运维反馈结果更新所述最终调度方案。
TS12、根据TS1所述的方法,所述方法还包括:
向调度终端发送所述最终调度方案。
TS13、一种车辆调度装置,所述装置包括:
数据获取单元,用于获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录;
类别确定单元,用于根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求;
初始调度方案确定单元,用于根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案;
调度分析结果获取单元,用于根据所述第二历史数据获取调度分析结果;
最终调度方案确定单元,用于根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
TS14、一种计算机程序产品,所述计算机程序产品包含计算机程序,当所述计算机程序在计算机上运行时,该计算机执行上述TS1-TS12中任一项所述的方法。
TS15、一种电子设备,包括存储器和处理器,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-TS12中任一项所述的方法。
TS16、一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如TS1-TS12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实施例,对于本领域技术人员而言,本发明实施例可以有各种改动和变化。凡在本发明实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种车辆调度方法,其特征在于,所述方法包括:
获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录;
根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求;
根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案;
根据所述第二历史数据获取调度分析结果;
根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
2.根据权利要求1所述的方法,其特征在于,所述第一历史数据包括历史订单信息和历史画像信息中的至少一种,所述历史订单信息包括各历史订单的起点、终点和时间,所述历史画像信息包括各个停车点在各个时间段内的车辆流出数量和车辆流入数量。
3.根据权利要求1所述的方法,其特征在于,所述停车点类别包括第一停车点、第二停车点和第三停车点,其中,所述第一停车点为需要调出车辆的停车点,所述第二停车点为需要调入车辆的停车点,所述第三停车点为不需调度的停车点。
4.根据权利要求1所述的方法,其特征在于,所述第二历史数据包括各个停车点调度的车辆数量、调度时间和运维人员数量中一种或多种。
5.根据权利要求3所述的方法,其特征在于,根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案具体为:
基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案。
6.根据权利要求5所述的方法,其特征在于,所述基于KM算法根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案包括:
将各个第一停车点确定为一个顶点,生成二分图的第一顶点序列;
将各个第二停车点确定为一个顶点,生成二分图的第二顶点序列;
根据所述第二历史数据获取各个第一停车点与第二停车点之间的权重,所述权重为从第一停车点调度一辆车到第二停车点的价值;
将满足预定条件的第一停车点和第二停车点连接成边以获取二分图;以及
基于所述二分图和各条边的权重作最优匹配以生成所述初始调度方案。
7.一种车辆调度装置,其特征在于,所述装置包括:
数据获取单元,用于获取第一历史数据和第二历史数据,所述第一历史数据用于表征车辆的历史运行记录,所述第二历史数据用于表征车辆的历史调度记录;
类别确定单元,用于根据所述第一历史数据确定各个停车点在各个调度周期内的停车点类别,所述停车点类别用于表征停车点在调度周期内的车辆调入或调出需求;
初始调度方案确定单元,用于根据所述停车点类别和所述第二历史数据确定各个停车点的初始调度方案;
调度分析结果获取单元,用于根据所述第二历史数据获取调度分析结果;
最终调度方案确定单元,用于根据所述初始调度方案和调度分析结果生成最终调度方案,所述最终调度方案用于指示各个停车点之间的车辆调度。
8.一种计算机程序产品,所述计算机程序产品包含计算机程序,其特征在于,当所述计算机程序在计算机上运行时,该计算机执行上述权利要求1-6中任一项所述的方法。
9.一种电子设备,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1-6中任一项所述的方法。
10.一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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315015.7A CN112950058B (zh) | 2021-03-24 | 车辆调度方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315015.7A CN112950058B (zh) | 2021-03-24 | 车辆调度方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950058A true CN112950058A (zh) | 2021-06-11 |
CN112950058B CN112950058B (zh) | 2024-06-21 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331225A (zh) * | 2022-03-07 | 2022-04-12 | 北京骑胜科技有限公司 | 一种车辆资源调度方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050137925A1 (en) * | 2003-10-23 | 2005-06-23 | Lakritz Kenneth B. | Resource scheduling and monitoring |
CN105868949A (zh) * | 2016-03-31 | 2016-08-17 | 北京小度信息科技有限公司 | 物流配送调度方法以及装置 |
US20170185928A1 (en) * | 2015-12-28 | 2017-06-29 | Sap Se | Data analysis for scheduling optimization with multiple time constraints |
CN107844886A (zh) * | 2017-09-15 | 2018-03-27 | 北京百度网讯科技有限公司 | 车辆调度方法、装置、设备及存储介质 |
CN108776852A (zh) * | 2018-06-22 | 2018-11-09 | 北京京东金融科技控股有限公司 | 无桩车辆调度方法和系统 |
CN109583770A (zh) * | 2018-11-28 | 2019-04-05 | 清华四川能源互联网研究院 | 车辆调度方法及装置 |
US20190347513A1 (en) * | 2017-01-31 | 2019-11-14 | Verizon Connect Ireland Limited | System and method for detecting and classifying recurrent stops of a vehicle fleet |
CN110796323A (zh) * | 2018-08-03 | 2020-02-14 | 北京嘀嘀无限科技发展有限公司 | 车辆的调度方法、装置、终端及计算机可读存储介质 |
CN111832876A (zh) * | 2020-03-30 | 2020-10-27 | 北京骑胜科技有限公司 | 车辆调度方法、可读存储介质和电子设备 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050137925A1 (en) * | 2003-10-23 | 2005-06-23 | Lakritz Kenneth B. | Resource scheduling and monitoring |
US20170185928A1 (en) * | 2015-12-28 | 2017-06-29 | Sap Se | Data analysis for scheduling optimization with multiple time constraints |
CN105868949A (zh) * | 2016-03-31 | 2016-08-17 | 北京小度信息科技有限公司 | 物流配送调度方法以及装置 |
US20190347513A1 (en) * | 2017-01-31 | 2019-11-14 | Verizon Connect Ireland Limited | System and method for detecting and classifying recurrent stops of a vehicle fleet |
CN107844886A (zh) * | 2017-09-15 | 2018-03-27 | 北京百度网讯科技有限公司 | 车辆调度方法、装置、设备及存储介质 |
CN108776852A (zh) * | 2018-06-22 | 2018-11-09 | 北京京东金融科技控股有限公司 | 无桩车辆调度方法和系统 |
CN110796323A (zh) * | 2018-08-03 | 2020-02-14 | 北京嘀嘀无限科技发展有限公司 | 车辆的调度方法、装置、终端及计算机可读存储介质 |
CN109583770A (zh) * | 2018-11-28 | 2019-04-05 | 清华四川能源互联网研究院 | 车辆调度方法及装置 |
CN111832876A (zh) * | 2020-03-30 | 2020-10-27 | 北京骑胜科技有限公司 | 车辆调度方法、可读存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
宋洁蔚, 荣冈: "运输调度中不确定性问题的研究", 浙江大学学报(工学版), no. 02 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331225A (zh) * | 2022-03-07 | 2022-04-12 | 北京骑胜科技有限公司 | 一种车辆资源调度方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245791B (zh) | 一种订单处理方法及系统 | |
Weikl et al. | A practice-ready relocation model for free-floating carsharing systems with electric vehicles–Mesoscopic approach and field trial results | |
Kroon et al. | Rescheduling of railway rolling stock with dynamic passenger flows | |
US8612276B1 (en) | Methods, apparatus, and systems for dispatching service technicians | |
Ehmke et al. | Customer acceptance mechanisms for home deliveries in metropolitan areas | |
Niu et al. | Optimizing urban rail timetable under time-dependent demand and oversaturated conditions | |
CN107016449B (zh) | 一种基于跨企业动态计划排程的智能制造方法 | |
Veelenturf et al. | A quasi-robust optimization approach for crew rescheduling | |
US20100299177A1 (en) | Dynamic bus dispatching and labor assignment system | |
US20110230994A1 (en) | Methods and systems for employing dynamic risk-based scheduling to optimize and integrate production with a supply chain | |
Chang et al. | Location design and relocation of a mixed car-sharing fleet with a CO2 emission constraint | |
JP2002519265A (ja) | 在庫管理の際のカバープロフィールのレンジを最大化する方法及びシステム | |
KR20110052054A (ko) | 운송 물류 네트워크 관리 시스템 및 그 방법 | |
US9785897B2 (en) | Methods and systems for optimizing efficiency of a workforce management system | |
Hörl | Implementation of an autonomous taxi service in a multi-modal traffic simulation using MATSim | |
US10789558B2 (en) | Non-linear systems and methods for destination selection | |
Bonfill et al. | Decision support framework for coordinated production and transport scheduling in SCM | |
CN109697637A (zh) | 对象类别确定方法、装置、电子设备及计算机存储介质 | |
CN113052467A (zh) | 基于运维成本的共享车辆调度方法及装置 | |
CN110428120A (zh) | 实时的个人移动性规划系统 | |
Cich et al. | Modeling demand responsive transport using SARL and MATSim | |
Ceder et al. | Transit timetables resulting in even maximum load on individual vehicles | |
CN112906980A (zh) | 订单处理方法、装置、系统及可读存储介质 | |
Aifadopoulou et al. | Multiobjective optimum path algorithm for passenger pretrip planning in multimodal transportation networks | |
CN112819228B (zh) | 任务处理方法、装置、存储介质和电子设备 |
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 |