CN113065753A - 基于路网需求热度的运维区域分层管理方法、装置、终端及介质 - Google Patents

基于路网需求热度的运维区域分层管理方法、装置、终端及介质 Download PDF

Info

Publication number
CN113065753A
CN113065753A CN202110320291.2A CN202110320291A CN113065753A CN 113065753 A CN113065753 A CN 113065753A CN 202110320291 A CN202110320291 A CN 202110320291A CN 113065753 A CN113065753 A CN 113065753A
Authority
CN
China
Prior art keywords
maintenance
heat
demand
area
value
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
Application number
CN202110320291.2A
Other languages
English (en)
Other versions
CN113065753B (zh
Inventor
杨磊
蔡茜
田春艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Junzheng Network Technology Co Ltd
Original Assignee
Shanghai Junzheng Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Junzheng Network Technology Co Ltd filed Critical Shanghai Junzheng Network Technology Co Ltd
Priority to CN202110320291.2A priority Critical patent/CN113065753B/zh
Publication of CN113065753A publication Critical patent/CN113065753A/zh
Application granted granted Critical
Publication of CN113065753B publication Critical patent/CN113065753B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Abstract

本发明提供基于路网需求热度的运维区域分层管理方法、装置、终端及介质，通过出行订单需求分布来生成需求热力图，并在进行标准化分类后计算地块的需求热力值，再根据出行订单占比和地块需求热力值来划分地块层级，最后通过同层级地块的聚拢合并形成结构化的运维区域；通过区域分层实现对不同层级区域的运维管理，可以有效满足城市居民的用车需求，保证车辆的合理供给与分布，有效促进用户侧‑需求满足度、企业侧‑订单收益、城市侧‑运行效率和市容市貌的综合提升，实现用户‑企业‑城市的“三赢”。

Description

基于路网需求热度的运维区域分层管理方法、装置、终端及 介质
技术领域
本发明涉及运维区域管理技术领域，尤其涉及基于路网需求热度的运维区域分层管理方法、装置、终端及介质。
背景技术
随着共享经济的发展，共享出行作为一种城市辅助型的出行方式为大众所接受。共享自行车与共享助力车在提升居民出行便利性的同时，其车辆的摆放和分布也严重影响着城市街道的整体面貌。但是，不同区域用户需求热度不同，如何针对不同依据其实际需求热度进行对应的区域分层管理，成为本领域亟需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷，本发明提供基于路网需求热度的运维区域分层管理方法、装置、终端及介质，解决现有技术无法将运维区域依据其需求热度进行自动分层并设定对应的分层管理策略，无法达到区域分层管理目的的技术问题。
为实现上述目的，本发明提供了一种基于路网需求热度的运维区域分层管理方法，包括：基于出行订单需求分布数据生成指定运维区域内的需求热力图；按照需求热力值大小对所述需求热力图进行标准化分类，并计算标准化分类后各热力点的热力值；基于标准化分类后的各热力点的热力值，计算各地块的需求热力值；根据所述各地块的需求热力值及出行订单占比来划分地块层级；将相同层级的地块进行聚拢合并以形成多层级的结构化运维区域；其中，在所述结构化运维区域中，各层运维区域的层级级别与出行订单密度及需求热度均呈正相关。
在本发明的较佳实施方式中，所述需求热力图的生成过程包括：获取所述指定运维区域在一段时间内的日均出行订单需求分布数据；按照每个统计单元内的出行订单总量进行空间密度分析，以获得所述指定运维区域内每一位置的需求热力值，据以生成所述需求热力图。
在本发明的另一较佳实施方式中，所述按照需求热力值大小对所述需求热力图进行标准化分类，并计算标准化分类后各热力点的热力值，包括：计算每个热力点的需求热力初始值在所述指定运维区域内的百分位排名，并按照百分位排名对各热力点进行标准化分类；基于各热力点的类别得到对应的类别分值，据以计算与百分位排名呈正相关的需求热力标准值。
在本发明的另一较佳实施方式中，所述地块的需求热力值的计算过程包括：以所述地块内的每个热力点的区域面积占地块面积的比值为权重，对所述地块内的所有热力点的需求热力值进行加权计算。
在本发明的另一较佳实施方式中，所述根据所述各地块的需求热力值及出行订单占比来划分地块层级，包括：按照各地块的需求热力值对所述指定运维区域内的地块进行降序排序；利用多个订单量占比预设阈值将降序地块队列划分为多级地块区域。
在本发明的另一较佳实施方式中，在形成多层级的结构化运维区域后，还对各层运维区域进行相应优先级的运维管理。
在本发明的另一较佳实施方式中，所述对各层运维区域进行相应优先级的运维管理，包括：在紧邻的一或多个低级别运维区域中预留供高级别运维区域调度的出行车辆。
在本发明的另一较佳实施方式中，所述对各层运维区域进行相应优先级的运维管理，包括：对末层运维区域执行防止车辆从该运维区域流出的运维管理。
为实现上述目的，本发明提供了一种基于路网需求热度的运维区域分层管理装置，包括：热力图生成模块，用于基于出行订单需求分布数据生成指定运维区域内的需求热力图；标准化分类模块，用于按照需求热力值大小对所述需求热力图进行标准化分类，并计算分类后各热力点的热力值；地块热力值模块，用于基于标准化分类后的各热力点的热力值，计算各地块的需求热力值；地块分层模块，用于根据所述各地块的需求热力值及出行订单占比来划分地块层级；结构化运维模块，用于将相同层级的地块进行聚拢合并以形成多层级的结构化运维区域；其中，在所述结构化运维区域中，各层运维区域的层级级别与出行订单密度及需求热度均呈正相关。
为实现上述目的，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于路网需求热度的运维区域分层管理方法。
为实现上述目的，本发明提供一种运维管理终端，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于路网需求热度的运维区域分层管理方法。
本发明提供的基于路网需求热度的运维区域分层管理方法、装置、终端及介质具有以下技术效果：本发明通过出行订单需求分布来生成需求热力图，并在进行标准化分类后计算地块的需求热力值，再根据出行订单占比和地块需求热力值来划分地块层级，最后通过同层级地块的聚拢合并形成结构化的运维区域；通过区域分层实现对不同层级区域的运维管理，可以有效满足城市居民的用车需求，保证车辆的合理供给与分布，有效促进用户侧-需求满足度、企业侧-订单收益、城市侧-运行效率和市容市貌的综合提升，实现用户-企业-城市的“三赢”。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1显示为本发明一实施例中基于路网需求热度的运维区域分层管理方法的流程示意图。
图2显示为本发明一实施例中基于路网需求热度的运维区域分层管理方法应用于某城市的示意图。
图3显示为本发明一实施例中基于路网需求热度的运维区域分层管理装置的结构示意图。
图4显示为本发明一实施例中运维管理终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
为了阐释的目的而描述了本发明的一些示例性实施例，需要理解的是，本发明可通过附图中没有具体示出的其他方式来实现。
在共享出行技术领域，由于不同区域用户需求热度不同，对车辆的运维管理需要针对不同需求热度的区域进行分别管理。首先，基于用户需求热度对运维区域的热门区域与冷门区域进行自动识别，可以为区域分层管理奠定基础；其次，针对不同分层的区域制定针对性运维管理策略，可以保证运维管理主次明确、层次分明；最后，对城市运维区域的分层管理，可以保证车辆的供给分布与用户需求分布一致且尽可能满足城市居民的用车需求，保证不同区域内的车辆得到及时运维不影响城市环境。
对此，本发明提供基于路网需求热度的运维区域分层管理方案，基于基础地块数据(地块是指由路网围成的小区域)与共享助力车订单数据，结合ArcGIS核密度与空间数据处理技术，从而解决现有技术中无法将运维区域依据其需求热度进行自动分层并设定对应的分层管理策略，进而无法达到区域分层管理目的的技术问题。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
如图1所示，展示了本发明一实施例中基于路网需求热度的运维区域分层管理方法的流程示意图，主要包括步骤S11～S106。
需说明的是，本实施例中基于路网需求热度的运维区域分层管理方法可应用于多种硬件设备，例如ARM(Advanced RISC Machines)、FPGA(Field Programmable GateArray)、SoC(System on Chip)、DSP(Digital Signal Processing)、MCU(MicrocontrollerUnit)等控制器；或是笔记本电脑、台式电脑、平板电脑、智能手机、智能手环、智能手表、智能头盔、智能眼镜等个人电脑；还可以是服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以由分布的或集中的服务器集群构成，本实施例不作限定。
步骤S11：基于出行订单需求分布数据生成指定运维区域内的需求热力图。应理解，本实施例对所述指定运维区域并不限定其具体的地理位置，也不限定区域大小，其可大至城市/省份，小至城区/园区等。另外，出行订单可以是共享单车出行订单、共享电动汽车出行订单、顺风车出行订单等，本实施例不作限定。
在一些示例中，所述需求热力图的生成过程如下：获取所述指定运维区域在一段时间内的日均出行订单需求分布数据；按照每个统计单元内的出行订单总量进行空间密度分析，以获得所述指定运维区域内每一热力点的需求热力值，据以生成所述需求热力图。应理解的是，所述热力点是指所述指定运维区域内每一个可能产生出行订单的区域位置，例如是某个小区、某个商场、某个车站等，这些区域位置体现在热力图上为一个个的热力点。
其中，所述热力图是指采用重建或者插值算法将离散的数据转换成连续形式展示的大数据可视化产品。所述空间密度分析是根据输入的要素数据计算整个区域的数据聚集情况，从而产生一个连续的密度表面；所述空间密度分析具体可采用核密度分析或简单密度分析(包括点密度分析和线密度分析)；以核密度分析为例，其原理是将落入搜索区域的点赋予不同的权重，靠近格网搜索区域中心的点或线会被赋予较大的权重，随着其与网格中心的距离增加，权重随之降低，计算结果分布较为平滑。
举例来说，本实施例可以geohash8为统计单元进行统计，按每个geohash8单元内的订单总量进行空间密度分析-核密度分析，从而获得运维区域内每一热力点的需求热力值(密度)。应理解，geohash是一种地址编码方法，能够把二维的空间经纬度数据编码成一个字符串，原理是将区域划分为一个个规则矩形，并对每个矩形进行编码；geohash8是一种地理区域范围的表现形式，以一维字符串形式表示区域的经纬度范围，在查询时同时使用定位点的geohash编码以及定位点周围8个区域的geohash进行匹配，避免距离定位点较远的搜索目标与定位点geohash编码一致(在同一个geohash区域块)，但距离定位点较近的搜索目标反而与定位点geohash编码不一致(不在同一个geohash区域块)的情况。
为便于理解，现结合具体公式来解释热力值计算的具体方式。以所述运维区域内任一热力点p(x,y)为例，该热力点的需求热力值计算过程如下：
Figure BDA0002992537620000061
For disti＜radius
Figure BDA0002992537620000062
其中，Densityp代表运维区域内任一热力点p(x，y)的需求热力值；i＝1，...，n是代表运维区域内的geohash8，如果它们位于p位置半径距离radius内，则仅包括总和中的点；popi是第i个geohash8对应的订单量；disti是geohash8i和p位置之间的距离；radius基于“Silverman经验规则”的核密度搜索半径；Dm是加权平均中心的中值距离；n是所有geohash8的订单量总和；SD是运维区域内各点距离区域中心点的平均距离。
步骤S12：按照需求热力值大小对所述需求热力图进行标准化分类，并计算标准化分类后各热力点的热力值。步骤S12又包括子步骤S121～S122。
步骤S121：计算每个热力点的需求热力初始值在所述指定运维区域内的百分位排名，并按照百分位排名对各热力点进行标准化分类。
步骤S122：基于各热力点的标准化分类结果得到对应的类别分值，据以计算与百分位排名呈正相关的需求热力标准值。需说明的是，所述需求热力标准值是相对于所述需求热力初始值而言的，意为热力点进行标准化分类后的热力值；所述与百分位排名呈正相关的需求热力标准值，是指热力点的百分位排名越靠前则其需求热力标准值越高，反之则越低。
值得注意的是，本实施例对需求热力图进行标准化分类，其目的是建立统一的区域分层标准。虽然不同运维区域的需求热度并不相同，即各区域之间计算所得的需求热度的绝对值各不相同，但本发明的技术方案重点在于同一运维区域内的区域相对需求热度，因此为了建立统一的区域分层标准，需要对城市需求热力按照标准进行重分类。
为便于理解，先结合具体实例来进一步说明：可根据所述运维区域内每个热力点的需求热力值在所述指定运维区域内的百分位，按照从高到低的方式共分为100类(100～1)。每个热力点在进行需求热力标准分类后的得分计算过程如下：
Density′p＝101-percentilep,percentilep∈(1，2，...，100)
其中，Density′p是指地理区域内任一热力点p(x，y)在需求热力重分类后的得分；percentilep是热力点p的需求热力值Densityp在地理区域内百分位排名，若按大到小的顺序，Densityp位于城市的前1％，则其percentilep＝1。
步骤S13：基于标准化分类后的各热力点的热力值，计算各地块的需求热力值。也即，本步骤进行的是地块维度的需求热力分计算，所述地块是指由路网围成的小区域，通常该小区域内包括多个热力点，形成地块区域。
进一步地，为避免地块面积对热力分值的影响，以地块内的每个热力点的区域面积占地块面积的比值为权重，对所述地块内的所有热力点的需求热力值进行加权计算，具体计算公式如下所示：
Figure BDA0002992537620000081
For p∈D
其中，RDensityD是城市内地块D的需求热力加权分；wp是p位置在地块D内的面积占比。
步骤S14：根据所述各地块的需求热力值及出行订单占比来划分地块层级。步骤S14又包括子步骤S141～S142。
步骤S141：按照各地块的需求热力值对所述指定运维区域内的地块进行降序排序。
步骤S142：利用多个订单量占比预设阈值将降序地块队列划分为多级地块区域。
以一城市为例，根据城市实际运营分层需求制定针对性的运营分层规则：首先按照需求热力得分的降序进行排序，再根据订单量占比对地块进行分级。具体而言，所述指定运维区域可被划分为多个地块，以所述指定运维区域中的所有出行订单作为100％订单量，则每个地块中的订单量占比是0％-100％之间的百分比值。在将这些地块按照需求热力得分进行降序排列后，若排在前面的若干个地块的订单量占比之和达到预设阈值(例如25％)，那么可将这些地块划分为第一层级地块；以此类推，直至所有的地块都完成层级划分。
举例来说，在按照需求热力得分从高到低重新排序后，将降序地块队列中订单量占比前25％的地块设定为一级核心地块，将降序地块队列中订单量占比介于25％至55％之间的地块设定为二级主城地块，将降序地块队列中订单量占比介于55％至80％之间的地块设定为三级地块，最后将将降序地块队列中订单量占比后20％的地块设定为四级地块。需说明的是，以上举例仅用于解释，而不是用作对本发明保护范围的限定。
步骤S15：将相同层级的地块进行聚拢合并以形成多层级的结构化运维区域；其中，在所述结构化运维区域中，各层运维区域的层级级别与出行订单密度及需求热度均呈正相关。也即，层级级别越高的运维区域，其出行订单密度越大且需求热度越高；反之，层级级别越低的运维区域，其出行订单密度越小且需求热度越低。
由于每级地块是一个单独的小区域个体，为实现对不同层级地块进行区域化管理，利用ArcGIS空间融合工具可以实现对相同层级地块的聚拢合并，从而生成不同层级的运维区域。由此可将城市运营区划分为不同层级的运维区域，一级区域需求热度高且订单密度大，二、三级区域的需求热度和订单密度相较于一级区域而言都呈下降趋势，四级区域的需求热度和订单密度均最低。
在一些示例中，在形成多层级的结构化运维区域后，还对各层运维区域进行相应优先级的运维管理，基于已生成的不同层级的运维区域，可以每日定时监控不同层级经营区域内的车辆供给、用户需求、运维服务等。即层级级别越高的运维区域有着越高的订单密度和越高的需求热度，因此配备越高优先级的运维和监控力度；反之，层级级别越低的运维区域有着越低的订单密度和越低的需求热度，因此配备越低优先级的运维和监控力度。
在一些示例中，所述对各层运维区域进行相应优先级的运维管理，包括：在紧邻的一或多个低级别运维区域中预留供高级别运维区域调度的出行车辆。例如，对于一级运维区域，配合车辆调度优先级保障该区域内的车辆供给，减少区域内用户车辆需求得不到满足的频次；同时，配套对车辆的及时维护，同样需要保证其区域内的车辆供给和运维。作为紧邻级别的运维区域，需要尽量预备一部分车辆以保证一级区域的调度需求。三级运维区域，作为紧邻一、二级区域的缓冲地带，需尽量预备一部分车辆以保证一、二级运维区域的用车需求。
在一些示例中，所述对各层运维区域进行相应优先级的运维管理，包括：对末层运维区域执行防止车辆从该运维区域流出的运维管理。举例来说，在四层结构的运维区域中，位于末层的四层区域通常位于城市运维区域的边缘地带，需要考虑的是如何防止车辆行驶流出该层运维区域。
图2展示了本发明所提供的基于路网需求热度的运维区域分层管理方法应用于某城市，对该城市进行区域分层及监控管理。图示城市从高到低更分为4级区域，分别是一级区域、二级区域、三级区域和四级区域。区域分层监控的结果如下表所示。
区域类型 订单占比 车辆占比 面积占比 订单密度 可用翻台率
一级区域 26％ 11％ 8％ 1895 16.8
二级区域 30％ 21％ 15％ 1251 9.3
三级区域 29％ 36％ 32％ 588 5.4
四级区域 15％ 32％ 46％ 201 3.1
从上表所展示的监控数据表明：一、二级区域以约23％(8％+15％)的面积覆盖城市约56％(26％+30％)的订单、32％(11％+21％)的车辆。从一级区域至四级区域，区域内订单密度呈现明显的阶梯式递减。
因此，针对不同层级区域的运维管理策略也在该市实施，有效保障了各级区域内的用户需求。尤其是，一级区域的日均可用翻台率约为16.8，极大地提高了车辆的周转效率；所述可用翻台率是指区域内产生的订单总量除以区域内的可用车辆数。
如图3所示，展示了本发明一实施例中基于路网需求热度的运维区域分层管理装置的结构示意图。本实施例中的运维区域分层管理装置300包括热力图生成模块301、标准化分类模块302、地块热力值模块303、地块分层模块304、结构化运维模块305。
所述热力图生成模块301用于基于出行订单需求分布数据生成指定运维区域内的需求热力图。本实施例对所述指定运维区域并不限定其具体的地理位置，也不限定区域大小，其可大至城市/省份，小至城区/园区等。另外，出行订单可以是共享单车出行订单、共享电动汽车出行订单、顺风车出行订单等，本实施例不作限定。
在一些示例中，所述热力图生成模块301生成需求热力图的过程如下：获取所述运维区域在一段时间内的日均出行订单需求分布数据；按照每个统计单元内的出行订单总量进行空间密度分析，以获得所述运维区域内每一热力点的需求热力值，据以生成所述需求热力图。
应理解，所述热力图是指采用重建或者插值算法将离散的数据转换成连续形式展示的大数据可视化产品。所述空间密度分析是根据输入的要素数据计算整个区域的数据聚集情况，从而产生一个连续的密度表面；所述空间密度分析具体可采用核密度分析或简单密度分析(包括点密度分析和线密度分析)；以核密度分析为例，其原理是将落入搜索区域的点赋予不同的权重，靠近格网搜索区域中心的点或线会被赋予较大的权重，随着其与网格中心的距离增加，权重随之降低，计算结果分布较为平滑。
所述标准化分类模块302用于按照需求热力值大小对所述需求热力图进行标准化分类，并计算分类后各热力点的热力值。
在一些示例中，所述标准化分类模块302进行分类的过程如下：首先，计算每个热力点的需求热力初始值在所述指定运维区域内的百分位排名，并按照百分位排名对各热力点进行标准化分类；其次，基于各热力点的标准化分类结果得到对应的类别分值，据以计算与百分位排名呈正相关的需求热力标准值。需说明的是，所述需求热力标准值是相对于所述需求热力初始值而言的，意为热力点进行标准化分类后的热力值；所述与百分位排名呈正相关的需求热力标准值，是指热力点的百分位排名越靠前则其需求热力标准值越高，反之则越低。
值得注意的是，本实施例对需求热力图进行标准化分类，其目的是建立统一的区域分层标准。虽然不同运维区域的需求热度并不相同，即各区域之间计算所得的需求热度的绝对值各不相同，但本发明的技术方案重点在于同一运维区域内的区域相对需求热度，因此为了建立统一的区域分层标准，需要对城市需求热力按照标准进行重分类。
所述地块热力值模块303用于基于标准化分类后的各热力点的热力值，计算各地块的需求热力值。也即，本步骤进行的是地块维度的需求热力分计算，所述地块是指由路网围成的小区域，通常该小区域内包括多个热力点，形成地块区域。
所述地块分层模块304用于根据所述各地块的需求热力值及出行订单占比来划分地块层级。以一城市为例，根据城市实际运营分层需求制定针对性的运营分层规则：首先按照需求热力得分的降序进行排序，再根据订单量占比对地块进行分级。例如，在按照需求热力得分从高到低重新排序后，将降序地块队列中订单量占比前25％的地块设定为一级核心地块，将降序地块队列中订单量占比介于25％至55％之间的地块设定为二级主城地块，将降序地块队列中订单量占比介于55％至80％之间的地块设定为三级地块，最后将将降序地块队列中订单量占比后20％的地块设定为四级地块。需说明的是，以上举例仅用于解释，而不是用作对本发明保护范围的限定。
结构化运维模块305用于将相同层级的地块进行聚拢合并以形成多层级的结构化运维区域；其中，在所述结构化运维区域中，各层运维区域的层级级别与出行订单密度及需求热度均呈正相关。也即，层级级别越高的运维区域，其出行订单密度越大且需求热度越高；反之，层级级别越低的运维区域，其出行订单密度越小且需求热度越低。
由于每级地块是一个单独的小区域个体，为实现对不同层级地块进行区域化管理，利用ArcGIS空间融合工具可以实现对相同层级地块的聚拢合并，从而生成不同层级的运维区域。由此可将城市运营区划分为不同层级的运维区域，一级区域需求热度高且订单密度大，二、三级区域的需求热度和订单密度相较于一级区域而言都呈下降趋势，四级区域的需求热度和订单密度均最低。
在一些示例中，在形成多层级的结构化运维区域后，还对各层运维区域进行相应优先级的运维管理，基于已生成的不同层级的运维区域，可以每日定时监控不同层级经营区域内的车辆供给、用户需求、运维服务等。即层级级别越高的运维区域有着越高的订单密度和越高的需求热度，因此配备越高优先级的运维和监控力度；反之，层级级别越低的运维区域有着越低的订单密度和越低的需求热度，因此配备越低优先级的运维和监控力度。
应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，热力图生成模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上热力图生成模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
如图4所示，展示了本发明一实施例中运维管理终端的结构示意图。本实例提供的所述运维管理终端，至少包括：处理器41、存储器42、通信器43；存储器42通过系统总线与处理器41和通信器43连接并完成相互间的通信，存储器42用于存储计算机程序，通信器43用于和其他设备进行通信，处理器41用于运行计算机程序，使电子终端执行如上基于路网需求热度的运维区域分层管理方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供一个实施例，该实施例涉及一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于路网需求热度的运维区域分层管理方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
于本申请提供的实施例中，所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (11)

1.一种基于路网需求热度的运维区域分层管理方法，其特征在于，包括：
基于出行订单需求分布数据生成指定运维区域内的需求热力图；
按照需求热力值大小对所述需求热力图进行标准化分类，并计算标准化分类后各热力点的热力值；
基于标准化分类后的各热力点的热力值，计算各地块的需求热力值；
根据所述各地块的需求热力值及出行订单占比来划分地块层级；
将相同层级的地块进行聚拢合并以形成多层级的结构化运维区域；其中，在所述结构化运维区域中，各层运维区域的层级级别与出行订单密度及需求热度均呈正相关。
2.如权利要求1所述基于路网需求热度的运维区域分层管理方法，其特征在于，所述需求热力图的生成过程包括：
获取所述指定运维区域在一段时间内的日均出行订单需求分布数据；
按照每个统计单元内的出行订单总量进行空间密度分析，以获得所述指定运维区域内每一位置的需求热力值，据以生成所述需求热力图。
3.如权利要求1所述基于路网需求热度的运维区域分层管理方法，其特征在于，所述按照需求热力值大小对所述需求热力图进行标准化分类，并计算标准化分类后各热力点的热力值，包括：
计算每个热力点的需求热力初始值在所述指定运维区域内的百分位排名，并按照百分位排名对各热力点进行标准化分类；
基于各热力点的标准化分类结果得到对应的类别分值，据以计算与百分位排名呈正相关的需求热力标准值。
4.如权利要求1所述基于路网需求热度的运维区域分层管理方法，其特征在于，所述地块的需求热力值的计算过程包括：以所述地块内的每个热力点的区域面积占地块面积的比值为权重，对所述地块内的所有热力点的需求热力值进行加权计算。
5.如权利要求1所述基于路网需求热度的运维区域分层管理方法，其特征在于，所述根据所述各地块的需求热力值及出行订单占比来划分地块层级，包括：
按照各地块的需求热力值对所述指定运维区域内的地块进行降序排序；
利用多个订单量占比预设阈值将降序地块队列划分为多级地块区域。
6.如权利要求1所述基于路网需求热度的运维区域分层管理方法，其特征在于，在形成多层级的结构化运维区域后，还对各层运维区域进行相应优先级的运维管理。
7.如权利要求6所述基于路网需求热度的运维区域分层管理方法，其特征在于，所述对各层运维区域进行相应优先级的运维管理，包括：在紧邻的一或多个低级别运维区域中预留供高级别运维区域调度的出行车辆。
8.如权利要求6所述基于路网需求热度的运维区域分层管理方法，其特征在于，所述对各层运维区域进行相应优先级的运维管理，包括：对末层运维区域执行防止车辆从所述末层运维区域流出的运维管理。
9.一种基于路网需求热度的运维区域分层管理装置，其特征在于，包括：
热力图生成模块，用于基于出行订单需求分布数据生成指定运维区域内的需求热力图；
标准化分类模块，用于按照需求热力值大小对所述需求热力图进行标准化分类，并计算标准化分类后各热力点的热力值；
地块热力值模块，用于基于标准化分类后的各热力点的热力值，计算各地块的需求热力值；
地块分层模块，用于根据所述各地块的需求热力值及出行订单占比来划分地块层级；
结构化运维模块，用于将相同层级的地块进行聚拢合并以形成多层级的结构化运维区域；其中，在所述结构化运维区域中，各层运维区域的层级级别与出行订单密度及需求热度均呈正相关。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的基于路网需求热度的运维区域分层管理方法。
11.一种运维管理终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述运维管理终端执行如权利要求1至8中任一项所述的基于路网需求热度的运维区域分层管理方法。
CN202110320291.2A 2021-03-25 2021-03-25 基于路网需求热度的运维区域分层管理方法、装置、终端及介质 Active CN113065753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110320291.2A CN113065753B (zh) 2021-03-25 2021-03-25 基于路网需求热度的运维区域分层管理方法、装置、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110320291.2A CN113065753B (zh) 2021-03-25 2021-03-25 基于路网需求热度的运维区域分层管理方法、装置、终端及介质

Publications (2)

Publication Number Publication Date
CN113065753A true CN113065753A (zh) 2021-07-02
CN113065753B CN113065753B (zh) 2022-05-27

Family

ID=76563480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110320291.2A Active CN113065753B (zh) 2021-03-25 2021-03-25 基于路网需求热度的运维区域分层管理方法、装置、终端及介质

Country Status (1)

Country Link
CN (1) CN113065753B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743736A (zh) * 2021-08-11 2021-12-03 上海钧正网络科技有限公司 热力等级确定方法、热力图生成方法、装置和电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106570917A (zh) * 2016-10-25 2017-04-19 先锋智道（北京）科技有限公司 车辆需求热力图生成方法和装置
CN108198416A (zh) * 2017-12-28 2018-06-22 金交恒通有限公司 一种手机信令与路网大数据的融合方法及其应用与系统
CN109934614A (zh) * 2019-01-18 2019-06-25 深圳壹账通智能科技有限公司 一种基于消费分析热力图的信用卡推广方法及装置
CN110379152A (zh) * 2019-07-19 2019-10-25 同济大学 一种共享单车实时监控和再平衡的可视化方法
CN110556049A (zh) * 2018-06-04 2019-12-10 百度在线网络技术（北京）有限公司 一种地图数据处理方法、装置、服务器和存储介质
CN110728432A (zh) * 2019-09-19 2020-01-24 杭州飞步科技有限公司 一种运力调度方法和装置、电子设备、存储介质
CN110796496A (zh) * 2019-10-31 2020-02-14 上海钧正网络科技有限公司 激励区域的设置方法、装置、计算机设备和存储介质
CN111080026A (zh) * 2019-12-25 2020-04-28 北京百度网讯科技有限公司 人流密度预警方法及装置
CN112542043A (zh) * 2020-12-01 2021-03-23 江苏欣网视讯软件技术有限公司 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106570917A (zh) * 2016-10-25 2017-04-19 先锋智道（北京）科技有限公司 车辆需求热力图生成方法和装置
CN108198416A (zh) * 2017-12-28 2018-06-22 金交恒通有限公司 一种手机信令与路网大数据的融合方法及其应用与系统
CN110556049A (zh) * 2018-06-04 2019-12-10 百度在线网络技术（北京）有限公司 一种地图数据处理方法、装置、服务器和存储介质
CN109934614A (zh) * 2019-01-18 2019-06-25 深圳壹账通智能科技有限公司 一种基于消费分析热力图的信用卡推广方法及装置
CN110379152A (zh) * 2019-07-19 2019-10-25 同济大学 一种共享单车实时监控和再平衡的可视化方法
CN110728432A (zh) * 2019-09-19 2020-01-24 杭州飞步科技有限公司 一种运力调度方法和装置、电子设备、存储介质
CN110796496A (zh) * 2019-10-31 2020-02-14 上海钧正网络科技有限公司 激励区域的设置方法、装置、计算机设备和存储介质
CN111080026A (zh) * 2019-12-25 2020-04-28 北京百度网讯科技有限公司 人流密度预警方法及装置
CN112542043A (zh) * 2020-12-01 2021-03-23 江苏欣网视讯软件技术有限公司 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁家康等: "基于热力图的公共自行车站点时间与用户类型分析", 《计算机时代》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743736A (zh) * 2021-08-11 2021-12-03 上海钧正网络科技有限公司 热力等级确定方法、热力图生成方法、装置和电子设备
CN113743736B (zh) * 2021-08-11 2024-02-27 上海钧正网络科技有限公司 热力等级确定方法、热力图生成方法、装置和电子设备

Also Published As

Publication number Publication date
CN113065753B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
JP6998964B2 (ja) ジオフェンスのインデックスグリッドを判断するための方法及び装置
CN106202092A (zh) 数据处理的方法及系统
CA3165715A1 (en) Machine learning systems and methods for facilitating parcel combination
US11860905B2 (en) Scanning for information according to scan objectives
CN113065753B (zh) 基于路网需求热度的运维区域分层管理方法、装置、终端及介质
Yao et al. Evaluation and development of sustainable urban land use plans through spatial optimization
CN111598360A (zh) 服务策略确定方法、装置及电子设备
Akram et al. Extended group decision-making methods with 2-tuple linguistic Fermatean fuzzy sets
Chen et al. HFUL: a hybrid framework for user account linkage across location-aware social networks
CN110705606A (zh) 一种基于Spark分布式内存计算的空间K均值聚类方法
CN116611678B (zh) 数据处理方法、装置、计算机设备和存储介质
CN116720750B (zh) 综合能源站设备容量规划方法、装置、终端及存储介质
CN116153088B (zh) 交通需求预测方法、装置和电子设备
Zhao et al. Analysis of Spatial Distribution of China's station-free bike-sharing by Clustering Algorithms
Maleki et al. Many‐objective land use planning using a hypercube‐based NSGA‐III algorithm
Spivak et al. Storage tier-aware replicative data reorganization with prioritization for efficient workload processing
Shao-hong et al. Location algorithm of transfer stations based on density peak and outlier detection
CN115756870A (zh) 基于GeoSOT网格算力的组织模型构建方法及空时数据存储方法
Dasari et al. Two heuristic approaches for clustered traveling salesman problem with d-relaxed priority rule
Ge et al. Proactive two-level dynamic distribution routing optimization based on historical data
Wicaksono Priority Modeling for Public Urban Park Development in Feasible Locations Using GIS, Intuitionistic Fuzzy AHP, and Fuzzy TOPSIS
Eckstrom Outing Power Outages: Real-time, Predictive, and Practical Socio-Demographic Analytics for New York City
KR20190117857A (ko) 신뢰 지수의 시간 의존 특징을 이용한 신뢰지수 예측 방법 및 시스템
US11573721B2 (en) Quality-performance optimized identification of duplicate data
Warchalska-Troll The selection of areas for case study research in socio-economic geography with the application of k-means clustering

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