CN113095531A - 一种派单方法和装置 - Google Patents

Abstract

本发明实施例提供了一种派单方法和装置，该方法和装置应用于出行打车系统的服务器，具体为获取出行订单，并获取每个出行订单的位置信息；根据位置信息获取预设范围内的多个车辆；通过全局最优化算法或贪心算法对出行订单和车辆的车辆信息进行优化计算，从多个车辆中得到目标车辆；将出行订单发送给目标车辆。本技术方案中的派单方法针对相应的出行订单通过全局最优化算法或贪心算法选择相应目标车辆，其对可能接单的车辆进行通盘计算，而非简单地仅基于距离派单或者通过抢单方式派单，实现了最小化总体接驾时间/距离的约束条件下的最大派单匹配，从而避免了基于距离的派单模式和抢单模式中全局效率问题，提高了用户的服务体验。

Description

一种派单方法和装置

技术领域

本发明涉及网约车技术领域，特别是涉及一种派单方法和装置。

背景技术

一般来说，出租车可以分为巡游出租汽车和网络预约出租汽车两种，巡游出租即是平时巡游在路上，即招即停为乘客提供运输服务；而网络预约出租汽车是通过网络下单接单的方式为乘客提供运输服务。网约车就是网络预约出租汽车的简称。

目前，在为乘客和司机提供网络下单接单服务的出行打车系统中，一般通过基于距离的派单模式或者抢单+派单的混合模式出行订单的下达。然而这两种模式存在因距离问题导致有的司机无单可接、或者因抢单而导致有单无人接的问题，从而导致出行订单的派单过程中全局效率较差，进而导致用户的服务体验较差。

发明内容

有鉴于此，本发明提供了一种派单方法和装置，以提高用户的服务体验。

为了解决上述问题，本发明公开了一种派单方法，应用于出行打车系统的服务器，所述派单方法包括步骤：

获取出行订单，所述出行订单包括实时单和预约单；

根据所述出行订单的位置信息获取预设范围内的多个车辆，所述车辆包括实时单行程车辆和空闲行程车辆；

通过全局最优化算法或贪心算法对所述出行订单和所述车辆的车辆信息进行优化计算，从所述多个车辆中得到目标车辆；

将所述出行订单发送至所述目标车辆。

可选的，所述将所述出行订单发送给所述目标车辆，包括：

如果所述目标车辆仅存在当前实时单，则将开始时间位于所述当前实时单的订单终点时间之后的短时预约单发送给所述目标车辆；

如果所述目标车辆存在所述当前实时单且已接受一个或多个所述短时预约单，将所需时间与所述当前实时单和已被接受的短时预约单的时间不冲突的短时预约单发送给所述目标车辆。

可选的，在所述通过全局最优化算法或贪心算法对所述实时出行订单和所述空闲行程车辆的车辆信息进行优化计算步骤之前，还包括步骤：

判断所述预约出行订单为长时预约单还是短时预约单，对于所述长时预约单通过广播形式向所述多个车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中。

可选的，所述根据所述出行订单的位置信息获取预设范围内的多个车辆优化计算，包括步骤：

从所述多个车辆中剔除类型与所述实时出行订单的指定车型不匹配的空闲行程车辆。

可选的，所述根据所述出行订单的位置信息获取预设范围内的多个车辆，包括步骤：

从所述多个车辆中剔除其司机做出预先规定的拒单行为的空闲行程车辆。

可选的，所述根据所述出行订单的位置信息获取预设范围内的多个车辆优化计算，包括步骤：

从所述多个车辆中剔除剩余行程与所述实时出行订单的实际行程不匹配的空闲行程车辆。

可选的，所述出行订单为实时单，所述通过全局最优化算法对所述出行订单和所述车辆的车辆信息进行优化计算，包括步骤：

利用所述实时单的参数和所述车辆的参数构建运筹优化算式；

计算所述运筹优化算式，得到所述目标车辆。

可选的，所述出行订单为短时预约单，所述通过贪心算法对所述出行订单和所述车辆的车辆信息进行优化计算，包括步骤：

构建车辆-订单矩阵，所述车辆-订单矩阵包括车辆集合和预约单集合，还包括所述车辆集合中每个车辆距离所述预约订单集合中每个短时预约单相对应的距离参数，所述距离参数为经过归一化处理的所述车辆的当前位置与所述短时预约单的出发位置的距离的倒数；

针对每个所述短时预约单，利用贪心算法从所述车辆集合中选定所述目标车辆。

本申请还提供了一种基于空闲行程车辆的预约出行订单的派单方法，应用于出行打车系统的服务器，所述派单方法包括步骤：

获取预约出行订单，并获取每个所述预约出行订单的预约出发位置和预约出发时间；

根据所述预约出发位置获取预设范围内的多个空闲行程车辆；

通过对所述预约出发时间的判断确定所述预约出行订单是长时预约单还是短时预约单；

如果所述预约出行订单为所述长时预约单，则将所述长时预约单通过广播形式发送至所述多个车辆，所述车辆包括空闲行程车辆和非空闲行程车辆；

如果所述预约出行订单为所述短时预约单，则通过贪心算法对所述短时预约单和所述空闲行程车辆的车辆信息进行优化计算，从所述多个空闲行程车辆中确定目标车辆；

将所述短时预约单发送至所述目标车辆。

本申请还提供了一种基于实时单行程车辆的预约单派单方法，应用于出行打车系统的服务器，所述预约单派单方法包括步骤：

获取预约出行订单；

根据车辆的实时位置和当前实时单终点位置获取多个实时单行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个实时单行程车辆推送；

若所述预约出行订单为所述短时预约单，则

剔除当前实时单与所述短时预约单的预约时间相冲突的实时单行程车辆；和/或，

剔除综合接单时间大于预设时长的实时单行程车辆，所述预设时长等于所述短时预约单的预约时间减去当前时间加上预设时延阈值；

通过贪心算法对所述短时预约单和所述实时单行程车辆的车辆信息进行优化计算，从所述多个实时单行程车辆中确定目标车辆；

将所述短时预约单发送至所述目标车辆。

本申请还提供了一种基于空闲行程车辆的预约单连环派单方法，应用于出行打车系统的服务器，所述预约单连环派单方法包括步骤：

获取预约出行订单；

获取多个空闲行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个空闲行程车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中；

若所述预约出行订单为所述短时预约单，则通过贪心算法对所述短时预约单和所述空闲行程车辆的车辆信息进行优化计算，从所述多个空闲行程车辆中得到目标车辆；

依次将多个不相冲突的多个短时预约单发送至所述目标车辆。

本申请还提供了一种基于实时单行程车辆的预约单连环派单方法，应用于出行打车系统的服务器，所述预约单连环派单方法包括步骤：

获取预约出行订单；

获取多个实时单行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个实时单行程车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中；

若所述预约出行订单为所述短时预约单，则通过贪心算法对所述短时预约单和所述实时单行程车辆的车辆信息进行优化计算，从所述多个实时单行程车辆中得到目标车辆；

将互相不相冲突的多个短时预约单发送至所述目标车辆。

本申请还提供了一种基于非空闲行程车辆的预约单混合连环派单方法，应用于出行打车系统的服务器，所述预约单混合连环派单方法包括步骤：

获取预约出行订单；

获取多个非空闲行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个非空闲行程车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中；

若所述预约出行订单为所述短时预约单，则根据所述非空闲行程车辆的当前订单的完成时间，剔除所述完成时间与所述短时预约单的出行时间不相匹配的非空闲行程车辆；

根据所述非空闲行程车辆的当前订单的终点位置和完成时间，剔除无法到达所述短时预约单指定的出发点的非空闲行程车辆；

通过贪心算法对所述短时预约单和所述非空闲行程车辆的车辆信息进行优化计算，从所述多个非空闲行程车辆中确定目标车辆；

将不相冲突的短时预约单依次发送至所述目标车辆。

本申请还提供了一种派单装置，应用于出行打车系统的服务器，所述派单装置包括：

订单获取模块，被配置为获取出行订单，所述出行订单包括实时单和预约单；

车辆获取模块，被配置为根据所述出行订单的位置信息获取预设范围内的多个车辆，所述车辆包括实时单行程车辆和空闲行程车辆；

优化计算模块，被配置为通过全局最优化算法或贪心算法对所述出行订单和所述车辆的车辆信息进行优化计算，从所述多个车辆中得到目标车辆；

订单推送模块，被配置为将所述出行订单发送至所述目标车辆。

可选的，所述订单推送模块包括：

第一推送单元，被配置为如果所述目标车辆仅存在当前实时单，则将开始时间位于所述当前实时单的订单终点时间之后的短时预约单发送给所述目标车辆；

第二推送单元，被配置为如果所述目标车辆存在所述当前实时单且已接受一个或多个所述短时预约单，将所需时间与所述当前实时单和已被接受的短时预约单的时间不冲突的短时预约单发送给所述目标车辆。

可选的，还包括：

订单广播模块，被配置为在所述通过全局最优化算法或贪心算法对所述实时出行订单和所述空闲行程车辆的车辆信息进行优化计算步骤之前，判断所述预约出行订单为长时预约单还是短时预约单，对于所述长时预约单通过广播形式向所述多个车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中。

可选的，所述车辆获取模块包括：

第一过滤单元，被配置为优化计算从所述多个车辆中剔除类型与所述出行订单的指定车型不匹配的车辆。

可选的，所述车辆获取模块包括：

第二过滤模块，被配置为优化计算从所述多个空闲行程车辆中剔除其司机做出预先规定的拒单行为的车辆。

可选的，所述车辆获取模块包括：

第三过滤模块，被配置为优化计算从所述多个车辆中剔除剩余行程与所述出行订单的实际行程不匹配的车辆。

从上述技术方案可以看出，本发明提供了一种派单方法和装置，该方法和装置应用于出行打车系统的服务器，具体为获取出行订单，并获取每个出行订单的位置信息；根据位置信息获取预设范围内的多个车辆；通过全局最优化算法或贪心算法对出行订单和车辆的车辆信息进行优化计算，从多个车辆中得到目标车辆；将出行订单发送给目标车辆。本技术方案中的派单方法针对相应的出行订单通过全局最优化算法或贪心算法选择相应目标车辆，其对可能接单的车辆进行通盘计算，而非简单地仅基于距离派单或者通过抢单方式派单，实现了最小化总体接驾时间/距离的约束条件下的最大派单匹配，从而避免了基于距离的派单模式和抢单模式中全局效率问题，提高了用户的服务体验。

且由于其中的全局最优化算法中具体采用KM算法，其能够控制怎样修改可行顶标的策略使得最终可以达到一个完美匹配，具体来说实现实时出行订单与空闲行程车辆之间的完美匹配，从而使本申请的技术方案较其他方案能够提供更精准的订单车辆匹配。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例的一种派单方法的流程图；

图2为本申请实施例的一种订单与司机地理关系示意图；

图3为本申请实施例的一种订单与司机带权二分图；

图4为本申请实施例的又一种派单方法的流程图；

图5为本申请实施例的一种派单装置的框图；

图6为本申请实施例的又一种派单装置的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本申请实施例的一种派单方法的流程图。

如图1所示，本实施例提供的派单方法应用于出行打车系统的服务器，用于为乘客下单并向出租车辆派单提供派单方案。这里的车辆是指属于该出行打车系统的签约车辆，这里的车辆限于电动车辆，也可以包括混动车辆。该派单方法具体包括如下步骤：

S1、获取出行订单，出行订单中包括位置信息。

这里的出行订单是指需要提供租车服务的乘客当前发出并需要即时租车服务的实时单，或者在将来时间需要获取服务的预约单。乘客在发出相应订单时一般通移动终端向本出行打车系统的服务器发出的电子信息。该出行订单中会包括相应的位置信息，该位置信息会表明发出该出行订单的乘客的具体位置。

由于服务器所接收到的出行订单包括实时单和预约单，因此这里获取实时出行订单具体通过以下操作实现：

首先从上述服务器的订单池中每隔预设时长、如每隔2秒拉取在这段时间内所产生的所有出行订单，其中会包括实时单和预约单，对于具体的出行订单究竟为实时出行订单还是远期预约订单可以通过订单本身的附加信息或者订单本身类型确定；当拉取到此段时间内所有出行订单后，根据出行订单中的附件信息或订单本身类型进行判断，通过判断从中选取出所有的实时单和预约单。

S2、根据位置信息获取预设范围内多个车辆。

即在确定发出该出行订单的位置信息的情况下，根据该位置信息获取以该位置信息为根据的预设范围内的车辆，这里的车辆包括空闲行程车辆和实时单行程车辆，即正在提供服务或者没有正在服务的所有车辆。该预设范围可以根据实际情况确定，例如以该位置信息为基本点的一个街区、一定空间尺度内的范围或者一个城市等。

另外，在获取多个车辆的时，具体包括如下步骤，如下步骤的排序不代表执行的先后顺序。

S01、剔除类型与出行订单指定车型不匹配的车辆。

一般来说，有时会乘客所发出的出行订单中会提供自己所需的车型，即包括了车型要求，如果不能满足乘客这一需求则会降低乘客的使用体验，因此，当确定全部的车辆后，根据出行订单中指定车型对所有车辆进行过滤，如果某个或某些车辆与该指定车型不匹配，则将其予以剔除，然后再进行全局优化计算，从而可以避免乘客明确拒绝的车型参与计算。

这里的车辆可以为实时单行程车辆、空闲行程车辆或者非空闲行程车辆。

S02、剔除其司机做出预先规定的拒单行为的车辆。

即在确定全部的车辆后，如果其中有车辆的司机做出预先规定的拒单行为、如上一次无理由拒单或者在一定时间内做出限定次数的拒单行为，此时可以将该车辆予以剔除，然后再进行全局优化计算，从而可以避免有问题车辆被推送实时出行订单而影响乘客的用车。

S03、剔除剩余行程无法满足订单需求的车辆。

即在选定全部的车辆过程中，同时接收每个车辆的剩余行程信息，并对相应出行订单的行程要求进行判断，从中剔除剩余行程无法满足该行程要求的车辆，从而避免中途停车影响乘客的出行。

S3、根据全局最优化算法或贪心算法匹配出目标车辆。

即根据全局最优化算法或贪心算法对出行订单和选定的车辆的车辆信息进行优化计算，从多个车辆中找出与该出行订单最匹配的车辆作为该目标车辆。

具体来说，对于出行订单中的实时单来说，该全局最优化算法可以转化为一个运筹优化问题，表示成如下公式：

其中W_ij表示i出行订单和j车辆之间的匹配权重；X_ij当且仅当i出行订单和j车辆可匹配时为1，否则为0，解上面的最优化问题，便可以得到最终的匹配结果，即得到最终的目标车辆。

整个最优化需求按照图2和图3所示来进行描述。按照图2建模而成的图3，我们可以看到订单A可以和它所在的范围中和司机1和司机3匹配，这里的司机与前面的空闲行程车辆是同一概念，因为车辆本身是由司机驾驶的，且由司机所持的移动设备进行接单操作。其中两个边的权值代表着接驾时间或者说接驾距离，最终可以得到如下结果：

<订单A，司机1>(4)，<订单A，司机2>(3)

<订单B，司机1>(2)，<订单B，司机2>(5)，<订单B，司机3>(1)

<订单C，司机3>(5)

可以看到，订单和司机之间存在多条连线，并且每个订单由不同的司机接单会有不同的接驾距离或者说接驾时间，我们如何能得到一个最优的接单方案，以使这2秒内的整个平台的效率最高呢？其实该问题可以转化为二分图的最大权分配问题，KM算法(Kuhn-Munkras)可以解决此类问题，可以求解出带权二分图的权值最大的完备匹配。

KM算法是一种计算机算法，功能是求完备匹配下的最大权匹配。在一个二分图内，左顶点为X，右顶点为Y，现对于每组左右连接X_iY_j有权w_ij，求一种匹配使得所有w_ij的和最大。

对于出行订单中的短时预约单来说，根据贪心算法对出行订单和选定的车辆的车辆信息进行优化计算，从多个车辆中找出与该出行订单最匹配的车辆作为该目标车辆的具体过程如下：

首先构建车辆-订单矩阵，在构建该车辆-订单矩阵时，首先获取多个短时预约单，从而构成预约单集合O，针对其中的每个短时预约单o，根据其出发位置距离的多个车辆d的当前位置进行选择，从而得到候选的车辆集合D。将预约单集合和车辆集合作为两个维度构成该车辆-订单矩阵，该矩阵中还包括每个短时预约单的出发位置与每个车辆的当前位置的距离的倒数，且在得到多个倒数后对其进行归一化处理作为相应短时预约单与相应车辆的距离参数v，具体如表1所示。

	d1	d2	d3	d4	d5	d6
							o1	v＝0.2	0.5	0.6	0.8	0.7	0.8
o2	0.1	0.6	0.7	0.7	0.2	0.2
							o3	0.6	0.4	0.5	0.3	0.1	0.7

表1

在得到上述车辆-订单矩阵后，针对每个短时预约单，利用贪心算法从车辆集合中进行选择，即利用贪心算法对相应短时预约单与相应车辆以及两者之间的距离参数进行计算，得到目标车辆。

具体来说，先从o1订单开始筛选，选中d4(0.8),d6(0.8)；然后o2继续选择，选中d3(0.7),d4(0.7),但是d4已经被o1给选中了，这时候再选择d2(0.6)；最后o3选择，选择d1(0.6),d6(0.7),没有冲突。

贪心算法是指所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法的主要区别。

贪心算法是采用从顶向下、以迭代的方法做出相继选择，每做一次贪心选择就将所求问题简化为一个规模更小的子问题。对于一个具体问题，要确定它是否具有贪心选择的性质，我们必须证明每一步所作的贪心选择最终能得到问题的最优解。

通常可以首先证明问题的一个整体最优解，是从贪心选择开始的，而且作了贪心选择后，原问题简化为一个规模更小的类似子问题。然后，用数学归纳法证明，通过每一步贪心选择，最终可得到问题的一个整体最优解。

S4、将出行订单发送至目标车辆。

在确定目标车辆后，将相应的出行订单发送至该目标车辆，以便该目标车辆为发送该订单的乘客服务。这里发送至目标车辆实际是指将该出行订单发送至该目标车辆上的移动设备，例如司机所持的手机或车辆的车机等。

具体来说，首先，如果一个目标车辆仅有实时单，即正在为相应的乘客提供服务且没有接受的其他预约单，此时将起始时间位于该实时单之后的短时预约单推送给相应目标车辆；

其次，如果此时不仅有实时单，还存在一个或多个短时预约单，则对实时单与排在第一位的预约单之间的时间空隙、以及对预约单之间的时间空隙进行计算，如果此时有能够满足上述时间空隙的短时预约单，则将该短时预约单推送给该目标车辆，或者将起始时间位于最后一个短时预约单之后的短时预约单推送给该目标车辆。

从上述技术方案可以看出，本实施例提供了一种派单方法，该方法应用于出行打车系统的服务器，具体为获取出行订单，并获取每个出行订单的位置信息；根据位置信息获取预设范围内的多个车辆；通过全局最优化算法或贪心算法对出行订单和车辆的车辆信息进行优化计算，从多个车辆中得到目标车辆；将出行订单发送给目标车辆。本技术方案中的派单方法针对相应的出行订单通过全局最优化算法或贪心算法选择相应目标车辆，其对可能接单的车辆进行通盘计算，而非简单地仅基于距离派单或者通过抢单方式派单，实现了最小化总体接驾时间/距离的约束条件下的最大派单匹配，从而避免了基于距离的派单模式和抢单模式中全局效率问题，提高了用户的服务体验。

且由于其中的全局最优化算分中具体采用KM算法，其能够控制怎样修改可行顶标的策略使得最终可以达到一个完美匹配，具体来说实现实时出行订单与空闲行程车辆之间的完美匹配，从而使本申请的技术方案较其他方案能够提供更精准的订单车辆匹配优化计算。

本申请中的车辆一般为纯电动车辆，因此，这里的剩余行程是指车辆的剩余电量能够支持的行程。该剩余行程不仅与剩余电量直接相关，还与当前所运行的道路环境、如拥堵情况直接相关。

另外，本申请中步骤S3之前，还可以包括如下步骤，如图4所示。

S5、对长短时预约订单进行判断，将长时预约单进行广播推送。

即对于实时单以外的预约单、即预约出行订单来说，通过对预约时间信息的判断确定相应预约出行订单为长时预约单还是短时预约单，两者划分的根据为预约时间信息所指向的预约用车时间距离当前时刻的长短，即通过预设的时间阈值对长短时预约单进行判定，该时间阈值可以为一天或一周，按此原则所确定的时间阈值均在本申请的保护范围之内。

另外，对于被广播的长时预约单，如果在预设时长内没有被接单，例如1秒、10秒、60秒、100秒或者上述数值之间的时长或者其他时长，则将该没有被接单的长时预约单返回给服务器的订单池。

另外，针对本申请中出行订单和车辆的具体分类，本申请中的派单方法可以包括下面具体的策略，即针对出行订单中包括实时单和预约单、车辆中包括实时单行程车辆和空闲行程车辆，预约单中还包括短时预约单和长时预约单的各种情况所提出的具体实施方案。

策略一：

对于实时单和空闲行程车辆来说，在确定实时单和空闲行程车辆的基础上，通过全局最优化算法从空闲行程车辆中确定目标车辆，并将实时单发送给目标车辆，从而完成派单。

策略二：

对于预约单和空闲行程车辆来说，在确定预约单和空闲行程车辆的基础上，将预约单中的长时预约单通过广播方式向所有车辆推送，对其中的短时预约单则利用贪心算法从空闲行程车辆中确定目标车辆，并将短时预约单发送给目标车辆，从而完成派单。

策略三：

对于实时单和实时单行程车辆来说，在确定实时单和实时单行程车辆的基础上，通过全局最优化算法从实时单行程车辆中确定目标车辆，并将实时单发送给目标车辆，从而完成派单。

策略四：

对于预约单和实时单行程车辆来说，在确定实时单行程车辆和预约单的基础上，将预约单中的长时预约单通过广播方式向所有车辆推送，对其中的短时预约单则利用贪心算法从实时单行程车辆中确定目标车辆，并将短时预约单发送给目标车辆，从而完成派单。

策略五：

对于预约单和空闲行程车辆来说，在确定预约单和空闲行程车辆的基础上，将预约单中的长时预约单通过广播方式向所有车辆推送，对其中的短时预约单则利用贪心算法从空闲行程车辆中确定目标车辆，并对多个短时预约单通过见缝插针的方式发送给目标车辆，从而完成派单。

策略六：

对于预约单和实时单行程车辆来说，在确定预约单和实时单行程车辆的基础上，将预约单中的长时预约单通过广播方式向所有车辆推送，对其中的短时预约单则利用贪心算法从实时单行程车辆中确定目标车辆，并对多个短时预约单通过见缝插针的方式发送给目标车辆，从而完成派单。

策略七：

对于预约单和非空闲行程车辆来说，在确定预约单和非空闲行程车辆的基础上，将预约单中的长时预约单通过广播方式向所有车辆推送，对其中的短时预约单则利用贪心算法从非空闲行程车辆中确定目标车辆，并对多个短时预约单通过见缝插针的方式发送给目标车辆，从而完成派单。

这里的非空闲行程车辆是指除空闲行程车辆以外的所有与平台签约的车辆，其包括正在执行实时单的车辆，或者仅具有预约单的车辆，还包括正在赶往约定地点执行已经被派送的实时单或者预约单的车辆。

实施例二

图5为本申请实施例的一种派单装置的框图。

如图5所示，本实施例提供的派单装置应用于出行打车系统的服务器，可以理解为实际的电子设备或者服务器的功能模块，用于为乘客下单并向出租车辆派单提供派单方案。这里的车辆是指属于该出行打车系统的签约车辆。该派单装置具体包括订单获取模块10、车辆获取模块20、优化计算模块30和订单推送模块40。

订单获取模块10用于获取出行订单，出行订单中包括位置信息。

这里的出行订单是指需要提供租车服务的乘客当前发出并需要即时租车服务的实时单，或者在向来时间需要获取服务的预约单。乘客在发出相应订单时一般通移动终端向本出行打车系统的服务器发出的电子信息。该实时出行订单中会包括相应的位置信息，该位置信息会表明发出该出行订单的乘客的具体位置。

由于服务器所接收到的出行订单包括实时单和预约单，因此这里的订单获取模块具体包括第一获取单元和第一过滤单元。

第一获取单元用于从上述服务器的订单池中每隔预设时长、如每隔2秒拉取在这段时间内所产生的所有出行订单，其中会包括实时单和预约单，对于具体的出行订单究竟为实时单还是预约单可以通过订单本身的附加信息或者订单本身类型确定；第一过滤单元用于当第一获取单元拉取到此段时间内所有出行订单后，根据出行订单中的附加信息或者订单本身类型进行判断，通过判断从中选取出所有的实时单和预约单。

车辆获取模块20用于根据位置信息获取预设范围内多个车辆。

即在确定发出该出行订单的位置信息的情况下，根据该位置信息获取以该位置信息为根据的预设范围内的车辆。该预设范围可以根据实际情况确定，例如以该位置信息为基本点的一个街区、一定空间尺度内的范围或者一个城市等。

该车辆获取模块具体包括第一过滤单元、第二过滤单元和第三过滤单元中的部分或全部。

第一过滤单元用于剔除类型与出行订单指定车型不匹配的车辆。

一般来说，有时会乘客所发出的出行订单中会提供自己所需的车型，即包括了车型要求，如果不能满足乘客这一需求则会降低乘客的使用体验，因此，当确定全部的车辆后，根据出行订单中指定车型对所有车辆进行过滤，如果某个或某些车辆与该指定车型不匹配，则将其予以剔除，然后再进行全局优化计算，从而可以避免乘客明确拒绝的车型参与计算。

第二过滤单元用于剔除其司机做出预先规定的拒单行为的车辆。

即在确定全部的车辆后，如果其中有车辆的司机做出预先规定的拒单行为、如上一次无理由拒单或者在一定时间内做出限定次数的拒单行为，此时可以将该车辆予以剔除，然后再进行全局优化计算，从而可以避免有问题车辆被推送实时出行订单而影响乘客的用车。

第三过滤单元用于剔除剩余行程无法满足订单需求的车辆。

即在选定全部的车辆过程中，同时接收每个车辆的剩余行程信息，并对相应出行订单的行程要求进行判断，从中剔除剩余行程无法满足该行程要求的车辆，从而避免中途停车影响乘客的出行。

优化计算模块30用于根据全局最优化算法或贪心算法进行计算，得到目标车辆。

即根据全局最优化算法或贪心算法对出行订单和选定的车辆的车辆信息进行优化计算，从多个车辆中找出与该出行订单最匹配的车辆作为该目标车辆。

订单推送模块40用于将实时出行订单发送至目标车辆。

在确定目标车辆后，将相应的实时出行订单发送至该目标车辆，以便该目标车辆为发送该订单的乘客服务。这里发送至目标车辆实际是指将该实时出行订单发送至该目标车辆上的移动设备，例如司机所持的手机或车辆的车机等。

具体来说，该模块包括第一推送单元和第二推送单元，第一推送单元用于如果一个目标车辆仅有实时单，即正在为相应的乘客提供服务且没有接受的其他预约单，此时将起始时间位于该实时单之后的短时预约单推送给相应目标车辆；

第二推送单元用于如果此时不仅有实时单，还存在一个或多个短时预约单，则对实时单与排在第一位的预约单之间的时间空隙、以及对预约单之间的时间空隙进行计算，如果此时有能够满足上述时间空隙的短时预约单，则将该短时预约单推送给该目标车辆，或者将起始时间位于最后一个短时预约单之后的短时预约单推送给该目标车辆。

从上述技术方案可以看出，本实施例提供了一种派单装置，该装置应用于出行打车系统的服务器，具体为获取出行订单，并获取每个出行订单的位置信息；根据位置信息获取预设范围内的多个车辆；通过全局最优化算法或贪心算法对出行订单和车辆的车辆信息进行优化计算，从多个车辆中得到目标车辆；将出行订单发送给目标车辆。本技术方案中的派单方法针对相应的出行订单通过全局最优化算法或贪心算法选择相应目标车辆，其对可能接单的车辆进行通盘计算，而非简单地仅基于距离派单或者通过抢单方式派单，实现了最小化总体接驾时间/距离的约束条件下的最大派单匹配，从而避免了基于距离的派单模式和抢单模式中全局效率问题，提高了用户的服务体验。

还有，本申请中还包括广播推送模块80，如图6所示。

广播推送模块用于对长短时预约订单进行判断，将长时预约单进行广播推送。

即对于实时单以外的预约单、即预约出行订单来说，通过对预约时间信息的判断确定相应预约出行订单为长时预约单还是短时预约单，两者划分的根据为预约时间信息所指向的预约用车时间距离当前时刻的长短，即通过预设的时间阈值对长短时预约单进行判定，该时间阈值可以为一天或一周，按此原则所确定的时间阈值均在本申请的保护范围之内。

另外，对于被广播的长时预约单，如果在预设时长内没有被接单，例如1秒、10秒、60秒、100秒或者上述数值之间的时长或者其他时长，则将该没有被接单的长时预约单返回给服务器的订单池。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、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用存储介质(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的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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终端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终端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和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端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，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (16)

1.一种派单方法，应用于出行打车系统的服务器，其特征在于，所述派单方法包括：

获取出行订单，所述出行订单包括实时单和预约单；

根据所述出行订单的位置信息获取预设范围内的多个车辆，所述车辆包括实时单行程车辆和空闲行程车辆；

通过全局最优化算法或贪心算法对所述出行订单和所述车辆的车辆信息进行优化计算，从所述多个车辆中得到目标车辆；

将所述出行订单发送至所述目标车辆。

2.如权利要求1所述的派单方法，其特征在于，所述将所述出行订单发送给所述目标车辆，包括：

如果所述目标车辆仅存在当前实时单，则将开始时间位于所述当前实时单的订单终点时间之后的短时预约单发送给所述目标车辆；

如果所述目标车辆存在所述当前实时单且已接受一个或多个所述短时预约单，将所需时间与所述当前实时单和已被接受的短时预约单的时间不冲突的短时预约单发送给所述目标车辆。

3.如权利要求1所述的派单方法，其特征在于，在所述通过全局最优化算法或贪心算法对所述实时出行订单和所述空闲行程车辆的车辆信息进行优化计算步骤之前，还包括：

判断所述预约出行订单为长时预约单还是短时预约单，对于所述长时预约单通过广播形式向所述多个车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中。

4.如权利要求1所述的派单方法，其特征在于，所述根据所述出行订单的位置信息获取预设范围内的多个车辆，包括：

从所述多个车辆中剔除类型与所述出行订单的指定车型不匹配的车辆。

5.如权利要求1所述的派单方法，其特征在于，所述根据所述出行订单的位置信息获取预设范围内的多个车辆，包括：

从所述多个车辆中剔除其司机做出预先规定的拒单行为的车辆。

6.如权利要求1所述的派单方法，其特征在于，所述根据所述出行订单的位置信息获取预设范围内的多个车辆，包括步骤：

从所述多个车辆中剔除剩余行程与所述出行订单的实际行程不匹配的车辆。

7.如权利要求1所述的派单方法，其特征在于，所述出行订单为实时单，所述通过全局最优化算法对所述出行订单和所述车辆的车辆信息进行优化计算，包括步骤：

利用所述实时单的参数和所述车辆的参数构建运筹优化算式；

计算所述运筹优化算式，得到所述目标车辆。

8.如权利要求1所述的派单方法，其特征在于，所述出行订单为短时预约单，所述通过贪心算法对所述出行订单和所述车辆的车辆信息进行优化计算，包括步骤：

构建车辆-订单矩阵，所述车辆-订单矩阵包括车辆集合和预约单集合，还包括所述车辆集合中每个车辆与所述预约订单集合中每个短时预约单相对应的距离参数，所述距离参数为经过归一化处理的所述车辆的当前位置与所述短时预约单的出发位置的距离的倒数；

针对每个所述短时预约单，利用贪心算法从所述车辆集合中选定所述目标车辆。

9.一种基于空闲行程车辆的预约出行订单的派单方法，应用于出行打车系统的服务器，其特征在于，所述派单方法包括步骤：

获取预约出行订单，并获取每个所述预约出行订单的预约出发位置和预约出发时间；

根据所述预约出发位置获取预设范围内的多个空闲行程车辆；

通过对所述预约出发时间的判断确定所述预约出行订单是长时预约单还是短时预约单；

如果所述预约出行订单为所述长时预约单，则将所述长时预约单通过广播形式发送至多个车辆，所述车辆包括空闲行程车辆和非空闲行程车辆；

如果所述预约出行订单为所述短时预约单，则通过贪心算法对所述短时预约单和所述空闲行程车辆的车辆信息进行优化计算，从所述多个空闲行程车辆中确定目标车辆；

将所述短时预约单发送至所述目标车辆。

10.一种基于实时单行程车辆的预约单派单方法，应用于出行打车系统的服务器，其特征在于，所述派单方法包括步骤：

获取预约出行订单；

根据车辆的实时位置和当前实时单终点位置获取多个实时单行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个实时单行程车辆推送；

若所述预约出行订单为所述短时预约单，则

剔除当前实时单与所述短时预约单的预约时间相冲突的实时单行程车辆；和/或，

剔除综合接单时间大于预设时长的实时单行程车辆，所述预设时长等于所述短时预约单的预约时间减去当前时间加上预设时延阈值；

通过贪心算法对所述短时预约单和所述实时单行程车辆的车辆信息进行优化计算，从所述多个实时单行程车辆中确定目标车辆；

将所述短时预约单发送至所述目标车辆。

11.一种基于空闲行程车辆的预约单连环派单方法，应用于出行打车系统的服务器，其特征在于，所述派单方法包括步骤：

获取预约出行订单；

获取多个空闲行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个空闲行程车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中；

若所述预约出行订单为所述短时预约单，则通过贪心算法对所述短时预约单和所述空闲行程车辆的车辆信息进行优化计算，从所述多个空闲行程车辆中得到目标车辆；

依次将多个不相冲突的多个短时预约单发送至所述目标车辆。

12.一种基于实时单行程车辆的预约单连环派单方法，应用于出行打车系统的服务器，其特征在于，所述派单方法包括步骤：

获取预约出行订单；

获取多个实时单行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个实时单行程车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中；

若所述预约出行订单为所述短时预约单，则通过贪心算法对所述短时预约单和所述实时单行程车辆的车辆信息进行优化计算，从所述多个实时单行程车辆中得到目标车辆；

将互相不相冲突的多个短时预约单发送至所述目标车辆。

13.一种基于非空闲行程车辆的预约单混合连环派单方法，应用于出行打车系统的服务器，其特征在于，所述派单方法包括步骤：

获取预约出行订单；

获取多个非空闲行程车辆；

判断所述预约出行订单为长时预约单还是短时预约单；

若所述预约出行订单为所述长时预约单，则对于所述长时预约单通过广播形式向所述多个非空闲行程车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中；

若所述预约出行订单为所述短时预约单，则根据所述非空闲行程车辆的当前订单的完成时间，剔除所述完成时间与所述短时预约单的出行时间不相匹配的非空闲行程车辆；

根据所述非空闲行程车辆的当前订单的终点位置和完成时间，剔除无法到达所述短时预约单指定的出发点的非空闲行程车辆；

通过贪心算法对所述短时预约单和所述非空闲行程车辆的车辆信息进行优化计算，从所述多个非空闲行程车辆中确定目标车辆；

将不相冲突的短时预约单依次发送至所述目标车辆。

14.一种派单装置，应用于出行打车系统的服务器，其特征在于，所述派单装置包括：

订单获取模块，被配置为获取出行订单，所述出行订单包括实时单和预约单；

车辆获取模块，被配置为根据所述出行订单的位置信息获取预设范围内的多个车辆，所述车辆包括实时单行程车辆和空闲行程车辆；

优化计算模块，被配置为通过全局最优化算法或贪心算法对所述出行订单和所述车辆的车辆信息进行优化计算，从所述多个车辆中得到目标车辆；

订单推送模块，被配置为将所述出行订单发送至所述目标车辆。

15.如权利要求14所述的派单装置，其特征在于，所述订单推送模块包括：

第一推送单元，被配置为如所述目标车辆仅存在当前实时单，则将开始时间位于所述当前实时单的订单终点时间之后的短时预约单发送给所述目标车辆；

第二推送单元，被配置为如果所述目标车辆存在所述当前实时单且已接受一个或多个所述短时预约单，将所需时间与所述当前实时单和已被接受的短时预约单的时间不冲突的短时预约单发送给所述目标车辆。

16.如权利要求14所述的派单装置，其特征在于，还包括：

订单广播模块，被配置为在所述通过全局最优化算法或贪心算法对所述实时出行订单和所述空闲行程车辆的车辆信息进行优化计算步骤之前，判断所述预约出行订单为长时预约单还是短时预约单，对于所述长时预约单通过广播形式向所述多个车辆推送，并将预设时长内没有被接单的长时预约单返回到所述服务器的订单池中。

Images