CN113469475B - 数据处理方法、装置、存储介质和电子设备 - Google Patents
数据处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN113469475B CN113469475B CN202010238654.3A CN202010238654A CN113469475B CN 113469475 B CN113469475 B CN 113469475B CN 202010238654 A CN202010238654 A CN 202010238654A CN 113469475 B CN113469475 B CN 113469475B
- Authority
- CN
- China
- Prior art keywords
- task
- determining
- processed
- subset
- attribute information
- 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 13
- 238000012545 processing Methods 0.000 claims abstract description 128
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 19
- 238000012423 maintenance Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 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
- 241000257303 Hymenoptera Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种数据处理方法、装置、存储介质和电子设备。本发明实施例在接收到针对目标区域的数据处理指令后,获取位置范围在目标区域内的多个共享设备的设备属性信息以及至少一个任务处理终端的资源属性信息,并根据各共享设备的设备属性信息预测对应的被使用概率,并确定第一设备子集合,进而根据对第一设备子集合中各共享设备进行聚类获得的第二设备子集合确定待处理任务,从而根据任务处理终端的资源属性信息确定待处理任务的分配结果。由此,通过上述数据流程可以对待处理的共享单车进行合理分配和确定,使得任务处理资源可以及时处理待处理的共享设备,提升了对于待处理的共享设备的处理效率。
Description
技术领域
本发明公开涉及计算机技术领域,具体涉及一种数据处理方法、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。但共享设备(例如,共享单车)使用次数的增多以及用户数量分布的差异性使得共享设备平台需要安排运维人员对共享设备进行位置调整或者维修更换等处理。但现有的共享设备的处理方法通常通过人工的方式确认共享设备是否需要被处理,因此对于待处理的共享设备的处理效率较低。
发明内容
有鉴于此,本发明实施例的目的在于提供一种数据处理方法、装置、存储介质和电子设备,以有效提升对于待处理的共享设备的处理效率。
根据本发明实施例的第一方面,提供一种数据处理方法,所述方法包括:
响应于接收到针对预定区域的数据处理指令,将所述预定区域确定为目标区域;
获取位置范围在所述目标区域内的共享设备集合以及所述共享设备集合中各共享设备的设备属性信息;
基于概率预测模型,根据各所述设备属性信息预测对应的各所述共享设备的被使用概率,所述第一预测模型根据多个共享设备的历史使用记录预先训练获得;
根据所述被使用概率确定第一设备子集合;
根据所述第一设备子集合中各所述共享设备的所述设备属性信息对各所述共享设备进行聚类,获取至少一个第二设备子集合;
确定所述至少一个第二设备子集合对应的至少一个待处理任务;
获取位置范围在所述目标区域内至少一个任务处理终端的资源属性信息;
根据至少一个所述资源属性信息确定所述至少一个待处理任务的分配结果,以对所述待处理任务进行分配。
优选地,所述根据所述使用概率确定第一设备子集合包括:
根据所述被使用概率满足第一条件的至少一个所述共享设备确定所述第一设备子集合。
优选地,所述设备属性信息包括所述共享设备的第一位置信息;
所述确定所述至少一个第二设备子集合对应的至少一个待处理任务包括:
分别根据各所述第二设备子集合中各所述共享设备的所述第一位置信息确定各所述第二设备子集合的第二位置信息;
对各所述第二位置信息进行路径规划,确定至少一条移动路径,所述移动路径经过至少一个所述第二位置信息;
分别将各所述移动路径对应的所述第二设备子集合确定为一个待处理任务。
优选地,所述资源属性信息包括所述任务处理终端的第三位置信息;
所述根据至少一个所述资源属性信息确定所述至少一个待处理任务的分配结果包括:
根据所述第二位置信息以及至少一个所述第三位置信息确定对应的所述待处理任务的所述分配结果。
优选地,所述根据所述第二位置信息以及至少一个所述第三位置信息确定对应的所述待处理任务的所述分配结果包括:
将各所述待处理任务分别确定为目标任务;
根据所述目标任务对应的至少一个所述第二位置信息与各所述第三位置信息距离确定所述目标任务的距离参数;
根据所述距离参数确定对应的所述目标任务的所述分配结果。
优选地,所述资源属性信息还包括任务处理资源对应的未处理任务数量,所述任务处理资源为所述任务处理终端对应的用户;
所述根据所述距离参数确定所述目标任务的分配结果包括:
根据所述距离参数以及对应的所述未处理任务数量确定所述分配结果。
优选地,所述方法还包括:
向至少一个所述任务处理终端发送对应的所述分配结果。
根据本发明实施例的第二方面,提供一种数据处理装置,所述装置包括:
第一确定单元,用于响应于接收到针对预定区域的数据处理指令,将所述预定区域确定为目标区域;
第一获取单元,用于获取位置范围在所述目标区域内的共享设备集合以及所述共享设备集合中各共享设备的设备属性信息;
预测单元,用于基于概率预测模型,根据各所述设备属性信息预测对应的各所述共享设备的被使用概率,所述第一预测模型根据多个共享设备的历史使用记录预先训练获得;
第二确定单元,用于根据所述被使用概率确定第一设备子集合;
聚类单元,用于根据所述第一设备子集合中各所述共享设备的所述设备属性信息对各所述共享设备进行聚类,获取至少一个第二设备子集合;
第三确定单元,用于确定所述至少一个第二设备子集合对应的至少一个待处理任务;
第二获取单元,用于获取位置范围在所述目标区域内至少一个任务处理终端的资源属性信息;
分配单元,用于根据至少一个所述资源属性信息确定所述至少一个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中任一项所述的方法。
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中任一项所述的方法。
本发明实施例公开了一种数据处理方法、装置、存储介质和电子设备。本发明实施例在接收到针对目标区域的数据处理指令后,获取位置范围在目标区域内的多个共享设备的设备属性信息以及至少一个任务处理终端的资源属性信息,并根据各共享设备的设备属性信息预测对应的被使用概率,并确定第一设备子集合,进而根据对第一设备子集合中各共享设备进行聚类获得的第二设备子集合确定待处理任务,从而根据任务处理终端的资源属性信息确定待处理任务的分配结果。由此,通过上述数据流程可以对待处理的共享单车进行合理分配和确定,使得任务处理资源可以及时处理待处理的共享设备,提升了对于待处理的共享设备的处理效率。
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是本发明实施例的硬件系统架构的示意图;
图2是本发明第一实施例的数据处理方法的流程图;
图3是本发明第一实施例的共享设备的一种分布示意图;
图4是本发明第一实施例的共享设备的另一种分布示意图;
图5是本发明第一实施例的一种可选的实现方式中确定待处理任务的流程图;
图6是本发明第一实施例的共享设备的另一种分布示意图;
图7是本发明第一实施例的一种可选的实现方式中确定分配结果的流程图;
图8是本发明第一实施例的共享设备与任务处理资源的分布示意图;
图9是本发明第二实施例的数据处理装置的示意图;
图10是本发明第三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,以共享设备为共享单车为例进行说明,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。共享单车使用次数的增多以及用户数量分布的差异性使得共享单车平台需要安排运维人员对共享单车进行位置调整或者维修更换等处理。例如,共享单车产生了故障状况,需要运维人员将故障的共享单车移动至维修点进行维修或更换;或者用户骑乘共享单车移动到用户密度较低的区域,需要运维人员将共享单车移动至用户密度较高的区域。但现有的共享单车的处理方法通常需要通过人工的方式确认共享单车是否需要被处理,例如检验共享单车是否存在故障状况,或者根据共享单车的位置信息确认共享单车是否需要被移动,因此对于待处理的共享单车的处理效率较低。
图1是本发明实施例的硬件系统架构的示意图。图1所示的系统架构包括多个用户终端11、服务器12以及多个共享设备13,图1以一个用户11以及一个共享设备13为例进行说明。图1所示的共享设备13为具有定位功能的设备,并可以通过网络与用户终端11以及服务器12建立通信连接。共享设备的使用用户可以通过用户终端11扫描设置在共享设备13上的二维码等方式使得用户终端11向服务器12发送针对共享设备13的解锁请求。服务器12在接收到针对共享设备13的解锁请求后,可以向共享设备13发送解锁指令,使得共享设备的使用用户可以解锁并使用共享设备13。
在本发明实施例中,图1所示的系统架构还包括至少一个任务处理终端14,图1以一个任务处理终端14为例进行说明。图1所示的任务处理终端14也为具有定位功能的设备,并可以通过网络与服务器12以及共享设备13建立通信连接。在本发明实施例中,任务处理终端11响应于任务处理资源的触发的预定事件,可以生成并向服务器12发送针对预定区域的数据处理指令。服务器12在接收到针对预定区域的数据处理指令后,可以将预定区域确定为目标区域,并指示位置范围在目标区域内的共享设备13上报自身的设备属性信息以及指示位置范围在目标区域内的任务处理终端11上报对应的任务处理资源的资源属性信息,进而基于根据多个共享设备13的历史使用记录预先训练获得的概率预测模型以及共享设备13的设备属性信息预测共享设备13的被使用概率,并根据共享设备13的被使用概率确定第一设备子集合。在确定第一设备子集合后,服务器12可以根据第一设备子集合中的共享设备13的设备属性信息对共享设备13进行聚类,获取至少一个第二设备子集合,并根据至少一个第二设备子集合确定至少一个待处理任务,从而根据任务处理终端13对应的资源属性信息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。服务器12可以较为准确地对位置范围在目标区域内的共享设备13的被使用概率进行较为准确的预测并对待处理的共享设备13进行合理分配,从而及时对待处理的共享设备13进行合理分配以及及时处理,有效提升了对于待处理的共享设备13的处理效率。
图2是本发明第一实施例的数据处理方法的流程图。如图2所示,本实施例的方法包括如下步骤:
步骤S100,响应于接收到针对预定区域的数据处理指令,将预定区域确定为目标区域。
在本实施例中,数据处理指令用于指示服务器确定预定区域内待处理的共享设备并对由待处理的共享设备生成的待处理任务进行分配。任务处理资源可以通过任务处理终端向服务器发送针对预定区域的数据处理指令,服务器在接收到针对预定区域的数据处理指令后,可以将预定区域确定为目标区域。
例如,任务处理终端可以响应于任务处理资源点击“找车”控件进入找车模式(也即,确定任务处理资源所在的位置周围内是否存在需要被处理的共享设备),并根据自身当前的定位信息确定任务处理资源当前所在的区域,并向服务器发送针对预定区域的数据处理指令。其中,任务处理资源也即任务处理终端对应的用户,例如运维人员等。
在本实施例中,区域(包括目标区域)为预先划分的地理范围,可以为行政区域,例如市、区、县等,也可以为根据实际业务需求划分的地理范围,本实施例不做限定。
步骤S200,获取位置范围在目标区域内的共享设备集合以及共享设备集合中各共享设备的设备属性信息。
共享设备集合可以包括位置范围在目标区域内的多个共享设备。对于各共享设备,设备属性信息可以包括该共享设备的位置信息(也即,第一位置信息)、范围标识和范围类别中的至少一项。其中,第一位置信息用于表征共享设备所在的位置,例如可以为经纬度等;范围标识用于表征共享设备所在的位置范围,例如为“xx地铁站”“xx小区”等;范围类别用于表征共享设备所在的位置范围对应的类别,类别可以根据实际需求进行划分,例如可以划分为“地铁站”“小区”等类别,也可以划分为用于表征用户数量(或密度)的类别1、类别2、类别3等类别,本实施例不作限定。第一位置信息和/或范围标识和/或范围类别均能够在一定程度上表征共享设备是否处于用户数量(或密度)的范围内,通常用户数量(或密度)越高,共享设备被使用的概率越高,因此设备属性信息与设备在未来的预定时间范围内是否会被使用(也即,被使用概率)具有较强的相关性。容易理解,在本实施例中,设备属性信息还可以包括其他信息,本实施例不做限定。
步骤S300,基于概率预测模型,根据各设备属性信息预测对应的各共享设备的被使用概率。
可选地,概率预测模型可以为XGBoost。XGBoost(也即,eXtreme GradientBoosting,极端梯度提升树)运用集成学习思想来进行结果/标签的预测。集成学习是指将多个学习模型进行组合,以获得更好的预测效果,从而使组合后的模型具有更强的泛化能力,或者说具有更强的普适性。XGBoost通常可以用于解决两种问题,包括分类问题和回归问题。在本实施例中,获取共享设备的被使用概率实际为一种值预测(也即,结果预测)问题,因此属于回归问题的一种。可选地,概率预测模型还可以为神经网络,如卷积神经网络、循环神经网络,或者其他树模型等,本实施例不做限定。
概率预测模型基于多个共享设备的历史使用记录预先训练获得。其中,多个共享设备可以为位置范围在同一区域的共享设备,也可以为位置范围不在同一个区域的共享设备,本实施例不做限定。容易理解,在共享设备的位置范围属于同一区域时,该区域为上述提到的目标区域,在共享设备的位置范围不属于同一区域时,不同区域中可以包括目标区域,也可以不包括目标区域。历史使用记录可以包括共享设备的历史位置信息、历史范围标识和历史范围类别中的至少一项以及历史使用标识,历史使用标识用于表征共享设备在历史时间范围内是否被使用过。可选地,若任一共享设备在历史时间范围内被使用过,则历史使用标识可以为1(也即100%),若任一共享设备在历史时间范围内未被使用过,则历史使用标识可以为0(也即0%)。
具体地,在概率预测模型的训练过程中,输入可以根据各共享设备的历史位置信息、历史范围标识和历史范围类别中的至少一项确定,输出可以根据各共享设备的历史使用标识确定。由此,服务器可以基于概率预测模型,根据各共享设备的设备属性信息对各共享设备的被使用概率进行预测。
步骤S400,根据被使用概率确定第一设备子集合。
具体地,服务器可以根据被使用概率满足第一条件的至少一个共享设备确定第一设备子集合。在本实施例中,第一设备子集合中的共享设备为需要被运维人员处理的共享设备,因此第一条件可以被设置为被使用概率小于等于第一阈值等。
图3是本发明第一实施例的共享设备的一种分布示意图。如图3上半部分所示,位置范围在目标区域(也即,虚线框内所示的部分)内的共享设备集合包括多个共享单车31。服务器可以获取各共享单车31的设备属性信息,并将各共享单车31的设备属性信息输入预先训练的概率预测模型,从而对各共享单车31的被使用概率进行预测。在确定各共享单车31的被使用概率后,如图3下半部分所示,服务器可以根据被使用概率满足第一条件的共享单车32确定第一设备子集合。容易理解,图3下半部分所示的共享单车32均为被使用概率满足第一条件的共享设备。
步骤S500,根据第一设备子集合中各共享设备的设备属性信息对各共享设备进行聚类,获取至少一个第二设备子集合。
可选地,服务器可以基于DBSCAN(Density-Based Spatial Clustering ofApplications with Noise,基于密度的噪声应用空间聚类)算法以及第一设备子集合中各共享设备的设备属性信息对各共享设备进行聚类。具体地,服务器可以根据第一设备子集合中各共享设备的第一位置信息以及DBSCAN算法对各共享设备进行聚类。DBSCAN是一种基于密度的聚类算法,它将簇定义为密度相连的点的最大集合(在本实施例中,也即第二设备子集合),能够把具有足够高密度的区域(在本实施例中,也即第一设备子集合)划分为簇,并可在噪声的空间数据库中发现任意形状的聚类,具有较高的聚类准确性。可选地,服务器也可以基于其他聚类算法,例如K-means(K-平均)算法、Mean-Shift(均值偏移)算法等,本实施例不做限定。
容易理解,服务器还可以根据预先设置的限制条件确定至少一个第二设备子集合,限制条件可以为第二设备子集合内共享设备的数量大于第二阈值等。由此,后续运维人员在对待处理的共享设备进行处理时,可以降低去往待处理的共享设备密度较低的位置范围的频率,从而有效提升对于待处理的共享设备的处理效率。
图4是本发明第一实施例的共享设备的另一种分布示意图。如图4所示,服务器在基于预定的聚类算法以及第一设备子集合内各共享单车的第一位置信息对各共享单车进行聚类后,可以获得多个第二设备子集合41,其中各第二设备子集合内共享单车的数量大于2。
步骤S600,确定至少一个第二设备子集合对应的至少一个待处理任务。
可选地,若目标区域内仅存在一个第二设备子集合,则服务器可以该第二设备子集合确定为一个待处理任务;若目标区域内存在多个第二设备子集合(例如为N个),则服务器可以将N个第二设备子集合确定为一个待处理任务,也可以将多个(例如为M个,且M<N)第二设备子集合中的一个或多个第二设备子集合确定为一个待处理任务。
例如,目标区域内存在5个第二设备子集合,服务器可以将其中的3个第二设备子集合确定为一个待处理任务,并将剩余的2个第二设备子集合分别确定为一个待处理任务,也就是说,总计确定三个待处理任务;或者将各第二设备子集合分别确定为一个待处理任务,也就是说,总计确定五个待处理任务。
在一种可选的实现方式中,服务器至少可以根据第二设备子集合中各共享设备的第一位置信息确定至少一个待处理任务。图5是本发明第一实施例的一种可选的实现方式中确定待处理任务的流程图。如图5所示,在一种可选的实现方式中,步骤S600可以包括如下步骤:
步骤S610,分别根据各第二设备子集合中各共享设备的第一位置信息确定第二设备子集合的第二位置信息。
第二位置信息用于表征第二设备子集合的位置范围。在基于DBSCAN算法对各共享设备进行聚类后,服务器可以直接确定各第二设备子集合的第二位置信息。可选地,在第一位置范围为共享设备的经纬度坐标时,服务器也可以通过获取各第二设备子集合中全部共享设备的经纬度坐标的最值(也即,最大值和最小值)等方式确定各第二设备子集合的第二位置信息。
步骤S620,对各第二位置信息进行路径规划,确定至少一条移动路径。
可选地,服务器可以基于蚁群算法对各第二设备子集合的第二位置信息进行路径规划,从而确定一条移动路径。蚁群算法是一种启发式全局优化算法,具有分布计算、信息正反馈和启发式搜索等特征,用蚂蚁的行走路径表示待优化问题的可行解,整个蚂蚁群体的所有行走路径构成待优化问题的解空间,通过正反馈,可以确定其中一条行走路径为目标行走路径(在本实施例中,也即移动路径)。在本实施例中,移动路径经过至少一个第二设备子集合的第二位置信息。
可选地,服务器也可以通过其他方式进行路径规划,例如确定全部第二设备子集合对应的多条候选移动路径,并将距离最短的候选移动路径确定为移动路径,本实施例不做具体限定。
在确定一条移动路径后,服务器还可以根据预先设置的限定条件对移动路径进行划分,从而降低各移动路径的路径长度,使得多个运维人员可以在后续同时沿各自对应的移动路径移动以对待处理的共享设备进行处理,进一步提升了对于待处理的共享设备的处理效率。在本实施例中,限定条件可以为移动路径的长度不超过第三阈值,或者移动路径对应的第二设备子集合的数量小于第四阈值等。
容易理解,服务器也可以根据预先设置的限定条件对至少一个第二设备子集合进行路径规划,从而确定至少一条移动路径。
图6是本发明第一实施例的共享设备的另一种分布示意图。如图6所示,L为第二设备子集合61、第二设备子集合62、第二设备子集合63和第二设备子集合64对应的移动路径。具体地,移动路径可以为第二设备子集合61->第二设备子集合62->第二设备子集合63->第二设备子集合64,也可以为第二设备子集合64->第二设备子集合63->第二设备子集合62->第二设备子集合61。可选地,服务器也可以对L进行分割,例如,将L分割为第二设备子集合61与第二设备子集合62之间的L1以及第二设备子集合63第二设备子集合64之间的L2,由此有效降低各维护人员对应的移动路径的路径长度。
步骤S630,分别将各移动路径对应的第二设备子集合确定为一个待处理任务。
在确定至少一条移动路径后,服务器可以将各移动路径对应的第二设备子集合确定为一个待处理任务。仍旧以图6所示的共享设备的分布示意图为例进行说明,在移动路径为L时,服务器可以将第二设备子集合61、第二设备子集合62、第二设备子集合63和第二设备子集合64确定为一个待处理任务;在移动路径为L1和L2时,服务器可以将第二设备子集合61和第二设备子集合62确定为一个待处理任务,并将第二设备子集合63和第二设备子集合64确定为另一个待处理任务。
步骤S700,获取位置范围在目标区域内至少一个任务处理终端的资源属性信息。
资源属性信息也即任务处理资源的资源属性信息。对于各任务处理资源,资源属性信息可以包括该任务处理资源的位置信息(也即,第三位置信息)。第三位置信息用于表征任务处理资源所在的位置,例如可以为经纬度等。容易理解,第三位置信息由任务处理终端发送,可以与针对预定区域(也即目标区域)的数据处理指令同时发送至服务器,也可以不同时发送,本实例不做限定。
容易理解,步骤S700和步骤S100可以同时执行,也可以先后执行,本实施例不做限定。
步骤S800,根据至少一个资源属性信息确定至少一个待处理任务的分配结果。
具体地,服务器可以分别根据各待处理任务对应的至少一个第二设备子集合的第二位置信息以及至少一个任务处理终端的第三位置信息确定各待处理任务的分配结果,以对各待处理任务进行分配。图7是本发明第一实施例的一种可选的实现方式中确定分配结果的流程图。如图7所示,一种可选的方式中,步骤S800可以包括如下步骤:
步骤S810,将各待处理任务分别确定为目标任务。
步骤S820,根据目标任务对应的至少一个第二位置信息与各第三位置信息距离确定目标任务的距离参数。
具体地,服务器可以确定各目标任务中至少一个第二设备子集合的第二位置信息与位置范围在目标区域内的各任务处理资源的第三位置信息的距离,从而根据各目标任务对应的各距离确定各目标任务的距离参数。在本实施例中,距离参数可以为最大距离、最小距离、平均距离、距离方差等,本实施例不做限定。
图8是本发明第一实施例的共享设备与任务处理资源的分布示意图。图8以位置范围在目标区域内的一个任务处理资源为例进行说明。如图8所示,第二设备子集合61、第二设备子集合62、第二设备子集合63和第二设备子集合64为任务处理资源81对应的一个目标任务。服务器可以根据第二设备子集合61的第二位置信息与任务处理资源81的第三位置信息计算第二设备子集合61与任务处理资源81的距离d1,类似地,服务器可以分别计算第二设备子集合62与任务处理资源81的距离d2、第二设备子集合63与任务处理资源81的距离d3以及第二设备子集合64与任务处理资源81的距离d4。进而,服务器可以计算d1、d2、d3和d4的方差作为目标任务对应的距离参数。
容易理解,上述至少一个第二设备子集合可以为目标任务的端点。仍旧以图8所示的分布示意图为例,目标任务的端点可以为第二设备子集合61,也可以为第二设备子集合64。服务器也可以计算第二设备子集合61与任务处理资源81的距离d1或者第二设备子集合64与任务处理资源81的距离d4作为目标任务对应的距离参数。
步骤S830,根据距离参数确定对应的目标任务的分配结果。
距离参数越小,表示任务处理资源与目标任务中的共享设备越接近,通常任务处理资源与目标任务中的共享设备越接近,任务处理资源可以越迅速地接近目标任务中的各第二设备子集合,因此服务器可以将距离参数满足第三条件的目标任务分配给对应的任务处理资源,也即确定目标任务的分配结果。其中,第三条件可以被设置为距离参数排序在最小的前n位,其中n为大于等于1的预定整数。
通常目标区域内存在多个待处理任务,因此位置范围在目标区域内的任务处理资源可能正在处理至少一个待处理任务,为了避免待处理任务过度集中在同一个任务处理资源上,使得该任务处理资源需要逐个完成各待处理任务从而降低对于待处理的共享设备的处理效率,服务器获取到的资源属性信息还可以包括任务处理资源对应的未处理任务数量。未处理任务数量既可以包括任务处理资源还未开始处理的待处理任务的数量,也可以包括任务处理资源还未处理完毕的待处理任务的数量。从而使得服务器可以根据距离参数以及未处理任务数量确定各目标任务的分配结果。具体地,若任一任务处理资源的未处理任务数量满足第四条件且与目标任务的距离参数满足第三条件,服务器可以将目标任务分配给该任务处理资源。
例如,任务1与运维人员1的距离参数为1.5(以km为单位),与运维人员2的距离参数为1.9,均满足第三条件。但运维人员1的待处理任务数量为3(也即,不满足第四条件),则不将任务1分配给运维人员1;运维人员2的待处理任务数量为1(也即,满足第四条件),则可以将任务1分配给运维人员2,也即,确定任务1的分配结果为运维人员2。
在另一种可选的实现方式中,服务器也可以基于匈牙利算法等确定各待处理任务的分配结果。匈牙利算法将一个图中的点分成两个集合,一个集合中的点只能和另一个集合中的点连线,这样的图就是二分图,从而在一个二分图中寻找最大匹配。在本实施例中,上述两个集合分别待处理任务以及多个任务处理资源,两个集合中的点分别为待处理任务中的任一第二设备子集合以及任一任务处理资源,连线也即待处理任务中的任一第二设备子集合以及任一任务处理资源之间的距离。匈牙利算法可以根据各待处理任务与各任务处理资源之间的距离同时确定各待处理任务对应的分配结果,具有较高的分配效率。
可选地,在确定各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S900,向至少一个任务处理终端发送对应的分配结果。
服务器可以向至少一个任务处理终端发送对应的分配结果,使得任务处理终端可以对分配结果进行显示,以提示对应的任务处理资源。可选地,服务器还可以向至少一个任务处理终端发送被分配的待处理任务的相关信息,例如移动路径、待处理任务中各共享设备的第一位置信息等,本实施例不做限定。
本实施例公开了一种数据处理方法、装置、存储介质和电子设备。本发明实施例在接收到针对目标区域的数据处理指令后,获取位置范围在目标区域内的多个共享设备的设备属性信息以及至少一个任务处理终端的资源属性信息,并根据各共享设备的设备属性信息预测对应的被使用概率,并确定第一设备子集合,进而根据对第一设备子集合中各共享设备进行聚类获得的第二设备子集合确定待处理任务,从而根据任务处理终端的资源属性信息确定待处理任务的分配结果。由此,通过上述数据流程可以对待处理的共享单车进行合理分配和确定,使得任务处理资源可以及时处理待处理的共享设备,提升了对于待处理的共享设备的处理效率。
图9是本发明第二实施例的数据处理装置的示意图。如图9所示,本实施例的装置包括第一确定单元91、第一获取单元92、预测单元93、第二确定单元94、聚类单元95、第三确定单元96、第二获取单元97和分配单元98。
其中,第一确定单元91用于响应于接收到针对预定区域的数据处理指令,将所述预定区域确定为目标区域。第一获取单元92用于获取位置范围在所述目标区域内的共享设备集合以及所述共享设备集合中各共享设备的设备属性信息。预测单元93用于基于概率预测模型,根据各所述设备属性信息预测对应的各所述共享设备的被使用概率,所述第一预测模型根据多个共享设备的历史使用记录预先训练获得。第二确定单元94用于根据所述被使用概率确定第一设备子集合。聚类单元95用于根据所述第一设备子集合中各所述共享设备的所述设备属性信息对各所述共享设备进行聚类,获取至少一个第二设备子集合。第三确定单元96用于确定所述至少一个第二设备子集合对应的至少一个待处理任务。第二获取单元97用于获取位置范围在所述目标区域内至少一个任务处理终端的资源属性信息。分配单元98用于根据至少一个所述资源属性信息确定所述至少一个待处理任务的分配结果,以对所述待处理任务进行分配。
本实施例公开了一种数据处理方法、装置、存储介质和电子设备。本发明实施例在接收到针对目标区域的数据处理指令后,获取位置范围在目标区域内的多个共享设备的设备属性信息以及至少一个任务处理终端的资源属性信息,并根据各共享设备的设备属性信息预测对应的被使用概率,并确定第一设备子集合,进而根据对第一设备子集合中各共享设备进行聚类获得的第二设备子集合确定待处理任务,从而根据任务处理终端的资源属性信息确定待处理任务的分配结果。由此,通过上述数据流程可以对待处理的共享单车进行合理分配和确定,使得任务处理资源可以及时处理待处理的共享设备,提升了对于待处理的共享设备的处理效率。
图10是本发明第三实施例的电子设备的示意图。图10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101和存储器102。处理器101和存储器102通过总线103连接。存储器102适于存储处理器101可执行的指令或程序。处理器101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101通过执行存储器102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103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104和显示装置以及输入/输出(I/O)装置105。输入/输出(I/O)装置105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105通过输入/输出(I/O)控制器106与系统相连。
其中,存储器102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。
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)。
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 (9)
1.一种数据处理方法,其特征在于,所述方法包括:
响应于接收到针对预定区域的数据处理指令,将所述预定区域确定为目标区域;
获取位置范围在所述目标区域内的共享设备集合以及所述共享设备集合中各共享设备的设备属性信息,所述设备属性信息包括所述共享设备的第一位置信息、范围标识和范围类别中的至少一项;
基于概率预测模型,根据各所述设备属性信息预测对应的各所述共享设备的被使用概率,所述概率预测模型根据多个共享设备的历史使用记录预先训练获得;
根据所述被使用概率确定第一设备子集合;
根据所述第一设备子集合中各所述共享设备的所述设备属性信息对各所述共享设备进行聚类,获取至少一个第二设备子集合;
确定所述至少一个第二设备子集合对应的至少一个待处理任务;
获取位置范围在所述目标区域内至少一个任务处理终端的资源属性信息;
根据至少一个所述资源属性信息确定所述至少一个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,所述确定所述至少一个第二设备子集合对应的至少一个待处理任务包括:
分别根据各所述第二设备子集合中各所述共享设备的所述第一位置信息确定各所述第二设备子集合的第二位置信息;
对各所述第二位置信息进行路径规划,确定至少一条移动路径,所述移动路径经过至少一个所述第二位置信息;
分别将各所述移动路径对应的所述第二设备子集合确定为一个待处理任务。
2.根据权利要求1所述的方法,其特征在于,所述根据所述使用概率确定第一设备子集合包括:
根据所述被使用概率满足第一条件的至少一个所述共享设备确定所述第一设备子集合。
3.根据权利要求1所述的方法,其特征在于,所述资源属性信息包括所述任务处理终端的第三位置信息;
所述根据至少一个所述资源属性信息确定所述至少一个待处理任务的分配结果包括:
根据所述第二位置信息以及至少一个所述第三位置信息确定对应的所述待处理任务的所述分配结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二位置信息以及至少一个所述第三位置信息确定对应的所述待处理任务的所述分配结果包括:
将各所述待处理任务分别确定为目标任务;
根据所述目标任务对应的至少一个所述第二位置信息与各所述第三位置信息距离确定所述目标任务的距离参数;
根据所述距离参数确定对应的所述目标任务的所述分配结果。
5.根据权利要求4所述的方法,其特征在于,所述资源属性信息还包括任务处理资源对应的未处理任务数量,所述任务处理资源为所述任务处理终端对应的用户;
所述根据所述距离参数确定所述目标任务的分配结果包括:
根据所述距离参数以及对应的所述未处理任务数量确定所述分配结果。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向至少一个所述任务处理终端发送对应的所述分配结果。
7.一种数据处理装置,其特征在于,所述装置包括:
第一确定单元,用于响应于接收到针对预定区域的数据处理指令,将所述预定区域确定为目标区域;
第一获取单元,用于获取位置范围在所述目标区域内的共享设备集合以及所述共享设备集合中各共享设备的设备属性信息,所述设备属性信息包括所述共享设备的第一位置信息、范围标识和范围类别中的至少一项;
预测单元,用于基于概率预测模型,根据各所述设备属性信息预测对应的各所述共享设备的被使用概率,所述概率预测模型根据多个共享设备的历史使用记录预先训练获得;
第二确定单元,用于根据所述被使用概率确定第一设备子集合;
聚类单元,用于根据所述第一设备子集合中各所述共享设备的所述设备属性信息对各所述共享设备进行聚类,获取至少一个第二设备子集合;
第三确定单元,用于确定所述至少一个第二设备子集合对应的至少一个待处理任务;
第二获取单元,用于获取位置范围在所述目标区域内至少一个任务处理终端的资源属性信息;
分配单元,用于根据至少一个所述资源属性信息确定所述至少一个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,所述第三确定单元用于:
分别根据各所述第二设备子集合中各所述共享设备的所述第一位置信息确定各所述第二设备子集合的第二位置信息;
对各所述第二位置信息进行路径规划,确定至少一条移动路径,所述移动路径经过至少一个所述第二位置信息;
分别将各所述移动路径对应的所述第二设备子集合确定为一个待处理任务。
8.一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。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238654.3A CN113469475B (zh) | 2020-03-30 | 2020-03-30 | 数据处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238654.3A CN113469475B (zh) | 2020-03-30 | 2020-03-30 | 数据处理方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469475A CN113469475A (zh) | 2021-10-01 |
CN113469475B true CN113469475B (zh) | 2024-05-14 |
Family
ID=77866110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010238654.3A Active CN113469475B (zh) | 2020-03-30 | 2020-03-30 | 数据处理方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469475B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399344B (zh) * | 2022-03-24 | 2022-07-08 | 北京骑胜科技有限公司 | 数据处理方法和数据处理装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2372625A1 (en) * | 2010-03-30 | 2011-10-05 | Sap Ag | Method for allocating trip sharing |
CN106991577A (zh) * | 2016-01-21 | 2017-07-28 | 中国移动通信集团湖南有限公司 | 一种确定目标用户的方法及装置 |
CN107451714A (zh) * | 2017-06-22 | 2017-12-08 | 浙江力石科技股份有限公司 | 一种基于大数据分析的共享交通资源时域配置方法及系统 |
CN108960476A (zh) * | 2018-03-30 | 2018-12-07 | 山东师范大学 | 基于ap-ti聚类的共享单车流量预测方法及装置 |
CN109636264A (zh) * | 2018-11-02 | 2019-04-16 | 口碑(上海)信息技术有限公司 | 一种基于共享存取装置的购物方法、装置、设备及存储介质 |
CN110322323A (zh) * | 2019-07-02 | 2019-10-11 | 拉扎斯网络科技(上海)有限公司 | 实体展示方法、装置、存储介质和电子设备 |
CN110462604A (zh) * | 2017-01-23 | 2019-11-15 | 萃弈公司 | 基于设备使用关联互联网设备的数据处理系统和方法 |
CN110782050A (zh) * | 2019-10-30 | 2020-02-11 | 上海钧正网络科技有限公司 | 共享车辆运维方法、装置、计算机设备和可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10719792B2 (en) * | 2018-03-26 | 2020-07-21 | GM Global Technology Operations LLC | System and method to distribute and execute rideshare tasks |
-
2020
- 2020-03-30 CN CN202010238654.3A patent/CN113469475B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2372625A1 (en) * | 2010-03-30 | 2011-10-05 | Sap Ag | Method for allocating trip sharing |
CN106991577A (zh) * | 2016-01-21 | 2017-07-28 | 中国移动通信集团湖南有限公司 | 一种确定目标用户的方法及装置 |
CN110462604A (zh) * | 2017-01-23 | 2019-11-15 | 萃弈公司 | 基于设备使用关联互联网设备的数据处理系统和方法 |
CN107451714A (zh) * | 2017-06-22 | 2017-12-08 | 浙江力石科技股份有限公司 | 一种基于大数据分析的共享交通资源时域配置方法及系统 |
CN108960476A (zh) * | 2018-03-30 | 2018-12-07 | 山东师范大学 | 基于ap-ti聚类的共享单车流量预测方法及装置 |
CN109636264A (zh) * | 2018-11-02 | 2019-04-16 | 口碑(上海)信息技术有限公司 | 一种基于共享存取装置的购物方法、装置、设备及存储介质 |
CN110322323A (zh) * | 2019-07-02 | 2019-10-11 | 拉扎斯网络科技(上海)有限公司 | 实体展示方法、装置、存储介质和电子设备 |
CN110782050A (zh) * | 2019-10-30 | 2020-02-11 | 上海钧正网络科技有限公司 | 共享车辆运维方法、装置、计算机设备和可读存储介质 |
Non-Patent Citations (2)
Title |
---|
基于数据驱动的群智感知任务分配算法;张震;李鹏;;计算机应用研究(第08期);全文 * |
大数据分析下城市共享单车资源应急调度仿真;陈桂英;侯桂云;田海丽;;计算机仿真(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113469475A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11305780B2 (en) | Road condition status prediction method, device, and server, and storage medium | |
US10160321B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
CN110210604B (zh) | 一种终端设备移动轨迹预测方法及装置 | |
CN106471851B (zh) | 基于学习模型的设备定位 | |
US11507894B2 (en) | System and method for ride order dispatching | |
CN110852499A (zh) | 回收故障车辆的方法和装置 | |
CN112435469A (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
CN112116158B (zh) | 数据处理方法、数据处理装置、存储介质和电子设备 | |
Rajkumar et al. | An improved public transportation system for effective usage of vehicles in intelligent transportation system | |
CN113469475B (zh) | 数据处理方法、装置、存储介质和电子设备 | |
Zhang et al. | Predicting risky driving in a connected vehicle environment | |
Rui et al. | Smart network maintenance in edge cloud computing environment: An allocation mechanism based on comprehensive reputation and regional prediction model | |
US11904717B2 (en) | Intelligent preconditioning for high voltage electric vehicle batteries | |
US11775852B2 (en) | Network optimization | |
Li et al. | Modeling a Risk‐Based Dynamic Bus Schedule Problem under No‐Notice Evacuation Incorporated with Dynamics of Disaster, Supply, and Demand Conditions | |
Huang et al. | Fine-grained spatio-temporal distribution prediction of mobile content delivery in 5G ultra-dense networks | |
US20230103433A1 (en) | Systems and methods for assigning non-overlapping base stations to technicians for service | |
CN113128831A (zh) | 基于边缘计算的人流引导方法、装置、计算机设备和存储介质 | |
He et al. | Dyna-PTM: OD-enhanced GCN for metro passenger flow prediction | |
Oza et al. | Public transport tracking and its issues | |
Zhou et al. | MBFP generalized association rule mining and classification in traffic volume prediction | |
Peixoto et al. | Design and development of a machine learning-based task orchestrator for intelligent systems on edge networks | |
Nguyen et al. | Application of fuzzy theory for identifying the required availability of an autonomous localization unit in European Train Control System | |
JPWO2020121585A1 (ja) | 移動手段判断装置 | |
CN113283184B (zh) | 一种出行推荐方法、装置、计算机设备和存储介质 |
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 |