CN114048915A - 机场无障碍服务资源规划方法、装置、设备及介质 - Google Patents
机场无障碍服务资源规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114048915A CN114048915A CN202111391594.XA CN202111391594A CN114048915A CN 114048915 A CN114048915 A CN 114048915A CN 202111391594 A CN202111391594 A CN 202111391594A CN 114048915 A CN114048915 A CN 114048915A
- Authority
- CN
- China
- Prior art keywords
- resource
- deployment
- demand
- points
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000009826 distribution Methods 0.000 claims abstract description 58
- 238000010586 diagram Methods 0.000 claims abstract description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004138 cluster model Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004064 dysfunction Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种机场无障碍服务资源规划方法、装置、设备及介质,该方法包括:获取旅客的意图需求信息和对应的坐标值,所述坐标值为旅客发送所述意图需求信息时所处的坐标位置;确定每个意图需求信息对应的资源类型;基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图;基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点。该方案能够根据旅客的意图需求信息,快速确定出每类资源部署的数量和位置,以为机场提供旅客服务资源部署的合理化建议,优化资源部署种类与数量,节约了机场投入成本及维护开销,提升了旅客出行的服务水平,同时也增加了旅客满意度。
Description
技术领域
本发明一般涉及民航技术领域,具体涉及一种机场无障碍服务资源规划方法、装置、设备及介质。
背景技术
随着民航技术的不断发展,机场不断推进无障碍服务的环境建设,通过在航站区部署不同数量、不同类型的服务资源。为了让更多功能障碍等特殊旅客能够在航空出行过程中,享受到资源提供的便利,对无障碍服务资源进行规划显得尤为重要。
目前,相关技术中通过根据人工设计经验进行航站楼的无障碍资源规划且投入使用,但是,随着航站楼的长时间运行,需要不断地根据旅客的实际需求进行局部调整,往往出现航站楼中不同区域内的资源过剩、资源不足、资源类型不匹配等问题,导致资源浪费。因此,如何对机场无障碍服务资源进行规划是现今亟待解决的问题。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种机场无障碍服务资源规划方法、装置、设备及介质。
第一方面,本发明提供了一种机场无障碍服务资源规划方法,该方法包括:
获取旅客的意图需求信息和与所述意图需求信息对应的坐标值,所述坐标值为旅客发送所述意图需求信息时所处的坐标位置;
确定每个意图需求信息对应的资源类型;
基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图;
基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点。
第二方面,本申请实施例提供了一种机场无障碍服务资源规划装置,该装置包括:
获取模块,用于获取旅客的意图需求信息和与所述意图需求信息对应的坐标值,所述坐标值为旅客发送所述意图需求信息时所处的坐标位置;
类型确定模块,用于确定每个意图需求信息对应的资源类型;
分布确定模块,用于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图;
位置确定模块,用于基于每种资源的需求位置分布图和覆盖区域半径,确定所述每类资源部署的部署数量和资源部署点。
第三方面,本申请实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述机场无障碍服务资源规划方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序用于实现如第一方面所述的机场无障碍服务资源规划方法。
综上所述,本申请实施例提供的机场无障碍服务资源规划方法、装置、设备及介质,通过获取旅客的意图需求信息和对应的坐标值,该坐标值为旅客发送意图需求信息时所处的坐标位置,并确定每个意图需求信息对应的资源类型,基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图,基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点。该技术方案能够根据旅客的意图需求信息,快速确定出每类资源部署的数量和位置,以为机场提供旅客服务资源部署的合理化建议,优化资源部署种类与数量,节约了机场投入成本及维护开销,提升了旅客出行的服务水平,同时也增加了旅客满意度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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它的附图。
图1为本申请实施例提供的机场无障碍服务资源规划的实施环境的架构示意图;
图2为本申请实施例提供的机场无障碍服务资源规划方法的流程示意图;
图3为本申请实施例提供的意图需求信息与资源类型之间的对应关系的示意图;
图4为本申请实施例提供的意图需求信息和对应的坐标值的部分示意图;
图5为本申请实施例提供的某种服务资源对应的需求位置分布图;
图6为本申请实施例提供的确定每种资源的部署数量和资源部署点方法的流程示意图;
图7为本申请实施例提供的某种服务资源的聚类结果示意图;
图8为本申请实施例提供的聚类簇的结构示意图;
图9为本申请实施例提供的聚类簇的几何中心坐标点集示意图;
图10为本申请实施例提供的“饮水机”资源对应的坐标点集示意图;
图11为本申请实施例提供的“服务设备”资源对应的坐标点集示意图;
图12为本申请实施例提供的服务资源参数配置结构示意图;
图13为本申请实施例提供的“饮水机”和“服务设备”资源对应的需求位置分布图;
图14为本申请实施例提供的“饮水机”和“服务设备”资源对应的算法优化迭代次数示意图;
图15为本申请实施例提供的“饮水机”和“服务设备”资源对应的资源部署规划示意图;
图16为本申请实施例提供的“饮水机”和“服务设备”资源对应的资源部署建议示意图;
图17为本发明实施例提供的机场无障碍服务资源规划装置的结构示意图;
图18为本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
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;并且,基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
可以理解,随着民航机场旅客出行服务保障能力的不断提升,出现了越来越多的功能障碍等特殊旅客选择航空方式出行,为了跟随特殊旅客的服务需求,民航机场不断优化完善航站楼内的无障碍服务资源。目前,相关技术中通过根据人工设计经验进行航站楼的无障碍资源规划且投入使用,由于机场无法对已部署的无障碍服务资源进行服务反馈统计,在优化无障碍服务资源部署规划时,会出现资源过剩、资源不足、资源类型不匹配等针对性不强、覆盖面不强等问题。因此,如何对机场无障碍服务资源进行规划是现今需要解决的问题。
基于上述缺陷,本发明实施例提供了一种机场无障碍服务资源规划方法,与现有技术相比,该技术方案能够根据旅客的意图需求信息,快速确定出每类资源部署的数量和位置,以为机场提供旅客服务资源部署的合理化建议,优化资源部署种类与数量,节约了机场投入成本及维护开销,提升了旅客出行的服务水平,同时也增加了旅客满意度。
图1是本申请实施例提供的一种机场无障碍服务资源规划方法的实施环境架构图。如图1所示,该实施环境架构包括:终端100和服务器200。
终端100可以是智能电视、智能电视机顶盒等智能家居设备,或者终端100可以是智能手机、平板电脑以及电子书阅读器等移动式便携终端,或者,该终端100可以是智能眼镜、智能手表等智能可穿戴设备,本实施例对此不进行具体限定。
服务器200可以是一台服务器,也可以是由若干台服务器构成的服务器集群,或者服务器200可以包含一个或多个虚拟化平台,或者服务器200可以是一个云计算服务中心。
其中,服务器200可以是为上述终端100中安装的AI应用提供后台服务的服务器设备。
终端100与服务器200之间通过有线或无线网络建立通信连接。可选的,上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan AreaNetwork,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。
为了便于理解和说明,下面通过图2至图18详细阐述本申请实施例提供的机场无障碍服务资源规划方法、装置、设备及介质。
需要说明的是,下述法实施例的执行主体可以是机场无障碍服务资源规划装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为终端设备的部分或者全部。下述方法实施例的执行主体以服务器为例来进行说明。
图2为本发明实施例提供的机场无障碍服务资源规划方法的流程示意图,如图2所示,该方法包括:
S101、获取旅客的意图需求信息和和对应的坐标值,该坐标值为旅客发送意图需求信息时所处的坐标位置。
具体的,可以通过调用数据库获取旅客在航站楼内出行过程中的所有意图需求信息和意图需求信息对应的地理信息系统(Geo-Information system,简称GIS)轨迹数据,也可以通过调用接口获取得到,还可以是通过外部设备导入获取得到,在获取到GIS轨迹数据后,从而可以获取到所有意图需求信息对应的坐标值,该坐标值为旅客发送意图需求信息时所处的坐标位置。该意图需求信息是指旅客在航站楼出行过程中的意图信息,例如可以是“drinking”、“asking information”、“pay query”、“call server”等。
S102、确定每个意图需求信息对应的资源类型。
S103、基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图。
需要说明的是,在获取到旅客出行过程中的意图需求信息和与意图需求信息对应的坐标值后,可以对其进行处理,确定每种意图需求信息对应的资源类型,并生成每种资源的需求位置分布图。可选的,可以通过在坐标系中将意图需求信息虚拟化处理为意图点,并基于每个意图需求信息对应的资源类型和坐标值,筛选相同资源类型的意图点,生成每种资源的需求位置分布图。
具体的,由于每种服务资源可为旅客提供的服务资源类型不同,在获取到旅客的意图需求信息后,可以根据资源类型与意图需求信息之间的对应关系,对旅客的意图需求信息进行分析确定与意图需求信息对应的资源类型。其中,资源类型与意图需求信息之间为一对多的关系,即一种资源可以对应多种意图需求信息,上述资源类型与意图需求信息之间的对应关系可以参见图3所示,如意图需求信息“drinking”和“payment”对应的资源类型均为“water resources”,意图需求信息“asking information”、“pay query”、“callserver”对应的资源类型均为“service resources”。
在不同地图坐标点上虚拟旅客意图,筛选出同类型服务资源的意图需求信息,并将相同资源类型对应的意图需求信息产生的坐标值x和y作为聚类模型的输入参数,从而生成需求位置分布图,其中,如图4所示为意图需求信息和对应的坐标值示意图,图5为某种服务资源对应的需求位置分布图,其中,该坐标系为平面直角坐标系,横轴为横坐标值x,纵轴为纵坐标值y,可以通过上述需求位置分布图清楚直观地看到意图信息点对应的分布情况。
S104、基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源部署的部署数量和资源部署点。
可选的,在上述实施例的基础上,图6为本申请实施例提供的确定每种资源的部署数量和资源部署点方法的流程示意图,如图6所示,该方法包括:
S201、基于每种资源的需求位置分布图,采用聚类算法确定每种资源的初始数量和初始位置。
具体的,可以采用基于密度的聚类算法对需求位置分布图中的资源需求点进行聚类处理,生成聚类结果,该聚类结果中包括至少一个簇,可以通过获取聚类模型的领域半径和聚类最少点数,并基于领域半径、聚类最少点数和意图点对应的坐标值,确定核心点和边缘点,并将核心点与边缘点相连,得到密度相连点,并在需求位置分布图中,将密度相连点在领域半径内的聚集点确定为簇。其中,图7为聚类结果的示意图,该图中不同灰度颜色表示不同的簇,而这些簇周围的深色点代表的是噪声单,判断一个簇,需要根据DBSCAN聚类模型的领域半径epsilon和聚类最少点数min_samples两个参数值,请参见图8所示,当p点领域半径epsilon范围内点的数量大于等于聚类最少点数min_samples时,确定p点为核心点,而可以将其周边点称为边缘点,如果某个边缘点的领域半径epsilon范围内的点数也是大于等于聚类最少点数min_samples,该边缘点为除p点之外的点可视为q点,点q和点p连起来称为密度相连,从而构成密度相连点点,则将密度相连点在领域半径内的聚集点成为簇。
可选的,上述聚类算法可以是采用DBSCAN聚类算法。可以理解的是,由于DBSCAN聚类中心与资源服务半径不相关,因此DBSCAN的聚类结果并不能直接用于规划最后的资源资源部署点,而且DBSCAN只有位置属性,不能对资源部署数量及服务覆盖率进行优化。因而DBSCAN算法的计算结果主要用于估算每类资源的部署数量。需要说明的是,DBSCAN算法是一种基于密度的聚类算法,由密度可达关系导出的最大密度相连的样本集合,其聚类结果即为最终聚类的一个类别,或者是一个簇。
在完成聚类处理后,需求位置分布图中不属于任意一个簇的资源需求点即为噪声点,可以去除需求位置分布图中的噪声点,然后统计去除噪声点后的需求位置分布图中的资源需求点的数量,然后根据去除噪声点后的需求位置分布图中的资源需求点的数量和资源对应的服务容量值,计算资源部署的初始数量。
具体实施时,统计去除噪声点后的需求位置分布图中的资源需求点的总数Ntotal,总数Ntotal除以该资源对应的服务容量值S,得到资源数量估计值NPRE=Ntotal/S;若资源数量估计值不小于聚类获得的簇的数量,则将资源数量估计值作为资源部署的初始数量;若资源数量估计值大于聚类获得的簇的数量,则将簇的数量作为资源部署的初始数量。
以图7所示的某种服务资源的聚类结果为例,DBSCAN聚类模型将意图点聚类为了5个簇,去除噪声点后的需求位置分布图中的资源需求点的数量为714个。
进一步地,可以将无障碍服务资源1次能够服务的旅客最大数量视为服务资源的服务能力,即服务容量值,视为S,并将通过DBSCAN聚类模型计算出的聚类用户数量设为n,则资源部署的数量M可以通过如下公式计算:
M=round(n/S);
其中,n为聚类用户数量,即去除噪声点后的需求位置分布图中的资源需求点的数量,S为资源对应的服务容量值。该资源部署的数量M的结果可以采用四舍五入的方式取整数值。
示例性地,请参见图5所示,其中,volume就是服务资源的服务容量,即S=volume=220,而n为去除噪声点后的需求位置分布图中的资源需求点的数量,以图7为例,n=714,故M=round(n/S)=round(714/220)≈3(台)。故得出应资源部署的初始数量为3。
可选的,可以根据意图点对应的坐标值和去噪后的意图点总数,计算每个簇的几何中心的坐标值,然后基于每个簇的几何中心确定每种资源的初始位置。由于每一簇是一个有限点集,因此其适用于有限点集的几何中心算法。在计算某一个簇的几何中心的过程中,通过根据意图点对应的坐标值,确定每个意图点对应的横坐标值和纵坐标值;将该簇各个意图点对应的横坐标值进行相加求和,用求和结果除以去噪后的意图点总数,得到几何中心的横坐标值;将该簇各个意图点的纵坐标值进行相加,用相加结果除以去噪后的意图点总数,得到几何中心的纵坐标值;从而基于几何中心的横坐标值和几何中心的纵坐标值,确定几何中心的坐标值,进而得到所有簇中几何中心坐标点集。可以参见图9所示的5个簇中的几何中心坐标点集示意图,其中,每簇中心的深色小圆点即为该簇的几何中心。
在基于每个簇的几何中心确定资源的初始位置时,当资源的初始数量小于簇的数量时,则按照簇包含的资源需求点数量由少到多的顺序依次删除N个簇,将余下的每个簇的几何中心作为资源的初始位置,其中,N等于簇的数量与初始数量的差值;若资源的初始数量等于簇的数量时,则将每个簇的几何中心作为资源的初始位置。
本实施例中通过聚类模型分析旅客意图需求点的轨迹数据,将旅客意图的噪声干扰数据去除,且能够根据聚类的量精准地确定资源配置数目,从而是实现投放资源地类型与用户需求的类型相匹配,并实现服务资源按需部署,减少了冗余。
S202、针对每种资源,在资源的初始位置和初始数量的基础上对资源的部署数量和资源部署点进行迭代优化,直至资源的资源覆盖率满足预设条件,获得资源最终的部署数量和资源部署点,其中资源覆盖率是基于资源对应的覆盖区域半径、部署数量和资源部署点确定的。
具体地,可以在资源的初始位置的基础上,对资源的资源部署点进行迭代优化,以使得资源覆盖率达到最大值。若资源覆盖率的最大值不满足预设条件,则资源的部署数量增加1并新增一个资源部署点,在上一轮优化获得的资源部署点和新增的资源部署点的基础上,继续对资源的资源部署点进行迭代优化,以使得资源覆盖率达到最大值,其中,资源的部署数量的初始值为资源的初始数量。
可以理解的是,服务资源选址主要目标是在意图点密集区域满足一定功能服务覆盖率,在进行目标优化时,要根据聚类模型提供的每个簇的几何中心的坐标值进行最终目标点的优化计算。任何一种无障碍服务资源都有其自身的服务范围,且服务范围主要是考虑到旅客的选择意愿。服务覆盖率是指部署的服务资源能够最大程度覆盖用户的无障碍服务需求,其中,服务资源的覆盖区域假定为圆形,在圆形区域内的旅客被视为被覆盖,被覆盖旅客数量所占比例即为服务覆盖率。由于服务资源的类型有所区别,服务覆盖区域面积也有所不同,可以通过覆盖区域半径确定,其中,覆盖区域半径可通过参数设置来确定。在资源选址过程中,要达到的旅客服务覆盖率阈值也可以通过参数来设置,从而约定算法在覆盖率不达标时可重复进行迭代,直至旅客服务目标覆盖率达标为止。例如可以将无障碍服务资源对用户的服务目标覆盖率设定为95%,将覆盖区域半径设置为90米,然后采用预设算法进行计算服务资源部署点。
可选的,上述预设算法可以是爬山算法、遗传算法、最速下降法、模拟退火法、粒子群算法及禁忌搜索算法中的一种或多种。
具体地,在对资源的部署点进行每一次的迭代过程中,基于资源的覆盖区域半径、以及通过本次迭代优化获得的资源部署点,确定每个资源部署点的资源覆盖范围,然后基于聚类获得的每个簇中各资源需求点的坐标值和每个资源部署点的资源覆盖范围,将落入各个资源覆盖范围内的资源需求点分配给对应的资源部署点。其中,一个资源需求点只能分配给唯一的一个资源部署点。然后确定分配给各资源部署点的资源需求点的总数M1,并基于总数M1和聚类获得的所有簇包含的资源需求点的总数M2(即去除噪声点后的需求位置分布图中的资源需求点的总数),确定本次迭代优化后的资源覆盖率。具体地,资源覆盖率=(M1/M2)×100%。
其中,在基于去除噪声点后的需求位置分布图中各资源需求点的坐标值和每个资源部署点的资源覆盖范围,将落入资源覆盖范围内的资源需求点分配给对应的资源部署点的过程中,若资源需求点仅落入唯一的一个资源部署点的资源覆盖范围,则将该资源需求点分配给该资源部署点;若资源需求点同时落入至少两个资源部署点的资源覆盖范围,则计算该资源需求点分别到上述至少两个资源部署点的距离,将该资源需求点分配给距离该资源需求点最近的一个资源部署点。
作为一种可实现方式,针对仅落入唯一资源覆盖范围的资源需求点,如果分配给该资源部署点的资源需求点的数量超过了服务容量值S,则按各资源需求点到该资源部署点的距离远近,去掉较远的多个资源需求点,保证分配给每个资源部署点的资源需求点不超过S。例如,假设分配给资源部署点的资源需求点数量为178个,且服务容量值S为177个,则去掉距离资源部署点距离最远的一个资源部署点即可。
作为另一种可实现方式,针对同时落入多个资源覆盖范围的资源需求点,如果距离最近的一个资源部署点被分配的资源需求点的数量已经达到S,则将该资源需求点分配给距离第二近的资源部署点,如果距离第二近的资源部署点的配额也达到了服务容量值S,则分配给距离第三近的资源部署点,以此类推。例如,在将落入资源覆盖范围的资源需求点分配给对应的资源部署点的过程中,假设资源需求点h同时落入a、b、c三个资源部署点的资源覆盖范围内,可以先按资源需求点h到该a、b、c三个资源部署点之间的距离远近,确定出资源需求点h与资源部署点a之间的距离最近,其次是资源部署点b之间的距离次之,然后与资源部署点c之间的距离最远。且该资源部署点a被分配的资源需求点的数量已经达到服务容量值S,则判断资源部署点b被分配的资源需求点的数量是否已经达到对应的服务容量值S,如果资源部署点b被分配的资源需求点的数量已经达到对应的服务容量值S,且该资源部署点c被分配的资源需求点的数量未达到对应的服务容量值S,则将该资源需求点h分配给资源部署点c。
需要说明的是,资源覆盖率是指分配给各资源部署点的资源需求点的总数和去除噪声点后的需求位置分布图中的资源需求点的数量的占比,其中,分配给各资源部署点的需求点的总数M1对应的被覆盖需求点集可以通过如下公式表示:
可选的,可以将资源覆盖率目标函数用fCT来表示,在已知每类资源部署数量的前提下,获得资源覆盖率。如果资源覆盖率fCT的值能够达到1,也就是说资源覆盖率在达到100%的时候,服务资源选址模型可达到最优覆盖水平,此时的资源部署点就是我们寻求的最优解,即最优目标函数f_CT可以通过如下公式表示:
需要说明的是,可以采用遗传算法对资源的部署点进行迭代优化,以使得资源覆盖率达到最大值时,可以先后经过编码、初始化种群、选择、交叉、变异等过程计算出最优解。
示例性地,假设从获取的旅客的意图需求信息中提取出的资源类型为饮水机和服务设备,其中,饮水机资源对应“pay”意图需求信息,服务设备资源对应“ask_for_directions”意图需求信息。上述两种资源意图的轨迹点坐标分别如图10和图11所示,在图中intent字段表示意图需求信息内容,x、y表示意图点产生的横、纵坐标。
然后通过sklearn、geatpy及matplotlib等工具库构建聚类分析环境,可以先进行DBSCAN聚类模型的运行前参数设定,即获取聚类模型的领域半径epsilon=50和形成聚类的聚类最少点min_samples=50,从而得到的服务资源参数配置如图12所示。并通过DBSCAN聚类模型和几何中心法分别生成“饮水机”和“服务设备”资源部署的需求位置分布图,该需求位置分布图可以参见图13所示,其中,图13a为饮水机对应的需求位置分布图,图13b为服务设备对应的需求位置分布图。
在得到需求位置分布图后,可以设置“饮水机”、“服务设备”的服务覆盖区域半径分别为90米、50米;初始种群大小为100;资源覆盖率为95%。其中,遗传算法迭代次数不需人工设置,达到或超过目标覆盖率后计算自动停止。当资源覆盖率无法收敛满足资源覆盖率要求时,且连续N次收敛的极限值不变时,程序会在遗传算法中自动增加一台资源数量,再次进行遗传计算,直到达到资源覆盖率要求。对于N值的判断,通过测试及经验,本次程序中可以设置N=30。遗传算法参数设置完毕后,开始执行算法运算,优化服务资源部署坐标及数量,提出服务资源的规划部署建议。
其中,对于“饮水机”、“服务设备”等服务资源的优化过程,如图14所示呈现了算法在达到资源覆盖率过程中对应的算法优化迭代次数。图14a为饮水机对应的算法优化迭代次数示意图,图14b为服务设备对应的算法优化迭代次数示意图。
在经过上述迭代优化后,得到服务资源“饮水机”的部署规划如图15a所示,服务资源“服务设备”的部署规划如图15b所示,图中红色的圆点为资源的部署坐标点,其周围的圆圈表示该资源的服务覆盖范围,在服务覆盖范围内包含除噪声点外所有意图点的95%,即达到了覆盖目标的要求。得到的服务资源“饮水机”的规划部署建议如图16a所示,得到的服务资源“服务设备”的规划部署建议如图16b所示,该规划部署建议中包括该类资源部署的数量和每类资源部署点。
本申请实施例提供的机场无障碍服务资源规划方法,通过获取旅客的意图需求信息和与意图需求信息对应的坐标值,该坐标值为旅客发送意图需求信息时所处的坐标位置,并确定每个意图需求信息对应的资源类型,基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图,基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点。该技术方案能够根据旅客的意图需求信息,快速确定出每类资源部署的数量和位置,以为机场提供旅客服务资源部署的合理化建议,优化资源部署种类与数量,节约了机场投入成本及维护开销,提升了旅客出行的服务水平,同时也增加了旅客满意度。
应当注意,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
另一方面,图17为本发明实施例提供的机场无障碍服务资源规划装置的结构示意图。如图17所示,该装置可以实现如图2-3所示的方法,该装置可以包括:
获取模块10,用于获取旅客的意图需求信息和与意图需求信息对应的坐标值,坐标值为旅客发送意图需求信息时所处的坐标位置;
类型确定模块20,用于确定每个意图需求信息对应的资源类型;
分布确认模块30,用于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图;
位置确定模块40,用于基于每种资源的需求位置分布图和覆盖区域半径,确定每类资源部署的部署数量和资源部署点。
可选的,上述位置确定模块40,具体用于:
基于每种资源的需求位置分布图,采用聚类算法确定每种资源的初始数量和初始位置;
针对每种资源,在资源的初始位置和初始数量的基础上对资源的部署数量和资源部署点进行迭代优化,直至资源的资源覆盖率满足预设条件,获得资源最终的部署数量和资源部署点,其中资源覆盖率是基于资源对应的覆盖区域半径、部署数量和资源部署点确定的。
可选的,上述位置确定模块40,具体用于:
采用基于密度的聚类算法对需求位置分布图中的资源需求点进行聚类处理,以获得至少一个簇;
去除所述需求位置分布图中的噪声点,所述噪声点为不属于任意一个簇的资源需求点;
根据去除噪声点后的需求位置分布图中的资源需求点的数量和资源对应的服务容量值,确定资源的初始数量;
基于每个簇的几何中心确定资源的初始位置。
可选的,上述位置确定模块40,还用于:
若所述初始数量小于簇的数量,则按照簇包含的资源需求点数量由少到多的顺序依次删除N个簇,将余下的每个簇的几何中心作为资源的初始位置,其中,N等于所述簇的数量与所述初始数量的差值;
若所述初始数量等于簇的数量,则将每个簇的几何中心作为资源的初始位置。
可选的,上述位置确定模块40,还用于:
在资源的初始位置的基础上,对资源的资源部署点进行迭代优化,以使得资源覆盖率达到最大值;
若资源覆盖率的最大值不满足预设条件,则资源的部署数量增加1并新增一个资源部署点,在上一轮优化获得的资源部署点和新增的资源部署点的基础上,对资源的资源部署点进行迭代优化,以使得资源覆盖率达到最大值,其中,资源的部署数量的初始值为所述初始数量。
可选的,上述位置确定模块40,还用于:
基于资源的覆盖区域半径、以及通过本次迭代优化获得的资源部署点,确定每个资源部署点的资源覆盖范围;
基于所述至少一个簇中各资源需求点的坐标值和每个资源部署点的资源覆盖范围,将落入资源覆盖范围内的资源需求点分配给对应的资源部署点;
确定分配给各资源部署点的资源需求点的总数M1;
基于所述总数M1和所述至少一个簇包含的资源需求点的总数M2,确定本次迭代优化后的资源覆盖率。
可选的,上述位置确定模块40,还用于:
若资源需求点仅落入唯一的资源部署点的资源覆盖范围,则将该资源需求点分配给所述唯一的资源部署点;
若资源需求点同时落入至少两个资源部署点的资源覆盖范围,则将该资源需求点分配给至少两个资源部署点中距离该资源需求点最近的一个资源部署点。
本实施例提供的机场无障碍服务资源规划装置,可以执行上述方法的实施例,其实现原理和技术效果类似,在此不再赘述。
图18为本发明实施例提供的一种计算机设备的结构示意图。如图18所示,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统700的结构示意图。
如图18所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中,还存储有系统700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口706也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口706。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施例,上文参考图2描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行图2的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、数量确定模块、构建模块和位置确定模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,获取模块还可以被描述为“用于获取旅客的意图需求信息和对应的坐标值”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,前述程序被一个或者一个以上的处理器用来执行描述于本申请的机场无障碍服务资源规划方法。
综上所述,本申请实施例提供的机场无障碍服务资源规划方法、装置、设备及介质,通过获取旅客的意图需求信息和与意图需求信息对应的坐标值,该坐标值为旅客发送意图需求信息时所处的坐标位置,并确定每个意图需求信息对应的资源类型,基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图,基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点。该技术方案能够根据旅客的意图需求信息,快速确定出每类资源部署的数量和位置,以为机场提供旅客服务资源部署的合理化建议,优化资源部署种类与数量,节约了机场投入成本及维护开销,提升了旅客出行的服务水平,同时也增加了旅客满意度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种机场无障碍服务资源规划方法,其特征在于,所述方法包括:
获取旅客的意图需求信息和对应的坐标值,所述坐标值为旅客发送所述意图需求信息时所处的坐标位置;
确定每个意图需求信息对应的资源类型;
基于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图;
基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点。
2.根据权利要求1所述的方法,其特征在于,基于每种资源的需求位置分布图和覆盖区域半径,确定每种资源的部署数量和资源部署点,包括:
基于每种资源的需求位置分布图,采用聚类算法确定每种资源的初始数量和初始位置;
针对每种资源,在资源的初始位置和初始数量的基础上对资源的部署数量和资源部署点进行迭代优化,直至资源的资源覆盖率满足预设条件,获得资源最终的部署数量和资源部署点,其中资源覆盖率是基于资源对应的覆盖区域半径、部署数量和资源部署点确定的。
3.根据权利要求2所述的方法,其特征在于,基于每种资源的需求位置分布图,采用聚类算法确定每种资源的初始数量和初始位置,包括:
采用基于密度的聚类算法对需求位置分布图中的资源需求点进行聚类处理,以获得至少一个簇;
去除所述需求位置分布图中的噪声点,所述噪声点为不属于任意一个簇的资源需求点;
根据去除噪声点后的需求位置分布图中的资源需求点的数量和资源对应的服务容量值,确定资源的初始数量;
基于每个簇的几何中心确定资源的初始位置。
4.根据权利要求3所述的方法,其特征在于,所述基于每个簇的几何中心确定资源的初始位置,包括:
若所述初始数量小于簇的数量,则按照簇包含的资源需求点数量由少到多的顺序依次删除N个簇,将余下的每个簇的几何中心作为资源的初始位置,其中,N等于所述簇的数量与所述初始数量的差值。
5.根据权利要求3所述的方法,其特征在于,在资源的初始位置和初始数量的基础上对资源的部署数量和资源部署点进行迭代优化,包括:
在资源的初始位置的基础上,对资源的资源部署点进行迭代优化,以使得资源覆盖率达到最大值;
若资源覆盖率的最大值不满足预设条件,则资源的部署数量增加1并新增一个资源部署点,在上一轮优化获得的资源部署点和新增的资源部署点的基础上,对资源的资源部署点进行迭代优化,以使得资源覆盖率达到最大值,其中,资源的部署数量的初始值为所述初始数量。
6.根据权利要求3所述的方法,其特征在于,在每一次迭代优化过程中,所述方法还包括:
基于资源的覆盖区域半径、以及通过本次迭代优化获得的资源部署点,确定每个资源部署点的资源覆盖范围;
基于所述至少一个簇中各资源需求点的坐标值和每个资源部署点的资源覆盖范围,将落入资源覆盖范围内的资源需求点分配给对应的资源部署点;
确定分配给各资源部署点的资源需求点的总数M1;
基于所述总数M1和所述至少一个簇包含的资源需求点的总数M2,确定本次迭代优化后的资源覆盖率。
7.根据权利要求6所述的方法,其特征在于,基于所述至少一个簇中各资源需求点的坐标值和每个资源部署点的资源覆盖范围,将落入资源覆盖范围内的资源需求点分配给对应的资源部署点,包括:
若资源需求点仅落入唯一的资源部署点的资源覆盖范围,则将该资源需求点分配给所述唯一的资源部署点;
若资源需求点同时落入至少两个资源部署点的资源覆盖范围,则将该资源需求点分配给至少两个资源部署点中距离该资源需求点最近的一个资源部署点。
8.一种机场无障碍服务资源规划装置,其特征在于,所述装置包括:
获取模块,用于获取旅客的意图需求信息和与所述意图需求信息对应的坐标值,所述坐标值为旅客发送所述意图需求信息时所处的坐标位置;
类型确定模块,用于确定每个意图需求信息对应的资源类型;
分布确定模块,用于每个意图需求信息对应的资源类型和坐标值,确定每种资源的需求位置分布图;
位置确定模块,用于基于每种资源的需求位置分布图和覆盖区域半径,确定所述每类资源部署的部署数量和资源部署点。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序用于被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111391594.XA CN114048915A (zh) | 2021-11-23 | 2021-11-23 | 机场无障碍服务资源规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111391594.XA CN114048915A (zh) | 2021-11-23 | 2021-11-23 | 机场无障碍服务资源规划方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114048915A true CN114048915A (zh) | 2022-02-15 |
Family
ID=80211191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111391594.XA Pending CN114048915A (zh) | 2021-11-23 | 2021-11-23 | 机场无障碍服务资源规划方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048915A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451503A (zh) * | 2023-05-15 | 2023-07-18 | 宁波安得智联科技有限公司 | 物流平台设施选址方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492848A (zh) * | 2017-09-13 | 2019-03-19 | 北京国双科技有限公司 | 资源调配方法和装置 |
CN109976901A (zh) * | 2017-12-28 | 2019-07-05 | 航天信息股份有限公司 | 一种资源调度方法、装置、服务器及可读存储介质 |
CN110298558A (zh) * | 2019-06-11 | 2019-10-01 | 欧拉信息服务有限公司 | 车辆资源部署方法和装置 |
-
2021
- 2021-11-23 CN CN202111391594.XA patent/CN114048915A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492848A (zh) * | 2017-09-13 | 2019-03-19 | 北京国双科技有限公司 | 资源调配方法和装置 |
CN109976901A (zh) * | 2017-12-28 | 2019-07-05 | 航天信息股份有限公司 | 一种资源调度方法、装置、服务器及可读存储介质 |
CN110298558A (zh) * | 2019-06-11 | 2019-10-01 | 欧拉信息服务有限公司 | 车辆资源部署方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451503A (zh) * | 2023-05-15 | 2023-07-18 | 宁波安得智联科技有限公司 | 物流平台设施选址方法、装置、设备及存储介质 |
CN116451503B (zh) * | 2023-05-15 | 2023-11-07 | 宁波安得智联科技有限公司 | 物流平台设施选址方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110851529A (zh) | 算力调度方法及相关设备 | |
WO2018155770A1 (ko) | 가치 평가를 이용하여 건물 모델을 설계하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
CN111510957B (zh) | 基于多目标约束优化的移动边缘服务器坐标定位方法 | |
CN109787915B (zh) | 网络访问的流量控制方法、装置、电子设备及存储介质 | |
CN109697637A (zh) | 对象类别确定方法、装置、电子设备及计算机存储介质 | |
CN111311193B (zh) | 公共服务资源的配置方法和装置 | |
CN114048915A (zh) | 机场无障碍服务资源规划方法、装置、设备及介质 | |
CN110992123B (zh) | 一种订单派发方法及装置 | |
CN110889738B (zh) | 一种订单派发方法及装置 | |
CN114205831B (zh) | 一种优化方案的确定方法、装置、存储介质及设备 | |
CN116112981A (zh) | 一种基于边缘计算的无人机任务卸载方法 | |
CN115629885A (zh) | 群智感知中基于局部预算共享的多源任务分配方法及系统 | |
CN109087219A (zh) | 一种旅游云计算系统及方法、终端 | |
CN108898172A (zh) | 一种消防网格更新方法、装置及设备 | |
CN110991710B (zh) | 为能源补给站确定布置位置的方法及相关设备 | |
CN117014389A (zh) | 算网资源配置方法及系统、电子设备、存储介质 | |
CN116645308A (zh) | 图像处理方法、装置、计算机存储介质及电子设备 | |
CN115691206A (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN111724089A (zh) | 一种订单收派分配方法、系统、终端及存储介质 | |
CN113129098B (zh) | 一种订单分配方法及装置 | |
CN115511343A (zh) | 一种城市核心区域的确定方法、装置、设备以及存储介质 | |
CN114971412A (zh) | 订单分配方法、订单分配平台、订单分配系统及存储介质 | |
Ke et al. | Medley deep reinforcement learning-based workload offloading and cache placement decision in UAV-enabled MEC networks | |
CN113033931A (zh) | 闭环自适应个体及区域分配方法、装置及计算设备 | |
CN113822455A (zh) | 一种时间预测方法、装置、服务器及存储介质 |
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 |