CN114627656B - 车辆调度方法和车辆调度管理设备 - Google Patents

Abstract

本公开涉及车辆调度方法和车辆调度管理设备。该方法包括：获取目标停车围栏的围栏信息；获取目标停车围栏的第一目标特征信息，第一目标特征信息是目标停车围栏的与第一时间范围相关的特征信息；获取目标停车围栏的第二目标特征信息，第二目标特征信息是目标停车围栏的与第二时间范围相关的特征信息；第二时间范围根据第一时间范围确定；将围栏信息、第一目标特征信息、第二目标特征信息输入至分类模型，通过分类模型预测目标停车围栏在第一时间范围是否存在车辆淤积情况；在是的情况下，将围栏信息、第一目标特征信息、第二目标特征信息输入至预测模型，通过预测模型预测目标停车围栏在第一时间范围的车辆淤积数量。

Description

车辆调度方法和车辆调度管理设备

技术领域

本发明涉及车辆技术领域，尤其涉及车辆调度方法和车辆调度管理设备。

背景技术

共享车辆，尤其是共享单车已经进入了很多城市。在共享单车的业务场景里，人流量大的地点，比如早晚高峰的地铁站口，经常容易淤积车辆，阻碍交通，需要及时清理。为了能够提早做好调度的准备，运营方需要对车辆淤积情况有一定的预测能力。因此，有必要提出一种具有车辆淤积情况预测能力的车辆度方案。

发明内容

本发明的目的在于提供车辆调度方法和车辆调度管理设备，具有车辆淤积情况预测能力，可以提高车辆运营效率。

根据本发明的第一方面，提供了一种车辆调度方法，包括以下步骤：

获取目标停车围栏的围栏信息；

获取所述目标停车围栏的第一目标特征信息，所述第一目标特征信息是所述目标停车围栏的与第一时间范围相关的特征信息；

获取所述目标停车围栏的第二目标特征信息，所述第二目标特征信息是所述目标停车围栏的与第二时间范围相关的特征信息；

将所述围栏信息、所述第一目标特征信息、所述第二目标特征信息输入至预先训练好的分类模型，通过所述分类模型预测所述目标停车围栏在所述第一时间范围是否存在车辆淤积情况；

在是的情况下，将所述围栏信息、所述第一目标特征信息、所述第二目标特征信息输入至预先训练好的预测模型，通过所述预测模型预测所述目标停车围栏在所述第一时间范围的车辆淤积数量，以及，根据所述目标停车围栏在所述第一时间范围的车辆淤积数量触发与所述目标停车围栏关联的对应于所述第一时间范围的清淤任务，将所述清淤任务下发至终端。

根据本发明的第二方面，提供了一种车辆调度管理设备，包括存储器和处理器，所述存储器存储有计算机指令，所述计算机指令被所述处理器执行时实现本公开第一方面任一项所述的方法。

本发明实施例的车辆调度方案，车辆调度方法和车辆调度管理设备，具有车辆淤积情况预测能力，可以提高车辆运营效率。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

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。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。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相关的附图。

图1示出了本发明实施例提供的共享车辆系统的整体架构示意图；

图2示出了本发明实施例提供的车辆调度方的流程图；

图3示出了本发明实施例提供的车辆调度管理设备的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<共享车辆运营系统>

如图1所示，共享车辆的运营系统100包括服务器1000、终端2000、车辆3000、网络4000。

服务器1000是提供处理能力、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如，服务器例如刀片服务器、云端服务器等，或者可以是由多台服务器组成的服务器群组。

在一个例子中，服务器1000可以如图1所示，包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。尽管服务器也可以包括扬声器、麦克风等等，但是，这些部件与本发明无关，故在此省略。其中，处理器1100例如可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、红外接口等。通信装置1400例如能够进行有线或无线通信。显示装置1500例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘等。

在本实施例中，运营人员持有的终端2000是具有通信功能、业务处理功能的电子设备。终端2000可以是运营人员所持有的移动终端，例如手机、便携式电脑、平板电脑、掌上电脑等等，其上搭载有相应的应用程序(Application，APP)，运营人员可以通过APP接收车辆调度任务、车辆清淤任务、回收故障车辆任务等。

如图1所示，终端2000可以包括处理器2100、存储器2200、接口装置2300、通信装置2400、显示装置2500、输入装置2600、输出装置2700、摄像装置2800，等等。其中，处理器2100可以是中央处理器CPU、微处理器MCU等。存储器2200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括USB接口、耳机接口等。通信装置2400例如能够进行有线或无线通信，例如包括Wifi通信模块、蓝牙通信模块、2G/3G/4G通信模块等。显示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以包括触摸屏、键盘或者麦克风等。输出装置2700用于输出信息，例如可以是扬声器，用于为运营人员输出语音信息。摄像装置2800用于拍摄故障车辆，例如对故障车辆进行扫码以登记故障车辆，例如拍摄故障车辆的故障处的图片上传到服务器等，摄像装置2800例如是摄像头等。终端2000可以包括定位装置(图中没有示出)，例如可以包括GPS定位模块、北斗定位模块等GNSS定位模块。

车辆3000是任何可以分时或分地出让使用权供不同用户共享使用的车辆，例如，用于共享的共享自行车、共享助力车、共享电动车、共享车等等。车辆3000可以是自行车、三轮车、电动助力车、摩托车以及四轮乘用车等各种形态。

如图1所示，车辆3000可以包括处理器3100、存储器3200、接口装置3300、通信装置3400、输出装置3500、输入装置3600、定位装置3700、传感器3800，等等。其中，处理器3100可以是中央处理器CPU、微处理器MCU等。存储器3200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置3300例如包括USB接口、耳机接口等。通信装置3400例如能够进行有线或无线通信，例如包括Wifi通信模块、蓝牙通信模块、2G/3G/4G通信模块等。输出装置3500例如可以是输出信号的装置，可以是显示装置，例如液晶显示屏、触摸显示屏等，也可以是扬声器等输出语音信息等。输入装置3600例如可以包括按键、触摸屏、键盘等，也可以包括麦克风用于输入语音信息。定位装置3700用于提供定位功能，例如可以包括GPS定位模块、北斗定位模块等GNSS定位模块。传感器3800用于获取车辆姿态信息，例如可以是加速度计、陀螺仪、或者三轴、六轴、九轴微机电系统(MEMS)等。

网络4000可以是无线通信网络也可以是有线通信网络，可以是局域网也可以是广域网。在图1所示的车辆系统中，车辆3000与服务器1000、终端2000与服务器1000，可以通过网络4000进行通信。此外，车辆3000与服务器1000、终端2000与服务器1000通信所基于的网络4000可以是同一个，也可以是不同的。

应当理解的是，尽管图1仅示出一个服务器1000、终端2000、车辆3000，但不意味着限制对应的数目，运营系统100中可以包含多个服务器1000、多个终端2000、多个车辆3000。

图1所示的运营系统100仅是解释性的，并且决不是为了要限制本发明、其应用或用途。尽管在图1中对服务器1000、终端2000、车辆3000示出了多个装置，但是，本发明可以仅涉及其中的部分装置。

应用于本发明的实施例中，服务器1000的存储器1200用于存储指令，该指令用于控制处理器1100进行操作以执行本公开实施例提供的车辆调度方法。本领域技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作是本领域公知技术，故在此不再详细描述。

<车辆的调度方法>

本公开实施例提供的车辆调度方法，通过模型对停车围栏在待预测时间范围内的车辆情况进行分类以及预测。本公开实施例中的模型是包括分类模型和预测模型的双层结构，具体来说，首先通过分类模型预测停车围栏在待预测时间范围内是否存在车辆淤积情况，在分类模型输出的预测结果为是的情况下，进一步通过预测模型来预测该停车围栏在该待预测时间范围内的车辆淤积数量。

也就是说，本公开实施例中，车辆淤积数量是指通过预测模型预测出的停车围栏中淤积的车辆的数量，是个预测值。

本公开实施例中的模型是包括分类模型和预测模型的双层结构，该模型结构在很大程度上减少了历史数据过于稀疏对于预测结果的影响，在保持准确率和召回率接近的同时，降低了整体的预测总调度量，使得对车辆淤积数量的预测更加准确。

在一个例子中，分类模型可以采用LightGBM算法实现，预测模型可以采用LightGBM算法实现。LightGBM(Light Gradient Boosting Machine，轻量梯度提升机)算法是一种GBDT(Gradient Boosting Decision Tree，，梯度提升决策树)算法模型，具有训练速度快、内存消耗低、准确率高并且可以支持离散特征等特点。经实际测试，在本公开实施例的停车围栏车辆淤积预测的应用场景下，分类模型和预测模型采用LightGBM算法能够达到较高的准确率。

下面结合图2所示，对本公开实施例提供的车辆调度方法，进行详细说明。本公开实施例提供的车辆调度方法包括步骤S102-S110。

S102、获取目标停车围栏的围栏信息。

本公开实施例中，目标停车围栏就是待预测的停车围栏，目标停车围栏可以是运营区内的任一个停车围栏。

获取目标停车围栏的围栏信息，至少包括获取目标停车围栏的标识。停车围栏的标识是用于将该停车围栏和其他停车围栏区分开的标记。

在一个例子中，获取目标停车的围栏信息，还包括获取目标停车围栏的以下特征信息任一或者任意组合：目标停车围栏的经纬度、目标停车围栏的面积、目标停车围栏的周长。

S104、获取目标停车围栏的第一目标特征信息，第一目标特征信息是目标停车围栏的与第一时间范围相关的特征信息。

本公开实施例中，第一时间范围也就是待预测时间范围。在一个例子中，第一时间范围包括目标日中的目标小时段。目标日也就是待预测日，第一时间范围是待预测日中的目标小时段。例如，目标小时段是06:00-09:00，第一时间范围是目标日的06:00-09:00。在一个例子中，目标小时段可以是00:00-24:00，即，第一时间范围是目标日整天。

在一个例子中，获取目标停车围栏的第一目标特征信息，至少包括以下任一：

(1)获取第一时间范围的日期属性。

第一时间范围的日期属性可以包括以下一个或者多个：第一时间范围当天是星期几、第一时间范围当天是否为工作日、第一时间范围当天是否为周末、第一时间范围当天是否为周末以外的法定节假日。

(2)获取与目标停车围栏、第一时间范围均对应的天气数据。

与目标停车围栏、第一时间范围均对应的天气数据是指目标停车围栏所在地理位置区域在第一时间范围的天气预测数据。例如，第一时间范围是星期二的06:00-09:00，则获取目标停车围栏所在地理位置区域在星期二的06:00-09:00这一时间范围的天气预测数据。

在一个例子中，天气数据包括预测出的空气质量指数、温度数值、是否下雨、是否下雪、以及风速数值中的一个或者多个。

(3)获取在第一时间范围内被用户骑入至目标停车围栏的车辆的数量的预测值，以及在第一时间范围内被用户从目标停车围栏中骑出的车辆的数量的预测值。

在第一时间范围内被用户骑入至目标停车围栏的车辆的数量的预测值，以及在第一时间范围内被用户从目标停车围栏中骑出的车辆的数量的预测值，可以通过预先训练好的其他的模型预测得到，本公开实施例对这一模型不作限定。

S106、获取目标停车围栏的第二目标特征信息，第二目标特征信息是目标停车围栏的与第二时间范围相关的特征信息。

本公开实施例中，第二时间范围与第一时间范围存在关联关系，并且第二时间范围是已经过去的时间范围。本公开实施例中，可以根据第一时间范围确定第二时间范围。

例如，第一时间范围是本周的星期三，则第二时间范围是上一周的星期三或者本周星期二。在一个例子中，第二时间范围和第一时间范围具有相同的日期属性，例如：第一时间范围是工作日，则第二时间范围也为工作日；第一时间范围是周末，则第二时间范围也为周末。

在一个例子中，第一时间范围包括目标日中的目标小时段，根据目标日确定至少一个第一参考日，将第一参考日中的目标小时段作为第二时间范围的子范围。例如，目标日之前的第一天和第七天都是第一参考日，如果目标日是本周的星期三，则本周的星期二和上周的星期三都是第一参考日；如果目标小时段是06:00-09:00，则第一时间范围是本周的星期三的06:00-09:00，第二时间范围有两个子范围，其中一个子范围是本周的星期二的06:00-09:00，另一个子范围是上周的星期三的06:00-09:00。

在一个例子中，目标日和第一参考日的日期属性可以部分或者全部相同。例如：目标日是工作日，第一参考日也是工作日。目标日是周末，第一参考日也是周末。目标日是周二并且是工作日，第一参考日是周一并且是工作日。

获取目标停车围栏的第二目标特征信息，包括：针对每个子范围，获取目标停车围栏的与子范围对应的特征信息。

在一个例子中，获取目标停车围栏的与子范围对应的特征信息，可以包括：获取目标停车围栏在子范围内的车辆数据。

目标停车围栏在子范围内的车辆数据，至少包括以下任一：目标停车围栏在子范围的车辆总供给量、目标停车围栏在子范围的起始时刻的总车辆数、目标停车围栏在子范围的起始时刻的无故障车的数量、在子范围内被用户骑入至目标停车围栏中的车辆的数量、在子范围内被用户从目标停车围栏中骑出的车辆的数量、目标停车围栏在子范围内的实际清淤车辆数量。

目标停车围栏在子范围的车辆总供给量，是指在目标停车围栏在子范围内可以提供给用户使用的车辆。在一个例子中，可以根据以下式子确定目标停车围栏在子范围的车辆总供给量：

Supply＝A+B1+C1-C2-D

其中，Supply为目标停车围栏在子范围的车辆总供给量，A为目标停车围栏在子范围的起始时刻的无故障车的数量，B1为在子范围内被用户骑入至目标停车围栏的车辆的数量，C1为运营人员根据车辆调入任务在子范围内调入至目标停车围栏的车辆的数量，C2为运营人员根据车辆调出任务在子范围内从目标停车围栏的调出的车辆的数量，D为目标停车围栏在子范围内的实际清淤车辆数量。

目标停车围栏在子范围内的实际清淤车辆数量，是指运营人员根据清淤任务在子范围内从目标停车围栏中实际清理掉的车辆数量。

在一个例子中，获取目标停车围栏的与子范围对应的特征信息，还可以包括：获取目标停车围栏在子范围内的车辆淤积数量，目标停车围栏在子范围的车辆淤积数量是通过预测得到的。也就是说，目标停车围栏在子范围的车辆淤积数量和目标停车围栏在第一时间范围的车辆淤积数量的预测过程是相似的。将子范围作为待预测时间范围，使用分类模型预测目标停车围栏在子范围是否存在车辆淤积情况，如果不存在，目标停车围栏在子范围的车辆淤积数量为零；如果存在，使用预测模型预测出目标停车围栏在子范围的车辆淤积数量。

S108、将围栏信息、第一目标特征信息、第二目标特征信息输入至预先训练好的分类模型，通过分类模型预测目标停车围栏在第一时间范围是否存在车辆淤积情况。

S110、在是的情况下，将围栏信息、第一目标特征信息、第二目标特征信息输入至预先训练好的预测模型，通过预测模型预测目标停车围栏在第一时间范围的车辆淤积数量，以及，根据目标停车围栏在第一时间范围的车辆淤积数量触发与目标停车围栏关联的对应于第一时间范围的清淤任务，将清淤任务下发至终端。

本公开实施例的车辆调度方法，首先通过分类模型预测停车围栏在待预测时间范围内是否存在车辆淤积情况，在分类模型输出的预测结果为是的情况下，进一步通过预测模型来预测该停车围栏在该待预测时间范围内的车辆淤积数量，使得对车辆淤积数量的预测更加准确，基于车辆淤积数量下发的清淤任务更为合理，从而提升整体运营效率。

本公开实施例的车辆调度方法，使用多个维度的数组作为模型的预测依据，例如待预测时间范围的日期属性、目标停车围栏在待预测时间范围的天气数据、目标停车围栏在待预测时间范围的车辆骑入/骑出情况、目标停车围栏在对应于待预测时间范围的历史时间范围内的车辆数据，使得分类模型和预测模型的预测更为准确，准确预测出目标停车围栏在待预测时间范围的车辆淤积情况。

在一个例子中，根据目标停车围栏在第一时间范围的车辆淤积数量触发与目标停车围栏关联的对应于第一时间范围的清淤任务，可以包括步骤S202-204。

S202、调用调节参数对目标停车围栏在第一时间范围的车辆淤积数量进行调整，得到目标停车围栏在第一时间范围的目标清淤数量。

S204、按照目标停车围栏在第一时间范围的目标清淤数量，触发与目标停车围栏关联的对应于第一时间范围的清淤任务。

本公开实施例中，目标清淤数量是指基于目标停车围栏在第一时间范围的车辆淤积数量，期望运营人员在第一时间范围内对目标停车围栏完成的车辆清淤数量。

在一个例子中，调用调节参数对目标停车围栏在第一时间范围的车辆淤积数量进行调整，得到目标停车围栏在第一时间范围的目标清淤数量，可以包括步骤S302-308。

S302、根据目标日的日期属性确定多个第二参考日。

在一个例子中，第二参考日和目标日应具有部分或者全部相同的日期属性，并且，第二参考日是已经过去的日子。例如：目标日是工作日，第二参考日也应当是工作日。目标日是本周日，多个第二参考日包括本周日之前三个月内的周六和周日。目标日是本周五并且是工作日，本周一至本周四、上周一至上周四均是工作日，上周五是法定节假日不是工作日，多个第二参考日包括本周一至本周四、上周一至上周四，但并不包括上周五。

S304、对于运营区的N个停车围栏中的每个停车围栏，分别确定该停车围栏的第一调节参数β。

其中，N为大于1的整数，N个停车围栏中包括目标停车围栏。在一个例子中，N个停车围栏可以是运营区中的全部停车围栏，其中包括目标停车围栏。

确定停车围栏的第一调节参数，包括：获取停车围栏在每个第二参考日中的目标小时段的实际清淤车辆数量并加入到该停车围栏对应的数组中，根据该停车围栏对应的数组确定该停车围栏的第一调节参数。停车围栏在第二参考日中的目标小时段的实际清淤车辆数量，是指运营人员根据清淤任务在第二参考日的目标小时段内从该停车围栏中实际清理掉的车辆数量。

在一个例子中，该停车围栏的第一调节参数，可以是该停车围栏对应的数组的方差、标准差、均方差之一。

例如：一共有10个第二参考日，则对于每一个参考日，分别获取停车围栏在该第二参考日中的目标小时段的实际清淤数量，则一共获取到10个数值，将这10个数值作为一个数组，计算该数组的方差/标准差/均方差作为该停车围栏的第一调节参数β。

S306、对N个停车围栏的第一调节参数β的绝对值进行相加，得到第二调节参数β’。

S308、获取N个停车围栏在第一时间范围内的车辆淤积数量的和值作为第一和值Q，获取N个停车围栏的总清淤目标值Q’。计算总清淤目标值Q’与第一和值Q之间的差值，作为第三调节参数K。

停车围栏在第一时间范围内的车辆淤积数量，是通过上述预测方式预测出来的。N个停车围栏的总清淤目标值Q’，是人为设置的期望值。

在一个例子中，调用调节参数对目标停车围栏在第一时间范围的车辆淤积数量进行调整，包括步骤S402-S406。

S402、计算目标停车围栏的第一调节参数β与第二调节参数β’的比值。

S402、计算第三调节参数K与所述比值的乘积作为调节值。

S402、计算目标停车围栏在第一时间范围的车辆淤积数量P与调节值的和值作为第二和值，将第二和值作为目标停车围栏在第一时间范围的目标清淤数量P’。

也就是说，P’＝P+K*β/β’＝P+(Q’-Q)*β/β’

本公开实施例的模型训练过程和前述调度方法实施例中的实际使用过程类似。这里不再说明。在训练开始之前，舍弃训练数据中调度量过少的停车围栏，以避免训练结果造成偏差。

由于所需清淤的真实需求是无法准确得知的，使用预测误差来评估模型较为片面。而一般的模型预测指标，例如均方误差与平均绝对百分比误差，又无法正确评估本模型好坏(因为清淤数据零值过多)。本方案在设计算法的同时，也构建了一套相应的评估系统，用以评估模型预测的好坏。评估指标既要能够描述预测值的准确性，也要能够体现出预测是偏高还是偏低。所以核心的两个主指标，定义为“非零值满足度”和“调度量变化百分比”。

在一个例子中，可以通过表1中的两个核心指标来评估模型的性能。

表1

在一个例子中，可以通过表2中的一个或者多个辅助指标来评估模型的性能。

表2

在表1和表2中，真实值是指运营人员在现场根据停车围栏的实际情况确定的真实清淤需求所对应的车辆数量，预测值是预测模型预测出的车辆淤积数量，两者在用于计算上述指标时应对应于同一停车围栏、同一时间范围。预测调度值是预测模型预测出的、运营区的多个停车围栏的车辆淤积数量的和值，真实调度值是运营区的多个停车围栏基于清淤任务所实际完成的清淤车辆数量的和值，两者在用于计算上述指标时应对应于同一运营区的同一批停车围栏、同一时间范围。

本方案基于上述评估指标，调节模型参数，最优化模型输出。

本方案现已在全国清淤量最多的前十个城市模拟运行，在把调度量变化百分比控制在90％的前提下，工作日准确率从之前人工策略的36％上升至60％，召回率从51％上升至60％。其中表现效果最好城市的准确率和召回率均能达到70％。

对于本领域技术人员来说，可以通过硬件方式、软件方式或软硬件结合的方式实现前述车辆调度方法。

<车辆调度管理设备>

基于同一发明构思，参考图3介绍本发明实施例的车辆调度管理设备，以执行前述车辆调度方法。

参见图3所示，本发明实施例提供的车辆调度管理设备200，车辆调度管理设备200包括：处理器220和存储器210。存储器210用于存储计算机指令，该计算机指令被处理器220执行时，实现前述任一实施例的车辆调度方法。

本发明实施例的车辆调度管理设备，例如可以是图1所示的服务器1000。

图3所示的车辆管理调度设备仅是解释性的，并且决不是为了要限制本发明、其应用或用途。本领域技术人员应当理解，尽管在图3中示出了多个装置，但是，本发明实施例的车辆管理调度设备可以仅涉及其中的部分装置。本领域技术人员可以根据本发明所公开方案设计指令，指令如何控处理器进行操作是本领域公知技术，故在此不再详细描述。

需要说明的是，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。但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。另外，对于装置实施例而言，由于其是与方法实施例相对应，所以描述得比较简单，相关之处参见方法实施例的对应部分的说明即可。以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可是不是物理上分开的。

另外，附图中的流程图和框图显示了根据本发明的多个实施例的系统、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，所述模块、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，两个连续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动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。

本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

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、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (7)

1.一种车辆调度方法，其特征在于，包括以下步骤：

获取目标停车围栏的围栏信息；

获取所述目标停车围栏的第一目标特征信息，所述第一目标特征信息是所述目标停车围栏的与第一时间范围相关的特征信息；

获取所述目标停车围栏的第二目标特征信息，所述第二目标特征信息是所述目标停车围栏的与第二时间范围相关的特征信息；其中，所述第二时间范围根据所述第一时间范围确定；

将所述围栏信息、所述第一目标特征信息、所述第二目标特征信息输入至预先训练好的分类模型，通过所述分类模型预测所述目标停车围栏在所述第一时间范围是否存在车辆淤积情况；

在是的情况下，将所述围栏信息、所述第一目标特征信息、所述第二目标特征信息输入至预先训练好的预测模型，通过所述预测模型预测所述目标停车围栏在所述第一时间范围的车辆淤积数量，以及，根据所述目标停车围栏在所述第一时间范围的车辆淤积数量触发与所述目标停车围栏关联的对应于所述第一时间范围的清淤任务，将所述清淤任务下发至终端；

其中，所述第一时间范围包括目标日中的目标小时段；在获取所述目标停车围栏的第二目标特征信息之前，根据所述目标日确定至少一个第一参考日；将所述第一参考日中的目标小时段作为所述第二时间范围的子范围；所述获取目标停车围栏的第二目标特征信息包括：针对每个子范围，获取所述目标停车围栏的与所述子范围对应的特征信息；

其中，所述根据所述目标停车围栏在所述第一时间范围的车辆淤积数量触发与所述目标停车围栏关联的对应于所述第一时间范围的清淤任务，包括：

根据所述目标日的日期属性确定多个第二参考日；对于运营区的N个停车围栏中的每个停车围栏，分别确定该停车围栏的第一调节参数；其中，所述N为大于1的整数，所述N个停车围栏包括所述目标停车围栏；所述确定停车围栏的第一调节参数，包括：获取停车围栏在每个所述第二参考日中的目标小时段的实际清淤车辆数量并加入到该停车围栏对应的数组中，根据该停车围栏对应的数组确定该停车围栏的第一调节参数；对所述N个停车围栏的第一调节参数的绝对值进行相加，得到第二调节参数；获取所述N个停车围栏在所述第一时间范围内的车辆淤积数量的和值作为第一和值，获取所述个停车围栏的总清淤目标值；计算所述总清淤目标值与所述第一和值之间的差值，作为第三调节参数；

计算所述目标停车围栏的第一调节参数与所述第二调节参数的比值；计算所述第三调节参数与所述比值的乘积作为调节值；计算所述目标停车围栏在所述第一时间范围的车辆淤积数量与所述调节值的和值作为第二和值，将所述第二和值作为所述目标停车围栏在所述第一时间范围的目标清淤数量；

按照所述目标停车围栏在所述第一时间范围的目标清淤数量，触发与所述目标停车围栏关联的对应于所述第一时间范围的清淤任务。

2.根据权利要求1所述的方法，其特征在于，所述分类模型和/或所述预测模型采用Light GBM算法实现。

3.根据权利要求1所述的方法，其特征在于，所述目标停车围栏的围栏信息包括所述目标停车围栏的标识；

所述目标停车围栏的围栏信息还包括以下至少任一：所述目标停车围栏的经纬度、所述目标停车围栏的面积、所述目标停车围栏的周长。

4.根据权利要求1所述的方法，其特征在于，所述获取所述目标停车围栏的第一目标特征信息，至少包括以下任一：

获取所述第一时间范围的日期属性；

获取与所述目标停车围栏和所述第一时间范围均对应的天气数据；

获取在所述第一时间范围内被用户骑入至所述目标停车围栏的车辆的数量的预测值，以及在所述第一时间范围内被用户从所述目标停车围栏中骑出的车辆的数量的预测值。

5.根据权利要求1所述的方法，其特征在于，所述获取所述目标停车围栏的与所述子范围对应的特征信息，包括：

获取所述目标停车围栏在所述子范围内的车辆数据；

所述目标停车围栏在所述子范围内的车辆数据，至少包括以下任一：所述目标停车围栏在所述子范围的车辆总供给量、所述目标停车围栏在所述子范围的起始时刻的总车辆数、所述目标停车围栏在所述子范围的起始时刻的无故障车的数量、在所述子范围内被用户骑入至所述目标停车围栏中的车辆的数量、在所述子范围内被用户从所述目标停车围栏中骑出的车辆的数量、所述目标停车围栏在所述子范围内的实际清淤车辆数量。

6.根据权利要求1所述的方法，其特征在于，所述获取所述目标停车围栏的与所述子范围对应的特征信息，包括：

获取所述目标停车围栏在所述子范围内的车辆淤积数量，所述目标停车围栏在所述子范围的车辆淤积数量是通过预测得到的。

7.一种车辆调度管理设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机指令，所述计算机指令被所述处理器执行时实现权利要求1-6任一项所述的方法。

Images