CN114819536A - 一种车辆调度方法 - Google Patents
一种车辆调度方法 Download PDFInfo
- Publication number
- CN114819536A CN114819536A CN202210353472.XA CN202210353472A CN114819536A CN 114819536 A CN114819536 A CN 114819536A CN 202210353472 A CN202210353472 A CN 202210353472A CN 114819536 A CN114819536 A CN 114819536A
- Authority
- CN
- China
- Prior art keywords
- period
- order quantity
- time period
- weather
- riding
- 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
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
- G06Q10/0631—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及共享电单车技术领域,特别涉及一种车辆调度方法,包括以下步骤:获取预设区域的历史订单数据,并对其进行预处理;获取预设区域当前时间段的当前订单量Ot,获取该区域往期X个预设周期内对应日期同一时间段的历史订单量O1、O2...Ox,并计算其历史平均订单量Oe,其中X为正整数且X≥3;将当前订单量Ot与历史平均订单量Oe进行对比,根据对比结果判断当前是否处于不适合骑行天气期间;根据判断结果对处于不适合骑行天气期间的区域以及处于适合骑行天气期间的区域进行车辆调度;本发明无须额外建立检测站点,根据订单量的对比结果进行判断,便能获取对城市内共享电动单车覆盖到的大部分区域的降雨情况,覆盖面广,且成本低廉。
Description
【技术领域】
本发明涉及共享电单车技术领域,特别涉及一种车辆调度方法。
【背景技术】
对于共享电单车行业来说,城市是否天气状况是否适合骑行,对于城市的营业状态有非常大的影响。
由于不同区域的人流量以及需求的不动,导致共享电单车的流动并不是均匀的,而为了保证各个区域共享电单车数量的均衡,就需要通过车辆调度来保证有效满足用户的共享出行需求;
而车辆调度需要通过订单量对某个区域的营业状态分析以提供数据支撑,需要考虑降雨等不适合骑行天气状况的影响,因此需要一种方法来识别天气状态城市。
虽然气象站能准确记录降雨量、雷暴等天气状态,但是气象站的数据仅能反映气象站附近的天气情况,并不能覆盖城区所有位置的天气情况,无法准确且全面地反馈所有区域的天气情况;导致现有的车辆调度存在不合理的情况。
【发明内容】
为解决气象站的数据无法准确且全面地反馈所有区域的天气情况导致现有的车辆调度存在不合理的情况问题,本发明提供了一种车辆调度方法。
本发明解决技术问题的方案是提供一种车辆调度方法,包括以下步骤:
获取预设区域当前时间段的当前订单量Ot;
获取该预设区域往期X个预设周期内对应日期同一时间段的历史订单量O1、O2...Ox,并计算其历史平均订单量Oe,其中X为正整数且X≥3;
将当前订单量Ot与历史平均订单量Oe进行对比,根据对比结果判断当前是否处于不适合骑行天气期间;
根据判断结果对处于不适合骑行天气期间的区域以及处于适合骑行天气期间的区域进行车辆调度。
优选地,所述该预设区域往期X个预设周期内对应日期同一时间段的历史订单量之前先要获取该区域的历史订单数据,并对其进行预处理,具体包括以下步骤:
获取该区域的历史订单数据;
根据天气情况对订单数据进行区分。
优选地,所述历史订单数据包括每个时间段内的订单数量、天气情况,以及对应的时间段所处日期类型为工作日还是非工作日。
优选的,预处理包括以下步骤:
判断当前时间段所处日期与获取的历史订单量的所处日期是否同为工作日或同为非工作日;
若获取的历史订单量的所处日期类型为工作日还是非工作日与当前时间段所处日期的类型相反,则将该历史订单量排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至当前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日。
优选地,该预设区域为分布有共享电单车的区域。
优选地,所述获取该预设区域当前时间段的当前订单量Ot,获取该区域往期X个预设周期内对应日期同一时间段的历史订单量O1、O2...Ox,并计算其历史平均订单量Oe,具体包括以下步骤:
根据当前所在时间段、日期和周期,确定需要调取历史订单量的所在周期,日期,及时间段;
根据确定的需要调取历史订单量的所在周期,日期,及时间段,获取相关历史订单量并计算其历史平均订单量Oe。
优选地,预设周期为一个星期,获取往期X个预设周期内的相同时间段历史订单量指获取前几周对应日期同一时间段的历史订单量。
优选地,所述将当前订单量Ot与平均订单量Oe进行对比,根据对比结果判断当前是否处于不适合骑行天气期间,具体包括以下步骤:
计算Ot与Oe的比值R;
计算Ot与Oe的差值D;
综合比值R及差值D,判断当前所在时间段是否处于不适合骑行天气期间。
优选地,当R减一的差小于第一阈值Tr,且D小于第二阈值Td时,判定预设区域的当前时间段天气不适合骑行了。
优选地,在进行车辆调度时,优先从处于不适合骑行天气期间的区域调取车辆;当需要补充车辆的区域处于不适合骑行天气期间时,可以降低为其调取车辆的优先度。
与现有技术相比,本发明的车辆调度方法具有以下优点:
1、本发明的车辆调度方法通过用预设区域共享电单车当前时间段的当前订单量与意外预设周期内对应日期同一时间段的历史平均订单量作对比,根据订单量的对比结果来判断天气情况是否适合骑行,无须额外建立检测站点,便能获取对城市内共享电动单车覆盖到的大部分区域的天气情况,覆盖面广,且成本低廉;此外根据判断结果对处于不适合骑行天气期间的区域以及处于适合骑行天气期间的区域进行车辆调度,利于提高车辆调度的合理性。
2、本发明的基于共享电单车订单变化判断天气情况的方法是通过将当前订单量Ot与历史平均订单量Oe进行对比来进行判断的,显然,在计算历史平均订单量Oe时,若选用了天气情况不适合骑行的时间段内的历史订单量,会对后续的计算造成影响而本发明根据天气情况对订单数据进行区分,便于在后续步骤中为选用数据时提供参考,从而实现只选择天气情况适合骑行的时间段内的历史订单量来进行历史平均订单量Oe的计算,这样计算得到的平均订单量Oe更能代表正常情况下的共享电单车运营情况,利于提高判断的准确率。
3、本发明通过将日期类型与当前时间段所处日期的日期类型不同的历史订单量数据排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至当前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日,此设计利于进一步保证对比样本的一致性,从而进一步提高判断的准确率。
4、本发明的车辆调度方法,还包括以下步骤:将处于不适合骑行天气期间的区域的相关信息推送到客户端和/或在客户端的地图上显示。可以理解的,此设计可以让用户实时了解到各个区域当前的天气是否适合骑行,辅助客户判断是否出行,或选择何种出行方式,利于优化用户使用体验。
5、本发明的车辆调度方法,还包括以下步骤:当用户的目的地为不适合骑行天气期间的区域或用户正在前往不适合骑行天气期间的区域时,通过客户端对其进行预警。便于让用户可以提前针对该区域的特殊天气情况做出应对,从而进一步优化用户使用体验。
6、本发明的车辆调度方法详细划分了周期、日期及时间段,便于进行精准分析,指向性强;而且,通过在预定的周期和日期的对应时间段内来获取历史订单量,利于保证对比样本的一致性,进一步提高判断的准确率。
7、本发明的预设周期为一个星期,此设计便于区分工作日与非工作日,当当前时间段所处日期为星期一时,获取前几周的星期一对应时间段的历史订单量,在绝大多数情况下,能有效地保证前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日。
8、本发明的综合比值R及差值D,判断当前所在时间段是否处于不适合骑行天气期间,利于提高判断结果的可靠程度。
9、本发明的车辆调度方法只有在R减一的差小于第一阈值Tr,且D小于第二阈值Td时,才判定预设区域的当前时间段天气情况不适合骑行,利于进一步提高判断结果的可靠程度。
10、本发明的车辆调度方法在进行车辆调度时,优先从处于不适合骑行天气期间的区域调取车辆;当需要补充车辆的区域处于不适合骑行天气期间时,可以降低为其调取车辆的优先度,此设计利于进一步提高车辆调度的合理性。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的车辆调度方法的框图。
图2是本发明第一实施例提供的车辆调度方法之步骤S2的框图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“左上”、“右上”、“左下”、“右下”以及类似的表述只是为了说明的目的。
请结合图1和图2,本发明第一实施例提供一种车辆调度方法,通过预设区域共享电单车订单量的变化来判断天气状态是否适合骑行,包括以下步骤:
步骤S1:获取预设区域当前时间段的当前订单量Ot;
步骤S2:获取该预设区域往期X个预设周期内对应日期同一时间段的历史订单量O1、O2...Ox,并计算其历史平均订单量Oe,其中X为正整数且X≥3;
步骤S3:将当前订单量Ot与历史平均订单量Oe进行对比,根据对比结果判断当前是否处于不适合骑行天气期间;
步骤S4:根据判断结果对处于不适合骑行天气期间的区域以及处于适合骑行天气期间的区域进行车辆调度。
可以理解的,本发明的车辆调度方法通过用预设区域共享电单车当前时间段的当前订单量与意外预设周期内对应日期同一时间段的历史平均订单量作对比,根据订单量的对比结果来判断当前的天气状态是否适合骑行,无须额外建立检测站点,便能获取对城市内共享电动单车覆盖到的大部分区域的天气情况,覆盖面广,且成本低廉。
具体的,本实施例中,可根据对比结果判断当前时间段是否为降雨、台风或雷暴等不适合骑行的天气。
可选的,预设区域的历史订单数据可从数据库或云端获取。
具体的,本实施例中,预设区域的历史订单数据从云端获取。
可选的,时间段可以是一天,可以是数小时或几十分钟。具体的,本实施例中,选择界定一个时间段位一小时。优选的,界定时间段为从一个整数钟点到下一个整数钟点所间隔的一小时。
可选的,预设周期为一个星期或一个月,获取往期X个预设周期内的相同时间段历史订单量指获取前几周对应日期同一时间段的历史订单量。
进一步的,在选择往期X个预设周期内对应日期同一时间段的历史订单量时,可以就近选择之前刚过完的三个连续的周期,也可以选择非连续的三个周期。比如说,预设一个周期是一个月,如当天为8月6日,那么我么可以选择获取该区域5月6日、6月6日及7月6日三天对应时间段的历史订单量;也可以选择获取该区域3月6日、5月6日及7月6日三天对应时间段的历史订单量。
具体的,本实施例中,预设周期为一星期。可以理解的,当预设周期为一星期时,若当前时间段为周一的早上9:00~10:00,则往期X个预设周期内对应日期同一时间段则指往前X周的每周一的早上9:00~10:00。
进一步的,步骤S1具体包括以下步骤:
步骤S11:选择要获取当前订单量Ot的区域大小及时间段;
步骤S12:对所选区域内的所有共享订单车在所选时间段期间发起的订单进行累计获得当前订单量Ot。
可以理解的,本发明通过划分区域和明确时间段,可以做到精准地获取当前订单量Ot,精准地反映共享电单车在所选区域及所选时间段内的运营情况,利于提高判断的准确率
进一步的,在获取该预设区域往期X个预设周期内对应日期同一时间段的历史订单量之前先要获取该区域的历史订单数据,并对其进行预处理,具体包括以下步骤:
S20A:获取该区域的历史订单数据;
S20B:根据天气情况对订单数据进行区分。
可以理解的,本发明的基于共享电单车判断天气情况是否适合骑行的方法是通过将当前订单量Ot与历史平均订单量Oe进行对比来进行判断的,显然,在计算历史平均订单量Oe时,若选用了天气情况不适合骑行的时间段内的历史订单量,会对后续的计算造成影响而本发明根据天气情况对订单数据进行区分,便于在后续步骤中为选用数据时提供参考,从而实现只选择天气情况适合骑行的时间段内的历史订单量来进行历史平均订单量Oe的计算,这样计算得到的平均订单量Oe更能代表正常情况下的共享电单车运营情况,利于提高判断的准确率。
进一步的,在计算其历史平均订单量Oe之前,还包括以下步骤:
步骤S20C:判断当前时间段所处日期与获取的历史订单量的所处日期是否同为工作日或同为非工作日;若获取的历史订单量的所处日期类型为工作日还是非工作日与当前时间段所处日期的类型相反,则将该历史订单量排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至当前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日。
可以理解的,本发明通过将日期类型与当前时间段所处日期的日期类型不同的历史订单量数据排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至当前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日,此设计利于进一步保证对比样本的一致性,从而进一步提高判断的准确率。
进一步的,在计算其历史平均订单量Oe之前,还包括以下步骤:
步骤S20D:判断当前时间段所处日期与获取的历史订单量的所处日期的对应时间段内的天气是否适合骑行;比如说是否存在降雨;若对应时间段内的天气不适合骑行有则将对应时间段的历史订单量排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至所获取历史订单量对应的时间段内的天气皆适合骑行。
可以理解的,本发明车辆调度方法是通过将当前订单量Ot与历史平均订单量Oe进行对比来进行判断的,显然,在计算历史平均订单量Oe时,若选用了存在降雨等不适合骑行的天气情况的时间段内的历史订单量,则历史平均订单量Oe无法精准地反应共享电单车的正常运营情况,会对后续的计算造成影响。而本发明根据天气情况对订单数据进行区分,从而实现只选择适合骑行的天气情况的时间段内的历史订单量来进行历史平均订单量Oe的计算,这样计算得到的平均订单量Oe更能代表正常情况下的共享电单车运营情况,利于提高判断的准确率。
进一步的,所述历史订单数据包括每个时间段内的订单数量、天气情况,以及对应的时间段所处日期类型为工作日还是非工作日。
可以理解的,本发明历史订单数据包括每个时间段内的订单数量、天气情况,以及对应的时间段所处日期类型为工作日还是非工作日,可以理解的,日期类型为工作日还是非工作日会对共享电单车的订单数量造成极大的影响,因此,通过在获取数据是对日期类型进行标定分类,可以在判断天气情况时将日期类型这一因素排除在外,从而进一步提高判断的准确率。
进一步的,订单数量只要将每天运营情况上传即可天气情况可以使通过气象台获取的,也可以是此前通过本方法的判断结果。
可选的,预设区域为分布有共享电单车的区域。可根据实际需求选择分析区域的大小,灵敏度高,实用性强。
进一步的,步骤S2具体包括以下步骤:
步骤S21:根据当前所在时间段、日期和周期,确定需要调取历史订单量的所在周期,日期,及时间段;
步骤S22:根据确定的需要调取历史订单量的所在周期,日期,及时间段,获取相关历史订单量并计算其历史平均订单量Oe。
可以理解的,本发明的车辆调度方法详细划分了周期、日期及时间段,便于进行精准分析,指向性强;而且,通过在预定的周期和日期的对应时间段内来获取历史订单量,利于保证对比样本的一致性,进一步提高判断的准确率。
具体的,历史平均订单量Oe的计算式为:Oe=(O1+O2+...+Ox)/X
进一步的,步骤S3具体包括以下步骤:
步骤S31:计算Ot与Oe的比值R;
步骤S32:计算Ot与Oe的差值D;
步骤S33:综合比值R及差值D,判断当前所在时间段是否处于不适合骑行天气期间。
可以理解的,本发明的综合比值R及差值D,判断当前所在时间段是否处于不适合骑行天气期间,利于提高判断结果的可靠程度。
进一步的,当R减一的差小于第一阈值Tr,且D小于第二阈值Td时,判定预设区域的当前时间段的天气情况不适合骑行。此设计利于进一步提高判断结果的可靠程度。
比如说,预设第一阈值Tr=-0.3,第二阈值Td=-2000。当某地在早上8:00~9:00期间的当前订单量Ot为800,三个历史订单数据分别为:O1=2300、O2=2800、O3=2500。则根据计算可得历史平均订单量Oe=2500,Ot与Oe的比值R=0.32,Ot与Oe的差值D=-1700。
此时,R-1=-0.68<Tr=-0.3,D=-1700>Td=-2000。虽然比值R减小很多,但差值不大。因此判断为预设区域的当前时间段的天气情况适合骑行。可以理解的,若当前区域使用共享电单车的人数基数过小时,就会出现订单量数量减少不多,但是比值R变化较大的情况,而这很可能只是正常的浮动,只是因为平均订单太小才造成比值过大的情况。
在历史订单数据不变的情况下,若某地在早上8:00~9:00期间的当前订单量Ot为400,则Ot与Oe的比值R=0.16,Ot与Oe的差值D=-2100。此时,R-1=-0.84<Tr=-0.3,D=-2100<Td=-2000。判断该地在早上8:00~9:00期间存在的天气情况不适合骑行。
再比如,同样预设第一阈值Tr=-0.3,第二阈值Td=-2000。当某地在早上8:00~9:00期间的当前订单量Ot为12000,三个历史订单数据分别为:O1=18000、O2=23000、O3=19000。则根据计算可得历史平均订单量Oe=20000,Ot与Oe的比值R=0.6,Ot与Oe的差值D=-8000。
此时,R-1=-0.4<Tr=-0.3,D=-8000小于Td=-2000。判断该地区在早上8:00~9:00期间的天气情况不适合骑行。
在历史订单数据不变的情况下,若某地在早上8:00~9:00期间的当前订单量Ot为1600,则Ot与Oe的比值R=0.80,Ot与Oe的差值D=-4000。此时,R-1=-0.20大于Tr=-0.3,D=-4000<Td=-2000。判断该地在早上8:00~9:00期间的天气情况适合骑行。
虽然差值很大,但比值R可以看出比例并没有减小太多。因此判断该区域在该期间的天气情况适合骑行。可以理解的,若当前区域使用共享电单车的人数基数过大时,就会出现订单量数量变化较大,但是比值R变化较小的情况,而这很可能只是正常的浮动,只是因为使用共享电单车的人数基数太大才造成差值过大的情况。
可以理解的,预设第一阈值Tr=-0.3,第二阈值Td=-2000的意思是:当当天订单比平均少于30%,且绝对值少于2000单的时候,判断对应时间段期间该城市的天气情况不适合骑行。
进一步的,步骤S4具体包括以下步骤:
步骤S41:根据结果判断得到各个区域是否处于不适合骑行天气期间,并根据判断结果在各个区域之间进行车辆调度。
进一步的,在为需要补充车辆的区域进行车辆调度时,优先从处于不适合骑行天气期间的区域调取车辆。
进一步的,当需要补充车辆的区域处于不适合骑行天气期间时,可以降低为其调取车辆的优先度。
可以理解的,此设计利于提高车辆调度的合理性。
进一步的,本车辆调度方法还包括以下步骤:
步骤S5:将判断结果上传。
进一步的,本车辆调度方法还包括以下步骤:
步骤S6:将处于不适合骑行天气期间的区域的相关信息推送到客户端和/或在客户端的地图上显示。
可以理解的,此设计可以让用户实时了解到各个区域当前的天气是否适合骑行,辅助客户判断是否出行,或选择何种出行方式,利于优化用户使用体验。
进一步的,本车辆调度方法还包括以下步骤:
步骤S7:当用户的目的地为不适合骑行天气期间的区域或用户正在前往不适合骑行天气期间的区域时,通过客户端对其进行预警。便于让用户可以提前针对该区域的特殊天气情况做出应对,从而进一步优化用户使用体验。
与现有技术相比,本发明的车辆调度方法具有以下优点:
1、本发明的车辆调度方法通过用预设区域共享电单车当前时间段的当前订单量与意外预设周期内对应日期同一时间段的历史平均订单量作对比,根据订单量的对比结果来判断天气情况是否适合骑行,无须额外建立检测站点,便能获取对城市内共享电动单车覆盖到的大部分区域的天气情况,覆盖面广,且成本低廉。
2、本发明的基于共享电单车订单变化判断天气情况的方法是通过将当前订单量Ot与历史平均订单量Oe进行对比来进行判断的,显然,在计算历史平均订单量Oe时,若选用了天气情况不适合骑行的时间段内的历史订单量,会对后续的计算造成影响而本发明根据天气情况对订单数据进行区分,便于在后续步骤中为选用数据时提供参考,从而实现只选择天气情况适合骑行的时间段内的历史订单量来进行历史平均订单量Oe的计算,这样计算得到的平均订单量Oe更能代表正常情况下的共享电单车运营情况,利于提高判断的准确率。
3、本发明通过将日期类型与当前时间段所处日期的日期类型不同的历史订单量数据排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至当前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日,此设计利于进一步保证对比样本的一致性,从而进一步提高判断的准确率。
4、本发明的车辆调度方法,还包括以下步骤:将处于不适合骑行天气期间的区域的相关信息推送到客户端和/或在客户端的地图上显示。可以理解的,此设计可以让用户实时了解到各个区域当前的天气是否适合骑行,辅助客户判断是否出行,或选择何种出行方式,利于优化用户使用体验。
5、本发明的车辆调度方法,还包括以下步骤:当用户的目的地为不适合骑行天气期间的区域或用户正在前往不适合骑行天气期间的区域时,通过客户端对其进行预警。便于让用户可以提前针对该区域的特殊天气情况做出应对,从而进一步优化用户使用体验。
6、本发明的车辆调度方法详细划分了周期、日期及时间段,便于进行精准分析,指向性强;而且,通过在预定的周期和日期的对应时间段内来获取历史订单量,利于保证对比样本的一致性,进一步提高判断的准确率。
7、本发明的预设周期为一个星期,此设计便于区分工作日与非工作日,当当前时间段所处日期为星期一时,获取前几周的星期一对应时间段的历史订单量,在绝大多数情况下,能有效地保证前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日。
8、本发明的综合比值R及差值D,判断当前所在时间段是否处于不适合骑行天气期间,利于提高判断结果的可靠程度。
9、本发明的车辆调度方法只有在R减一的差小于第一阈值Tr,且D小于第二阈值Td时,才判定预设区域的当前时间段天气情况不适合骑行,利于进一步提高判断结果的可靠程度。
10、本发明的车辆调度方法车辆调度方法在进行车辆调度时,优先从处于不适合骑行天气期间的区域调取车辆;当需要补充车辆的区域处于不适合骑行天气期间时,可以降低为其调取车辆的优先度,此设计利于进一步提高车辆调度的合理性。
以上对本发明实施例公开的一种车辆调度方法进行了详细介绍,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,凡在本发明的原则之内所作的任何修改,等同替换和改进等均应包含本发明的保护范围之内。
Claims (10)
1.一种车辆调度方法,其特征在于,包括以下步骤:
获取预设区域当前时间段的当前订单量Ot;
获取该预设区域往期X个预设周期内对应日期同一时间段的历史订单量O1、O2...Ox,并计算其历史平均订单量Oe,其中X为正整数且X≥3;
将当前订单量Ot与历史平均订单量Oe进行对比,根据对比结果判断当前是否处于不适合骑行天气期间;
根据判断结果对处于不适合骑行天气期间的区域以及处于适合骑行天气期间的区域进行车辆调度。
2.如权利要求1所述的车辆调度方法,其特征在于,所述获取该预设区域往期X个预设周期内对应日期同一时间段的历史订单量之前先要获取该区域的历史订单数据,并对其进行预处理,具体包括以下步骤:
获取该区域的历史订单数据;所述历史订单数据包括每个时间段内的订单数量、降雨情况,以及对应的时间段所处日期类型为工作日还是非工作日;
根据天气情况对订单数据进行区分。
3.如权利要求1所述的车辆调度方法,其特征在于,所述获取该预设区域往期X个预设周期内对应日期同一时间段的历史订单量之前先要获取该区域的历史订单数据,并对其进行预处理,还包括以下步骤:
判断当前时间段所处日期与获取的历史订单量的所处日期是否同为工作日或同为非工作日;
若获取的历史订单量的所处日期类型为工作日还是非工作日与当前时间段所处日期的类型相反,则将该历史订单量排除在此次计算之外,并增加获取往期历史订单量的预设周期数,往前顺延直至当前时间段所处日期与获取的历史订单量的所处日期同为工作日或同为非工作日。
4.如权利要求1所述的车辆调度方法,其特征在于,还包括以下步骤:
将处于不适合骑行天气期间的区域的相关信息推送到客户端和/或在客户端的地图上显示。
5.如权利要求1所述的车辆调度方法,其特征在于,还包括以下步骤:
当用户的目的地为不适合骑行天气期间的区域或用户正在前往不适合骑行天气期间的区域时,通过客户端对其进行预警。
6.如权利要求1所述的车辆调度方法,其特征在于,所述获取该预设区域当前时间段的当前订单量Ot,获取该区域往期X个预设周期内对应日期同一时间段的历史订单量O1、O2...Ox,并计算其历史平均订单量Oe,具体包括以下步骤:
根据当前所在时间段、日期和周期,确定需要调取历史订单量的所在周期,日期,及时间段;
根据确定的需要调取历史订单量的所在周期,日期,及时间段,获取相关历史订单量并计算其历史平均订单量Oe。
7.如权利要求1所述的车辆调度方法,其特征在于:预设周期为一个星期,获取往期X个预设周期内的相同时间段历史订单量指获取前几周对应日期同一时间段的历史订单量。
8.如权利要求1所述的车辆调度方法,其特征在于,所述将当前订单量Ot与平均订单量Oe进行对比,根据对比结果判断当前是否处于不适合骑行天气期间,具体包括以下步骤:
计算Ot与Oe的比值R;
计算Ot与Oe的差值D;
综合比值R及差值D,判断当前所在时间段是否处于不适合骑行天气期间。
9.如权利要求8所述的车辆调度方法,其特征在于:当R减一的差小于第一阈值Tr,且D小于第二阈值Td时,判定预设区域的当前时间段降雨了。
10.如权利要求1所述的车辆调度方法,其特征在于:在进行车辆调度时,优先从处于不适合骑行天气期间的区域调取车辆;当需要补充车辆的区域处于不适合骑行天气期间时,可以降低为其调取车辆的优先度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210353472.XA CN114819536A (zh) | 2022-04-02 | 2022-04-02 | 一种车辆调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210353472.XA CN114819536A (zh) | 2022-04-02 | 2022-04-02 | 一种车辆调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114819536A true CN114819536A (zh) | 2022-07-29 |
Family
ID=82533434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210353472.XA Pending CN114819536A (zh) | 2022-04-02 | 2022-04-02 | 一种车辆调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819536A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766144A (zh) * | 2015-04-22 | 2015-07-08 | 携程计算机技术(上海)有限公司 | 订单预测方法及系统 |
CN108447248A (zh) * | 2018-02-09 | 2018-08-24 | 东峡大通(北京)管理咨询有限公司 | 用于车辆调度的方法及装置 |
CN110807921A (zh) * | 2019-10-24 | 2020-02-18 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、设备和存储介质 |
CN111199440A (zh) * | 2018-11-16 | 2020-05-26 | 北京嘀嘀无限科技发展有限公司 | 事件预估方法、装置以及电子设备 |
US20200410375A1 (en) * | 2018-03-16 | 2020-12-31 | Ford Motor Company | Optimizing and predicting availability of resources in a shared vehicle environment |
-
2022
- 2022-04-02 CN CN202210353472.XA patent/CN114819536A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766144A (zh) * | 2015-04-22 | 2015-07-08 | 携程计算机技术(上海)有限公司 | 订单预测方法及系统 |
CN108447248A (zh) * | 2018-02-09 | 2018-08-24 | 东峡大通(北京)管理咨询有限公司 | 用于车辆调度的方法及装置 |
US20200410375A1 (en) * | 2018-03-16 | 2020-12-31 | Ford Motor Company | Optimizing and predicting availability of resources in a shared vehicle environment |
CN111199440A (zh) * | 2018-11-16 | 2020-05-26 | 北京嘀嘀无限科技发展有限公司 | 事件预估方法、装置以及电子设备 |
CN110807921A (zh) * | 2019-10-24 | 2020-02-18 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
杨坚争,杨云鹏: "《电子商务企业模式创新典型案例分析 第3辑》", 中国商务出版社, pages: 197 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035770B (zh) | 一种大数据环境下公交载客量实时分析预测方法 | |
CN108922178B (zh) | 基于公交多源数据的公交车辆实时满载率计算方法 | |
Bowker et al. | Toward a value for guided rafting on southern rivers | |
US20120265580A1 (en) | Demand prediction device and demand prediction method | |
JP2006079483A (ja) | 交通情報提供装置,交通情報提供方法 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
WO2015177644A1 (en) | Method and system for balancing rental fleet of movable assets | |
CN105427594A (zh) | 一种基于双向上车客流的公交断面客流量获取方法及系统 | |
CN110853156B (zh) | 融合公交gps轨迹与ic卡数据的乘客od识别方法 | |
CN109670540B (zh) | 基于kNN算法的客运枢纽区域驻留人数变化趋势短时预测方法 | |
CN110210749B (zh) | 一种轨道站点衔接共享单车投放量和投放位置确定方法 | |
US10489431B2 (en) | Digital location-based data methods and product | |
CN111915200B (zh) | 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法 | |
CN110796323A (zh) | 车辆的调度方法、装置、终端及计算机可读存储介质 | |
Agarwal et al. | Labor Supply Decisions of Singaporean Cab Drivers | |
CN114819536A (zh) | 一种车辆调度方法 | |
CN110555996B (zh) | 一种公交运营分析系统 | |
Kho et al. | A development of punctuality index for bus operation | |
US20090259436A1 (en) | Methods and apparatus to determine board exposure levels | |
CN113643538A (zh) | Ic卡历史数据和人工调查数据融合的公交客流测算方法 | |
CN105809276A (zh) | 取号预测方法及系统 | |
CN110245788B (zh) | 一种基于刷卡数据的地铁客流短期预测方法 | |
CN117314504B (zh) | 一种公共交通客流预测方法及系统 | |
De Jongh et al. | Quantification of the natural variation in traffic flow on selected national roads in South Africa | |
Joshi et al. | Mode choice modeling for intercity travel in Nepal |
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 |