CN114997531B - 一种实时运力智能推荐方法及系统 - Google Patents

一种实时运力智能推荐方法及系统 Download PDF

Info

Publication number
CN114997531B
CN114997531B CN202210851733.0A CN202210851733A CN114997531B CN 114997531 B CN114997531 B CN 114997531B CN 202210851733 A CN202210851733 A CN 202210851733A CN 114997531 B CN114997531 B CN 114997531B
Authority
CN
China
Prior art keywords
ferry vehicle
information
scenic spot
route
state quantity
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
Application number
CN202210851733.0A
Other languages
English (en)
Other versions
CN114997531A (zh
Inventor
龚雨婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zaozhuang Shanhao Technology Co ltd
Original Assignee
Zaozhuang Shanhao Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zaozhuang Shanhao Technology Co ltd filed Critical Zaozhuang Shanhao Technology Co ltd
Priority to CN202210851733.0A priority Critical patent/CN114997531B/zh
Publication of CN114997531A publication Critical patent/CN114997531A/zh
Application granted granted Critical
Publication of CN114997531B publication Critical patent/CN114997531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明适用于路线推荐技术领域,提供了一种实时运力智能推荐方法及系统,所述方法包括以下步骤:根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息。本发明中的推荐行驶路线既能够满足游客的游玩需求,又能够使得各个景点的运载状态量相对平衡,尽可能保证了游客的游玩体验。

Description

一种实时运力智能推荐方法及系统
技术领域
本发明涉及路线推荐技术领域,具体是涉及一种实时运力智能推荐方法及系统。
背景技术
运力可以指输运能力,也可以指运载能力;目前,很多大的景区都由若干个距离较远的景点组成,通过摆渡车在景点之间运输游客,每个景点都有自己的运载能力,即景点中的游客到达一定数量后,会显得非常拥挤,严重影响游客的游玩体验;现有的景点之间的摆渡车都是按照规定路线行驶的,不能够根据各个景点的拥挤程度和运载能力随机应变。因此,需要提供一种实时运力智能推荐方法及系统,旨在解决上述问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种实时运力智能推荐方法及系统,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种实时运力智能推荐方法,所述方法包括以下步骤:
根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;
实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;
根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;
接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息。
作为本发明进一步的方案:所述根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量的步骤,具体包括:
根据摆渡车到站信息和摆渡车离站信息确定各景点的实时人数;
调取各景点的设定容纳数;
计算得到每个景点的运载状态量,所述运载状态量=实时人数/设定容纳数。
作为本发明进一步的方案:所述根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线的步骤,具体包括:
根据路线需求信息得到每个景点的第一推荐行驶路线;
根据运载状态量对所有的景点进行降序排列,确定排列顺序中相邻两个景点之间的摆渡车差量;
根据摆渡车差量得到每个景点的第二推荐行驶路线。
作为本发明进一步的方案:所述根据运载状态量对所有的景点进行降序排列,确定排列顺序中相邻两个景点之间的摆渡车差量的步骤,具体包括:
根据运载状态量对所有的景点进行降序排列;
计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数。
作为本发明进一步的方案:所述根据摆渡车差量得到每个景点的第二推荐行驶路线的步骤,具体包括:
确定景点数量值;
对摆渡车差量从最后一个景点开始依次进行累加,累加时,当倒数第M-1个的摆渡车差量参与累加时,在累加值的结果上加上(M-1)的阶和,直到最终的累加值≥景点数量值;
根据参与累加的摆渡车差量以及对应的景点确定每个景点的第二推荐行驶路线。
作为本发明进一步的方案:所述推荐行驶路线信息是每隔预设时间值生成的,当接收到游客上车信息,游客上车信息所对应的路线需求信息被删除。
本发明的另一目的在于提供一种实时运力智能推荐系统,所述系统包括:
运载状态量确定模块,用于根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;
路线需求接收模块,用于实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;
推荐路线确定模块,用于根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;以及
摆渡车终端模块,用于接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息。
作为本发明进一步的方案:所述运载状态量确定模块包括:
实时人数确定单元,用于根据摆渡车到站信息和摆渡车离站信息确定各景点的实时人数;
设定容纳数调取单元,用于调取各景点的设定容纳数;
运载状态量计算单元,用于计算得到每个景点的运载状态量,所述运载状态量=实时人数/设定容纳数。
作为本发明进一步的方案:所述推荐路线确定模块包括:
第一推荐路线单元,用于根据路线需求信息得到每个景点的第一推荐行驶路线;
景点排列单元,用于根据运载状态量对所有的景点进行降序排列,确定排列顺序中相邻两个景点之间的摆渡车差量;
第二推荐路线单元,用于根据摆渡车差量得到每个景点的第二推荐行驶路线。
作为本发明进一步的方案:所述景点排列单元包括:
降序排列子单元,用于根据运载状态量对所有的景点进行降序排列;
摆渡车差量计算子单元,用于计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数。
与现有技术相比,本发明的有益效果是:
本发明能够根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,推荐行驶路线能够将运载状态量较大的景点的游客输送至运载状态量较小的景点,这样,推荐行驶路线既能够满足游客的游玩需求,又能够使得各个景点的运载状态量相对平衡,尽可能保证了游客的游玩体验。
附图说明
图1为一种实时运力智能推荐方法的流程图。
图2为一种实时运力智能推荐方法中根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量的流程图。
图3为一种实时运力智能推荐方法中根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线的流程图。
图4为一种实时运力智能推荐方法中确定排列顺序中相邻两个景点之间的摆渡车差量的流程图。
图5为一种实时运力智能推荐方法中根据摆渡车差量得到每个景点的第二推荐行驶路线的流程图。
图6为一种实时运力智能推荐系统的结构示意图。
图7为一种实时运力智能推荐系统中运载状态量确定模块的结构示意图。
图8为一种实时运力智能推荐系统中推荐路线确定模块的结构示意图。
图9为一种实时运力智能推荐系统中景点排列单元的结构示意图。
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晰,以下结合附图及具体实施例,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。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种实时运力智能推荐方法,所述方法包括以下步骤:
S100,根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;
S200,实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;
S300,根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;
S400,接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息。
需要说明的是,运力可以指输运能力,也可以指运载能力;目前,很多大的景区都由若干个距离较远的景点组成,通过摆渡车在景点之间运输游客,每个景点都有自己的运载能力,即景点中的游客到达一定数量后,会显得非常拥挤,严重影响游客的游玩体验;现有的景点之间的摆渡车都是按照规定路线行驶的,不能够根据各个景点的拥挤程度和运载能力随机应变,本发明实施例旨在解决上述问题。
本发明实施例中,当摆渡车发车时会生成摆渡车离站信息,当摆渡车到站时会生成摆渡车到站信息,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数,根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高;本发明实施例会实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点,游客终端可以是游客自己的手机,然后根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,推荐行驶路线能够将运载状态量较大的景点的游客输送至运载状态量较小的景点,这样,推荐行驶路线既能够满足游客的游玩需求,又能够使得各个景点的运载状态量相对平衡,尽可能保证了游客的游玩体验。另外,游客上车时,可以通过刷景区门票的方式使得摆渡车接收到游客上车信息,进而实现自动对上车人数的统计。所述推荐行驶路线信息是每隔预设时间值生成的,预设时间值是工作人员提前设置的,旺季的预设时间值较短,淡季的预设时间值较长,当接收到游客上车信息,游客上车信息所对应的路线需求信息被删除,即该游客之前发出的路线需求信息被删除。
如图2所示,作为本发明一个优选的实施例,所述根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量的步骤,具体包括:
S101,根据摆渡车到站信息和摆渡车离站信息确定各景点的实时人数;
S102,调取各景点的设定容纳数;
S103,计算得到每个景点的运载状态量,所述运载状态量=实时人数/设定容纳数。
本发明实施例中,为了计算运载状态量,首先需要得到景点的实时人数,例如某个景点截至目前对应的摆渡车到站信息中的人数为27、28、30、25和30,对应的摆渡车离站信息中的人数为26、30和28,则该景点的实时人数=27+28+30+25+30-26-30-28=56人,接着调取该景点的设定容纳数,需要说明的是,每个景点的设定容纳数是事先设置好的,例如该景点的设定容纳数为200人,则该景点的运载状态量为28%。
如图3所示,作为本发明一个优选的实施例,所述根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线的步骤,具体包括:
S301,根据路线需求信息得到每个景点的第一推荐行驶路线;
S302,根据运载状态量对所有的景点进行降序排列,确定排列顺序中相邻两个景点之间的摆渡车差量;
S303,根据摆渡车差量得到每个景点的第二推荐行驶路线。
本发明实施例中,推荐行驶路线包括第一推荐行驶路线和第二推荐行驶路线,其中第一推荐行驶路线是根据路线需求信息得到的,例如在生成A景点的第一推荐行驶路线时,调取所有起始景点为A景点的路线需求信息,然后对所有调取的路线需求信息按照目的景点进行排序,目的景点最多的一个即为A景点的第一推荐行驶路线;第二推荐行驶路线用于将运载状态量较大的景点的游客输送至运载状态量较小的景点。
如图4和图5所示,作为本发明一个优选的实施例,所述根据运载状态量对所有的景点进行降序排列,确定排列顺序中相邻两个景点之间的摆渡车差量的步骤,具体包括:
S3021,根据运载状态量对所有的景点进行降序排列;
S3022,计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数。
所述根据摆渡车差量得到每个景点的第二推荐行驶路线的步骤,具体包括:
S3031,确定景点数量值;
S3032,对摆渡车差量从最后一个景点开始依次进行累加,累加时,当倒数第M-1个的摆渡车差量参与累加时,在累加值的结果上加上(M-1)的阶和,直到最终的累加值≥景点数量值;
S3033,根据参与累加的摆渡车差量以及对应的景点确定每个景点的第二推荐行驶路线。
本发明实施例中,为了确定第二推荐行驶路线,首先需要根据运载状态量对所有的景点进行降序排列,例如降序排列后的顺序为:A景点、B景点、C景点、D景点和E景点,A景点最拥挤,然后计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数,例如计算D景点和E景点之间的摆渡车差量时,N=4,假设D景点的运载状态量=32%,E景点的运载状态量=21%,E景点的设定容纳数为200,摆渡车差量=(32%-21%)×200/摆渡车运力,摆渡车运力表示摆渡车的核定载客数,例如为30人,则E景点的摆渡车差量=1,表明E景点再有一辆摆渡车到达,E景点的运载状态量会≥D景点的运载状态量;接着确定景点数量值,这里为5;然后对摆渡车差量从最后一个景点开始依次进行累加,累加时,当倒数第M-1个的摆渡车差量参与累加时,在累加值的结果上加上(M-1)的阶和,直到最终的累加值≥景点数量值,例如E景点的摆渡车差量=1,D景点的摆渡车差量=2,C景点的摆渡车差量=1,累加步骤:最后一个景点累加结果为1<5;则倒数第二个景点参与累加,结果为1+2+1的阶和=4<5;则倒数第三个景点参与累加,结果为1+2+1+2的阶和=7,满足条件,累加终止,最后根据参与累加的摆渡车差量以及对应的景点确定每个景点的第二推荐行驶路线,具体确定时,按照排列顺序确定,只有参与累加的景点才能作为目的地,A景点的第二推荐行驶路线为A→E,由于E景点的摆渡车差量=1,先使用一次,E将会达到D的运载状态量,接着B景点的第二推荐行驶路线为B→D,由于D景点的摆渡车差量=2,先使用两次,则C景点的第二推荐行驶路线为C→D,目的地依然选D,即D将会达到C的运载状态量,而此时,E只是会达到D的运载状态量而达不到C的运载状态量,因此,D景点的第二推荐行驶路线为D→E,目的地选E,接着E景点的第二推荐行驶路线为E→C。可以看出,第二推荐行驶路线的目的景点都是运载状态量靠后的景点,保证了各景点拥挤程度的平衡。另外,当某个景点的第二推荐行驶路线的目的景点推算顺延至该景点本身时,将目的景点设定为该景点的前一位景点。
如图6所示,本发明实施例还提供了一种实时运力智能推荐系统,所述系统包括:
运载状态量确定模块100,用于根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;
路线需求接收模块200,用于实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;
推荐路线确定模块300,用于根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;以及
摆渡车终端模块400,用于接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息。
本发明实施例中,当摆渡车发车时会生成摆渡车离站信息,当摆渡车到站时会生成摆渡车到站信息,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数,根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高;本发明实施例会实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点,游客终端可以是游客自己的手机,然后根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,推荐行驶路线能够将运载状态量较大的景点的游客输送至运载状态量较小的景点,这样,推荐行驶路线既能够满足游客的游玩需求,又能够使得各个景点的运载状态量相对平衡,尽可能保证了游客的游玩体验。另外,游客上车时,可以通过刷景区门票的方式使得摆渡车接收到游客上车信息,进而实现自动对上车人数的统计。所述推荐行驶路线信息是每隔预设时间值生成的,预设时间值是工作人员提前设置的,旺季的预设时间值较短,淡季的预设时间值较长。
如图7所示,作为本发明一个优选的实施例,所述运载状态量确定模块100包括:
实时人数确定单元101,用于根据摆渡车到站信息和摆渡车离站信息确定各景点的实时人数;
设定容纳数调取单元102,用于调取各景点的设定容纳数;
运载状态量计算单元103,用于计算得到每个景点的运载状态量,所述运载状态量=实时人数/设定容纳数。
本发明实施例中,为了计算运载状态量,首先需要得到景点的实时人数,例如某个景点截至目前对应的摆渡车到站信息中的人数为27、28、30、25和30,对应的摆渡车离站信息中的人数为26、30和28,则该景点的实时人数=27+28+30+25+30-26-30-28=56人,接着调取该景点的设定容纳数,需要说明的是,每个景点的设定容纳数是事先设置好的,例如该景点的设定容纳数为200人,则该景点的运载状态量为28%。
如图8所示,作为本发明一个优选的实施例,所述推荐路线确定模块300包括:
第一推荐路线单元301,用于根据路线需求信息得到每个景点的第一推荐行驶路线;
景点排列单元302,用于根据运载状态量对所有的景点进行降序排列,确定排列顺序中相邻两个景点之间的摆渡车差量;
第二推荐路线单元303,用于根据摆渡车差量得到每个景点的第二推荐行驶路线。
本发明实施例中,推荐行驶路线包括第一推荐行驶路线和第二推荐行驶路线,其中第一推荐行驶路线是根据路线需求信息得到的,例如在生成A景点的第一推荐行驶路线时,调取所有起始景点为A景点的路线需求信息,然后对所有调取的路线需求信息按照目的景点进行排序,目的景点最多的一个即为A景点的第一推荐行驶路线;第二推荐行驶路线用于将运载状态量较大的景点的游客输送至运载状态量较小的景点。
如图9所示,作为本发明一个优选的实施例,所述景点排列单元302包括:
降序排列子单元3021,用于根据运载状态量对所有的景点进行降序排列;
摆渡车差量计算子单元3022,用于计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。

Claims (5)

1.一种实时运力智能推荐方法,其特征在于,所述方法包括以下步骤:
根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;
实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;
根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;
接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息;
其中,所述根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线的步骤,具体包括:根据路线需求信息得到每个景点的第一推荐行驶路线;根据运载状态量对所有的景点进行降序排列,计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数;根据摆渡车差量得到每个景点的第二推荐行驶路线,具体为:确定景点数量值;对摆渡车差量从最后一个景点开始依次进行累加,累加时,当倒数第M-1个的摆渡车差量参与累加时,在累加值的结果上加上(M-1)的阶和,直到最终的累加值≥景点数量值;根据参与累加的摆渡车差量以及对应的景点确定每个景点的第二推荐行驶路线。
2.根据权利要求1所述一种实时运力智能推荐方法,其特征在于,所述根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量的步骤,具体包括:
根据摆渡车到站信息和摆渡车离站信息确定各景点的实时人数;
调取各景点的设定容纳数;
计算得到每个景点的运载状态量,所述运载状态量=实时人数/设定容纳数。
3.根据权利要求1所述一种实时运力智能推荐方法,其特征在于,所述推荐行驶路线信息是每隔预设时间值生成的,当接收到游客上车信息,游客上车信息所对应的路线需求信息被删除。
4.一种实时运力智能推荐系统,其特征在于,所述系统包括:
运载状态量确定模块,用于根据摆渡车到站信息和摆渡车离站信息实时确定各景点的运载状态量,运载状态量越高,表明对应景点的拥挤程度越高,摆渡车到站信息包括到站景点和到站人数,摆渡车离站信息包括离站景点和离站人数;
路线需求接收模块,用于实时接收游客终端发送的路线需求信息,路线需求信息包括起始景点和目的景点;
推荐路线确定模块,用于根据运载状态量和路线需求信息得到摆渡车的推荐行驶路线,以确保摆渡车的运力与需求相匹配;以及
摆渡车终端模块,用于接收游客上车信息,摆渡车发车时生成摆渡车离站信息,摆渡车到站时生成摆渡车到站信息;
其中,所述推荐路线确定模块包括:
第一推荐路线单元,用于根据路线需求信息得到每个景点的第一推荐行驶路线;
景点排列单元,所述景点排列单元包括:降序排列子单元,用于根据运载状态量对所有的景点进行降序排列;摆渡车差量计算子单元,用于计算排列顺序中相邻两个景点之间的摆渡车差量,设定相邻两个景点为第N景点和第N+1景点,摆渡车差量=(第N景点的运载状态量-第N+1景点的运载状态量)×第N+1景点的设定容纳数/摆渡车运力,N为正整数,摆渡车差量采用进一法取整数;
第二推荐路线单元,用于根据摆渡车差量得到每个景点的第二推荐行驶路线,具体为:确定景点数量值;对摆渡车差量从最后一个景点开始依次进行累加,累加时,当倒数第M-1个的摆渡车差量参与累加时,在累加值的结果上加上(M-1)的阶和,直到最终的累加值≥景点数量值;根据参与累加的摆渡车差量以及对应的景点确定每个景点的第二推荐行驶路线。
5.根据权利要求4所述一种实时运力智能推荐系统,其特征在于,所述运载状态量确定模块包括:
实时人数确定单元,用于根据摆渡车到站信息和摆渡车离站信息确定各景点的实时人数;
设定容纳数调取单元,用于调取各景点的设定容纳数;
运载状态量计算单元,用于计算得到每个景点的运载状态量,所述运载状态量=实时人数/设定容纳数。
CN202210851733.0A 2022-07-20 2022-07-20 一种实时运力智能推荐方法及系统 Active CN114997531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210851733.0A CN114997531B (zh) 2022-07-20 2022-07-20 一种实时运力智能推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210851733.0A CN114997531B (zh) 2022-07-20 2022-07-20 一种实时运力智能推荐方法及系统

Publications (2)

Publication Number Publication Date
CN114997531A CN114997531A (zh) 2022-09-02
CN114997531B true CN114997531B (zh) 2022-10-25

Family

ID=83022127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210851733.0A Active CN114997531B (zh) 2022-07-20 2022-07-20 一种实时运力智能推荐方法及系统

Country Status (1)

Country Link
CN (1) CN114997531B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107154969A (zh) * 2017-04-27 2017-09-12 腾讯科技(深圳)有限公司 目的地点推荐方法及装置
CN110442785A (zh) * 2019-07-13 2019-11-12 恒大智慧科技有限公司 一种景点推荐方法及系统、计算机可读存储介质
CN111191150A (zh) * 2019-12-03 2020-05-22 恒大智慧科技有限公司 一种游览路线推荐方法、装置及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769924B (zh) * 2018-04-28 2020-11-03 哈尔滨工业大学 一种景区游客链式出行服务系统及方法
CN112559891A (zh) * 2020-12-24 2021-03-26 北京百度网讯科技有限公司 路线推荐方法、装置、电子设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107154969A (zh) * 2017-04-27 2017-09-12 腾讯科技(深圳)有限公司 目的地点推荐方法及装置
WO2018196788A1 (zh) * 2017-04-27 2018-11-01 腾讯科技(深圳)有限公司 目的地点推荐方法、装置、服务器及存储介质
CN110442785A (zh) * 2019-07-13 2019-11-12 恒大智慧科技有限公司 一种景点推荐方法及系统、计算机可读存储介质
CN111191150A (zh) * 2019-12-03 2020-05-22 恒大智慧科技有限公司 一种游览路线推荐方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
机坪摆渡车实时调度系统仿真;杨文东等;《南京航空航天大学学报》;20131215(第06期);全文 *

Also Published As

Publication number Publication date
CN114997531A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
US11004343B2 (en) Ride chaining
CN107977739B (zh) 物流配送路径的优化方法、装置及设备
CN111626577B (zh) 一种车辆调度方法和装置
US20180204158A1 (en) Data-Driven System for Optimal Vehicle Fleet Dimensioning and Real-Time Dispatching Based on Shareability Networks
CN111033595A (zh) 共用车辆管理方法以及共用车辆管理装置
US9074904B1 (en) Method for solving carpool matching problem and carpool server using the same
CN108921762B (zh) 一种车辆混合调度方法、装置及设备
US11270232B2 (en) Method for transporting a plurality of objects between object-specific locations
US20210248911A1 (en) Vehicle management system and vehicle management method
CN108596385B (zh) 车辆的排队方法及装置、可读介质、物流系统
CN111785017A (zh) 一种公交车调度方法、装置及计算机存储介质
CN115641704B (zh) 一种智能公交调度方法及系统
CN110853349A (zh) 车辆调度方法、装置及设备
CN108288101B (zh) 基于拍卖机制的网约车预约服务车辆资源分配和定价方法
CN114997531B (zh) 一种实时运力智能推荐方法及系统
CN108806235B (zh) 按需服务的智能公交调度方法
CN111932040A (zh) 一种拼车路线规划的方法和系统
US20230417562A1 (en) Information processing apparatus, information processing method, and non-transitory storage medium
WO2019056355A1 (en) SYSTEM AND METHOD FOR PROVIDING A TRANSPORT SERVICE
Li et al. A ride-matching strategy for large scale dynamic ridesharing services based on polar coordinates
Nonomura et al. Reshape car-sharing system for super smart society: A digital twin-based method and implementation
CN114819819A (zh) 一种即时物流场景下的路径规划实现方法
CN114493236A (zh) 服务车辆分派方法、装置、设备、介质及程序产品
CN111178597B (zh) 拼车订单线路生成方法及装置
CN111652549A (zh) 物流配送的仿真方法及装置

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