CN116029505A - 车辆调度方法、装置、电子设备及可读存储介质 - Google Patents
车辆调度方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116029505A CN116029505A CN202211685903.9A CN202211685903A CN116029505A CN 116029505 A CN116029505 A CN 116029505A CN 202211685903 A CN202211685903 A CN 202211685903A CN 116029505 A CN116029505 A CN 116029505A
- Authority
- CN
- China
- Prior art keywords
- distribution
- scheduled
- vehicles
- transported
- vehicle
- 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 142
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 165
- 230000008569 process Effects 0.000 claims abstract description 89
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000002699 waste material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种车辆调度方法、装置、电子设备及可读存储介质,涉及人工智能领域,尤其涉及自动驾驶、智能交通等技术领域。具体实现方案为:获取运输任务信息,根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布;获取待调度车辆的车辆信息,根据所述待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;根据所述输入过程分布以及所述服务过程分布构建排队模型;基于所述排队模型确定最优调度方案,并根据所述最优调度方法对所述待调度车辆进行调度。
Description
技术领域
本公开涉及人工智能领域,尤其涉及自动驾驶、智能交通等技术领域,具体而言,本公开涉及一种车辆调度方法、装置、电子设备及可读存储介质。
背景技术
随着智能技术的发展,自动驾驶车辆已经具备在简单场景完成自动驾驶任务的能力,并开始尝试在一些特定的场景落地应用,解决生活、工业生产中的一些实际问题。
在具体落地应用过程中,往往需要多台自动驾驶车辆协作完成一项任务,比如乘客运送、货物搬运等。在车辆协作完成任务中,需要根据场景、作业任务类型、任务数量、任务达到的分布等,对自动驾驶车辆动态的调度,以实现总体系统性能最优。
发明内容
本公开为了解决上述缺陷中的至少一项,提供了一种车辆调度方法、装置、电子设备及可读存储介质。
根据本公开的第一方面,提供了一种车辆调度方法,该方法包括:
获取运输任务信息,根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布;
获取待调度车辆的车辆信息,根据所述待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;
根据所述输入过程分布以及所述服务过程分布构建排队模型;
基于所述排队模型确定最优调度方案,并根据所述最优调度方法对所述待调度车辆进行调度。
根据本公开的第二方面,提供了一种车辆调度装置,该装置包括:
任务信息模块,用于获取运输任务信息,根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布;
调度信息模块,用于获取待调度车辆的车辆信息,根据所述待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;
模型构建模块,用于根据所述输入过程分布以及所述服务过程分布构建排队模型;
车辆调度模块,用于基于所述排队模型确定最优调度方案,并根据所述最优调度方法对所述待调度车辆进行调度。
根据本公开的第三方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与上述至少一个处理器通信连接的存储器;其中,
存储器存储有可被上述至少一个处理器执行的指令,指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行上述车辆调度方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使计算机执行上述车辆调度方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述车辆调度方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例提供的一种车辆调度方法的流程示意图;
图2是本公开实施例提供的另一种车辆调度方法的部分步骤的流程示意图;
图3是本公开实施例提供的一种车辆调度装置的结构示意图;
图4是用来实现本公开实施例的车辆调度方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在一些相关技术中,通过提升车辆的驾驶能力来提升任务的完成效率,并没有考虑多辆车辆协作完成任务中的调度问题。
根据经验来对车辆进行调度往往不能达到预期要求,实现总体系统性能最优。
本公开实施例提供的车辆调度方法、装置、电子设备和计算机可读存储介质,旨在解决现有技术的如上技术问题中的至少一个。
本公开实施例提供的车辆调度方法可以由终端设备或服务器等电子设备执行,终端设备可以为车载设备、用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读程序指令的方式来实现。或者,可通过服务器执行所述方法。
图1示出了本公开实施例提供的一种车辆调度方法的流程示意图,如图1中所示,该方法主要可以包括:
在步骤S110中,获取运输任务信息,根据运输任务信息,确定待运输目标的到达流量的分布为输入过程分布;
在步骤S120中,获取待调度车辆的车辆信息,根据待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;
在步骤S130中,根据输入过程分布以及服务过程分布构建排队模型;
在步骤S140中,基于排队模型确定最优调度方案,并根据最优调度方法对待调度车辆进行调度。
举例来说,在步骤S110中,运输任务信息包括任务场景、任务数量等与运输任务有关的信息。
在一些可能的实现方式中,运输任务信息可以包括运输任务路线、运输任务执行时间段。
在一些可能的实现方式中,待运输目标的到达流量的分布,即输入过程分布,顾名思义,就是待运输目标的流量的分布,具体可以是待运输目标在[0,t]时间段内到达数量所服从的分布。
如在待运输目标为顾客的情况下,待运输目标的到达流量的分布就可以使顾客流量所服从的分布。
显然,“繁忙”路线、“繁忙”时间段待运输目标的到达流量与“空闲”路线、“空闲”时间段待运输目标的到达流量是完全不同的,因此,不同的运输任务路线以及不同的运输任务执行时间段,意味着不同的待运输目标到达数量(如待运送乘客数量、待搬运货物数量)、不同的待运输目标的到达流量,也就意味着不同的待运输目标的到达流量的分布。
对一些特殊的任务,待运输目标的到达流量可能会受到天气等因素等影响,因此,在一些可能的实现方式中,还可以获取运输任务路线在运输任务执行当天的运输任务执行时间段的天气,并根据天气对待运输目标的到达流量的影响,来确定待运输目标的到达流量的分布为输入过程分布。
在一些可能的实现方式中,可以通过统计分析历史数据来确定待运输目标的到达流的分布,作为输入过程分布。
在步骤S120中,待调度车辆可以是自动驾驶车辆,具体可以是用于乘客运送的自动驾驶巴士,可以是用于货物搬运的自动驾驶物流车、自动驾驶卡车等。
在一些可能的实现方式中,待调度车辆服务时间的分布,即服务时间分布可以第n位顾客所需的服务时间所服从的分布。
在一些可能的实现方式中,待调度车辆的车辆信息可以包括待调度车辆的车辆类型、载重量等于待调度车辆服务时间相关的信息。
当待运输目标为乘客、待调度车辆为无人驾驶巴士的情况下,不同座位数量、不同出入门数量的巴士一次性能服务的乘客的数量也是不同的,对应的服务时间的分布也是不同的。
因此,可以待调度车辆的车辆信息来确定待调度车辆服务时间的分布。
在一些具体的实现方式中,也可以通过统计并分析不同车辆的服务时间的历史数据来获取待调度车辆的车辆信息与待调度车辆服务时间的分布的对应关系。
在一些具体的实现方式中,可以通过RFID(射频识别技术)阅读器获取待调度车辆的车辆信息。
在步骤S130中,一般的排队过程由输入过程、排队规则、服务过程三部分组成。排队模型用六个符号表示,即X/Y/Z/A/B/C。其中,X表示待运输目标到达流量的分布;Y表示服务时间的分布;Z表示服务窗数目;A是系统容量限制;B是待运输目标源数目;C是服务规则,如FCFS(先到先服务),LCFS(后到先服务)等。并约定,如略去后三项,即指X/Y/Z/∞/∞/FCFS的情形。
在具体的应用中,待运输目标到达流量的分布、服务时间的分布,即X、Y的典型分布如下表所示:
分布名称 | 代表字母 |
泊松分布 | M |
负指数分布 | M |
k阶爱尔朗分布 | Ek |
确定型分布 | D |
一般服务时间分布 | G |
经典排队系统模型(X,Y,Z,A,B,C)可表示成为:M/M/1(待运输目标到达流量的分布为泊松分布,服务时间的分布为负指数分布,只有一个服务窗),M/M/S(待运输目标到达流量的分布为泊松分布,服务时间的分布为负指数分布,有多个服务窗),M/D/1(待运输目标到达流量的分布为泊松分布,服务时间的分布为确定型分布,只有一个服务窗),M/Ek/1(待运输目标到达流量的分布为泊松分布,服务时间的分布为k阶爱尔朗分布,只有一个服务窗),M/M/ck(待运输目标到达流量的分布为泊松分布,服务时间的分布为负指数分布,有多个服务窗),M/M/c/∞/m(待运输目标到达流量的分布为泊松分布,服务时间的分布为负指数分布,有c个服务窗,待运输目标源数目为m),M/M/c/N/∞(待运输目标到达流量的分布为泊松分布,服务时间的分布为负指数分布,有c个服务窗,系统容量为N)等。
不同的运输任务,输入过程和服务过程服从的分布可能不同,构建的排队模型也不同,因此,可以将获取的输入过程分布代入X,获取的服务过程分布代入Y,待调度车辆的数量代入Z构建多服务窗等待制排队模型。
在一些具体的实现方式中,待待调度车辆的数量只有一个,则对待调度车辆进行调度可以确定满足待运输目标等待时间的待调度车辆的车辆类型,调度该类型的车辆在运输任务执行时间段到达运输任务路线。
则根据输入过程分布以及服务过程分布构建排队模型可以是基于输入过程分布、服务过程分布、有一辆待调度车辆、前面有待运输目标在被服务时,后来的待运输目标需要排队等待的情况建立单服务窗等待制排队模型。
在一些具体的实现方式中,待调度车辆的数量为大于1的正整数,对待调度车辆进行调度其实就是调度符合数量的待调度车辆,则根据输入过程分布以及服务过程分布构建排队模型可以是基于输入过程分布、服务过程分布、有多辆待调度车辆、前面有待运输目标在被服务时,后来的待运输目标需要排队等待的情况建立多服务窗等待制排队模型。
在具体的实现中,显然待调度车辆的数量为大于1的正整数的情况更多,因此,构建多服务窗等待制排队模型更加符合具体应用场景,且构建多服务窗等待制排队模型后,可以将排队模型中待调度车辆的数量设置为1实现多服务窗等待制排队模型到单服务窗等待制排队模型的转换。
在一些具体的实现方式中,输入过程分布为泊松分布、服务过程分布为负指数分布,待调度车辆的数量为大于1的正整数,但不确定具体数量的情况下,可以构建多服务窗等待制M/M/S排队模型。
输入过程分布为泊松分布,服务过程分布为负指数分布是实际应用场景中最常见的分布,构建多服务窗等待制M/M/S排队模型也是在实际应用场景中可以应用最广泛的排队模型。
在步骤S140中,在一些可能的实现方式中,最优调度方案可以是在约束条件下,使待运输目标的平均等待时间最短所需调度的待调度车辆的车辆类型。
在一些可能的实现方式中,获取待运输目标的极限等待时间,构建约束条件,并基于构建的多服务窗等待制排队模型,构建待运输目标的等待时间方程,根据约束条件对等待时间方程求解,确定使待运输目标的平均等待时间最短所需调度的待调度车辆的服务时间的平均值,并根据所需调度的待调度车辆的服务时间的平均值确定待调度车辆的车辆类型。
在一些可能的实现方式中,最优调度方案包括使待运输目标的平均等待时间最短所需调度的待调度车辆的数量,这也是实际应用场景中最常出现的调度问题。
在一些可能的实现方式中,获取待运输目标的极限等待时间以及待调度车辆的极限调度数量;根据极限等待时间以及极限调度数量构建约束条件;基于构建的多服务窗等待制排队模型,构建待运输目标的等待时间方程,根据约束条件对等待时间方程求解,确定使待运输目标的平均等待时间小于极限等待时间,需要调度的待调度车辆的最少数量,并基于确定待调度车辆的最少数量调度相应数量的待调度车辆。
由于排队模型是基于待运输目标的到达流量的输入过程分布、以及待调度车辆服务时间的服务过程分布,因此,使用排队模型来确定调度方案可以充分考虑待运输目标到达流量以及待调度车辆服务时间,得到更科学、合理、符合运营需要的数据。
本公开实施例的车辆调度方法中,基于排队模型对车辆进行调度满足运输任务要求,相比基于经验对待调度车辆进行调度,排队模型能根据待运输目标到达流量以及待调度车辆服务时间,获取更合理,更加符合运输任务要求的调度方案,同时,也减少了人力资源的浪费。
下面对本公开实施例的车辆调度方法进行展开说明。
在一些可能的实现方式中,可以统计待运输目标在运输任务执行时间段到达运输任务路线的流量的历史数据,分析历史数据,确定待运输目标的到达流量的输入过程分布。
由于待运输目标(如乘客、货物等)行为可能具有一定的规律性,因此,通过对历史数据的统计分析来确定的待运输目标的到达流量的输入过程分布有很大概率与待运输目标的实际到达流量的输入过程分布是相同的,即使存在差异,差异也是较小的,是在允许的误差内的。
在一些具体的实现方式中,待运输目标的到达流量的输入过程分布可以是泊松分布。
即如果用N(t)表示在[0,t]时间内待运输目标到达的总数,则对于每个给定的时刻t,N(t)都是一个随机变量。随即变量N(t),t∈[0,T]称作是一个随机过程,当N(t)具有独立增量性,也就是说在互不相交的时间区间[t 1,t2],[t2,t3],…内顾客到达情况相互独立的,则在时间间隔为t长度内,到达k个待运输目标的概率服从泊松分布,即:
其中参数λ为泊松分布的数学期望,对应单位时间间隔内到达待运输目标的平均数。
当然,也可以说待运输目标在相继到达时间间隔τn服从指数分布,即
在一些具体的实现方式中,对一些特殊的任务,待运输目标的到达流量可能会受到天气等因素等影响,因此,还可以获取运输任务路线在运输任务执行当天的运输任务执行时间段的天气,并根据天气对待运输目标的到达流量的影响,来对参数λ进行调整。
在一些可能的实现方式中,待调度车辆的车辆信息可以包括待调度车辆的车辆类型、载重量等于待调度车辆服务时间相关的信息。
如当待运输目标为乘客、待调度车辆为无人驾驶巴士的情况下,不同座位数量、不同出入门数量的巴士一次性能服务的乘客的数量也是不同的,对应的服务时间的服务过程分布也是不同的。
因此,可以待调度车辆的车辆信息来确定待调度车辆服务时间的服务过程分布。
在一些具体的实现方式中,也可以通过统计并分析不同车辆的服务时间的历史数据来获取待调度车辆的车辆信息与待调度车辆服务时间的服务过程分布的对应关系。
在一些具体的实现方式中,待调度车辆服务时间的服务过程分布可以是负指数分布。
即若用T(n)表示服务第n个待运输目标所需的服务时间,则{T(n)}是一族连续性随机变量,如果随机变量相互独立,则T(n)服从指数分布,概率密度函数为:
其中,1/μ对应每位待运输目标所需要的平均服务时间,而μ表示单位时间内能被服务完的待运输目标的平均数。
在一些具体的实现方式中,输入过程分布为参数为λ的泊松分布,服务过程分布为参数为μ的负指数分布,有多辆但未确定数量的待调度车辆、前面有待运输目标在被服务时,后来的待运输目标需要排队等待的情况建立多服务窗等待制排队模型M/M/S。
下面以调度无人驾驶车辆完成特定场景的乘客接送任务,任务目的是合理控制车辆调度,实现最优车辆资源完成乘客运送,并避免乘客长时间等待为例。
用Ls表示平均队列长度,Lq表示等待的乘客个数(平均排队对长),Ws表示乘客平均等待时间与上车时间之和,Wq表示乘客平均等待时间,Fw表示乘客平均流量,Tm表示乘客平均上车时间,S表示待调度车辆的车辆数。
在已知单位时间间隔内到达顾客的平均数λ,以及单位时间内能被服务完的顾客平均数μ,待调度车辆的车辆数S未知的情况下,基于排队模型确定最优调度方案可以是在给定的约束条件下,对基于排队模型构建的方程进行求解,求解在给定的约束条件下的min(S)。
也就是说,在Tm=1/μ,Fw=λ的情况下,在给定的约束条件下,对基于排队模型构建的方程进行求解,求解在给定的约束条件下的min(S)。
图2为在给定的约束条件下,对基于排队模型构建的方程进行求解步骤的流程示意图,参照图2,求解过程可以包括:
在步骤S210中,获取待运输目标的极限等待时间以及待调度车辆的极限调度数量;
在步骤S220中,根据极限等待时间以及极限调度数量构建约束条件;
在步骤S230中,基于构建的多服务窗等待制排队模型,构建待运输目标的等待时间方程,根据约束条件对等待时间方程求解,确定使待运输目标的平均等待时间小于极限等待时间,需要调度的待调度车辆的最少数量。
在步骤S210中,在一些可能的实现方式中,获取待运输目标的极限等待时间可以是获取乘客可以等待的最长时间Wmax,超过该时间乘客可能会不等待。
在一些可能的实现方式中,获取待调度车辆的极限调度车辆可以获取可以调度的待调度车辆的最大数量Smax。
在步骤S220中,根据极限等待时间以及极限调度数量构建的约束条件可以是:Ws<Wmax,S<Smax。
在步骤S230中,基于构建的多服务窗等待制排队模型,构建待运输目标的等待时间方程可以是构建如下方程:
根据约束条件对等待时间方程求解,确定使待运输目标的平均等待时间小于极限等待时间,需要调度的待调度车辆的最少数量可以是,将已知的μ,λ代入上述方程,在约束条件下对上述方程求解,求解min(S)。
也就是说,已知条件:Tm=1/μ,Fw=λ;
约束条件:
Ws<Wmax;
S<Smax;
在给定约束条件下,求解min(S)。
若构建的排队模型不同,则构建的待运输目标的等待时间方程也是不同的,但方程构建的整体原则是相同的,即基于排队模型,计算待运输目标的平均等待时间构建等式方程,基于构建的等式方程与约束条件对方程进行求解。
基于与图1中所示的方法相同的原理,图3示出了本公开实施例提供的一种车辆调度装置的结构示意图,如图3所示,该车辆调度装置30可以包括:
任务信息模块310,用于获取运输任务信息,根据运输任务信息,确定待运输目标的到达数量的分布作为输入过程分布;
调度信息模块320,用于获取待调度车辆的车辆信息,根据待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;
模型构建模块330,用于根据输入过程分布以及服务过程分布构建排队模型;
车辆调度模块340,用于基于排队模型确定最优调度方案,并根据最优调度方法对待调度车辆进行调度。
本公开实施例的车辆调度装置中,基于排队模型对车辆进行调度满足运输任务要求,相比基于经验对待调度车辆进行调度,排队模型能根据待运输目标到达流量以及待调度车辆服务时间,获取更合理,更加符合运输任务要求的调度方案,同时,也减少了人力资源的浪费。
可以理解的是,本公开实施例中的车辆调度装置的上述各模块具有实现图1中所示的实施例中的车辆调度方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述车辆调度装置的各模块的功能描述具体可以参见图1中所示实施例中的车辆调度方法的对应描述,在此不再赘述。
在一些可能的实现方式中,运输任务信息包括运输任务路线、运输任务执行时间段;所述根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布,包括:统计所述待运输目标在所述运输任务执行时间段到达所述运输任务路线的到达流量的历史数据;分析所述历史数据,确定所述待运输目标的到达流量的分布作为输入过程分布。
在一些可能的实现方式中,根据输入过程分布以及服务过程分布构建排队模型,包括:基于输入过程分布以及服务过程分布构建多服务窗等待制排队模型。
在一些可能的实现方式中,最优调度方案包括使待运输目标的平均等待时间最短所需调度的待调度车辆的数量。
在一些可能的实现方式中,基于排队模型确定最优调度方案,包括:获取待运输目标的极限等待时间以及待调度车辆的极限调度数量;根据极限等待时间以及极限调度数量构建约束条件;基于构建的多服务窗等待制排队模型,构建待运输目标的等待时间方程,根据约束条件对等待时间方程求解,确定使所述待运输目标的平均等待时间小于所述极限等待时间,需要调度的所述待调度车辆的最少数量。
在一些可能的实现方式中,基于输入过程分布以及服务过程分布构建多服务窗等待制排队模型,包括基于输入过程分布为泊松分布、服务过程分布为负指数分布、待调度车辆的数量为大于1的正整数,构建多服务窗等待制M/M/S排队模型。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如本公开实施例提供的车辆调度方法。
该电子设备与现有技术相比,基于排队模型对车辆进行调度满足运输任务要求,相比基于经验对待调度车辆进行调度,排队模型能根据待运输目标到达流量以及待调度车辆服务时间,获取更合理,更加符合运输任务要求的调度方案,同时,也减少了人力资源的浪费。
该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如本公开实施例提供的车辆调度方法。
该可读存储介质与现有技术相比,基于排队模型对车辆进行调度满足运输任务要求,相比基于经验对待调度车辆进行调度,排队模型能根据待运输目标到达流量以及待调度车辆服务时间,获取更合理,更加符合运输任务要求的调度方案,同时,也减少了人力资源的浪费。
‘该计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开实施例提供的车辆调度方法。
该计算机程序产品与现有技术相比,基于排队模型对车辆进行调度满足运输任务要求,相比基于经验对待调度车辆进行调度,排队模型能根据待运输目标到达流量以及待调度车辆服务时间,获取更合理,更加符合运输任务要求的调度方案,同时,也减少了人力资源的浪费。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,电子设备400包括计算单元410,其可以根据存储在只读存储器(ROM)420中的计算机程序或者从存储单元480加载到随机访问存储器(RAM)430中的计算机程序,来执行各种适当的动作和处理。在RAM 430中,还可存储设备400操作所需的各种程序和数据。计算单元410、ROM 420以及RAM 430通过总线440彼此相连。输入/输出(I/O)接口450也连接至总线440。
设备400中的多个部件连接至I/O接口450,包括:输入单元460,例如键盘、鼠标等;输出单元470,例如各种类型的显示器、扬声器等;存储单元480,例如磁盘、光盘等;以及通信单元490,例如网卡、调制解调器、无线通信收发机等。通信单元490允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元410可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元410的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元410执行本公开实施例中所提供的车辆调度方法。例如,在一些实施例中,执行本公开实施例中所提供的车辆调度方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元480。在一些实施例中,计算机程序的部分或者全部可以经由ROM 420和/或通信单元490而被载入和/或安装到设备400上。当计算机程序加载到RAM 430并由计算单元410执行时,可以执行本公开实施例中所提供的车辆调度方法的一个或多个步骤。备选地,在其他实施例中,计算单元410可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开实施例中所提供的车辆调度方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、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或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种车辆调度方法,包括:
获取运输任务信息,根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布;
获取待调度车辆的车辆信息,根据所述待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;
根据所述输入过程分布以及所述服务过程分布构建排队模型;
基于所述排队模型确定最优调度方案,并根据所述最优调度方法对所述待调度车辆进行调度。
2.根据权利要求1所述的方法,其中,所述运输任务信息包括运输任务路线、运输任务执行时间段;
所述根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布,包括:
统计所述待运输目标在所述运输任务执行时间段到达所述运输任务路线的到达流量的历史数据;
分析所述历史数据,确定所述待运输目标的到达流量的分布作为输入过程分布。
3.根据权利要求1所述的方法,其中,所述根据所述输入过程分布以及所述服务过程分布构建排队模型,包括:
基于所述输入过程分布以及所述服务过程分布构建多服务窗等待制排队模型。
4.根据权利要求3所述的方法,其中,所述最优调度方案包括使所述待运输目标的平均等待时间最短所需调度的所述待调度车辆的数量。
5.根据权利要求4所述的方法,其中,所述基于所述排队模型确定最优调度方案,包括:
获取所述待运输目标的极限等待时间以及所述待调度车辆的极限调度数量;
根据所述极限等待时间以及所述极限调度数量构建约束条件;
基于构建的多服务窗等待制排队模型,构建所述待运输目标的等待时间方程,根据所述约束条件对所述等待时间方程求解,确定使所述待运输目标的平均等待时间小于所述极限等待时间,需要调度的所述待调度车辆的最少数量。
6.根据权利要求3所述的方法,其中,所述基于所述输入过程分布以及所述服务过程分布构建多服务窗等待制排队模型,包括:
基于所述输入过程分布为泊松分布、所述服务过程分布为负指数分布、所述待调度车辆的数量为大于1的正整数,构建多服务窗等待制M/M/S排队模型。
7.一种车辆调度装置,包括:
任务信息模块,用于获取运输任务信息,根据所述运输任务信息,确定待运输目标的到达流量的分布作为输入过程分布;
调度信息模块,用于获取待调度车辆的车辆信息,根据所述待调度车辆的车辆信息,确定待调度车辆服务时间的分布作为服务过程分布;
模型构建模块,用于根据所述输入过程分布以及所述服务过程分布构建排队模型;
车辆调度模块,用于基于所述排队模型确定最优调度方案,并根据所述最优调度方法对所述待调度车辆进行调度。
8.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211685903.9A CN116029505A (zh) | 2022-12-27 | 2022-12-27 | 车辆调度方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211685903.9A CN116029505A (zh) | 2022-12-27 | 2022-12-27 | 车辆调度方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116029505A true CN116029505A (zh) | 2023-04-28 |
Family
ID=86069994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211685903.9A Pending CN116029505A (zh) | 2022-12-27 | 2022-12-27 | 车辆调度方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029505A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689185A (zh) * | 2024-02-02 | 2024-03-12 | 深圳市拓远能源科技有限公司 | 一种基于物联网的设备数据调度优化方法 |
-
2022
- 2022-12-27 CN CN202211685903.9A patent/CN116029505A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689185A (zh) * | 2024-02-02 | 2024-03-12 | 深圳市拓远能源科技有限公司 | 一种基于物联网的设备数据调度优化方法 |
CN117689185B (zh) * | 2024-02-02 | 2024-05-07 | 深圳市拓远能源科技有限公司 | 一种基于物联网的设备数据调度优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980955B (zh) | 用于输出信息的方法和装置 | |
TW202025013A (zh) | 庫存管理及排程工具 | |
Selinka et al. | Time-dependent performance approximation of truck handling operations at an air cargo terminal | |
CN113627792B (zh) | 无人车的调度管理方法、装置、设备、存储介质及程序 | |
US10008121B2 (en) | Method and system for managing a dispatch of vehicles | |
CN109711780A (zh) | 运输消息通知方法和装置 | |
CN116029505A (zh) | 车辆调度方法、装置、电子设备及可读存储介质 | |
CN113988485B (zh) | 站点到货量预测方法、装置、电子设备和计算机可读介质 | |
CN114202130A (zh) | 流转量预测多任务模型生成方法、调度方法、装置和设备 | |
CN109683504B (zh) | 出库控制方法、装置、电子设备及存储介质 | |
CN112016802A (zh) | 设备调度方法、装置及电子设备 | |
CN113033971B (zh) | 一种服务器及递送机器人的运单调度方法、介质和装置 | |
CN112101831A (zh) | 货物的出库方法、装置、介质及电子设备 | |
CN113822609A (zh) | 物流线路的生成方法、装置以及服务器 | |
CN115344359A (zh) | 算力资源分配方法、装置、计算机可读存储介质及设备 | |
CN113822612B (zh) | 运输装置的控制方法和装置 | |
CN112950106B (zh) | 中转场车辆囤货方法、装置、电子设备及存储介质 | |
CN115796494B (zh) | 用于无人驾驶车辆的工单处理方法、工单信息展示方法 | |
Sivasamy et al. | A discrete time bulk service queue with accessible batch: Geo/NB (L, K)/1 | |
CN117196439B (zh) | 一种用于物流运输的仓库货品分拣方法及系统 | |
CN113052354B (zh) | 货运容器调拨优化方法、装置、设备及存储介质 | |
CN113222310B (zh) | 一种拣货生产力调度方法和装置 | |
CN115526453A (zh) | 车辆调度方法、装置、设备、存储介质及计算机程序产品 | |
CN116246480A (zh) | 无人驾驶车辆处理方法、装置、电子设备及存储介质 | |
CN114266518A (zh) | 物资调度方法、模型训练方法及装置 |
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 |