CN116029510A - 车辆调度方法、装置、设备及存储介质 - Google Patents
车辆调度方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116029510A CN116029510A CN202211737053.2A CN202211737053A CN116029510A CN 116029510 A CN116029510 A CN 116029510A CN 202211737053 A CN202211737053 A CN 202211737053A CN 116029510 A CN116029510 A CN 116029510A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- demand
- service station
- target
- prediction model
- 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
-
- 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
本申请公开了一种车辆调度方法、装置、设备及存储介质,所述方法,包括:获取目标需求预测模型以及目标调度模型;获取历史数据集;将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。本申请的技术方案,在当天接收用户的实时订单之前,执行目标调度策略,对每个服务站的当前的车辆数量进行更新,并获得每个服务站的更新车辆数量,实现了提前完成每个服务站的预测调度任务。
Description
技术领域
本申请属于车辆租赁技术领域,尤其涉及一种车辆调度方法、装置、设备及存储介质。
背景技术
目前,用于租车的调度中心主要基于最早到达策略以及组播策略向用户提供租车服务。
对于最早到达策略,调度中心会根据所有满足条件的空闲车辆的位置信息和其当前路况,对其到达需求站点的时间进行分析,选择出所需时间最短的空闲车辆,并发送基本调度信息;但是,最早到达策略只适用于时间较为紧张的情况,且需要所有满足条件的空闲车辆进行应答,增加了调度中心的压力;其次,在计算各个空闲车辆到达时间时,空闲车辆所在区域的当前路况繁多复杂,到达时间的计算难免会出现误差,优先级划分也会有一定程度上的偏误;此外,在根据优先级发送基本调度信息时,一旦多个空闲车辆未进行应答,则等待应答的大量时间就会被浪费,造成不必要的损失。
对于组播策略,调度中心会对所有满足条件的空闲车辆进行分组并编号,按照编号次序向各个组发送基本调度信息;但是,组播策略只适用于到达时间较长的情况;虽然分组后可以循环使用,但由于每次客户需求和要求位置存在差异,各个分组可用场景也有所不同,因此简单的分组对此意义不大;同时,这种分组方式虽极大程度上简化了基本调度信息发送的步骤和等待的时间,但也使得组内一些位置较远、路况较差的空闲车辆收到基本调度信息;一旦由于分组的因素导致组内距离要求位置最近的空闲车辆也很远时,会大大增加调度的成本。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本申请的一个目的在于提出一种车辆调度方法、装置、设备及存储介质。
为了解决上述技术问题,本申请的实施例提供如下技术方案:
一种车辆调度方法,包括:
获取目标需求预测模型以及目标调度模型;
获取历史数据集;
将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;
将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;
在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。
可选的,所述获取目标需求预测模型,包括:
构建初始需求预测模型;其中,所述初始需求预测模型包括第一子需求预测模型、第二子需求预测模型以及第三子需求预测模型;
获取训练数据集,并基于所述训练数据集对所述初始需求预测模型进行多次训练,获得目标需求预测模型;其中,所述目标需求预测模型包括第一子目标需求预测模型、第二子目标需求预测模型以及第三子目标需求预测模型;
所述基于所述训练数据集对所述初始需求预测模型进行多次训练,包括:
基于所述第一子需求预测模型对所述训练数据集进行处理,获得多个第一维度需求量特征因子;同时,基于所述第二子需求预测模型对所述训练数据集5进行处理,获得多个第二维度需求量特征因子;
将多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子,输入至所述第三子需求预测模型;
基于所述第三子需求预测模型对多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子进行处理,获得每个所述服务站的历史需求0预测量。
可选的,所述第一维度需求量特征因子,包括每个所述服务站的历史同期需求量、每个所述服务站的第一预设期限需求量以及每个所述服务站的第二预设期限需求量中的任意一种。
可选的,所述第二维度需求量特征因子,包括每个所述服务站在第一时间5范围内对应的历史需求量趋势以及每个所述服务站在第二时间范围内对应的历史周期性因子中的任意一个。
可选的,所述获取目标调度模型,包括:
获取目标调度函数;
获取调度约束条件;
0基于所述目标调度函数以及所述调度约束条件,获得所述目标调度模型。
可选的,所述目标调度函数,包括:
多个参考因子,每个所述参考因子匹配设有权重;所述参考因子包括每个待调出服务站基于对应的所述预测调度需求量获得的调度成本、调度收益、调度距离以及供需平衡值中的任意一种;其中,所述待调出服务站基于每个所述服务站的所述预测调度需求量确定。
可选的,所述调度约束条件,包括如下至少一种:
车辆调度距离约束;
车辆调度人员约束;
车辆调度时间约束。
可选的,所述将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略,包括:
获取每个所述待调出服务站基于所述预测调度需求量确定的所述调度成本、调度收益、调度距离以及供需平衡值;
基于所述目标调度函数对每个所述待调出服务站对应的所述调度成本、调度收益、调度距离以及供需平衡值进行计算,获得每个所述待调出服务站的目标调度函数值;
对每个所述待调出服务站的所述目标调度函数值进行排序,获得目标调度函数值队列;
基于所述目标调度函数值队列,确定每个所述待调出服务站的调度顺序;
基于每个所述待调度服务站的所述调度顺序,确定所述目标调度策略。
可选的,所述历史数据集,包括如下至少一种:
每个所述服务站的位置;
每个所述服务站的位置类型;
每个所述服务站在不同时间的历史车辆数量;其中,所述历史车辆数量,包括每种类型的车辆的子历史库存量;
每个所述服务站在不同场景下的历史车辆需求量。
可选的,所述方法,还包括:
在获得每个所述服务站的更新车辆数量之后,接收当天的所述实时订单;
基于每个所述服务站的所述实时订单对每个所述服务站的所述更新车辆数量进行调整,分别获得每个所述服务站的所述调整车辆数量。
本申请的实施例还提供一种车辆调度装置,包括:
第一获取模块,用于获取目标需求预测模型以及目标调度模型;
第二获取模块,用于获取历史数据集;
第一输出模块,用于将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;
第二输出模块,用于将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;
调度模块,用于在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。
本申请的实施例还提供一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
本申请的实施例,具有如下技术效果:
本申请的上述技术方案,1)目标需求预测模型可以基于历史数据集,预测每个服务站未来的预测调度需求量,实现了基于每个服务站的各种历史数据,对每个服务站的未来的需求进行预测。
2)在基于目标需求预测模型获得每个服务站未来的预测调度需求量之后,可以确定目标调度策略。
3)在当天接收用户的实时订单之前,执行目标调度策略,对每个服务站的当前的车辆数量进行更新,并获得每个服务站的更新车辆数量,实现了提前完成每个服务站的预测调度任务,在接收用户的实时订单之后,节省了调度时间,提高了成单率,降低了因为车辆不足而导致的订单取消率以及用户的等待时间,减少了每个服务站的运营成本,提高了每个服务站的收益。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
图1是本申请实施例提供的一种车辆调度方法的流程示意图;
图2是本申请实施例提供的一种车辆调度装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
为了便于本领域的技术人员对实施例的理解,对部分用语进行解释:
XGBoost是将多个树模型(或分类器)集成一个强分类器,可用于分类问题,也可用于预测值问题。
如图1所示,本申请的实施例提供一种车辆调度方法,包括:
步骤S11:获取目标需求预测模型以及目标调度模型;
本申请一可选的实施例,所述获取目标需求预测模型,包括:
构建初始需求预测模型;其中,所述初始需求预测模型包括第一子需求预测模型、第二子需求预测模型以及第三子需求预测模型;
获取训练数据集,并基于所述训练数据集对所述初始需求预测模型进行多次训练,获得目标需求预测模型;其中,所述目标需求预测模型包括第一子目标需求预测模型、第二子目标需求预测模型以及第三子目标需求预测模型;
所述基于所述训练数据集对所述初始需求预测模型进行多次训练,包括:
基于所述第一子需求预测模型对所述训练数据集进行处理,获得多个第一维度需求量特征因子;同时,基于所述第二子需求预测模型对所述训练数据集进行处理,获得多个第二维度需求量特征因子;
将多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子,输入至所述第三子需求预测模型;
基于所述第三子需求预测模型对多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子进行处理,获得每个所述服务站的历史需求预测量。
本申请一可选的实施例,第二子需求预测模型可以基于时间序列的方法获得不同时间(周末/平日,节假日/非节假日)对应的多个第二维度需求量特征因子;其中,第二子需求预测模型可以基于Prophet时间序列模型实现。
本申请一可选的实施例,第三子需求预测模型可以基于机器学习算法(XGBoost)实现。
本申请一可选的实施例,将训练数据集输入至初始需求预测模型,并基于训练数据集对初始需求预测模型对训练数据集进行多次训练,获得更新需求预测模型;基于训练数据集获得测试数据子集,并基于测试数据子集对更新需求预测模型的精准度进行验证,当精准度达到预设标准时,则将与当前的精准度对应的更新需求预测模型,确定为目标需求预测模型。
本申请一可选的实施例,在调度区域可以包括多个城市,在每个城市可以设有多个服务站,每个服务站对应分配相应的车辆以及工作人员;调度中心对调度区域内的每个服务站的车辆数量进行调整。
其中,训练数据集可以包括每个服务站的历史车辆数量、调度区域所涉及的城市对应的城市类型(例如:枢纽城市/非枢纽城市)、每个服务站的位置、每个服务站的位置类型(枢纽服务站/非枢纽服务站)、每个服务站在工作日对应的历史需求量、每个服务站在周末对应的历史需求量、每个服务站在节假日对应的历史需求量、每个服务站在雨天对应的历史需求量、每个服务站在雪天对应的历史需求量、每个服务站在不同舆情下对应的历史需求量、每个服务站在不同城市出行数据下对应的历史需求量以及竞争对手的相关数据等。
需要说明的是,训练数据集对应的时间段可以根据实际需要进行选择确定,本申请的实施例对此不做具体的限定。
本申请一可选的实施例,第一子需求预测模型对训练数据集进行数据清洗、转化、加工的处理;
例如:当第一子需求预测模型检测到训练数据集中存在空值,假设某个时刻对应的车辆需求数据未进行记录,则基于一段时间内的车辆需求数据的均值等参数对该空值进行替换。
本申请一可选的实施例,所述第一维度需求量特征因子,包括每个所述服务站的历史同期需求量、每个所述服务站的第一预设期限需求量以及每个所述服务站的第二预设期限需求量中的任意一种。
具体的,对于历史同期需求量,例如,在去年1月1号与今年1月1号,每个服务站分别对应的历史需求量;
对于第一预设期限需求量,例如:近5天内每个服务站每天分别对应的历史需求量;和/或近5天内每个服务站分别对应的平均历史需求量;和/或近5天内每个服务站分别对应的最大的历史需求量;和/或近5天内每个服务站分别对应的最小的历史需求量;
对于第二预设期限需求量,例如,每个服务站在每个节假日分别对应的历史需求量;和/或每个服务站在每个节假日分别对应的平均历史需求量;和/或近5天内每个服务站分别对应的最大历史需求量;和/或每个服务站在每个节假日分别对应的最小历史需求量。
本申请一可选的实施例,第一子需求预测模型根据每个服务站的实时需求还可以获得历史预定车辆需求量以及与该历史预定车辆需求量匹配的历史实际车辆需求量;并获得历史预定车辆需求量与历史实际车辆需求量的差值,将该差值作为一种第一维度需求量特征因子,用于增加训练数据集的数据丰富程度,提高目标需求预测模型的精准度以及适用范围。
本申请一可选的实施例,所述第二维度需求量特征因子,包括每个所述服务站在第一时间范围内对应的历史需求量趋势以及每个所述服务站在第二时间范围内对应的历史周期性因子中的任意一个。
本申请一可选的实施例,每个服务站在第一时间范围内对应的历史需求量趋势,可以包括每个服务站在一周内对应的历史需求量的波动情况、上涨情况以及下降情况之中的至少一种。
本申请一可选的实施例,历史周期性因子,可以包括:每个服务站在训练数据集对应的时间段中,每周最大的历史需求量为周六或周日以及每个服务站在每个节假日对应的历史需求量等。
本申请一可选的实施例,所述获取目标调度模型,包括:
获取目标调度函数;
获取调度约束条件;
基于所述目标调度函数以及所述调度约束条件,获得所述目标调度模型。
本申请一可选的实施例,所述目标调度函数,包括:
多个参考因子,每个所述参考因子匹配设有权重;所述参考因子包括每个待调出服务站基于对应的所述预测调度需求量获得的调度成本、调度收益、调度距离以及供需平衡值中的任意一种;其中,所述待调出服务站基于每个所述服务站的所述预测调度需求量确定。
本申请一可选的实施例,每个参考因子的权重,可以根据实际需要进行调整。
本申请一可选的实施例,每个服务站的供需平衡值可以根据在调度区域内每个服务站最近半年的出租率的最高值极差计算获得。
例如:计算获得在调度区域内的每个服务站,最近半年的出租率;
对调度区域内的每个服务站的出租率进行比对,获得出租率上限,也即最大的出租率;例如,在该调度区域内的出租率上限为99%;
每个服务站的供需平衡值可以基于如下公式计算获得:
每个服务站的供需平衡值=出租率上限-该服务站的出租率。
例如,某个服务站的出租率为50%,则该服务站的供需平衡值为49%。
本申请一可选的实施例,对于调度成本、调度收益以及调度距离,例如,需要从服务站B调出5辆车,并调入服务站A,则调度成本、调度收益以及调度距离,可以基于从服务站B调出至服务站A的调度策略并结合相关算法计算获得。
对于计算获得调度成本、调度收益以及调度距离的相关算法,则不在本申请的保护范围内,不再进行赘述。
本申请一可选的实施例,所述调度约束条件,包括如下至少一种:
车辆调度距离约束;
车辆调度人员约束;
车辆调度时间约束。
本申请一可选的实施例,对于车辆调度距离约束,可以预设每辆车完成一次调度任务对应的调度距离阈值,当车辆在某次调度任务中,对应的调度距离大于调度距离阈值,则不对该车辆进行调度。
本申请一可选的实施例,对于车辆调度人员约束,可以假设每个工作人员每天只能完成一次调度任务,则当在某次调度任务中,需要某个工作人员完成第二次调度任务,则不对与该工作人员匹配的车辆进行调度。
本申请一可选的实施例,对于车辆调度时间约束,可以预设完成一次调度任务对应的调度时间阈值(例如,3天),则当车辆在每次调度任务中,对应的调度时间大于调度时间阈值,则不对该车辆进行调度。
步骤S12:获取历史数据集;
本申请一可选的实施例,所述历史数据集,包括如下至少一种:
每个所述服务站的位置;
每个所述服务站的位置类型;
每个所述服务站在不同时间的历史车辆数量;其中,所述历史车辆数量,包括每种类型的车辆的子历史库存量;
每个所述服务站在不同场景下的历史车辆需求量。
本申请一可选的实施例,对于历史数据集,可以以当前时间为基准,采集调度区域内的各个服务站前一周的历史数据,并获得历史数据集;或以当前时间为基准,采集调度区域内的各个服务站的前一个月内的历史数据,并获得历史数据集等。
其中,对于历史数据集对应的实际时长,可以根据实际需要进行调整。
进一步地,在调度区域内完成当前一天的调度任务,则将当前的调度数据作为未来两天的调度任务的历史数据,更新至历史数据集。
本申请一可选的实施例,不同场景可以包括天气、舆情以及竞争对手的数据;其中,天气可以包括雨天、雪天以及晴天等。
步骤S13:将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;
本申请的实施例,将历史数据集输入至目标需求预测模型之后,第一子目标需求预测模型对历史数据集进行处理,获得多个第一维度需求量特征因子;同时,第二子目标需求预测模型对历史数据集进行处理,获得多个第二维度需求量特征因子;
将多个第一维度需求量特征因子以及多个第二维度需求量特征因子,输入至第三子目标需求预测模型,输出每个服务站的预测调度需求量。
本申请一可选的实施例,目标需求预测模型可以预测每个服务站当天(未来一天)的预测调度需求量、未来两天(当天以及明天)的预测调度需求量以及未来三天(当天、明天以及后天)的预测调度需求量中的任意一种;
例如:在调度区域内设有4个服务站,分别为服务站C、服务站D、服务站E以及服务站F;
目标需求预测模型可以预测每个服务站当天的预测调度需求量,则基于上述目标需求预测模型,可以获得每个服务站当天的预测调度需求量:
服务站C对应的预测调度需求量为10辆车;服务站D、服务站E以及服务站F对应的预测调度需求辆为0;
则基于目标需求模型输出的预测结果,确定服务站D、服务站E以及服务站F均为待调出服务站,且服务站C为待调入服务站。
例如:在调度区域内设有4个服务站,分别为服务站C、服务站D、服务站E以及服务站F;
目标需求预测模型可以预测每个服务站未来三天的预测调度需求量,则基于上述目标需求预测模型,可以获得每个服务站未来三天的预测调度需求量:
当天的预测调度需求量:服务站C对应的预测调度需求量为10辆车;服务站D、服务站E以及服务站F对应的预测调度需求辆为0;
则基于目标需求模型输出的预测结果,确定服务站D、服务站E以及服务站F均为待调出服务站,且服务站C为待调入服务站。
明天的预测调度需求量:服务站D对应的预测调度需求量为8辆车;服务站C、服务站E以及服务站F对应的预测调度需求辆为0;
则基于目标需求模型输出的预测结果,确定服务站C、服务站E以及服务站F均为待调出服务站,且服务站D为待调入服务站。
后天的预测调度需求量:服务站C对应的预测调度需求量为5辆车;服务站D、服务站E以及服务站F对应的预测调度需求辆为0;
则基于目标需求模型输出的预测结果,确定服务站D、服务站E以及服务站F均为待调出服务站,且服务站C为待调入服务站。
本申请的实施例,构建了初始需求预测模型,并基于训练数据集对初始诉求预测模型进行训练,获得目标需求预测模型,目标需求预测模型可以基于历史数据集,预测每个服务站未来的预测调度需求量,实现了基于每个服务站的各种历史数据,对每个服务站的未来的需求进行预测。
步骤S14:将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;
本申请一可选的实施例,所述将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略,包括:
获取每个所述待调出服务站基于所述预测调度需求量确定的所述调度成本、调度收益、调度距离以及供需平衡值;
基于所述目标调度函数对每个所述待调出服务站对应的所述调度成本、调度收益、调度距离以及供需平衡值进行计算,获得每个所述待调出服务站的目标调度函数值;
对每个所述待调出服务站的所述目标调度函数值进行排序,获得目标调度函数值队列;
基于所述目标调度函数值队列,确定每个所述待调出服务站的调度顺序;
基于每个所述待调度服务站的所述调度顺序,确定所述目标调度策略。
本申请一可选的实施例,在确定了服务站C对应的预测调度需求量为10辆车;服务站D、服务站E以及服务站F对应的预测调度需求辆为0之后,则获取目标调度模型,并基于目标调度模型的目标调度函数结合目标需求预测模型的预测结果,确定目标调度策略。
具体的,首先获得每个待调出服务站对应的调度成本、调度收益、调度距离以及供需平衡值。
然后基于目标调度函数计算获得每个待调出服务站对应的目标调度函数值。
本申请一可选的实施例,假设调度成本对应的权重为0.4,调度收益对应的权重为0.45,调度距离对应的权重为0.1,供需平衡值对应的权重为0.05;
另外,由于调度成本越小越理想(优先选择调出);调度收益越大越理想,调度距离越小越理想,供需平衡值越大越理想,则将调度成本的原始值以及调度距离的原始值直接参与目标调度函数值的计算,但是,将调度收益的原始值的倒数以及供需平衡值的倒数参与目标调度函数值的计算,因此,目标调度函数值越小越理想。
进一步地,目标调度函数可以基于如下公式,获得:
目标调度函数=0.4*调度成本+0.45*(1/调度收益)+0.1*调度距离+0.05*(1/供需平衡值);
经过计算获得,服务站D的目标调度函数值为50;
服务站E的目标调度函数值为40;
服务站F的目标调度函数值为80;
则对上述3个目标调度函数值进行从小到大进行排序,可得:
服务站E的目标调度函数值为40<服务站D的目标调度函数值为50<服务站F的目标调度函数值为80;
因此,服务站E对应的目标调度函数值最优;
基于上述目标调度函数值队列,可以确定服务站D、服务站E以及服务站F的调出顺序为:
服务站E,服务站D,服务站F。
本申请一可选的实施例,已知服务站C对应的预测调度需求量为10辆车,假设服务站E基于调度约束条件可以调出10辆,则从服务站E调出10辆车至服务站C;无需从服务站D以及F调出车辆,并获得目标调度策略。
本申请一可选的实施例,已知服务站C对应的预测调度需求量为10辆车,假设服务站E基于调度约束条件可以调出5辆,则从服务站E调出5辆车至服务站C;假设服务站D基于调度约束条件可以调出5辆车,则从服务站调出5辆车至服务站C,无需从服务站F调出车辆,并获得目标调度策略。
本申请一可选的实施例,经过计算获得,服务站D的目标调度函数值为30;
服务站E的目标调度函数值为40;
服务站F的目标调度函数值为20;
则对上述3个目标调度函数值进行从小到大进行排序,可得:
服务站F的目标调度函数值为20<服务站D的目标调度函数值为30<服务站E的目标调度函数值为40;
因此服务站F对应的目标调度函数值最优;
基于上述目标调度函数值队列,可以确定服务站D、服务站E以及服务站F的调出顺序为:
服务站F,服务站D,服务站E。
本申请一可选的实施例,已知服务站C对应的预测调度需求量为10辆车,假设服务站F基于调度约束条件可以调出5辆车,则从服务站F调出5辆车至服务站C车;假设服务站D基于调度约束条件可以调出3辆车,则从服务站调出3辆至服务站C,从服务站E调出2辆车,并获得目标调度策略。
本申请的实施例,在基于目标需求预测模型获得每个服务站未来的预测调度需求量之后,可以确定调度区域内的待调出服务站以及待调入服务站,基于预测调度需求量以及待调出服务站,可以确定每个待调出服务站的调度成本、调度收益以及调度距离等,目标调度模型基于每个待调出服务站的调度成本、调度收益以及调度距离等进行计算,可以确定目标调度策略。
步骤S15:在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。
本申请一可选的实施例,在获得目标调度策略之后,可以基于目标调度策略完成当天的调度任务,并获得每个服务站在完成当天的调度任务之后的更新车辆数量,并对每个服务站的更新车辆数量进行保存,作为目标需求预测模型进行下一次预测的历史数据集。
本申请一可选的实施例,假设在执行当天的调度任务之前,服务站C的车辆数量为3辆、服务站D的车辆数量为10辆、服务站E的车辆数量为8辆、服务站F的车辆数量为15辆;
目标调度策略为:从服务站F向服务站C调入5辆车,从服务站D向服务站C调入3辆车,从服务站E向服务站C调入2辆车;
则完成当天的调度任务之后,每个所述服务站的更新车辆数量分别为服务站C的车辆数量为13辆、服务站D的车辆数量为7辆、服务站E的车辆数量为6辆、服务站F的车辆数量为10辆。
本申请的实施例,在当天接收用户的实时订单之前,执行目标调度策略,对每个服务站的当前的车辆数量进行更新,并获得每个服务站的更新车辆数量,实现了提前完成每个服务站的预测调度任务,在接收用户的实时订单之后,节省了调度时间,提高了成单率,降低了因为车辆不足而导致的订单取消率以及用户的等待时间,减少了每个服务站的运营成本,提高了每个服务站的收益。
本申请一可选的实施例,所述方法,还包括:
在获得每个所述服务站的更新车辆数量之后,接收当天的所述实时订单;
基于每个所述服务站的所述实时订单对每个所述服务站的所述更新车辆数量进行调整,分别获得每个所述服务站的所述调整车辆数量。
本申请一可选的实施例,调度中心在执行完当天的调度任务之后,则开始接收来自用户的实时订单,例如:在节假日可能会出现实时订单暴增,进而超出了某个或某些服务站的当前的车辆数量;
具体的,假设对于服务站C,用户的实时订单中对X型车辆的需求数量为12辆,但是服务站C目前只有8辆X型车辆,则调度中心可以获得未匹配成功的用户的会员等级,并获得未匹配成功的用户的会员等级中的最高会员等级,然后对最高会员等级的用户做免费无车升级服务;例如,将用户实际需要的X型车辆,升级为服务站C有库存的Y型车辆,用于提升用户的满意度。
进一步地,对于未匹配成功,且会员等级比较低的用户,则向这些用户免费发放优惠券等,用于提升用户的满意度。
如图2所示,本申请的实施例还提供一种车辆调度装置20,包括:
第一获取模块21,用于获取目标需求预测模型以及目标调度模型;
第二获取模块22,用于获取历史数据集;
第一输出模块23,用于将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;
第二输出模块24,用于将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;
调度模块25,用于在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。
可选的,所述获取目标需求预测模型,包括:
构建初始需求预测模型;其中,所述初始需求预测模型包括第一子需求预测模型、第二子需求预测模型以及第三子需求预测模型;
获取训练数据集,并基于所述训练数据集对所述初始需求预测模型进行多次训练,获得目标需求预测模型;其中,所述目标需求预测模型包括第一子目标需求预测模型、第二子目标需求预测模型以及第三子目标需求预测模型;
所述基于所述训练数据集对所述初始需求预测模型进行多次训练,包括:
基于所述第一子需求预测模型对所述训练数据集进行处理,获得多个第一维度需求量特征因子;同时,基于所述第二子需求预测模型对所述训练数据集进行处理,获得多个第二维度需求量特征因子;
将多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子,输入至所述第三子需求预测模型;
基于所述第三子需求预测模型对多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子进行处理,获得每个所述服务站的历史需求预测量。
可选的,所述第一维度需求量特征因子,包括每个所述服务站的历史同期需求量、每个所述服务站的第一预设期限需求量以及每个所述服务站的第二预设期限需求量中的任意一种。
可选的,所述第二维度需求量特征因子,包括每个所述服务站在第一时间范围内对应的历史需求量趋势以及每个所述服务站在第二时间范围内对应的历史周期性因子中的任意一个。
可选的,所述获取目标调度模型,包括:
获取目标调度函数;
获取调度约束条件;
基于所述目标调度函数以及所述调度约束条件,获得所述目标调度模型。
可选的,所述目标调度函数,包括:
多个参考因子,每个所述参考因子匹配设有权重;所述参考因子包括每个待调出服务站基于对应的所述预测调度需求量获得的调度成本、调度收益、调度距离以及供需平衡值中的任意一种;其中,所述待调出服务站基于每个所述服务站的所述预测调度需求量确定。
可选的,所述调度约束条件,包括如下至少一种:
车辆调度距离约束;
车辆调度人员约束;
车辆调度时间约束。
可选的,所述将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略,包括:
获取每个所述待调出服务站基于所述预测调度需求量确定的所述调度成本、调度收益、调度距离以及供需平衡值;
基于所述目标调度函数对每个所述待调出服务站对应的所述调度成本、调度收益、调度距离以及供需平衡值进行计算,获得每个所述待调出服务站的目标调度函数值;
对每个所述待调出服务站的所述目标调度函数值进行排序,获得目标调度函数值队列;
基于所述目标调度函数值队列,确定每个所述待调出服务站的调度顺序;
基于每个所述待调度服务站的所述调度顺序,确定所述目标调度策略。
可选的,所述历史数据集,包括如下至少一种:
每个所述服务站的位置;
每个所述服务站的位置类型;
每个所述服务站在不同时间的历史车辆数量;其中,所述历史车辆数量,包括每种类型的车辆的子历史库存量;
每个所述服务站在不同场景下的历史车辆需求量。
可选的,所述方法,还包括:
在获得每个所述服务站的更新车辆数量之后,接收当天的所述实时订单;
基于每个所述服务站的所述实时订单对每个所述服务站的所述更新车辆数量进行调整,分别获得每个所述服务站的所述调整车辆数量。
本申请的实施例还提供一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
另外,本申请实施例的装置的其他构成及作用对本领域的技术人员来说是已知的,为减少冗余,此处不做赘述。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本申请中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (13)
1.一种车辆调度方法,其特征在于,包括:
获取目标需求预测模型以及目标调度模型;
获取历史数据集;
将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;
将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;
在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。
2.根据权利要求1所述的方法,其特征在于,所述获取目标需求预测模型,包括:
构建初始需求预测模型;其中,所述初始需求预测模型包括第一子需求预测模型、第二子需求预测模型以及第三子需求预测模型;
获取训练数据集,并基于所述训练数据集对所述初始需求预测模型进行多次训练,获得目标需求预测模型;其中,所述目标需求预测模型包括第一子目标需求预测模型、第二子目标需求预测模型以及第三子目标需求预测模型;
所述基于所述训练数据集对所述初始需求预测模型进行多次训练,包括:
基于所述第一子需求预测模型对所述训练数据集进行处理,获得多个第一维度需求量特征因子;同时,基于所述第二子需求预测模型对所述训练数据集进行处理,获得多个第二维度需求量特征因子;
将多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子,输入至所述第三子需求预测模型;
基于所述第三子需求预测模型对多个所述第一维度需求量特征因子以及多个所述第二维度需求量特征因子进行处理,获得每个所述服务站的历史需求预测量。
3.根据权利要求2所述的方法,其特征在于,所述第一维度需求量特征因子,包括每个所述服务站的历史同期需求量、每个所述服务站的第一预设期限需求量以及每个所述服务站的第二预设期限需求量中的任意一种。
4.根据权利要求2所述的方法,其特征在于,所述第二维度需求量特征因子,包括每个所述服务站在第一时间范围内对应的历史需求量趋势以及每个所述服务站在第二时间范围内对应的历史周期性因子中的任意一个。
5.根据权利要求2所述的方法,其特征在于,所述获取目标调度模型,包括:
获取目标调度函数;
获取调度约束条件;
基于所述目标调度函数以及所述调度约束条件,获得所述目标调度模型。
6.根据权利要求5所述的方法,其特征在于,所述目标调度函数,包括:
多个参考因子,每个所述参考因子匹配设有权重;所述参考因子包括每个待调出服务站基于对应的所述预测调度需求量获得的调度成本、调度收益、调度距离以及供需平衡值中的任意一种;其中,所述待调出服务站基于每个所述服务站的所述预测调度需求量确定。
7.根据权利要求6所述的方法,其特征在于,所述调度约束条件,包括如下至少一种:
车辆调度距离约束;
车辆调度人员约束;
车辆调度时间约束。
8.根据权利要求6所述的方法,其特征在于,所述将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略,包括:
获取每个所述待调出服务站基于所述预测调度需求量确定的所述调度成本、调度收益、调度距离以及供需平衡值;
基于所述目标调度函数对每个所述待调出服务站对应的所述调度成本、调度收益、调度距离以及供需平衡值进行计算,获得每个所述待调出服务站的目标调度函数值;
对每个所述待调出服务站的所述目标调度函数值进行排序,获得目标调度函数值队列;
基于所述目标调度函数值队列,确定每个所述待调出服务站的调度顺序;
基于每个所述待调度服务站的所述调度顺序,确定所述目标调度策略。
9.根据权利要求1所述的方法,其特征在于,所述历史数据集,包括如下至少一种:
每个所述服务站的位置;
每个所述服务站的位置类型;
每个所述服务站在不同时间的历史车辆数量;其中,所述历史车辆数量,包括每种类型的车辆的子历史库存量;
每个所述服务站在不同场景下的历史车辆需求量。
10.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
在获得每个所述服务站的更新车辆数量之后,接收当天的所述实时订单;
基于每个所述服务站的所述实时订单对每个所述服务站的所述更新车辆数量进行调整,分别获得每个所述服务站的所述调整车辆数量。
11.一种车辆调度装置,其特征在于,包括:
第一获取模块,用于获取目标需求预测模型以及目标调度模型;
第二获取模块,用于获取历史数据集;
第一输出模块,用于将所述历史数据集输入至目标需求预测模型,输出每个服务站的预测调度需求量;
第二输出模块,用于将每个所述服务站的所述预测调度需求量,输入至目标调度模型,输出目标调度策略;
调度模块,用于在接收当天的实时订单之前,基于所述目标调度策略对每个所述服务站的当前车辆数量进行更新,分别获得每个所述服务站的更新车辆数量。
12.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211737053.2A CN116029510A (zh) | 2022-12-30 | 2022-12-30 | 车辆调度方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211737053.2A CN116029510A (zh) | 2022-12-30 | 2022-12-30 | 车辆调度方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116029510A true CN116029510A (zh) | 2023-04-28 |
Family
ID=86078873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211737053.2A Pending CN116029510A (zh) | 2022-12-30 | 2022-12-30 | 车辆调度方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029510A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362527A (zh) * | 2023-06-02 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN116934056A (zh) * | 2023-09-14 | 2023-10-24 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
-
2022
- 2022-12-30 CN CN202211737053.2A patent/CN116029510A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362527A (zh) * | 2023-06-02 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN116362527B (zh) * | 2023-06-02 | 2023-12-05 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN116934056A (zh) * | 2023-09-14 | 2023-10-24 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN116934056B (zh) * | 2023-09-14 | 2024-03-15 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116029510A (zh) | 车辆调度方法、装置、设备及存储介质 | |
CN111033535B (zh) | 用于乘车订单调度的系统和方法 | |
CN111066048B (zh) | 用于乘车订单分派的系统和方法 | |
CN107103383A (zh) | 一种基于打车热点的动态拼车调度方法 | |
US20190340543A1 (en) | System and method for optimizing vehicle fleet deployment | |
CN107341553A (zh) | 一种车辆调度方法及装置,电子设备 | |
US20110184773A1 (en) | Method and System for Planning Paratransit Runs | |
US11626021B2 (en) | Systems and methods for dispatching shared rides through ride-hailing platform | |
DE112016006754T5 (de) | Verfahren und vorrichtung zur on-demand-kraftstofflieferung | |
CN112529487B (zh) | 车辆调度方法、装置以及存储介质 | |
CN110570656A (zh) | 定制公共交通线路方法及装置 | |
CN111695842A (zh) | 配送方案确定方法、装置、电子设备及计算机存储介质 | |
CN112906980A (zh) | 订单处理方法、装置、系统及可读存储介质 | |
CN114168701A (zh) | 一种车辆调度方法、系统、设备及存储介质 | |
CN113222308B (zh) | 订单分配方法、装置、电子设备及存储介质 | |
US20220277652A1 (en) | Systems and methods for repositioning vehicles in a ride-hailing platform | |
CN114037587B (zh) | 基于异质因果推断的城市通勤主通道多匝道网联控制方法 | |
CN111861080A (zh) | 一种信息处理的方法、装置、电子设备及存储介质 | |
CN113936494B (zh) | 一种基于分时乘车需求的公交调度方法及装置 | |
CN114822007A (zh) | 自动驾驶车辆调度方法及系统 | |
CN118103675A (zh) | 货运车队的管理和优化 | |
CN114372759A (zh) | 一种垃圾收运车最佳卸料口排队管理方法和系统 | |
US20220277329A1 (en) | Systems and methods for repositioning vehicles in a ride-hailing platform | |
CN112053087A (zh) | 投诉工单的处理方法、装置、设备及存储介质 | |
CN117236662B (zh) | 用于共享电动车自动驾驶的大数据平台 |
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 |