CN116308501B - 用于管理共享车辆的运营区域的方法、装置、设备和介质 - Google Patents
用于管理共享车辆的运营区域的方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116308501B CN116308501B CN202310597660.1A CN202310597660A CN116308501B CN 116308501 B CN116308501 B CN 116308501B CN 202310597660 A CN202310597660 A CN 202310597660A CN 116308501 B CN116308501 B CN 116308501B
- Authority
- CN
- China
- Prior art keywords
- clusters
- atomic
- cluster
- regions
- region
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000000638 solvent extraction Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 9
- 239000012530 fluid Substances 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及用于管理共享车辆的运营区域的方法、装置、设备和介质。具体地,确定地理区域中的多个原子区域的第一组聚类,第一组聚类中的聚类包括多个原子区域中的至少一个原子区域;调整第一组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第二组聚类;基于多个原子区域中的共享车辆的历史运营数据,分别确定第一组聚类的第一运营指标以及第二组聚类的第二运营指标;以及响应于确定第一运营指标和第二运营指标满足阈值条件,基于第二组聚类来生成地理区域的多个运营区域,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。以此方式,可以基于历史运营数据来确定更加适合于后期车辆管理的多个运营区域。
Description
技术领域
本公开的各实现方式涉及共享车辆管理,更具体地,涉及用于管理共享车辆的运营区域的方法、装置、电子设备和存储介质。
背景技术
随着计算机技术以及网络技术的发展,目前已经开发出了用于共享车辆的应用。例如,可以在某个地理区域(例如,市、区或者其他范围)内提供共享车辆(例如,自行车、电动车,等等)。用户可以使用车辆共享应用来解锁车辆,并将车辆作为代步工具使用。由于地理区域内的不同位置处的用户需求并不相同,在某些位置(例如,城市中心和/或交通枢纽等)处可能存在大量需求,因而应当投放较多车辆;在某些范围内可能需求较低,并且可以减少车辆投放。可以将地理区域划分为不同的运营区域以便于管理。此时,期望以更为有效并且准确的方式来管理共享车辆的运营区域。
发明内容
根据本公开的第一方面,提供了一种用于管理共享车辆的运营区域的方法。该方法包括:确定地理区域中的多个原子区域的第一组聚类,第一组聚类中的聚类包括多个原子区域中的至少一个原子区域;调整第一组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第二组聚类;基于多个原子区域中的共享车辆的历史运营数据,分别确定第一组聚类的第一运营指标以及第二组聚类的第二运营指标;以及响应于确定第一运营指标和第二运营指标满足阈值条件,基于第二组聚类来生成地理区域的多个运营区域,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。
根据本公开的第二方面,提供了一种用于管理共享车辆的运营区域的装置。该装置包括:确定模块,被配置用于确定地理区域中的多个原子区域的第一组聚类,第一组聚类中的聚类包括多个原子区域中的至少一个原子区域;调整模块,被配置用于调整第一组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第二组聚类;指标确定模块,被配置用于基于多个原子区域中的共享车辆的历史运营数据,分别确定第一组聚类的第一运营指标以及第二组聚类的第二运营指标;以及生成模块,被配置用于响应于确定第一运营指标和第二运营指标满足阈值条件,基于第二组聚类来生成地理区域的多个运营区域,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。
根据本公开的第三方面,提供了一种电子设备,包括:存储器和处理器;其中存储器用于存储一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。
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/指令,其中计算机程序/指令被处理器执行时实现根据本公开的第一方面的方法。
附图说明
结合附图并参考以下详细说明,本公开各实现方式的特征、优点及其他方面将变得更加明显,在此以示例性而非限制性的方式示出了本公开的若干实现方式。在附图中:
图1示意性示出了其中可以使用根据本公开的一个示例性实现方式的应用环境的框图;
图2示意性示出了根据本公开的示例性实现方式的用于管理共享车辆的运营区域的框图;
图3示意性示出了根据本公开的示例性实现方式的用于确定多个原子区域的框图;
图4示意性示出了根据本公开的示例性实现方式的用于确定多个原子区域的框图;
图5示意性示出了根据本公开的示例性实现方式的用于确定多个原子区域的框图;
图6示意性示出了根据本公开的示例性实现方式的用于描述地理区域的连通图的框图;
图7示意性示出了根据本公开的示例性实现方式的用于描述地理区域的邻接矩阵的框图;
图8示意性示出了根据本公开的示例性实现方式的调整聚类的框图;
图9示意性示出了根据本公开的示例性实现方式的调整后的聚类的框图;
图10示意性示出了根据本公开的示例性实现方式的调整聚类的框图;
图11示意性示出了根据本公开的示例性实现方式的用于管理共享车辆的运营区域的方法的流程图;以及
图12示意性示出了根据本公开的示例性实现的计算设备/服务器的框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实现。虽然附图中显示了本公开的优选实现,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实现所限制。相反,提供这些实现是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实现”和“一个实现”表示“至少一个示例实现”。术语“另一实现”表示“至少一个另外的实现”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
本说明书及实施例中所述方案,如涉及个人信息处理,则均会在具备合法性基础(例如征得个人信息主体同意,或者为履行合同所必需等)的前提下进行处理,且仅会在规定或者约定的范围内进行处理。用户拒绝处理基本功能所需必要信息以外的个人信息,不会影响用户使用基本功能。
首先参见图1描述根据本公开的一个示例性实现方式的应用环境。图1示意性示出了其中可以使用根据本公开的一个示例性实现方式的应用环境的框图100。如图1所示,地理区域110可以具有预先指定的范围,例如,可以包括某个城市、城市中的某个区、或者具有其他预定范围。为了便于车辆管理,可以将地理区域110划分为多个不同的运营区域以便于管理。
将会理解,供需预测是共享车辆服务的基础,并且运营区域的空间划分是进行供需预测的基础。因而,期望可以确定适合于供需预测的运营区域。具体而言,在需求预测中,需要预测城市不同地点、不同时间的订单,从而为后续的活动运营提供支持。目前常见的运营区域的主要划分方式示出包括:基于预定义形状的划分和基于预定区域的划分。
如图1所示,可以按照预定栅格相撞来将地理区域110划分为多个运营区域120、…、122。此时,每个栅格对应于一个运营区域。备选地和/或附加地,可以基于其他预定形状(例如,矩形、正六边形,等等)来划分运营区域。又例如,可以基于预定区域的边界(例如,区、社区,等等)进行划分。
根据本公开的一个示例性实现方式,可以以运营区域为基本单位管理共享车辆。例如,可以向运营区域中投放一定数量的共享车辆,以便服务于该运营区域中的用户。虽然上述两类技术在特定维度上有着一定优势,但生成的运营区域无法同时具备好的空间语义和好的运营特性。此时,期望以更为有效并且准确的方式来管理共享车辆的运营区域,进而提高后期供需预测的准确性。
为了至少部分地解决上述技术方案的缺陷,根据本公开的一个示例性实现方式,提出了一种用于管理共享车辆的运营区域的技术方案。参见图2描述更多细节,该图2示意性示出了根据本公开的示例性实现方式的用于管理共享车辆的运营区域的框图200。如图2所示,可以预先获取地理区域中的多个原子区域230,在此每个颜色表示一个原子区域。可以针对多个原子区域230进行聚类,并且获得第一组聚类210。第一组聚类210中的每个聚类可以包括多个原子区域中的至少一个原子区域。例如,第一组聚类210可以包括聚类212,并且聚类212可以包括一个或多个原子区域,例如,原子区域214,等等。尽管未示出,第一组聚类210可以包括其他一个或多个聚类。
进一步,可以调整第一组聚类210,具体地,可以基于多种方式来执行调整以便形成多个原子区域的第二组聚类220。例如,可以将聚类212中的一个或多个原子区域移动至其他的一个或多个聚类。备选地和/或附加地,可以将其他的一个或多个聚类中的原子区域移动至聚类212,等等。此时,第二组聚类220例如可以包括调整后的聚类212’,并且该聚类212’可以包括原子区域224,等等。尽管未示出,第二组聚类220可以包括其他一个或多个聚类。
根据本公开的一个示例性实现方式,每个原子区域可以具有自身的运营指标。该运营指标可以是基于多个原子区域230中的共享车辆的历史运营数据232来确定的,用于指示原子区域中的共享车辆的运营状况。类似地,每个聚类可以具有自身的运营指标,用于指示由该聚类中包括的各个原子区域中的共享车辆的运营状况。可以基于聚类中的各个原子区域的运营指标来确定该聚类的运营指标。进一步,可以基于第一组聚类210中的各个聚类的运营指标来确定第一组聚类210的运营指标216。
类似地,可以确定第二组聚类220的第二运营指标226,并且将第一运营指标216和第二运营指标226进行比较,以便选择具有更优运营指标的聚类方案。具体地,如果确定第一运营指标216和第二运营指标226满足阈值条件(例如,第二运营指标226优于第一运营指标216并且两者之间的差异达到预定数值),可以基于第二组聚类220来生成地理区域110的多个运营区域250。在此,可以基于第二组聚类220中的各个聚类来生成相应的运营区域。也即,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。
假设第二组聚类220包括三个聚类,第一个聚类包括原子区域1-3,第二个聚类包括原子区域4-5,并且第三个聚类包括原子区域6-7。此时,可以生成分别对应于三个聚类的三个运营区域:第一个运营区域包括原子区域1-3,第二个运营区域包括原子区域4-5,并且第三个运营区域包括原子区域6-7。
利用本公开的示例性实现方式,可以执行一个或多个调整,例如可以不断地(例如,以迭代方式)调整当前的聚类划分方式,进而获得具有更好的运营指标的聚类方式。以此方式,可以基于历史运营数据232来确定更加适合于后期车辆管理的多个运营区域。此时,获得的运营区域同时具备好的空间语义和好的运营特性。
已经描述了根据本公开的一个示例性实现方式的概要,在下文中,将提供更多细。在共享车辆管理过程中,期望运营区域的划分应当具有较好的空间语义。在此,较好的空间语义是指符合人们日常对区域的认知。例如,同一地理实体(例如公园,建材市场等)不会被分到不同的区域中。根据本公开的一个示例性实现方式,可以基于地理区域中的路网结构来确定多个原子区域。参见图3描述确定多个原子区域的更多细节,该图3示意性示出了根据本公开的示例性实现方式的用于确定多个原子区域的框图300。
如图3所示,可以将地理区域110的路网结构转化为二值图像310。将会理解,在此路网结构可以基于多种格式来表示,例如,可以以像素图像和/或矢量图的方式来表示,可以基于目前已知的和/或将在未来开发的多种技术方案来确定二值图像310。在此,二值图像310中的各个像素可以具有二值化数值(第一数值和第二数值)中的一个数值,例如,黑色或者白色。此时,二值图像310中的黑色像素部分(例如,称为第一像素部分)可以表示地理区域110中的道路,并且二值图像310中的白色像素部分(例如,称为第二像素部分)可以表示地理区域110中的待划分部分。因而,可以基于黑色像素部分来确定多个原子区域的边界,并且可以基于白色像素部分来确定多个原子区域。
将会理解,基于道路的划分提供了更自然、更有语义的含义。在现实世界中,地理实体(例如公园和住宅区)被道路包围,人们生活在这些道路分割的区域中。根据本公开的一个示例性实现方式,可以三个形态学算子(即扩展算子、细化算子和连通分量标记算子(CCL))来确定地理区域110中的多个原子区域。
根据本公开的一个示例性实现方式,为了确定多个原子区域的边界,可以首先应用扩展算子。具体地,可以基于第一预定宽度(例如,3个像素、4个像素和/或其他数值)来扩展二值图像310中的第一像素部分以生成扩展图像320。扩展的目的是去除一些多余的道路细节进行分割,避免由这些不必要的细节(例如,道路和立交桥的车道)引起的小连接区域。
假设二值图像310中包括平行排列的两个道路(例如,分别为主路和辅路),并且两个道路之间的距离为4个像素。在扩展之前,两个道路将被视为分别不同的道路,并且在两个道路之间将会存在细长区域。然而,细长区域的存在并不合理因而应当被去除。可以将两个道路分别向两侧扩展(例如,扩展3个像素),此时分别表示主路和辅路的线条将会被融合在一起,并行表示单一的道路。以此方式,可以消除路网结构中的不必要的细节,进而使得获得的原子区域更加符合于共享车辆管理的场景。
进一步,可以向扩展图像320应用细化算子。具体地,可以基于第二预定宽度(例如,3个像素、4个像素和/或其他数值),细化扩展图像320中的被扩展的黑色像素部分,以生成细化图像330。细化算子的目的是在保持原图像拓扑结构的前提下提取扩展路段的骨架。继而,可以基于细化图像330中的具有第一数值的像素部分(例如,图3中的黑色像素部分)来确定多个原子区域的边界。可以应用CCL算子,以便在细化图像330中找到具有相同标签的连接像素,最终生成道路分割。以此方式,可以以准确并且有效的方式来获得多个原子区域340。
如图3所示,多个原子区域340中的每个颜色的像素块表示一个原子区域。此时,各个原子区域是按照路网结构来划分的,一方面可以满足用户在道路沿线使用共享车辆的需求,另一方面可以消除路网结构中的过于细微的细节,进而以更加有助于共享车辆管理的方式生成原子区域。
将会理解,在实际道路环境中可能会存在障碍物,例如,障碍物包括以下至少任一项:河流、铁路、高速路、立交桥,等等。此时在划分原子区域的过程中需要进一步考虑障碍物的影响。具体地,如果确定地理区域110包括障碍物,则可以基于障碍物来更新多个原子区域。具体地,可以将障碍物实体纳入到路线图分割过程中,使得基于道路分割所获得的原子区域不会跨越障碍物,从而更适合于后期管理共享车辆。
图4示意性示出了根据本公开的示例性实现方式的用于确定多个原子区域的框图400。如图4所示,可以基于上文描述的过程来生成细化图像330,并且将表示河流等障碍物的障碍图像410叠加至细化图像330,以便生成叠加图像420。进一步,可以基于叠加图像240来确定多个原子区域230。
根据本公开的一个示例性实现方式,可以在二值化过程中基于地理区域内的路网结构和障碍物数据两者,生成二值图像。参见图5描述更多细节,该图5示意性示出了根据本公开的示例性实现方式的用于确定多个原子区域的框图500。如图5所示,可以将路网结构和障碍物数据分别转换为路网二值图像520和障碍物二值图像522(例如,在raster图像中利用“1”表示道路或障碍物像素,利用“0”表示背景像素)。可以对路网二值图像520执行扩展操作并获得扩展图像530。进一步,可以对扩展图像530执行细化操作并获得细化图像540。以此方式,可以去除冗余的道路细节,避免这些不必要的细节导致的小的连通区域(如车道和立交桥附近的细小区域)。
进一步,可以将细化后的道路的细化图像540融合到障碍物二值图像522中。在此,融合像素为0的条件是:当且仅当细化图像540和障碍物二值图像522中的相应像素均为0。继而,可以通过连通区域标记(CCL)生成原子空间元素。因为带有“1”值的像素代表道路或障碍物,CCL可以确保分割的原子区域不会越过这些“1”像素(由道路和障碍物包围)。以此方式,可以保证生成的原子区域被道路和障碍物所包围。
将会理解,上文的过程可以输出大量的原子区域。由于历史订单密度与原子区域的空间位置之间存在异构关系,某些原子区域几乎不存在历史订单因而不需要存储。根据本公开的一个示例性实现方式,可以对获得的原子区域执行过滤。例如,可以根据历史运营数据中的发生在某个原子区域内的历史订单的数量,来选择数据量(例如,日平均需求量)在某个阈值范围内的原子区域。过滤过程可以降低后期将被处理的原子区域的数量,进而降低计算量。以此方式,有助于减少后续聚类问题的规模,并获得更好的空间粒度来支持供需预测。
在本公开的上下文中,可以将原子区域聚类的问题转换为图问题,以便利用已被广泛研究的技术(例如连通图划分)来处理共享车辆领域的运营区域确定问题。在此,每个原子区域可以被视为图中的节点,并且两个节点之间的边可以表示两个原子区域之间的“连通性”。继而,可以基于连通性来确定是否可以将分别由两个节点表示的两个原子区域划分至相同的聚类。
根据本公开的一个示例性实现方式,为了确定第一组聚类210,可以基于多个原子区域以及多个原子区域的属性来生成表示地理区域的图。在此,图中的多个节点分别表示多个原子区域,以及多个节点中的第一节点和第二节点之间的边表示由第一节点表示的第一原子区域和由第二节点表示的第二原子区域之间的连通性。
在确定第一组聚类210的过程中,需要确保第一组聚类210中的每个聚类都满足预定的约束。在此的约束包括但不限于,面积约束、可预测约束、相邻约束、障碍约束。具体地,面积约束可以表示:聚类中包括的各个原子区域的总面积不能过大,并且应当满足预定阈值条件(例如,小于5平方公里,和/或其他数值)。在某些位置(如郊区),路网可能是稀缺的,感知障碍物的路线图分割可能产生巨大的原子区域,其面积可能超过服务运营商指定的最大面积。此时,聚类大量原子区域会产生一个超大的区域,并且增加后期车辆管理的难度。
可预测约束可以表示:可以在该聚类中包括的各个原子区域中提供可行的预测。在城市热点地区,如商业区,某个小的原子区域可能包含大量历史运营数据,即使不将该原子区域与其他原子区域聚合,该原子区域的预测性仍然较好。在此情况下,不必针对该原子区域来执行聚类,并且可以利用该小原子区域来提供细粒度的预测。
相邻约束可以表示:相同聚类内的原子区域在地理位置上应当相邻。在实践中,可以设置较小阈值(例如50米和/或其他数值)。当两个待处理原子区域之间的距离小于或等于该阈值时,则认为两个原子区域在地理位置上是相邻的。
障碍约束可以表示:两个待聚类的原子区域不应当跨越障碍实体,从而确保相同聚类中的各个原子区域具有良好空间语义。如果两个原子区域之间存在障碍物(例如,河流、立交桥,等等),则不应当将这两个原子区域划分至相同聚类。
根据本公开的一个示例性实现方式,可以基于上述约束中的至少任一项来确定第一组聚类210中的各个聚类。例如,基于面积约束,在聚类过程中应当确保每个聚类中的至少一个原子区域的面积之和小于预定阈值。又例如,基于相邻约束和障碍约束,需要确保每个聚类中的至少一个原子区域是连通的。换言之,聚类中的两个原子区域之间的距离应当小于预定阈值,并且两个原子区域之间不存在障碍物。
为了便于描述,首先提供在执行过程中涉及的多个术语的数学表示。根据本公开的一个示例性实现方式,可以利用图G=(V,E)来执行后续的聚类过程。此时,G表示地理区域中的各个原子区域的连通图,V表示图中的节点(一个节点对应于一个原子区域),E表示图中的边(也即,分别对应于两个节点的两个原子区域之间的连通性)。
将会理解,历史运营数据可以包括多个原子区域内的共享车辆在多个历史时间段内的使用历史数据。例如,历史运营数据可以记录各个原子区域内的共享车辆在过去30天(或者其他多个时间段)内的使用历史数据。此时,每个原子区域的使用历史数据可以包括在该原子区域内的过去30天内每天的订单量。备选地和/或附加地,使用历史数据可以进一步包括其他更为具体的订单信息,例如,时间、位置、时长,等等。
根据本公开的一个示例性实现方式,可以利用来表示历史运营数据,此时T表示多个时间段的数量,并且N表示原子区域的数量。在上述示例中,T=30,N=7。此时,一个原子区域的使用历史数据可以表示为包括30个元素的一维向量:(20,21,18,19,…),并且其他原子区域可以具有类似的使用历史数据。此时,可以存在7个向量,并且每个向量分别表示每个原子区域的使用历史数据。
可以将N个原子区域划分至M个聚类,此时,每个原子区域仅属于单一的聚类,如公式1所示。
公式1
在公式1中,M表示聚类的数量,N表示原子区域的数量,并且表示具体聚类方案,也即,表示第i个原子区域是否属于第j个聚类。=1表示第i个原子区域属于第j个聚类,并且=0表示第i个原子区域不属于第j个聚类。此时,公式1表示第i个原子区域仅属于一个聚类。
根据本公开的一个示例性实现方式,划分所得的每个聚类包括至少一个原子区域,也即,每个聚类可以包括一个或多个原子区域,如公式2所示。也即,第j个聚类包括N个原子区域中的至少一个原子区域。
公式2
根据本公开的一个示例性实现方式,每个聚类所覆盖的面积应当小于或者等于预定阈值L。如公式3所示,表示第i个原子区域的面积,此时,第j个聚类中的各个原子区域的面积之和应当小于或者等于L。
公式3
根据本公开的一个示例性实现方式,每个聚类中的各个原子区域之间应当是连通的,如公式4所示。
公式4
此时,可以将划分聚类的问题转化为基于公式1至4来求解的数学问题。以此方式,可以直接使用图论中的有关图划分的众多已有策略,来将多个原子区域划分至第一组聚类210。
在下文中,将结合图6描述划分聚类的更多细节,图6示意性示出了根据本公开的示例性实现方式的用于描述地理区域的连通图的框图600。如图6所示,可以基于上文描述的过程来获取地理区域610中的多个原子区域(例如,原子区域1至原子区域7)。各个原子区域的具体数据如下表1所示。第一列示出了原子区域的标识符,第二列示出了基于历史运营数据确定的与各个原子区域相关联的自相关系数(ACF),并且第三列示出了各个原子区域的面积。
表1 原子区域的属性
在此ACF可以表示数据自身在多个数据段内的相关程度,即度量历史数据对现在产生的影响。ACF可以表示时延一天得到的自相关系数值,该ACF是可预测性的重要,并且数值越大则可预测性越高。根据本公开的一个示例性实现方式,可以基于目前已知的确定ACF的具体公式,来获得每个原子区域的ACF参数(例如,表示为)。根据本公开的一个示例性实现方式,可以基于如表1所示的ACF和面积,来过滤掉不适合于与其他原子区域聚类的原子区域。
从表1可知,原子区域1的面积过大,并且原子区域3的可预测性高(ACF为0.72)。此时,可以认为原子区域1和3对应于非聚类节点,也即,不参与后续的聚类过程。此时,其余的原子区域2、4、5、6、7参与后续聚类过程,并且可以利用图6所示的连通图来表示。
如图6所示,各个节点分别对应于参与聚类的各个原子区域,例如,节点2对应于原子区域2,节点4对应于原子区域4,等等。可以计算5个节点之间的地理距离,进一步可以确定各个节点之间是否存在障碍物。在这5个节点中,节点2和其余节点之间存在河流,所以它们之间没有边(用虚线表示)。
接下来,节点2和节点4、节点4和节点6等之间的距离超过给定的阈值50m,因此它们之间没有边(利用点划线表示)。节点4和节点5、节点5和节点6等相邻且不跨越河流,因此可以聚合(利用实线表示)。通过以上过程,最终生成一个以原子空间元素为节点及其可聚合边组成的可聚合的连通图620。进一步,可以利用图7所示的矩阵来表示连通图620。
图7示意性示出了根据本公开的示例性实现方式的用于描述地理区域的邻接矩阵的框图700。如图7所示,框710和712对应于图6中的利用虚线表示的边,并且框720和722对应于图6中的利用点划线表示的边。此时,可以利用图7所示的矩阵来执行后续的聚类过程。
根据本公开的一个示例性实现方式,可以基于目前已知的和/或将在未来开发的多种图划分策略来执行初步聚类过程。例如,可以使用以下至少任一策略来确定第一组聚类:平衡策略、贪心策略、流体策略。
根据本公开的一个示例性实现方式,提出了一种启发式可预测性-特异性协同优化算法,该算法可以基于以上任一聚类策略来初始化帕累托解集(Pareto),即得到初始聚类结果。将会理解,帕累托解集是多目标优化概念,该解集中任意两个解都是无法直接比较好坏的,即一定有至少一个维度优于解集中的其他解。继而,可以继续基于局部搜索方法去迭代地优化可预测性和覆盖率目标。
根据本公开的一个示例性实现方式,平衡策略又称为D平衡策略,通过平衡每个聚类所覆盖区域的订单数据量来获得结果,并最小化割边(分离度数小的节点),同时容忍一定程度的不平衡(一般为5%)。贪心策略:使用广度优先将相邻的原子区域分配到相同的聚类。通过贪心策略对节点进行扩展并优化目标(如可预测性)。该方法首先随机选择若干节点作为生成区域的初始点。然后选择增益最大的未分配节点依次将未分配节点添加到已分配的聚类中。流体策略是一种基于流体相互作用并在其环境中改变大小的技术方案。通过给出可聚合图,并且使用基于传播的方法和预定义的聚类编号来获得聚类结果。
根据本公开的一个示例性实现方式,可以基于历史运营数据来衡量多个初始聚类所覆盖的区域是否具有较好的可预测性,进而将多个初始聚类进一步划分为具有更好可预测性的另一组聚类(例如,第二组聚类220)。
图8示意性示出了根据本公开的示例性实现方式的调整聚类的框图800。如图8所示,在初始聚类过程中,获得第一组聚类210可以包括第一聚类810、…、第二聚类820。此时,第一聚类810可以包括节点812、814、…、816,并且第二聚类820可以包括节点822、824、…、826。可以基于多种方式来调整第一组聚类中的至少一个聚类中的至少一个原子区域。例如,针对第一聚类810和第二聚类820,如箭头830所示,可以将第一聚类810中的第一原子区域(对应于节点812)移动至第二聚类820。
根据本公开的一个示例性实现方式,可以优先移动运营指标并不十分理想的原子区域。例如,可以基于历史运营数据确定第一聚类中的各个原子区域的运营指标,并且移动具有较低运营指标的原子区域。在此,历史运营数据可以包括多个原子区域内的共享车辆在多个历史时间段内的使用历史数据。此时,为了确定第一聚类中的各个原子区域的运营指标,可以逐一确定第一聚类810中的每个原子区域的运营指标。
具体地,针对第一聚类810中的目标原子区域,可以在使用历史数据中确定与该目标原子区域相关联的部分历史数据。继续上文的示例,假设历史运营数据包括7个原子区域的使用历史数据,则可以利用该目标原子区域的部分历史数据来确定与多个历史时间段相关联的自相关系数。可以基于目前已知的公式来确定自相关系数,备选地和/或附加地,也可以从上文表1所示的预处理结果中读取自相关系数。进一步,可以基于原子区域的自相关系数来确定目标原子区域的运营指标。
根据本公开的一个示例性实现方式,可以选择具有较差运营指标的原子区域。具体地,可以比较各个原子区域的运营指标,并且选择满足预定选择条件(例如,具有最低或者较低运营指标)的原子区域。换言之,如果多个原子区域中的候选原子区域的运营指标与各个原子区域中的至少一个其他原子区域的运营指标满足预定选择条件,选择候选原子区域以作为第一原子区域。
将会理解,自相关系数是用于衡量原子区域是否易于后期预测的重要指标。以此方式,通过选择并且移动可预测性较差的原子区域,可以更加有助于改进运营区域内的车辆管理的性能,进而以更为有效的方式确定运营区域并且确定与各个运营区域相关联的运营方式。
根据本公开的一个示例性实现方式,在单一的调整过程中可以仅移动一个原子区域。备选地和/或附加地,可以移动一个或多个的原子区域。例如,可以将某个聚类中的多个原子区域移动至另一聚类,可以将某个聚类中的多个原子区域分别移动至不同的聚类,等等。
根据本公开的一个示例性实现方式,将第二聚类820中的第一原子区域以外的第二原子区域移动至第一聚类。图10示意性示出了根据本公开的示例性实现方式的调整聚类的框图1000。例如,可以交换第一聚类810中的节点812和第二聚类820中的节点822。此时,调整过程可以引入更多变化,从而提高调整速度进而以更为有效的方式来确定多个运营区域。
进一步,图9示意性示出了根据本公开的示例性实现方式的调整后的聚类的框图900。如图9所示,调整后的第一聚类810’包括节点814、…、以及816,并且调整后的第二聚类820’包括节点822、812、824、…、以及826。将会理解,调整后的第二组聚类220中的各个聚类仍然需要满足上文描述的面积约束、可预测约束、相邻约束、障碍约束,因而不再赘述。
根据本公开的一个示例性实现方式,可以分别确定调整前的第一组聚类的第一运营指标以及调整后的第二组聚类的第二运营指标。进一步,可以比较两个运营指标以便确定该调整是否有助于提高车辆管理效率。
在下文中,仅以确定第一组聚类的第一运营指标作为示例描述确定运营指标的过程,可以以类似方式来确定第二组聚类的第二运营指标。在确定第一运营指标的过程中,可以基于历史运营数据来确定第一组聚类中的各个聚类的运营指标。继而,可以基于各个聚类的运营指标来确定第一运营指标。利用本公开的示例性实现方式,可以将确定划分方式是否合适的过程转换为确定基于该划分方式所获得的各个聚类的运营指标的过程,因而可以基于数学运算来提高区域划分的效率。
具体而言,可以基于如下公式5来确定与一组聚类相关联的运营指标。
公式5
在公式1中,表示基于自相关系数来确定运营指标的目标函数,X表示具体划分方式,M表示聚类的数量,并且表示第j个聚类的运营指标。如公式5所示,可以确定每个聚类的运营指标,继而通过求平均值的方式,来确定该划分方式相关的运营指标。
具体地,针对一组聚类中的各个聚类中的目标聚类,基于目标聚类中的至少一个原子区域的运营指标,确定目标聚类的运营指标。换言之,可以基于聚类中的每个原子区域的自相关系数,确定目标聚类的运营指标。例如,可以基于聚类中的每个原子区域的自相关系数的求和或者平均,来确定目标聚类的运营指标。继而,可以获取各个运营指标的均值,以便确定与第一组聚类的聚类方案相关的运营指标。
根据本公开的一个示例性实现方式,可以基于历史运营数据来确定历史订单对于多个原子区域的覆盖情况,进而基于该覆盖情况来确定与第一组聚类的聚类方案相关的运营指标。具体地,可以基于如下公式6来确定与一组聚类相关联的运营指标。
公式6
在公式6中,表示基于覆盖情况来确定运营指标的目标函数,X表示具体划分方式,M表示聚类的数量,N表示多个原子区域的数量,表示具体聚类方案(也即,第i个原子区域是否属于第j个聚类),表示第i个原子区域中是否存在订单(=1表示存在订单,并且=0表示不存在订单),并且表示第i个原子区域的面积。
如公式6所示,可以基于公式中的分子部分来确定目标聚类中的具有历史数据的原子区域的数量。换言之,也即基于历史运营数据来确定:该目标聚类包括多少个有订单的原子区域。进一步,可以基于公式中的分母部分来确定目标聚类中的各个原子区域的总面积。可以基于该比例(也即,分子部分除以分母部分)来确定目标聚类的覆盖情况,进而基于各个聚类的覆盖情况来确定目标聚类的运营指标。例如,可以基于各个聚类的覆盖情况的平均或者求和,确定目标聚类的运营指标。
利用本公开的示例性实现方式,覆盖状况可以反映订单在各个聚类之间的分布。覆盖率越大则表示该聚类方案越有助于后期的车辆管理。以此方式,可以将划分运营区域的问题转化为求解公式6的数学问题,从而可以以更为简单并且有效的方式来确定地理区域内的多个运营区域。
根据本公开的一个示例性实现方式,可以基于上文描述的公式5和6中的任一项来确定第一组聚类的运营指标。备选地和/或附加地,可以基于公式5和6两者来确定第一组聚类的运营指标。此时,可以综合考虑可预测性和覆盖率两方面因素,进而以更为全面并且准确的方式来将地理区域110划分为多个运营区域。
根据本公开的一个示例性实现方式,可以以类似方式来确定第二组聚类的第二运营指标,进一步,可以比较第一运营指标和第二运营指标,如果两个运营指标之间满足阈值条件,则可以基于第二组聚类来生成地理区域的多个运营区域。此时,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。
具体地,在如图9所示的示例中,假设调整后的聚类方案具有更好的运营指标,则可以基于调整后的第一聚类810’生成第一运营区域(包括分别对应于节点814、…、以及816的原子区域),并且可以基于调整后的第二聚类820’生成第二运营区域(包括分别对应于节点822、812、824、…、以及826的原子区域)。进一步,对于利用该距离方式获得的其他聚类,可以以类似方式生成相应的运营区域。利用本公开的示例性实现方式,在划分运营区域的过程中分别考虑了各个聚类的可预测性和覆盖率,因而可以提高确定运营区域的准确性,从而便于提高后期共享车辆管理的性能。
上文已经描述了通过一次调整来从初始的第一组聚类210确定第二组聚类220的过程。备选地和/或附加地,可以以迭代方式来执行多次调整,进而获得具有更优可预测性的聚类方案。此时,可以进一步调整第二组聚类以便获得第三组聚类。具体地,可以调整第二组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第三组聚类。进一步,可以基于历史运营数据,确定第三组聚类的第三运营指标。如果确定第二运营指标和第三运营指标满足阈值条件,基于第三组聚类来生成多个运营区域。以此方式,可以在多个轮次中不断地获得更优的聚类方案,进而使得获得的多个运营区域更加适合于后续的共享车辆管理。
具体地,在每次迭代中可以首先从帕累托解集中选择一个候选解,并通过移动连接两个聚类的边界节点来迭代地优化各个聚类,从而在满足各个聚类的约束条件的情况下,获得正向增益(也即,分别基于公式5和6来获得更好的可预测性和/或覆盖率)。
将会理解,从帕累托解集中最初选择候选解将决定最终解的划分质量。根据本公开的一个示例性实现方式,可以维护帕累托解集的最优解空间,而不是通过线性加权的方式融入到单个目标中。在每次迭代的开始,可以从均匀分布中抽样一个随机数p,并将其与预定义的参数w进行比较。如果p>w,则将从帕累托解集的最优解空间中选择具有最佳可预测性的聚类方案(选择概率为w)。否则,选择具有最佳覆盖率的聚类方案(选择概率为1-w)。早操。w表示优化可预测性目标的偏好概率。
根据本公开的一个示例性实现方式,在每次迭代中可以包括如下重要步骤:步骤1:从帕累托解集中随机选择最佳的可预测性聚类方案(概率w)或最佳的覆盖率聚类方案(概率1-w))。步骤2:通过尝试移动聚类之间的边界节点并且检查是否满足约束条件(如公式1至4所示),来找出所有不会破坏约束条件的可移动节点。步骤3:移动在步骤2中找到的所有可移动节点,并且向帕累托解集中添加找到的具有更好ACF或更好覆盖率的聚类方案。例如,可以将优化可预测性概率w设置为0.7,假设生成的随机数p=0.57。由于p<w,可以选择最佳可预测性聚合方案。
利用本公开的示例性实现方式,可以不断地获取更好增益的聚类方案,通过将这些聚类方案添加到帕累托解集,可以执行下一次迭代。将会理解,即使在某次迭代中选择了具有最佳可预测性解决方案,在迭代过程中可以继续具有更好的覆盖率的聚类方案。当不能获得正向增益或者达到最大迭代轮次和/或迭代时间时,可以停止迭代过程。
在上述过程中,步骤1保证可预测性和覆盖率目标都有机会被细化。步骤2确保下一步动作不会打破约束条件,从而满足公式1至4的约束条件。进一步,步骤3可以记录更好的聚类方案。在尝试所有可移动节点时,无论在步骤1中选择哪个候选解,都可以找到并且记录具有更好可预测性或更好覆盖率的解。
综上所述,本公开提出了用于确定运营区域的技术方案,并且该技术方案可以自适应地形成适用于供需预测的运营区域。在预处理步骤中,可以基于采用改进的道路分割技术来提取具有空间语义的原子区域。该步骤可以确保后续生成的运营区域具备较好的空间语义。在后续的聚类步骤中,通过将相邻的原子区域合并到更大的聚类中,可以获得更好的运营指标(例如,空间粒度适宜、可预测性好、冗余区域小)。以此方式,可以确保生成的运营区域更加适合于后期的共享车辆管理,从而提高车辆管理的整体性能。
图11示意性示出了根据本公开的示例性实现方式的用于管理共享车辆的运营区域的方法1100的流程图。在框1110处,确定地理区域中的多个原子区域的第一组聚类,第一组聚类中的聚类包括多个原子区域中的至少一个原子区域。在框1120处,调整第一组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第二组聚类;在框1130处,基于多个原子区域中的共享车辆的历史运营数据,分别确定第一组聚类的第一运营指标以及第二组聚类的第二运营指标;以及在框1140处,响应于确定第一运营指标和第二运营指标满足阈值条件,基于第二组聚类来生成地理区域的多个运营区域,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。
根据本公开的一个示例性实现方式,确定第一组聚类包括:基于多个原子区域以及多个原子区域的属性来生成表示地理区域的图,图中的多个节点分别表示多个原子区域,以及多个节点中的第一节点和第二节点之间的边表示由第一节点表示的第一原子区域和由第二节点表示的第二原子区域之间的连通性;以及划分图以确定第一组聚类。
根据本公开的一个示例性实现方式,划分图以确定第一组聚类包括基于以下至少任一划分策略来划分图:平衡策略、贪心策略、流体策略。
根据本公开的一个示例性实现方式,调整第一组聚类中的至少一个聚类中的至少一个原子区域包括:针对至少一个聚类中的第一聚类和第二聚类,将第一聚类中的第一原子区域移动至第二聚类。
根据本公开的一个示例性实现方式,该方法1100进一步包括:基于历史运营数据确定第一聚类中的各个原子区域的运营指标;以及响应于确定各个原子区域中的候选原子区域的运营指标与各个原子区域中的至少一个其他原子区域的运营指标满足预定选择条件,选择候选原子区域以作为第一原子区域。
根据本公开的一个示例性实现方式,历史运营数据包括多个原子区域内的共享车辆在多个历史时间段内的使用历史数据,以及确定第一聚类中的各个原子区域的运营指标包括:针对第一聚类中的目标原子区域,在使用历史数据中确定与目标原子区域相关联的部分历史数据;基于部分历史数据来确定与多个历史时间段相关联的自相关系数;以及基于自相关系数来确定目标原子区域的运营指标。
根据本公开的一个示例性实现方式,该方法1100进一步包括:将第二聚类中的第一原子区域以外的第二原子区域移动至第一聚类。
根据本公开的一个示例性实现方式,确定第一运营指标包括:基于历史运营数据来确定第一组聚类中的各个聚类的运营指标;以及基于各个聚类的运营指标来确定第一运营指标。
根据本公开的一个示例性实现方式,确定第一组聚类中的各个聚类的运营指标包括:针对各个聚类中的目标聚类,基于目标聚类中的至少一个原子区域的运营指标,确定目标聚类的运营指标。
根据本公开的一个示例性实现方式,历史运营数据包括多个原子区域内的共享车辆在多个历史时间段内的使用历史数据,其中基于历史运营数据来确定第一组聚类中的各个聚类的运营指标进一步包括:针对第一组聚类中的各个聚类中的目标聚类,确定目标聚类中的具有历史数据的原子区域的数量;确定数量与目标聚类中的各个原子区域的总面积的比例;以及基于比例来确定目标聚类的运营指标。
根据本公开的一个示例性实现方式,该方法1100进一步包括:将地理区域的路网结构转化为二值图像;基于二值图像中的具有第一数值的第一像素部分来确定多个原子区域的边界;以及基于二值图像中的具有第二数值的第二像素部分来确定多个原子区域。
根据本公开的一个示例性实现方式,确定多个原子区域的边界包括:基于第一预定宽度,扩展二值图像中的第一像素部分以生成扩展图像;基于第二预定宽度,细化扩展图像中的被扩展的第一像素部分,以生成细化图像;以及基于细化图像中的具有第一数值的像素部分来确定多个原子区域的边界。
根据本公开的一个示例性实现方式,该方法1100进一步包括:响应于确定地理区域包括障碍物,基于障碍物来更新多个原子区域,障碍物包括以下至少任一项:河流、铁路、高速路、立交桥。
根据本公开的一个示例性实现方式,第一组聚类和第二组聚类中的聚类满足以下至少任一项:聚类中的至少一个原子区域的面积之和满足预定阈值条件;聚类中的至少一个原子区域是连通的。
根据本公开的一个示例性实现方式,生成多个运营区域包括:调整第二组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第三组聚类;基于历史运营数据,确定第三组聚类的第三运营指标;以及响应于确定第二运营指标和第三运营指标满足阈值条件,基于第三组聚类来生成多个运营区域。
上文已经参见图2至图11描述了用于管理共享车辆的运营区域的技术方案。根据本公开的一个示例性实现方式,进一步提供了一种用于管理共享车辆的运营区域的装置。该装置包括:确定模块,被配置用于确定地理区域中的多个原子区域的第一组聚类,第一组聚类中的聚类包括多个原子区域中的至少一个原子区域;调整模块,被配置用于调整第一组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第二组聚类;指标确定模块,被配置用于基于多个原子区域中的共享车辆的历史运营数据,分别确定第一组聚类的第一运营指标以及第二组聚类的第二运营指标;以及生成模块,被配置用于响应于确定第一运营指标和第二运营指标满足阈值条件,基于第二组聚类来生成地理区域的多个运营区域,多个运营区域中的运营区域包括第二组聚类中的聚类中的各个原子区域。
根据本公开的一个示例性实现方式,确定模块包括:生成模块,被配置用于基于多个原子区域以及多个原子区域的属性来生成表示地理区域的图,图中的多个节点分别表示多个原子区域,以及多个节点中的第一节点和第二节点之间的边表示由第一节点表示的第一原子区域和由第二节点表示的第二原子区域之间的连通性;以及划分模块,被配置用于划分图以确定第一组聚类。
根据本公开的一个示例性实现方式,模块进一步被配置用于基于以下至少任一划分策略来划分图:平衡策略、贪心策略、流体策略。
根据本公开的一个示例性实现方式,调整模块包括:第一移动模块,被配置用于针对至少一个聚类中的第一聚类和第二聚类,将第一聚类中的第一原子区域移动至第二聚类。
根据本公开的一个示例性实现方式,该装置进一步包括:原子指标确定模块,被配置用于基于历史运营数据确定第一聚类中的各个原子区域的运营指标;以及选择模块,被配置用于响应于确定各个原子区域中的候选原子区域的运营指标与各个原子区域中的至少一个其他原子区域的运营指标满足预定选择条件,选择候选原子区域以作为第一原子区域。
根据本公开的一个示例性实现方式,历史运营数据包括多个原子区域内的共享车辆在多个历史时间段内的使用历史数据,以及原子指标确定模块包括:历史数据确定模块,被配置用于针对第一聚类中的目标原子区域,在使用历史数据中确定与目标原子区域相关联的部分历史数据;系数确定模块,被配置用于基于部分历史数据来确定与多个历史时间段相关联的自相关系数;以及指标确定模块,被配置用于基于自相关系数来确定目标原子区域的运营指标。
根据本公开的一个示例性实现方式,该装置进一步包括:第二移动模块,被配置用于将第二聚类中的第一原子区域以外的第二原子区域移动至第一聚类。
根据本公开的一个示例性实现方式,指标确定模块包括:聚类指标确定模块,被配置用于基于历史运营数据来确定第一组聚类中的各个聚类的运营指标;以及运营指标确定模块,被配置用于基于各个聚类的运营指标来确定第一运营指标。
根据本公开的一个示例性实现方式,聚类指标确定模块,被配置用于包括:基于原子区域的确定模块,被配置用于针对各个聚类中的目标聚类,基于目标聚类中的至少一个原子区域的运营指标,确定目标聚类的运营指标。
根据本公开的一个示例性实现方式,历史运营数据包括多个原子区域内的共享车辆在多个历史时间段内的使用历史数据,聚类指标确定模块进一步包括:数量确定模块,被配置用于针对第一组聚类中的各个聚类中的目标聚类,确定目标聚类中的具有历史数据的原子区域的数量;比例确定模块,被配置用于确定数量与目标聚类中的各个原子区域的总面积的比例;以及基于比例的确定模块,被配置用于基于比例来确定目标聚类的运营指标。
根据本公开的一个示例性实现方式,该装置进一步包括:转换模块,被配置用于将地理区域的路网结构转化为二值图像;边界确定模块,被配置用于基于二值图像中的具有第一数值的第一像素部分来确定多个原子区域的边界;以及区域确定模块,被配置用于基于二值图像中的具有第二数值的第二像素部分来确定多个原子区域。
根据本公开的一个示例性实现方式,边界确定模块,被配置用于包括:扩展模块,被配置用于基于第一预定宽度,扩展二值图像中的第一像素部分以生成扩展图像;细化模块,被配置用于基于第二预定宽度,细化扩展图像中的被扩展的第一像素部分,以生成细化图像;以及基于像素的确定模块,被配置用于基于细化图像中的具有第一数值的像素部分来确定多个原子区域的边界。
根据本公开的一个示例性实现方式,该装置进一步包括更新模块,被配置用于:响应于确定地理区域包括障碍物,基于障碍物来更新多个原子区域,障碍物包括以下至少任一项:河流、铁路、高速路、立交桥。
根据本公开的一个示例性实现方式,第一组聚类和第二组聚类中的聚类满足以下至少任一项:聚类中的至少一个原子区域的面积之和满足预定阈值条件;聚类中的至少一个原子区域是连通的。
根据本公开的一个示例性实现方式,调整模块进一步被配置用于:调整第二组聚类中的至少一个聚类中的至少一个原子区域,以形成多个原子区域的第三组聚类;指标确定模块进一步被配置用于:基于历史运营数据,确定第三组聚类的第三运营指标;以及生成模块,进一步被配置用于:响应于确定第二运营指标和第三运营指标满足阈值条件,基于第三组聚类来生成多个运营区域。
图12示意性示出了根据本公开的示例性实现的计算设备/服务器的框图。应当理解,图12所示出的计算设备/服务器1200仅仅是示例性的,而不应当构成对本文所描述的实施例的功能和范围的任何限制。
如图12所示,计算设备/服务器1200是通用计算设备的形式。计算设备/服务器1200的组件可以包括但不限于一个或多个处理器或处理单元1210、存储器1220、存储设备1230、一个或多个通信单元1240、一个或多个输入设备1250以及一个或多个输出设备1260。处理单元1210可以是实际或虚拟处理器并且能够根据存储器1220中存储的程序来执行各种处理。在多处理器系统中,多个处理单元并行执行计算机可执行指令,以提高计算设备/服务器1200的并行处理能力。
计算设备/服务器1200通常包括多个计算机存储介质。这样的介质可以是计算设备/服务器1200可访问的任何可以获得的介质,包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器1220可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如,只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备1230可以是可拆卸或不可拆卸的介质,并且可以包括机器可读介质,诸如闪存驱动、磁盘或者任何其他介质,其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在计算设备/服务器1200内被访问。
计算设备/服务器1200可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图12中示出,可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中,每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器1220可以包括计算机程序产品1225,其具有一个或多个程序模块,这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。
通信单元1240实现通过通信介质与其他计算设备进行通信。附加地,计算设备/服务器1200的组件的功能可以以单个计算集群或多个计算机器来实现,这些计算机器能够通过通信连接进行通信。因此,计算设备/服务器1200可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。
输入设备1250可以是一个或多个输入设备,例如鼠标、键盘、追踪球等。输出设备1260可以是一个或多个输出设备,例如显示器、扬声器、打印机等。计算设备/服务器1200还可以根据需要通过通信单元1240与一个或多个外部设备(未示出)进行通信,外部设备诸如存储设备、显示设备等,与一个或多个使得用户与计算设备/服务器1200交互的设备进行通信,或者与使得计算设备/服务器1200与一个或多个其他计算设备通信的任何设备(例如,网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。
根据本公开的示例性实现方式,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现上文描述的方法。
根据本公开的示例性实现方式,提供了一种计算机程序产品,包括计算机程序/指令,其中所述计算机程序/指令被处理器执行时实现上文描述的方法。
这里参照根据本公开实现的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令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单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实现的系统、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、程序段或指令的一部分,模块、程序段或指令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。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。
以上已经描述了本公开的各实现,上述说明是示例性的,并非穷尽性的,并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文公开的各实现。
Claims (16)
1.一种用于管理共享车辆的运营区域的方法,其特征在于,所述方法包括:
确定地理区域中的多个原子区域的第一组聚类,所述第一组聚类中的聚类包括所述多个原子区域中的至少一个原子区域,并且确定所述第一组聚类包括:
基于所述多个原子区域以及所述多个原子区域的属性来生成表示所述地理区域的图,所述图中的多个节点分别表示所述多个原子区域,以及所述多个节点中的第一节点和第二节点之间的边表示由所述第一节点表示的第一原子区域和由所述第二节点表示的第二原子区域之间的连通性;以及
划分所述图以确定所述第一组聚类;
调整所述第一组聚类中的至少一个聚类中的至少一个原子区域,以形成所述多个原子区域的第二组聚类;
基于所述多个原子区域中的共享车辆的历史运营数据,分别确定所述第一组聚类的第一运营指标以及所述第二组聚类的第二运营指标,其中确定所述第一运营指标包括:
基于所述历史运营数据来确定所述第一组聚类中的各个聚类的运营指标;以及
基于所述各个聚类的运营指标来确定所述第一运营指标,所述各个聚类的运营指标是基于所述各个聚类中的各个原子区域的自相关系数来确定的;以及
响应于确定所述第一运营指标和所述第二运营指标满足阈值条件,基于所述第二组聚类来生成所述地理区域的多个运营区域,所述多个运营区域中的运营区域包括所述第二组聚类中的聚类中的各个原子区域。
2.根据权利要求1所述的方法,其特征在于,划分所述图以确定所述第一组聚类包括基于以下至少任一划分策略来划分所述图:平衡策略、贪心策略、流体策略。
3.根据权利要求1所述的方法,其特征在于,调整所述第一组聚类中的所述至少一个聚类中的所述至少一个原子区域包括:
针对所述至少一个聚类中的第一聚类和第二聚类,将所述第一聚类中的第一原子区域移动至所述第二聚类。
4.根据权利要求3所述的方法,其特征在于,所述方法进一步包括:
基于所述历史运营数据确定所述第一聚类中的各个原子区域的运营指标;以及
响应于确定所述各个原子区域中的候选原子区域的运营指标与所述各个原子区域中的至少一个其他原子区域的运营指标满足预定选择条件,选择所述候选原子区域以作为所述第一原子区域。
5.根据权利要求4所述的方法,其特征在于,所述历史运营数据包括所述多个原子区域内的共享车辆在多个历史时间段内的使用历史数据,以及确定所述第一聚类中的各个原子区域的运营指标包括:针对所述第一聚类中的目标原子区域,
在所述使用历史数据中确定与所述目标原子区域相关联的部分历史数据;
基于所述部分历史数据来确定与所述多个历史时间段相关联的自相关系数;以及
基于所述自相关系数来确定所述目标原子区域的运营指标。
6.根据权利要求3所述的方法,其特征在于,所述方法进一步包括:将所述第二聚类中的所述第一原子区域以外的第二原子区域移动至所述第一聚类。
7.根据权利要求1所述的方法,其特征在于,确定所述第一组聚类中的各个聚类的运营指标包括:
针对所述各个聚类中的目标聚类,基于所述目标聚类中的至少一个原子区域的运营指标,确定所述目标聚类的运营指标。
8.根据权利要求1所述的方法,其特征在于,所述历史运营数据包括所述多个原子区域内的共享车辆在多个历史时间段内的使用历史数据,其中基于所述历史运营数据来确定所述第一组聚类中的各个聚类的运营指标进一步包括:针对所述第一组聚类中的各个聚类中的目标聚类,
确定所述目标聚类中的具有所述历史数据的原子区域的数量;
确定所述数量与所述目标聚类中的各个原子区域的总面积的比例;以及
基于所述比例来确定所述目标聚类的运营指标。
9.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
将所述地理区域的路网结构转化为二值图像;
基于所述二值图像中的具有第一数值的第一像素部分来确定所述多个原子区域的边界;以及
基于所述二值图像中的具有第二数值的第二像素部分来确定所述多个原子区域。
10.根据权利要求9所述的方法,其特征在于,确定所述多个原子区域的所述边界包括:
基于第一预定宽度,扩展所述二值图像中的所述第一像素部分以生成扩展图像;
基于第二预定宽度,细化所述扩展图像中的被扩展的第一像素部分,以生成细化图像;以及
基于所述细化图像中的具有所述第一数值的像素部分来确定所述多个原子区域的边界。
11.根据权利要求10所述的方法,其特征在于,所述方法进一步包括:响应于确定所述地理区域包括障碍物,基于所述障碍物来更新所述多个原子区域,所述障碍物包括以下至少任一项:河流、铁路、高速路、立交桥。
12.根据权利要求1所述的方法,其特征在于,所述第一组聚类和所述第二组聚类中的聚类满足以下至少任一项:
所述聚类中的至少一个原子区域的面积之和满足预定阈值条件;
所述聚类中的至少一个原子区域是连通的。
13.根据权利要求1所述的方法,其特征在于,生成所述多个运营区域包括:
调整所述第二组聚类中的至少一个聚类中的至少一个原子区域,以形成所述多个原子区域的第三组聚类;
基于所述历史运营数据,确定所述第三组聚类的第三运营指标;以及
响应于确定所述第二运营指标和所述第三运营指标满足所述阈值条件,基于所述第三组聚类来生成所述多个运营区域。
14.一种用于管理共享车辆的运营区域的装置,其特征在于,所述装置包括:
确定模块,被配置用于确定地理区域中的多个原子区域的第一组聚类,所述第一组聚类中的聚类包括所述多个原子区域中的至少一个原子区域,所述确定模块包括:
图生成模块,被配置用于基于所述多个原子区域以及所述多个原子区域的属性来生成表示所述地理区域的图,所述图中的多个节点分别表示所述多个原子区域,以及所述多个节点中的第一节点和第二节点之间的边表示由所述第一节点表示的第一原子区域和由所述第二节点表示的第二原子区域之间的连通性;以及
划分模块,被配置用于划分所述图以确定所述第一组聚类;
调整模块,被配置用于调整所述第一组聚类中的至少一个聚类中的至少一个原子区域,以形成所述多个原子区域的第二组聚类;
指标确定模块,被配置用于基于所述多个原子区域中的共享车辆的历史运营数据,分别确定所述第一组聚类的第一运营指标以及所述第二组聚类的第二运营指标,其中所述指标确定模块包括:
运营指标确定模块,被配置用于基于所述历史运营数据来确定所述第一组聚类中的各个聚类的运营指标;以及
基于聚类的运营指标确定模块,被配置用于基于所述各个聚类的运营指标来确定所述第一运营指标,所述各个聚类的运营指标是基于所述各个聚类中的各个原子区域的自相关系数来确定的;以及
生成模块,被配置用于响应于确定所述第一运营指标和所述第二运营指标满足阈值条件,基于所述第二组聚类来生成所述地理区域的多个运营区域,所述多个运营区域中的运营区域包括所述第二组聚类中的聚类中的各个原子区域。
15.一种电子设备,其特征在于,所述电子设备包括:
存储器和处理器;
其中所述存储器用于存储一条或多条计算机指令,其中所述一条或多条计算机指令被所述处理器执行以实现根据权利要求1至13中任一项所述的方法。
16.一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上存储有一条或多条计算机指令,其中所述一条或多条计算机指令被处理器执行以实现根据权利要求1至13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597660.1A CN116308501B (zh) | 2023-05-24 | 2023-05-24 | 用于管理共享车辆的运营区域的方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597660.1A CN116308501B (zh) | 2023-05-24 | 2023-05-24 | 用于管理共享车辆的运营区域的方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308501A CN116308501A (zh) | 2023-06-23 |
CN116308501B true CN116308501B (zh) | 2023-10-17 |
Family
ID=86783709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597660.1A Active CN116308501B (zh) | 2023-05-24 | 2023-05-24 | 用于管理共享车辆的运营区域的方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308501B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116798234B (zh) * | 2023-08-28 | 2024-01-26 | 北京阿帕科蓝科技有限公司 | 车站参数信息的确定方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102334A (zh) * | 2018-08-07 | 2018-12-28 | 长沙市到家悠享家政服务有限公司 | 商圈划分方法、装置及电子设备 |
WO2019179173A1 (zh) * | 2018-03-20 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 一种商圈判定方法和装置 |
CN110796496A (zh) * | 2019-10-31 | 2020-02-14 | 上海钧正网络科技有限公司 | 激励区域的设置方法、装置、计算机设备和存储介质 |
CN112861972A (zh) * | 2020-10-26 | 2021-05-28 | 平安科技(深圳)有限公司 | 一种展业区域的选址方法、装置、计算机设备和介质 |
-
2023
- 2023-05-24 CN CN202310597660.1A patent/CN116308501B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019179173A1 (zh) * | 2018-03-20 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 一种商圈判定方法和装置 |
CN109102334A (zh) * | 2018-08-07 | 2018-12-28 | 长沙市到家悠享家政服务有限公司 | 商圈划分方法、装置及电子设备 |
CN110796496A (zh) * | 2019-10-31 | 2020-02-14 | 上海钧正网络科技有限公司 | 激励区域的设置方法、装置、计算机设备和存储介质 |
CN112861972A (zh) * | 2020-10-26 | 2021-05-28 | 平安科技(深圳)有限公司 | 一种展业区域的选址方法、装置、计算机设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116308501A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pedro et al. | Integrating GIS spatial dimension into BREEAM communities sustainability assessment to support urban planning policies, Lisbon case study | |
Iravani | A multicriteria GIS-based decision-making approach for locating electric vehicle charging stations | |
CN116308501B (zh) | 用于管理共享车辆的运营区域的方法、装置、设备和介质 | |
CN109993753A (zh) | 遥感影像中城市功能区的分割方法及装置 | |
Bamrungkhul et al. | The assessment of land suitability for urban development in the anticipated rapid urbanization area from the Belt and Road Initiative: A case study of Nong Khai City, Thailand | |
Yao et al. | Evaluation and development of sustainable urban land use plans through spatial optimization | |
Niu et al. | On a clustering-based mining approach for spatially and temporally integrated traffic sub-area division | |
CN116702945A (zh) | 基于改进的多模态多目标粒子群优化算法的选址优化方法 | |
Qiao et al. | Fast-charging station location problem: A two-phase approach with mathematical program with equilibrium constraints considering charging choice behaviour | |
Pan et al. | Optimization of multi-objective multi-functional landuse zoning using a vector-based genetic algorithm | |
CN110659774A (zh) | 大数据方法驱动的停车需求预测方法 | |
Chen et al. | A Data-driven Region Generation Framework for Spatiotemporal Transportation Service Management | |
CN117112703B (zh) | 基于多维度分析的空间规划存量单元识别方法 | |
CN117744871A (zh) | 一种城市公交站点布局优化方法、装置及存储介质 | |
Becchio et al. | Proposal for an Integrated Approach to Support Urban Sustainability: The COSIMA Method Applied to Eco-Districts | |
Li et al. | Optimization of ecological land use layout based on multimodel coupling | |
CN117314198A (zh) | 历史文化街区功能更新综合分析方法及系统 | |
Shao-hong et al. | Location algorithm of transfer stations based on density peak and outlier detection | |
CN116704783A (zh) | 一种基于cim的公交站点与快速路出口优化布局方法和装置 | |
Zhou et al. | A data-driven discrete simulation-based optimization algorithm for large-scale two-way car-sharing network design | |
Luo et al. | A probabilistic framework with the gradient-based method for multi-objective land use optimization | |
Wang et al. | Network-Scale Passenger Flow Forecasting Methods in URT Based on Similarity Measurement | |
Zhong et al. | An optimal deployment scheme for extremely fast charging stations | |
Geyer et al. | The reshaping of urban structure in South Africa through municipal capital investment: Evidence from three municipalities | |
CN116561854B (zh) | 智慧街道的生成方法、生成装置、电子设备及存储介质 |
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 |