CN116362431B - 共享车辆的调度方法、装置、计算机设备和存储介质 - Google Patents
共享车辆的调度方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116362431B CN116362431B CN202310646853.1A CN202310646853A CN116362431B CN 116362431 B CN116362431 B CN 116362431B CN 202310646853 A CN202310646853 A CN 202310646853A CN 116362431 B CN116362431 B CN 116362431B
- Authority
- CN
- China
- Prior art keywords
- target
- label
- station
- target station
- time period
- 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 66
- 238000004590 computer program Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 230000002354 daily effect Effects 0.000 description 66
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种共享车辆的调度方法、装置、计算机设备和存储介质。所述方法包括:针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序。采用本方法能够提高共享车辆的调度效率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种共享车辆的调度方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着共享经济的发展,共享车辆入驻越来越多的城市。在共享车辆投放后,随着时间的变化,经常会需要对车站内共享车辆的数量进行调整,以确保共享车辆能够满足各车站的用车需求。
传统的共享车辆的调度方法中,主要依靠工作人员的个人观察和个人经验,来确定先向哪个车站挪入车辆,后向哪个车站挪入车辆。因此,传统的共享车辆的调度方法需要耗费大量的时间,效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高调度效率的共享车辆的调度方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种共享车辆的调度方法。所述方法包括:
针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;
基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;
根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;
根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序。
在其中一个实施例中,所述一级标签包括第一类一级标签和第二类一级标签,所述基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签包括:
针对每一个第一类一级标签,基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单信息,确定所述第一类一级标签对应的有订单天数和总天数;
根据所述第一类一级标签对应的有订单天数和总天数,计算所述第一类一级标签对应的有订单时间占比;
基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单总数和总天数,计算所述第一类一级标签对应的车站日均订单数量;
若所述第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且所述第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则确定所述第一类一级标签为所述目标车站的目标一级标签。
在其中一个实施例中,所述方法还包括:
若各所述第一类一级标签均非所述目标车站的目标一级标签,则确定所述第二类一级标签为所述目标车站的目标一级标签。
在其中一个实施例中,所述基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签包括:
基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,计算所述目标一级标签对应的各小时对应的时均订单数量;
将所述目标一级标签对应的各小时对应的时均订单数量相加,得到所述目标一级标签对应的车站日均订单数量;
针对每一个二级标签,根据预设的二级标签和时间段的映射关系,查询所述二级标签对应的时间段;
根据所述目标一级标签对应的各小时对应的时均订单数量和所述二级标签对应的时间段,计算所述二级标签对应的平均订单数量;
根据所述二级标签对应的平均订单数量和所述目标一级标签对应的车站日均订单数量,计算所述二级标签对应的时段订单占比;
若所述二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则确定所述二级标签为所述目标车站的目标二级标签。
在其中一个实施例中,所述根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序包括:
针对每一个联合标签,根据所述联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算所述联合标签对应的用户日均订单数量;
根据各所述联合标签对应的用户日均订单数量,确定各所述联合标签对应的调度优先级;
根据各所述联合标签对应的调度优先级和各所述目标车站的目标联合标签,确定各所述目标车站对应的目标调度优先级;
根据各所述目标车站的车辆缺口数量和各所述目标车站对应的目标调度优先级,确定各所述目标车站对应的共享车辆调度顺序。
在其中一个实施例中,所述方法还包括:
针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询所述目标车站的目标二级标签对应的目标时间段;
在所述目标车站的车辆缺口数量大于预设的调度阈值的情况下,若所述目标车站的目标二级标签对应的目标时间段与所述目标车站对应的未来预测时间段存在重合、且所述目标时间段的标签结束时间晚于所述目标车站对应的未来预测时间段的预测结束时间,则根据所述目标车站所在的目标区域对应的基本调度策略,更新所述目标车站对应的共享车辆调度顺序。
在其中一个实施例中,所述方法还包括:
针对每一个目标车站,将各资源类型对应的资源特征信息、以及所述目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到所述目标车站的各所述资源类型对应的序列号;
按照所述目标车站的各所述资源类型对应的序列号,对各所述资源类型排序,得到所述目标车站的资源序列;
将所述目标车站的资源序列发送给所述目标车站的用户。
第二方面,本申请还提供了一种共享车辆的调度装置。所述装置包括:
第一确定模块,用于针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;
第二确定模块,用于基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;
第三确定模块,用于根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;
第四确定模块,用于根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序。
在其中一个实施例中,所述一级标签包括第一类一级标签和第二类一级标签,所述第一确定模块,具体用于:
针对每一个第一类一级标签,基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单信息,确定所述第一类一级标签对应的有订单天数和总天数;
根据所述第一类一级标签对应的有订单天数和总天数,计算所述第一类一级标签对应的有订单时间占比;
基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单总数和总天数,计算所述第一类一级标签对应的车站日均订单数量;
若所述第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且所述第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则确定所述第一类一级标签为所述目标车站的目标一级标签。
在其中一个实施例中,所述装置还包括:
第五确定模块,用于若各所述第一类一级标签均非所述目标车站的目标一级标签,则确定所述第二类一级标签为所述目标车站的目标一级标签。
在其中一个实施例中,所述第二确定模块,具体用于:
基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,计算所述目标一级标签对应的各小时对应的时均订单数量;
将所述目标一级标签对应的各小时对应的时均订单数量相加,得到所述目标一级标签对应的车站日均订单数量;
针对每一个二级标签,根据预设的二级标签和时间段的映射关系,查询所述二级标签对应的时间段;
根据所述目标一级标签对应的各小时对应的时均订单数量和所述二级标签对应的时间段,计算所述二级标签对应的平均订单数量;
根据所述二级标签对应的平均订单数量和所述目标一级标签对应的车站日均订单数量,计算所述二级标签对应的时段订单占比;
若所述二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则确定所述二级标签为所述目标车站的目标二级标签。
在其中一个实施例中,所述第四确定模块,具体用于:
针对每一个联合标签,根据所述联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算所述联合标签对应的用户日均订单数量;
根据各所述联合标签对应的用户日均订单数量,确定各所述联合标签对应的调度优先级;
根据各所述联合标签对应的调度优先级和各所述目标车站的目标联合标签,确定各所述目标车站对应的目标调度优先级;
根据各所述目标车站的车辆缺口数量和各所述目标车站对应的目标调度优先级,确定各所述目标车站对应的共享车辆调度顺序。
在其中一个实施例中,所述装置还包括:
查询模块,用于针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询所述目标车站的目标二级标签对应的目标时间段;
更新模块,用于在所述目标车站的车辆缺口数量大于预设的调度阈值的情况下,若所述目标车站的目标二级标签对应的目标时间段与所述目标车站对应的未来预测时间段存在重合、且所述目标时间段的标签结束时间晚于所述目标车站对应的未来预测时间段的预测结束时间,则根据所述目标车站所在的目标区域对应的基本调度策略,更新所述目标车站对应的共享车辆调度顺序。
在其中一个实施例中,所述装置还包括:
预测模块,用于针对每一个目标车站,将各资源类型对应的资源特征信息、以及所述目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到所述目标车站的各所述资源类型对应的序列号;
排序模块,用于按照所述目标车站的各所述资源类型对应的序列号,对各所述资源类型排序,得到所述目标车站的资源序列;
发送模块,用于将所述目标车站的资源序列发送给所述目标车站的用户。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面所述的步骤。
上述共享车辆的调度方法、装置、计算机设备、存储介质和计算机程序产品,针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序。这样,先根据目标车站在第一历史时间段内各一级标签对应的订单信息,确定目标车站的目标一级标签,再根据目标车站在第一历史时间段内目标一级标签对应的订单信息,确定目标车站的目标二级标签,基于目标一级标签和目标二级标签,确定目标车站的多级联合标签,并根据各目标车站的目标联合标签,自动确定各标车站对应的共享车辆调度顺序,不需要依靠工作人员的个人观察和个人经验,即可自动确定先向哪个车站调度共享车辆,后向哪个车站调度共享车辆,耗费时间大大缩短,能够提高共享车辆的调度效率。
附图说明
图1为一个实施例中共享车辆的调度方法的流程示意图;
图2为一个实施例中确定目标车站的目标一级标签步骤的流程示意图;
图3为一个实施例中确定目标车站的目标二级标签步骤的流程示意图;
图4为一个实施例中确定各目标车站对应的共享车辆调度顺序步骤的流程示意图;
图5为另一个实施例中共享车辆的调度方法的流程示意图;
图6为一个实施例中共享车辆的资源推荐步骤的流程示意图;
图7为一个实施例中共享车辆的调度装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种共享车辆的调度方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该方法包括以下步骤:
步骤101,针对每一个目标车站,基于该目标车站在第一历史时间段内各一级标签对应的订单信息,确定该目标车站的目标一级标签。
在本申请实施例中,针对每一个目标车站,终端获取该目标车站在第一历史时间段内各一级标签对应的订单信息。然后,终端基于该目标车站在第一历史时间段内各一级标签对应的订单信息,确定该目标车站的目标一级标签。其中,共享车辆为共享经济的车辆,可以为共享单车、共享电单车和共享汽车。车站为共享车辆投放的区域。车站包括多辆投放的共享车辆。目标车站为待进行的共享车辆调度的车站。目标车站可以为待挪入共享车辆的车站,也可以为指定调度区域内的所有车站。指定调度区域为待进行共享车辆调度的区域。例如,指定调度区域可以为某一个城市,也可以为某一个城市的某一个区。一级标签用于表示车站对共享车辆的用车需求属性中的第一属性,用于表示车站主要在哪个一级时间段对共享车辆存在需求。用车需求属性用于表示车站主要在哪个时间对共享车辆存在需求。第一属性用于表示车站主要在哪个一级时间段对共享车辆存在需求。一级时间段为时间的种类。一级时间段可以为一年中时间的种类、一个月中时间的种类或一个星期中时间的种类。一级时间段可以包括工作日和周末。目标一级标签为目标车站的一级标签。一级标签可以包括:工作日出行、周末出行和偶尔出行。工作日出行用于表示车站主要在工作日对共享车辆存在需求。周末出行用于表示车站主要在周末对共享车辆存在需求。偶尔出行用于表示车站对共享车辆的需求不存在明显的时间偏好或时间特征,主要表现为偶发。第一历史时间段与一级标签相关,与一级时间段相关。第一历史时间段能够包含各一级时间段。例如,第一历史时间段可以为一个月,具体的,第一历史时间段可以为距离现在一个月的历史时间段。此时,目标车站在第一历史时间段内各一级标签对应的订单信息为目标车站在过去一个月内工作日出行对应的订单信息、周末出行对应的订单信息和偶尔出行对应的订单信息。订单信息为目标车站产生的订单的信息。订单信息可以包括各订单和各订单的生成时间。
在一个示例中,终端在指定调度区域内的所有车站中确定目标车站。具体的,终端根据指定调度区域内的各车站的历史订单信息,预测各车站对应的缺口数量。然后,终端将缺口数量大于预设的缺口数量阈值的车站,作为目标车站。其中,车辆缺口数量为车站相较于共享车辆需求存在的缺少共享车辆的数量。缺口数量阈值用于衡量是否需要向车站挪入共享车辆。缺口数量阈值可以为最小派单量。例如,缺口数量阈值可以为3。
在一个示例中,针对每一个目标车站,终端根据预设的筛选条件,在该目标车站在第一历史时间段内各一级标签对应的订单信息中筛选目标订单信息。然后,终端基于该目标车站在第一历史时间段内各一级标签对应的目标订单信息,确定该目标车站的目标一级标签。其中,筛选条件可以为非阴雨天。
步骤102,基于该目标车站在第一历史时间段内目标一级标签对应的订单信息,确定该目标车站的目标二级标签。
在本申请实施例中,终端获取该目标车站在第一历史时间段内目标一级标签对应的订单信息。然后,终端基于该目标车站在第一历史时间段内目标一级标签对应的订单信息,确定该目标车站的目标二级标签。其中,目标二级标签为目标车站的二级标签。二级标签用于表示车站对共享车辆的用车需求属性中的第二属性,用于表示车站主要在目标一级时间段内哪个二级时间段对共享车辆存在需求。第二属性用于表示车站主要在目标一级时间段内哪个二级时间段对共享车辆存在需求。目标一级时间段为车站对共享车辆存在主要需求的一级时间段。二级时间段也为时间的种类。二级时间段小于一级时间段。二级时间段可以为一个月中时间的种类、一个星期中时间的种类或一天中时间的种类。例如,二级时间段可以包括早晨、上午、中午、下午、傍晚和夜间。可以理解的是,二级时间段也可以为对一天中的时间按照其他划分方式得到的时间段。
二级标签可以包括:早晨出行、上午出行、中午出行、下午出行、傍晚出行和夜间出行。早晨出行用于表示车站主要在目标一级时间段的早晨对共享车辆存在需求。上午出行用于表示车站主要在目标一级时间段的上午对共享车辆存在需求。中午出行用于表示车站主要在目标一级时间段的中午对共享车辆存在需求。下午出行用于表示车站主要在目标一级时间段的下午对共享车辆存在需求。傍晚出行用于表示车站主要在目标一级时间段的傍晚对共享车辆存在需求。夜间出行用于表示车站主要在目标一级时间段的夜间对共享车辆存在需求。
在一个示例中,终端在该目标车站在第一历史时间段内各一级标签对应的订单信息中,筛选该目标车站在第一历史时间段内目标一级标签对应的订单信息。
步骤103,根据目标一级标签和目标二级标签,确定目标车站的目标联合标签。
在本申请实施例中,终端根据目标一级标签和目标二级标签,确定目标车站的目标联合标签。其中,目标联合标签为目标车站的联合标签。联合标签用于表示车站对共享车辆的用车需求属性,用于表示车站主要在哪个时间对共享车辆存在需求。联合标签为多级标签的联合标签。联合标签可以包括一级标签和二级标签。联合标签可以表示车站主要在哪个一级时间段内哪个二级时间段对共享车辆存在需求。联合标签可以为“一级标签-二级标签”。例如,联合标签可以表示为“工作日出行-早晨出行”,也可以表示为“工作日-早晨出行”。联合标签也可以包括其他标签。其他标签可以为时间标签,也可以为非时间标签,本申请不作限定。时间标签为与一级标签和二级标签类似的标签。例如,时间标签为三级标签。三级标签用于表示车站对共享车辆的用车需求属性中的第三属性,可以用于表示车站主要在目标一级时间段内目标二级时间段内哪个三级时间段对共享车辆存在需求,也可以用于表示车站主要在哪个三级时间段内目标一级时间段内目标二级时间段对共享车辆存在需求。其他时间标签依次类推。
在一个示例中,终端将目标一级标签和目标二级标签,构成目标车站的目标联合标签。
在一个示例中,终端将目标一级标签、目标二级标签和预先确定的其他标签,构成目标车站的目标联合标签。
步骤104,根据各目标车站的目标联合标签,确定各目标车站对应的共享车辆调度顺序。
在本申请实施例中,终端根据各目标车站的目标联合标签,确定各目标车站对应的共享车辆调度优先级。然后,终端根据各目标车站对应的共享车辆调度优先级,确定各目标车站对应的共享车辆调度顺序。其中,共享车辆调度顺序用于表示向各目标车站调度共享车辆的顺序,也可以用于表示向各目标车站挪入共享车辆的顺序。
上述共享车辆的调度方法中,针对每一个目标车站,基于目标车站在第一历史时间段内各一级标签对应的订单信息,确定目标车站的目标一级标签;基于目标车站在第一历史时间段内目标一级标签对应的订单信息,确定目标车站的目标二级标签;根据目标一级标签和目标二级标签,确定目标车站的目标联合标签;根据各目标车站的目标联合标签,确定各目标车站对应的共享车辆调度顺序。这样,先根据目标车站在第一历史时间段内各一级标签对应的订单信息,确定目标车站的目标一级标签,再根据目标车站在第一历史时间段内目标一级标签对应的订单信息,确定目标车站的目标二级标签,基于目标一级标签和目标二级标签,确定目标车站的多级联合标签,并根据各目标车站的目标联合标签,自动确定各标车站对应的共享车辆调度顺序,不需要依靠工作人员的个人观察和个人经验,即可自动确定先向哪个车站调度共享车辆,后向哪个车站调度共享车辆,耗费时间大大缩短,能够提高共享车辆的调度效率。不仅如此,本方法通过定义一套基于出行时间的标签体系,结合对车站时空数据的挖掘,给车站打上出行标签,进而对不同标签的车站,采用不同的调度策略,确定不同的调度顺序,更加符合同一地点或同一车站在相近时间的用车需求往往相同,即车站对共享车辆的需求存在时间偏好或时间特征的实际情况,能够提高共享车辆的调度的准确性,提升共享车辆的车辆使用效率和用户体验。
在一个实施例中,一级标签包括第一类一级标签和第二类一级标签。如图2所示,基于该目标车站在第一历史时间段内各一级标签对应的订单信息,确定该目标车站的目标一级标签的具体过程包括以下步骤:
步骤201,针对每一个第一类一级标签,基于该目标车站在第一历史时间段内该第一类一级标签对应的订单信息,确定该第一类一级标签对应的有订单天数和总天数。
在本申请实施例中,针对每一个第一类一级标签,终端基于该目标车站在第一历史时间段内该第一类一级标签对应的订单信息,确定该第一类一级标签对应的有订单天数和总天数。其中,第一类一级标签为用于表示车站对共享车辆的需求存在明显的时间偏好或时间特征的一级标签。第二类一级标签为用于表示车站对共享车辆的需求不存在明显的时间偏好或时间特征的一级标签。例如,第一类一级标签可以包括:工作日出行和周末出行。第二类一级标签可以为偶尔出行。有订单天数为目标车站产生订单的天数。总天数为第一类一级标签在第一历史时间段中的总天数。例如,工作日出行对应的有订单天数为在工作日目标车站产生订单的天数,周末出行对应的有订单天数为在周末目标车站产生订单的天数,工作日出行对应的总天数为工作日在第一历史时间段中的总天数。
在一个示例中,针对每一个第一类一级标签,终端基于该目标车站在第一历史时间段内该第一类一级标签对应的订单信息,统计该第一类一级标签对应的有订单天数和总天数。
步骤202,根据该第一类一级标签对应的有订单天数和总天数,计算该第一类一级标签对应的有订单时间占比。
在本申请实施例中,终端根据该第一类一级标签对应的有订单天数和总天数的比值,计算该第一类一级标签对应的有订单时间占比。其中,有订单时间占比为在第一类一级标签对应的时间段中目标车站产生订单的天数占第一类一级标签对应的总天数的比值。
在一个示例中,终端将该第一类一级标签对应的有订单天数和总天数的比值,作为该第一类一级标签对应的有订单时间占比。
在一个示例中,终端用该第一类一级标签对应的有订单天数除以该第一类一级标签对应的总天数,并将得到的商作为该第一类一级标签对应的有订单时间占比。
步骤203,基于该目标车站在第一历史时间段内该第一类一级标签对应的订单总数和总天数,计算该第一类一级标签对应的车站日均订单数量。
在本申请实施例中,终端基于该目标车站在第一历史时间段内该第一类一级标签对应的订单总数和总天数的比值,计算该第一类一级标签对应的车站日均订单数量。其中,订单总数为在第一历史时间段内的第一类一级标签对应的时间段中,目标车站产生的订单数量总和。车站日均订单数量为在第一类一级标签对应的时间段中,平均每天目标车站产生的订单数量。
在一个示例中,终端将该目标车站在第一历史时间段内该第一类一级标签对应的订单总数和总天数的比值,作为该第一类一级标签对应的车站日均订单数量。
在一个示例中,终端用该目标车站在第一历史时间段内该第一类一级标签对应的订单总数除以该目标车站在第一历史时间段内该第一类一级标签对应的总天数,并将得到的商作为该第一类一级标签对应的车站日均订单数量。
步骤204,若该第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且该第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则确定该第一类一级标签为目标车站的目标一级标签。
在本申请实施例中,终端将该第一类一级标签对应的有订单时间占比与预设的有订单时间占比阈值比较。终端也将该第一类一级标签对应的车站日均订单数量与预设的车站日均订单数量阈值比较。若该第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且该第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则终端确定该第一类一级标签为目标车站的目标一级标签。其中,有订单时间占比阈值与有订单时间占比对应。有订单时间占比阈值和车站日均订单数量阈值均用于衡量目标车站对共享车辆的需求存在明显的第一类一级标签的时间偏好或时间特征。有订单时间占比阈值用于衡量目标车站是否主要在第一类一级标签对应的时间段中产生订单。车站日均订单数量阈值用于衡量目标车站在第一类一级标签对应的时间段中每一天是否均产生足够的订单。例如,有订单时间占比阈值可以为80%,车站日均订单数量阈值可以为5。
上述共享车辆的调度方法中,针对每一个第一类一级标签,通过计算该第一类一级标签对应的有订单时间占比、以及该第一类一级标签对应的车站日均订单数量,并在计算得到是有订单时间占比和车站日均订单数量均大于其对应的阈值的情况下,确定该第一类一级标签为目标车站的目标一级标签。这样,通过衡量目标车站是否主要在第一类一级标签对应的时间段中产生订单和目标车站在第一类一级标签对应的时间段中每一天是否均产生足够的订单,判断目标车站对共享车辆的需求是否存在明显的该第一类一级标签的时间偏好或时间特征,更加符合车站对共享车辆的需求存在时间偏好或时间特征的实际情况,能够进一步提高共享车辆的调度的准确性,进一步提升共享车辆的车辆使用效率和用户体验。
在一个实施例中,共享车辆的调度方法还包括以下步骤:若各第一类一级标签均非目标车站的目标一级标签,则确定第二类一级标签为目标车站的目标一级标签。
在本申请实施例中,若各第一类一级标签均非目标车站的目标一级标签,则终端确定第二类一级标签为目标车站的目标一级标签。
在一个实施例中,若工作日出行和周末出行均非目标车站的目标一级标签,则终端确定偶尔出行为目标车站的目标一级标签。
上述共享车辆的调度方法中,将一级标签划分为用于表示车站对共享车辆的需求存在明显的时间偏好或时间特征的第一类一级标签、以及用于表示车站对共享车辆的需求不存在明显的时间偏好或时间特征的第二类一级标签,并在各第一类一级标签均非目标车站的目标一级标签的情况下,确定第二类一级标签为目标车站的目标一级标签,更加符合不同的车站对共享车辆的需求存在时间偏好与不存在时间偏好的现象并存的实际情况,能够进一步提高共享车辆的调度的准确性,进一步提升共享车辆的车辆使用效率和用户体验。
在一个实施例中,如图3所示,基于该目标车站在第一历史时间段内目标一级标签对应的订单信息,确定该目标车站的目标二级标签的具体过程包括以下步骤:
步骤301,基于该目标车站在第一历史时间段内目标一级标签对应的订单信息,计算该目标一级标签对应的各小时对应的时均订单数量。
在本申请实施例中,终端基于该目标车站在第一历史时间段内目标一级标签对应的订单信息,计算该目标一级标签对应的各小时对应的时均订单数量。其中,时均订单数量为在第一历史时间段内目标一级标签对应的时间段内,目标车站在某一个小时产生的订单数量的均值。例如,9点对应的时均订单数量为在第一历史时间段内目标一级标签对应的时间段内,目标车站在9点产生的订单数量的均值。
在一个示例中,针对一天中的每一个小时,终端基于该目标车站在第一历史时间段内目标一级标签对应的订单信息,筛选该目标车站在第一历史时间段内目标一级标签对应的该小时的订单数量。然后,终端将该目标车站在第一历史时间段内目标一级标签对应的该小时的订单数量和该目标车站在第一历史时间段内目标一级标签对应的该小时的小时数量的比值,作为该目标一级标签对应的该小时对应的时均订单数量。
步骤302,将该目标一级标签对应的各小时对应的时均订单数量相加,得到该目标一级标签对应的车站日均订单数量。
在本申请实施例中,终端将该目标一级标签对应的各小时对应的时均订单数量相加,得到该目标一级标签对应的车站日均订单数量。
可以理解的是,终端计算该目标一级标签对应的车站日均订单数量的步骤(即步骤302)也可以为:基于该目标车站在第一历史时间段内该目标一级标签对应的订单总数和总天数,计算该目标一级标签对应的车站日均订单数量。并且,上述步骤计算该目标一级标签对应的车站日均订单数量的具体过程与步骤203的具体过程类似。
步骤303,针对每一个二级标签,根据预设的二级标签和时间段的映射关系,查询该二级标签对应的时间段。
在本申请实施例中,针对每一个二级标签,终端在预设的二级标签和时间段的映射关系中,查询该二级标签对应的时间段。其中,每一个二级标签可以对应一个或多个时间段。每一个二级标签的对应的时间段的时长可以相同,也可以不同。不同指定调度区域的级标签和时间段的映射关系可以不同。
在一个实施例中,二级标签和时间段的映射关系可以为:早晨出行对应的时间段为[4,7]、上午出行对应的时间段为[8,10]、中午出行对应的时间段为[11,13]、下午出行对应的时间段为[14,16]、傍晚出行对应的时间段为[17,19]和夜间出行对应的时间段为[20,23]和[0,3]。其中,4表示4点或4时,其他数字类似。
步骤304,根据该目标一级标签对应的各小时对应的时均订单数量和该二级标签对应的时间段,计算该二级标签对应的平均订单数量。
在本申请实施例中,终端该二级标签对应的时间段,确定该二级标签对应的目标小时。然后,终端将该目标一级标签对应的目标小时对应的时均订单数量相加,得到该二级标签对应的平均订单数量。其中,平均订单数量为在二级标签对应的时间段内,目标车站产生订单数量的均值。
步骤305,根据该二级标签对应的平均订单数量和该目标一级标签对应的车站日均订单数量,计算该二级标签对应的时段订单占比。
在本申请实施例中,终端将该二级标签对应的平均订单数量和该目标一级标签对应的车站日均订单数量的比值,作为该二级标签对应的时段订单占比。其中,时段订单占比用于表示目标一级标签对应的时段中某个二级标签对应的时段内产生订单数量占目标一级标签对应的时段内产生订单数量的比值。
在一个示例中,终端用该二级标签对应的平均订单数量除以该目标一级标签对应的车站日均订单数量,并将得到的商作为该二级标签对应的时段订单占比。
步骤306,若该二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则确定该二级标签为目标车站的目标二级标签。
在本申请实施例中,终端比较该二级标签对应的时段订单占比和预设的时段订单占比阈值。若该二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则终端确定该二级标签为目标车站的目标二级标签。其中,时段订单占比阈值用于衡量在目标一级标签对应的时间段内,目标车站是否主要在某一个二级标签对应的时间段内产生订单。例如,时段订单占比阈值可以为20%。
上述共享车辆的调度方法中,通过计算目标一级标签对应的各小时对应的时均订单数量和二级标签对应的时间段,计算二级标签对应的平均订单数量,再根据二级标签对应的平均订单数量和目标一级标签对应的车站日均订单数量,计算二级标签对应的时段订单占比,并在某个二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值的情况下,确定该二级标签为目标车站的目标二级标签。这样,联合标签不仅包括表示天的类型的一级标签,还包括表示一天中各时段的二级标签,不仅提高了确定车站对共享车辆的需求存在的时间偏好的精度,提高共享车辆的调度的精度,还通过天级别的一级标签提高数据量,保证共享车辆的调度的准确性,进一步提升共享车辆的车辆使用效率和用户体验。
在一个实施例中,如图4所示,根据各目标车站的目标联合标签,确定各目标车站对应的共享车辆调度顺序的具体过程包括以下步骤:
步骤401,针对每一个联合标签,根据该联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算该联合标签对应的用户日均订单数量。
在本申请实施例中,针对每一个联合标签,终端获取该联合标签对应的车站在第二历史时间段内的订单数量和标签天数。然后,终端根据该联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算该联合标签对应的用户日均订单数量。其中,第二历史时间段能够包含各一级时间段。第二历史时间与第一历史时间段可以相同,也可以不同。例如,第二历史时间段可以为一年或一个月。标签天数为在第二历史时间段内联合标签对应时间段包括的天数。联合标签对应的车站可以为标签为该联合标签的所有车站。用户日均订单数量用于表示联合标签对应的车站的用户价值。用户日均订单数量越大,联合标签对应的车站的用户价值越高。
在一个示例中,用户日均订单数量可以为在联合标签对应的时间段中,平均每一个用户每一天在车站产生的订单数量。用户数量为在第二历史时间段内联合标签对应时间段内,车站产生订单的用户的数量。终端将该联合标签对应的车站在第二历史时间段内的标签天数和用户数量相乘。然后,终端用该联合标签对应的车站在第二历史时间段内的订单数量除以得到的这个乘积,得到该联合标签对应的用户日均订单数量。
在另一个示例中,用户日均订单数量也可以为在联合标签对应的时间段中,用户每一天在车站产生的订单数量。针对目标车站的每一个用户,终端根据该联合标签对应的车站在第二历史时间段内该用户的订单数量和标签天数,计算该联合标签对应的该用户的用户日均订单数量。然后,终端根据该联合标签对应的各用户的用户日均订单数量,确定该联合标签对应的用户日均订单数量。在一种实现方式中,终端比较该联合标签对应的各用户的用户日均订单数量。然后,终端最大的用户日均订单数量,作为该联合标签对应的用户日均订单数量。
步骤402,根据各联合标签对应的用户日均订单数量,确定各联合标签对应的调度优先级。
在本申请实施例中,终端根据各联合标签对应的用户日均订单数量,确定各联合标签对应的调度优先级。其中,调度优先级用于表示进行共享车辆调度的优先程度。
在一个示例中,终端根据各联合标签对应的用户日均订单数量,在预设的用户日均订单数量和调度优先级的映射关系中,查询各联合标签对应的调度优先级。
在另一个示例中,终端按照用户日均订单数量从大到小的顺序,对各联合标签排序,得到各联合标签对应的序列号。然后,终端将各联合标签对应的序列号,作为各联合标签对应的调度优先级。
步骤403,根据各联合标签对应的调度优先级和各目标车站的目标联合标签,确定各目标车站对应的目标调度优先级。
在本申请实施例中,终端根据各联合标签对应的调度优先级和各目标车站的目标联合标签,确定各目标车站对应的目标调度优先级。具体的,针对每一个目标车站,终端将该目标车站的目标联合标签对应的调度优先级,作为该目标车站对应的目标调度优先级。
步骤404,根据各目标车站的车辆缺口数量和各目标车站对应的目标调度优先级,确定各目标车站对应的共享车辆调度顺序。
在本申请实施例中,终端根据各目标车站的车辆缺口数量和各目标车站对应的目标调度优先级,确定各目标车站对应的共享车辆调度顺序。
在一个示例中,终端将各目标车站的车辆缺口数量和各目标车站对应的目标调度优先级,作为各目标车站对应的共享车辆调度顺序。
在一个示例中,终端获取各目标车站对应的车辆缺口数量。然后,终端基于各目标车站对应的车辆缺口数量,确定各目标车站对应的第一调度顺序。若存在车辆缺口数量相同的目标车站,则终端根据各目标车站对应的目标调度优先级,更新各目标车站对应的第一调度顺序,得到各目标车站对应的共享车辆调度顺序。具体的,终端根据指定各目标车站的历史订单信息,预测各目标车站对应的车辆缺口数量。然后,终端按照车辆缺口数量从大到小的顺序,对各目标车站进行排序,得到各目标车站的序列号。然后,终端将各目标车站的序列号,作为各目标车站对应的第一调度顺序。若存在车辆缺口数量相同的目标车站,则终端根据车辆缺口数量相同的目标车站对应的目标调度优先级,确定车辆缺口数量相同的目标车站的相对调度顺序。然后,终端根据车辆缺口数量相同的目标车站的相对调度顺序,更新各目标车站对应的第一调度顺序,得到各目标车站对应的共享车辆调度顺序。
上述共享车辆的调度方法中,通过联合标签对应的车站的历史数据,计算联合标签对应的用户日均订单数量,再根据联合标签对应的用户日均订单数量,确定各联合标签对应的调度优先级,进而得到各目标车站对应的目标调度优先级,根据各目标车站的车辆缺口数量和各目标车站对应的目标调度优先级,确定各目标车站对应的共享车辆调度顺序。这样,通过用于表示用户价值的用户日均订单数量,确定联合标签的调度优先级和目标车站的调度优先级,为用户价值高的目标车站优先调度,实现共享车辆的高价值用户派单,更加符合实际情况,能够进一步提高共享车辆的调度的准确性,进一步提升共享车辆的车辆使用效率和用户体验。
在一个实施例中,根据各目标车站的目标联合标签,确定各目标车站对应的共享车辆调度顺序的具体过程也包括以下步骤:针对每一个联合标签,根据该联合标签对应的车站在第二历史时间段内的订单数量和标签天数,确定该联合标签对应的调度优先级;根据各联合标签对应的调度优先级和各目标车站的目标联合标签,确定各目标车站对应的目标调度优先级;根据各目标车站的车辆缺口数量和各目标车站对应的目标调度优先级,确定各目标车站对应的共享车辆调度顺序。
在本申请实施例中,针对每一个联合标签对应的车站的每一个用户,终端根据该联合标签对应的车站在第二历史时间段内该用户的订单数量和标签天数,计算该联合标签对应的该车站中该用户的日均订单数量。然后,终端根据各联合标签对应的该车站中各用户的日均订单数量,确定各联合标签对应的调度优先级。终端根据各联合标签对应的调度优先级和各目标车站的目标联合标签,确定各目标车站对应的目标调度优先级的具体过程与步骤403的具体过程类似。终端根据各目标车站的车辆缺口数量和各目标车站对应的目标调度优先级,确定各目标车站对应的共享车辆调度顺序的具体过程与步骤404的具体过程类似。
具体的,针对每一个联合标签,终端将该联合标签对应该车站中各用户的日均订单数量分别与预设的目标阈值比较。然后,终端将日均订单数量大于预设的目标阈值的用户,作为该联合标签对应的目标价值用户。然后,终端根据各联合标签对应的目标价值用户的数量,确定各联合标签对应的调度优先级。
在一个示例中,终端按照目标价值用户的数量从大到小的顺序,对各联合标签进行排序,得到各联合标签的序列号。然后,终端将各联合标签的序列号,作为各联合标签对应的调度优先级。
在一个示例中,终端根据各联合标签对应的目标价值用户的数量,在预设的目标价值用户的数量和调度优先级的映射关系中,查询各联合标签对应的调度优先级。
上述共享车辆的调度方法中,通过联合标签对应的车站中用户的日均订单数量,判断该用户是否为高价值用户,再通过联合标签对应的车站中高价值用户的数量,确定联合标签对应的目标车站的调度优先级,为高价值用户多的目标车站优先调度,能够优先保证大量高价值用户的用车需求,进一步提升共享车辆的车辆使用效率和用户体验,更加符合实际情况,能够进一步提高共享车辆的调度的准确性。
在一个实施例中,如图5所示,共享车辆的调度方法还包括以下步骤:
步骤501,针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询该目标车站的目标二级标签对应的目标时间段。
在本申请实施例中,针对每一个目标车站,终端在预设的二级标签和时间段的映射关系中,查询该目标车站的目标二级标签对应的目标时间段。
步骤502,在该目标车站的车辆缺口数量大于预设的调度阈值的情况下,若该目标车站的目标二级标签对应的目标时间段与该目标车站对应的未来预测时间段存在重合、且该目标时间段的标签结束时间晚于该目标车站对应的未来预测时间段的预测结束时间,则根据该目标车站所在的目标区域对应的基本调度策略,更新该目标车站对应的共享车辆调度顺序。
在本申请实施例中,终端比较该目标车站的车辆缺口数量与预设的调度阈值。在该目标车站的车辆缺口数量大于预设的调度阈值的情况下,若该目标车站的目标二级标签对应的目标时间段与该目标车站对应的未来预测时间段存在重合、且该目标时间段的标签结束时间晚于该目标车站对应的未来预测时间段的预测结束时间,则终端根据该目标车站所在的目标区域对应的基本调度策略,更新该目标车站对应的共享车辆调度顺序。其中,未来预测时间段为未来的一段时间。例如,未来预测时间段可以为从当前时刻开始的未来半小时。标签结束时间为目标二级标签对应的目标时间段的结束时间。预测结束时间为未来预测时间段的结束时间。调度阈值用于衡量是否向目标车站调度共享车辆。例如,调度阈值可以为0。
在一个示例中,若该目标车站的目标二级标签对应的目标时间段与该目标车站对应的未来预测时间段存在重合、且该目标时间段的标签结束时间晚于该目标车站对应的未来预测时间段的预测结束时间,则终端将该目标车站作为优先调度车站。若仅存在一个优先调度车站,则终端将该优先调度车站的共享车辆调度顺序更新为当前最优先调度的共享车辆调度顺序。若存在多个优先调度车站,则终端按照车辆缺口数量从大到小的顺序,对各优先调度车站排序,得到各优先调度车站对应的序列号。然后,终端按照将各优先调度车站的共享车辆调度顺序更新为共享车辆调度顺序中优先调度的部分。然后,终端按照各优先调度车站对应的序列号,更新各目标车站对应的共享车辆调度顺序。其中,优先调度车站为优先进行共享车辆调度的车站。
上述共享车辆的调度方法中,针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询该目标车站的目标二级标签对应的目标时间段;在该目标车站的车辆缺口数量大于预设的调度阈值的情况下,若该目标车站的目标二级标签对应的目标时间段与该目标车站对应的未来预测时间段存在重合、且该目标时间段的标签结束时间晚于该目标车站对应的未来预测时间段的预测结束时间,则根据该目标车站所在的目标区域对应的基本调度策略,更新该目标车站对应的共享车辆调度顺序。这样,当车站有用车缺口时,若车站在未来一段时间内有用车高峰,则优先调度;若当前已经处于用车高峰,且未来一段时间内用车高峰结束,则不优先调度,能够在面对即将到来或未结束的高峰时,提高该目标车站的调度优先级,实现在面向高峰时,对高峰车站的及时和合理的调度,更加符合实际情况,能够进一步提高共享车辆的调度的准确性和及时性,进一步提升共享车辆的车辆使用效率和用户体验。
在一个实施例中,如图6所示,共享车辆的调度方法还包括以下步骤:
步骤601,针对每一个目标车站,将各资源类型对应的资源特征信息、以及该目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到该目标车站的各资源类型对应的序列号。
在本申请实施例中,针对每一个目标车站,终端将各资源类型对应的资源特征信息、以及该目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到该目标车站的各资源类型对应的序列号。其中,资源可以为共享车辆的优惠卡。资源类型可以为共享车辆的优惠卡的卡类型。资源类型可以包括:固定期限不限次资源和固定期限限制次数资源。例如,资源类型可以包括:一个月不限次优惠卡和一周限制7次优惠卡。资源特征信息为资源的特征信息。例如,资源特征信息可以为优惠卡的特征信息,资源特征信息可以包括优惠卡的价格。车站特征信息为目标车站的特征信息。车站特征信息可以包括目标车站的订单数量、目标车站的位置信息和目标车站在预设范围内的兴趣点(Point ofInterest/Point of Information,POI)信息。资源类型排序预测模型用于对各资源类型进行排序。资源类型排序预测模型可以为机器学习模型,也可以为深度学习模型。
步骤602,按照该目标车站的各资源类型对应的序列号,对各资源类型排序,得到该目标车站的资源序列。
在本申请实施例中,终端按照该目标车站的各资源类型对应的序列号,对各资源类型排序,得到该目标车站的资源序列。其中,资源序列可以为共享车辆的优惠卡的推荐序列。
步骤603,将该目标车站的资源序列发送给该目标车站的用户。
在本申请实施例中,终端将该目标车站的资源序列发送给该目标车站的用户。
上述共享车辆的调度方法中,针对每一个目标车站,将各资源类型对应的资源特征信息、以及该目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到该目标车站的各资源类型对应的序列号;按照该目标车站的各资源类型对应的序列号,对各资源类型排序,得到该目标车站的资源序列;将该目标车站的资源序列发送给该目标车站的用户。这样,将目标车站的联合标签作为特征,与各资源类型对应的资源特征信息和目标车站的车站特征信息一并输入至预先训练的资源类型排序预测模型,得到该目标车站的各资源类型对应的序列号,并将按照各资源类型对应的序列号排列好的该目标车站的资源序列发送给该目标车站的用户,自动为不同联合标签的不同车站特征的目标车站的用户提供更符合该目标车站的用户的用车需求的资源推荐策略,能够提高资源推荐的效率和准确性,也能够进一步提高用户体验。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的共享车辆的调度方法的共享车辆的调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个共享车辆的调度装置实施例中的具体限定可以参见上文中对于共享车辆的调度方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种共享车辆的调度装置700,包括:第一确定模块710、第二确定模块720、第三确定模块730和第四确定模块740,其中:
第一确定模块710,用于针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;
第二确定模块720,用于基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;
第三确定模块730,用于根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;
第四确定模块740,用于根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序。
可选的,所述一级标签包括第一类一级标签和第二类一级标签,所述第一确定模块710,具体用于:
针对每一个第一类一级标签,基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单信息,确定所述第一类一级标签对应的有订单天数和总天数;
根据所述第一类一级标签对应的有订单天数和总天数,计算所述第一类一级标签对应的有订单时间占比;
基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单总数和总天数,计算所述第一类一级标签对应的车站日均订单数量;
若所述第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且所述第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则确定所述第一类一级标签为所述目标车站的目标一级标签。
可选的,所述装置700还包括:
第五确定模块,用于若各所述第一类一级标签均非所述目标车站的目标一级标签,则确定所述第二类一级标签为所述目标车站的目标一级标签。
可选的,所述第二确定模块720,具体用于:
基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,计算所述目标一级标签对应的各小时对应的时均订单数量;
将所述目标一级标签对应的各小时对应的时均订单数量相加,得到所述目标一级标签对应的车站日均订单数量;
针对每一个二级标签,根据预设的二级标签和时间段的映射关系,查询所述二级标签对应的时间段;
根据所述目标一级标签对应的各小时对应的时均订单数量和所述二级标签对应的时间段,计算所述二级标签对应的平均订单数量;
根据所述二级标签对应的平均订单数量和所述目标一级标签对应的车站日均订单数量,计算所述二级标签对应的时段订单占比;
若所述二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则确定所述二级标签为所述目标车站的目标二级标签。
可选的,所述第四确定模块740,具体用于:
针对每一个联合标签,根据所述联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算所述联合标签对应的用户日均订单数量;
根据各所述联合标签对应的用户日均订单数量,确定各所述联合标签对应的调度优先级;
根据各所述联合标签对应的调度优先级和各所述目标车站的目标联合标签,确定各所述目标车站对应的目标调度优先级;
根据各所述目标车站的车辆缺口数量和各所述目标车站对应的目标调度优先级,确定各所述目标车站对应的共享车辆调度顺序。
可选的,所述装置700还包括:
查询模块,用于针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询所述目标车站的目标二级标签对应的目标时间段;
更新模块,用于在所述目标车站的车辆缺口数量大于预设的调度阈值的情况下,若所述目标车站的目标二级标签对应的目标时间段与所述目标车站对应的未来预测时间段存在重合、且所述目标时间段的标签结束时间晚于所述目标车站对应的未来预测时间段的预测结束时间,则根据所述目标车站所在的目标区域对应的基本调度策略,更新所述目标车站对应的共享车辆调度顺序。
可选的,所述装置700还包括:
预测模块,用于针对每一个目标车站,将各资源类型对应的资源特征信息、以及所述目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到所述目标车站的各所述资源类型对应的序列号;
排序模块,用于按照所述目标车站的各所述资源类型对应的序列号,对各所述资源类型排序,得到所述目标车站的资源序列;
发送模块,用于将所述目标车站的资源序列发送给所述目标车站的用户。
上述共享车辆的调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种共享车辆的调度方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种共享车辆的调度方法,其特征在于,所述方法包括:
针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;
基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;
根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;
根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序;
其中,所述一级标签包括第一类一级标签和第二类一级标签,所述基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签包括:针对每一个第一类一级标签,基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单信息,确定所述第一类一级标签对应的有订单天数和总天数;根据所述第一类一级标签对应的有订单天数和总天数,计算所述第一类一级标签对应的有订单时间占比;基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单总数和总天数,计算所述第一类一级标签对应的车站日均订单数量;若所述第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且所述第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则确定所述第一类一级标签为所述目标车站的目标一级标签;
所述基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签包括:基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,计算所述目标一级标签对应的各小时对应的时均订单数量;将所述目标一级标签对应的各小时对应的时均订单数量相加,得到所述目标一级标签对应的车站日均订单数量;针对每一个二级标签,根据预设的二级标签和时间段的映射关系,查询所述二级标签对应的时间段;根据所述目标一级标签对应的各小时对应的时均订单数量和所述二级标签对应的时间段,计算所述二级标签对应的平均订单数量;根据所述二级标签对应的平均订单数量和所述目标一级标签对应的车站日均订单数量,计算所述二级标签对应的时段订单占比;若所述二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则确定所述二级标签为所述目标车站的目标二级标签;
所述根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序包括:针对每一个联合标签,根据所述联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算所述联合标签对应的用户日均订单数量;根据各所述联合标签对应的用户日均订单数量,确定各所述联合标签对应的调度优先级;根据各所述联合标签对应的调度优先级和各所述目标车站的目标联合标签,确定各所述目标车站对应的目标调度优先级;根据各所述目标车站的车辆缺口数量和各所述目标车站对应的目标调度优先级,确定各所述目标车站对应的共享车辆调度顺序。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若各所述第一类一级标签均非所述目标车站的目标一级标签,则确定所述第二类一级标签为所述目标车站的目标一级标签。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询所述目标车站的目标二级标签对应的目标时间段;
在所述目标车站的车辆缺口数量大于预设的调度阈值的情况下,若所述目标车站的目标二级标签对应的目标时间段与所述目标车站对应的未来预测时间段存在重合、且所述目标时间段的标签结束时间晚于所述目标车站对应的未来预测时间段的预测结束时间,则根据所述目标车站所在的目标区域对应的基本调度策略,更新所述目标车站对应的共享车辆调度顺序。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对每一个目标车站,将各资源类型对应的资源特征信息、以及所述目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到所述目标车站的各所述资源类型对应的序列号;
按照所述目标车站的各所述资源类型对应的序列号,对各所述资源类型排序,得到所述目标车站的资源序列;
将所述目标车站的资源序列发送给所述目标车站的用户。
5.一种共享车辆的调度装置,其特征在于,所述装置包括:
第一确定模块,用于针对每一个目标车站,基于所述目标车站在第一历史时间段内各一级标签对应的订单信息,确定所述目标车站的目标一级标签;
第二确定模块,用于基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,确定所述目标车站的目标二级标签;
第三确定模块,用于根据所述目标一级标签和所述目标二级标签,确定所述目标车站的目标联合标签;
第四确定模块,用于根据各所述目标车站的目标联合标签,确定各所述目标车站对应的共享车辆调度顺序;
其中,所述一级标签包括第一类一级标签和第二类一级标签,所述第一确定模块,具体用于:针对每一个第一类一级标签,基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单信息,确定所述第一类一级标签对应的有订单天数和总天数;根据所述第一类一级标签对应的有订单天数和总天数,计算所述第一类一级标签对应的有订单时间占比;基于所述目标车站在第一历史时间段内所述第一类一级标签对应的订单总数和总天数,计算所述第一类一级标签对应的车站日均订单数量;若所述第一类一级标签对应的有订单时间占比大于预设的有订单时间占比阈值、且所述第一类一级标签对应的车站日均订单数量大于预设的车站日均订单数量阈值,则确定所述第一类一级标签为所述目标车站的目标一级标签;
所述第二确定模块,具体用于:基于所述目标车站在所述第一历史时间段内所述目标一级标签对应的订单信息,计算所述目标一级标签对应的各小时对应的时均订单数量;将所述目标一级标签对应的各小时对应的时均订单数量相加,得到所述目标一级标签对应的车站日均订单数量;针对每一个二级标签,根据预设的二级标签和时间段的映射关系,查询所述二级标签对应的时间段;根据所述目标一级标签对应的各小时对应的时均订单数量和所述二级标签对应的时间段,计算所述二级标签对应的平均订单数量;根据所述二级标签对应的平均订单数量和所述目标一级标签对应的车站日均订单数量,计算所述二级标签对应的时段订单占比;若所述二级标签对应的时段订单占比大于或等于预设的时段订单占比阈值,则确定所述二级标签为所述目标车站的目标二级标签;
所述第四确定模块,具体用于:针对每一个联合标签,根据所述联合标签对应的车站在第二历史时间段内的订单数量和标签天数,计算所述联合标签对应的用户日均订单数量;根据各所述联合标签对应的用户日均订单数量,确定各所述联合标签对应的调度优先级;根据各所述联合标签对应的调度优先级和各所述目标车站的目标联合标签,确定各所述目标车站对应的目标调度优先级;根据各所述目标车站的车辆缺口数量和各所述目标车站对应的目标调度优先级,确定各所述目标车站对应的共享车辆调度顺序。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第五确定模块,用于若各所述第一类一级标签均非所述目标车站的目标一级标签,则确定所述第二类一级标签为所述目标车站的目标一级标签。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
查询模块,用于针对每一个目标车站,根据预设的二级标签和时间段的映射关系,查询所述目标车站的目标二级标签对应的目标时间段;
更新模块,用于在所述目标车站的车辆缺口数量大于预设的调度阈值的情况下,若所述目标车站的目标二级标签对应的目标时间段与所述目标车站对应的未来预测时间段存在重合、且所述目标时间段的标签结束时间晚于所述目标车站对应的未来预测时间段的预测结束时间,则根据所述目标车站所在的目标区域对应的基本调度策略,更新所述目标车站对应的共享车辆调度顺序。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
预测模块,用于针对每一个目标车站,将各资源类型对应的资源特征信息、以及所述目标车站的目标联合标签和车站特征信息输入至预先训练的资源类型排序预测模型,得到所述目标车站的各所述资源类型对应的序列号;
排序模块,用于按照所述目标车站的各所述资源类型对应的序列号,对各所述资源类型排序,得到所述目标车站的资源序列;
发送模块,用于将所述目标车站的资源序列发送给所述目标车站的用户。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646853.1A CN116362431B (zh) | 2023-06-02 | 2023-06-02 | 共享车辆的调度方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646853.1A CN116362431B (zh) | 2023-06-02 | 2023-06-02 | 共享车辆的调度方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362431A CN116362431A (zh) | 2023-06-30 |
CN116362431B true CN116362431B (zh) | 2023-10-24 |
Family
ID=86905515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310646853.1A Active CN116362431B (zh) | 2023-06-02 | 2023-06-02 | 共享车辆的调度方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362431B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117787669A (zh) * | 2024-02-26 | 2024-03-29 | 北京阿帕科蓝科技有限公司 | 车辆管理方法、装置、计算机设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832869A (zh) * | 2019-08-06 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种车辆调度方法、装置、电子设备及存储介质 |
CN111861075A (zh) * | 2019-05-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法、资源配置装置及可读存储介质 |
CN112950041A (zh) * | 2021-03-11 | 2021-06-11 | 北京骑胜科技有限公司 | 共享车辆调度方法、设备、存储介质及计算机程序产品 |
CN114819757A (zh) * | 2022-06-24 | 2022-07-29 | 北京阿帕科蓝科技有限公司 | 车站位置调整的方法、系统及计算机可读存储介质 |
CN115564319A (zh) * | 2022-12-05 | 2023-01-03 | 北京工业大学 | 一种共享单车的调度方法、装置及可读存储介质 |
CN115619051A (zh) * | 2022-12-19 | 2023-01-17 | 北京阿帕科蓝科技有限公司 | 一种共享车辆调配方法、系统及计算机存储介质 |
CN116050947A (zh) * | 2023-03-29 | 2023-05-02 | 北京阿帕科蓝科技有限公司 | 车辆调度效果的评价方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7123815B2 (ja) * | 2019-01-09 | 2022-08-23 | 本田技研工業株式会社 | 車両貸出管理装置 |
-
2023
- 2023-06-02 CN CN202310646853.1A patent/CN116362431B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861075A (zh) * | 2019-05-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法、资源配置装置及可读存储介质 |
CN111832869A (zh) * | 2019-08-06 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种车辆调度方法、装置、电子设备及存储介质 |
CN112950041A (zh) * | 2021-03-11 | 2021-06-11 | 北京骑胜科技有限公司 | 共享车辆调度方法、设备、存储介质及计算机程序产品 |
CN114819757A (zh) * | 2022-06-24 | 2022-07-29 | 北京阿帕科蓝科技有限公司 | 车站位置调整的方法、系统及计算机可读存储介质 |
CN115564319A (zh) * | 2022-12-05 | 2023-01-03 | 北京工业大学 | 一种共享单车的调度方法、装置及可读存储介质 |
CN115619051A (zh) * | 2022-12-19 | 2023-01-17 | 北京阿帕科蓝科技有限公司 | 一种共享车辆调配方法、系统及计算机存储介质 |
CN116050947A (zh) * | 2023-03-29 | 2023-05-02 | 北京阿帕科蓝科技有限公司 | 车辆调度效果的评价方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116362431A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116362431B (zh) | 共享车辆的调度方法、装置、计算机设备和存储介质 | |
US10743134B2 (en) | System and method for providing dynamic supply positioning for on-demand services | |
KR102381752B1 (ko) | 동적으로 배치된 서비스 제공자 및 서비스 요청자 할당 | |
Kong et al. | Shared subway shuttle bus route planning based on transport data analytics | |
US20180018572A1 (en) | Method, apparatus, device, and system for predicting future travel volumes of geographic regions based on historical transportation network data | |
US20200050938A1 (en) | Systems and methods for improvement of index prediction and model building | |
US20180314998A1 (en) | Resource Allocation in a Network System | |
US20180225796A1 (en) | Resource Allocation in a Network System | |
CN116363854B (zh) | 共享出行车辆调度方法、装置和计算机设备 | |
CN110197412B (zh) | 车辆管理设备和车辆管理方法 | |
JP2019505032A (ja) | サービスの順序列を更新するためのシステム及び方法 | |
CN116362527B (zh) | 车辆调度方法、装置、计算机设备和存储介质 | |
WO2018146622A1 (en) | Dynamic selection of geo-based service options in a network system | |
CN116050947A (zh) | 车辆调度效果的评价方法、装置、计算机设备和存储介质 | |
CN115496275A (zh) | 城市交通碳排放预测方法、装置、电子设备和存储介质 | |
US11023962B2 (en) | Searching available rental vehicles based on adjustable parameters | |
CN116151600B (zh) | 共享车辆的维护方法、装置、计算机设备和存储介质 | |
AU2017203619B2 (en) | Searching available rental vehicles based on adjustable parameters | |
CN111199440A (zh) | 事件预估方法、装置以及电子设备 | |
Chen et al. | A model for taxi pooling with stochastic vehicle travel times | |
CN111489133A (zh) | 出行提醒方法及相关设备 | |
CN116227889B (zh) | 共享车辆的挪车方法、装置、计算机设备和存储介质 | |
CN115618986B (zh) | 协调资源的方法和装置 | |
CN113469575B (zh) | 配送场景中的用户排班方法、装置、电子设备及存储介质 | |
CN117037499B (zh) | 拥堵路段预测方法、装置、计算机设备和存储介质 |
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 |