CN116485158B - 一种基于任务代价模型的事件指挥调度优化方法及装置 - Google Patents
一种基于任务代价模型的事件指挥调度优化方法及装置 Download PDFInfo
- Publication number
- CN116485158B CN116485158B CN202310722346.1A CN202310722346A CN116485158B CN 116485158 B CN116485158 B CN 116485158B CN 202310722346 A CN202310722346 A CN 202310722346A CN 116485158 B CN116485158 B CN 116485158B
- Authority
- CN
- China
- Prior art keywords
- node
- community
- nodes
- longitude
- cost
- 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 25
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 230000010354 integration Effects 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
-
- 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
-
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于任务代价模型的事件指挥调度优化方法及装置,所述方法借助旧有指挥决策记录,划分数据为调度指挥数据、环境背景数据以及成本数据,对历史数据以成本视角进行挖掘,生成指挥调度决策权重信息,当新事项触发时,根据目标和现有资源情况生成调度决策,优化资源;本申请解决了在诸如医疗人员转运等场景中,转运车辆以及工作人员相较于待转人员是有限的,而目的地可能分散于各个地方,需要在短时间内进行规划,从而造成的运力不均衡以及工作量不均衡等问题。
Description
技术领域
本申请涉及运维调度的技术领域,尤其是涉及一种基于任务代价模型的事件指挥调度优化方法及装置。
背景技术
旧有调度派遣方法通常使用人工或规则进行调度派遣,派遣过程中要么过度依赖人员经验要么过于刚性,容易出现资源错配的情况。在诸如医疗人员转运等问题中,转运车辆以及工作人员相较于待转人员是有限的,而目的地可能分散于各个地方,需要在短时间内进行规划,容易导致运力不均衡以及工作量不均衡等问题,亦或是出现车辆空载但耗品资源不足以支撑任务的尴尬局面。
发明内容
针对上述背景技术中的技术问题,本申请提出了一种基于任务代价模型的事件指挥调度优化方法及装置。
第一方面,本申请提出了一种基于任务代价模型的事件指挥调度优化方法,包括以下步骤:
S1:获取社区节点经纬度信息,并利用社区节点经纬度信息构建社区经纬度信息表,所述社区节点经纬度信息包括社区编号、社区名称、经度以及纬度;
S2:利用社区节点经纬度信息计算节点间距离;
S3:将历史转运日志进行整合,形成历史转运记录整合信息,所述历史转运记录整合信息包括车辆编号、出发节点编号、到达节点编号、转运人数以及消耗小时数;
S4:整合接收点状态,形成接收点状态信息,所述接收点状态信息包括目标节点编号、当前可接纳人数、总床位数以及医护总人数;
S5:计算各成本系数,具体包括:
计算路程成本:
Wls= ;
其中,Lab代表A节点和B节点相对距离,Sab代表A节点发车至B节点车辆总数,La代表A节点发车的相对距离,Sa代表 A节点发车至其他节点发车总数,Lb 代表B节点发车的相对距离,Sb 代表B节点发车至其他节点发车总数;
计算时间成本:
Wst= ;
其中,Sab代表A节点发车至B节点车辆总数,Tab代表A节点发车至B节点总耗时,Sa代表A节点发车至其他节点发车总数,Ta代表节点A发车至其他节点的总耗时,Sb代表B节点发车至其他节点发车总数,Tb代表节点B发车至其他节点的总耗时;
计算床位成本:
Wrb= ;
其中,Rb代表B节点可接纳人数,Ravg代表可接纳人数均值,Bb代表B节点总床位数,Bavg代表床位总数均值;
计算医护成本:
Wd= ;
其中,Db代表B节点医护总数,Davg代表医护人数均值;
S6:利用各成本系数对单个任务进行成本分值计算,具体包括:
先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行成本分值计算:
T12=;
然后再计算待转运人员所在位置L2到目标接收地点位置L3的成本分值:
T23= ();
最后将两段结果相加获得综合成本:
T = T12 + T23;
其中,使用N1代表车辆的核载人数,使用Pa代表A节点待转运人数;
S7:当所有车辆计算结果完成后,获取成本分值最低的转运车辆进行调度派遣。
通过采用上述技术方案,本发明借助旧有指挥决策记录,划分数据为调度指挥数据、环境背景数据以及成本数据,对历史数据以成本视角进行挖掘,生成指挥调度决策权重信息,当新事项触发时,根据目标和现有资源情况生成调度决策,优化资源。
优选的,所述S2具体包括:
S21:获取所有社区经纬度中的经度最小值、经度最大值、纬度最小值以及纬度最
大值,并获取其对应的社区编号,以经度最小值和纬度最小值作为原点,并按节点个数n分
别对经纬度进行等分,形成网格;
S22:将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经
纬度按的倍数相乘使得所有经纬度成为整数,并获取其最大差异位,获得节点相对点
位信息,所述节点相对点位信息包括社区编号、社区名称、经度、纬度、相对点位X以及相对
点位Y;
S23:利用节点相对点位信息计算节点间相对距离,并形成节点间相对距离信息,所述节点间相对距离信息包括社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y以及节点间距离。
优选的,在所述S7中,当所有车辆计算结果完成后,获取成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按成本分值最低。
第二方面,本申请还提出了一种用于实现第一方面所述的基于任务代价模型的事件指挥调度优化方法的装置,所述装置包括:
社区经纬度信息表获取模块,配置用于获取社区节点经纬度信息,并利用社区节点经纬度信息构建社区经纬度信息表,所述社区节点经纬度信息包括社区编号、社区名称、经度以及纬度;
节点间距离计算模块,配置用于利用社区节点经纬度信息计算节点间距离;
历史转运记录整合模块,配置用于将历史转运日志进行整合,形成历史转运记录整合信息,所述历史转运记录整合信息包括车辆编号、出发节点编号、到达节点编号、转运人数以及消耗小时数;
接收点状态整合模块,配置用于整合接收点状态,形成接收点状态信息,所述接收点状态信息包括目标节点编号、当前可接纳人数、总床位数以及医护总人数;
各成本系数计算模块,配置用于计算各成本系数,具体包括:
计算路程成本:
Wls= ;
其中,Lab代表A节点和B节点相对距离,Sab代表A节点发车至B节点车辆总数,La代表A节点发车的相对距离,Sa代表 A节点发车至其他节点发车总数,Lb 代表B节点发车的相对距离,Sb 代表B节点发车至其他节点发车总数;
计算时间成本:
Wst= ;
其中,Sab代表A节点发车至B节点车辆总数,Tab代表A节点发车至B节点总耗时,Sa代表A节点发车至其他节点发车总数,Ta代表节点A发车至其他节点的总耗时,Sb代表B节点发车至其他节点发车总数,Tb代表节点B发车至其他节点的总耗时;
计算床位成本:
Wrb= ;
其中,Rb代表B节点可接纳人数,Ravg代表可接纳人数均值,Bb代表B节点总床位数,Bavg代表床位总数均值;
计算医护成本:
Wd= ;
其中,Db代表B节点医护总数,Davg代表医护人数均值;
单个任务成本分值计算模块,配置用于利用各成本系数对单个任务进行成本分值计算,具体包括:
先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行成本分值计算:
T12=;
然后再计算待转运人员所在位置L2到目标接收地点位置L3的成本分值:
T23= ();
最后将两段结果相加获得综合成本:
T = T12 + T23;
其中,使用N1代表车辆的核载人数,使用Pa代表A节点待转运人数;
车辆调度派遣模块,配置用于当所有车辆计算结果完成后,获取成本分值最低的转运车辆进行调度派遣。
优选的,所述节点间距离计算模块具体用于:
获取所有社区经纬度中的经度最小值、经度最大值、纬度最小值、纬度最大值,并
获取其对应的社区编号。以经度最小值和纬度最小值作为原点,并按节点个数n分别对经纬
度进行等分,形成网格;
将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经纬度
按的倍数相乘使得所有经纬度成为整数,并获取其最大差异位,获得节点相对点位信
息,点相对点位信息包括社区编号、社区名称、经度、纬度、相对点位X以及相对点位Y;
利用节点相对点位信息计算节点间相对距离,并形成节点间相对距离信息,节点间相对距离信息包括社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y、节点间距离。
优选的,在所述车辆调度派遣模块中,当所有车辆计算结果完成后,获取成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按成本分值最低继续派遣。
综上所述,本申请至少包括以下有益技术效果:
1. 本发明借助旧有指挥决策记录,划分数据为调度指挥数据、环境背景数据以及成本数据,对历史数据以成本视角进行挖掘,生成指挥调度决策权重信息,当新事项触发时,根据目标和现有资源情况生成调度决策,优化资源;
2. 本发明主要用于提升资源利用率,解决了在诸如医疗人员转运等问题中,转运车辆以及工作人员相较于待转人员是有限的,而目的地可能分散于各个地方。需要在短时间内进行规划,以应对运力不均衡、工作量不均衡等问题,亦或是车辆空载但耗品资源不足以支撑任务的尴尬局面;
3. 本发明使用历史转运数据对模型系数进行生成,简化计算和人工派遣过程,提高了任务调度派遣的效率。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本申请的原理。将容易认识到其它实施例和实施例的很多预期优点,因为通过引用以下详细描述,它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
图1是可以应用于本申请的基于任务代价模型的事件指挥调度优化方法的一个具体实施例的示意图。
图2是本申请一个实施例中构建社区节点的示意图。
图3是本申请一个实施例中的一种用于实现基于任务代价模型的事件指挥调度优化方法的装置的模块结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请实施例公开的一种基于任务代价模型的事件指挥调度优化方法具体包括以下步骤:
S1:获取社区节点经纬度信息,并利用社区节点经纬度信息构建社区经纬度信息表,所述社区节点经纬度信息包括社区编号、社区名称、经度以及纬度;
S2:利用社区节点经纬度信息计算节点间距离;
其中,所述S2具体包括:
S21:获取所有社区经纬度中的经度最小值、经度最大值、纬度最小值以及纬度最
大值,并获取其对应的社区编号,以经度最小值和纬度最小值作为原点,并按节点个数n分
别对经纬度进行等分,形成网格;
S22:将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经
纬度按的倍数相乘使得所有经纬度成为整数,并获取其最大差异位,获得节点相对点
位信息,所述节点相对点位信息包括社区编号、社区名称、经度、纬度、相对点位X以及相对
点位Y;
S23:利用节点相对点位信息计算节点间相对距离,并形成节点间相对距离信息,所述节点间相对距离信息包括社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y以及节点间距离。
S3:将历史转运日志进行整合,形成历史转运记录整合信息,所述历史转运记录整合信息包括车辆编号、出发节点编号、到达节点编号、转运人数以及消耗小时数;
S4:整合接收点状态,形成接收点状态信息,所述接收点状态信息包括目标节点编号、当前可接纳人数、总床位数以及医护总人数;
S5:计算各成本系数,具体包括:
计算路程成本:
Wls= ;
其中,Lab代表A节点和B节点相对距离,Sab代表A节点发车至B节点车辆总数,La代表A节点发车的相对距离,Sa代表 A节点发车至其他节点发车总数,Lb 代表B节点发车的相对距离,Sb 代表B节点发车至其他节点发车总数;
计算时间成本:
Wst= ;
其中,Sab代表A节点发车至B节点车辆总数,Tab代表A节点发车至B节点总耗时,Sa代表A节点发车至其他节点发车总数,Ta代表节点A发车至其他节点的总耗时,Sb代表B节点发车至其他节点发车总数,Tb代表节点B发车至其他节点的总耗时;
计算床位成本:
Wrb= ;
其中,Rb代表B节点可接纳人数,Ravg代表可接纳人数均值,Bb代表B节点总床位数,Bavg代表床位总数均值;
计算医护成本:
Wd= ;
其中,Db代表B节点医护总数,Davg代表医护人数均值;
S6:利用各成本系数对单个任务进行成本分值计算,具体包括:
先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行成本分值计算:
T12=;
然后再计算待转运人员所在位置L2到目标接收地点位置L3的成本分值:
T23= ();
最后将两段结果相加获得综合成本:
T = T12 + T23;
其中,使用N1代表车辆的核载人数,使用Pa代表A节点待转运人数;
S7:当所有车辆计算结果完成后,获取成本分值最低的转运车辆进行调度派遣。
其中,在所述S7中,当所有车辆计算结果完成后,获取成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按成本分值最低继续派遣。
参照图1,以下将公开可以应用于本申请的一种基于任务代价模型的事件指挥调度优化方法的一个具体实施例:
步骤1:构建社区节点,简化计算信息
获取社区居委会所在楼栋经纬度信息作为社区节点经纬度信息,形成社区经纬度
信息表,包含社区编号、社区名称、经度、纬度等字段。获取所有社区经纬度中的经度最小
值、经度最大值、纬度最小值、纬度最大值,并获取其对应的社区编号。以经度最小值和纬度
最小值作为原点,并按节点个数n分别对经纬度进行等分,形成网格,如图2所示;然
后将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经纬度按的倍数相乘使得所有经纬度成为整数,并获取其最大差异位(如:A节点经度倍乘后为
13890,B节点经度倍乘后为13889,则其最大差异位为十位,剔除百位及以上数值,保留十位
和个位,获得A节点相对经度90,B节点相对经度89),经纬度同理。获得如下信息:社区编号、
社区名称、经度、纬度、相对点位X,相对点位Y。
步骤2:计算节点间距离
由步骤1获得的数据集进行节点的两辆计算,获得节点间相对距离,信息如下:社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y、节点间距离。
步骤3:整合历史转运记录
通过将历史转日志进行整合,形成如下信息:车辆编号、出发节点编号、到达节点编号、转运人数、消耗小时数。
步骤4:整合接收点状态
通过整合接受点床位变化,形成如下信息:目标节点编号、当前可接纳人数、总床位数、医护总人数。
步骤5:生成各成本计算系数
成本计算主要分为转运成本和接收成本,转运成本再细分为路程成本和时间成本,接收成本细分为床位成本以及医护成本。对于路程成本的计算用于代理油耗等经济变量,时间成本除代理时间本身外还代理传播风险、暴露时间等变量。床位成本则是一个刚性指标,是否具备接收的可能,医护成本则用于均衡医护资源。
路程成本计算中,使用Lab代表A节点和B节点相对距离,使用Sab代表A节点发车至B节点车辆总数,使用La代表A节点发车的相对距离,使用Sa代表 A节点发车至其他节点发车总数,使用Lb 代表B节点发车的相对距离,使用Sb 代表B节点发车至其他节点发车总数,具体计算公式如下:
Wls= ;
时间成本计算中,使用Sab代表A节点发车至B节点车辆总数,使用Tab代表A节点发车至B节点总耗时,使用Sa代表A节点发车至其他节点发车总数,使用Ta代表节点A发车至其他节点的总耗时,使用Sb代表B节点发车至其他节点发车总数,使用Tb代表节点B发车至其他节点的总耗时,具体计算公式如下:
Wst= ;
床位成本计算中,使用Rb代表B节点可接纳人数,使用Ravg代表可接纳人数均值,使用Bb代表B节点总床位数,使用Bavg代表床位总数均值,具体公式如下:
Wrb= ;
医护成本计算中,使用Db代表B节点医护总数,使用Davg代表医护人数均值,具体公式如下:
Wd= ;
步骤6:对单个任务进行成本分值计算
转运任务中存在三个关键地点,待转运人员所在位置、转运车辆所在位置以及目标接收地点位置,按关键地点需要将计算过程拆分为三个部分,先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行计算,然后再计算待转运人员所在位置L2到目标接收地点位置L3。
使用N1代表车辆1的核载人数,使用Pa代表A节点待转运人数,基于当前现状计算所得使用车辆1转运A节点人员至B节点的综合成本为:
获取L1至L2段参数计算所得:
T12=;
获取L2至L3段参数计算所得:
T23= ();
两段结果相加获得综合成本:
T = T12 + T23;
步骤7:确定转运车辆
当所有车辆计算结果完成后,获取成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按成本分值最低继续派遣。
本发明借助旧有指挥决策记录,划分数据为调度指挥数据、环境背景数据以及成本数据,对历史数据以成本视角进行挖掘,生成指挥调度决策权重信息,当新事项触发时,根据目标和现有资源情况生成调度决策,优化资源,进而提升资源利用率;使用历史转运数据对模型系数进行生成,简化计算和人工派遣过程,同时可以再各个系数外层再增加权重,已调整成本比重,达到任务派遣的最优化。
进一步参考图3,作为对上述所述方法的实现,本申请提供了一种用于实现基于任务代价模型的事件指挥调度优化方法的装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
参考图3,一种用于实现基于任务代价模型的事件指挥调度优化方法的装置,包括:
社区经纬度信息表获取模块101,配置用于获取社区节点经纬度信息,并利用社区节点经纬度信息构建社区经纬度信息表,所述社区节点经纬度信息包括社区编号、社区名称、经度以及纬度;
节点间距离计算模块102,配置用于利用社区节点经纬度信息计算节点间距离;
其中,所述节点间距离计算模块具体用于:
获取所有社区经纬度中的经度最小值、经度最大值、纬度最小值、纬度最大值,并
获取其对应的社区编号。以经度最小值和纬度最小值作为原点,并按节点个数n分别对经纬
度进行等分,形成网格;
将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经纬度
按的倍数相乘使得所有经纬度成为整数,并获取其最大差异位,获得节点相对点位信
息,点相对点位信息包括社区编号、社区名称、经度、纬度、相对点位X以及相对点位Y;
利用节点相对点位信息计算节点间相对距离,并形成节点间相对距离信息,节点间相对距离信息包括社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y、节点间距离。
历史转运记录整合模块103,配置用于将历史转运日志进行整合,形成历史转运记录整合信息,所述历史转运记录整合信息包括车辆编号、出发节点编号、到达节点编号、转运人数以及消耗小时数;
接收点状态整合模块104,配置用于整合接收点状态,形成接收点状态信息,所述接收点状态信息包括目标节点编号、当前可接纳人数、总床位数以及医护总人数;
各成本系数计算模块105,配置用于计算各成本系数,具体包括:
计算路程成本:
Wls= ;
其中,Lab代表A节点和B节点相对距离,Sab代表A节点发车至B节点车辆总数,La代表A节点发车的相对距离,Sa代表 A节点发车至其他节点发车总数,Lb 代表B节点发车的相对距离,Sb 代表B节点发车至其他节点发车总数;
计算时间成本:
Wst= ;
其中,Sab代表A节点发车至B节点车辆总数,Tab代表A节点发车至B节点总耗时,Sa代表A节点发车至其他节点发车总数,Ta代表节点A发车至其他节点的总耗时,Sb代表B节点发车至其他节点发车总数,Tb代表节点B发车至其他节点的总耗时;
计算床位成本:
Wrb= ;
其中,Rb代表B节点可接纳人数,Ravg代表可接纳人数均值,Bb代表B节点总床位数,Bavg代表床位总数均值;
计算医护成本:
Wd= ;
其中,Db代表B节点医护总数,Davg代表医护人数均值;
单个任务成本分值计算模块106,配置用于利用各成本系数对单个任务进行成本分值计算,具体包括:
先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行成本分值计算:
T12=;
然后再计算待转运人员所在位置L2到目标接收地点位置L3的成本分值:
T23= ();
最后将两段结果相加获得综合成本:
T = T12 + T23;
其中,使用N1代表车辆的核载人数,使用Pa代表A节点待转运人数;
车辆调度派遣模块107,配置用于当所有车辆计算结果完成后,获取成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按成本分值最低继续派遣。
以上描述了本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
在本申请的描述中,需要理解的是,术语“上”、“下”、“内”、“外”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。措词‘包括’并不排除在权利要求未列出的元件或步骤的存在。元件前面的措词‘一’或‘一个’并不排除多个这样的元件的存在。在相互不同从属权利要求中记载某些措施的简单事实不表明这些措施的组合不能被用于改进。在权利要求中的任何参考符号不应当被解释为限制范围。
Claims (6)
1.一种基于任务代价模型的事件指挥调度优化方法,其特征在于:所述方法包括以下步骤:
S1:获取社区节点经纬度信息,并利用社区节点经纬度信息构建社区经纬度信息表,所述社区节点经纬度信息包括社区编号、社区名称、经度以及纬度;
S2:利用社区节点经纬度信息计算节点间距离;
S3:将历史转运日志进行整合,形成历史转运记录整合信息,所述历史转运记录整合信息包括车辆编号、出发节点编号、到达节点编号、转运人数以及消耗小时数;
S4:整合接收点状态,形成接收点状态信息,所述接收点状态信息包括目标节点编号、当前可接纳人数、总床位数以及医护总人数;
S5:计算各成本系数,具体包括:
计算路程成本:
其中,Lab代表A节点和B节点相对距离,Sab代表A节点发车至B节点车辆总数,La代表A节点发车的相对距离,Sa代表A节点发车至其他节点发车总数,Lb代表B节点发车的相对距离,Sb代表B节点发车至其他节点发车总数;
计算时间成本:
其中,Sab代表A节点发车至B节点车辆总数,Tab代表A节点发车至B节点总耗时,Sa代表A节点发车至其他节点发车总数,Ta代表节点A发车至其他节点的总耗时,Sb代表B节点发车至其他节点发车总数,Tb代表节点B发车至其他节点的总耗时;
计算床位成本:
其中,Rb代表B节点可接纳人数,Ravg代表可接纳人数均值,Bb代表B节点总床位数,Bavg代表床位总数均值;
计算医护成本:
其中,Db代表B节点医护总数,Davg代表医护人数均值;
S6:利用各成本系数对单个任务进行成本分值计算,具体包括:
先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行成本分值计算:
T12=Wls·Wst·Rb·Wrb·Wd;
然后再计算待转运人员所在位置L2到目标接收地点位置L3的成本分值:
最后将两段结果相加获得综合成本:
T=T12+T23;
其中,使用N1代表车辆的核载人数,使用Pa代表A节点待转运人数;
S7:当所有车辆计算结果完成后,获取综合成本分值最低的转运车辆进行调度派遣。
2.根据权利要求1所述的一种基于任务代价模型的事件指挥调度优化方法,其特征在于:所述S2具体包括:
S21:获取所有社区经纬度中的经度最小值、经度最大值、纬度最小值以及纬度最大值,并获取其对应的社区编号,以经度最小值和纬度最小值作为原点,并按节点个数n分别对经纬度进行等分,形成n·n网格;
S22:将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经纬度按10n的倍数相乘使得所有经纬度成为整数,并获取其最大差异位,获得节点相对点位信息,所述节点相对点位信息包括社区编号、社区名称、经度、纬度、相对点位X以及相对点位Y;
S23:利用节点相对点位信息计算节点间相对距离,并形成节点间相对距离信息,所述节点间相对距离信息包括社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y以及节点间距离。
3.根据权利要求2所述的一种基于任务代价模型的事件指挥调度优化方法,其特征在于:在所述S7中,当所有车辆计算结果完成后,获取综合成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按综合成本分值最低继续派遣。
4.一种用于实现权利要求1-3中任一项所述的基于任务代价模型的事件指挥调度优化方法的装置,其特征在于,所述装置包括:
社区经纬度信息表获取模块,配置用于获取社区节点经纬度信息,并利用社区节点经纬度信息构建社区经纬度信息表,所述社区节点经纬度信息包括社区编号、社区名称、经度以及纬度;
节点间距离计算模块,配置用于利用社区节点经纬度信息计算节点间距离;
历史转运记录整合模块,配置用于将历史转运日志进行整合,形成历史转运记录整合信息,所述历史转运记录整合信息包括车辆编号、出发节点编号、到达节点编号、转运人数以及消耗小时数;
接收点状态整合模块,配置用于整合接收点状态,形成接收点状态信息,所述接收点状态信息包括目标节点编号、当前可接纳人数、总床位数以及医护总人数;
各成本系数计算模块,配置用于计算各成本系数,具体包括:
计算路程成本:
其中,Lab代表A节点和B节点相对距离,Sab代表A节点发车至B节点车辆总数,La代表A节点发车的相对距离,Sa代表A节点发车至其他节点发车总数,Lb代表B节点发车的相对距离,Sb代表B节点发车至其他节点发车总数;
计算时间成本:
其中,Sab代表A节点发车至B节点车辆总数,Tab代表A节点发车至B节点总耗时,Sa代表A节点发车至其他节点发车总数,Ta代表节点A发车至其他节点的总耗时,Sb代表B节点发车至其他节点发车总数,Tb代表节点B发车至其他节点的总耗时;
计算床位成本:
其中,Rb代表B节点可接纳人数,Ravg代表可接纳人数均值,Bb代表B节点总床位数,Bavg代表床位总数均值;
计算医护成本:
其中,Db代表B节点医护总数,Davg代表医护人数均值;
单个任务成本分值计算模块,配置用于利用各成本系数对单个任务进行成本分值计算,具体包括:
先对转运车辆所在位置L1至待转运人员所在位置L2的部分进行成本分值计算:
T12=Wls·Wst·Rb·Wrb·Wd;
然后再计算待转运人员所在位置L2到目标接收地点位置L3的成本分值:
最后将两段结果相加获得综合成本:
T=T12+T23;
其中,使用N1代表车辆的核载人数,使用Pa代表A节点待转运人数;
车辆调度派遣模块,配置用于当所有车辆计算结果完成后,获取综合成本分值最低的转运车辆进行调度派遣。
5.根据权利要求4所述的一种基于任务代价模型的事件指挥调度优化装置,其特征在于:所述节点间距离计算模块具体用于:
获取所有社区经纬度中的经度最小值、经度最大值、纬度最小值、纬度最大值,并获取其对应的社区编号,以经度最小值和纬度最小值作为原点,并按节点个数n分别对经纬度进行等分,形成n·n网格;
将各节点经纬度减去最小经度和最小纬度获得相对经度和相对纬度,并将经纬度按10n的倍数相乘使得所有经纬度成为整数,并获取其最大差异位,获得节点相对点位信息,点相对点位信息包括社区编号、社区名称、经度、纬度、相对点位X以及相对点位Y;
利用节点相对点位信息计算节点间相对距离,并形成节点间相对距离信息,节点间相对距离信息包括社区编号A、社区编号B、社区A相对点位X、社区A相对点位Y、社区B相对点位X、社区B相对点位Y、节点间距离。
6.根据权利要求5所述的一种基于任务代价模型的事件指挥调度优化装置,其特征在于:在所述车辆调度派遣模块中,当所有车辆计算结果完成后,获取综合成本分值最低的转运车辆,如果该车辆核载人数大于或等于待转运人数,则直接派出,否则继续按综合成本分值最低继续派遣。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722346.1A CN116485158B (zh) | 2023-06-19 | 2023-06-19 | 一种基于任务代价模型的事件指挥调度优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722346.1A CN116485158B (zh) | 2023-06-19 | 2023-06-19 | 一种基于任务代价模型的事件指挥调度优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485158A CN116485158A (zh) | 2023-07-25 |
CN116485158B true CN116485158B (zh) | 2023-08-18 |
Family
ID=87219850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310722346.1A Active CN116485158B (zh) | 2023-06-19 | 2023-06-19 | 一种基于任务代价模型的事件指挥调度优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485158B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011112411A1 (de) * | 2011-09-03 | 2012-04-05 | Daimler Ag | Vorrichtung und Verfahren zum Kosten-Nutzen optimierten Disponieren und Ausführen von Service-Leistungen an Kraftfahrzeugen |
WO2022120935A1 (zh) * | 2020-12-11 | 2022-06-16 | 中车唐山机车车辆有限公司 | 一种车辆系统的调度控制方法,装置及系统 |
CN116050669A (zh) * | 2023-03-28 | 2023-05-02 | 中铁第四勘察设计院集团有限公司 | 一种城市轨道交通突发事件智能调度方法和系统 |
-
2023
- 2023-06-19 CN CN202310722346.1A patent/CN116485158B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011112411A1 (de) * | 2011-09-03 | 2012-04-05 | Daimler Ag | Vorrichtung und Verfahren zum Kosten-Nutzen optimierten Disponieren und Ausführen von Service-Leistungen an Kraftfahrzeugen |
WO2022120935A1 (zh) * | 2020-12-11 | 2022-06-16 | 中车唐山机车车辆有限公司 | 一种车辆系统的调度控制方法,装置及系统 |
CN116050669A (zh) * | 2023-03-28 | 2023-05-02 | 中铁第四勘察设计院集团有限公司 | 一种城市轨道交通突发事件智能调度方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116485158A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280575B (zh) | 一种应急疏散车辆多批次调度决策方法 | |
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
CN110162931B (zh) | 城市轨道交通大规模路网快速仿真系统 | |
US20150039364A1 (en) | Optimizing emergency resources in case of disaster | |
CN106846225A (zh) | 一种火灾应急救助方法 | |
Tan et al. | IF‐EM: An interval‐parameter fuzzy linear programming model for environment‐oriented evacuation planning under uncertainty | |
CN111127274B (zh) | 一种社区居家养老服务调度与路径规划方法和装置 | |
Wang et al. | Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows | |
CN109543934A (zh) | 城市公交线网的综合指标的评价方法 | |
US20200005235A1 (en) | Port management system,reservation management server, ship manager terminal and port manager terminal | |
Dhingra et al. | Modeling emergency evacuation with time and resource constraints: A case study from Gujarat | |
Hu et al. | Integrated design of emergency shelter and medical networks considering diurnal population shifts in urban areas | |
Wang et al. | Markov decision model of emergency medical supply scheduling in public health emergencies of infectious diseases | |
CN116485158B (zh) | 一种基于任务代价模型的事件指挥调度优化方法及装置 | |
CN113963787A (zh) | 一种救护车智能调度方法 | |
Pandey et al. | Distributions of bus stop spacings in the United States | |
Gan et al. | Emergency vehicle scheduling problem with time utility in disasters | |
Jiang et al. | [Retracted] Drone Assisted Robust Emergency Service Management for Elderly Chronic Disease | |
CN117455211A (zh) | 应急物资跨区域调度方法、系统、电子设备及存储介质 | |
CN110895749B (zh) | 一种用于应急物流的定位-路径规划方法 | |
Li et al. | Optimization of multi-objective mobile emergency material allocation for sudden disasters | |
CN110175754B (zh) | 一种基于htn规划的应急资源调运任务规划方法和系统 | |
Minis et al. | Contribution to the design of the Athletes Bus Network during the Athens 2004 Olympic Games | |
Hellmund et al. | The Design and Implementation of ZEUS: Novel Support in Managing Large-Scale Evacuations. | |
Cheu et al. | Allocating emergency service vehicles to serve critical transportation infrastructures |
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 |