CN116703132A - 共享车辆动态调度的管理方法、装置及计算机设备 - Google Patents
共享车辆动态调度的管理方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116703132A CN116703132A CN202310990110.6A CN202310990110A CN116703132A CN 116703132 A CN116703132 A CN 116703132A CN 202310990110 A CN202310990110 A CN 202310990110A CN 116703132 A CN116703132 A CN 116703132A
- Authority
- CN
- China
- Prior art keywords
- outflow
- inflow
- block
- record
- blocks
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000008187 granular material Substances 0.000 claims description 65
- 238000012216 screening Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000000463 material Substances 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
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012797 qualification 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及公共交通管理技术领域，具体公开了一种共享车辆动态调度的管理方法、装置及计算机设备，所述方法包括：采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；将所述目标区域划分为若干多边形区块；根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块；根据所述流出记录对所述候选区块进行相似性聚类，根据所述流入记录对所述候选区块进行相似性聚类；对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期。本公开可以提高共享车辆调度的效率和准确性。
Description
技术领域
本公开涉及公共交通管理技术领域，特别是涉及一种共享车辆动态调度的管理方法、装置及计算机设备。
背景技术
随着智慧交通的发展，以及建设绿色城市、低碳城市的发展需求，共享车辆已经成为城市交通中重要的出行方式之一。由于共享车辆的调度受到用户需求不平衡和地区差异的影响，使得共享车辆的车辆分布往往受到调度不均合格、分布不合理的局限性，进而导致面临车辆供需不平衡、服务质量下降等问题。
相关技术中，共享车辆的调度策略往往是基于实时需求进行调整，缺乏对用户行为的深入理解。因此，需要一种能够挖掘用户行为规律的方法，以便更好地对共享车辆的调度进行管理。
发明内容
基于此，有必要针对上述技术问题，提供一种共享车辆动态调度的管理方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面，本公开提供了一种共享车辆动态调度的管理方法。所述方法包括：
采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；所述流出记录至少包括借车地理位置信息和借车时间戳，所述流入记录至少包括还车地理位置信息和还车时间戳；
将所述目标区域划分为若干多边形区块，并为所述区块分配唯一的索引标识；
根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块，并按照预设筛选条件对所述区块进行筛选，得到候选区块；
根据所述流出记录对所述候选区块进行相似性聚类，将满足流出相似性条件的区块合并得到流出区组，根据所述流入记录对所述候选区块进行相似性聚类，将满足流入相似性条件的区块合并得到流入区组；
对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期，并根据所述流出周期和所述流入周期发送调度指示。
在其中一个实施例中，所述根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块还包括：
根据所述区块与所述流出记录和流入记录的映射关系生成区块四元组、借车地理位置列表和还车地理位置列表；所述区块四元组包括所述区块的索引标识、时间信息、流入订单数和流出订单数。
在其中一个实施例中，所述按照预设筛选条件对所述区块进行筛选，得到候选区块包括：
确定所述区块的流出订单数和流入订单数，选取所述流出订单数和流入订单数均满足筛选阈值的区块作为候选区块。
在其中一个实施例中，所述根据所述流出记录对所述候选区块进行相似性聚类，将满足相似性条件的区块合并得到流出区组包括：
获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
在基于所述流出记录确定所述相邻区块与所述目标区块满足流出相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流出区组，并将所述相邻区块从所述候选区块列表中删除。
在其中一个实施例中，所述流出相似性条件为所述相邻区块与所述目标区块的流出记录数量差值在第一阈值内，且所述相邻区块与所述目标区块内的借车地理位置信息的重合率不低于第二阈值。
在其中一个实施例中，所述根据所述流入记录对所述候选区块进行相似性聚类，将满足相似性条件的区块合并得到流入区组包括：
获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
在基于所述流入记录确定所述相邻区块与所述目标区块满足流入相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流入区组，并将所述相邻区块从所述候选区块列表中删除。
在其中一个实施例中，所述流入相似性条件为所述相邻区块与所述目标区块的流入记录数量差值在第三阈值内，且所述相邻区块与所述目标区块内的还车地理位置信息的重合率不低于第四阈值。
在其中一个实施例中，所述对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期包括：
根据所述流出记录形成所述流出区组的流出时间序列，根据所述流入记录形成所述流入区组的流入时间序列；
选取预设流出时间周期，计算以预设流出时间周期为相位差的第一自相关系数；选取预设流入时间周期，计算以预设流入时间周期为相位差的第二自相关系数；
在所述第一自相关系数不低于预设的第五阈值的情况下，选取所述预设流出时间周期为所述流出区组的流出周期；在所述第二自相关系数不低于预设的第六阈值的情况下，选取所述预设流入时间周期为所述流入区组的流入周期。
第二方面，本公开还提供了一种共享车辆动态调度的管理装置。所述装置包括：
数据采集模块，用于采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；所述流出记录至少包括借车地理位置信息和借车时间戳，所述流入记录至少包括还车地理位置信息和还车时间戳；
区域划分模块，用于将所述目标区域划分为若干多边形区块，并为所述区块分配唯一的索引标识；
候选区块模块，用于根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块，并按照预设筛选条件对所述区块进行筛选，得到候选区块；
聚类模块，用于根据所述流出记录对所述候选区块进行相似性聚类，将满足流出相似性条件的区块合并得到流出区组，根据所述流入记录对所述候选区块进行相似性聚类，将满足流入相似性条件的区块合并得到流入区组；
周期模块，用于对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期，并根据所述流出周期和所述流入周期发送调度指示。
在其中一个实施例中，所述候选区块模块还用于根据所述区块与所述流出记录和流入记录的映射关系生成区块四元组、借车地理位置列表和还车地理位置列表；所述区块四元组包括所述区块的索引标识、时间信息、流入订单数和流出订单数。
在其中一个实施例中，所述候选区块模块包括筛选阈值单元，
所述筛选阈值单元用于确定所述区块的流出订单数和流入订单数，选取所述流出订单数和流入订单数均满足筛选阈值的区块作为候选区块。
在其中一个实施例中，所述聚类模块包括：
目标区块单元，用于获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
流出区组单元，用于在基于所述流出记录确定所述相邻区块与所述目标区块满足流出相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流出区组，并将所述相邻区块从所述候选区块列表中删除。
在其中一个实施例中，所述流出相似性条件为所述相邻区块与所述目标区块的流出记录数量差值在第一阈值内，且所述相邻区块与所述目标区块内的借车地理位置信息的重合率不低于第二阈值。
在其中一个实施例中，所述聚类模块包括：
目标区块单元，用于获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
流入区组单元，用于在基于所述流入记录确定所述相邻区块与所述目标区块满足流入相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流入区组，并将所述相邻区块从所述候选区块列表中删除。
在其中一个实施例中，所述流入相似性条件为所述相邻区块与所述目标区块的流入记录数量差值在第三阈值内，且所述相邻区块与所述目标区块内的还车地理位置信息的重合率不低于第四阈值。
在其中一个实施例中，所述周期模块包括：
时间序列单元，用于根据所述流出记录形成所述流出区组的流出时间序列，根据所述流入记录形成所述流入区组的流入时间序列；
自相关系数单元，用于选取预设流出时间周期，计算以预设流出时间周期为相位差的第一自相关系数；选取预设流入时间周期，计算以预设流入时间周期为相位差的第二自相关系数；
阈值判断单元，用于在所述第一自相关系数不低于预设的第五阈值的情况下，选取所述预设流出时间周期为所述流出区组的流出周期；在所述第二自相关系数不低于预设的第六阈值的情况下，选取所述预设流入时间周期为所述流入区组的流入周期。
第三方面，本公开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共享车辆动态调度的管理方法的步骤。
第四方面，本公开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共享车辆动态调度的管理方法的步骤。
第五方面，本公开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共享车辆动态调度的管理方法的步骤。
上述共享车辆动态调度的管理方法、装置、计算机设备、存储介质和计算机程序产品，至少包括以下有益效果：
本公开通过采集共享车辆的历史订单记录，提取流出记录和流入记录，将流出记录和流入记录映射到由目标区域划分得到的区块，并对区块进行筛选和相似性聚合得到流出区组和流入区组，分别计算流出区组的流出周期和流入区组的流入周期，便于根据流出周期和流入周期向对应的区组发送调度指令，实现了对共享车辆订单周期的深度挖掘，并对具有周期性订单行为的流出区组/流入区组按照流出周期/流入周期发送调度指令，便于执行对应调度策略，可以更精确地预测和满足用户对共享车辆的需求，提高共享车辆调度的效率和准确性，还可以及时清理堆积车辆，避免造成道路拥堵，妨碍交通。同时，周期性的区组调度是大批量调度策略，不需要复杂的检车逻辑，极大降低调度成本。另外，深度挖掘用户的周期性行为模式，有助于提供个性化的供给策略，改善用户体验，例如可以对特殊区组如学校、公园、车站、医院等提供更加准确的调度策略，优化了交通管理。
附图说明
为了更清楚地说明本公开实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中共享车辆动态调度的管理方法的应用环境图；
图2为一个实施例中共享车辆动态调度的管理方法的流程示意图；
图3为一个实施例中得到流出区组步骤的流程示意图；
图4为一个实施例中得到流入区组步骤的流程示意图；
图5为一个实施例中得到流出区组的流出周期和流入区组的流入周期步骤的流程示意图；
图6为一个实施例中共享车辆动态调度的管理装置的结构框图；
图7为一个实施例中聚类模块的结构框图；
图8为另一个实施例中聚类模块的结构框图；
图9为一个实施例中周期模块的结构框图；
图10为一个实施例中计算机设备的内部结构框图。
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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本公开。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中，术语“和/或”包括相关所列项目的任何及所有组合。
本公开实施例提供的共享车辆动态调度的管理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104上部署有共享车辆的调度管理系统，用于采集目标区域在预设时间内共享车辆的历史订单记录，并对目标区域划分为区块进而得到流出区组和流入区组，并对历史订单记录进行处理分析得到流出区组的流出周期和流入区组的流入周期。服务器104可以按照流出区组的流出周期和流入区组的流入周期分别向流出区组和流入区组对应的终端102发送调度指令，调度指令可以是清理共享车辆数量的指令和增补共享车辆数量的指令。终端102可以部署在区块范围内，或者为便携式由调度管理人员配备。
其中，终端102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104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。
在本公开的一些实施例中，如图2所示，提供了一种共享车辆动态调度的管理方法，以该方法应用于图1中的服务端为例进行说明，包括以下步骤：
步骤210，采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；所述流出记录至少包括借车地理位置信息和借车时间戳，所述流入记录至少包括还车地理位置信息和还车时间戳。
其中，目标区域可以是指服务器的调度管理系统所管理的区域，例如可以为某一市区、城市等。
示例性地，服务器可以从调度管理系统的历史日志中获取目标区域在预设时间内共享车辆的历史订单记录，例如可以选取当前最近的60天、90天，或者半年、一年内的历史订单记录。服务器可以根据历史订单记录区分每个历史订单对应的共享车辆的流入记录和流出记录，以及解析得到流出记录的借车地理位置信息和借车时间戳，流入记录的还车地理位置信息和还车时间戳。借车地理位置信息和还车地理位置信息可以采用POI（Point ofinterest，点数据）信息，POI可以表示地图上任意一个位置点，通常由经纬度和其他特征数据组成。
步骤220，将所述目标区域划分为若干多边形区块，并为所述区块分配唯一的索引标识。
示例性地，服务器可以将目标区域划分为若干区块，区块可以为多边形，例如六边形。服务器可以采用基于Uber的H3算法，将目标区域划分为若干六边形区块，每个区块具有唯一的索引标识。其中，Uber的H3算法通常是指由Uber公司开源，基础为C语言编写的算法，是一种基于空间索引的网格系统，可以将地球表面划分为六边形网格，其可以用来定位地理位置，并且可以提供更精确的定位信息。
步骤230，根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块，并按照预设筛选条件对所述区块进行筛选，得到候选区块。
示例性地，服务器可以将获得的流出记录根据借车地理位置信息映射到对应的区块，以及将流入记录根据还车地理位置信息映射到对应的区块，可以获得每个区块上被映射的流出记录数量和流入记录数量。筛选条件可以为预设的过滤条件，通过筛选条件可以从区块中选取感兴趣的区域作为候选区域。筛选条件可以根据区块的地理位置范围进行设置，也可以根据流出记录数量或流入记录数量进行设置。
在一些实施例中，在借车地理位置信息或还车地理位置信息映射到区块的边缘的情况下，可以计算该地理位置与公共边缘所对应区块中其他地理位置的相邻距离，确定该地理位置属于相邻距离最短时对应的区块。
步骤240，根据所述流出记录对所述候选区块进行相似性聚类，将满足流出相似性条件的区块合并得到流出区组，根据所述流入记录对所述候选区块进行相似性聚类，将满足流入相似性条件的区块合并得到流入区组。
示例性地，服务器可以对候选区块进行合并，具体根据流出记录对候选区块进行相似性聚类，将满足流出相似性条件的若干区块合并成流出区组，以及根据流入记录对候选区块进行相似性聚类，将满足流入相似性条件的若干区块合并成流入区组。
其中，流出相似性条件可以根据区块的单位时间内的流出记录峰值设定，例如在一天的时间范围内流出记录峰值在相同时间段的区块可以合并为流出区组。流出相似性条件还可以根据区块的流出记录的数量设定，例如可以将流出记录数量相同或相近的区块合并为流出区组。流入相似性条件可以根据区块的单位时间内的流入记录峰值设定，例如在一天的时间范围内流入记录峰值在相同时间段的区块可以合并为流入区组。流入相似性条件还可以根据区块的流入记录的数量设定，例如可以将流入记录数量相同或相近的区块合并为流入区组。
步骤250，对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期，并根据所述流出周期和所述流入周期发送调度指示。
示例性地，服务器在获取合并后的流出区组和流入区组后，可以分别对流出区组和流入区组基于预设时间周期进行自相关系数分析，预设时间周期可以设定多个，例如设为7天、14天、30天等，通过计算对应的自相关系数选取自相关系数更大的预设时间周期，作为流出周期和流入周期。服务器在计算获得每个流出区组对应的流出周期，以及每个流入区组对应的流入周期后，可以根据流出周期对该流出区组发送调度指示，例如在对应的流出周期发送增补共享车辆的调度指示；以及可以根据流入周期对该流入区组发送调度指示，例如在对应的流入周期发送清理共享车辆的调度指示。
上述共享车辆动态调度的管理方法中，通过采集共享车辆的历史订单记录，提取流出记录和流入记录，将流出记录和流入记录映射到由目标区域划分得到的区块，并对区块进行筛选和相似性聚合得到流出区组和流入区组，分别计算流出区组的流出周期和流入区组的流入周期，便于根据流出周期和流入周期向对应的区组发送调度指令，实现了对共享车辆订单周期的深度挖掘，并对具有周期性订单行为的流出区组/流入区组按照流出周期/流入周期发送调度指令，便于执行对应调度策略，可以更精确地预测和满足用户对共享车辆的需求，提高共享车辆调度的效率和准确性，还可以及时清理堆积车辆，避免造成道路拥堵，妨碍交通。同时，周期性的区组调度是大批量调度策略，不需要复杂的检车逻辑，极大降低调度成本。另外，深度挖掘用户的周期性行为模式，有助于提供个性化的供给策略，改善用户体验，例如可以对特殊区组如学校、公园、车站、医院等提供更加准确的调度策略，优化了交通管理。
在本公开的一些实施例中，步骤230还包括：
根据所述区块与所述流出记录和流入记录的映射关系生成区块四元组、借车地理位置列表和还车地理位置列表；所述区块四元组包括所述区块的索引标识、时间信息、流入订单数和流出订单数。
示例性地，服务器可以将获得的流出记录和流入记录与映射的区块通过区块四元组的方式记载，例如（索引标识，时间，流入订单数，流出订单数）。同时，将每个区块对应的借车地理位置列表和还车地理位置列表进行关联。
本实施例通过列表和四元组的形式将区块对应的信息进行规范化管理，不仅增强了数据的可管理性，还可以提高后续数据处理效率。
在本公开的一些实施例中，步骤230包括：
确定所述区块的流出订单数和流入订单数，选取所述流出订单数和流入订单数均满足筛选阈值的区块作为候选区块。
示例性地，服务器在确定区块对应的流出订单数和流入订单数后，可以对区块进行筛选，即筛选条件可以设定为流出订单数和流入订单数均不低于筛选阈值，筛选阈值可以根据实际需求设定为大于等于0的自然数。
本实施例根据流出订单数和流入订单数对区块进行筛选得到候选区块，可以避免数据异常、数据缺失以及订单数少量造成负面影响。
在本公开的一些实施例中，如图3所示，步骤240包括：
步骤242，获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到。
示例性地，服务器可以确定候选区块列表，并从中随机选取目标区块，进而可以获得目标区块的相邻区块。
步骤244，在基于所述流出记录确定所述相邻区块与所述目标区块满足流出相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流出区组，并将所述相邻区块从所述候选区块列表中删除。
示例性地，服务器可以在确定目标区块后，遍历该目标区块的相邻区块，判断相邻区块与目标区块是否满足相似性条件，在确定相邻区块满足流出相似性条件的情况下，将所有满足流出相似性条件的相邻区块与目标区块合并，得到流出区组。同时，将已经合并的相邻区块的索引标识从候选区块列表中删除。
在一些实施例中，服务器可以重复执行步骤244，即重复在候选区块列表中选取目标区块，并获取目标区块的相邻区块，以及在基于流出记录确定相邻区块与目标区块满足流出相似性条件的情况下，将相邻区块与目标区块合并得到流出区组，并将相邻区块从候选区块列表中删除。需要注意的是，服务器在候选区块列表中选取目标区块时，选取的目标区块为首次的目标区块，并未被选取过的目标区块，并且在候选区块列表中的目标区块均被选取过后，服务器停止重复执行步骤244。
本实施例借助候选区块列表，并从中选取目标区块和目标区块的相邻区块，以遍历的方式判断每个相邻区块是否满足相似性条件，进而将所有满足流出相似性条件的相邻区块与目标区块合并得到流出区组，实现了对流出区组的大范围大批量的调度管理，提高了管理效率，降低了调度成本。
在本公开的一些实施例中，流出相似性条件为所述相邻区块与所述目标区块的流出记录数量差值在第一阈值内，且所述相邻区块与所述目标区块内的借车地理位置信息的重合率不低于第二阈值。
示例性地，流出相似性条件通过区块的流出记录数量进行判断，具体可以为相邻区块与目标区块的流出记录数量差值在第一阈值内，并且相邻区块与目标区块内的借车地理位置信息的重合率不低于第二阈值。例如相邻区块与目标区块的流出记录数量差值不超过10%，且相邻区块与目标区块内的借车地理位置信息至少有1个重复。
在本公开的一些实施例中，如图4所示，步骤240包括：
步骤246，获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到。
示例性地，服务器可以确定候选区块列表，并从中随机选取目标区块，进而可以获得目标区块的相邻区块。
步骤248，在基于所述流入记录确定所述相邻区块与所述目标区块满足流入相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流入区组，并将所述相邻区块从所述候选区块列表中删除。
示例性地，服务器可以在确定目标区块后，遍历该目标区块的相邻区块，判断相邻区块与目标区块是否满足相似性条件，在确定相邻区块满足流入相似性条件的情况下，将所有满足流入相似性条件的相邻区块与目标区块合并，得到流入区组。同时，将已经合并的相邻区块的索引标识从候选区块列表中删除。
在一些实施例中，服务器可以重复执行步骤248，即重复在候选区块列表中选取目标区块，并获取目标区块的相邻区块，以及在基于流入记录确定相邻区块与目标区块满足流入相似性条件的情况下，将相邻区块与目标区块合并得到流入区组，并将相邻区块从候选区块列表中删除。需要注意的是，服务器在候选区块列表中选取目标区块时，选取的目标区块为首次的目标区块，并未被选取过的目标区块，并且在候选区块列表中的目标区块均被选取过后，服务器停止重复执行步骤248。
本实施例借助候选区块列表，并从中选取目标区块和目标区块的相邻区块，以遍历的方式判断每个相邻区块是否满足相似性条件，进而将所有满足流入相似性条件的相邻区块与目标区块合并得到流入区组，实现了对流入区组的大范围大批量的调度管理，提高了管理效率，降低了调度成本。
在本公开的一些实施例中，流入相似性条件为所述相邻区块与所述目标区块的流入记录数量差值在第三阈值内，且所述相邻区块与所述目标区块内的还车地理位置信息的重合率不低于第四阈值。
示例性地，流入相似性条件通过区块的流入记录数量进行判断，具体可以为相邻区块与目标区块的流入记录数量差值在第三阈值内，并且相邻区块与目标区块内的还车地理位置信息的重合率不低于第四阈值。例如相邻区块与目标区块的流入记录数量差值不超过10%，且相邻区块与目标区块内的还车地理位置信息至少有1个重复。
在本公开的一些实施例中，如图5所示，步骤250包括：
步骤252，根据所述流出记录形成所述流出区组的流出时间序列，根据所述流入记录形成所述流入区组的流入时间序列。
示例性地，服务器可以根据流出记录形成每个流出区组对应的流出时间序列，流出时间序列可以是以天为单位，在预设时间内每天的流出记录数量。还可以根据流入记录形成每个流入区组对应的流入时间序列，流入时间序列可以是以天为单位，在预设时间内每天的流入记录数量。
步骤254，选取预设流出时间周期，计算以预设流出时间周期为相位差的第一自相关系数；选取预设流入时间周期，计算以预设流入时间周期为相位差的第二自相关系数。
示例性地，服务器可以根据预设的流出时间周期和流入时间周期进行计算。预设的流出时间周期和流入时间周期可以由服务器接收调度人员录入信息，也可以为服务器自动生成的一系列猜测时间周期。服务器可以以预设流出时间周期为相位差，计算第一自相关系数，并以预设流入时间周期为相位差，计算第二自相关系数。
步骤256，在所述第一自相关系数不低于预设的第五阈值的情况下，选取所述预设流出时间周期为所述流出区组的流出周期；在所述第二自相关系数不低于预设的第六阈值的情况下，选取所述预设流入时间周期为所述流入区组的流入周期。
示例性地，服务器在根据若干预设流出时间周期计算得到各自对应的第一自相关系数，以及根据若干预设流入时间周期计算得到各自对应的第二自相关系数后，对第一自相关系数和第二自相关系数可以进行阈值筛选，在确定第一自相关系数不低于第五阈值的情况下，将计算得到该第一自相关系数的预设流出时间周期作为对应的流出区组的流出周期。在确定第二自相关系数不低于第六阈值的情况下，将计算得到该第二自相关系数的预设流入时间周期作为对应的流入区组的流入周期。
其中，自相关系数通常用于描述数据自身不同时期的相关程度，即度量历史数据对现在产生的影响。
序列长度为n的流出时间序列/流入时间序列可以表示为X t ：
X 1 ，X 2 ，……，X k ，X k+1 ，……，X t-k ，……，X t-1 ，X t ，……
X t 与X t-k 的相关系数X t 称为的间隔为k的自相关系数，k即为预设流出时间周期/预设流入时间周期。间隔为k的自相关系数可以通过以下公式计算：
其中，ACF（Autocorrelation Function，自相关函数）为自相关系数构成的序列。由于时间序列中每个时刻t下只有一个观测值，计算X t 与X t-k 这两个变量的相关性可以通过计算序列自身前后两个时间段内的相关性来估算自相关系数。N、k、t均为正整数，为序列平均值。
在一些实施例中，在不低于第五阈值的第一自相关系数的至少包括2个的情况下，服务器可以选取第一自相关系数的最大值对应的预设流出时间周期作为流出区组的流出周期。在不低于第六阈值的第二自相关系数的至少包括2个的情况下，服务器可以选取第二自相关系数的最大值对应的预设流入时间周期作为流入区组的流入周期。
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，本公开实施例还提供了一种用于实现上述所涉及的共享车辆动态调度的管理方法的共享车辆动态调度的管理装置。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动态调度的管理装置实施例中的具体限定可以参见上文中对于共享车辆动态调度的管理方法的限定，在此不再赘述。
在本公开的一些实施例中，如图6所示，提供了一种共享车辆动态调度的管理装置。所述装置600包括：
数据采集模块610，用于采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；所述流出记录至少包括借车地理位置信息和借车时间戳，所述流入记录至少包括还车地理位置信息和还车时间戳；
区域划分模块620，用于将所述目标区域划分为若干多边形区块，并为所述区块分配唯一的索引标识；
候选区块模块630，用于根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块，并按照预设筛选条件对所述区块进行筛选，得到候选区块；
聚类模块640，用于根据所述流出记录对所述候选区块进行相似性聚类，将满足流出相似性条件的区块合并得到流出区组，根据所述流入记录对所述候选区块进行相似性聚类，将满足流入相似性条件的区块合并得到流入区组；
周期模块650，用于对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期，并根据所述流出周期和所述流入周期发送调度指示。
在本公开的一些实施例中，所述候选区块模块还用于根据所述区块与所述流出记录和流入记录的映射关系生成区块四元组、借车地理位置列表和还车地理位置列表；所述区块四元组包括所述区块的索引标识、时间信息、流入订单数和流出订单数。
在本公开的一些实施例中，所述候选区块模块包括筛选阈值单元，
所述筛选阈值单元用于确定所述区块的流出订单数和流入订单数，选取所述流出订单数和流入订单数均满足筛选阈值的区块作为候选区块。
在本公开的一些实施例中，如图7所示，所述聚类模块640包括：
目标区块单元642，用于获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
流出区组单元644，用于在基于所述流出记录确定所述相邻区块与所述目标区块满足流出相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流出区组，并将所述相邻区块从所述候选区块列表中删除。
在本公开的一些实施例中，所述流出相似性条件为所述相邻区块与所述目标区块的流出记录数量差值在第一阈值内，且所述相邻区块与所述目标区块内的借车地理位置信息的重合率不低于第二阈值。
在本公开的一些实施例中，如图8所示，所述聚类模块640包括：
目标区块单元642，用于获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
流入区组单元646，用于在基于所述流入记录确定所述相邻区块与所述目标区块满足流入相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流入区组，并将所述相邻区块从所述候选区块列表中删除。
在本公开的一些实施例中，所述流入相似性条件为所述相邻区块与所述目标区块的流入记录数量差值在第三阈值内，且所述相邻区块与所述目标区块内的还车地理位置信息的重合率不低于第四阈值。
在本公开的一些实施例中，如图9所示，所述周期模块650包括：
时间序列单元652，用于根据所述流出记录形成所述流出区组的流出时间序列，根据所述流入记录形成所述流入区组的流入时间序列；
自相关系数单元654，用于选取预设流出时间周期，计算以预设流出时间周期为相位差的第一自相关系数；选取预设流入时间周期，计算以预设流入时间周期为相位差的第二自相关系数；
阈值判断单元656，用于在所述第一自相关系数不低于预设的第五阈值的情况下，选取所述预设流出时间周期为所述流出区组的流出周期；在所述第二自相关系数不低于预设的第六阈值的情况下，选取所述预设流入时间周期为所述流入区组的流入周期。
上述共享车辆动态调度的管理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。需要说明的是，本公开实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
基于前述共享车辆动态调度的管理方法的实施例描述，在本公开提供的另一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储数据。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通过网络连接通信。该计算机程序被处理器执行时以实现一种共享车辆动态调度的管理方法。
本领域技术人员可以理解，图10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。
基于前述共享车辆动态调度的管理方法的实施例描述，在本公开提供的另一个实施例中，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。
基于前述共享车辆动态调度的管理方法的实施例描述，在本公开提供的另一个实施例中，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（FerroelectricRandom 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 Access Memory，SRAM）或动态随机存取存储器（Dynamic Random AccessMemory，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。
在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。
可以理解的是，本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同/相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见其他方法实施例的描述说明即可。
上所述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公开的几种实施方式，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，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种共享车辆动态调度的管理方法，其特征在于，所述方法包括：
采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；所述流出记录至少包括借车地理位置信息和借车时间戳，所述流入记录至少包括还车地理位置信息和还车时间戳；
将所述目标区域划分为若干多边形区块，并为所述区块分配唯一的索引标识；
根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块，并按照预设筛选条件对所述区块进行筛选，得到候选区块；
根据所述流出记录对所述候选区块进行相似性聚类，将满足流出相似性条件的区块合并得到流出区组，根据所述流入记录对所述候选区块进行相似性聚类，将满足流入相似性条件的区块合并得到流入区组；
对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期，并根据所述流出周期和所述流入周期发送调度指示。
2.根据权利要求1所述的方法，其特征在于，所述根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块还包括：
根据所述区块与所述流出记录和流入记录的映射关系生成区块四元组、借车地理位置列表和还车地理位置列表；所述区块四元组包括所述区块的索引标识、时间信息、流入订单数和流出订单数。
3.根据权利要求1所述的方法，其特征在于，所述按照预设筛选条件对所述区块进行筛选，得到候选区块包括：
确定所述区块的流出订单数和流入订单数，选取所述流出订单数和流入订单数均满足筛选阈值的区块作为候选区块。
4.根据权利要求1所述的方法，其特征在于，所述根据所述流出记录对所述候选区块进行相似性聚类，将满足相似性条件的区块合并得到流出区组包括：
获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
在基于所述流出记录确定所述相邻区块与所述目标区块满足流出相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流出区组，并将所述相邻区块从所述候选区块列表中删除。
5.根据权利要求4所述的方法，其特征在于，所述流出相似性条件为所述相邻区块与所述目标区块的流出记录数量差值在第一阈值内，且所述相邻区块与所述目标区块内的借车地理位置信息的重合率不低于第二阈值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述流入记录对所述候选区块进行相似性聚类，将满足相似性条件的区块合并得到流入区组包括：
获取候选区块列表，选取目标区块，并获取所述目标区块的相邻区块，所述目标区块在所述候选区块中随机选取得到；
在基于所述流入记录确定所述相邻区块与所述目标区块满足流入相似性条件的情况下，将所述相邻区块与所述目标区块合并得到流入区组，并将所述相邻区块从所述候选区块列表中删除。
7.根据权利要求6所述的方法，其特征在于，所述流入相似性条件为所述相邻区块与所述目标区块的流入记录数量差值在第三阈值内，且所述相邻区块与所述目标区块内的还车地理位置信息的重合率不低于第四阈值。
8.根据权利要求1所述的方法，其特征在于，所述对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期包括：
根据所述流出记录形成所述流出区组的流出时间序列，根据所述流入记录形成所述流入区组的流入时间序列；
选取预设流出时间周期，计算以预设流出时间周期为相位差的第一自相关系数；选取预设流入时间周期，计算以预设流入时间周期为相位差的第二自相关系数；
在所述第一自相关系数不低于预设的第五阈值的情况下，选取所述预设流出时间周期为所述流出区组的流出周期；在所述第二自相关系数不低于预设的第六阈值的情况下，选取所述预设流入时间周期为所述流入区组的流入周期。
9.一种共享车辆动态调度的管理装置，其特征在于，所述装置包括：
数据采集模块，用于采集目标区域在预设时间内共享车辆的历史订单记录，基于所述历史订单记录提取所述共享车辆的流出记录和流入记录；所述流出记录至少包括借车地理位置信息和借车时间戳，所述流入记录至少包括还车地理位置信息和还车时间戳；
区域划分模块，用于将所述目标区域划分为若干多边形区块，并为所述区块分配唯一的索引标识；
候选区块模块，用于根据所述借车地理位置信息和所述还车地理位置信息分别将所述流出记录和流入记录映射到对应的区块，并按照预设筛选条件对所述区块进行筛选，得到候选区块；
聚类模块，用于根据所述流出记录对所述候选区块进行相似性聚类，将满足流出相似性条件的区块合并得到流出区组，根据所述流入记录对所述候选区块进行相似性聚类，将满足流入相似性条件的区块合并得到流入区组；
周期模块，用于对所述流出区组和所述流入区组分别基于预设时间周期进行自相关系数分析，以得到所述流出区组的流出周期和所述流入区组的流入周期，并根据所述流出周期和所述流入周期发送调度指示。
10.一种计算机设备，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8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310990110.6A CN116703132B (zh) | 2023-08-08 | 2023-08-08 | 共享车辆动态调度的管理方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310990110.6A CN116703132B (zh) | 2023-08-08 | 2023-08-08 | 共享车辆动态调度的管理方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116703132A true CN116703132A (zh) | 2023-09-05 |
| CN116703132B CN116703132B (zh) | 2023-12-12 |
Family
ID=87826193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310990110.6A Active CN116703132B (zh) | 2023-08-08 | 2023-08-08 | 共享车辆动态调度的管理方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116703132B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117876027A (zh) * | 2024-03-13 | 2024-04-12 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229802A (zh) * | 2017-12-22 | 2018-06-29 | 东峡大通（北京）管理咨询有限公司 | 车辆投放区域的调度方法和客户端 |
| US20190164418A1 (en) * | 2017-11-30 | 2019-05-30 | Volkswagen Ag | System and method for predicting and maximizing traffic flow |
| CN111832876A (zh) * | 2020-03-30 | 2020-10-27 | 北京骑胜科技有限公司 | 车辆调度方法、可读存储介质和电子设备 |
| CN112417753A (zh) * | 2020-11-04 | 2021-02-26 | 中国科学技术大学 | 一种基于城市公共交通资源联合调度方法 |
| CN114021883A (zh) * | 2021-09-28 | 2022-02-08 | 淮阴工学院 | 一种高峰时期地铁接驳共享单车的调度方法 |
| CN115879737A (zh) * | 2023-01-08 | 2023-03-31 | 北京工业大学 | 一种基于密度和出入度平衡聚类的共享单车站点选址方法 |
| CN116362527A (zh) * | 2023-06-02 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
| CN116363854A (zh) * | 2023-05-31 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 共享出行车辆调度方法、装置和计算机设备 |
-
2023
- 2023-08-08 CN CN202310990110.6A patent/CN116703132B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190164418A1 (en) * | 2017-11-30 | 2019-05-30 | Volkswagen Ag | System and method for predicting and maximizing traffic flow |
| CN108229802A (zh) * | 2017-12-22 | 2018-06-29 | 东峡大通（北京）管理咨询有限公司 | 车辆投放区域的调度方法和客户端 |
| CN111832876A (zh) * | 2020-03-30 | 2020-10-27 | 北京骑胜科技有限公司 | 车辆调度方法、可读存储介质和电子设备 |
| CN112417753A (zh) * | 2020-11-04 | 2021-02-26 | 中国科学技术大学 | 一种基于城市公共交通资源联合调度方法 |
| CN114021883A (zh) * | 2021-09-28 | 2022-02-08 | 淮阴工学院 | 一种高峰时期地铁接驳共享单车的调度方法 |
| CN115879737A (zh) * | 2023-01-08 | 2023-03-31 | 北京工业大学 | 一种基于密度和出入度平衡聚类的共享单车站点选址方法 |
| CN116363854A (zh) * | 2023-05-31 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 共享出行车辆调度方法、装置和计算机设备 |
| CN116362527A (zh) * | 2023-06-02 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117876027A (zh) * | 2024-03-13 | 2024-04-12 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116703132B (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
| Zhong et al. | Detecting the dynamics of urban structure through spatial network analysis | |
| US20190301963A1 (en) | Processing data for predicting pipe failure | |
| CN105677804B (zh) | 权威站点的确定以及权威站点数据库的建立方法和装置 | |
| Abebe | Quantifying urban growth pattern in developing countries using remote sensing and spatial metrics: A case study in Kampala, Uganda | |
| CN107038168A (zh) | 一种用户通勤轨迹管理方法、装置及系统 | |
| CN109360421B (zh) | 一种基于机器学习的交通信息预测方法及装置、电子终端 | |
| CN108495254B (zh) | 一种基于信令数据的交通小区人口特征估计方法 | |
| CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
| CN104899443A (zh) | 用于评估当前出行需求及预测未来出行需求的方法及系统 | |
| Karimi et al. | Urban expansion modeling using an enhanced decision tree algorithm | |
| CN114611941A (zh) | 一种考虑空间危险性的滑坡灾害评价方法及系统 | |
| CN116934366A (zh) | 充电场站的充电定价方法及装置、存储介质、计算机设备 | |
| CN116341773A (zh) | 车辆需求预测方法、装置、计算机设备和存储介质 | |
| CN116611678B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN113408867A (zh) | 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法 | |
| CN116433053B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
| CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
| CN117391305A (zh) | 一种土地空间信息的构建方法、系统、电子设备及介质 | |
| CN110428627B (zh) | 一种公交出行潜力区域识别方法及识别系统 | |
| CN115640756A (zh) | 一种基于多源数据的停车需求预测模型、方法及其应用 | |
| CN107801418B (zh) | 利用地图检索记录的流动人口推算装置及方法 | |
| CN112529311B (zh) | 一种基于图卷积分析的道路流量预测方法和装置 | |
| CN115456247A (zh) | 线路规划方法、装置、计算机设备和可读存储介质 |
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 |