CN117808653A - 基于车联网的数据分析方法、终端设备以及存储介质 - Google Patents
基于车联网的数据分析方法、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN117808653A CN117808653A CN202410227082.7A CN202410227082A CN117808653A CN 117808653 A CN117808653 A CN 117808653A CN 202410227082 A CN202410227082 A CN 202410227082A CN 117808653 A CN117808653 A CN 117808653A
- Authority
- CN
- China
- Prior art keywords
- order
- candidate
- route
- bus
- network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- 238000004088 simulation Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 2
- 238000011176 pooling Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
- G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
-
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请属于车联网技术领域,尤其涉及基于车联网的数据分析方法、终端设备以及存储介质,将处于不同公交车的乘客的网约车订单的合并,并且此合并并未改变网约车初始订单的路线,即在几乎没有增加行驶里程的情况下对各个网约车订单形成了拼单,降低了每一个乘客的打车成本;并且在合并订单前充分考虑到了接单的网约车与各个不同的公交车之间的时间协同性,即该拼单也不会造成过多的时间消耗,既降低了各个乘客的出行开销,并且也并未因此而过多浪费时间。
Description
技术领域
本申请属于车联网技术领域,尤其涉及基于车联网的数据分析方法、终端设备以及存储介质。
背景技术
随着城市化进程的推进,城市人口的增多,面对日益严峻的交通阻滞现象,公共车成为了被广泛选择的出行方式;
绝大部分乘客选择公交车出行,但由于公交线路覆盖面往往不够全面,很多乘客乘坐完公交车之后还要乘坐网约车方能到达目的地,现有技术存在公交车与网约车相协同接客的方法,但其协同主要是基于公交车和网约车的到站时间方面的衔接,然而乘坐公交车的乘客还会从经济实惠的角度来考量,但由于网约车有起步价等费用的限制,其产生的费用依然会高于公交车数倍,该费用如果使一个乘客单独承担,对于该乘客而言性价比不高。
因此,现有的公交车与网约车相协同接客的方法存在对乘客产生过高开销的问题。
发明内容
有鉴于此,本申请实施例提供了基于车联网的数据分析方法、终端设备以及存储介质,可以解决上述技术问题。
本申请实施例的第一方面提供了基于车联网的数据分析方法,应用于终端设备,所述基于车联网的数据分析方法包括:
S1:实时获取每一个公交端收集的网约车订单,其中,网约车订单中包括起始站点和目的地;
S2:对于任意一个网约车订单,获取搜集该网约车订单的公交端到达该网约车订单对应的起始站点的预估时间点,若当前时间点与预估时间点之间的剩余时长小于设定时长,则令该网约车订单为紧急订单;
S3:将所有的紧急订单筛出;
S4:对于任意一个紧急订单,将该紧急订单作为第一订单,并将第一订单派发给能够在第一订单对应的预估时间点前到达第一订单对应的起始站点的网约车端,并将该网约车端作为目标网约车端;
S5:在目标网约车端开始执行第一订单时,依据第一订单对应的起始站点和目的地确定目标网约车端的行驶路线,即第一行驶路线;
S6:逐一确定其它网约车订单的目的地是否处于第一行驶路线的设定范围内,并将目的地处于第一行驶路线设定范围内的网约车订单筛出,作为候选订单;
S7:对于任意一个候选订单,判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单;
S8:对于任意一个第一候选订单,依据该第一候选订单对应的各个交集公交站点,生成若干个模拟订单,计算各个模拟订单的偏差度,并依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整,得到第二候选订单;
S9:按照偏差度从低到高的顺序对各个第二候选订单排序,得到第一序列;
S10:按照第一序列的先后从第一候选订单中确定拼车订单;
S11:将拼车订单与第一订单合并,形成目标订单,并将目标订单发送至目标网约车端。
本申请实施例的第二方面提供了一种终端设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于车联网的数据分析方法的步骤。
本申请实施例的第三方面提供了一种终端可读存储介质,所述终端可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述基于车联网的数据分析方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本发明提供的方法包括实时获取每一个公交端收集的网约车订单;对于任意一个网约车订单,获取搜集该网约车订单的公交端到达该网约车订单对应的起始站点的预估时间点,若当前时间点与预估时间点之间的剩余时长小于设定时长,则令该网约车订单为紧急订单;将所有的紧急订单筛出;对于任意一个紧急订单,将该紧急订单作为第一订单,并将第一订单派发给能够在第一订单对应的预估时间点前到达第一订单对应的起始站点的网约车端,并将该网约车端作为目标网约车端;在目标网约车端开始执行第一订单时,依据第一订单对应的起始站点和目的地确定目标网约车端的行驶路线,即第一行驶路线;逐一确定其它网约车订单的目的地是否处于第一行驶路线的设定范围内,并将目的地处于第一行驶路线设定范围内的网约车订单筛出,作为候选订单;对于任意一个候选订单,判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单;对于任意一个第一候选订单,依据该第一候选订单对应的各个交集公交站点,生成若干个模拟订单,计算各个模拟订单的偏差度,并依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整,得到第二候选订单;按照偏差度从低到高的顺序对各个第二候选订单排序,得到第一序列;按照第一序列的先后从第一候选订单中确定拼车订单;将拼车订单与第一订单合并,形成目标订单,并将目标订单发送至目标网约车端;在本实申请中,实现了将处于不同公交车的乘客的网约车订单的合并,并且此合并并未改变网约车初始订单的路线,即在几乎没有增加行驶里程的情况下对各个网约车订单形成了拼单,降低了每一个乘客的打车成本;并且在合并订单前充分考虑到了接单的网约车与各个不同的公交车之间的时间协同性,即该拼单也不会造成过多的时间消耗,既降低了各个乘客的出行开销,并且也并未因此而过多浪费时间。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的基于车联网的数据分析方法的实现流程示意图;
图2是本申请实施例提供的基于车联网的数据分析方法的第一通信关系示意图;
图3是本申请实施例提供的基于车联网的数据分析方法的第二通信关系示意图;
图4是本申请实施例提供的基于车联网的数据分析方法的交集公交站点示意图;
图5是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本申请实施例一提供的基于车联网的数据分析方法,应用于终端设备,所述基于车联网的数据分析方法包括:
S1:实时获取每一个公交端收集的网约车订单,其中,网约车订单中包括起始站点和目的地;
S2:对于任意一个网约车订单,获取搜集该网约车订单的公交端到达该网约车订单对应的起始站点的预估时间点,若当前时间点与预估时间点之间的剩余时长小于设定时长,则令该网约车订单为紧急订单;
S3:将所有的紧急订单筛出;
S4:对于任意一个紧急订单,将该紧急订单作为第一订单,并将第一订单派发给能够在第一订单对应的预估时间点前到达第一订单对应的起始站点的网约车端,并将该网约车端作为目标网约车端;
S5:在目标网约车端开始执行第一订单时,依据第一订单对应的起始站点和目的地确定目标网约车端的行驶路线,即第一行驶路线;
S6:逐一确定其它网约车订单的目的地是否处于第一行驶路线的设定范围内,并将目的地处于第一行驶路线设定范围内的网约车订单筛出,作为候选订单;
S7:对于任意一个候选订单,判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单;
S8:对于任意一个第一候选订单,依据该第一候选订单对应的各个交集公交站点,生成若干个模拟订单,计算各个模拟订单的偏差度,并依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整,得到第二候选订单;
S9:按照偏差度从低到高的顺序对各个第二候选订单排序,得到第一序列;
S10:按照第一序列的先后从第一候选订单中确定拼车订单;
S11:将拼车订单与第一订单合并,形成目标订单,并将目标订单发送至目标网约车端。
在本实施例中,本方法在终端设备中执行,终端设备可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器;公交端设置在公交车上,网约车端设置在网约车上,公交端与网约车端都是车辆通信处理设备,比如车载TBOX,公交端与网约车端用于实现车辆信息采集、数据传输、车辆控制和与其他系统的通信,车辆端通过内置的传感器和通信模块,可以获取车辆的实时状态并将这些信息传输到其他位置,以及接收来自外部系统的指令或信息;用户端为用户使用的通信处理终端,比如手机;
在本实施例中,如图2-3所示,终端设备与每一个公交车端通信,也与每一个网约车端通信;当乘客走进公交车后,该公交车的公交车端向该乘客的用户端发送订单获取请求,该乘客在用户端上确认后,可以使得该乘客在用其用户端下网约车订单(将网约车订单发送至终端设备,网约车订单中包括对应用户端的用户ID)的同时将该网约车订单发送至该公交车端,公交车端将搜集到的网约车订单发送至终端设备,进而终端设备将该网约车订单、该公交端以及该用户端建立关联(即将发送同样网约车订单的用户端和公交车端关联),进而可以使终端设备依据公交车的行驶情况来调用网约车;终端设备依据收集到的订单对订单进行整合并与网约车端通信,进而调用网约车端对应的网约车去执行整合的订单。
在本实施例中,每一个公交端和网约车端都内置有现有的到达时间循环神经网络预测算法,公交端通过该算法,并可依据行驶速度,实时交通情况以及当前距离网约车订单的起始站点的距离来确定预估时间点,设定时长可以是5分钟、10分钟或者其它时长,在此不作限定;对于各个网约车端,也可通过该算法确定其到达该起始站点的时间点,从中确定能在预估时间点到达该起始站点的网约车端为目标网约车端,如果有多个网约车端能在预估时间点前到达,则从中选择与该起始站点最近的网约车端作为目标网约车端;
在本实施例中,第一行驶路线即驾驶员在目标网约车端依据当前位置和目的地生成的各条优选路线中选择的路线,交集公交站点即候选订单对应的公交端和目标网约车端都会经过的公交站点;模拟订单的目的地为对应的第一候选订单的目的地,模拟订单的起始站点为对应的第一候选订单的一个交集公交站点,模拟订单的偏差度即对应的公交车端以及目标网约车端到达该模拟订单的起始站点时间偏差度;
在本实施例中,目标订单包括每一个拼车订单的起始站点以及目的地,将目标订单发送至目标网约车端后,目标网约车端在每一个起始站点停车接客,并在每一个目的地停车下客;
在本申请中,实现了将处于不同公交车的乘客的网约车订单的合并,并且此合并并未改变网约车初始订单的路线,即在几乎没有增加行驶里程的情况下对各个网约车订单形成了拼单,降低了每一个乘客的打车成本;并且在合并订单前充分考虑到了接单的网约车与各个不同的公交车之间的时间协同性,即该拼单也不会造成过多的时间消耗,既降低了各个乘客的出行开销,并且也并未因此而过多浪费时间。
作为一个优选的实施例,目的地处于第一行驶路线设定范围内即该目的地与第一行驶路线的最短距离小于设定距离;
如图4所示,所述判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单包括:
将该候选订单对应的公交端作为候选公交端,并获取候选公交端的实时位置以及行驶路线;
依据候选公交端的实时位置以及行驶路线确定候选公交端的第一剩余路线,其中,第一剩余路线为候选公交端的实时位置与候选公交端的行驶路线的终点站之间的路线;
获取目标网约车端的实时位置,依据目标网约车端的实时位置以及第一行驶路线确定目标网约车端的第二剩余路线,其中,第二剩余路线为目标网约车端的实时位置与第一行驶路线的终点之间的路线;
判断第一剩余路线与第二剩余路线是否有重合路线段,若第一剩余路线与第二剩余路线无重合路线段,则排除该候选订单;
若第一剩余路线与第二剩余路线有重合路线段,则判断重合路线段上是否有交集公交站点,若重合路线段上无交集公交站点,则排除该候选订单,若重合路线段上有交集公交站点,则将该候选订单作为第一候选订单。
在本实施例中,重合路线段为候选公交车端与目标网约车端的剩余路线之间的重合段,即将已经走完的路线排除,避免了所确定的交集公交站点为候选公交车端已经经过的站点,即排除了无用站点,进而避免了相应的订单漏执行的问题。
作为一个优选的实施例,模拟订单的目的地为对应的第一候选订单的目的地,模拟订单的起始站点为对应的第一候选订单的一个交集公交站点;
对任意一个模拟订单,将该模拟订单对应交集公交站点作为第一公交站点,计算该模拟订单的偏差度包括:
获取目标网约车端到达第一公交站点的第一预估时间点;
获取该模拟订单对应的公交端到达第一公交站点的第二预估时间点;
计算第一预估时间点与第二预估时间点之间的时间偏差,依据时间偏差确定该模拟订单的偏差度。
若时间偏差大于预设时间偏差,则排除对应的模拟订单;
若时间偏差不大于预设时间偏差,则依据以下公式计算对应的模拟订单的偏差度:
其中,为第一预估时间点,/>为第二预估时间点,/>为调整系数。
在本实施例中,第一预估时间点为目标网约车端通过到达时间循环神经网络预测算法预测得到,第二预估时间点为该模拟订单对应的公交端通过该算法预测得到;预设时间偏差可以是200秒、300秒或者其它时间偏差,在此不作限定;取值为0.5~1,在此不作限定;举例说明,/>的取值为0.5,/>为18点30分20秒,/>为18点28分10秒,则/>为2分10秒即130秒,D=0.5*130=65。
作为一个优选的实施例,将偏差度最低的模拟订单作为第一模拟订单,所述依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整包括:
获取第一模拟订单的起始站点;
将该第一候选订单的起始站点替换为第一模拟订单的起始站点,完成替换后的第一候选订单即为第二候选订单。
在本实施例中,用户一开始下的订单拼到车的概率相对较低,通过本实施例的订单调节方式能够提高其拼到车的概率,并且由于调节后的订单的起始点依然在该用户所乘坐的公交车的路线上,也不会增加该用户任何的转乘成本,只需要变更一下下车站点即可,既方便又节省了开销。
作为一个优选的实施例,每一个网约车订单还包括乘车人数,所述按照第一序列的先后从第一候选订单中确定拼车订单包括:
S101:取第一序列中的第一个第二候选订单的乘车人数作为第一人数;
S102:获取目标网约车端对应的网约车的剩余座位数;
S103:判断第一人数是否超过剩余座位数,若是,则排除该第二候选订单,若否,则将该第二候选订单作为拼车订单;
S104:取第一序列中的下一个第二候选订单的乘车人数作为第一人数,执行步骤S102至步骤S104,直至剩余座位数为零。
在步骤S11之前还包括:
将各个拼车订单的拼车信息发送至对应的用户端,以供用户确认;
若至少一个拼车订单的拼车信息未被确认,则将该拼车订单对应的第二候选订单从第一序列排除,重新从第一候选订单中确定拼车订单,并将各个拼车订单的拼车信息发送至对应的用户端,重复本步骤,直至每一个拼车订单的拼车信息被确定。
在本实施例中,尽可能的实现了目标网约车端对应的网约车的满座拼车,既充分的利用了该网约车的运力资源,也可以让拼车的用户实现了车资的最大化分摊,进一步减少了用户打车成本;拼车信息包括拼车的人数,所有要停留的起始站点和所有要到达的目的地,并且每一个拼车订单的拼车信息均要发送至对应的用户端进行确定,以征求用户的拼车意愿。
本申请一个实施例提供了一种终端设备,终端设备包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于车联网的数据分析方法的步骤,具体如下:
S1:实时获取每一个公交端收集的网约车订单,其中,网约车订单中包括起始站点和目的地;
S2:对于任意一个网约车订单,获取搜集该网约车订单的公交端到达该网约车订单对应的起始站点的预估时间点,若当前时间点与预估时间点之间的剩余时长小于设定时长,则令该网约车订单为紧急订单;
S3:将所有的紧急订单筛出;
S4:对于任意一个紧急订单,将该紧急订单作为第一订单,并将第一订单派发给能够在第一订单对应的预估时间点前到达第一订单对应的起始站点的网约车端,并将该网约车端作为目标网约车端;
S5:在目标网约车端开始执行第一订单时,依据第一订单对应的起始站点和目的地确定目标网约车端的行驶路线,即第一行驶路线;
S6:逐一确定其它网约车订单的目的地是否处于第一行驶路线的设定范围内,并将目的地处于第一行驶路线设定范围内的网约车订单筛出,作为候选订单;
S7:对于任意一个候选订单,判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单;
S8:对于任意一个第一候选订单,依据该第一候选订单对应的各个交集公交站点,生成若干个模拟订单,计算各个模拟订单的偏差度,并依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整,得到第二候选订单;
S9:按照偏差度从低到高的顺序对各个第二候选订单排序,得到第一序列;
S10:按照第一序列的先后从第一候选订单中确定拼车订单;
S11:将拼车订单与第一订单合并,形成目标订单,并将目标订单发送至目标网约车端。
本申请实施例一提供了一种终端可读存储介质,所述终端可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述基于车联网的数据分析方法的步骤,具体如下:
S1:实时获取每一个公交端收集的网约车订单,其中,网约车订单中包括起始站点和目的地;
S2:对于任意一个网约车订单,获取搜集该网约车订单的公交端到达该网约车订单对应的起始站点的预估时间点,若当前时间点与预估时间点之间的剩余时长小于设定时长,则令该网约车订单为紧急订单;
S3:将所有的紧急订单筛出;
S4:对于任意一个紧急订单,将该紧急订单作为第一订单,并将第一订单派发给能够在第一订单对应的预估时间点前到达第一订单对应的起始站点的网约车端,并将该网约车端作为目标网约车端;
S5:在目标网约车端开始执行第一订单时,依据第一订单对应的起始站点和目的地确定目标网约车端的行驶路线,即第一行驶路线;
S6:逐一确定其它网约车订单的目的地是否处于第一行驶路线的设定范围内,并将目的地处于第一行驶路线设定范围内的网约车订单筛出,作为候选订单;
S7:对于任意一个候选订单,判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单;
S8:对于任意一个第一候选订单,依据该第一候选订单对应的各个交集公交站点,生成若干个模拟订单,计算各个模拟订单的偏差度,并依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整,得到第二候选订单;
S9:按照偏差度从低到高的顺序对各个第二候选订单排序,得到第一序列;
S10:按照第一序列的先后从第一候选订单中确定拼车订单;
S11:将拼车订单与第一订单合并,形成目标订单,并将目标订单发送至目标网约车端。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。还应理解的是,虽然术语“第一”、“第二”等在文本中在一些本申请实施例中用来描述各种元素,但是这些元素不应该受到这些术语的限制。这些术语只是用来将一个元素与另一元素区分开。例如,第一表格可以被命名为第二表格,并且类似地,第二表格可以被命名为第一表格,而不背离各种所描述的实施例的范围。第一表格和第二表格都是表格,但是它们不是同一表格。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图5是本申请一实施例提供的终端设备的结构示意图。如图5所示,该实施例的终端设备包括:至少一个处理器、存储器,所述存储器中存储有可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个基于车联网的数据分析方法实施例中的步骤,例如图1所示的步骤S1至S11。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图5仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入发送设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器在一些实施例中可以是所述终端设备的内部存储单元,例如终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器还可以用于暂时地存储已经发送或者将要发送的数据。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本申请实施例还提供了一种终端设备,所述终端设备包括至少一个存储器、至少一个处理器以及存储在所述至少一个存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时,使所述终端设备实现上述任意各个方法实施例中的步骤。
本申请实施例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存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端设备上运行时,使得移动终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使对应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.基于车联网的数据分析方法,应用于终端设备,其特征在于,所述基于车联网的数据分析方法包括:
S1:实时获取每一个公交端收集的网约车订单,其中,网约车订单中包括起始站点和目的地;
S2:对于任意一个网约车订单,获取搜集该网约车订单的公交端到达该网约车订单对应的起始站点的预估时间点,若当前时间点与预估时间点之间的剩余时长小于设定时长,则令该网约车订单为紧急订单;
S3:将所有的紧急订单筛出;
S4:对于任意一个紧急订单,将该紧急订单作为第一订单,并将第一订单派发给能够在第一订单对应的预估时间点前到达第一订单对应的起始站点的网约车端,并将该网约车端作为目标网约车端;
S5:在目标网约车端开始执行第一订单时,依据第一订单对应的起始站点和目的地确定目标网约车端的行驶路线,即第一行驶路线;
S6:逐一确定其它网约车订单的目的地是否处于第一行驶路线的设定范围内,并将目的地处于第一行驶路线设定范围内的网约车订单筛出,作为候选订单;
S7:对于任意一个候选订单,判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单;
S8:对于任意一个第一候选订单,依据该第一候选订单对应的各个交集公交站点,生成若干个模拟订单,计算各个模拟订单的偏差度,并依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整,得到第二候选订单;
S9:按照偏差度从低到高的顺序对各个第二候选订单排序,得到第一序列;
S10:按照第一序列的先后从第一候选订单中确定拼车订单;
S11:将拼车订单与第一订单合并,形成目标订单,并将目标订单发送至目标网约车端。
2.根据权利要求1所述的方法,其特征在于,目的地处于第一行驶路线设定范围内即该目的地与第一行驶路线的最短距离小于设定距离;
所述判断该候选订单对应的公交端的行驶路线与第一行驶路线是否有交集公交站点,若有,则将该候选订单作为第一候选订单包括:
将该候选订单对应的公交端作为候选公交端,并获取候选公交端的实时位置以及行驶路线;
依据候选公交端的实时位置以及行驶路线确定候选公交端的第一剩余路线,其中,第一剩余路线为候选公交端的实时位置与候选公交端的行驶路线的终点站之间的路线;
获取目标网约车端的实时位置,依据目标网约车端的实时位置以及第一行驶路线确定目标网约车端的第二剩余路线,其中,第二剩余路线为目标网约车端的实时位置与第一行驶路线的终点之间的路线;
判断第一剩余路线与第二剩余路线是否有重合路线段,若第一剩余路线与第二剩余路线无重合路线段,则排除该候选订单;
若第一剩余路线与第二剩余路线有重合路线段,则判断重合路线段上是否有交集公交站点,若重合路线段上无交集公交站点,则排除该候选订单,若重合路线段上有交集公交站点,则将该候选订单作为第一候选订单。
3.根据权利要求2所述的方法,其特征在于,模拟订单的目的地为对应的第一候选订单的目的地,模拟订单的起始站点为对应的第一候选订单的一个交集公交站点;
对任意一个模拟订单,将该模拟订单对应交集公交站点作为第一公交站点,计算该模拟订单的偏差度包括:
获取目标网约车端到达第一公交站点的第一预估时间点;
获取该模拟订单对应的公交端到达第一公交站点的第二预估时间点;
计算第一预估时间点与第二预估时间点之间的时间偏差,依据时间偏差确定该模拟订单的偏差度。
4.根据权利要求3所述的方法,其特征在于,若时间偏差大于预设时间偏差,则排除对应的模拟订单;
若时间偏差不大于预设时间偏差,则依据以下公式计算对应的模拟订单的偏差度:
其中,为第一预估时间点,/>为第二预估时间点,/>为调整系数。
5.根据权利要求4所述的方法,其特征在于,将偏差度最低的模拟订单作为第一模拟订单,所述依据偏差度最低的模拟订单对该第一候选订单的起始站点进行调整包括:
获取第一模拟订单的起始站点;
将该第一候选订单的起始站点替换为第一模拟订单的起始站点,完成替换后的第一候选订单即为第二候选订单。
6.根据权利要求5所述的方法,其特征在于,每一个网约车订单还包括乘车人数,所述按照第一序列的先后从第一候选订单中确定拼车订单包括:
S101:取第一序列中的第一个第二候选订单的乘车人数作为第一人数;
S102:获取目标网约车端对应的网约车的剩余座位数;
S103:判断第一人数是否超过剩余座位数,若是,则排除该第二候选订单,若否,则将该第二候选订单作为拼车订单;
S104:取第一序列中的下一个第二候选订单的乘车人数作为第一人数,执行步骤S102至步骤S104,直至剩余座位数为零。
7.根据权利要求6所述的方法,其特征在于,在步骤S11之前还包括:
将各个拼车订单的拼车信息发送至对应的用户端,以供用户确认;
若至少一个拼车订单的拼车信息未被确认,则将该拼车订单对应的第二候选订单从第一序列排除,重新从第一候选订单中确定拼车订单,并将各个拼车订单的拼车信息发送至对应的用户端,重复本步骤,直至每一个拼车订单的拼车信息被确定。
8.一种终端设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至7中任一项权利要求所述基于车联网的数据分析方法的步骤。
9.一种终端可读存储介质,其特征在于,所述终端可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至7中任一项权利要求所述基于车联网的数据分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410227082.7A CN117808653B (zh) | 2024-02-29 | 2024-02-29 | 基于车联网的数据分析方法、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410227082.7A CN117808653B (zh) | 2024-02-29 | 2024-02-29 | 基于车联网的数据分析方法、终端设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117808653A true CN117808653A (zh) | 2024-04-02 |
CN117808653B CN117808653B (zh) | 2024-05-17 |
Family
ID=90430446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410227082.7A Active CN117808653B (zh) | 2024-02-29 | 2024-02-29 | 基于车联网的数据分析方法、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808653B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250995A (zh) * | 2016-07-25 | 2016-12-21 | 成都云科新能汽车技术有限公司 | 一种基于全局优化的电动客车运营系统及方法 |
CN107203824A (zh) * | 2016-03-18 | 2017-09-26 | 滴滴(中国)科技有限公司 | 一种拼车订单分配方法及装置 |
EP3355028A1 (en) * | 2017-01-25 | 2018-08-01 | Via Transportation, Inc. | Method and system for managing a fleet of ride-sharing vehicles using virtual bus stops |
CN110941691A (zh) * | 2020-02-19 | 2020-03-31 | 武汉元光科技有限公司 | 一种顺风车搭乘撮合方法及装置 |
WO2020167945A1 (en) * | 2019-02-12 | 2020-08-20 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems and methods for route computing for destination-oriented navigation |
CN113393137A (zh) * | 2021-06-22 | 2021-09-14 | 华录智达科技股份有限公司 | 一种基于车联网的调度共享系统 |
CN114757732A (zh) * | 2022-03-29 | 2022-07-15 | 阿里巴巴(中国)有限公司 | 拼车订单的处理方法、电子设备及存储介质 |
CN115577818A (zh) * | 2022-12-01 | 2023-01-06 | 武汉好人科技股份有限公司 | 一种用于智能公交的乘客需求响应式拼车调度方法及系统 |
CN116228503A (zh) * | 2021-12-02 | 2023-06-06 | 北京嘀嘀无限科技发展有限公司 | 一种拼车方法、装置、电子设备、介质及程序产品 |
-
2024
- 2024-02-29 CN CN202410227082.7A patent/CN117808653B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203824A (zh) * | 2016-03-18 | 2017-09-26 | 滴滴(中国)科技有限公司 | 一种拼车订单分配方法及装置 |
CN106250995A (zh) * | 2016-07-25 | 2016-12-21 | 成都云科新能汽车技术有限公司 | 一种基于全局优化的电动客车运营系统及方法 |
EP3355028A1 (en) * | 2017-01-25 | 2018-08-01 | Via Transportation, Inc. | Method and system for managing a fleet of ride-sharing vehicles using virtual bus stops |
WO2020167945A1 (en) * | 2019-02-12 | 2020-08-20 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems and methods for route computing for destination-oriented navigation |
CN110941691A (zh) * | 2020-02-19 | 2020-03-31 | 武汉元光科技有限公司 | 一种顺风车搭乘撮合方法及装置 |
CN113393137A (zh) * | 2021-06-22 | 2021-09-14 | 华录智达科技股份有限公司 | 一种基于车联网的调度共享系统 |
CN116228503A (zh) * | 2021-12-02 | 2023-06-06 | 北京嘀嘀无限科技发展有限公司 | 一种拼车方法、装置、电子设备、介质及程序产品 |
CN114757732A (zh) * | 2022-03-29 | 2022-07-15 | 阿里巴巴(中国)有限公司 | 拼车订单的处理方法、电子设备及存储介质 |
CN115577818A (zh) * | 2022-12-01 | 2023-01-06 | 武汉好人科技股份有限公司 | 一种用于智能公交的乘客需求响应式拼车调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117808653B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111366160B (zh) | 路径规划方法、路径规划装置及终端设备 | |
CN110189006B (zh) | 车辆的调度方法、装置、计算机设备及其存储介质 | |
CN109791672B (zh) | 一种用于处理同时拼车请求的系统和方法 | |
CN108765933B (zh) | 一种推荐上车点的方法、装置、设备及存储介质 | |
CN109376311A (zh) | 适用于多个共乘模型的驾驶员-乘车者匹配的系统、方法和装置 | |
KR101994631B1 (ko) | 서비스의 공급을 관리하기 위한 시스템 및 방법 | |
US20170169366A1 (en) | Systems and Methods for Adjusting Ride-Sharing Schedules and Routes | |
CN114944059B (zh) | 确定预估到达时间的方法与系统 | |
CN112714178B (zh) | 一种基于车载边缘计算的任务卸载方法及装置 | |
CN109816128B (zh) | 网约车订单的处理方法、装置、设备及可读存储介质 | |
CN107230091B (zh) | 拼车请求订单匹配方法及装置 | |
CN112149855A (zh) | 一种订单分配的方法及装置 | |
CN106327311B (zh) | 订单处理方法、装置及系统 | |
CN108332765B (zh) | 拼车出行路线生成方法及装置 | |
CN110832561A (zh) | 用于确定和推荐车辆上车地点的系统和方法 | |
CN113393137B (zh) | 一种基于车联网的调度共享系统 | |
CN112629524A (zh) | 出行路径推荐管理方法、装置和电子设备 | |
CN110832536B (zh) | 推荐上车地点的系统和方法 | |
CN111899061A (zh) | 订单推荐方法、装置、设备及存储介质 | |
CN112906980A (zh) | 订单处理方法、装置、系统及可读存储介质 | |
CN113159353A (zh) | 网约车订单分配方法、装置及计算机存储介质 | |
CN112686435A (zh) | 排班方法、排班装置及终端设备 | |
US20220027800A1 (en) | Systems and methods for ridesharing with connected and unconnected passengers | |
CN117808653B (zh) | 基于车联网的数据分析方法、终端设备以及存储介质 | |
CN110826943B (zh) | 判断是否需要进行配车及确定公交配车数的方法及相关设备 |
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 |