TW202318279A - 營運站點的部署規劃方法 - Google Patents

Abstract

一種營運站點的部署規劃方法，其中規劃方法包括資料預處理程序、服務範圍群組生成程序及站點選擇程序。資料預處理程序至少取得潛在站點的站點資訊及目標對象分佈資料。服務範圍群組生成程序計算各個潛在站點間的最短路徑以及各自的服務範圍，並基於最短路徑及服務範圍將複數潛在站點規劃成多個服務範圍群組。站點選擇程序依據各個服務範圍群組預估涵蓋的目標對象數來設定應部署站數。

Description

營運站點的部署規劃方法

本發明涉及載具或作業機具的營運站點，尤其涉及營運站點的部署規劃方法。

隨著科技進步以及環保意識抬頭，各式電動載具漸漸地普及化。

對於電動載具而言，最重要的問題是充電、換電等能源服務的便利性，因此如何設置充電站／換電站等營運站點，實至關重要。對於站點的規劃者或部署者來說，如何在有限的成本下挑選最適當的位置，以部署適當數量的充電站或換電站，是一門很大的學問。

目前市場上可見有多種站點評估方法及系統。例如，部分站點評估系統透過地理資訊系統(Geographic Information System,GIS)對特定地域的地理資訊進行分析，以找出適合部署充電站或換電站的位置後，再由部署者前往該些位置上進行站點的部署作業。

然而，上述方法在沒有先篩選過位置的情況下直接決定站點，可能會導致部署者在後續建置動作上的困難度(例如該位置的所有人不同意，或該位置周圍人口數稀少導致不利營運或運用效率不佳等)。

再者，部分站點評估系統還可大量分析已知的車輛、充電站或換電站的營運模型及資料來進行分析及評估，藉此輸出新的站點的建議部署位置。然而，上述方法對於尚不具有營運模型或是還沒有實際營運資料的公司來說，並無法使用。

除了上述電動載具的充換電站點的部署作業外，對於各式作業機具、工具機械、船舶、航空器等，需針對其作業內容進行作業站點或營運站點的部署規劃，也面臨了相同的問題。

本發明的主要目的，在於提供一種營運站點的部署規劃方法，可基於站點間的往來交通路徑、目標服務對象的數量等資料，對已知能夠進行部署的多個潛在站點進行分析與評估，以從中挑選適當數量且符合需求的營運站點。

為了達成上述之目的，本發明的營運站點的部署規劃方法包括一資料預處理程序、一服務範圍群組生成程序及一站點選擇程序。該資料預處理程序至少取得複數潛在站點的一站點資訊及一目標對象分佈資料。該服務範圍群組生成程序計算各該潛在站點間的一最短路徑以及各自的一服務範圍，並基於該些最短路徑及該些服務範圍將該複數潛在站點規劃成多個服務範圍群組。

其中，該站點選擇程序依據各該服務範圍群組的預估涵蓋的目標對象數來設定各該服務範圍群組的一應部署站數。

本發明對照相關技術所能達到的技術功效在於，可基於多個潛在站點間的最短路徑、各自的服務範圍、能夠涵蓋的目標對象數等資訊，自動評估並決定最適當的多個營運站點。如此一來，可以在最符合需求成本的前提下得到最高的目標對象的覆蓋率，藉此大幅提升所部署的營運站點的使用效能。

茲就本發明之一較佳實施例，配合圖式，詳細說明如後。

本發明揭露了一種營運站點的部署規劃方法(下面將於說明書中簡稱為規劃方法)，規劃方法主要用來對一個目標區域中已知能夠進行部署的多個充電站、換電站、工作站、處理站、維修站、加油站、觀測站等潛在站點進行分析與評估，藉此挑選出最適當的多個營運站點。於實際部署時，部署者可以依據規劃方法所給出的多個營運站點來進行充電站、換電站、工作站、處理站、維修站、加油站、觀測站等營運站點的實際建置動作，藉此令所建置的營運站點的數量符合規劃者或部署者的成本需求，並且令所建置的營運站點的預估服務的目標對象數能夠達到所需的效能。

例如，規劃者或部署者經實際探查目標區域後，可能發現五百個、七百個甚至一千個潛在站點，這些潛在站點指的是地理環境符合(例如能夠配電)、持有人願意與規劃者或部署者合作、能夠承租或購買等的位置。然而，基於成本考量，規劃者或部署者可能只能夠設置五十個營運站點。本發明的技術方案，係可協助規劃者或部署者從所有潛在站點中，找出最符合需求的多個營運站點，使得這些營運站點能夠達成營運效能最大化。

值得一提的是，上述目標區域可例如為目標地域、目標空域或是目標海域，上述營運站點可例如為設置於陸地、海面下、海面上或甚至是天空中的營運站點，不加以限定。需注意的是，此處的天空中的營運站點，指的是提供在天空中移動或運作的機械使用的營運站點，而非指將營運站點直接設置於空中。

以目標區域為目標地域為例，營運站點可例如為電動載具的充電站或換電站，或是特定機械或裝置的維修站；以目標區域為目標海域為例，營運站點可例如為船隻的充電站、換電站或加油站、漁船的海上休息站、海洋垃圾的處理站或收集站等；以目標區域為目標空域為例，營運站點可例如為無人機的充電站、換電站或檢查點等。

惟，上述僅為本發明的部分具體實施範例，但並不以此為限。

首請參閱圖1，為本發明的規劃系統的方塊圖的具體實施例。本發明的規劃方法主要可透過營運站點的部署規劃系統(下面將於說明書中簡稱為規劃系統1)來實現。如圖1所示，規劃系統1主要可具有處理單元11，以及與處理單元11連接的輸入單元12及輸出單元13。處理單元11基於規劃系統1所要實現的功能，至少包括有資料預處理模組111、服務範圍群組生成模組112及選站模組113，但不以此為限。

輸入單元12可為人機介面(例如鍵盤、滑鼠、觸控板等)、有線傳輸介面(例如USB傳輸埠)或無線傳輸介面(例如Wi-Fi傳輸單元、藍牙傳輸單元等)。規劃系統1可透過輸入單元12來接收執行規劃方法所需的各種資料。

於一實施例中，規劃系統1可透過輸入單元12接受規劃者設定要進行分析的目標區域(例如指定的縣、市、鄉鎮等目標地域、指定的河流、海洋等目標海域，以及指定地點或坐標位置的上空等目標空域)，並且輸入目標區域中已知能夠進行部署的多個潛在站點。

於另一實施例中，規劃系統1可透過輸入單元12連接資料來源伺服器2，以從資料來源伺服器2接收分析所需的資料，例如目標區域的交通網路資料、目標對象分布資料、區域利用資料、交通號誌資料(例如陸地上的紅綠燈的部署資料)等，但不加以限定。

於一實施例中，處理單元11中的多個模組111-114可為硬體模組。例如，各個模組111-114可分別以處理器、微控制單元(Micro Control Unit, MCU)、現場可編程邏輯閘陣列(Field Programmable Gate Array, FPGA)、系統單晶片(System on Chip,SoC)等來實現。

於另一實施例中，處理單元11可為處理器、中央處理單元(Central Processing Unit,CPU)、圖形處理單元(Graphic Processing Unit, GPU)或微控制單元，並且處理單元11中的多個模組111-114可為軟體模組。本實施例中，處理單元11中記錄有電腦可執行程式碼，當處理單元11執行了電腦可執行程式碼後，可依據所能實現的功能來將電腦可執行程式碼虛擬模擬為所述多個模組111-114(例如各個模組111-114分別對應至電腦可執行程式碼中的多個副程式)。惟，上述僅為本發明的部分實施範例，但並不以此為限。

輸出單元13可為有線傳輸介面、無線傳輸介面或顯示裝置，不加以限定。本發明的規劃方法主要是依據目標區域的地理資訊、目標對象數(例如要服務的人口數量、要維修的設備數量、要收集的海洋垃圾數量、要捕抓的魚群數量、要觀察的鳥類的數量等等)、區域類別等資料來從複數潛在站點中挑選出符合需求的多個營運站點。在挑選完成後，規劃系統1可透過輸出單元13來輸出站點配置資訊3。站點配置資訊3可包括多個營運站點的文字資訊或圖像資訊，部署者可基於站點配置資訊3來實際建置營運站點(容後詳述)。

以運用在陸地上為例，本發明的規劃方法可被用來規劃電動載具的充電站／換電站或其他能源服務的營運站點。具體地，本發明的規劃方法可依據目標地域的地理資訊、人口數、用地類別來從複數潛在站點中挑選出符合需求的多個營運站點。而於挑選完成後，規劃系統1即可透過輸出單元13輸出站點配置資訊3。藉此，部署者可依據站點配置資訊3實際建置電動載具的充電站／換電站。

請同時參閱圖2，為本發明的規劃方法的流程圖的具體實施例。如圖2所示，本發明的規劃方法主要包括資料預處理程序(步驟S10)、服務範圍群組生成程序(步驟S30)以及站點選擇程序(步驟S50)。

資料預處理程序主要用以取得挑選營運站點所需的必要資訊，並將資訊轉換成規劃系統1能夠使用的資料格式。服務範圍群組生成程序用來依據所取得的必要資訊對所有潛在站點進行分群，以生成符合預設條件的多個服務範圍群組(Service Area Group,SAG)。站點選擇程序用來對各個服務範圍群組中所包含的一或多個潛在站點進行篩選，以分別從各個服務範圍群組中挑選出零個、一個或一個以上的營運站點。在步驟S50後，規劃系統1即可基於被挑選出的所有營運站點來輸出站點配置資訊3。

請同時參閱圖1至圖3，其中圖3為本發明的資料預處理流程圖的具體實施例。圖3用以對圖2中的資料預處理程序(步驟S10)進行更詳細的說明。

如圖3所示，要進行營運站點的部署規劃，本發明的規劃系統1首先透過資料預處理模組111取得複數潛在站點的站點資訊(步驟S100)。例如，資料預處理模組111可透過輸入單元12接收規劃者直接輸入複數潛在站點的站點資訊，並且對站點資訊進行資料預處理動作。於一實施例中，站點資訊可例如為複數潛在站點的數量，以及各個潛在站點於地理資訊中的地址或坐標。

值得一提的是，本發明中規劃者或部署者可設定本次規劃的一個目標區域，複數潛在站點分別落在規劃者或部署者所設定的目標區域內。於一實施例中，目標區域為目標地域，例如縣、市或鄉鎮等，不加以限定。於其他實施例中，目標區域亦可為目標海域或目標空域等，但不加以限定。

並且，規劃系統1透過資料預處理模組111取得與目標區域相關的交通網路資料(步驟S102)。例如，資料預處理模組111可透過輸入單元12從資料來源伺服器2接收所述交通網路資料，並且對交通網路資料進行資料預處理動作。於一實施例中，交通網路資料記錄了各個潛在站點周圍的所有可行駛路徑(或為可航行路徑、可飛行路徑，下面以可行駛路徑代稱)，亦即從各個潛在站點出發所能夠通行的所有路徑。

舉例來說，若規劃系統1用以規劃陸地上的營運站點，則上述交通網路資料可例如為陸地上的交通資訊，並且資料預處理模組111可透過輸入單元12從官方的國土測繪資料庫來接收陸地上的交通資訊，例如：國土測繪資料庫的交通路網資料。

於一實施例中，本發明的規劃方法可用以規劃各式電動載具(例如在陸地上使用的電動機車、電動汽車，在空中使用的電動無人機，在海面上使用的電動船等)的充電站或換電站的部署，但不加以限定。

於步驟S102中，規劃系統1可依據本次規劃程序的目標載具類型來對交通網路資料進行資料預處理。例如，若本次規劃程序的目標載具類型為陸地上的電動機車，則規劃系統1於步驟S102中可僅保留電動機車的可行駛路段之資訊。再例如，若本次規劃程序的目標載具類型為海中領域的電動船，則規劃系統1於步驟S102中可僅保留電動船被允許航行的海道之資訊。再例如，若本次規劃程序的目標載具類型為空中領域的無人機，則規劃系統1於步驟S102中可僅保留無人機被允許飛行的航道之資訊。

惟，上述僅為本發明的部分具體實施範例，但不應以此為限。

並且，規劃系統1還可透過資料預處理模組111取得與目標區域相關的目標對象分佈資料(步驟S104)。

例如，若規劃系統1用以規劃陸地上的營運站點，則上述目標區域可為目標地域，目標對象分佈資料可為人口分佈資料。於此實施例中，資料預處理模組111可透過輸入單元12從資料來源伺服器2(例如為官方的統計處資料庫)接收人口分佈資料，並且對人口分佈資料進行資料預處理動作。值得一提的是，在取得人口分佈資料時，規劃者或部署者可以依據資料庫的分類規則選擇不同的人口統計單位，例如一級發布區、二級發布區、三級發布區等，以從資料來源伺服器2取得不同精度的人口分佈資料。

再例如，若規劃系統1用以規劃海面上的營運站點，則上述目標區域可為目標海域，目標對象分佈資料可為漁獲量分佈資料。於此實施例中，資料預處理模組111可透過輸入單元12從資料來源伺服器2(例如為民營的漁群分佈統計資料庫)接收漁獲量分佈資料，並且對漁獲量分佈資料進行資料預處理動作。

再例如，若規劃系統1用以規劃空中的營運站點，則上述目標區域可為目標空域，目標對象分佈資料可為鳥類分佈資料。於此實施例中，資料預處理模組111可透過輸入單元12從資料來源伺服器2(例如為民營的鳥類分佈統計資料庫)接收鳥類分佈資料，並且對鳥類分佈資料進行資料預處理動作。

於一實施例中，本發明的規劃方法可透過上述潛在站點、交通網路資料及目標對象分佈資料來為目標區域進行多個營運站點的規劃動作。而為了令所規劃出的多個營運站點的數量、位置更符合規劃者以及目標區域中的實際使用者的需求，本發明的規劃方法還可進一步考量其他資訊。

如圖3所示，規劃系統1還可透過資料預處理模組111取得與目標區域相關的區域利用資料(步驟S106)。

例如，若規劃系統1用以規劃陸地上的營運站點，則上述目標區域可為目標地域，上述區域利用資料可例如為國土利用資料。於此實施例中，資料預處理模組111可透過輸入單元12從資料來源伺服器2(例如為官方的國土測繪資料庫)接收國土利用資料，並且對國土利用資料進行資料預處理動作。國土利用資料記錄了目標地域中的多種用地類別，例如農業用地、交通用地、水利用地、建築用地等，但不以此為限。

再例如，若規劃系統1用以規劃海面上的營運站點，則上述目標區域可為目標海域，上述區域利用資料可例如為海域利用資料。於此實施例中，資料預處理模組111可透過輸入單元12從資料來源伺服器2接收海域利用資料，並且對海域利用資料進行資料預處理動作。具體地，海域利用資料可例如記錄目標海域中的一或多個區域分別涉及的權力類別(例如是否允許捕撈，以及允許捕撈的海洋生物的種類等)，但不以此為限。

再例如，若規劃系統1用以規劃空中的營運站點，則上述目標區域可為目標空域，上述區域利用資料可例如為空域利用資料。於此實施例中，資料預處理模組111可透過輸入單元12從資料來源伺服器2接收空域利用資料，並且對空域利用資料進行資料預處理動作。具體地，空域利用資料可例如記錄目標空域中的一或多個區域分別涉及的權力類別(例如是否允許飛行，以及各個區域中經常出現的鳥類的種類等)，但不以此為限。

透過區域利用資料的使用，本發明的規劃方法可以對步驟S104中取得的目標對象分佈資料進行過濾，藉此確保挑選出的多個營運站點具有較高的使用效能。

舉例來說，若本次規劃程序的營運站點的使用者為陸地上的外送員及／或快遞人員，則規劃系統1可藉由國土利用資料來尋找目標地域中的建築用地(例如商業建築、住商混合建築、純住宅建築等)，並且在計算人口數（即目標對象數）時僅保留建築用地上的人口數。如此一來，若規劃方法基於過濾後的人口分佈資料來挑選營運站點，則所挑選出的營運站點將可以涵蓋到更多的使用人口。

再例如，若本次規劃程序的營運站點的使用者為海面上的漁民，則規劃系統1可藉由海域利用資料來尋找目標海域中的可捕撈區域，並且在計算目標對象數(例如魚的數量)時僅保留可捕撈區域中的目標對象數(例如預估的魚的數量)。如此一來，若規劃方法基於過濾後的目標對象分佈資料來挑選營運站點，則所挑選出的營運站點將可以涵蓋到更多的使用目標對象。

再例如，若本次規劃程序的營運站點的使用者為空中的無人機的使用者，則規劃系統1可藉由空域利用資料來尋找目標空域中的可飛行區域，並且在計算目標對象數(例如鳥類的數量)時僅保留可飛行區域上的目標對象數(例如預估的鳥類的數量)。如此一來，若規劃方法基於過濾後的目標對象分佈資料來挑選營運站點，則所挑選出的營運站點將可以涵蓋到更多的目標對象。

規劃系統1還可透過資料預處理模組111取得與目標區域相關的交通號誌資料(步驟S108)。值得一提的是，若規劃系統1用以規劃海面上或空中的營運站點，則由於海域與空域不一定存在交通號誌，因此步驟S108可被省略。

例如，資料預處理模組111可透過輸入單元12從資料來源伺服器2(例如為開放街圖(OpenStreetMap, OSM)資料庫)取得所述交通號誌資料，並且對交通號誌資料進行資料預處理動作。所述交通號誌資料記錄了目標區域中的所有交通號誌的設置位置、尖峰等待時間、離峰等待時間等資訊，但不以此為限。以陸地為例，所述交通號誌可例如為紅綠燈。

透過前述的交通號誌資料，規劃系統1在產生了站點配置資訊3後，可以計算在各個營運站點之間往來的停等成本(包括需經過的交通號誌的數量，以及估計等待時間等)。藉此，規劃系統1可以對所挑選的多個營運站點的使用效能進行評估，進而對站點配置資訊3進行最佳化。

續請參閱圖1至圖4，其中圖4為本發明的服務範圍群組生成流程圖的具體實施例。圖4用以對圖2中的服務範圍群組生成程序(步驟S30)進行更詳細的說明。

如圖4所示，於服務範圍群組生成程序中，規劃系統1首先透過服務範圍群組生成模組112接收預處理後的站點資訊以及交通網路資料，藉此計算各個潛在站點之間的最短路徑(步驟S300)。具體地，於步驟S300中，服務範圍群組生成模組112是依據交通網路資料來取得任意兩個潛在站點間的所有連接路徑，並且選擇其中距離最短的一條路徑。

請同時參閱圖5，為本發明所使用的其中一種最短路徑示意圖的具體實施例。如圖5所示，服務範圍群組生成模組112取得目標區域內的所有潛在站點4，並且計算各個潛在站點4之間的最短路徑41。

圖5的實施例以1號潛在站點至16號潛在站點、A潛在站點、B潛在站點及C潛在站點為例，舉例說明，但潛在站點4的排列方式及數量並不以圖5中所示者為限。於圖5中的實施例中，1號潛在站點與2號潛在站點間的最短距離為115公尺，2號潛在站點與3號潛在站點間的最短距離為55公尺，以此類推。

另外，本發明中的最短路徑41並不限於直接連接兩個潛在站點4的路徑，還包含了任意兩個潛在站點4之間的路徑。舉例來說，A潛在站點與B潛在站點之間包含了多條路徑(例如Aè1è2è3è4èB、Aè1è16è7è8èB、Aè1è2è3è6è7è8èB、Aè15èCè16è7è8èB等)。本發明中的最短路徑41，指的是任意兩個潛在站點4之間的多個路徑中，總和最短的路徑。

於上述實施例中，A潛在站點與B潛在站點間的最短路徑41，為A潛在站點至1號潛在站點間的最短路徑41(為30公尺)、1號潛在站點至2號潛在站點間的最短路徑41(為115公尺)、2號潛在站點至3號潛在站點間的最短路徑41(為55公尺)、3號潛在站點至4號潛在站點間的最短路徑41(為110公尺)及4號潛在站點至B潛在站點間的最短路徑41(為50公尺)的總合，共360公尺。惟，上述僅為本發明的一個具體實施範例，但不以此為限。

為便於理解，圖5中的各個最短路徑41是以兩個潛在站點4間的直線距離進行示意。然而如上所述，服務範圍群組生成模組112是基於交通網路資料來尋找最短路徑41，因此最短路徑41會對應至地理資訊中所記載的實際道路或實際航道，而不一定為直線。

回到圖4。除了計算最短路徑41外，服務範圍群組生成模組112進一步依據預設的評估條件，計算各個潛在站點4各自的服務範圍(Service Area, SA)(步驟S302)。

於一實施例中，評估條件可例如為一個固定的半徑。於此實施例中，服務範圍群組生成模組112在步驟S302中是將各個潛在站點4做為圓心，並基於圓心以及半徑虛擬產生一個正圓，並以此正圓的範圍做為各個潛在站點4的服務範圍。

以電動機車為例，若以時速40公里的速度行駛3分鐘，約可行駛2公里的距離。若規劃者或部署者評估上述行駛時間、行駛距離是使用者可以接受的換電／充電成本，則可將上述評估條件設定為半徑2公里。再以漁船為例，由於漁船的航行速度較慢，因此規劃者或部署者可經過評估而將上述評估條件設定為半徑1公里。再以無人機為例，由於無人機不以飛行速度快為必要，其在3分鐘內可能只能飛行500公尺的距離。因此於本實施例中，規劃者或部署者可將上述評估條件設定為半徑500公尺。

於另一實施例中，上述評估條件可為一個固定移動距離或一個固定移動時間。例如，移動距離可為2公里，移動時間可為以時速40公里的速度行駛3分鐘，但不以此為限。

於此實施例中，服務範圍群組生成模組112將各個潛在站點4做為起點，並計算從潛在站點4開始沿著交通網路資料所指出的每一條可行駛路徑移動上述的移動距離或移動時間後，可以抵達的一或多個極限位置。並且，服務範圍群組生成模組112依據這些極限位置來進行凸包計算(Convex Hull)，以產生各個潛在站點4的基於載具能力的服務範圍(Vehicle Capability-based Service Area,VCSA)。

請同時參閱圖6，為本發明的服務範圍示意圖的第一具體實施例。如前文所述，交通網路資料中記錄了各個潛在站點4周圍的所有可行駛路徑。本實施例中，服務範圍群組生成模組112基於預先設定的評估條件對潛在站點4周圍的所有可行駛路徑進行運算，將所有可以滿足評估條件的路徑設定為關鍵路徑(例如距離超過2公里，或可以以時速40公里的速度行駛3分鐘以上)，並且將關鍵路徑上滿足了評估條件的一或多個頂點設定為極限位置42。

圖6的實施例主要是以陸地上的路徑為例，舉例說明。於其他實施例中，上述的可行駛路徑，亦可被理解為海面上或天空中的可航行路徑，而不以圖6的實施例為限。為便於理解，下面將以在陸地上的路徑為例，進行說明。

接著，服務範圍群組生成模組112對所有極限位置42進行凸包計算，以產生這個潛在站點4的服務範圍43。如圖6所示，由於每一條關鍵路徑的方向及形狀都不同，每一個極限位置42與潛在站點4間的直線距離亦不相同，因此服務範圍43不一定會是一個正圓。

值得一提的是，本實施例中服務範圍群組生成模組112是將能夠走滿上述行駛距離或行駛時間的一或多條路徑視為關鍵路徑，而對於無法走滿上述行駛距離或行駛時間的一或多條路徑，則因為距離較短，無法形成可被納入凸包中的極限位置43，因此服務範圍群組生成模組112會在運算後捨棄這些路徑。

於圖4、圖5及圖6的實施例中，服務範圍群組生成模組112可以透過Dijkstra演算法來計算最短路徑41及服務範圍43，但不以此為限。除了Dijkstra演算法外，於其他實施例中，服務範圍群組生成模組112亦可使用Bellman-Ford演算法、A* search演算法、Floyd-Warshall演算法等來計算最短路徑41及服務範圍43，但並不以此為限。

上述演算法為所屬技術領域中的常用技術手段，於此不再贅述。

再請參閱圖7，為本發明的服務範圍示意圖的第二具體實施例。如前文所述，規劃系統1主要是依據目標區域5來取得對應的交通網路資料以及潛在站點4的站點資訊，因此經過所述步驟S302，規劃系統1可以得到目標區域5中的多個潛在站點4的分佈狀況，以及各個潛在站點4各自的服務範圍43。如圖7所示，各個潛在站點4的服務範圍43可能彼此分開、可能部分重疊、亦可能完全重疊。於一實施例中，服務範圍群組生成模組112可依據各個服務範圍43的重疊狀況來規劃並生成多個服務範圍群組(Service Area Group)。

回到圖4。需注意的是，步驟S300與步驟S302並不具有執行順序上的必要關係。於一實施例中，規劃系統1可以先執行步驟S300以計算任兩個潛在站點4間的最短路徑41後，再執行步驟S302以計算各個潛在站點4的服務範圍43。於其他實施例中，規劃系統1亦可先執行步驟S302後，再執行步驟S300。再者，規劃系統1亦可透過多工處理技術同時執行步驟S300及步驟S302，而不以圖4所示的順序為限。

於步驟S300及步驟S302後，服務範圍群組生成模組112基於各個潛在站點4間的最短路徑41及各個潛在站點4的服務範圍43，將複數潛在站點4規劃成多個服務範圍群組(步驟S304)，其中，各個服務範圍群組分別包括了一或多個不同的潛在站點4。

具體地，服務範圍群組生成模組112於步驟S304中，主要是基於最短路徑41及服務範圍43執行分群(Clustering)演算法(或謂非監督式學習演算法 (unsupervised learning))，以對複數潛在站點4進行分群，將複數潛在站點4劃分為多個服務範圍群組。

值得一提的是，服務範圍群組生成模組112主要可將服務範圍43的平均重疊率(average overlap rate (%))做為上述分群演算法的分群目標。以階層式分群(Hierarchical Clustering)演算法執行分群為例，於一實施例中，服務範圍群組生成模組112令分群後的各個服務範圍群組中的多個潛在站點4的服務範圍43的平均重疊率最高。於另一實施例中，服務範圍群組生成模組112令分群後的各個服務範圍群組中的多個潛在站點4的服務範圍43的平均重疊率大於一個預設門檻值。

於一實施例中，服務範圍群組生成模組112可透過下列第一公式計算一個服務範圍群組中的多個潛在站點4的服務範圍43的重疊率：

。

其中，

指的是一個服務範圍群組中的複數潛在站點4的服務範圍43的總面積，

指的是一個服務範圍群組中的複數潛在站點4的服務範圍43的重疊範圍，

指的是此服務範圍群組的服務範圍43的重疊率。

於一實施例中，服務範圍群組生成模組112可透過下列第二公式計算目標區域中的所有服務範圍群組的服務範圍43的平均重疊率：

。

其中，

指的是目標區域中的所有服務範圍群組(共k個)的服務範圍43的平均重疊率。

舉例來說，複數潛在站點4的數量可例如為800個。於步驟S304中，服務範圍群組生成模組112可依據最短路徑41來迭代執行階層式分群演算法，將800個潛在站點4依序分成800個群組、799個群組、798個群組、………、至1個群組。並且，服務範圍群組生成模組112依據第一公式分別計算這些群組中的一或多個潛在站點4的服務範圍43的重疊率，並且再依據第二公式計算所有群組的服務範圍43的平均重疊率。

若經過判斷後確認規劃成特定數量的群組時(例如70個)，其服務範圍43的平均重疊率最高，或是可超過預設門檻值(例如為70%)，則服務範圍群組生成模組112可輸出此分群結果，做為所述多個服務範圍群組。

請同時參閱圖8及圖9，其中圖8為本發明的重疊範圍示意圖的具體實施範例，圖9為本發明的服務範圍群組的示意圖的具體實施例。

如圖8所示，於第一類情況下，單一個潛在站點4自成一個服務範圍群組6，其服務範圍43的重疊率為0%。於第二類情況下，三個潛在站點4組成一個服務範圍群組6，其服務範圍43的重疊率為55%。於第三類情況下，兩個潛在站點4組成一個服務範圍群組6，其服務範圍43的重疊率為45%。於第四類情況下，兩個潛在站點4組成一個服務範圍群組6，但服務範圍43沒有重疊，重疊率為0%。

本發明中，規劃系統1透過上述分群模式產生多種不同的候選分群結果，並且計算這些候選分群結果的服務範圍43的平均重疊率。最後，規劃系統1將平均重疊率最高或是有達到預設門檻值的候選分群結果做為最後的分群結果。

例如圖9所示，規劃系統1將目標區域5中的所有潛在站點4規劃成五個服務範圍群組6，並且這五個服務範圍群組6可以達到最高的服務範圍43的平均重疊率，或是可以達到規劃者或部署者預設的門檻值。

上述的階層式分群演算法為所屬技術領域中的常用分群手段，於此不再贅述。除了階層式分群演算法外，於其他實施例中，亦可使用K-means演算法、Density Based Clustering (DBSCAN) 演算法等來將複數潛在站點4合成群組，但不以此為限。

如前文所述，本發明的主要目的是在複數潛在站點4中挑選出符合規劃者或部署者需求且使用效能最高的多個營運站點，換句話說，營運站點的數量必定少於潛在站點4的數量。因此，本發明的規劃方法透過上述步驟S304將服務範圍43重疊率高的多個潛在站點4規劃在同一個服務範圍群組6中，藉此歸納出各個區域中互補或互相競爭的多個潛在站點4。若規劃系統1從各個服務範圍群組6中進行營運站點的挑選，可確保挑選出來的多個營運站點能夠提供較佳的使用效能(容後詳述)。

回到圖4。步驟S304後，服務範圍群組生成模組112進一步依據所述目標對象分佈資料來分別計算各個服務範圍群組6所涵蓋的目標對象數(步驟S306)。具體地，服務範圍群組生成模組112是分別計算各個服務範圍群組6中的所有潛在站點4的服務範圍43，並計算這些服務範圍43總共涵蓋了多少的目標對象數。所涵蓋的目標對象數越多，代表這個服務範圍群組6中應該部署的營運站點的數量越多。

舉例來說，若將本發明的規劃方法套用在陸地(例如規劃電動載具的營運站點)，則上述目標對象分佈資料可為人口分佈資料。於上述步驟S306中，服務範圍群組生成模組112可依據人口分佈資料來計算各個服務範圍群組6所涵蓋的人口數。相似地，所涵蓋的人口數越多，代表這個服務範圍群組6中應該部署的營運站點的數量越多。

再例如，若將本發明的規劃方法套用在海面上(例如規劃海洋垃圾收集站的站點)，則上述目標對象分佈資料可例如為海洋垃圾分佈資料。於上述步驟S306中，服務範圍群組生成模組112可依據海洋垃圾分佈資料來計算各個服務範圍群組6所涵蓋的海洋垃圾數量。相似地，所涵蓋的海洋垃圾數量越多，代表這個服務範圍群組6中應該部署的站點的數量越多。

再例如，若將本發明的規劃方法套用在空中(例如規劃無人機的觀測點或充電站)，則上述目標對象分佈資料可例如為鳥類分佈資料。於上述步驟S306中，服務範圍群組生成模組112可依據鳥類分佈資料來計算各個服務範圍群組6所涵蓋的潛在鳥類數量。相似地，所涵蓋的潛在鳥類數量越多，代表這個服務範圍群組6中應該部署的站點的數量越多。

惟，上述僅為本發明的部分實施範例，但並不以此為限。

如上所述，服務範圍群組生成模組112於步驟S306中是要計算各個服務範圍群組6所能涵蓋的目標對象數。於一實施例中，服務範圍群組生成模組112可在計算了各個服務範圍群組6所涵蓋的目標對象數後，再依據目標對象分佈資料來從各個服務範圍群組6中移除不存在目標對象的區域。透過上述技術手段，可以令目標對象數與各個服務範圍群組6的實際覆蓋面積更為貼近，進而提高後續計算的結果的準確率。

以運用在陸地上為例，目標對象分佈資料可為人口分佈資料，服務範圍群組生成模組112可以依據人口分佈資料來從各個服務範圍群組6中移除無人居住的區域(例如河流、機場等)，藉此提高後續計算結果的準確率。

續請參閱圖1至圖4及圖10，其中圖10為本發明的站點選擇流程圖的具體實施例。圖10用以對圖2中的站點選擇程序(步驟S50)進行更詳細的說明。於計算出各個服務範圍群組6所涵蓋的目標對象數後，規劃系統1進一步透過選站模組113來計算各個服務範圍群組6中適當的應部署站數。

值得一提的是，在計算各個服務範圍群組6的應部署站數前，選站模組113可以先接收規劃者或部署者設定的一個目標區域類別，並且基於目標區域類別對各個服務範圍群組6所涵蓋的目標對象數進行過濾(步驟S500)。

以運用在陸地為例，所述目標區域類別可例如為目標用地類別。若規劃者或部署者本次對於電動載具的充電站／換電站的部署的目標客群為外送行業，可將目標用地類別設定為建築用地。若第一服務範圍群組的服務範圍43包含了建築用地及農業用地，則基於效能考量，選站模組113在步驟S500中會從第一服務範圍群組中濾除農業用地上的人口數，並只保留建築用地上的人口數。反之，若本次部署的目標客群為農業，則規劃者或部署者可將目標用地類別設定為農業用地，而選站模組113在步驟S500中會從第一服務範圍群組中濾除建築用地上的人口數，並只保留農業用地上的人口數，以此類推。

以運用在海面上為例，所述目標區域類別可例如為目標海域類別。若規劃者或部署者本次對於船隻的加油站／休息站的部署的目標客群為漁民，可將目標海域類別設定為允許捕撈的海域。若第一服務範圍群組的服務範圍43包含了允許捕撈的海域及禁止捕撈的海域，則基於效能考量，選站模組113在步驟S500中會從第一服務範圍群組中濾除禁止捕撈的海域上的目標對象數(例如潛在漁獲數)，並只保留允許捕撈的海域中的目標對象數。

以運用在空中為例，所述目標區域類別可例如為目標空域類別。若規劃者或部署者本次對於無人機的觀測站／充電站的部署的目標客群為無人機的飛手，可將目標空域類別設定為允許飛行空域。若第一服務範圍群組的服務範圍43包含了允許飛行的空域及禁飛的空域，則基於效能考量，選站模組113在步驟S500中會從第一服務範圍群組中濾除禁飛的空域上的目標對象數(例如潛在鳥類數量)，並只保留允許飛行的空域中的目標對象數。

惟，上述僅為本發明的部分具體實施範例，但並不以此為限。

惟，於其他實施例中，規劃者或部署者亦可不設定目標客群(即，不設定目標區域類別)，故上述步驟S500並不必然存在。

接著，所述選站模組113基於規劃者或部署者給定的一個部署條件以及各個服務範圍群組6各自涵蓋的目標對象數，分別設定各個服務範圍群組6的應部署站數(步驟S502)，其中各個服務範圍群組6的應部署站數分別為一個大於或等於零的整數。

具體地，由於本發明的規劃方法是基於目標對象數的多寡來決定應部署站數，因此在所涵蓋的目標對象數較少的情況下，部分服務範圍群組6的應部署站數有可能為零。

請同時參閱圖11，為本發明的站點數量示意圖的具體實施範例。選站模組113於步驟S502中是基於各個服務範圍群組6所涵蓋的目標對象數來計算應部署站數，涵蓋的目標對象數越多的服務範圍群組6的應部署站數就會越多，而與各個服務範圍群組6的服務範圍43大小無關。

於圖11的實施例中，第一服務範圍群組61的應部署站數為四站，第二服務範圍群組62的應部署站數為零站，第三服務範圍群組63的應部署站數為兩站，第四服務範圍群組64的應部署站數為一站，第五服務範圍群組65的應部署站數為一站。其中，第二服務範圍群組62的服務範圍大於第三服務範圍群組63、第四服務範圍群組64及第五服務範圍群組65的服務範圍，但因為所涵蓋的目標對象數過少，因此應部署站數為零。

回到圖10。於一實施例中，所述部署條件為規劃者或部署者預先設定的需求總站數，即，規劃系統1需要從複數潛在站點4中挑選出來的營運站點的數量。於此實施例中，所述選站模組113可以基於下列第一公式來分別計算各個服務範圍群組6的應部署站數：

。

如上所述，在目標區域5中的目標對象的總數已知，且需求總站數固定的情況下，服務範圍群組6所涵蓋的目標對象數(或經過濾後的目標對象數)越多，其應部署站數就越多。

於另一實施例中，所述部署條件為各個服務範圍群組6所涵蓋的目標對象數(或所過濾後的目標對象數)與所有潛在站點4的服務範圍43所涵蓋的目標對象的總數相比的涵蓋率。於此實施例中，選站模組113在步驟S502中是迭代計算各個服務範圍群組6的應部署站數，並且令各個服務範圍群組6於站點部署後所構成的服務範圍43可以達到最高的涵蓋率。於此實施例中，規劃者或部署者不需要設定需求總站數，而可由規劃系統1依據涵蓋率自行計算出營運站點的總數。

步驟S502後，選站模組113進一步從各個服務範圍群組6所包括的多個潛在站點4中決定要被部署的營運站點(步驟S504)，其中，各個服務範圍群組6的營運站點的數量相同於在步驟S502中計算的應部署站數的數量。換句話說，一個服務範圍群組6中的營運站點的數量有可能為零。

於一實施例中，選站模組113於步驟S504中主要是對各個服務範圍群組6分別進行迭代計算。具體地，在應部署站數非零的情況下，選站模組113對服務範圍群組6中的多個潛在站點4進行迭代計算，使得所決定的一或多個營運站點的服務範圍43能夠涵蓋最多的目標對象數。

舉例來說，若一個服務範圍群組6包含十個潛在站點4且應部署站數為一，則選站模組113於步驟S504中挑選涵蓋的目標對象數最多的潛在站點4做為此服務範圍群組6的營運站點。若所述服務範圍群組6的應部署站數為二，則選站模組113於步驟S504中對這十個潛在站點4進行迭代計算，以挑選出服務範圍43加總後可以涵蓋最多的目標對象數的兩個潛在站點4做為此服務範圍群組6的營運站點。並且，選站模組113於步驟S504中，係對每一個服務範圍群組6分別執行一次上述迭代計算，以分別挑選各個服務範圍群組6內的營運站點。

如前文所述，部分服務範圍群組6可能因為所涵蓋的目標對象數過少，因此應部署站數為零。於此情況下，規劃者或部署者可以基於實際需求，對這些服務範圍群組6進行優化。

如圖1所示，本發明的規劃系統1還可包括補站計算模組114。與其他模組111-113相似，所述補站計算模組114可為軟體模組，亦可為硬體模組，不加以限定。

於一實施例中，補站計算模組114可以在所述營運站點挑選完成後，判斷規劃者或部署者預先設定的補償條件是否滿足(步驟S506)，並且於補償條件滿足時，於目標區域5中添加至少一個的補充站點(步驟S508)。本實施例中，所述補充站點是從目標區域5中的複數潛在站點4中挑選而來，並且與在步驟S504中挑選的營運站點不重覆。

以將規劃系統1應用在陸地上，以規劃電動載具的充電站／換電站的補充站點為例，所述補償條件可例如為“目標地域中的任一行政區不具有營運站點”，意即，補站計算模組114是在目標地域中的任一行政區(例如台北市的大安區、中正區、文山區等)不具有任何營運站點時，判斷所述補償條件被滿足。據此，補站計算模組114於步驟S508中，會於不具有任何營運站點的行政區中添加一個補充站點，藉此令目標地域中的所有行政區皆至少具有一個營運站點或補充站點。

值得一提的是，於步驟S508中，補站計算模組114可於不具有任何營運站點的行政區中，挑選服務範圍43最大的潛在站點4，以做為此行政區的補充站點。惟，上述僅為本發明的其中一個實施態樣，但並不以此為限。

透過上述補充站點的追加部署，可以在不過度影響營運站點的平均服務效能的情況下，顧及部分目標對象數較少的區域。

本發明的規劃系統1及規劃方法用以從目標區域的所有潛在站點中自動挑選出多個營運站點，使得這些營運站點的數量可以符合規劃者或部署者的成本需求，同時其所構成的預估服務範圍能覆蓋最多的目標對象數。藉此，有益於使用者對於這些營運站點的使用。

例如以將規劃系統1及規劃方法應用於規劃電動載具的充電站／換電站為例，本發明將有益於電動載具的使用者的充電／換電需求，進而利於電動交通工具的普及化。以將規劃系統1及規劃方法應用於規劃船隻的休息站／加油站為例，本發明將有利於漁民的出航，進而利於漁業的捕獲。以將規劃系統1及規劃方法應用於規劃無人機的觀測站／換電站為例，本發明將有益於無人機的使用者的觀測／換電需求，進而利於無人機文化的發展與使用。

以上所述僅為本發明之較佳具體實例，非因此即侷限本發明之專利範圍，故舉凡運用本發明內容所為之等效變化，均同理皆包含於本發明之範圍內，合予陳明。

1:規劃系統 11:處理單元 111:資料預處理模組 112:服務範圍群組生成模組 113:選站模組 114:補站計算模組 12:輸入單元 13:輸出單元 2:資料來源伺服器 3:站點配置資訊 4:潛在站點 41:最短路徑 42:極限位置 43:服務範圍 5:目標區域 6:服務範圍群組 61:第一服務範圍群組 62:第二服務範圍群組 63:第三服務範圍群組 64:第四服務範圍群組 65:第五服務範圍群組 S10、S30、S50:規劃步驟 S100~S108:資料取得步驟 S300~S306:服務範圍群組計算步驟 S500~S508:站點選擇步驟

圖1為本發明的規劃系統的方塊圖的具體實施例。

圖2為本發明的規劃方法的流程圖的具體實施例。

圖3為本發明的資料預處理流程圖的具體實施例。

圖4為本發明的服務範圍群組生成流程圖的具體實施例。

圖5為本發明的最短路徑示意圖的具體實施例。

圖6為本發明的服務範圍示意圖的第一具體實施例。

圖7為本發明的服務範圍示意圖的第二具體實施例。

圖8為本發明的重疊範圍示意圖的具體實施範例。

圖9為本發明的服務範圍群組的示意圖的具體實施例。

圖10為本發明的站點選擇流程圖的具體實施例。

圖11為本發明的站點數量示意圖的具體實施範例。

S10、S30、S50:規劃步驟

Claims (13)

1. 一種營運站點的部署規劃方法，用以規劃一目標區域內的複數營運站點，包括： a)取得複數潛在站點的站點資訊； b)取得一交通網路資料，其中該交通網路資料記錄各該潛在站點周圍的複數可行駛路徑； c)取得該目標區域的一目標對象分佈資料； d)依據該複數站點資訊及該交通網路資料計算各該潛在站點間的一最短路徑； e)依據一評估條件計算各該潛在站點各自的一服務範圍； f)基於該複數最短路徑及該複數服務範圍將該複數潛在站點規劃成複數服務範圍群組，其中各該服務範圍群組分別包括一或多個不同的該潛在站點； g)依據該目標對象分佈資料分別計算各該服務範圍群組所涵蓋的一目標對象數；及 h)基於一部署條件及該複數目標對象數分別設定各該服務範圍群組的一應部署站數，其中該應部署站數為大於等於零的整數。
2. 如請求項1所述的營運站點的部署規劃方法，其中該評估條件為一半徑，該步驟e)是將各該潛在站點做為一圓心，並基於該圓心及該半徑規劃一正圓以做為各該潛在站點的該服務範圍。
3. 如請求項1所述的營運站點的部署規劃方法，其中該評估條件為一移動距離或一移動時間，該步驟e)是計算從各該潛在站點出發，沿著各該可行駛路徑移動該移動距離或該移動時間後抵達的一極限位置，並依據該複數極限位置做凸包計算(Convex hull)以產生各該潛在站點的該服務範圍。
4. 如請求項1所述的營運站點的部署規劃方法，其中該步驟f)是基於該複數最短路徑及該複數服務範圍執行一分群(Clustering)演算法以將該複數潛在站點規劃成該複數服務範圍群組，並且令各該服務範圍群組中的該複數潛在站點的該服務範圍的一平均重疊率最高，或者大於一預設門檻值。
5. 如請求項1所述的營運站點的部署規劃方法，其中該步驟g)之後更包括一步驟g1)：依據該目標對象分佈資料從各該服務範圍群組中刪除不存在目標對象之區域。
6. 如請求項1所述的營運站點的部署規劃方法，其中更包括一步驟a1)：取得一區域利用資料，該區域利用資料記錄該目標區域中的多種區域類別。
7. 如請求項6所述的營運站點的部署規劃方法，其中該步驟h)之前更包括一步驟h1)：基於一或多個目標區域類別對各該服務範圍群組所涵蓋的該目標對象數進行過濾。
8. 如請求項7所述的營運站點的部署規劃方法，其中該部署條件為一需求總站數，並且該步驟h)透過一第一公式計算各該服務範圍群組的該應部署站數：

   

   。
9. 如請求項7所述的營運站點的部署規劃方法，其中該部署條件為各該服務範圍群組所過濾後的目標對象數與該複數潛在站點的該服務範圍所涵蓋的目標對象的總數相比的一涵蓋率，該步驟h)是迭代計算各該服務範圍群組的該應部署站數，並且各該服務範圍群組部署後構成的該服務範圍達到最高的該涵蓋率。
10. 如請求項1所述的營運站點的部署規劃方法，其中更包括： i)從各該服務範圍群組所包括的該複數潛在站點中決定該營運站點，其中各該服務範圍群組的該營運站點的數量不小於該應部署站數的數量。
11. 如請求項10所述的營運站點的部署規劃方法，其中該步驟i)是對各該服務範圍群組中的該複數潛在站點進行迭代計算，使得所決定的該一或多個營運站點的該服務範圍涵蓋最多的該目標對象數。
12. 如請求項10所述的營運站點的部署規劃方法，其中更包括： j)於該步驟i)後，判斷一補償條件是否滿足； k)於該補償條件滿足時，於該目標區域中添加至少一個補充站點，其中該補充站點與該步驟i)中決定的該複數營運站點不重覆。
13. 如請求項12所述的營運站點的部署規劃方法，其中該目標區域為一目標地域，該目標對象為該目標地域內的人口，該步驟j)是於該目標地域中的任一行政區內不具有該營運站點時，判斷該補償條件滿足，該步驟k)是令該目標地域中的每一個行政區內至少具有一個營運站點或該補充站點。

Images