CN105389975A - 专车调度方法和装置 - Google Patents
专车调度方法和装置 Download PDFInfo
- Publication number
- CN105389975A CN105389975A CN201510920707.9A CN201510920707A CN105389975A CN 105389975 A CN105389975 A CN 105389975A CN 201510920707 A CN201510920707 A CN 201510920707A CN 105389975 A CN105389975 A CN 105389975A
- Authority
- CN
- China
- Prior art keywords
- order
- period
- jth
- region
- bus
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种专车调度方法和装置。该方法包括:根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,根据预测乘车订单数量和空载专车的位置对当天的第j+1个时段的空载专车进行调度,在进行专车调度的时候能根据第j+1个时段的预测乘车订单数量提前开始调度,减少了乘客等待时间,提高了用户体验。
Description
技术领域
本发明涉及车联网技术,尤其涉及一种专车调度方法和装置。
背景技术
随着城市人口的增长,乘车需求一直增长。为了满足乘客的乘车需求,在客运车辆的运营中,如何对车辆进行调度十分重要。
现有技术中的车辆调度,例如,专车的调度中,乘客通过手机应用来预约车辆,预约并付费成功将产生订单,专车调度中心依据订单中乘客预约车辆的时间、出发地与目的地等信息为乘客分配车辆。
但是,上述方法中,由于产生订单后才开始调度,可能导致专车空载里程较长,造成乘客等待较长时间,用户体验差。
发明内容
本发明提供一种专车调度方法和装置,以提高用户体验。
本发明提供的专车调度方法,包括:
根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,其中,1≤j≤T且为整数,R为大于等于2的整数,T为大于等于2的整数,M为大于等于2的整数;
根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度。
进一步地,所述根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,包括:
根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,其中,1≤i≤R且为整数;
根据所述第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量;
根据所述当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。
进一步地,所述根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,包括:
根据公式确定第i个区域的第j个时段的回归系数向量,其中,X表示M天内R个区域的第j个时段乘车订单数量矩阵,Y表示M天内第i个区域的第j+1个时段的乘车订单数量向量,x表示当天的R个区域的第j个时段的乘车订单数量向量,xq表示第q天的R个区域的第j个时段的乘车订单数量向量,1≤q≤M且为整数,k为预设的参数。
进一步地,所述根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度之前,包括:
根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率。
进一步地,所述根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度,包括:
根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与所述预测乘车订单数量确定预测乘车订单位置;
根据预测乘车订单位置和空载专车的位置采用KM算法对所述空载专车进行调度。
本发明还提供一种专车调度装置,包括:
第一确定模块,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,其中,1≤j≤T且为整数,R为大于等于2的整数,T为大于等于2的整数,M为大于等于2的整数;
调度模块,用于根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度。
进一步地,所述第一确定模块包括:
第一确定子模块,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,其中,1≤i≤R且为整数;
第二确定子模块,用于根据所述第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量;
第三确定子模块,用于根据所述当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。
进一步地,所述第一确定子模块具体用于:
根据公式确定第i个区域的第j个时段的回归系数向量,其中,X表示M天内R个区域的第j个时段乘车订单数量矩阵,Y表示M天内第i个区域的第j+1个时段的乘车订单数量向量,x表示当天的R个区域的第j个时段的乘车订单数量向量,xq表示第q天的R个区域的第j个时段的乘车订单数量向量,1≤q≤M且为整数,k为预设的参数。
进一步地,所述装置还包括:
第二确定模块,用于根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率。
进一步地,所述调度模块具体包括:
第四确定子模块,用于根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与所述预测乘车订单数量确定预测乘车订单位置;
调度子模块,用于根据预测乘车订单位置和空载专车的位置采用KM算法对所述空载专车进行调度。
本发明提供的专车调度方法和装置,通过根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,根据预测乘车订单数量和空载专车的位置对当天的第j+1个时段的空载专车进行调度,通过采用M天内第j个时段、第j+1个时段的历史乘车订单信息和当天的第j个时段的乘车订单信息对当天的第j+1个时段的乘车订单数量进行预测,能根据历史乘车订单数量确定当天的第j+1个时段的预测乘车数量,从而,在进行专车调度的时候能根据第j+1个时段的预测乘车订单数量提前开始调度,减少了乘客等待时间,提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,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为本发明提供的专车调度方法实施例一的流程示意图;
图2为本发明提供的专车调度方法实施例二的流程示意图;
图3为本发明提供的专车调度方法实施例三的流程示意图;
图4为本发明提供的专车调度装置实施例一的结构示意图;
图5为本发明提供的专车调度装置实施例二的结构示意图;
图6为本发明提供的专车调度装置实施例三的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)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,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明提供的专车调度方法实施例一的流程示意图。如图1所示,本实施例提供的专车调度方法包括:
S101:根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量。
其中,1≤j≤T且为整数,R为大于等于2的整数,T为大于等于2的整数,M为大于等于2的整数。
具体地,本实施例提供的专车调度方法中,收集某个城市中的历史乘车订单数据,例如,乘车的时间和乘车的地点等,采用基于密度的空间聚类算法,将该城市划分为R个区域,将每天划分为T个时段。
在划分了区域和时段后,再根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量。
需要说明的是,当天指的是需要采用本实施例提供的专车调度方法进行专车调度那天。M天指的是当天之前的任意M天。第j+1个时段为第j个时段的下一时段。举例来说,以一小时作为一个时段,以第8个时段表示8点到9点之间的时间,以第9个时段表示9点到10点之间的时间,现在假设需要预测当天的R个区域的第9个时段的乘车订单数量,那么,需要根据M天内这R个区域的第8个时段的乘车订单数量、M天内R个区域的第9个时段的乘车订单数量和当天的第8个时段的乘车订单数量来确定当天的第9个时段的乘车订单数量。在确定当天的R个区域的第j+1个时段的预测乘车订单数量时,可以先确定出每一个区域的第j+1个时段的预测乘车订单数量,再将每一个区域的预测乘车订单数量相加即可得到当天的R个区域的第j+1个时段的预测乘车订单数量。
可选的,本实施例可以由专车调度中心来执行。
S102:根据预测乘车订单数量和空载专车的位置对当天的第j+1个时段的空载专车进行调度。
具体地,预测乘车订单数量表示R个区域第j+1个时段的可能出现的乘车订单数量。在进行调度时,可以根据预测乘车订单数量、位置和空载专车的位置进行调度。
在一种可能的实现方式中,先确定出每一个区域的第j+1个时段的预测乘车订单数量,在每一个区域中根据历史乘车数据选出一个热门的位置,在这个区域中出现的订单都认为是在这个热门位置。这样,就能确定出预测的乘车订单中每一个预测乘车订单的位置。当然,还有其他方式确定预测乘车订单的位置,本发明对此不做限制。
本实施例提供的专车调度方法,通过根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,根据预测乘车订单数量和空载专车的位置对当天的第j+1个时段的空载专车进行调度,通过采用M天内第j个时段、第j+1个时段的历史乘车订单信息和当天的第j个时段的乘车订单信息对当天的第j+1个时段的乘车订单数量进行预测,能根据历史乘车订单数量确定当天的第j+1个时段的预测乘车数量,从而,在进行车辆调度的时候能根据第j+1个时段的预测乘车订单数量提前开始调度,减少了乘客等待时间,提高了用户体验。
图2为本发明提供的专车调度方法实施例二的流程示意图。在上述实施例一的基础上,S101具体包括:
S201:根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量。
其中,1≤i≤R且为整数。
具体地,根据公式确定第i个区域的第j个时段的回归系数向量。其中,X表示M天内R个区域的第j个时段乘车订单数量矩阵,Y表示M天内第i个区域的第j+1个时段的乘车订单数量向量,x表示当天的R个区域的第j个时段的乘车订单数量向量,xq表示第q天的R个区域的第j个时段的乘车订单数量向量,1≤q≤M且为整数,k为预设的参数。X为M×R维的矩阵,Y为M×1的列向量,W为M×M维的矩阵,为R×1的列向量。
需要说明的是,在最小二乘法的基础上运用局部加权线性回归方法,在回归模型中,给待预测点附近的每个点赋予一定的权重,选择权重超过一定阈值的样本点子集,在这个子集上基于最小均方差进行普通的回归。其中,W是权重矩阵,用于给每个数据点赋予权重。局部加权线性回归使用核函数对附近的点赋予更高的权重,本实施例中采用高斯核。k表示对附近的点赋予多大的权重。
S202:根据第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量。
具体地,根据公式:确定当天的第i个区域的第j+1个时段的预测乘车订单数量,x表示当天的R个区域的第j个时段的乘车订单数量向量,y表示当前的第i个区域的第j+1的时段的预测乘车订单数量。即第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量相乘,可以得到当天的第i个区域的第j+1个时段的预测乘车订单数量。
S203:根据当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。
具体地,将所有区域的第j+1个时段的预测乘车订单数量相加即可得到当天的R个区域的第j+1个时段的预测乘车订单数量。
本实施例提供的专车调度方法,通过根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,其中,1≤i≤R且为整数,根据第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量,根据当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量,根据第i个区域的第j个时段的回归系数向量确定当天的R个区域的第j+1时段的预测乘车订单数量时,回归系数向量的确定过程精确,提高了预测乘车订单数量的精确性,从而,提供了专车调度的精度,提高了用户体验。
图3为本发明提供的专车调度方法实施例三的流程示意图。如图3所示,本实施例提供的专车调度方法在实施例一和实施例二的基础上,在S102之前包括:
S301:根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率。
具体地,确定每个区域中有几个路段,乘车订单位置由于统计误差,并不能全都匹配到路段上,认为乘车订单位置距离路段垂直距离最近的路段为该乘车订单所在的路段。用M天内每个区域的第j个时段中每个路段出现乘车订单数量除以第j个时段中该区域的总的乘车订单数量即可得到该区域中每一个路段匹配的乘车订单数量的概率。
本实施例在实施例一和实施例二的基础上,S102具体包括:
S302:根据R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率与预测乘车订单数量确定预测乘车订单位置。
具体地,有以下两种实现方式:
第一种实现方式:将预测乘车订单数量乘以每一个路段匹配的乘车订单数量的概率可以得到每一个路段匹配的预测乘车订单数量。进而,以该路段的位置作为预测乘车订单位置。
需要说明的是,在该实现方式中,每一个路段匹配的预测乘车订单数量可能并不是整数,采用四舍五入对其进行处理,保证该区域中所有路段匹配的乘车订单数量总和等于该区域的预测乘车订单数量即可。
第二种实现方式:根据每一个路段匹配的乘车订单数量的概率得到匹配乘车订单数量概率最大的路段,认为所有的预设乘车订单数量都位于该路段上,以该路段的位置作为预测乘车订单位置。
S303:根据预测乘车订单位置和空载专车的位置采用KM算法对空载专车进行调度。
具体地,对空载专车进行调度的过程可以抽象为二分图匹配的问题。将预测乘车订单位置作为二分图的一类顶点O,将空载专车作为二分图的另一类顶点C。将顶点之间的距离看做边的权重。那么,对空载专车进行调度就变成求二分图的最小权重匹配问题。表1表示空载专车顶点属性,表2表示预测乘车订单位置顶点属性。
表1
车辆ID | 车辆当前GPS坐标 | 车辆状态 |
表2
订单ID | 预测订单位置 |
车辆状态表示是否空载,例如,用“1”表示车辆当前载客,用“0”表示车辆当前空载。车辆当前GPS坐标可以通过车辆实时或者以一定频率反馈给车辆调度中心。
本实施例中采用Kuhn-Munkras(简称:KM)算法求解最小权重匹配。该算法大致流程为:
1)初始化可行顶标的值。
2)寻找完备匹配。
3)若未找到完备匹配则修改可行顶标的值。
重复2)和3)直到找到相等子图的完备匹配为止。
找到相等子图的完备匹配之后即完成车辆的调度。
匹配结束后,空载车辆前往匹配到的订单所在地,在空载车辆运行的过程中,实际订单就会产生。实际订单就包含乘客乘车位置等详细信息。此时,根据车辆当前GPS坐标查找到距离车辆最近的订单便可。调度过程持续,直到当前时段结束,确定下个时间段的预测乘车订单数量。这样的调度过程持续,直至车辆的运营时间结束。
本实施例中,乘客需求模型即预测乘车订单数量和位置具有较高的准确率,区域内预测准确率最高可达到74%,平均预测准确率可达到61%。
本实施例提供的车辆调度方法,通过根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与预测乘车订单数量确定预测乘车订单位置,根据预测乘车订单位置和空载车辆的位置采用KM算法对所述空载车辆进行调度,从而,提高了预测乘车订单位置的精确性,从而,进一步提高了车辆调度的精度,提高了用户体验。
图4为本发明提供的专车调度装置实施例一的结构示意图。如图4所示,本实施例提供的专车调度装置包括:
第一确定模块401,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量。
其中,1≤j≤T且为整数,R为大于等于2的整数,T为大于等于2的整数,M为大于等于2的整数。
调度模块402,用于根据预测乘车订单数量和空载专车的位置对当天的第j+1个时段的空载专车进行调度。
本实施例提供的专车调度装置可以用于执行图1所示方法实施例的技术方案,其实现原理类似,此处不再赘述。
本实施例提供的专车调度装置,通过设置第一确定模块,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,调度模块,用于根据预测乘车订单数量和空载专车的位置对当天的第j+1个时段的空载专车进行调度,通过采用M天内第j个时段、第j+1个时段的历史乘车订单信息和当天的第j个时段的乘车订单信息对当天的第j+1个时段的乘车订单数量进行预测,能根据历史乘车订单数量确定当天的第j+1个时段的预测乘车数量,从而,在进行车辆调度的时候能根据第j+1个时段的预测乘车订单数量提前开始调度,减少了乘客等待时间,提高了用户体验。
图5为本发明提供的专车调度装置实施例二的结构示意图。如图5所示,本实施例提供的专车调度装置在实施例一的基础上,第一确定模块401具体包括:
第一确定子模块4011,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量。
其中,1≤i≤R且为整数。
具体地,根据公式确定第i个区域的第j个时段的回归系数向量。其中,X表示M天内R个区域的第j个时段乘车订单数量矩阵,Y表示M天内第i个区域的第j+1个时段的乘车订单数量向量,x表示当天的R个区域的第j个时段的乘车订单数量向量,xq表示第q天的R个区域的第j个时段的乘车订单数量向量,1≤q≤M且为整数,k为预设的参数。X为M×R维的矩阵,Y为M×1的列向量,W为M×M维的矩阵,为R×1的列向量。
第二确定子模块4012,用于根据第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量。
具体地,根据公式:确定当天的第i个区域的第j+1个时段的预测乘车订单数量,x表示当天的R个区域的第j个时段的乘车订单数量向量,y表示当前的第i个区域的第j+1的时段的预测乘车订单数量。即第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量相乘,可以得到当天的第i个区域的第j+1个时段的预测乘车订单数量。
第三确定子模块4013,用于根据当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。
本实施例提供的专车调度装置可以用于执行图2所示方法实施例的技术方案,其实现原理类似,此处不再赘述。
本实施例提供的专车调度装置,通过设置第一确定子模块,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,其中,1≤i≤R且为整数,第二确定子模块,用于根据第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量,第三确定子模块,用于根据当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量,根据第i个区域的第j个时段的回归系数向量确定当天的R个区域的第j+1时段的预测乘车订单数量时,回归系数向量的确定过程精确,提高了预测乘车订单数量的精确性,从而,提供了专车调度的精度,提高了用户体验。
图6为本发明提供的专车调度装置实施例三的结构示意图。如图6所示,本实施例提供的专车调度装置在实施例一和实施例二的基础上,还包括:
第二确定模块601,用于根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率。
调度模块402包括:
第四确定子模块4021,用于根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与预测乘车订单数量确定预测乘车订单位置。
调度子模块4022,用于根据预测乘车订单位置和空载专车的位置采用KM算法对空载专车进行调度。
本实施例提供的专车调度装置可以用于执行图3所示方法实施例的技术方案,其实现原理类似,此处不再赘述。
本实施例提供的车辆调度装置,通过设置第二确定模块,用于根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率,第四确定子模块,用于根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与预测乘车订单数量确定预测乘车订单位置,调度子模块,用于根据预测乘车订单位置和空载车辆的位置采用KM算法对所述空载车辆进行调度,从而,提高了预测乘车订单位置的精确性,从而,进一步提高了车辆调度的精度,提高了用户体验。
上述任一实施例提供的专车调度装置可以和车载终端、用户终端及司机终端之间通信。用户终端可以为手机,用户可以通过手机提交订单以预约专车。车载终端可以为车辆GPS设备,可以实时或者以预设的频率上传车辆GPS坐标至专车调度装置中。司机终端也可以为手机,用于接收专车调度装置发送的用户订单。上述任一实施例提供的专车调度装置还包括数据库,数据库主要用于存储历史乘车订单数据及车辆位置数据,数据库可以为传统关系型数据库,例如Mysq,或分布式NoSQL数据库,例如HBase。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种专车调度方法,其特征在于,包括:
根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,其中,1≤j≤T且为整数,R为大于等于2的整数,T为大于等于2的整数,M为大于等于2的整数;
根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度。
2.根据权利要求1所述的方法,其特征在于,所述根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,包括:
根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,其中,1≤i≤R且为整数;
根据所述第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量;
根据所述当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。
3.根据权利要求2所述的方法,其特征在于,所述根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,包括:
根据公式确定第i个区域的第j个时段的回归系数向量,其中,X表示M天内R个区域的第j个时段乘车订单数量矩阵,Y表示M天内第i个区域的第j+1个时段的乘车订单数量向量,x表示当天的R个区域的第j个时段的乘车订单数量向量,xq表示第q天的R个区域的第j个时段的乘车订单数量向量,1≤q≤M且为整数,k为预设的参数。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度之前,包括:
根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率。
5.根据权利要求4所述的方法,其特征在于,所述根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度,包括:
根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与所述预测乘车订单数量确定预测乘车订单位置;
根据预测乘车订单位置和空载专车的位置采用KM算法对所述空载专车进行调度。
6.一种专车调度装置,其特征在于,包括:
第一确定模块,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定当天的R个区域的第j+1个时段的预测乘车订单数量,其中,1≤j≤T且为整数,R为大于等于2的整数,T为大于等于2的整数,M为大于等于2的整数;
调度模块,用于根据所述预测乘车订单数量和空载专车的位置对当天的第j+1个时段的所述空载专车进行调度。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块包括:
第一确定子模块,用于根据M天内R个区域的第j个时段的乘车订单数量、M天内第i个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量,确定第i个区域的第j个时段的回归系数向量,其中,1≤i≤R且为整数;
第二确定子模块,用于根据所述第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量确定当天的第i个区域的第j+1个时段的预测乘车订单数量;
第三确定子模块,用于根据所述当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。
8.根据权利要求7所述的装置,其特征在于,所述第一确定子模块具体用于:
根据公式确定第i个区域的第j个时段的回归系数向量,其中,X表示M天内R个区域的第j个时段乘车订单数量矩阵,Y表示M天内第i个区域的第j+1个时段的乘车订单数量向量,x表示当天的R个区域的第j个时段的乘车订单数量向量,xq表示第q天的R个区域的第j个时段的乘车订单数量向量,1≤q≤M且为整数,k为预设的参数。
9.根据权利要求6-8任一项所述的装置,其特征在于,所述装置还包括:
第二确定模块,用于根据M天内R个区域的第j个时段的乘车订单数量和乘车订单位置确定R个区域的第j+1个时段中每一个路段匹配的乘车订单数量的概率。
10.根据权利要求9所述的装置,其特征在于,所述调度模块具体包括:
第四确定子模块,用于根据R个区域的第j+1个时段的每一个路段匹配的乘车订单数量的概率与所述预测乘车订单数量确定预测乘车订单位置;
调度子模块,用于根据预测乘车订单位置和空载专车的位置采用KM算法对所述空载专车进行调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920707.9A CN105389975B (zh) | 2015-12-11 | 2015-12-11 | 专车调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920707.9A CN105389975B (zh) | 2015-12-11 | 2015-12-11 | 专车调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389975A true CN105389975A (zh) | 2016-03-09 |
CN105389975B CN105389975B (zh) | 2017-11-14 |
Family
ID=55422215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510920707.9A Active CN105389975B (zh) | 2015-12-11 | 2015-12-11 | 专车调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389975B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930913A (zh) * | 2016-06-30 | 2016-09-07 | 上海强生科技有限公司 | 一种约租车车载智能终端*** |
CN106934490A (zh) * | 2017-02-22 | 2017-07-07 | 广州视源电子科技股份有限公司 | 一种agv呼叫预测方法及装置 |
CN107545319A (zh) * | 2016-06-28 | 2018-01-05 | 滴滴(中国)科技有限公司 | 一种运力调配方法及装置 |
CN107633680A (zh) * | 2016-07-12 | 2018-01-26 | 阿里巴巴集团控股有限公司 | 出行数据的获取方法、装置、设备和*** |
CN108108883A (zh) * | 2017-12-13 | 2018-06-01 | 西安交通大学 | 一种基于聚类算法的车辆调度网络弹性简化方法 |
WO2018214361A1 (en) * | 2017-05-25 | 2018-11-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for improvement of index prediction and model building |
CN109146113A (zh) * | 2017-06-16 | 2019-01-04 | 宏碁股份有限公司 | 乘车需求量预测方法及*** |
CN109523189A (zh) * | 2018-11-29 | 2019-03-26 | 北京首汽智行科技有限公司 | 一种车辆调度方法及*** |
CN109583770A (zh) * | 2018-11-28 | 2019-04-05 | 清华四川能源互联网研究院 | 车辆调度方法及装置 |
CN109948874A (zh) * | 2017-12-21 | 2019-06-28 | 北京嘀嘀无限科技发展有限公司 | 拼车订单分配方法及*** |
CN110580576A (zh) * | 2019-08-27 | 2019-12-17 | 南京领行科技股份有限公司 | 一种订单派发方法及装置 |
CN110907015A (zh) * | 2019-08-30 | 2020-03-24 | 南京邮电大学 | 室内环境下的基于rfid的液位监测方法 |
CN107103383B (zh) * | 2017-03-28 | 2020-07-14 | 大连理工大学 | 一种基于打车热点的动态拼车调度方法 |
CN113269340A (zh) * | 2021-05-12 | 2021-08-17 | 广州宸祺出行科技有限公司 | 一种网约车区域热度值的计算及展示的方法及*** |
CN113435968A (zh) * | 2021-06-23 | 2021-09-24 | 南京领行科技股份有限公司 | 网约车派单方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
CN104599088A (zh) * | 2015-02-13 | 2015-05-06 | 北京嘀嘀无限科技发展有限公司 | 基于订单的调度方法和调度*** |
CN104794883A (zh) * | 2014-01-22 | 2015-07-22 | 华为技术有限公司 | 出租车叫车方法及设备 |
WO2015161828A1 (en) * | 2014-04-24 | 2015-10-29 | Beijing Didi Infinity Science And Technology Limited | System and method for managing supply of service |
-
2015
- 2015-12-11 CN CN201510920707.9A patent/CN105389975B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794883A (zh) * | 2014-01-22 | 2015-07-22 | 华为技术有限公司 | 出租车叫车方法及设备 |
WO2015161828A1 (en) * | 2014-04-24 | 2015-10-29 | Beijing Didi Infinity Science And Technology Limited | System and method for managing supply of service |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
CN104599088A (zh) * | 2015-02-13 | 2015-05-06 | 北京嘀嘀无限科技发展有限公司 | 基于订单的调度方法和调度*** |
Non-Patent Citations (1)
Title |
---|
贾婷: "基于乘客需求及分布的出租车调度方法技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545319A (zh) * | 2016-06-28 | 2018-01-05 | 滴滴(中国)科技有限公司 | 一种运力调配方法及装置 |
CN105930913A (zh) * | 2016-06-30 | 2016-09-07 | 上海强生科技有限公司 | 一种约租车车载智能终端*** |
CN107633680A (zh) * | 2016-07-12 | 2018-01-26 | 阿里巴巴集团控股有限公司 | 出行数据的获取方法、装置、设备和*** |
CN106934490A (zh) * | 2017-02-22 | 2017-07-07 | 广州视源电子科技股份有限公司 | 一种agv呼叫预测方法及装置 |
CN107103383B (zh) * | 2017-03-28 | 2020-07-14 | 大连理工大学 | 一种基于打车热点的动态拼车调度方法 |
WO2018214361A1 (en) * | 2017-05-25 | 2018-11-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for improvement of index prediction and model building |
CN108960431A (zh) * | 2017-05-25 | 2018-12-07 | 北京嘀嘀无限科技发展有限公司 | 指标的预测、模型的训练方法及装置 |
CN109146113A (zh) * | 2017-06-16 | 2019-01-04 | 宏碁股份有限公司 | 乘车需求量预测方法及*** |
CN109146113B (zh) * | 2017-06-16 | 2022-12-06 | 宏碁股份有限公司 | 乘车需求量预测方法及*** |
CN108108883A (zh) * | 2017-12-13 | 2018-06-01 | 西安交通大学 | 一种基于聚类算法的车辆调度网络弹性简化方法 |
CN108108883B (zh) * | 2017-12-13 | 2020-07-28 | 西安交通大学 | 一种基于聚类算法的车辆调度网络弹性简化方法 |
CN109948874A (zh) * | 2017-12-21 | 2019-06-28 | 北京嘀嘀无限科技发展有限公司 | 拼车订单分配方法及*** |
CN109583770A (zh) * | 2018-11-28 | 2019-04-05 | 清华四川能源互联网研究院 | 车辆调度方法及装置 |
CN109523189B (zh) * | 2018-11-29 | 2022-08-30 | 北京首汽智行科技有限公司 | 一种车辆调度方法及*** |
CN109523189A (zh) * | 2018-11-29 | 2019-03-26 | 北京首汽智行科技有限公司 | 一种车辆调度方法及*** |
CN110580576A (zh) * | 2019-08-27 | 2019-12-17 | 南京领行科技股份有限公司 | 一种订单派发方法及装置 |
CN110907015A (zh) * | 2019-08-30 | 2020-03-24 | 南京邮电大学 | 室内环境下的基于rfid的液位监测方法 |
CN110907015B (zh) * | 2019-08-30 | 2021-03-23 | 南京邮电大学 | 室内环境下的基于rfid的液位监测方法 |
CN113269340A (zh) * | 2021-05-12 | 2021-08-17 | 广州宸祺出行科技有限公司 | 一种网约车区域热度值的计算及展示的方法及*** |
CN113435968A (zh) * | 2021-06-23 | 2021-09-24 | 南京领行科技股份有限公司 | 网约车派单方法、装置、电子设备及存储介质 |
CN113435968B (zh) * | 2021-06-23 | 2024-02-02 | 南京领行科技股份有限公司 | 网约车派单方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105389975B (zh) | 2017-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389975A (zh) | 专车调度方法和装置 | |
US20210232984A1 (en) | Order allocation system and method | |
US10037503B2 (en) | System and method for managing supply of service | |
US20200151640A1 (en) | Systems and methods for service request allocation | |
US20200050938A1 (en) | Systems and methods for improvement of index prediction and model building | |
KR20190020852A (ko) | 운송 능력 스케줄링을 위한 방법들 및 시스템들 | |
CN109558986A (zh) | 一种同城站点配送顺序的排序方法及装置 | |
Wang et al. | Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows | |
CN114594744B (zh) | 一种分布式工厂生产配送集成调度方法和*** | |
CN113763695A (zh) | 一种自动驾驶车辆的调度方法和*** | |
Yuan et al. | An enhanced genetic algorithm for unmanned aerial vehicle logistics scheduling | |
Basso et al. | An optimization approach and a heuristic procedure to schedule battery charging processes for stackers of palletized cargo | |
CN113807560A (zh) | 一种物流成本预测方法、装置、电子设备以及存储介质 | |
CN113344336A (zh) | 一种车辆调度方法、装置及存储介质 | |
CN116882883A (zh) | 一种利用大数据的电网物资配送路径规划方法 | |
Gao et al. | Research on AGV path planning of simultaneous pickup and delivery with time window | |
CN115081819A (zh) | 调度方法、装置、电子设备及存储介质 | |
CN109102123B (zh) | 拼车路线优化方法及装置、存储介质、计算设备 | |
CN117236646B (zh) | 车辆调度方法、装置、电子设备和计算机可读介质 | |
Lu et al. | Dynamic berth allocation problem for a novel hybrid berth system in container terminal | |
Bai et al. | Distributed Charging Coordination of Electric Trucks with Limited Charging Resources | |
CN117151444B (zh) | 汽车充电调度方法、***、设备及存储介质 | |
Kawtummachai et al. | A hybrid harmony search (hhs) algorithm for a green vehicle routing problem (gvrp) | |
US20240157837A1 (en) | Electric vehicle fleet and charging infrastructure management | |
CN111582962B (zh) | 一种服务状态识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |