CN113095636B - 一种燃油共享汽车的智能调度***及其方法 - Google Patents
一种燃油共享汽车的智能调度***及其方法 Download PDFInfo
- Publication number
- CN113095636B CN113095636B CN202110318712.8A CN202110318712A CN113095636B CN 113095636 B CN113095636 B CN 113095636B CN 202110318712 A CN202110318712 A CN 202110318712A CN 113095636 B CN113095636 B CN 113095636B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- scheduling
- website
- real
- 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 30
- 239000000446 fuel Substances 0.000 title claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 47
- 230000002776 aggregation Effects 0.000 claims abstract description 15
- 238000004220 aggregation Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 239000003921 oil Substances 0.000 description 16
- 239000010410 layer Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- PHIQHXFUZVPYII-UHFFFAOYSA-N carnitine Chemical compound C[N+](C)(C)CC(O)CC([O-])=O PHIQHXFUZVPYII-UHFFFAOYSA-N 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013047 polymeric layer Substances 0.000 description 1
- 238000003860 storage 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种燃油共享汽车的智能调度***,包括App模块、智能调度微服务模块、聚合层模块和订单预测模块,运维人员无需依赖过往的工作经验,也不需要等待管理人员发出调度指令,只需要根据其手持终端的App模块接收到的***推送的智能调度任务来执行即可,简单高效。同时,还公开一种智能调度方法,通过智能调度方法中的模型训练算法,可自动快速预测各个网点在未来三个小时内的取车和还车的订单量信息,进而便于执行相应类型的调度工作,可减小平均订单转化时长,进一步减轻企业对运维人员的管理和培训成本。
Description
技术领域
本发明涉及共享汽车技术领域,尤其涉及一种燃油共享汽车的智能调度***及其方法。
背景技术
目前,国内燃油型共享汽车在日常调度运营过程中,主要依靠当地熟悉网点分布的运维人员,并根据常年累计的工作经验来实施调度,判断网点用车需求的波峰波谷也是依赖人的经验,再加上需要综合判断燃油车的油量、网点超停数量(燃油车取还停放数量的限制相对电动车更加宽松,容易导致大量客户集中一个网点进行还车,尤其是学校附近的网点)、车辆闲置停放时长、是否需要跨区调度等诸多因素,随着城市运营车辆、网点不断新增,单纯依靠人工判断,带来的后果是时效性差,经验可复制性差,且导致大量无效调度,由此也会产生额外油耗和人力资源,极大的浪费了企业的运营成本,也在一定程度上浪费了社会公共资源。
发明内容
本发明的目的是提供一种燃油共享汽车的智能调度***及其方法,用以解决燃油共享汽车在人工发起调度指令过程中,存在的时效性差、调度经验不可快速复制,以及由人工调度带来的企业运营成本过高等问题。
为实现上述目的,采用以下技术方案:
一种燃油共享汽车的智能调度***,包括:
App模块:与智能调度微服务模块通信连接,用于运维人员登录以领取调度任务,并将该运维人员的领取调度任务的请求和当前实时位置信息发送至智能调度微服务模块;
智能调度微服务模块:用于在收到运维人员发送的领取调度任务的请求后,从数据库获取智能调度***的基础配置信息,并向聚合层模块发送获取运维人员周侧各个网点的实时运营信息和车辆的实时行驶信息的请求;
聚合层模块:与每个网点和每辆共享汽车通信连接,用于获取各个网点的实时运营信息和车辆的实时行驶信息,并将其返回至智能调度微服务模块;
订单预测模块:受智能调度微服务模块调用,通过其内部的模型训练算法预测各个网点在未来三个小时内的取车和还车的订单量信息,并将该信息返回至智能调度微服务模块,以便其综合之前获取的运维人员周侧网点的实时运营信息和车辆的实时行驶信息,规划出与运维人员当前位置相匹配的智能调度任务的具体内容信息,并将其返回至App模块。
进一步地,所述基础配置信息包括:调度工作类型、各城市不同车型预设的低油处理阈值、各城市人与网点及网点与网点之间的距离范围控制阈值、各城市预设的车辆闲置处理阈值、网点收费类型、网点车位数量信息,以及由多个网点组成的片区的整体车辆数量过高阈值和过低阈值。
进一步地,所述实时运营信息包括:各个网点的车辆进出数量信息、车辆在网点的停留时间信息和每个网点的实时库存信息。
进一步地,所述聚合层模块与共享汽车的OBD设备连接,其通过OBD设备获取车辆的实时行驶信息。
进一步地,所述车辆的实时行驶信息包括车辆的实时位置信息和车辆的实时剩余油量信息。
还提供一种燃油共享汽车的智能调度方法,包括以下步骤:
S1:运维人员通过App模块向智能调度微服务模块发送领取调度任务的请求;
S2:智能调度微服务模块从数据库获取智能调度***的基础配置信息,并从聚合层模块获取各个网点的实时运营信息和车辆的实时行驶信息;
S3:智能调度微服务模块调用订单预测模块基于其内部的模型训练算法预测各个网点在未来三个小时内的取车和还车的订单量信息,并将该信息返回至智能调度微服务模块;
S4:智能调度微服务模块综合S2和S3获取的各种信息,规划出与运维人员当前位置相匹配的智能调度任务的具体内容信息,并将其返回至App模块;
S5:运维人员依据获取的智能调度任务的具体内容信息,实施具体的调度工作。
进一步地,所述S3中的模型训练算法包括以下步骤:
S31:获取训练数据信息;
S32:基于S31获取的训练数据信息对其进行存储及处理;
S33:基于S32处理后的数据信息进行机器学习训练,获取初步训练模型,并通过网格搜索调整模型参数,从而基于训练好的模型预测各个网点在未来三个小时内的取车和还车的订单量信息。
进一步地,所述S31中的训练数据信息包括:
网点历史订单信息:包括共享汽车所在网点的历史任意时刻的取车和还车订单量;
网点信息:包括网点地理特征信息、网点实时库存信息,以及网点活跃用户数量信息;
环境信息:包括历史天气、气温及降水信息;
特殊事件信息:包括网点之前举办的营销活动信息。
进一步地,所述S32中对训练数据信息进行处理包括:空值处理、样本噪点剔除处理和特征工程处理。
采用上述方案,本发明的有益效果是:
1)该***包括App模块、智能调度微服务模块、聚合层模块和订单预测模块,运维人员无需依赖过往的工作经验,也不需要等待管理人员发出调度指令,只需要根据其手持终端的App模块接收到的***推送的智能调度任务来执行即可,简单高效;
2)相比管理人员发出的调度指令,通过使用该***,可减少人力资源的使用,以及降低无效调度,进而降低运营成本;
3)通过智能调度方法中的模型训练算法,可自动快速预测各个网点在未来三个小时内的取车和还车的订单量信息,进而便于执行相应类型的调度工作,可减小平均订单转化时长,进一步减轻企业对运维人员的管理和培训成本。
附图说明
图1为本发明的原理性框图;
图2为本发明的智能调度方法的流程性框图;
图3为本发明的模型训练算法的逻辑运算流程图;
其中,附图标识说明:
1—App模块; 2—智能调度微服务模块;
3—聚合层模块; 4—订单预测模块。
具体实施方式
以下结合附图和具体实施例,对本发明进行详细说明。
参照图1所示,本发明提供一种燃油共享汽车的智能调度***,包括:
App模块1:与智能调度微服务模块2通信连接,用于运维人员登录以领取调度任务,并将该运维人员的领取调度任务的请求和当前实时位置信息发送至智能调度微服务模块2;
智能调度微服务模块2:用于在收到运维人员发送的领取调度任务的请求后,从数据库获取智能调度***的基础配置信息,并向聚合层模块3发送获取运维人员周侧各个网点的实时运营信息和车辆的实时行驶信息的请求;
聚合层模块3:与每个网点和每辆共享汽车通信连接,用于获取各个网点的实时运营信息和车辆的实时行驶信息,并将其返回至智能调度微服务模块2;
订单预测模块4:受智能调度微服务模块2调用,通过其内部的模型训练算法预测各个网点在未来三个小时内的取车和还车的订单量信息,并将该信息返回至智能调度微服务模块2,以便其综合之前获取的运维人员周侧网点的实时运营信息和车辆的实时行驶信息,规划出与运维人员当前位置相匹配的智能调度任务的具体内容信息,并将其返回至App模块1。
其中,所述基础配置信息包括:调度工作类型、各城市不同车型预设的低油处理阈值、各城市人与网点及网点与网点之间的距离范围控制阈值、各城市预设的车辆闲置处理阈值、网点收费类型、网点车位数量信息,以及由多个网点组成的片区的整体车辆数量过高阈值和过低阈值;所述实时运营信息包括:各个网点的车辆进出数量信息、车辆在网点的停留时间信息和每个网点的实时库存信息;所述聚合层模块3与共享汽车的OBD设备连接,其通过OBD设备获取车辆的实时行驶信息;所述车辆的实时行驶信息包括车辆的实时位置信息和车辆的实时剩余油量信息。
参照图2至3所示,还提供一种燃油共享汽车的智能调度方法,包括以下步骤:
S1:运维人员通过App模块1向智能调度微服务模块2发送领取调度任务的请求;
S2:智能调度微服务模块2从数据库获取智能调度***的基础配置信息,并从聚合层模块3获取各个网点的实时运营信息和车辆的实时行驶信息;
S3:智能调度微服务模块2调用订单预测模块4基于其内部的模型训练算法预测各个网点在未来三个小时内的取车和还车的订单量信息,并将该信息返回至智能调度微服务模块2;
S4:智能调度微服务模块2综合S2和S3获取的各种信息,规划出与运维人员当前位置相匹配的智能调度任务的具体内容信息,并将其返回至App模块1;
S5:运维人员依据获取的智能调度任务的具体内容信息,实施具体的调度工作。
进一步地,所述S3中的模型训练算法包括以下步骤:
S31:获取训练数据信息;
S32:基于S31获取的训练数据信息对其进行存储及处理;
S33:基于S32处理后的数据信息进行机器学习训练,获取初步训练模型,并通过网格搜索调整模型参数,从而基于训练好的模型预测各个网点在未来三个小时内的取车和还车的订单量信息。
其中,所述S31中的训练数据信息包括:
网点历史订单信息:包括共享汽车所在网点的历史任意时刻的取车和还车订单量;
网点信息:包括网点地理特征信息、网点实时库存信息,以及网点活跃用户数量信息;
环境信息:包括历史天气、气温及降水信息;
特殊事件信息:包括网点之前举办的营销活动信息。
所述S32中对训练数据信息进行处理包括:空值处理、样本噪点剔除处理和特征工程处理。
本发明工作原理:
继续参照图1至3所示,本实施例中,该智能调度***包括App模块1、智能调度微服务模块2、聚合层模块3和订单预测模块4,其中App模块1安装于运维人员身上的手持终端(智能手机等)设备上,运维人员可通过App模块1登录***,在App模块1中的工作台界面认领调度任务;同时,还提供一种智能调度方法,参照图1至3所示,该方法大致流程如下:
1)运维人员通过App模块1向智能调度微服务模块2发送认领调度任务请求,App模块1就会把该运维人员当前所处的实时位置信息和领取调度任务的请求指令,发送到后台服务器端的智能调度微服务模块2;
2)智能调度微服务模块2收到领取调度任务的请求后,会从数据库获取智能调度***的基础配置信息,该基础配置信息包括:调度工作类型、各城市不同车型预设的低油处理阈值、各城市人与网点及网点与网点之间距离范围控制阈值、各城市预设的车辆闲置处理阈值、网点收费类型(收费或免费)、网点车位数量信息,以及由多个网点组成的片区的整体车辆数量过高阈值和过低阈值(用于触发跨片区调度);
3)在智能调度微服务模块2获取***的基础配置信息的同时,会向聚合层模块3发送获取运维人员周侧各个网点的实时运营信息和车辆的实时行驶信息的请求;
4)聚合层模块3与各个网点和共享汽车上的OBD设备(车载自动诊断***)通信连接,在根据运维人员的位置信息获取其周侧各个网点的实时运营信息和车辆的实时行驶信息后将其返回至智能调度微服务模块2,其中,车辆实时行驶信息包括车辆的实时位置信息和车辆的实时剩余油量信息,网点的实时运营信息包括:各个网点的车辆进出数量信息、车辆在网点的停留时间信息和每个网点的实时库存信息;
5)智能调度微服务模块2获取到上述信息后,调用订单预测模块4;
6)订单预测模块4通过其内部的模型训练算法预测结果并返回,其结果包括:各个网点在未来3小时的取车和还车的订单数量信息;
7)智能调度微服务模块2综合上述获得的信息,即综合了周边网点取还供需情况以及附近网点车辆实时状态,规划出符合在步骤(1)中,发起请求的运维人员所在位置最佳的调度任务并将任务内容返回到App模块1;
8)运维人员从App模块1上获取到***推荐生成的智能调度任务后,实施具体的车辆调度工作。
该***中的订单预测模块4中的模型训练算法是该***的核心,其是通过对各网点历史车辆取还数据的清洗和特征化,经过机器学习模型的训练,实现对各网点未来特定时间范围的取还车辆需求的预测并生成调度需求,并综合燃油车油量,车辆闲置时长,各区网点库存分布,员工位置等修正需求,给出最佳的人和车的调度策略;具体地:
参照图3所示,预测网点取还订单的需求是以小时为维度,预测输出该网点未来3小时内用户取车的订单量和还车的订单量,其采用了一种回归类型的机器学习算法,具体使用的算法框架为XGBoost(其是分布式梯度提升库,提供了一套极端梯度提升的算法框架,用于训练预测模型),为了得到最佳预测结果,构造了一个目标损失函数,然后让该函数取极小值,从而得到机器学习算法的模型参数;训练数据信息的来源主要包括以下4个方面:
1)网点历史订单信息,参照表1,其包含了共享汽车所在网点历史任意时刻的取还车订单量;
2)网点信息,参照表2,其包含了网点地理特征信息、历史任意时刻网点库存信息以及网点活跃用户数量信息;
3)环境信息,参照表3,其包含了历史任意时刻天气、气温及降水情况信息;
4)特殊事件信息,参照表4,其包含了各个网点存在的历史重大事件及举办的营销活动信息;
列名 | 语言描述 | 数据类型 | 例子 |
park_no | 网点编号 | varchar(8) | 1010 |
city_id | 城市编号 | varchar(8) | 400300 |
trans_date | 交易日期 | date | 2020-01-01 |
trans_hour | 交易时刻 | tinyint(2) | 10 |
is_holiday | 是否节假日 | char(1) | Y,N |
week | 星期几 | tinyint(1) | 1 |
take_car_num | 取车订单量 | tinyint(10) | 5 |
back_car_num | 还车订单量 | tinyint(10) | 3 |
表1 网点每小时订单结构表
列名 | 语言描述 | 数据类型 | 例子 |
park_no | 网点编号 | varchar(8) | 1010 |
city_id | 城市编号 | varchar(8) | 400300 |
record_date | 记录日期 | date | 2020-01-01 |
record_hour | 记录时刻 | tinyint(2) | 10 |
point_car_nums | 网点时刻车辆库存 | tinyint(10) | 5 |
near_user_nums | 网点时刻活跃用户 | tinyint(10) | 1321 |
feature | 网点特征 | varchar(8) | 1:商超,2:火车站… |
表2 网点信息结构表
列名 | 语言描述 | 数据类型 | 例子 |
city_id | 城市编号 | varchar(8) | 400300 |
record_date | 记录日期 | date | 2020-01-01 |
record_hour | 记录时刻 | tinyint(2) | 10 |
temperature | 时刻气温 | tinyint(4) | 5 |
precipitation | 降水量(单位mm) | float(3,1) | 3.8mm |
weather_type | 天气类型 | tinyint(2) | 1:小雨,2:多云… |
表3 环境信息结构表
表4 特殊事件结构表
对训练数据信息的管理则采用关系型数据库(MySQL)和非关系型数据库(ElasticSearch)相结合,针对数据量级选取不同类型数据库存储,其中,对上述提及的训练数据做数据处理,包括:空值处理、样本噪点剔除和特征工程(部分特征值属性采用one-hot编码),随后,再利用处理好的数据进行机器学习训练,网格搜索调整模型参数,用训练好的模型得到最终预测出来的特定时刻不同网点未来取车、还车的订单量。
在对共享汽车进行具体调度时,会首先依据共享汽车日常实际发生的调度工作,将其划分为三种类型:
1)低油处理(剩余油量低于预设阈值);
2)闲置处理(车辆在一个网点停放时间过长,期间未产生过订单);
3)缺车处理(网点的车辆库存无法满足未来几小时的用车需求);
针对这三种类型的调度工作,下面分解其判断的依据,缺车处理是在获得网点预测订单结果后,综合网点内实时的库存,可直接判断网点是否需要以缺车为理由调入;而低油处理则是依靠共享汽车车载OBD设备实时上报车辆经纬度,以获得车辆的位置信息以及油缸的剩余油量信息;至于闲置处理,则是在划分网点时,预先设置了电子围栏,即通过绘制网点停车场周边多个坐标,形成一个虚拟的围栏,保存到solr搜索引擎中,用于判断车辆是否在网点内,以及车辆在同一个网点内停放的时间(可计算出车辆闲置时间),并可以计算出网点内停放的车辆数(网点库存),此外,还可按照城市的行政区域,把位置归属在相同区域的网点组合成一个片区,方便片区管理,统计整个片区的可用车辆数以及剩余车位数。
在同一时间,可能会生成多种不同调度任务,因此,需要预先制定智能调度任务的生成规则,本实施例中,以当前效率最高为原则,当运维人员通过App模块1认领任务时,***根据运维人员最新的位置先找到其附近是否存在需要处理低油或者闲置车辆的网点,且就近匹配到调出网点,***根据预先设置的优先级来匹配附近调出的网点,此优先级指的正是上述中,按照调度工作划分的三种任务类型,优先级可以按照不同片区和不同的时间段来配置不同的优先级顺序;运维人员在领取任务时,当***查询到周边没有需要调出的低油车辆或者闲置车辆,但有需要做缺车调入的网点时,***会根据评分规则来匹配推荐的调出网点,这里的评分规则包含两部分,即初阶评分和进阶评分。
其中,初阶评分的维度有:调出网点实时的车辆数(即实时库存)、调出网点未来几小时的取车单量和还车单量,只有当调出网点的库存在能够满足本网点最近几小时需求的情况下,才会被纳入推荐调出的网点范围,而进阶评分则需要根据各个维度的单项评分并使用加权算法,得分最高的网点为***最终推荐的调出网点,其进阶评分的维度有:调出与调入网点之间的距离(距离越近单项得分越高)、运维人员与调出网点之间的距离(距离越近单项得分越高)、调出网点的库存超出自身未来几小时需求的数量(超出数量越高单项得分越高)、网点闲置时间、网点的日均出单量、周转率(其中网点的闲置时间、日均出单量、周转率是衡量一个网点整体取车订单量的指标,这些指标越差单项得分越高),进阶评分的每一项维度都可以预先设置分数和权重比例,***在生成任务过程中,自动计算这些网点的得分。
此外,上述提到的调度工作,如低油处理、闲置处理等,都是以运维人员为中心且在片区内循环的调度工作,除此之外,还有一些需要全局调控的调度工作,如超停调度和跨区调度,该***会实时监控各个网点的可用车辆数以及整个片区的可用车辆数,针对单个网点超停数量过多,***会以超停网点为中心,搜索半径3公里范围内是否有上班状态的运维人员,再以超停网点为中心匹配半径10公里范围内是否有适合调入的网点,这里指的适合调入的网点包括剩余可用车位数大于2个,或者调入网点本身库存不足的,也可以是存在需要调入置换出闲置、低油的车辆的网点;针对片区整体的车辆数量超过预设阈值的情况,***会匹配车辆数量低于预设阈值的其他片区,生成对应的跨区调度任务,即从车辆数量超过阈值的片区内的网点调出,并跨区调入到车辆数量低于阈值片区内网点,从而达到平衡片区车辆数的目标。
通过该调度***和调度方法,运维人员无需依赖过往的工作经验,也不需要等待管理人员发出调度指令,只需要根据其手持终端的App模块1接收到的***推送的智能调度任务来执行即可,相比管理人员发出的调度指令,通过使用该***,订单量在原订单规模基础上预计可以提升10%以上,并可减少20%以上的无效调度,同时,基于该方法预测的订单取还车订单量,执行缺车类型的调入后,平均订单转化时长在3小时内(运维人员调度完成后,平均3小时内可转化为有效客户订单),同时也减轻了企业对运维人员的管理和培训成本。
以上仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种燃油共享汽车的智能调度***,其特征在于,包括:
App模块:与智能调度微服务模块通信连接,用于运维人员登录以领取调度任务,并将该运维人员的领取调度任务的请求和当前实时位置信息发送至智能调度微服务模块;
智能调度微服务模块:用于在收到运维人员发送的领取调度任务的请求后,从数据库获取智能调度***的基础配置信息,并向聚合层模块发送获取运维人员周侧各个网点的实时运营信息和车辆的实时行驶信息的请求;
聚合层模块:与每个网点和每辆共享汽车通信连接,用于获取各个网点的实时运营信息和车辆的实时行驶信息,并将其返回至智能调度微服务模块;
订单预测模块:受智能调度微服务模块调用,通过其内部的模型训练算法预测各个网点在未来三个小时内的取车和还车的订单量信息,并将该信息返回至智能调度微服务模块,以便其综合之前获取的运维人员周侧网点的实时运营信息和车辆的实时行驶信息,规划出与运维人员当前位置相匹配的智能调度任务的具体内容信息,并将其返回至App模块;所述基础配置信息包括:调度工作类型、各城市不同车型预设的低油处理阈值、各城市人与网点及网点与网点之间的距离范围控制阈值、各城市预设的车辆闲置处理阈值、网点收费类型、网点车位数量信息,以及由多个网点组成的片区的整体车辆数量过高阈值和过低阈值;所述模型训练算法使用的算法框架为XGBoost,并构造了一个目标损失函数;所述模型训练算法的训练数据信息的来源包括网点历史订单信息、网点信息、环境信息、特殊事件信息;所述模型训练算法对训练数据信息的管理采用关系型数据库和非关系型数据库相结合,针对数据量级选取不同类型数据库存储,其中,还对训练数据信息做数据处理;所述数据处理包括空值处理、样本噪点剔除和特征工程;所述智能调度任务包括低油处理、闲置处理、缺车处理、超停调度、跨区调度;所述超停调度是指***会实时监控各个网点的可用车辆数以及整个片区的可用车辆数,针对单个网点超停数量过多,***会以超停网点为中心,搜索半径3公里范围内是否有上班状态的运维人员,再以超停网点为中心匹配半径10公里范围内是否有适合调入的网点,其中,适合调入的网点包括剩余可用车位数大于2个,或者调入网点本身库存不足的,也可以是存在需要调入置换出闲置、低油的车辆的网点;所述跨区调度是指***针对片区整体的车辆数量超过预设阈值的情况,***会匹配车辆数量低于预设阈值的其他片区,然后,从车辆数量超过阈值的片区内的网点调出车辆,并跨区调入到车辆数量低于阈值片区内网点。
2.根据权利要求1所述的燃油共享汽车的智能调度***,其特征在于,所述实时运营信息包括:各个网点的车辆进出数量信息、车辆在网点的停留时间信息和每个网点的实时库存信息。
3.根据权利要求1所述的燃油共享汽车的智能调度***,其特征在于,所述聚合层模块与共享汽车的OBD设备连接,其通过OBD设备获取车辆的实时行驶信息。
4.根据权利要求3所述的燃油共享汽车的智能调度***,其特征在于,所述车辆的实时行驶信息包括车辆的实时位置信息和车辆的实时剩余油量信息。
5.一种燃油共享汽车的智能调度方法,其特征在于,包括以下步骤:
S1:运维人员通过App模块向智能调度微服务模块发送领取调度任务的请求;
S2:智能调度微服务模块从数据库获取智能调度***的基础配置信息,并从聚合层模块获取各个网点的实时运营信息和车辆的实时行驶信息;
S3:智能调度微服务模块调用订单预测模块基于其内部的模型训练算法预测各个网点在未来三个小时内的取车和还车的订单量信息,并将该信息返回至智能调度微服务模块;
S4:智能调度微服务模块综合S2和S3获取的各种信息,规划出与运维人员当前位置相匹配的智能调度任务的具体内容信息,并将其返回至App模块;
S5:运维人员依据获取的智能调度任务的具体内容信息,实施具体的调度工作;所述S3中的模型训练算法包括以下步骤:
S31:获取训练数据信息;
S32:基于S31获取的训练数据信息对其进行存储及处理;
S33:基于S32处理后的数据信息进行机器学习训练,获取初步训练模型,并通过网格搜索调整模型参数,从而基于训练好的模型预测各个网点在未来三个小时内的取车和还车的订单量信息;所述S31中的训练数据信息包括:
网点历史订单信息:包括共享汽车所在网点的历史任意时刻的取车和还车订单量;网点信息:包括网点地理特征信息、网点实时库存信息,以及网点活跃用户数量信息;
环境信息:包括历史天气、气温及降水信息;
特殊事件信息:包括网点之前举办的营销活动信息;所述S32中对训练数据信息进行处理包括:空值处理、样本噪点剔除处理和特征工程处理;所述智能调度任务包括低油处理、闲置处理、缺车处理、超停调度、跨区调度;所述超停调度是指***会实时监控各个网点的可用车辆数以及整个片区的可用车辆数,针对单个网点超停数量过多,***会以超停网点为中心,搜索半径3公里范围内是否有上班状态的运维人员,再以超停网点为中心匹配半径10公里范围内是否有适合调入的网点,其中,适合调入的网点包括剩余可用车位数大于2个,或者调入网点本身库存不足的,也可以是存在需要调入置换出闲置、低油的车辆的网点;所述跨区调度是指***针对片区整体的车辆数量超过预设阈值的情况,***会匹配车辆数量低于预设阈值的其他片区,然后,从车辆数量超过阈值的片区内的网点调出车辆,并跨区调入到车辆数量低于阈值片区内网点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110318712.8A CN113095636B (zh) | 2021-03-25 | 2021-03-25 | 一种燃油共享汽车的智能调度***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110318712.8A CN113095636B (zh) | 2021-03-25 | 2021-03-25 | 一种燃油共享汽车的智能调度***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113095636A CN113095636A (zh) | 2021-07-09 |
CN113095636B true CN113095636B (zh) | 2024-01-23 |
Family
ID=76669516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110318712.8A Active CN113095636B (zh) | 2021-03-25 | 2021-03-25 | 一种燃油共享汽车的智能调度***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095636B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642758B (zh) * | 2021-06-08 | 2024-06-21 | 上海汽车集团股份有限公司 | 一种共享电动汽车的供需预测及调度方法和装置 |
CN115695139A (zh) * | 2022-12-29 | 2023-02-03 | 安徽交欣科技股份有限公司 | 一种基于分布式鲁棒增强微服务***架构的方法 |
CN118155449A (zh) * | 2024-05-10 | 2024-06-07 | 山东通维信息工程有限公司 | 一种城市级智慧停车管理***和方法 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069488A1 (en) * | 2000-03-10 | 2001-09-20 | Jones Charles P | Vehicle scheduling system |
CN105405213A (zh) * | 2015-11-01 | 2016-03-16 | 泉州黄章智能科技有限公司 | 一种电动汽车智能出租*** |
CN105719019A (zh) * | 2016-01-21 | 2016-06-29 | 华南理工大学 | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 |
CN106372776A (zh) * | 2016-08-19 | 2017-02-01 | 北京恒天易开科技股份有限公司 | 电动汽车租赁行业无人值守租赁点车辆调度***及其方法 |
CN107424407A (zh) * | 2017-08-21 | 2017-12-01 | 江苏萌小明智能科技有限公司 | 一种车辆调度***及车辆调度方案生成方法 |
CN107563532A (zh) * | 2017-08-30 | 2018-01-09 | 顾泰来 | 一种共享车辆调度方法及装置 |
CN107944780A (zh) * | 2018-01-17 | 2018-04-20 | 上海钛捷信息科技有限公司 | 一种基于汽车资源动态调度与分配的车辆调度平台及汽车租赁方法 |
CN108510730A (zh) * | 2018-04-24 | 2018-09-07 | 徐漫洋 | 共享汽车网点间车辆调度方法及*** |
CN108510729A (zh) * | 2018-04-24 | 2018-09-07 | 徐漫洋 | 共享汽车车辆调度***及调度方法 |
CN108596484A (zh) * | 2018-04-24 | 2018-09-28 | 徐漫洋 | 一种基于网点属性分析的共享汽车调度方法和*** |
CN108960632A (zh) * | 2018-07-06 | 2018-12-07 | 深圳市有钱科技有限公司 | 一种共享自行车跨区调度方法 |
CN109360413A (zh) * | 2018-12-11 | 2019-02-19 | 北京首汽智行科技有限公司 | 一种车辆调度方法及*** |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及*** |
CN110220527A (zh) * | 2019-05-31 | 2019-09-10 | 中国四维测绘技术有限公司 | 一种基于公众活动预测的路径规划方法和装置 |
CN110276557A (zh) * | 2019-06-27 | 2019-09-24 | 四川首汽交投汽车共享科技有限公司 | 一种跨网格调度工单创建方法 |
CN111126740A (zh) * | 2019-07-31 | 2020-05-08 | 北京嘀嘀无限科技发展有限公司 | 共享汽车充电调度方法、电子设备及存储介质 |
CN111612183A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
KR20200109427A (ko) * | 2019-03-12 | 2020-09-23 | 주식회사 코어시스템즈 | 버스 운행 관리 방법 및 시스템 |
CN111815095A (zh) * | 2019-06-20 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 共享汽车调度方法、电子设备及存储介质 |
CN111815937A (zh) * | 2019-11-22 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于超停车辆调度的控制方法、装置、存储介质和电子设备 |
CN111862579A (zh) * | 2020-06-10 | 2020-10-30 | 深圳大学 | 一种基于深度强化学习的出租车调度方法及*** |
CN111861080A (zh) * | 2019-10-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息处理的方法、装置、电子设备及存储介质 |
CN111868763A (zh) * | 2018-03-16 | 2020-10-30 | 福特汽车公司 | 优化和预测共享车辆环境中的资源可用性 |
CN111882097A (zh) * | 2019-10-11 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种车辆维护人员调度方法和*** |
CN111915209A (zh) * | 2020-08-11 | 2020-11-10 | 上海钧正网络科技有限公司 | 共享交通工具的调度方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10670411B2 (en) * | 2017-12-29 | 2020-06-02 | Lyft Inc. | Efficient matching of service providers and service requests across a fleet of autonomous vehicles |
-
2021
- 2021-03-25 CN CN202110318712.8A patent/CN113095636B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069488A1 (en) * | 2000-03-10 | 2001-09-20 | Jones Charles P | Vehicle scheduling system |
CN105405213A (zh) * | 2015-11-01 | 2016-03-16 | 泉州黄章智能科技有限公司 | 一种电动汽车智能出租*** |
CN105719019A (zh) * | 2016-01-21 | 2016-06-29 | 华南理工大学 | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 |
CN106372776A (zh) * | 2016-08-19 | 2017-02-01 | 北京恒天易开科技股份有限公司 | 电动汽车租赁行业无人值守租赁点车辆调度***及其方法 |
CN107424407A (zh) * | 2017-08-21 | 2017-12-01 | 江苏萌小明智能科技有限公司 | 一种车辆调度***及车辆调度方案生成方法 |
CN107563532A (zh) * | 2017-08-30 | 2018-01-09 | 顾泰来 | 一种共享车辆调度方法及装置 |
CN107944780A (zh) * | 2018-01-17 | 2018-04-20 | 上海钛捷信息科技有限公司 | 一种基于汽车资源动态调度与分配的车辆调度平台及汽车租赁方法 |
CN111868763A (zh) * | 2018-03-16 | 2020-10-30 | 福特汽车公司 | 优化和预测共享车辆环境中的资源可用性 |
CN108510730A (zh) * | 2018-04-24 | 2018-09-07 | 徐漫洋 | 共享汽车网点间车辆调度方法及*** |
CN108510729A (zh) * | 2018-04-24 | 2018-09-07 | 徐漫洋 | 共享汽车车辆调度***及调度方法 |
CN108596484A (zh) * | 2018-04-24 | 2018-09-28 | 徐漫洋 | 一种基于网点属性分析的共享汽车调度方法和*** |
CN108960632A (zh) * | 2018-07-06 | 2018-12-07 | 深圳市有钱科技有限公司 | 一种共享自行车跨区调度方法 |
CN109360413A (zh) * | 2018-12-11 | 2019-02-19 | 北京首汽智行科技有限公司 | 一种车辆调度方法及*** |
CN111612183A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及*** |
KR20200109427A (ko) * | 2019-03-12 | 2020-09-23 | 주식회사 코어시스템즈 | 버스 운행 관리 방법 및 시스템 |
CN110220527A (zh) * | 2019-05-31 | 2019-09-10 | 中国四维测绘技术有限公司 | 一种基于公众活动预测的路径规划方法和装置 |
CN111815095A (zh) * | 2019-06-20 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 共享汽车调度方法、电子设备及存储介质 |
CN110276557A (zh) * | 2019-06-27 | 2019-09-24 | 四川首汽交投汽车共享科技有限公司 | 一种跨网格调度工单创建方法 |
CN111126740A (zh) * | 2019-07-31 | 2020-05-08 | 北京嘀嘀无限科技发展有限公司 | 共享汽车充电调度方法、电子设备及存储介质 |
CN111882097A (zh) * | 2019-10-11 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种车辆维护人员调度方法和*** |
CN111861080A (zh) * | 2019-10-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息处理的方法、装置、电子设备及存储介质 |
CN111815937A (zh) * | 2019-11-22 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于超停车辆调度的控制方法、装置、存储介质和电子设备 |
CN111862579A (zh) * | 2020-06-10 | 2020-10-30 | 深圳大学 | 一种基于深度强化学习的出租车调度方法及*** |
CN111915209A (zh) * | 2020-08-11 | 2020-11-10 | 上海钧正网络科技有限公司 | 共享交通工具的调度方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
基于车联网环境的共享自动驾驶汽车调度研究;王睿;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第2期);C034-703 * |
Also Published As
Publication number | Publication date |
---|---|
CN113095636A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095636B (zh) | 一种燃油共享汽车的智能调度***及其方法 | |
CN110705747A (zh) | 一种基于大数据的智慧公共交通云脑体系 | |
CN113557539A (zh) | 将物理移动转换为碳单位的方法和*** | |
CN110033161A (zh) | 一种共享汽车的调度方法及*** | |
CN109784523B (zh) | 一种基于多目标优化的网约车智能分配订单方法 | |
CN112801552A (zh) | 基于交通大数据挖掘和智能分析的网约车和巡游车的监管方法 | |
CN103278833A (zh) | 一种基于北斗/gps数据的线路推荐***及方法 | |
CN111815095B (zh) | 共享汽车调度方法、电子设备及存储介质 | |
CN103632532A (zh) | 一种出租车的打车诱导方法 | |
CN107038858A (zh) | 通勤私家车动态拼车推荐方法 | |
CN113194138A (zh) | 基于ai深度学习的出行管理方法和*** | |
CN108596484A (zh) | 一种基于网点属性分析的共享汽车调度方法和*** | |
CN107665393A (zh) | 一种基于自动驾驶技术的汽车管理方法 | |
CN113538067A (zh) | 一种基于机器学习的城际网约车需求预测方法及*** | |
CN113935505A (zh) | 基于列生成和蚁群算法融合的共享电动汽车运营优化方法 | |
CN114694399B (zh) | 一种基于物联网的停车位预约管理*** | |
CN106781442A (zh) | 一种车辆行为预警*** | |
CN116884266A (zh) | 一种基于大数据的智慧城市停车管理方法及管理*** | |
CN114254856B (zh) | 基于蜂巢图实现的共享单车运维调度方法及*** | |
CN116227760B (zh) | 旅游活动的影响力预测方法、装置、存储介质及设备 | |
CN112949987A (zh) | 基于预测的出租车调度和匹配方法、***、设备及介质 | |
CN116206463B (zh) | 一种公共道路作业车辆调度*** | |
CN112837201A (zh) | 一种精准数据驱动的资源配置智能化*** | |
CN110019376B (zh) | 电动汽车租赁***驾驶对比方法 | |
CN202150151U (zh) | 一种实现汽车租赁业务的*** |
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 |