共享车辆的调度方法、装置、电子设备及存储介质与流程

1.本公开实施例涉及共享车辆的调度技术领域，更具体地，涉及共享车辆的调度方法、装置、电子设备及存储介质。


背景技术：

2.在共享单车的业务场景里，受到车辆的供给限制，一个单车投放点位内的用户的骑行订单数一定不会大于车辆供给数，但是当车辆的骑出订单数等于供给的情况下，可能存在潜在的订单，也就是说该点位内的需求可能大于供给。为了能够尽可能发掘这些潜在的订单需求，需要通过往部分点位试探性地增加一定调度量，来探索可能的订单。
3.当前探索可能的订单的技术方案是根据运营状况人工选择点位，或者随机挑选热门点位，然后增加日常的调度量，评估散车速度来进行探索。但是人工选择点位的方法受限于人为对运营的认知，能够探索到的点位十分有限，无法充分挖掘潜在点位，并且工作量大。而随机选点的方式随机性太大，探索效果不好，造成成本的浪费，收益的下降。并且散车速度受多种因素影响，很难准确评估探索的效果，方案可持续性不足。


技术实现要素：

4.本公开的一个目的是提供一种共享车辆的调度方法、装置、电子设备及存储介质的新的技术方案。
5.第一方面，本技术实施例提供一种共享车辆的调度方法，包括:根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布；获取所述贝塔分布的初始化贝塔参数，对所述初始化贝塔参数进行更新，得到预测贝塔分布；基于所述预测贝塔分布进行随机采样，得到目标停车围栏，其中，所述目标停车围栏被配置为增加车辆调度量的停车围栏。
6.可选地，在获取所述贝塔分布的初始化贝塔参数之前，所述方法包括：获取所述贝塔分布的贝塔参数；根据预设阈值对所述贝塔参数进行预处理，得到所述贝塔分布的初始化贝塔参数。
7.可选地，所述对所述初始化参数进行更新，得到预测贝塔分布，包括：获取所述预设时间段内的车辆流出量和供给量；根据预设衰减系数以及所述流出量和供给量，对所述初始化贝塔参数进行更新，得到预测贝塔分布。
8.可选地，所述根据预设衰减系数以及所述流出量和供给量，对所述初始化贝塔参数进行更新，包括：在所述供给量大于零的情况下，根据预设衰减系数以及所述流出量和供给量，对所述初始化贝塔参数进行更新；在所述供给量等于零的情况下，根据所述流出量和供给量，对所述初始化贝塔参数进行更新。
9.可选地，所述车辆流动数据包括工作日车辆流动数据和假期车辆流动数据，所述根据车辆流动数据得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布，还包括：根据所述工作日车辆流动数据，得到第一贝塔分布；根据所述假期车辆流动数据，
得到第二贝塔分布；其中，所述第一贝塔分布用于得到对应于工作日的目标停车围栏，所述第二贝塔分布用于得到对应于假期的目标停车围栏。
10.可选地，在所述贝塔分布包括第一贝塔分布和第二贝塔分布的情况下，所述对所述初始化贝塔参数进行更新，得到预测贝塔分布，包括：分别对所述第一贝塔分布和所述第二贝塔分布的初始化贝塔参数进行更新，得到第一预测贝塔分布和第二预测贝塔分布，其中，在对第一贝塔分布和所述第二贝塔分布二者中的一个进行参数更新时，保持另一个贝塔分布的参数不变。
11.可选地，所述基于所述预测贝塔分布进行随机采样，得到目标停车围栏，包括：对于每个停车围栏，在所述预设时间内采用汤普森采样方法生成一个随机数，选择随机数最大的n个停车围栏作为目标停车围栏。
12.第二方面，本技术实施例提供一种共享车辆的调度装置，所述装置包括：数据处理模块，用于根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布；参数更新模块，用于获取所述贝塔分布的初始化贝塔参数，对所述初始化贝塔参数进行更新，得到预测贝塔分布；目标确定模块，用于基于所述预测贝塔分布进行随机采样，得到目标停车围栏，其中，所述目标停车围栏被配置为增加车辆调度量的停车围栏。
13.第三方面，本技术实施例提供一种电子设备，包括存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序，以实现根据第一方面所述的共享车辆的调度方法的步骤。
14.第四方面，本技术实施例提供一种可读存储介质，所述可读存储介质上存储计算机程序，所述计算机程序在被处理器执行时实现根据第一方面任一项所述的共享车辆的调度方法的步骤。
15.本公开实施例的一个有益效果在于，本实施例根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布，能够以每一个停车围栏作为探索点，对单车围栏进行探索性调度；再获取贝塔分布的初始化贝塔参数，对述初始化贝塔参数进行更新，可以根据每日的车辆流动数据及时进行参数更新，得到预测贝塔分布，以提高探索精度，再基于预测贝塔分布进行随机采样，来探索可能的未知车辆流出量，得到存在未知订单的目标停车围栏，通过增加目标停车围栏的车辆调度量，探索未知订单，从而实现对每一停车围栏的车辆的合理调度。
16.通过以下参照附图对本说明书的示例性实施例的详细描述，本说明书的其它特征及其优点将会变得清楚。
附图说明
17.被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例，并且连同其说明一起用于解释本说明书的原理。
18.图1为可用于实现本公开实施例的一种系统架构示意图。
19.图2为一个实施例的共享车辆的调度方法的流程示意图。
20.图3是根据另一实施例的共享车辆的调度装置方框示意图。
21.图4是根据一个实施例的电子设备的方框原理图。
具体实施方式
22.现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
23.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
24.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
25.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
26.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
27.本公开实施例涉及对共享车辆进行车辆调度的应用场景。
28.在共享单车的业务场景里，受到车辆的供给限制，一个单车投放点位内的用户的骑行订单数一定不会大于车辆供给数，但是当车辆的骑出订单数等于供给的情况下，可能存在潜在的订单，也就是说该点位内的需求可能大于供给。为了能够尽可能发掘这些潜在的订单需求，需要通过往部分点位试探性地增加一定调度量，来探索可能的订单。
29.针对以上需求，可以根据运营状况人工选择点位，或者随机挑选热门点位，然后增加日常的调度量，评估散车速度来进行探索。但是人工选择点位的方法受限于人为对运营的认知，能够探索到的点位十分有限，无法充分挖掘潜在点位，并且工作量大。而随机选点的方式随机性太大，探索效果不好，造成成本的浪费，收益的下降。并且散车速度受多种因素影响，很难准确评估探索的效果，方案可持续性不足。
30.针对以上实施方式存在的技术问题，本公开提供一种共享车辆的调度方法、装置、电子设备及存储介质。把探索调度看做是对停车围栏做推荐的问题，挑选探索点位即是推荐最有可能供给不足的停车围栏所在的点位，将以往车辆流动数据用贝塔分布来刻画，基于汤普森采样，得到目标停车围栏，通过对目标停车围栏内不断增加调度量来探索未知订单。
31.《硬件配置》
32.图1可用于实现本公开实施例的一种系统架构示意图。
33.如图1所示，该系统包括服务器2000和电子设备1000。服务器2000与电子设备1000通过网络3000进行信息交互，该网络3000可以是无线网络也可以是有线网络。
34.该服务器2000提供处理、数据库、通讯设施的业务点。服务器2000可以是整体式服务器，跨多计算机，计算机数据中心的分散式服务器，云服务器，或者部署在云端的服务器集群等。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。
35.该服务器2000具体配置可以包括但不限于处理器2100、存储器2200、接口装置2300、通信装置2400。处理器2100用于执行采用比如x86、arm、risc、mips、sse等架构的指令
集编写的计算机程序。存储器2200例如是rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如是usb接口、串行接口、并行接口、网口等。通信装置2400例如是能够进行有线通信或无线通信，例如可以包括wifi通信、蓝牙通信、2g/3g/4g/5g通信等。
36.应用于本公开实施例中，服务器2000的存储器2200用于存储计算机程序，该计算机程序用于控制所述处理器2100进行操作以实现根据本公开实施例的方法。技术人员可以根据本公开所公开方案设计该计算机程序。该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
37.本领域技术人员应当理解，除图1示出的各装置，服务器2000还可以包括其他装置，在此不做限定。
38.该电子设备1000可以包括但不限于处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器cpu、图形处理器gpu、微处理器mcu等，用于执行计算机程序，该计算机程序可以采用比如x86、arm、risc、mips、sse等架构的指令集编写。存储器1200例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括usb接口、串行接口、并行接口等。通信装置1400例如能够利用光纤或电缆进行有线通信，或者进行无线通信，具体地可以包括wifi通信、蓝牙通信、2g/3g/4g/5g通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。扬声器1700用于输出音频信号。麦克风1800用于采集音频信号。
39.电子设备1000可以是智能手机、便携式电脑、台式计算机、平板电脑、可穿戴设备等，在此不做限定。
40.本实施例中，电子设备1000可用于根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布；获取贝塔分布的初始化贝塔参数，对初始化贝塔参数进行更新，得到预测贝塔分布；基于预测贝塔分布进行随机采样，得到目标停车围栏。
41.应用于本公开实施例中，电子设备1000的存储器1200用于存储计算机程序，该计算机程序用于控制所述处理器1100进行操作以实现根据本公开任意实施例的方法。技术人员可以根据本公开所公开方案设计该计算机程序。该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。该电子设备1000可以安装有智能操作系统(例如windows、linux、安卓、ios等系统)和应用软件。
42.本领域技术人员应当理解，尽管在图1中示出了电子设备1000的多个装置，但是，本公开实施例的电子设备1000可以仅涉及其中的部分装置，例如，只涉及处理器1100、存储器1200等。
43.下面，参照附图描述根据本发明的各个实施例和例子。
44.《方法实施例》
45.图2是根据一个实施例的共享车辆的调度方法的流程示意图，该实施例可以由图1中的电子设备或服务器实施。
46.如图2所示，本实施例的共享车辆的调度方法可以包括如下步骤：
47.s210、根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出
概率的贝塔分布。
48.本实施例中，车辆流动数据可以包括每一停车围栏内的车辆供给量、流出量、流入量、调入量等数据。预设时间段可以根据实际情况设定，例如预设时间段可以是一小时。车辆骑出概率是指在预设时间段内停车围栏内的某车辆被骑出围栏的概率。
49.如果把一个围栏一个小时内的一辆单车骑出与否看做是一个伯努利分布的话，那么从贝叶斯统计学的角度上来看，刻画它的骑出概率最好的方式就是贝塔分布，下文称作beta分布。
50.对于一个围栏的一个小时，选取过去n天的骑出量和供给量，将骑出量outflow求和作为beta分布的参数a，将供给量supply求和后，减去骑出量outflow求和作为beta分布的参数b。得到beta分布：
51.beta(a，b)＝beta(∑outflow,∑supply-∑outflow)
52.该分布beta(a，b)代表一个围栏一小时内一辆单车被骑出的概率。
53.s220、获取贝塔分布的初始化贝塔参数，对初始化贝塔参数进行更新，得到预测贝塔分布。
54.在一个例子中，直接根据车辆流动数据得到beta参数可能存在参数过大或参数过小的问题，若参数过大，可能会导致参数更新速度过慢，部分围栏被不断重复推荐。参数过小，可能会导致随机性过大，确定的目标停车围栏的车辆实际订单量不大，探索效果不佳，导致成本的浪费。因此，在获取贝塔分布的初始化beta参数之前，需要做预处理，本实施例中预处理的方式包括：获取贝塔分布的贝塔参数；根据预设阈值对贝塔参数进行预处理，得到贝塔分布的初始化贝塔参数。
55.在一个实施例中，根据预设阈值对贝塔参数进行预处理包括对过大的参数进行预处理。如，贝塔分布的贝塔参数为a和b，当a或b二者中任一参数大于预设阈值t
max
时，将大于预设阈值t
max
的贝塔参数等比缩小为t
max
。从而可以避免参数过大带来的影响。
56.在一个实施例中，根据预设阈值对贝塔参数进行预处理包括对过小的参数进行预处理。如，当贝塔分布的贝塔参数为a和b，当a或b二者中任一参数小于预设阈值t
min
时，根据车辆流动数据得到一个预设地区车辆流出率的30％分位数来得到初始参数，其中，预设地区可以是城市、区或县，例如，一个城市的车辆流出率的30％分位数为p，设更新后的初始参数b’＝20，则更新后的初始参数a’＝20*p/(1-p)。本实施例用一个预设地区的整体平均流出率来替换过小的参数，可以避免贝塔参数过小导致的预测效果不准确。
57.本实施例中，对初始化参数进行更新，得到预测贝塔分布，包括：获取预设时间段内的车辆流出量和供给量；根据预设衰减系数以及流出量和供给量，对初始化贝塔参数进行更新，得到预测贝塔分布。
58.本实施例中供给量包括预设时间段内的车辆初步供给量、预设时间内流入停车围栏的流入量、预设时间内的调入量、预设时间内的调出量。可以理解的是，在预设时间段内的供给量的最大值等于车辆初步供给量、预设时间内流入停车围栏的流入量与预设时间内的调入量的和再减去预设时间内的调出量。由于流出量不可能大于供给量，因此，车辆的供给量也就是预设时间段内的车辆最大流出量上限值。其中，车辆流出量为实际的车辆骑出量。
59.在一个例子中，由于车辆的业务数据具有一定的时效性，越新的数据价值越高。所
以在更新分布参数时，需要赋予参数一定的遗忘能力。本实施例在更新参数的过程中为旧参数设置了衰减系数c，其大小取决于希望系数衰减的半衰期。例如，假设期望的半衰期为h(单位：天)，那么可由ch＝0.5，计算出衰减系数。例如如果半衰期为7天，则c＝0.9057。
60.本实施例中，考虑到如果一个地点若长期没有车辆供给，为了尽可能保留有效信息，应该降低其遗忘能力。因此，本方案在乘以衰减系数之前，设置了一个供给量的判断。即，根据预设衰减系数以及流出量和供给量，对初始化贝塔参数进行更新过程中，需要对供给量进行判断，在供给量大于零的情况下，根据预设衰减系数以及流出量和供给量，对初始化贝塔参数进行更新；在供给量等于零的情况下，根据流出量和供给量，对初始化贝塔参数进行更新。也就是说，当供给量大于0时，将贝塔参数衰减，当供给量等于0时，不进行衰减。
61.在一个例子中，假设上一时刻的的车辆流出量为a
t-1
，上一时刻的车辆供给量为b
t-1
，设更新前预设时间段内的beta分布为beta(a
t-1
,b
t-1
)，则更新后预设时间段内的beta分布为beta(a
t
,b
t
)，更新后贝塔参数：
62.a
t
＝c
·at-1
+a
t-1
，
63.b
t
＝c
·bt-1
+max(b
t-1
–at-1
)，
64.其中，c为衰减系数,max(b
t-1
–at-1
)为上一时刻结束时停车围栏内的最大剩余车辆。
65.本实施例在得到预测贝塔分布的过程中引入衰减系数，可以保证数据的时效性，使得到的贝塔分布更加精准。可以理解的是，对初始化贝塔参数进行更新，得到预测贝塔分布是持续性的，例如，每天对预设一小时时间段内的贝塔分布进行更新，得到当日的预测贝塔分布，直至达到预设的分布效果。
66.s230、基于预测贝塔分布进行随机采样，得到目标停车围栏。
67.其中，目标停车围栏被配置为增加车辆调度量的停车围栏。例如，围栏d为目标围栏，则可以每天向围栏d内调入5辆车辆，直至围栏d的贝塔分布符合预期。
68.在本实施例中，基于预测贝塔分布进行随机采样，得到目标停车围栏，包括：对于每个停车围栏，在预设时间内采用汤普森采样方法生成一个随机数，选择随机数最大的n个停车围栏作为目标停车围栏。
69.例如，每个围栏每个小时根据beta分布生成一个随机数，选择随机数最大的对应的n个围栏，重复k次，一共得到nk个围栏，需要说明的是该nk个围栏可能有重复，根据该nk个围栏得到目标围栏，向每个目标围栏调度d辆车，进行探索。在向每个目标围栏调度d辆车之后，根据当日的车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布；再对贝塔分布的贝塔参数进行更新，得到下一日的预测贝塔分布；基于预测贝塔分布进行随机采样，得到目标停车围栏，依此循环，从而实现对目标围栏的确定，以辅助车辆的调度，探索出更多未知的订单，增加业务量。
70.另外，考虑到工作日和假期的用车量是不同的，为了应对工作日和假期不同的业务环境，本实施例将工作日和假期分开计算，用两个分布来描述。
71.本实施例中，车辆流动数据包括工作日车辆流动数据和假期车辆流动数据，所述根据车辆流动数据得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布，还包括：根据工作日车辆流动数据，得到第一贝塔分布；根据假期车辆流动数据，得到第二贝塔分布；其中，第一贝塔分布用于得到对应于工作日的目标停车围栏，第二贝塔分布用于
得到对应于假期的目标停车围栏。
72.例如，第一贝塔分布为beta1(a，b)，第二贝塔分布为beta2(a，b)，工作日与假期参数分开，可以使预测结果更加准确。
73.本实施例中，在贝塔分布包括第一贝塔分布和第二贝塔分布的情况下，若对初始化贝塔参数进行更新，得到预测贝塔分布，包括：分别对第一贝塔分布和所述第二贝塔分布的初始化贝塔参数进行更新，得到第一预测贝塔分布和第二预测贝塔分布，其中，在对第一贝塔分布和所述第二贝塔分布二者中的一个进行参数更新时，保持另一个贝塔分布的参数不变。从而保证工作日和假期的相互独立，可以使预测结果更加准确。
74.即，在贝塔分布包括第一贝塔分布和第二贝塔分布的情况下，需要分别判断前一日是工作还是假期，例如，当天为工作日，前一日也是工作日，则可以选取对应的前一日的第一贝塔分布，对第一贝塔分布初的始化贝塔参数进行更新，得到第一预测贝塔分布，若当天为假期，前一日为工作日，则应该选取对应的上一个假期对应的第二贝塔分布，对第二贝塔分布的初始化贝塔参数进行更新。
75.在一个例子中，本实施例的实施结果可以为：在m城市和n城市两所城市试运行了两周，两所城市大多数目标停车围栏的预测时间都发生在早高峰。周末则全天各个时间段都有。m城市无论工作日还是假期，目标停车围栏的位置绝大多数都在地铁口，或者距离地铁口非常近的地方。实际执行情况，平均每日得到m城市目标停车围栏6个，增加了93的调度量，带来了1087的周转订单的额外增长。平均每日得到n城市目标停车围栏10个，增加121的调度量，带来217的周转订单的额外增长。由此可见，本实施例可以实现对未知订单的探索，从而试探性的进行车辆调度指导，增加车辆骑行订单。
76.本实施例根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布，能够以每一个停车围栏作为探索点，对单车围栏进行探索性调度；再获取贝塔分布的初始化贝塔参数，对述初始化贝塔参数进行更新，可以根据每日的车辆流动数据及时进行参数更新，得到预测贝塔分布，以提高探索精度，再基于预测贝塔分布进行随机采样，来探索可能的未知车辆流出量，得到存在未知订单的目标停车围栏，通过增加目标停车围栏的车辆调度量，探索未知订单，从而实现对每一停车围栏的车辆的合理调度。
77.《装置实施例》
78.图3是根据一个实施例的共享车辆的调度装置300的原理框图。如图3所示，该共享车辆的调度装置可以包括：
79.数据处理模块301，用于根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布。
80.参数更新模块302，用于获取所述贝塔分布的初始化贝塔参数，对所述初始化贝塔参数进行更新，得到预测贝塔分布。
81.目标确定模块303，用于基于所述预测贝塔分布进行随机采样，得到目标停车围栏，其中，所述目标停车围栏被配置为增加车辆调度量的停车围栏。
82.在一个实施例中，该数据处理模块301可以用于获取所述贝塔分布的贝塔参数；根据预设阈值对所述贝塔参数进行预处理，得到所述贝塔分布的初始化贝塔参数。
83.在一个实施例中，该参数更新模块302可以用于获取所述预设时间段内的车辆流出量和供给量；根据预设衰减系数以及所述流出量和供给量，对所述初始化贝塔参数进行
更新，得到预测贝塔分布。
84.在一个实施例中，该参数更新模块302可以用于在供给量大于零的情况下，根据预设衰减系数以及所述流出量和供给量，对所述初始化贝塔参数进行更新；在供给量等于零的情况下，根据所述流出量和供给量，对所述初始化贝塔参数进行更新。
85.在一个实施例中，数据处理模块301可以用于根据工作日车辆流动数据，得到第一贝塔分布；根据假期车辆流动数据，得到第二贝塔分布；其中，第一贝塔分布用于得到对应于工作日的目标停车围栏，第二贝塔分布用于得到对应于假期的目标停车围栏。
86.在一个实施例中，参数更新模块302可以分别对所述第一贝塔分布和所述第二贝塔分布的初始化贝塔参数进行更新，得到第一预测贝塔分布和第二预测贝塔分布，其中，在对第一贝塔分布和所述第二贝塔分布二者中的一个进行参数更新时，保持另一个贝塔分布的参数不变。
87.在一个实施例中，目标确定模块303可以用于，在预设时间内对于每个停车围栏采用汤普森采样方法生成一个随机数，选择随机数最大的n个停车围栏作为目标停车围栏。
88.本实施例的装置可以是图1中的处理器1100。
89.本实施例根据车辆流动数据，得到对应于每一停车围栏在预设时间段内的车辆骑出概率的贝塔分布；再获取贝塔分布的初始化贝塔参数，对述初始化贝塔参数进行更新，可以及时进行参数更新，得到预测贝塔分布，再基于预测贝塔分布进行随机采样，得到目标停车围栏，为目标停车围栏增加车辆调度量，用于探索可能的未知车辆流出量，可以很好的指导下一次位置订单的探索。
90.《电子设备实施例》
91.图4是根据一个电子设备400的原理框图。如图4所示，该电子设备400包括：处理器410、存储器420及存储在存储器420上并可在所述处理器410上运行的程序或指令，程序或指令被处理器执行时实现上述共享车辆的调度方法的步骤。
92.《存储介质实施例》
93.本实施例提供了一种计算机可读存储介质，该存储介质中存储有可执行命令，该可执行命令被处理器执行时，执行本说明书任意方法实施例中描述的方法。
94.本说明书的一个实施例或者多个实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书的各个方面的计算机可读程序指令。
95.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
96.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
97.用于执行本说明书实施例操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本说明书的各个方面。
98.这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
99.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
100.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
101.附图中的流程图和框图显示了根据本说明书的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作
的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人物来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
102.以上已经描述了本说明书的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人物能理解本文披露的各实施例。本技术的范围由所附权利要求来限定。