行估计。优选的，可以通过用户在所述路径上的行驶情况对所述路程时间进行估计，还可以通过其他用户在所述路径上的行驶情况对所述路程时间进行估计。
[0046]S130，根据所述资源所在地的资源使用情况估计排队时间。
[0047]所述目的地的资源使用情况是指所述资源所在地的服务位置被占用的情况。一般来讲，若所述服务位置未被全部占用，则所述排队时间为零；若所述服务位置已被全部占用，则所述排队时间不为零。
[0048]当所述服务位置已被全部占用时，需要所述服务位置的历史占用情况对所述排队时间进行估计。优选的，对所述服务位置的历史占用情况进行估计，得到所述服务位置的平均资源占用时间，并利用所述平均资源占用时间估计所述排队时间。
[0049]S140，根据所述路程时间与所述排队时间之间的关系对用户的资源分配请求进行排队，将排队结果提示信息返回给发出所述资源分配请求的客户端，并根据排队结果进行资源分配。
[0050]具体的，若所述路程时间大于所述排队时间，将已经到达所述目的地的用户的资源分配请求先于所述路程时间对应的资源分配请求进行排队；若所述路程时间小于所述排队时间，按照用户提交资源分配请求时间的次序对所述资源分配请求进行排队。
[0051]进一步的，当所述路程时间大于所述排队时间时，可以将所有已经到达所述资源所在地的用户的资源分配请求先于所述路程时间对应的资源分配请求进行排队，还可以将已经到达所述资源所在地的用户的资源分配请求中的一部分请求先于所述路程时间对应的资源分配请求进行排队。优选的，当将已经到达所述资源所在地的用户的资源分配请求中的一部分先于所述路程时间对应的资源分配请求进行排队时，可以将已经到达所述资源所在地的用户的资源分配请求中少于五个的资源分配请求先于所述路程时间对应的资源分配请求进行排队。
[0052]根据用户的实时位置对用户的资源分配请求进行排队之后，将用户在所述排队队列中的排队位置通过网络反馈给发送所述资源分配请求的客户端。
[0053]得到对用户的资源分配请求进行排队的排队结果以后，可以根据所述排队结果进行资源分配。具体的，可以是在所述资源所在地的服务资源被释放时，为处于所述排队队列最前面的用户分配服务资源。进一步的，可以是在餐馆的就餐位置、银行的服务位置或者医院的问诊位置出现空缺时，允许处于所述排队队列最前面的用户使用所述就餐位置、服务位置或者问诊位置。
[0054]为了验证所述资源分配方法对提高服务效率的有效性，对所述资源分配方法进行了仿真实验。将在所述公共服务设施原地的用户称为第一类用户，同时将与所述公共服务设施有一定距离的用户称为第二类用户。在仿真实验中，所述第一类用户同所述第二类用户各占一定的比例。而且，所述第二类用户的数量根据所述第二类用户与所述公共服务设施之间的距离而呈指数分布。图3示出了采用本实施例提供的资源分配方法以及采用现有的资源分配方法而获得的平均等待时间的结果比较图。参见图3，采用本实施例提供的资源分配方法获得的平均等待时间明显低于采用现有的资源分配方法而获得的平均等待时间。
[0055]本实施例通过获取提交服务请求的用户的实时位置，根据用户的实时位置估计用户达到资源所在地需要的路程时间，根据所述资源所在地的资源使用情况估计排队时间，以及根据所述路程时间与所述排队时间之间的关系对用户的资源分配请求进行排队，使得排队系统能够根据用户的实时位置对他的资源分配请求区分处理，避免了用户不能在短时间内到达资源所在地时其他用户无谓等待的情况，从而有效提高了排队系统的整体服务效率。
[0056]图4示出了本发明的第二实施例。
[0057]图4是本发明第二实施例提供的资源分配方法中路程时间估计的流程图。所述资源分配方法以本发明第一实施例为基础，进一步的，根据用户的实时位置估计用户到达资源所在地需要的路程时间包括:对用户已经经过路程上的行驶速度进行卡尔曼滤波，得到用户的速度预测值；将用户到达所述资源所在地的剩余路程除以所述速度预测值，得到用户到达所述资源所在地所需要的路程时间。
[0058]参见图4，根据用户的实时位置估计用户到达资源所在地需要的路程时间包括:
[0059]S121，对用户已经经过路程上的行驶速度进行卡尔曼滤波，得到用户的速度预测值。
[0060]在用户经过的路程上，每个固定长度的时间间隔，记录用户在该点上的行驶速度。然后，依照下面两个公式对当前时间之前的时间点上的行驶速度进行滤波，得到用户在下一个时间点上的速度预测值:
[0061]X (k+Ι) = Φ (k+1, k) x (k) + ω (k)(I)
[0062]y (k+1) = c (k+1) χ (k+1)+ν (k+1)(2)
[0063]其中，x(k)表示在第k时刻用户的行驶速度测量值，Φ (k+1, k)表示行驶速度测量值在第k时刻及第k+Ι时刻之间的转移系数，ω (k)表示在第k时刻的系统噪声，V (k+1)表示在第k+Ι时刻的测量噪声，c(k+l)表示在第k+1时刻的输出系数，y(k+l)表示在第k+1时刻的行驶速度进行预测的速度预测值。
[0064]根据式(I)及式(2)构建离散卡尔曼滤波器，对用户的历史行驶速度进行滤波，即得到用户的速度预测值。
[0065]S122，将用户到达所述资源所在地的剩余路程除以所述速度预测值，得到用户到达所述资源所在地所需要的路程时间。
[0066]通过卡尔曼滤波得到所述速度预测值之后，用用户到达所述资源所在地的剩余路程除以所述速度预测值，即得到用户到达资源所在地所需要的路程时间。
[0067]本实施例通过对用户已经经过路程上的行驶速度进行卡尔曼滤波，得到用户的速度预测值，并用户到达所述资源所在地的剩余路程除以所述速度预测值，得到了用户到达所述资源所在地所需要的路程时间，从而准确的估计得到了用户到达所述资源所在地所需要的路程时间。
[0068]图5示出了本发明的第三实施例。
[0069]图5是本发明第三实施例提供的资源分配方法中路程时间估计的流程图。所述资源分配方法以本发明第一实施例为基础，进一步的，根据用户的实时位置估计用户到达资源所在地需要的路程时间包括:对用户已经经过的路程上的行驶速度进行统计，获得用户的历史行驶速度的数学期望值；将用户到达所述资源所在地的剩余路程除以所述历史行驶速度的数学期望值，得到用户到达所述资源所在地所需要的路程时间。
[0070]参见图5，根据用户的实时位置估计用户到达资源所在地需要的路程时间包括:
[0071]S123，对用户已经经过的路程上的行驶速度进行统计，获得用户的历史行驶速度的数学期望值。
[0072]具体的，在用户已经经过的路程上，每隔固定的时间间隔，采集用户在该时间点上的行驶速度。然后，对用户已经经过的路程上距离当前时间点最近的K个时间点上的形式速度求平均值，也就是数学期望值。
[0073]S124，将用户到达所述资源所在地的剩余路程除以所述历史行驶速度的数学期望值，得到用户到达所述资源所在地所需要的路程时间。
[0074]得到用户的历史行驶速度的数学期望值以后，将用户到达所述资源所在地的剩余路程除以所述历史行驶速度的数学期望值，就得打了用户到达所述资源所在地所需要的路程时间。
[0075]本实施例通过对用户已经经过的路程上的行驶速度进行统计，获得用户的历史行驶速度的数学期望值，以及将用户到达所述资源所在地的剩余路程除以所述历史行驶速度的数学期望值，得到了用户到达所述资源所在地所需要的路程时间，从而准确的估计得到了用户到达所述资源所在地所需要的路程时间。
[0076]图6示出了本发明的第四实施例。
[0077]图6是本发明第四实施例提供的资源分配方法中排队时间估计的流程图。所述资源分配方法以本发明的第一实施例为基础，进一步的，根据所述资源所在地的资源使用情况估计排队时间包括:对服务资源的历史资源占用时间进行统计，以得到所述服务位置的平均资源占用时间；记录所述资源所在地的每个服务位置的资源已占用时间，用所述平均资源占用时间减去所述资源已占用时间，得到所述服务位置的预计等待时间；取所有服务位置的预计等待时间中的最小值，作为所述排队时间。
[0078]参见图6，根据所述资源所在地的资源使用情况估计排队时间包括:
[0079]S131，对服务资源的历史资源占用时间进行统计，以得到所述服务位置的平均资源占用时间。
[0080]所述服务资源是指所述目的地内的服务位置。在本实施例中，对所述目的地内的服务位置的历史资源占用时间进行统计。具体的，对所述服务资源的历史资源占用时间求平均值，以得到所述服务位置的平均资源占用时间。
[0081]S132，记录所述目的地的每个服务位置的资源已占用时间，用所述平均资源占用时