一种车辆调度方法及系统与流程

本发明涉及车辆调度技术领域，具体涉及一种车辆调度方法及系统。

背景技术：

目前大部分共享汽车行业的车辆调度都是通过人工判断是否需要对各个网点进行车辆调度。

现有的车辆调度方法存在以下几方面的缺陷：

(1)无法提前知道哪些网点需要调出车辆，哪些网点需要调入车辆、哪些网点会产生超停、哪些网点有空车位或者哪些网点有待租车辆；

(2)运维人员到达网点后可能超停车辆已经被用户开走；

(3)调度车辆到达新网点后可能新网点没有空车位。

技术实现要素：

为解决现有技术的不足，本发明实施例提供了一种车辆调度方法及系统。

第一方面，本发明实施例提供了一种车辆调度方法，该方法包括：

step1、分别对每天各个时刻各个网点运维人员调出的可用车辆数m及调入的可用车辆数n进行统计；

step2、根据公式y＝x+m-n，得到在没有运维人员干预的情况下，各个网点的超停车辆数集合y1及闲置车辆数集合y2；根据公式s＝t-m+n，计算在没有运维人员干预的情况下，各个网点的空车位数集合s1，其中，y为在没有运维人员干预的情况下，各个网点的超停车辆数或闲置车辆数，x为各个网点现有的超停车辆数或闲置车辆数，t为各个网点现有的空车位数；

step3、根据各个网点各个时刻的订单量、超停车辆数集合y1及闲置车辆数集合y2，计算各个网点的需求车辆数，其中，订单量u的计算公式为u＝a×b÷c，其中a、b及c分别为各个网点有时车的订单量、无车时用户打开app的次数及有车时用户打开app的次数；

step4、根据超停车辆数集合y1、闲置车辆数集合y2、空车位数集合s1及各个网点的需求车辆数，确定需要调入车辆的网点集合u及需要调出车辆的网点集合v；

step5、利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单。

进一步地，利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单包括：

分别获取每天各个时刻各个网点的超停车辆数、空车位数、闲置车辆数及需求车辆数；

根据所述超停车辆数，确定各个网点中的超停网点；

根据所述需求车辆数及所述闲置车辆数，确定各个网点中的需求网点；

根据所述闲置车辆数，确定各个网点中的有闲置车辆网点；

根据所述空车位数，确定各个网点中的有空车位网点；

根据所述闲置车辆数及所述空车位数，确定各个网点中的有空位无需求网点。

进一步地，所述机器学习算法为决策树模型。

第二方面，本发明实施例提供了一种车辆调度系统，该系统包括统计模块、计算模块、确定模块及生成模块，其中：

统计模块，用于分别对每天各个时刻各个网点运维人员调出的可用车辆数m及调入的可用车辆数n进行统计；

计算模块，用于根据公式y＝x+m-n，得到在没有运维人员干预的情况下，各个网点的超停车辆数集合y1及闲置车辆数集合y2；根据公式s＝t-m+n，计算在没有运维人员干预的情况下，各个网点的空车位数集合s1，其中，y为在没有运维人员干预的情况下，各个网点的超停车辆数或闲置车辆数，x为各个网点现有的超停车辆数或闲置车辆数，t为各个网点现有的空车位数；

所述计算模块，还用于根据各个网点各个时刻的订单量、超停车辆数集合y1及闲置车辆数集合y2，计算各个网点的需求车辆数，其中，订单量u的计算公式为u＝a×b÷c，其中a、b及c分别为各个网点有时车的订单量、无车时用户打开app的次数及有车时用户打开app的次数；

确定模块，用于根据超停车辆数集合y1、闲置车辆数集合y2、空车位数集合s1及各个网点的需求车辆数，确定需要调入车辆的网点集合u及需要调出车辆的网点集合v；

生成模块，用于利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单。

进一步地，所述确定模块还用于，

分别获取每天各个时刻各个网点的超停车辆数、空车位数、闲置车辆数及需求车辆数；

根据所述超停车辆数，确定各个网点中的超停网点；

根据所述需求车辆数及所述闲置车辆数，确定各个网点中的需求网点；

根据所述闲置车辆数，确定各个网点中的有闲置车辆网点；

根据所述空车位数，确定各个网点中的有空车位网点；

根据所述闲置车辆数及所述空车位数，确定各个网点中的有空位无需求网点。

本发明实施例提供的车辆调度方法及系统具有以下有益效果：

能够预知哪些网点需要调出车辆，哪些网点需要调入车辆、哪些网点会产生超停、哪些网点有空车位或者哪些网点有待租车辆，不会产生运维人员到达网点后超停车辆已经被用户开走及调度车辆到达新网点后新网点没有空车位的情况，提高了调度的精确度及效率。

附图说明

图1为本发明实施例提供的车辆调度方法流程示意图；

图2为本发明实施例提供的车辆调度系统结构示意图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

参照图1，本发明实施例提供的车辆调度方法包括以下步骤：

s101、分别对每天各个时刻各个网点运维人员调出的可用车辆数m及调入的可用车辆数n进行统计；

s102、根据公式y＝x+m-n，得到在没有运维人员干预的情况下，各个网点的超停车辆数集合y1及闲置车辆数集合y2；根据公式s＝t-m+n，计算在没有运维人员干预的情况下，各个网点的空车位数集合s1，其中，y为在没有运维人员干预的情况下，各个网点的超停车辆数或闲置车辆数，x为各个网点现有的超停车辆数或闲置车辆数，t为各个网点现有的空车位数；

s103、根据各个网点各个时刻的订单量、超停车辆数集合y1及闲置车辆数集合y2，计算各个网点的需求车辆数，其中，订单量u的计算公式为u＝a×b÷c，其中a、b及c分别为各个网点有时车的订单量、无车时用户打开app的次数及有车时用户打开app的次数；

s104、根据超停车辆数集合y1、闲置车辆数集合y2、空车位数集合s1及各个网点的需求车辆数，确定需要调入车辆的网点集合u及需要调出车辆的网点集合v；

s105、利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单。

其中，调度工单中各个网点之间的调度优先级排序为：超停网点的优先级大于需求网点、有空车位网点及有空位无需求网点，需求网点的优先级小于有闲置车辆网点及有空位无需求网点。

可选地，利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单包括：

分别获取每天各个时刻各个网点的超停车辆数、空车位数、闲置车辆数及需求车辆数；

根据所述超停车辆数，确定各个网点中的超停网点；

根据所述需求车辆数及所述闲置车辆数，确定各个网点中的需求网点；

根据所述闲置车辆数，确定各个网点中的有闲置车辆网点；

根据所述空车位数，确定各个网点中的有空车位网点；

根据所述闲置车辆数及所述空车位数，确定各个网点中的有空位无需求网点。

可选地，所述机器学习算法为决策树模型。

参照图2，本发明实施例提供的车辆调度系统包括统计模块、计算模块、确定模块及生成模块，其中：

统计模块，用于分别对每天各个时刻各个网点运维人员调出的可用车辆数m及调入的可用车辆数n进行统计；

计算模块，用于根据公式y＝x+m-n，得到在没有运维人员干预的情况下，各个网点的超停车辆数集合y1及闲置车辆数集合y2；根据公式s＝t-m+n，计算在没有运维人员干预的情况下，各个网点的空车位数集合s1，其中，y为在没有运维人员干预的情况下，各个网点的超停车辆数或闲置车辆数，x为各个网点现有的超停车辆数或闲置车辆数，t为各个网点现有的空车位数；

所述计算模块，还用于根据各个网点各个时刻的订单量、超停车辆数集合y1及闲置车辆数集合y2，计算各个网点的需求车辆数，其中，订单量u的计算公式为u＝a×b÷c，其中a、b及c分别为各个网点有时车的订单量、无车时用户打开app的次数及有车时用户打开app的次数；

确定模块，用于根据超停车辆数集合y1、闲置车辆数集合y2、空车位数集合s1及各个网点的需求车辆数，确定需要调入车辆的网点集合u及需要调出车辆的网点集合v；

生成模块，用于利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单。

进一步地，所述确定模块还用于，

分别获取每天各个时刻各个网点的超停车辆数、空车位数、闲置车辆数及需求车辆数；

根据所述超停车辆数，确定各个网点中的超停网点；

根据所述需求车辆数及所述闲置车辆数，确定各个网点中的需求网点；

根据所述闲置车辆数，确定各个网点中的有闲置车辆网点；

根据所述空车位数，确定各个网点中的有空车位网点；

根据所述闲置车辆数及所述空车位数，确定各个网点中的有空位无需求网点。

其中，当网点既是超停网点又是有闲置车辆网点时，将该网点设为超停网点；当网点既是需求网点又是有空车位网点时，将该网点设为需求网点；当网点既是有闲置车辆网点又是有空车位网点时，将该网点设为有空位无需求网点。

本发明实施例提供的车辆调度方法及系统，通过分别对每天各个时刻各个网点运维人员调出的可用车辆数m及调入的可用车辆数n进行统计，根据公式y＝x+m-n，得到在没有运维人员干预的情况下，各个网点的超停车辆数集合y1及闲置车辆数集合y2，根据公式s＝t-m+n，计算在没有运维人员干预的情况下，各个网点的空车位数集合s1，根据各个网点各个时刻的订单量、超停车辆数集合y1及闲置车辆数集合y2，计算各个网点的需求车辆数，根据超停车辆数集合y1、闲置车辆数集合y2、空车位数集合s1及各个网点的需求车辆数，确定需要调入车辆的网点集合u及需要调出车辆的网点集合v，利用机器学习算法，计算集合u与集合v之间的映射关系，根据所述映射关系，生成调度工单，避免出现运维人员到达网点后超停车辆已经被用户开走及调度车辆到达新网点后新网点没有空车位的情况，提高了调度的精确度及效率。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。