一种车辆调度方法、装置、存储介质及电子设备与流程

本说明书涉及计算机，尤其涉及一种车辆调度方法、装置、存储介质及电子设备。

背景技术：

1、随着科技的不断发展，用户可以选择的出行方式的种类越来越多，比如出租车和网约车。

2、目前，为了减少用户在出发地等待车辆（即出租车或者网约车）的时间，出租车或者网约车的运营平台可以提前建议车辆前往用户出行时的出发地，也就是提前将车辆调度到用户出行时的出发地，从而达到缓解车辆供给与用户出行需求不平衡的问题。因此，如何预测用户的出行需求以提前将车辆调度到用户出行时的出发地是一个亟待解决的问题。

3、基于此，本说明书提供了一种车辆调度方法。

技术实现思路

1、本说明书提供一种车辆调度方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

2、本说明书采用下述技术方案：

3、本说明书提供了一种车辆调度方法，包括：

4、针对待预测区域中的各子区域，确定该子区域的信息，所述信息至少包括历史出行信息以及位置信息；

5、将该子区域的历史出行信息按照至少两种时间周期进行提取，得到至少两种子信息；

6、根据所述各子区域的位置信息，构建所述各子区域之间的距离图，以及根据所述各子区域的历史出行信息，构建所述各子区域之间的出行需求图；

7、将所述各子区域的所述至少两种子信息、所述距离图以及所述出行需求图分别输入出行需求预测模型的特征提取层，得到所述各子区域的至少两种时间特征、所述待预测区域的距离特征以及所述待预测区域的出行需求特征；

8、将所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求，其中，所述用户出行需求包括用户的出发区域以及所述用户的目标区域；

9、根据所述用户出行需求，进行车辆调度。

10、可选地，所述特征提取层包括全连接层以及卷积层；

11、将所述各子区域的所述至少两种子信息、所述距离图以及所述出行需求图分别输入出行需求预测模型的特征提取层，得到所述各子区域的至少两种时间特征、所述待预测区域的距离特征以及所述待预测区域的出行需求特征，具体包括：

12、将所述各子区域的所述至少两种子信息分别输入所述出行需求预测模型的全连接层，得到所述各子区域的至少两种时间特征；

13、将所述距离图以及所述出行需求图分别输入所述出行需求预测模型的卷积层，得到所述待预测区域的距离特征以及出行需求特征。

14、可选地，将该子区域的历史出行信息按照至少两种时间周期进行提取，得到至少两种子信息，具体包括：

15、确定预测待预测区域的用户出行需求的预测时间段；

16、根据所述预测时间段的时间长度，将该子区域的历史出行信息进行划分，得到各待选信息；

17、按照至少两种时间周期，从各待选信息中，确定与所述预测时间段对应的至少两种子信息。

18、可选地，所述出行需求预测模型还包括编码层；

19、将所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求，具体包括：

20、针对所述各子区域，将该子区域的所述至少两种时间特征进行拼接，得到该子区域的时间特征向量；

21、确定由所述各子区域的时间特征向量组成的所述待预测区域的第一时间特征矩阵；

22、将所述第一时间特征矩阵输入所述出行需求预测模型的编码层，得到所述待预测区域的第二时间特征矩阵；

23、将所述第二时间特征矩阵、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求。

24、可选地，根据所述各子区域的位置信息，构建所述各子区域之间的距离图，具体包括：

25、针对所述各子区域，根据所述各子区域的位置信息，确定该子区域与其他各子区域之间的各距离；

26、根据指定距离以及所述各距离，确定该子区域与所述其他各子区域之间的各相对距离；

27、根据确定出的各相对距离，确定该子区域与其他各子区域之间的距离相关向量；

28、将由所述各子区域的距离相关向量组成的距离相关矩阵作为所述待预测区域的距离图。

29、可选地，根据所述各子区域的历史出行信息，构建所述各子区域之间的出行需求图，具体包括：

30、针对所述各子区域，根据所述各子区域的历史出行信息，确定该子区域到其他各子区域的各历史出行次数；

31、根据所述各历史出行次数，确定该子区域的出行需求向量；

32、根据所述各子区域的出行需求向量，确定该子区域与其他各子区域之间的出行需求相关向量；

33、将由所述各子区域的出行需求相关向量组成的出行需求相关矩阵作为所述待预测区域的出行需求图。

34、可选地，所述信息还包括功能信息，所述功能信息至少包括该子区域中各类兴趣点分别对应的数量；

35、将所述距离图以及所述出行需求图分别输入所述出行需求预测模型的卷积层，得到所述待预测区域的距离特征以及出行需求特征，具体包括：

36、针对所述各子区域，根据该子区域中各类兴趣点分别对应的数量，确定该子区域的功能特征向量；

37、根据其他子区域的功能特征向量，确定该子区域与其他子区域之间的功能相关向量；

38、将由所述各子区域的功能相关向量组成的功能相关矩阵作为所述待预测区域的功能图；

39、将所述距离图、所述出行需求图以及所述功能图分别输入所述出行需求预测模型的卷积层，得到所述待预测区域的距离特征矩阵、出行需求特征矩阵以及功能特征矩阵。

40、可选地，所述出行需求预测模型还包括编码层；

41、将所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求，具体包括：

42、针对所述各子区域，将该子区域的所述至少两种时间特征进行拼接，得到该子区域的时间特征向量；

43、确定由所述各子区域的时间特征向量组成的所述待预测区域的第一时间特征矩阵；

44、将所述第一时间特征矩阵输入所述出行需求预测模型的编码层，得到所述待预测区域的时间特征矩阵；

45、将所述第二时间特征矩阵、所述距离特征矩阵、所述出行需求特征矩阵以及所述功能特征矩阵进行拼接；

46、将拼接后的结果输入所述出行需求预测模型的预测层，得到所述待预测区域中的所述各子区域之间的用户出行需求矩阵。

47、可选地，所述信息还包括天气信息；

48、将所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求，具体包括：

49、针对所述各子区域，确定该子区域的指定时间内的天气信息；

50、根据所述天气信息，确定该子区域的天气向量；

51、将所述各子区域的天气向量、所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求。

52、可选地，采用下述方式训练所述出行需求预测模型，其中：

53、获取指定区域内各子区域的至少两个历史时间段的信息；

54、将所述至少两个历史时间段中时间最晚的时间段的所述各子区域之间的出行信息作为标注，以及将其他历史时间段的所述各子区域之间的信息作为样本；

55、针对所述各子区域，将该子区域在所述样本中的出行信息按照所述至少两种时间周期进行提取，得到至少两种子信息；

56、根据所述各子区域在所述样本中的位置信息，构建所述各子区域之间的距离图，以及根据所述各子区域在所述样本中的出行信息，构建所述各子区域之间的出行需求图；

57、将所述各子区域的所述至少两种子信息、所述距离图以及所述出行需求图分别输入所述特征提取层，得到所述各子区域的至少两种子时间特征、所述指定区域的距离特征以及所述指定区域的出行需求特征；

58、将所述各子区域的至少两种子时间特征、所述距离特征以及所述出行需求特征输入所述预测层，得到所述指定区域的用户出行需求；

59、以所述用户出行需求与所述标注之间的差异最小为目标，对所述出行需求预测模型进行训练。

60、可选地，根据所述用户出行需求，进行车辆调度，具体包括：

61、根据所述用户出行需求，确定所述待预测区域中所述各子区域的出行人数，作为所述各子区域的调度数量；

62、针对所述各子区域，将该子区域对应的调度数量的车辆调度到该子区域。

63、本说明书中提供一种车辆调度装置，包括：

64、确定模块，用于针对待预测区域中的各子区域，确定该子区域的信息，所述信息至少包括历史出行信息以及位置信息；

65、提取模块，用于将该子区域的历史出行信息按照至少两种时间周期进行提取，得到至少两种子信息；

66、构图模块，用于根据所述各子区域的位置信息，构建所述各子区域之间的距离图，以及根据所述各子区域的历史出行信息，构建所述各子区域之间的出行需求图；

67、特征模块，用于将所述各子区域的所述至少两种子信息、所述距离图以及所述出行需求图分别输入出行需求预测模型的特征提取层，得到所述各子区域的至少两种时间特征、所述待预测区域的距离特征以及所述待预测区域的出行需求特征；

68、预测模块，用于将所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求，其中，所述用户出行需求包括用户的出发区域以及所述用户的目标区域；

69、调度模块，用于根据所述用户出行需求，进行车辆调度。

70、可选地，所述特征提取层包括全连接层以及卷积层；

71、所述特征模块具体用于，将所述各子区域的所述至少两种子信息分别输入所述出行需求预测模型的全连接层，得到所述各子区域的至少两种时间特征；将所述距离图以及所述出行需求图分别输入所述出行需求预测模型的卷积层，得到所述待预测区域的距离特征以及出行需求特征。

72、可选地，所述提取模块具体用于，确定预测待预测区域的用户出行需求的预测时间段；根据所述预测时间段的时间长度，将该子区域的历史出行信息进行划分，得到各待选信息；按照至少两种时间周期，从各待选信息中，确定与所述预测时间段对应的至少两种子信息。

73、可选地，所述出行需求预测模型还包括编码层；

74、所述预测模块具体用于，针对所述各子区域，将该子区域的所述至少两种时间特征进行拼接，得到该子区域的时间特征向量；确定由所述各子区域的时间特征向量组成的所述待预测区域的第一时间特征矩阵；将所述第一时间特征矩阵输入所述出行需求预测模型的编码层，得到所述待预测区域的第二时间特征矩阵；将所述第二时间特征矩阵、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求。

75、可选地，所述构图模块具体用于，针对所述各子区域，根据所述各子区域的位置信息，确定该子区域与其他各子区域之间的各距离；根据指定距离以及所述各距离，确定该子区域与所述其他各子区域之间的各相对距离；根据确定出的各相对距离，确定该子区域与其他各子区域之间的距离相关向量；将由所述各子区域的距离相关向量组成的距离相关矩阵作为所述待预测区域的距离图。

76、可选地，所述构图模块具体用于，针对所述各子区域，根据所述各子区域的历史出行信息，确定该子区域到其他各子区域的各历史出行次数；根据所述各历史出行次数，确定该子区域的出行需求向量；根据所述各子区域的出行需求向量，确定该子区域与其他各子区域之间的出行需求相关向量；将由所述各子区域的出行需求相关向量组成的出行需求相关矩阵作为所述待预测区域的出行需求图。

77、可选地，所述信息还包括功能信息，所述功能信息至少包括该子区域中各类兴趣点分别对应的数量；

78、所述特征模块具体用于，针对所述各子区域，根据该子区域中各类兴趣点分别对应的数量，确定该子区域的功能特征向量；根据其他子区域的功能特征向量，确定该子区域与其他子区域之间的功能相关向量；将由所述各子区域的功能相关向量组成的功能相关矩阵作为所述待预测区域的功能图；将所述距离图、所述出行需求图以及所述功能图分别输入所述出行需求预测模型的卷积层，得到所述待预测区域的距离特征矩阵、出行需求特征矩阵以及功能特征矩阵。

79、可选地，所述出行需求预测模型还包括编码层；

80、所述预测模块具体用于，针对所述各子区域，将该子区域的所述至少两种时间特征进行拼接，得到该子区域的时间特征向量；确定由所述各子区域的时间特征向量组成的所述待预测区域的第一时间特征矩阵；将所述第一时间特征矩阵输入所述出行需求预测模型的编码层，得到所述待预测区域的第二时间特征矩阵；将所述第二时间特征矩阵、所述距离特征矩阵、所述出行需求特征矩阵以及所述功能特征矩阵进行拼接；将拼接后的结果输入所述出行需求预测模型的预测层，得到所述待预测区域中的所述各子区域之间的用户出行需求矩阵。

81、可选地，所述信息还包括天气信息；

82、所述预测模块具体用于，针对所述各子区域，确定该子区域的指定时间内的天气信息；根据所述天气信息，确定该子区域的天气向量；将所述各子区域的天气向量、所述各子区域的所述至少两种时间特征、所述距离特征以及所述出行需求特征输入所述出行需求预测模型的预测层，得到所述待预测区域的用户出行需求。

83、可选地，所述装置还包括：

84、训练模块，用于获取指定区域内各子区域的至少两个历史时间段的信息；将所述至少两个历史时间段中时间最晚的时间段的所述各子区域之间的出行信息作为标注，以及将其他历史时间段的所述各子区域之间的信息作为样本；针对所述各子区域，将该子区域在所述样本中的出行信息按照所述至少两种时间周期进行提取，得到至少两种子信息；根据所述各子区域在所述样本中的位置信息，构建所述各子区域之间的距离图，以及根据所述各子区域在所述样本中的出行信息，构建所述各子区域之间的出行需求图；将所述各子区域的所述至少两种子信息、所述距离图以及所述出行需求图分别输入所述特征提取层，得到所述各子区域的至少两种子时间特征、所述指定区域的距离特征以及所述指定区域的出行需求特征；将所述各子区域的至少两种子时间特征、所述距离特征以及所述出行需求特征输入所述预测层，得到所述指定区域的用户出行需求；以所述用户出行需求与所述标注之间的差异最小为目标，对所述出行需求预测模型进行训练。

85、可选地，所述调度模块具体用于，根据所述用户出行需求，确定所述待预测区域中所述各子区域的出行人数，作为所述各子区域的调度数量；针对所述各子区域，将该子区域对应的调度数量的车辆调度到该子区域。

86、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述车辆调度方法。

87、本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述车辆调度方法。

88、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

89、本说明书提供的车辆调度方法，先针对待预测区域中的各子区域，确定该子区域的信息，并将该子区域的历史出行信息按照至少两种时间周期进行提取，得到至少两种子信息。同时，根据各子区域的位置信息，构建各子区域之间的距离图，以及根据各子区域的历史出行信息，构建各子区域之间的出行需求图。再将各子区域的至少两种子信息、距离图以及出行需求图分别输入出行需求预测模型的特征提取层，得到各子区域的至少两种时间特征、待预测区域的距离特征以及出行需求特征。然后，将各子区域的至少两种时间特征、距离特征以及出行需求特征输入出行需求预测模型的预测层，得到待预测区域的用户出行需求。再根据用户出行需求，进行车辆调度。

90、从上述方法中可以看出，本技术在进行车辆调度时，可以针对待预测区域中的各子区域，确定该子区域的信息，并将该子区域的历史出行信息按照至少两种时间周期进行提取，得到至少两种子信息。同时，根据各子区域的位置信息，构建各子区域之间的距离图，以及根据各子区域的历史出行信息，构建各子区域之间的出行需求图。将各子区域的至少两种子信息、距离图以及出行需求图输入出行预测模型的特征提取层，得到各子区域的至少两种时间特征、距离特征以及出行需求特征。然后，将各子区域的至少两种时间特征、距离特征以及出行需求特征输入出行需求预测模型的预测层，得到待预测区域的用户出行需求。再根据用户出行需求，进行车辆调度。通过多个时间视角以及空间视角得到待预测区域的多个维度的特征，使得预测出的用户出行需求更加准确，使得可以提前根据用户出行需求，将车辆调度到各子区域，较少用户在各子区域的等待时间。