一种车辆调度方法技术

本发明专利技术公开的车辆调度方法，涉及车辆调度技术领域，通过选定一个网点，在设定的天数范围内，分别统计网点中各个车型的车辆每天设定时段内的订单数、闲置车辆数、用户下单时与网点之间的距离、各个车型的剩余行驶里程及网点所在地的天气状况，生成网点在天数范围内各个车型的订单数量列表、闲置车辆数列表，利用Pearson相关系数计算公式，计算剩余车位数列表与车辆调度数列表之间的相关系数，生成第二相关系数列表，获取第一相关系数列表及生成第二相关系数列表中大于设定阈值的相关系数，将相关系数对应的特征向量列表输入神经网络模型，生成网点的第二调度单据，实现了根据用户出行习惯来调整调车需求，增强了调度效果，提高了企业的经济效益。

A Vehicle Scheduling Method

The vehicle dispatching method disclosed in the present invention relates to the technical field of vehicle dispatching. By selecting a network point, the number of orders, idle vehicles, the distance between the user and the network point, the remaining driving mileage of each vehicle type and the weather condition of the network point in the set time period of each vehicle type in the network point are counted separately within the set days, and the network point is generated. The Pearson correlation coefficient formula is used to calculate the correlation coefficients between the list of remaining parking spaces and the list of vehicle dispatch numbers. The second correlation coefficient list is generated. The first correlation coefficient list and the correlation coefficients larger than the set threshold in the second correlation coefficient list are obtained, and the correlation coefficients are corresponded. The eigenvector list is input into the neural network model to generate the second dispatching document of the network, which realizes the adjustment of shunting demand according to the user's travel habits, enhances the dispatching effect and improves the economic benefits of the enterprise.

【技术实现步骤摘要】
一种车辆调度方法
本专利技术涉及车辆调度
，具体涉及一种车辆调度方法。
技术介绍
运维人员对新能源汽车的充电一般在晚上进行且调度一个月才调整一次。运维人员对车辆充电完毕后，根据网点车辆的多少情况主观对车辆进行调度，没有及时根据用户出行习惯来调整调车需求，有些网点在某个时段内会出现在车辆调入后其他车辆进入及在车辆调出后其他车辆开出的情况，调度效果较差，导致共享汽车企业的经济效益较差。
技术实现思路
为解决现有技术的不足，本专利技术实施例提供了一种车辆调度方法，该方法包括：Step1、选定一个网点，在设定的天数范围内，分别统计所述网点中各个车型的车辆每天设定时段内的订单数、闲置车辆数、用户下单时与所述网点之间的距离、各个车型的剩余行驶里程及网点所在地的天气状况，生成所述网点在所述天数范围内各个车型的订单数量列表、闲置车辆数列表、用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表；Step2、利用Pearson相关系数计算公式，分别计算所述网点中各个车型的车辆订单数列表、所述闲置车辆数列表、所述用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表与所述网点在所述天数范围内的车辆调度数列表之间的相关系数，生成第一相关系数列表，其中，所述车辆调度数列表包括所述网点当前在所述天数范围内的第一调度单据中各个网点每天需要调入或调出的车辆数；Step3、在所述天数范围内，分别统计所有网点每天的剩余车位数，生成剩余车位数列表；Step4、利用Pearson相关系数计算公式，计算所述剩余车位数列表与所述车辆调度数列表之间的相关系数，生成第二相关系数列表；Step5、获取所述第一相关系数列表及所述生成第二相关系数列表中大于设定阈值的相关系数，将所述相关系数对应的特征向量列表输入神经网络模型，生成所述网点的第二调度单据；Step6、重复Step1-Step2及Step5，生成所有网点的第二调度单据。进一步地，所述天数范围至少为60天。进一步地，所述神经网络模型为长短期记忆LSTM神经网络模型。本专利技术实施例提供的车辆调度方法具有以下有益效果：能够根据用户出行习惯来调整调车需求，增强了调度效果，提高了企业的经济效益。附图说明图1为本专利技术实施例提供的车辆调度方法流程示意图。具体实施方式以下结合附图和具体实施例对本专利技术作具体的介绍。参照图1，本专利技术实施例提供的车辆调度方法包括以下步骤：S101、选定一个网点，在设定的天数范围内，分别统计所述网点中各个车型的车辆每天设定时段内的订单数、闲置车辆数、用户下单时与所述网点之间的距离、各个车型的剩余行驶里程及网点所在地的天气状况，生成所述网点在所述天数范围内各个车型的订单数量列表、闲置车辆数列表、用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表。S102、利用Pearson相关系数计算公式，分别计算所述网点中各个车型的车辆订单数列表、所述闲置车辆数列表、所述用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表与所述网点在所述天数范围内的车辆调度数列表之间的相关系数，生成第一相关系数列表，其中，所述车辆调度数列表包括所述网点当前在所述天数范围内的第一调度单据中各个网点每天需要调入或调出的车辆数。作为一个具体的实施例，各个车型的车辆包括奇瑞小蚂蚁、奇瑞EQ、科沃兹、荣威、宝马、艾瑞泽、江淮iEV6e、标志、北汽、江淮iEV5、大众及帝豪等多种车型的车辆。S103、在所述天数范围内，分别统计所有网点每天的剩余车位数，生成剩余车位数列表。S104、利用Pearson相关系数计算公式，计算所述剩余车位数列表与所述车辆调度数列表之间的相关系数，生成第二相关系数列表。S105、获取所述第一相关系数列表及所述生成第二相关系数列表中大于设定阈值的相关系数，将所述相关系数对应的特征向量列表输入神经网络模型，生成所述网点的第二调度单据。作为一个具体的实施例，可以设定相关系数的阈值为0.2，选取与车辆调度数列表之间的相关系数大于0.2的特征向量，将该特征向量输入神经网络模型。其中，第二调度单据包括当前网点在设定的天数中每天应该调入或调出的车辆的车型及数量。S106、重复S101-S102及S105，生成所有网点的第二调度单据。可选地，所述天数范围至少为60天，也可以为其他天数。进一步地，所述神经网络模型为长短期记忆LSTM神经网络模型，也可以为具有相同功能的其他模型。本专利技术实施例提供的车辆调度方法，通过选定一个网点，在设定的天数范围内，分别统计网点中各个车型的车辆每天设定时段内的订单数、闲置车辆数、用户下单时与网点之间的距离、各个车型的剩余行驶里程及网点所在地的天气状况，生成网点在天数范围内各个车型的订单数量列表、闲置车辆数列表、用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及网点所在地的天气状况列表，利用Pearson相关系数计算公式，分别计算网点中各个车型的车辆订单数列表、闲置车辆数列表、用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及网点所在地的天气状况列表与网点在天数范围内的车辆调度数列表之间的相关系数，生成第一相关系数列表，在天数范围内，统计所有网点每天的剩余车位数，生成剩余车位数列表，利用Pearson相关系数计算公式，计算剩余车位数列表与车辆调度数列表之间的相关系数，生成第二相关系数列表，获取第一相关系数列表及生成第二相关系数列表中大于设定阈值的相关系数，将相关系数对应的特征向量列表输入神经网络模型，生成网点的第二调度单据，实现了根据用户出行习惯来调整调车需求，增强了调度效果，提高了企业的经济效益。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，本专利技术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专利技术的内容，并且上面对特定语言所做的描述是为了披露本专利技术的最佳实施方式。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。本本文档来自技高网...

【技术保护点】
1.一种车辆调度方法，适用于共享汽车领域，其特征在于，包括：Step1、选定一个网点，在设定的天数范围内，分别统计所述网点中各个车型的车辆每天设定时段内的订单数、闲置车辆数、用户下单时与所述网点之间的距离、各个车型的剩余行驶里程及网点所在地的天气状况，生成所述网点在所述天数范围内各个车型的订单数量列表、闲置车辆数列表、用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表；Step2、利用Pearson相关系数计算公式，分别计算所述网点中各个车型的车辆订单数列表、所述闲置车辆数列表、所述用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表与所述网点在所述天数范围内的车辆调度数列表之间的相关系数，生成第一相关系数列表，其中，所述车辆调度数列表包括所述网点当前在所述天数范围内的第一调度单据中各个网点每天需要调入或调出的车辆数；Step3、在所述天数范围内，分别统计所有网点每天的剩余车位数，生成剩余车位数列表；Step4、利用Pearson相关系数计算公式，计算所述剩余车位数列表与所述车辆调度数列表之间的相关系数，生成第二相关系数列表；Step5、获取所述第一相关系数列表及所述生成第二相关系数列表中大于设定阈值的相关系数，将所述相关系数对应的特征向量列表输入神经网络模型，生成所述网点的第二调度单据；Step6、重复Step1‑Step2及Step5，生成所有网点的第二调度单据。...

【技术特征摘要】
1.一种车辆调度方法，适用于共享汽车领域，其特征在于，包括：Step1、选定一个网点，在设定的天数范围内，分别统计所述网点中各个车型的车辆每天设定时段内的订单数、闲置车辆数、用户下单时与所述网点之间的距离、各个车型的剩余行驶里程及网点所在地的天气状况，生成所述网点在所述天数范围内各个车型的订单数量列表、闲置车辆数列表、用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表；Step2、利用Pearson相关系数计算公式，分别计算所述网点中各个车型的车辆订单数列表、所述闲置车辆数列表、所述用户下单时与对应网点之间的距离列表、各个车型的剩余行驶里程列表及所述网点所在地的天气状况列表与所述网点在所述天数范围内的车辆调度数列表之间的相关系数，生成第一相关系数列表，其中，所...

【专利技术属性】
技术研发人员：马瑞青，宋刚，陈旭，
申请(专利权)人：北京首汽智行科技有限公司，
类型：发明
国别省市：北京,11