订单预测方法与装置制造方法及图纸

本发明专利技术提供一种订单预测方法与装置。该方法，包括：获取目标区域在第一时间段[ti‑1，ti]的第一订单变化量和变化趋势；根据所述第一订单变化量、所述变化趋势和所述目标区域的第一历史订单数据，获取所述第一历史订单数据中与所述变化趋势相同、且与所述第一订单变化量的差值满足预设阈值范围的订单变化量对应的第二时间段；获取与所述第二时间段相邻的下一时间段的第二订单变化量；根据所述第二订单变化量和所述目标区域在所述第ti时刻的实际订单量，确定所述目标区域在第ti+1时刻的第一预测订单量。该方法可以准确预测出目标区域在任意时刻的订单量，进而实现了对车辆的合理调度，有效缓解交通压力。

【技术实现步骤摘要】

本专利技术涉及计算机技术，尤其涉及一种订单预测方法与装置。
技术介绍
出租车作为城市公交车的一种补充，给市民的出行提供了方便。但是一个常见的现象就是，有的出租车驾驶员漫无目的边开车边寻找乘客，有的乘客等了很久还是打不到车。为了解决“打车难”的问题，一种基于智能手机的打车软件应运而生，例如“嘀嘀打车”、“快的打车”等。乘客可以通过打车软件实现实时用车或预约用车，同时车主也可以根据打车软件中保存的某一个区域的历史数据，来预测未来某一时间该区域的乘客需求，并根据乘客需求来进行车辆的调度，可以减少空载的里程，缓解服务不平衡的现象。现有的目标区域车辆调度方法是基于时间的自回归方法，具体为：首先，根据M天内R个区域的第j个时段的乘车订单数量、M天内R个区域的第j+1个时段的乘车订单数量和当天的R个区域的第j个时段的乘车订单数量，确定第i个区域的第j个时段的回归系数向量，其中i∈R；接着，根据上述第i个区域的第j个时段的回归系数向量和当天的R个区域的第j个时段的乘车订单数量，确定当天的第i个区域的第j+1个时段的预测乘车订单数量；然后，根据当天的第i个区域的第j+1个时段的预测乘车订单数量确定当天的R个区域的第j+1个时段的预测乘车订单数量。但是，现有技术的订单预测方法所预测的结果不准确，无法有效的实现车辆的合理调度。
技术实现思路
本专利技术提供一种订单预测方法与装置，用于解决现有计算对订单预测不准确的问题，实现了对目标区域任意时刻订单的准确预测，保证了车辆的合理调度。第一方面，本专利技术提供一种订单预测方法，包括：获取目标区域在第一时间段[ti-1，ti]的第一订单变化量和变化趋势；其中，所述第一订单变化量等于所述目标区域在所述第ti时刻的实际订单量与所述第ti-1时刻的实际订单量的差值的绝对值；根据所述第一订单变化量、所述变化趋势和所述目标区域的第一历史订单数据，获取所述第一历史订单数据中与所述变化趋势相同、且与所述第一订单变化量的差值满足预设阈值范围的订单变化量对应的第二时间段；获取与所述第二时间段相邻的下一时间段的第二订单变化量；根据所述第二订单变化量和所述目标区域在所述第ti时刻的实际订单量，确定所述目标区域在第ti+1时刻的第一预测订单量。可选地，若获取到多个所述第二时间段，则所述获取与所述第二时间段相邻的下一时间段的第二订单变化量，具体包括：获取与每个第二时间段相邻的下一时间段对应的第三订单变化量；获取多个第三订单变化量的平均值，并将所述平均值确定为所述第二订单变化量。进一步地，上述方法还包括：获取预设地域范围内每个区域内的信息点POI个数；所述预设地域范围包括所述目标区域和至少一个周边区域；从所述预设地域范围对应的第二历史订单数据中获取每个区域在所述第ti时刻的实际订单量和在所述第ti时刻的车辆的数量；根据所述每个区域内的信息点POI个数、每个区域在所述第ti时刻的实际订单量和每个区域在所述第ti时刻的车辆的数量，获取人工神经网络算法模型；根据输入参数和所述人工神经网络算法模型，确定所述目标区域在所述第ti+1时刻的第二预测订单量；其中，所述输入参数包括区域信息和时间信息；根据所述目标区域在所述第ti+1时刻的第一预测订单量和所述目标区域在所述第ti+1时刻的第二预测订单量，确定所述目标区域在所述第ti+1时刻的第三预测订单量。可选地，根据所述目标区域在所述第ti+1时刻的第一预测订单量和所述目标区域在所述第ti+1时刻的第二预测订单量，确定所述目标区域在所述第ti+1时刻的第三预测订单量，具体包括：根据所述第二历史订单数据、所述目标区域在所述第ti时刻的第一预测订单量和所述目标区域在所述第ti时刻的第二预测订单量，获取梯度提升树算法模型；根据所述输入参数和所述梯度提升树算法模型，获取所述目标区域在所述第ti+1时刻的第三预测订单量。第二方面，本专利技术还包括一种订单预测装置，包括：第一获取模块，用于获取目标区域在第一时间段[ti-1，ti]的第一订单变化量和变化趋势；其中，所述第一订单变化量等于所述目标区域在所述第ti时刻的实际订单量与所述第ti-1时刻的实际订单量的差值的绝对值；第二获取模块，用于根据所述第一订单变化量、所述变化趋势和所述目标区域的第一历史订单数据，获取所述第一历史订单数据中与所述变化趋势相同、且与所述第一订单变化量的差值满足预设阈值范围的订单变化量对应的第二时间段；第三获取模块，用于获取与所述第二时间段相邻的下一时间段的第二订单变化量；第一处理模块，用于根据所述第二订单变化量和所述目标区域在所述第ti时刻的实际订单量，确定所述目标区域在第ti+1时刻的第一预测订单量。可选地，若所述第二获取模块获取到多个所述第二时间段时，所述第三获取模块具体包括：第一获取单元，用于获取与每个第二时间段相邻的下一时间段对应的第三订单变化量；处理单元，用于获取多个第三订单变化量的平均值，并将所述平均值确定为所述第二订单变化量。进一步地，上述装置还包括：第四获取模块，用于获取预设地域范围内每个区域内的信息点POI个数；所述预设地域范围包括所述目标区域和至少一个周边区域；第五获取模块，用于从所述预设地域范围对应的第二历史订单数据中获取每个区域在所述第ti时刻的实际订单量和在所述第ti时刻的车辆的数量；第六获取模块，用于根据所述每个区域内的信息点POI个数、每个区域在所述第ti时刻的实际订单量和每个区域在所述第ti时刻的车辆的数量，获取人工神经网络算法模型；第二处理模块，用于根据输入参数和所述人工神经网络算法模型，确定所述目标区域在所述第ti+1时刻的第二预测订单量；其中，所述输入参数包括区域信息和时间信息；第三处理模块，用于根据所述目标区域在所述第ti+1时刻的第一预测订单量和所述目标区域在所述第ti+1时刻的第二预测订单量，确定所述目标区域在所述第ti+1时刻的第三预测订单量。可选地，上述第三处理模块具体包括：第二获取单元，用于根据所述第二历史订单数据、所述目标区域在所述第ti时刻的第一预测订单量和所述目标区域在所述第ti时刻的第二预测订单量，获取梯度提升树算法模型；第三获取单元，用于根据所述输入参数和所述梯度提升树算法模型，获取所述目标区域在所述第ti+1时刻的第三预测订单量。本专利技术提供的订单预测方法与装置，通过获取目标区域在第一时间段[ti-1，ti]的第一订单变化量和变化趋势，并根据该第一订单变化量、变化趋势和目标区域的第一历史订单数据，获取第一历史订单数据中与第一订单变化量的变化趋势相同、且与第一订单变化量的差值满足预设阈值范围的订单变化量对应的第二时间段，获取与第二时间段相邻的下一时间段的第二订单变化量；根据该第二订单变化量和上述目标区域在第ti时刻的实际订单量，确定目标区域在第ti+1时刻的第一预测订单量。本专利技术选取与第一订单变化量相近的订单变化量，由于该相近的订单变化量与第一订单变化量基本相同，则该相近的订单变化量对应的相邻下一时间段的订单变化量与第一时间段对应的相邻下一时间段的第二订单变化量基本相同，即本实施例通过获得较准确的第二订单变化量，进而提高了根据该第二订单变化量获得的第一预测订单的准确性，从而提高了对车辆调度的合理性，有效缓解交通压力。附图说明为了更清楚地说明本专利技术或现有技术中本文档来自技高网...

【技术保护点】
一种订单预测方法，其特征在于，包括：获取目标区域在第一时间段[ti‑1，ti]的第一订单变化量和变化趋势；其中，所述第一订单变化量等于所述目标区域在所述第ti时刻的实际订单量与所述第ti‑1时刻的实际订单量的差值的绝对值；根据所述第一订单变化量、所述变化趋势和所述目标区域的第一历史订单数据，获取所述第一历史订单数据中与所述变化趋势相同、且与所述第一订单变化量的差值满足预设阈值范围的订单变化量对应的第二时间段；获取与所述第二时间段相邻的下一时间段的第二订单变化量；根据所述第二订单变化量和所述目标区域在所述第ti时刻的实际订单量，确定所述目标区域在第ti+1时刻的第一预测订单量。

【技术特征摘要】
1.一种订单预测方法，其特征在于，包括：获取目标区域在第一时间段[ti-1，ti]的第一订单变化量和变化趋势；其中，所述第一订单变化量等于所述目标区域在所述第ti时刻的实际订单量与所述第ti-1时刻的实际订单量的差值的绝对值；根据所述第一订单变化量、所述变化趋势和所述目标区域的第一历史订单数据，获取所述第一历史订单数据中与所述变化趋势相同、且与所述第一订单变化量的差值满足预设阈值范围的订单变化量对应的第二时间段；获取与所述第二时间段相邻的下一时间段的第二订单变化量；根据所述第二订单变化量和所述目标区域在所述第ti时刻的实际订单量，确定所述目标区域在第ti+1时刻的第一预测订单量。2.根据权利要求1所述的方法，其特征在于，若获取到多个所述第二时间段，则所述获取与所述第二时间段相邻的下一时间段的第二订单变化量，具体包括：获取与每个第二时间段相邻的下一时间段对应的第三订单变化量；获取多个第三订单变化量的平均值，并将所述平均值确定为所述第二订单变化量。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取预设地域范围内每个区域内的信息点POI个数；所述预设地域范围包括所述目标区域和至少一个周边区域；从所述预设地域范围对应的第二历史订单数据中获取每个区域在所述第ti时刻的实际订单量和在所述第ti时刻的车辆的数量；根据所述每个区域内的信息点POI个数、每个区域在所述第ti时刻的实际订单量和每个区域在所述第ti时刻的车辆的数量，获取人工神经网络算法模型；根据输入参数和所述人工神经网络算法模型，确定所述目标区域在所述第ti+1时刻的第二预测订单量；其中，所述输入参数包括区域信息和时间信息；根据所述目标区域在所述第ti+1时刻的第一预测订单量和所述目标区域在所述第ti+1时刻的第二预测订单量，确定所述目标区域在所述第ti+1时刻的第三预测订单量。4.根据权利要求3所述的方法，其特征在于，根据所述目标区域在所述第ti+1时刻的第一预测订单量和所述目标区域在所述第ti+1时刻的第二预测订单量，确定所述目标区域在所述第ti+1时刻的第三预测订单量，具体包括：根据所述第二历史订单数据、所述目标区域在所述第ti时刻的第一预测订单量和所述目标区域在所述第ti时刻的第二预测订单量，获取梯度提升树算法模型；根据所述输入参数和所述梯度提升树算法模型，获取所述目标区域在所述第ti+1时刻的第三预测订单量。5.一种订单预测装置，其特征在...

【专利技术属性】
技术研发人员：林学练，魏华，王媛冬，张恿，勾媛洁，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11