一种共享车辆调配方法、系统及计算机存储介质技术方案

本发明专利技术涉及车辆调配技术领域，特别涉及一种共享车辆调配方法、系统及计算机存储介质。方法包括以下步骤：获取基础数据，基于基础数据信息计算得到离线数据信息：车站时空信息、城市时点信息、车站时空效率、区块机会成本以及车站时空最优车辆数；获取实时车辆位置信息以及实时车站信息，并计算车辆到每个车站的距离成本以及实时车站是否需要挪入车辆；基于离线数据信息、车辆到每个车站的距离成本以及实时车站是否需要挪入车辆求解生成调度运输数据。本发明专利技术考虑到各个车站在各个时段的效率不同以及车站在各个时段的最优车辆数，自适应能力较强，结合考虑了各车站在不同时段下的效率以及车站容量求解获得最终的调度方案，以此达到最高的收益。到最高的收益。到最高的收益。

【技术实现步骤摘要】
一种共享车辆调配方法、系统及计算机存储介质


[0001]本专利技术涉及车辆调配
，其特别涉及一种共享车辆调配方法、系统及计算机存储介质。

技术介绍

[0002]共享两轮车作为短途出行的重要工具，为用户的城市出行提供了极大便捷。由于用户的骑行会使得车辆在城市中的分布产生差异，所以为了更好地服务、满足用户的短途出行需求，需要一线运维人员对车辆进行调度，从而适应城市的供需状态变化。
[0003]一个城市一个时空点位置附近是否有车，对于有短途出行需求的用户来说十分重要，而城市车辆投放量并不是饱和式的，所以如何将有限的车辆资源在城市时空点位进行分配是十分重要的一个问题，针对共享两轮车的车辆预测的方法有很多，如基于xgboost和lightgbm等树模型、基于lstm、attention等深度学习模型、基于拓扑关系的图卷积模型。得到了时空点位的车辆需求预测值后，面临的另一个问题是如何进行车辆调度，即从哪些时空点位捡车，又放到哪些时空点位，同样有很多如车辆路径规划等方法。但是上述的车辆预测及调度方法有着很多问题。如预测方法中常用pred_需求=本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种共享车辆调配方法，其特征在于：包括以下步骤：获取基础数据，基于基础数据信息计算得到离线数据信息，离线数据信息包括：车站时空信息、城市时点信息、车站时空效率、区块机会成本以及车站时空最优车辆数；车站时空最优车辆数根据车站时空信息、城市时点信息以及车站时空效率计算获得；获取实时车辆位置信息以及实时车站信息，并结合离线数据信息计算每辆车辆到每个车站的距离成本以及实时车站是否需要挪入车辆；基于离线数据信息、每辆车辆到每个车站的距离成本以及实时车站是否需要挪入车辆生成调度运输数据。2.如权利要求1所述的共享车辆调配方法，其特征在于：所述基础数据包括可用车表、竞对车表、城市时点划分表、订单表、挪车表、区块绑定车站表、以及区块表。3.如权利要求2所述的共享车辆调配方法，其特征在于：获取基础数据，基于基础数据信息计算得到离线数据信息包括以下步骤：对基础数据加工整合得到车站粒度的车站每日订单时空效率表及车站每日挪车时空效率表，以及区块粒度的区块机会成本表，基于车站每日订单时空效率表及车站每日挪车时空效率表计算获得车站时空效率；基于贪心策略计算获得车站时空最优车辆数。4.如权利要求3所述的共享车辆调配方法，其特征在于：车站时空信息包括城市 id、车站 id、区块 id、时段 id、车站的最大容量、最小容量以及预测骑入量；城市时点信息包括城市在各时段的需求、城市可用车数量以及城市当日车效。5.如权利要求4所述的共享车辆调配方法，其特征在于：选取历史预设时间的车站骑出车辆数进行排序，车站最大容量取a分位数，90≤a≤100，车站最小容量取b分位数，5≤b≤15；预测骑入量采用加权平均计算：predict_in_bikes= X*avg_7 +Y*avg_14+Z*avg_30其中predict_in_bikes表示预测骑入量、avg_7表示最近七天的平均车辆流入量、avg_14表示最近14天平均车辆流入量、avg_30表示最近30天平均车辆流入量，X、Y、Z均表示权重。6.如权利要求4所述的共享车辆调配方法，其特征在...

【专利技术属性】
技术研发人员：刘璇恒，刘永威，刘思喆，
申请(专利权)人：北京阿帕科蓝科技有限公司，
类型：发明
国别省市：