本申请涉及一种车辆调度方法、装置、计算机设备和存储介质。所述方法包括：获取全量用户的历史行为数据；确定所述全量用户中目标用户类型的用户，并得到所述目标用户类型的用户的目标历史行为数据；根据预设聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点；基于所述目标历史行为数据与所述目标用车地点，确定各所述目标用车地点的用车数量，基于所述用车数量进行车辆调度。采用本方法能够提高共享单车车辆调度的有效性。车车辆调度的有效性。车车辆调度的有效性。
【技术实现步骤摘要】
车辆调度方法、装置、计算机设备和存储介质
[0001]本申请涉及车辆调度
，特别是涉及一种车辆调度方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着共享单车技术的发展，共享单车已成为城市中的一项重要出行交通工具，由于用户的用车需求与共享单车的供给不平衡，针对共享单车的调度问题限制了共享单车的进一步发展。
[0003]传统技术中，通过预测模型对全量用户的历史骑行行为进行预测，确定城市中各共享单车投放车站所需投放的共享单车数量。
[0004]然而，目前基于全量用户的历史骑行确定各共享单车投放车站所需投放的共享单车数量，确定出的各投放车站所需投放的共享单车数量与用车需求匹配度较低，导致共享单车调度的有效性较差。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种车辆调度方法、装置、计算机设备和计算机可读存储介质。
[0006]第一方面，本申请提供了一种车辆调度方法。所述方法包括：获取全量用户的历史行为数据；确定所述全量用户中目标用户类型的用户，并得到所述目标用户类型的用户的目标历史行为数据；根据预设聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点；基于所述目标历史行为数据与所述目标用车地点，确定各所述目标用车地点的用车数量，基于所述用车数量进行车辆调度。
[0007]在其中一个实施例中，所述确定所述全量用户中目标用户类型的用户，包括：根据所述历史行为数据，将所述全量用户中满足预设筛选条件的用户，确定为目标用户类型的用户；所述预设筛选条件包括满足订单量条件、反馈条件和付费条件中至少一种。
[0008]在其中一个实施例中，所述历史行为数据包括订单量、付费数据和反馈数据；所述根据所述历史行为数据，将所述全量用户中满足预设筛选条件的用户，确定为目标用户类型的用户，包括：根据第一采集周期内的所述全量用户的所述订单量，将所述全量用户中满足订单量条件的用户，确定为频繁用户类型的用户和长期用户类型的用户；根据所述第一采集周期内的所述全量用户的所述反馈数据，将所述全量用户中满足所述反馈条件的用户，确定反馈用户类型的用户；
根据所述第一采集周期内的所述全量用户的所述付费数据，确定付费用户类型的用户。
[0009]在其中一个实施例中，所述第一采集周期包括第一预设周期与第二预设周期；所述根据第一采集周期内的所述全量用户的所述订单量，将所述全量用户中满足订单量条件的用户，确定为频繁用户类型的用户和长期用户类型的用户，包括：在所述第一预设周期内，对所述第一预设周期内所述全量用户的所述订单量进行排序，得到所述订单量的第一订单排名；将所述第一订单排名中满足第一目标排名条件的所述订单量对应的用户，确定为频繁用户类型；计算所述第二预设周期内所述全量用户的月度平均订单量；对所述第二预设周期内所述全量用户的月度平均订单量的进行排序，得到第二订单排名；将所述历史行为数据中的注册时间大于预设时间阈值，且所述第二订单排名中满足第二目标排名条件的月度平均订单量对应的用户，确定为长期用户类型。
[0010]在其中一个实施例中，所述根据预设聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点，包括：根据预设聚类半径、聚类簇最小样本量和预设的聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点。
[0011]在其中一个实施例中，所述基于所述目标历史行为数据与所述目标用车地点，确定各所述目标用车地点的用车数量，包括：获取第二采集周期内所述目标用户类型的用户对应的各起点位置的车辆使用时间；根据所述第二采集周期内所述目标用户类型的用户对应的各所述起点位置的车辆使用时间，确定各单位时间内各所述起点位置对应的所述目标用车地点的车辆使用次数；根据所述第二采集周期内属于相同时段的各所述起点位置的车辆使用次数，确定各所述目标用车地点的各时段内的日均车辆使用次数；基于各所述时段内的所述日均车辆使用次数确定各所述目标用车地点的用车数量。
[0012]在其中一个实施例中，所述基于各所述时段内的所述日均车辆使用次数确定各所述目标用车地点的用车数量之后，所述方法还包括：对所述相同时段的各所述目标用车地点的所述单位时间的日均车辆使用次数进行排序，得到动态用车次数排名；将所述动态用车次数排名满足第三目标排名条件的各所述目标用车地点的用车数量进行调整。
[0013]第二方面，本申请还提供了一种车辆调度装置。所述装置包括：获取模块，用于获取全量用户的历史行为数据；第一确定模块，用于确定所述全量用户中目标用户类型的用户，并得到所述目标用户类型的用户的目标历史行为数据；
聚类模块，用于根据预设聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点；第二确定模块，用于基于所述目标历史行为数据与所述目标用车地点，确定各所述目标用车地点的用车数量，基于所述用车数量进行车辆调度。
[0014]在其中一个实施例中，所述第一确定模块具体用于：根据所述历史行为数据，将所述全量用户中满足预设筛选条件的用户，确定为目标用户类型的用户；所述预设筛选条件包括满足订单量条件、反馈条件和付费条件中至少一种。
[0015]在其中一个实施例中，所述第一确定模块具体用于：根据第一采集周期内的所述全量用户的所述订单量，将所述全量用户中满足订单量条件的用户，确定为频繁用户类型的用户和长期用户类型的用户；根据所述第一采集周期内的所述全量用户的所述反馈数据，将所述全量用户中满足所述反馈条件的用户，确定反馈用户类型的用户；根据所述第一采集周期内的所述全量用户的所述付费数据，确定付费用户类型的用户。
[0016]在其中一个实施例中，所述第一确定模块具体用于：在所述第一预设周期内，对所述第一预设周期内所述全量用户的所述订单量进行排序，得到所述订单量的第一订单排名；将所述第一订单排名中满足第一目标排名条件的所述订单量对应的用户，确定为频繁用户类型；计算所述第二预设周期内所述全量用户的月度平均订单量；对所述第二预设周期内所述全量用户的月度平均订单量的进行排序，得到第二订单排名；将所述历史行为数据中的注册时间大于预设时间阈值，且所述第二订单排名中满足第二目标排名条件的月度平均订单量对应的用户，确定为长期用户类型。
[0017]在其中一个实施例中，所述聚类模块具体用于：根据预设聚类半径、聚类簇最小样本量和预设的聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点。
[0018]在其中一个实施例中，所述第二确定模块具体用于：获取第二采集周期内所述目标用户类型的用户对应的各起点位置的车辆使用时间；根据所述第二采集周期内所述目标用户类型的用户对应的各所述起点位置的车辆使用时间，确定各单位时间内各所述起点位置对应的所述目标用车地点的车辆使用次数；根据所述第二采集周期内属于相同时段的各所述起点位置的车辆使用次数，确定各所述目标用车地点的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆调度方法，其特征在于，所述方法包括：获取全量用户的历史行为数据；确定所述全量用户中目标用户类型的用户，并得到所述目标用户类型的用户的目标历史行为数据；根据预设聚类方法，对所述目标历史行为数据进行聚类处理，得到所述目标用户类型的用户对应的目标用车地点；基于所述目标历史行为数据与所述目标用车地点，确定各所述目标用车地点的用车数量，基于所述用车数量进行车辆调度。2.根据权利要求1所述的方法，其特征在于，所述确定所述全量用户中目标用户类型的用户，包括：根据所述历史行为数据，将所述全量用户中满足预设筛选条件的用户，确定为目标用户类型的用户；所述预设筛选条件包括满足订单量条件、反馈条件和付费条件中至少一种。3.根据权利要求2所述的方法，其特征在于，所述历史行为数据包括订单量、付费数据和反馈数据；所述根据所述历史行为数据，将所述全量用户中满足预设筛选条件的用户，确定为目标用户类型的用户，包括：根据第一采集周期内的所述全量用户的所述订单量，将所述全量用户中满足订单量条件的用户，确定为频繁用户类型的用户和长期用户类型的用户；根据所述第一采集周期内的所述全量用户的所述反馈数据，将所述全量用户中满足所述反馈条件的用户，确定反馈用户类型的用户；根据所述第一采集周期内的所述全量用户的所述付费数据，确定付费用户类型的用户。4.根据权利要求3所述的方法，其特征在于，所述第一采集周期包括第一预设周期与第二预设周期；所述根据第一采集周期内的所述全量用户的所述订单量，将所述全量用户中满足订单量条件的用户，确定为频繁用户类型的用户和长期用户类型的用户，包括：在所述第一预设周期内，对所述第一预设周期内所述全量用户的所述订单量进行排序，得到所述订单量的第一订单排名；将所述第一订单排名中满足第一目标排名条件的所述订单量对应的用户，确定为频繁用户类型；计算所述第二预设周期内所述全量用户的月度平均订单量；对所述第二预设周期内所述全量用户的月度平均订单量的进行排序，得到第二订单排名；将所述历史行为数据中的注册时间大于预设时间阈值，且所述第二订单排名中满足第二目标排名条件的月度平均订单量对应的用户，确定为长期用户类型。5.根据权利要求1所述的方法，其特征在于，所述根据预设聚类方法，对所述目标历史行为数据进行聚类处理，得到...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。