CN105139089A - 一种平衡出行供需的方法及设备 - Google Patents

Abstract

本发明公开一种平衡出行供需的方法及设备，所述方法包括：获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；以及获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；若确定需要调节所述目标区域在第一预设时间段的订单信息，则采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整。相比于现有技术，本发明提供的平衡出行供需的方法及设备，利用天气预报的结果，提高预测出行供需情况的准确性，更加准确地平衡出行供需。

Description

一种平衡出行供需的方法及设备

技术领域

本发明涉及计算机处理技术领域，具体涉及一种平衡出行供需的方法及设备。

背景技术

打车软件平台的后台智能系统需要解决的一个重要问题是出行供需不平衡条件下的调度问题：乘客叫车需求大于平台运力时，部分乘客的呼叫得不到响应；乘客叫车需求小于平台运力时，部分运力被浪费从而导致空驶，严重的话会导致运力流失。

现有技术中，一般情况下，可以结合历史数据对出行供需情况进行预测。图1为打车软件平台一天的呼叫量示意图，由图1可以看出，呼叫量有很明显的规律性，具体到某个城市某区域的需求，也可以根据该区域的历史呼叫量来预测该区域的出行供需情况。

但是在实际中，突发事件(比如天气变化)会导致出行供需情况发生变化，从而使出行供需情况的预测不准确，出行供需平衡的效果不好。

发明内容

本发明所要解决的技术问题是突发事件会导致出行供需情况发生变化，从而使出行供需情况预测不准确，出行供需平衡的效果不好的问题。

为此目的，第一方面，本发明提出一种平衡出行供需的方法，包括：

获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；以及

获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；

根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；

若确定需要调节所述目标区域在第一预设时间段的订单信息，则采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整；

其中，所述第一预设时间段为当前时刻的未来时间段，所述第二预设时间段为当前时刻的历史时间段。

可选的，所述获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息，包括：

获取需要平衡出行的目标区域中每一经纬度子区域在第一预设时间段的天气信息。

可选的，所述第二预设时间段内的订单信息包括：在第二预设时间段内接收的乘客侧终端的打车请求数量；

所述根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息，包括：

根据所述打车请求数量和所述司机侧终端在线数量，确定出行供需基准值；

根据所述天气信息和所述出行供需基准值，确定出行供需预测值；

比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息。

可选的，所述预设出行供需阈值包括：第一阈值和第二阈值；其中，所述第一阈值大于等于所述第二阈值；

所述比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息，包括：

若所述出行供需预测值大于第一阈值或小于第二阈值，则确定需要调节所述目标区域在第一预设时间段内的订单信息。

可选的，所述天气信息为降雨量；

所述出行供需预测值大于第一阈值或小于第二阈值，包括：

$(1+a)\frac{D}{S}>T1$ 或 $(1+a)\frac{D}{S}<T2$

其中，a为降雨量，D为打车请求数量，S为司机侧终端在线数量，T1为第一阈值，T2为第二阈值，为出行供需基准值，为出行供需预测值。

第二方面，本发明还提出一种平衡出行供需的设备，包括：

第一获取单元，用于获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；

第二获取单元，用于获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；

确定单元，用于根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；

平衡单元，用于在所述确定单元确定需要调节所述目标区域在第一预设时间段的订单信息时，采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整；

其中，所述第一预设时间段为当前时刻的未来时间段，所述第二预设时间段为当前时刻的历史时间段。

可选的，所述第一获取单元，用于获取需要平衡出行的目标区域中每一经纬度子区域在第一预设时间段的天气信息。

可选的，所述第二预设时间段内的订单信息包括：在第二预设时间段内接收的乘客侧终端的打车请求数量；

所述确定单元，用于：

根据所述打车请求数量和所述司机侧终端在线数量，确定出行供需基准值；

根据所述天气信息和所述出行供需基准值，确定出行供需预测值；

比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息。

可选的，所述预设出行供需阈值包括：第一阈值和第二阈值；其中，所述第一阈值大于等于所述第二阈值；

所述确定单元，用于：

在判定所述出行供需预测值大于第一阈值或小于第二阈值时，则确定需要调节所述目标区域在第一预设时间段内的订单信息。

可选的，所述天气信息为降雨量；

所述出行供需预测值大于第一阈值或小于第二阈值，包括：

$(1+a)\frac{D}{S}>T1$ 或 $(1+a)\frac{D}{S}<T2$

其中，a为降雨量，D为打车请求数量，S为司机侧终端在线数量，T1为第一阈值，T2为第二阈值，为出行供需基准值，为出行供需预测值。

相比于现有技术，本发明提供的平衡出行供需的方法及设备，利用天气预报的结果，提高预测出行供需情况的准确性，更加准确地平衡出行供需。

附图说明

图1为背景技术中涉及的一种打车软件平台一天的呼叫量示意图；

图2为本公开实施例提供的一种平衡出行供需的方法流程图；

图3为本公开实施例提供的一个子区域示意图；

图4为本公开实施例提供的一种平衡出行供需的设备结构图；

图5为本公开实施例提供的一种平衡出行供需的系统结构图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

如图2所示，本实施例公开一种平衡出行供需的方法，所述方法可包括以下步骤201至204：

201、获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；

202、获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；

203、根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；

204、若确定需要调节所述目标区域在第一预设时间段的订单信息，则采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整；

其中，所述第一预设时间段为当前时刻的未来时间段，所述第二预设时间段为当前时刻的历史时间段。

本实施例中，第一预设时间段为当前时刻的未来1小时，若当前时刻为8:00am，则第一预设时间段为8:00am至9:00am。第二预设时间段则可以为一周前或若干周前的8:00am至9:00am，由于打车需求具有很强的星期周期性，比如，预测周三8:00am至9:00am的打车需求，用的是过去若干周周三8:00am至9:00am的打车需求历史数据。

通过上述平衡出行供需的方法，即可预测当前时刻8:00am至9:00am目标区域的出行供需情况，并平衡出行供需。本实施例仅为举例说明，并不限定第一预设时间段与第二预设时间段的具体数值，本领域技术人员可根据实际需要确定第一预设时间段与第二预设时间段。

上述平衡出行供需的方法，利用天气预报的结果，提高预测出行供需情况的准确性，更加准确地平衡出行供需。

在一个具体的例子中，步骤201：获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息，具体如下：

201、获取需要平衡出行的目标区域中每一经纬度子区域在第一预设时间段的天气信息。

本实施例中，城市的区域划分方法如下：

针对城市，均匀划分网格，每个网格代表一个子区域，子区域的天气信息用网格中心的天气信息来代表，目标区域可以为一个子区域，也可以为多个子区域构成的区域。

线上实际采用的子区域划分方法作为一种可选方法：

对坐标点的经纬度保留两位小数后，经纬度数值相同的坐标点都划分为同一块子区域，例如经纬度为(116.33xxx，39.91xxx)的坐标点，保留两位小数后经纬度为(116.33，39.91)，因此都划分进(116.33，39.91)代表的网格，如图3所示。

本实施例中，可通过调用外部天气接口获取目标区域中每一经纬度子区域在第一预设时间段的天气信息。

在一个具体的例子中，步骤202中第二预设时间段内的订单信息包括：在第二预设时间段内接收的乘客侧终端的打车请求数量。

步骤203：根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息，具体包括图2中未示出的步骤2031至2033：

2031、根据打车请求数量和司机侧终端在线数量，确定出行供需基准值；

2032、根据天气信息和所述出行供需基准值，确定出行供需预测值；

2033、比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息。

在一个具体的例子中，步骤2033中所述预设出行供需阈值包括：第一阈值和第二阈值；其中，所述第一阈值大于等于所述第二阈值。

步骤2033：比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息，具体为：若所述出行供需预测值大于第一阈值或小于第二阈值，则确定需要调节所述目标区域在第一预设时间段内的订单信息。

本实施例中，第一阈值也称为供不应求阈值，即出行供需预测值大于第一阈值时，确定出行供需为供不应求。第二阈值也称为供过于求阈值，即出行供需预测值小于第二阈值时，确定出行供需为供过于求，确定出行供需为供过于求。本领域技术人员可以根据实际需要设定第一阈值与第二阈值的大小。

在一个具体的例子中，步骤201中所述天气信息为降雨量a，当a处于0.05至0.15范围内，则表示小雨；当a处于0.15至0.35范围内，则表示中雨；当a大于0.35，则表示大雨。本实施例仅举例说明，并不限定天气信息的类型，本领域人员可选取诸如风速、温度等天气信息。

在步骤2033中所述出行供需预测值大于第一阈值或小于第二阈值，具体可表示为：

$(1+a)\frac{D}{S}>T1$ 或 $(1+a)\frac{D}{S}<T2$

其中，a为降雨量，D为打车请求数量，S为司机侧终端在线数量，T1为第一阈值，T2为第二阈值，为出行供需基准值，为出行供需预测值。

在一个具体的例子中，步骤204：若确定需要调节所述目标区域在第一预设时间段的订单信息，则采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整，具体可以包括：

在供不应求的情况下，需要抑制需求，刺激供给。抑制需求的手段有：提醒乘客打车难、提醒乘客加小费、动态调价、将乘客叫车需求导流到需求不足的产品线(打车、专车、顺风车等产品线间的互相导流)等，刺激供给的手段有：增加司机奖励、动态调价、将运力从空闲区域调度到繁忙区域等。相反地，在供过于求的情况下，需要刺激需求，抑制供给。

上述平衡出行供需的方法，利用天气预报的结果预测未来一段时间的出行供需情况，提高预测出行供需情况的准确性，当供需不平衡情况即将发生时，采用预设出行调整策略，更加准确地平衡出行供需，保证乘客、司机、打车软件平台三方的利益。

如图4所示，本实施例公开一种平衡出行供需的设备，该设备可包括：第一获取单元41、第二获取单元42、确定单元43及平衡单元44。

第一获取单元41，用于获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；

第二获取单元42，用于获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；

确定单元43，用于根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；

平衡单元44，用于在所述确定单元43确定需要调节所述目标区域在第一预设时间段的订单信息时，采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整；

其中，所述第一预设时间段为当前时刻的未来时间段，所述第二预设时间段为当前时刻的历史时间段。

上述平衡出行供需的设备可实现上述平衡出行供需的方法，本实施例不再赘述。

如图5所示，本实施例公开一种平衡出行供需的系统，该系统可包括：如图4所示的平衡出行供需的设备51，乘客侧终端52，司机侧终端53，应用程序编程接口API系统54，外部天气接口55及线上分布式存储Cache系统56。图5中仅示出一个乘客侧终端和一个司机侧终端，本领域技术人员应当理解本系统可连接多个乘客侧终端和多个司机侧终端。

其中，平衡出行供需的设备51、API系统54与Cache系统56相互连接。API系统54与外部天气接口55、乘客侧终端52及司机侧终端53连接。

API系统54定期(例如每小时)调用外部天气接口55，获取各城市的每个细分子区域未来一小时的天气信息，并将天气信息保存在Cache系统56中，供平衡出行供需的设备51调用。

本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处，可以采用任何组合对本说明书中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种平衡出行供需的方法，其特征在于，包括：

获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；以及

获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；

根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；

若确定需要调节所述目标区域在第一预设时间段的订单信息，则采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整；

其中，所述第一预设时间段为当前时刻的未来时间段，所述第二预设时间段为当前时刻的历史时间段。

2.根据权利要求1所述的方法，其特征在于，所述获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息，包括：

获取需要平衡出行的目标区域中每一经纬度子区域在第一预设时间段的天气信息。

3.根据权利要求1所述的方法，其特征在于，

所述第二预设时间段内的订单信息包括：在第二预设时间段内接收的乘客侧终端的打车请求数量；

所述根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息，包括：根据所述打车请求数量和所述司机侧终端在线数量，确定出行供需基准值；

根据所述天气信息和所述出行供需基准值，确定出行供需预测值；

比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息。

4.根据权利要求3所述的方法，其特征在于，所述预设出行供需阈值包括：第一阈值和第二阈值；其中，所述第一阈值大于等于所述第二阈值；

所述比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息，包括：

若所述出行供需预测值大于第一阈值或小于第二阈值，则确定需要调节所述目标区域在第一预设时间段内的订单信息。

5.根据权利要求4所述的方法，其特征在于，所述天气信息为降雨量；

所述出行供需预测值大于第一阈值或小于第二阈值，包括：

$(1+a)\frac{D}{S}>T1$ 或 $(1+a)\frac{D}{S}<T2$

其中，a为降雨量，D为打车请求数量，S为司机侧终端在线数量，T1为第一阈值，T2为第二阈值，为出行供需基准值，为出行供需预测值。

6.一种平衡出行供需的设备，其特征在于，包括：

第一获取单元，用于获取需要平衡出行的目标区域中每一子区域在第一预设时间段的天气信息；

第二获取单元，用于获取所述目标区域中第二预设时间段内的订单信息，以及当前时刻的司机侧终端在线数量；

确定单元，用于根据所述天气信息、所述第二预设时间段内的订单信息和所述司机侧终端在线数量，确定是否需要调节所述目标区域在第一预设时间段内的订单信息；

平衡单元，用于在所述确定单元确定需要调节所述目标区域在第一预设时间段的订单信息时，采用预设出行调整策略对所述目标区域在第一预设时间段的订单信息进行调整；

其中，所述第一预设时间段为当前时刻的未来时间段，所述第二预设时间段为当前时刻的历史时间段。

7.根据权利要求6所述的设备，其特征在于，所述第一获取单元，用于获取需要平衡出行的目标区域中每一经纬度子区域在第一预设时间段的天气信息。

8.根据权利要求6所述的设备，其特征在于，所述第二预设时间段内的订单信息包括：在第二预设时间段内接收的乘客侧终端的打车请求数量；

所述确定单元，用于：

根据所述打车请求数量和所述司机侧终端在线数量，确定出行供需基准值；

根据所述天气信息和所述出行供需基准值，确定出行供需预测值；

比较所述出行供需预测值与预设出行供需阈值的大小，确定是否需要调节所述目标区域在第一预设时间段内的订单信息。

9.根据权利要求8所述的设备，其特征在于，所述预设出行供需阈值包括：第一阈值和第二阈值；其中，所述第一阈值大于等于所述第二阈值；

所述确定单元，用于：

在判定所述出行供需预测值大于第一阈值或小于第二阈值时，则确定需要调节所述目标区域在第一预设时间段内的订单信息。

10.根据权利要求9所述的设备，其特征在于，所述天气信息为降雨量；

所述出行供需预测值大于第一阈值或小于第二阈值，包括：

$(1+a)\frac{D}{S}>T1$ 或 $(1+a)\frac{D}{S}<T2$

其中，a为降雨量，D为打车请求数量，S为司机侧终端在线数量，T1为第一阈值，T2为第二阈值，为出行供需基准值，为出行供需预测值。