一种基于大数据的共享单车云平台智能调度方法及系统

技术领域

本发明涉及一种共享单车调度方法，尤其涉及一种基于大数据的共享单车云平台智能调度方法，并进一步涉及采用了该基于大数据的共享单车云平台智能调度方法的共享单车云平台智能调度系统。

背景技术

目前各大共享单车运维的挪车调度工作都是通过人工去运营区域站点进行车辆数量核对，车辆少的站点就补车辆，车辆多的站点就移部分车辆到车辆少的站点，这就导致了运维人员调度车辆的工作效率是比较低下，并且在运维人员未到达站点前是不知道每一个站点需要调进或者调出多少台车，需要现场清点车辆，这也加大了运维工作量，如果运维人员少调度或者多调度了车辆，都无法使得车辆使用率达到最大或较优，无法使得车辆产出更大的价值。

这种依赖终端定位精度的方式缺点还在于：1、纯人工调度，无数据导向支撑；2、无法精准的得到每一个站点的车辆借出率，进而无法控制车辆调度数的准确度；3、无法知道每个站点的借出率，无法对热门站点实现及时调度；4、无法预估周期借出率，无法提前进行准备和调度，调度会出现滞后性。

发明内容

本发明所要解决的技术问题是需要提供一种能够通过合理模型准确实现借出车辆的预估，进而及时且有效地实现提前的准备和调度的共享单车云平台智能调度方法，在此基础上，还进一步提供采用了该共享单车云平台智能调度方法的共享单车云平台智能调度系统。

本发明提供一种基于大数据的共享单车云平台智能调度方法，包括以下步骤：

步骤S1，对划分出来停车/借车的站点区域进行绘制；

步骤S2，获取用户的埋点数据，所述埋点数据包括：停车数据、借车数据、手机经纬度数据和触发时间数据，并将其记录至数据库中；

步骤S3，通过用户的埋点数据统计出运营区域内的所有站点每一个小时的借出率和还车率；

步骤S4，采集每一天每一个小时的天气数据，并将采集到的天气数据进行三个维度的划分和系数赋值，并存入至数据库中，所述三个维度包括风力、气温和雨量；

步骤S5，采集每一天的日期数据，将采集的日期数据按照日期类别进行维度划分和系数赋值；

步骤S6，计算每个站点的周期借出率；

步骤S7，通过站点的周期借出率计算出当天的周期调度预估需求数。

本发明的进一步改进在于，所述步骤S3中，通过借出率＝借出车辆/(整点零分站点的车辆数+该小时内的还车数)统计出运营区域内的所有站点每一个小时的借出率，通过还车率＝还车车辆/(整点零分站点的车辆数+该小时内还车数)统计出运营区域内的所有站点每一个小时的还车率。

本发明的进一步改进在于，所述步骤S4的三个维度分别预设对应的系数，其中，风力系数f根据风力级别进行设定，气温系数q根据气温进行设定，雨量系数r根据雨量进行设定。

本发明的进一步改进在于，所述风力系数f根据风力级别预设为：当风力级别为3级以下时，风力系数f为1.0-1.1；当风力级别为3-6级时，风力系数f为0.9-1.0；当风力级别为6级以上时，风力系数f为0.8-0.9。

本发明的进一步改进在于，所述气温系数q根据气温级别预设为：当气温为0摄氏度以下时，气温系数q为0.4-0.5；当气温为0-10摄氏度以下时，气温系数q为0.5-0.6；当气温为10-20摄氏度以下时，气温系数q为0.7-0.8；当气温为20-30摄氏度以下时，气温系数q为0.8-0.9；当气温为30摄氏度以上时，气温系数q为0.9-1.0。

本发明的进一步改进在于，所述雨量系数r根据雨量级别预设为：当雨量为没雨时，雨量系数r为0.9-1.0；当雨量为小雨时，雨量系数r为0.4-0.5；当雨量为中雨时，雨量系数r为0.3-0.4。

本发明的进一步改进在于，所述步骤S5中，将采集的日期数据按照日期类别进行维度划分，当日期类别为春节假期时，日期系数d为0.4-0.5；当日期类别为至少三天的非春节假期时，日期系数d为1.4-1.5；当日期类别为周末或单日假期时，日期系数d为1.1-1.2；当日期类别为工作日时，日期系数d为1.0-1.1。

本发明的进一步改进在于，所述步骤S6通过a＝周期内该站点借出车辆数/(周期起始时间的站点车辆数+周期内该站点归还的车辆)计算每个站点的周期借出率a。

本发明的进一步改进在于，所述步骤S7通过公式y＝c×(1-a×(t×f×q×r+b×d))计算出当天的周期调度预估需求数y，其中，c为当前站点的实时车辆数；若当天的周期调度预估需求数y大于当前站点的实时车辆数c，则通知调度；t为天气数据权重，t的取值范围为65％-75％；b为日期数据权重，b的取值范围为25％-35％。

本发明还提供一种基于大数据的共享单车云平台智能调度系统，采用了如上所述的基于大数据的共享单车云平台智能调度方法，并包括：

站点绘制模块，对划分出来停车/借车的站点区域进行绘制；

埋点数据获取模块，获取用户的埋点数据，所述埋点数据包括：停车数据、借车数据、手机经纬度数据和触发时间数据，并将其记录至数据库中；

借出率和还车率统计模块，通过用户的埋点数据统计出运营区域内的所有站点每一个小时的借出率和还车率；

天气数据采集和分析模块，采集每一天每一个小时的天气数据，并将采集到的天气数据进行三个维度的划分和系数赋值，并存入至数据库中，所述三个维度包括风力、气温和雨量；

日期数据采集和分析模块，采集每一天的日期数据，将采集的日期数据按照日期类别进行维度划分；

周期借出率计算模块，计算每个站点的周期借出率；

周期调度预估需求数计算模块，通过站点的周期借出率计算出当天的周期调度预估需求数。

与现有技术相比，本发明的有益效果在于：基于每个站点包括了停车数据、借车数据、手机经纬度数据和触发时间数据的埋点数据，以及多个影响维度的数据，如风力、气温、雨量以及日期，进而设计一个合理的计算模型，计算出每个站点的周期借出率，进而推导出当天同一站点在同一时段的周期调度预估需求数，如果周期调度预估需求数相对当前站点车辆数比重较大的话，运维人员就可以提前去调别的站点的闲置车辆，相反，如果周期调度预估需求数相对当前站点车辆数比重较小的话，运维人员就可以提前将这个站点的闲置车辆调度出去，以便及时且有效地实现共享单车的提前准备和调度，自动化和智能化调度程度高，准确且高效。

附图说明

图1是本发明一种实施例的工作流程示意图。

具体实施方式

下面结合附图，对本发明的较优的实施例作进一步的详细说明。

对此，如图1所示，本例提供一种基于大数据的共享单车云平台智能调度方法，包括以下步骤：

步骤S1，对划分出来停车/借车的站点区域进行绘制；

步骤S2，获取用户的埋点数据，所述埋点数据包括：停车数据、借车数据、手机经纬度数据和触发时间数据，并将其记录至数据库中；

步骤S3，通过用户的埋点数据统计出运营区域内的所有站点每一个小时的借出率和还车率；

步骤S4，采集每一天每一个小时的天气数据，并将采集到的天气数据进行三个维度的划分和系数赋值，并存入至数据库中，所述三个维度包括风力、气温和雨量；

步骤S5，采集每一天的日期数据，将采集的日期数据按照日期类别进行维度划分和系数赋值；

步骤S6，计算每个站点的周期借出率；

步骤S7，通过站点的周期借出率计算出当天的周期调度预估需求数。

本例优选把一天的24小时划分24个周期，每个周期1个小时，并且统计最近一周中各个周期的用户的埋点数据；先获取平台上面所有站点，统计每一个站点的每一个周期的7天平均周期的借出率；然后获取第三方天气数据，针对投放车辆的城市，获取每一天中每一小时的天气，进行数据库存储；接着通过第三方日历算法，能得到每一天的日期是否为节假日，属于哪一种节假日，进行数据库存储；再通过划分风力、气温、雨量以及节假日权重，优选包括风力、气温和雨量的天气占比70％，节假日占比30％，进行计算，得到每一个站点每一个车辆的预估借出率，进而可求得每一个时段预估要调度的车辆。当然，在实际应用中，这个70％和30％的占比是可以根据实际情况和需求进行调整的，经过大数据统计分析和测试验证，取风力、气温和雨量的天气占比70％以及节假日占比30％的时候，预估的结果更为准确和有效。

本例所述步骤S1通过站点建立实现站点绘制，具体为：共享电单车所运营的区域内，站点是划分出来的停车和借车的区域，管理平台pc端可以对其准确的绘制出来，并且是多边形的形态，由多个点绘制而成，绘制好后，存储到数据库中即可调用；一个城市的运营区域有n个站点，n为自然数。

本例所述步骤S2用于对于前端进行埋点，实现埋点数据获取，具体为：用户app应用程序和/或小程序，在借车和还车的时候，需要用户开启手机定位权限，进而本例所述步骤S2可以获取用户的手机经纬度，在用户点击还车的时候，通过接口方式发送到服务器，服务器接收到接口后，会通过用户的经纬度判断是否在该运营区域的站点范围内，在则允许借车或者还车，无论借车、还车还是附加的触发成功的时间都会记录到数据库内，若手机经纬度不在站点内则不允许借车或者还车。

本例所述步骤S3中，通过借出率＝借出车辆/(整点零分站点的车辆数+该小时内的还车数)统计出运营区域内的所有站点每一个小时的借出率，通过还车率＝还车车辆/(整点零分站点的车辆数+该小时内还车数)统计出运营区域内的所有站点每一个小时的还车率。整点零分站点的车辆数指的是每一个小时在整点时候的车辆数。

本例所述步骤S4的三个维度分别预设对应的系数，其中，风力系数f根据风力级别进行设定，气温系数q根据气温进行设定，雨量系数r根据雨量进行设定；所述风力级别、气温和雨量通过采集第三方每一天每一个小时的天气数据来得到。

优选的，本例所述风力系数f根据风力级别预设为：当风力级别为3级以下时，风力系数f为1.0-1.1；当风力级别为3-6级时，风力系数f为0.9-1.0；当风力级别为6级以上时，风力系数f为0.8-0.9，如下表所示：

本例所述气温系数q根据气温级别预设为：当气温为0摄氏度以下时，气温系数q为0.4-0.5；当气温为0-10摄氏度以下时，气温系数q为0.5-0.6；当气温为10-20摄氏度以下时，气温系数q为0.7-0.8；当气温为20-30摄氏度以下时，气温系数q为0.8-0.9；当气温为30摄氏度以上时，气温系数q为0.9-1.0，如下表所示：

本例所述雨量系数r根据雨量级别预设为：当雨量为没雨时，雨量系数r为0.9-1.0；当雨量为小雨时，雨量系数r为0.4-0.5；当雨量为中雨时，雨量系数r为0.3-0.4，如下表所示：

本例所述步骤S5中，将采集第三方的日期数据按照日期类别进行维度划分，当日期类别为春节假期时，日期系数d为0.4-0.5；当日期类别为至少三天的非春节假期时，日期系数d为1.4-1.5；当日期类别为周末或单日假期时，日期系数d为1.1-1.2；当日期类别为工作日时，日期系数d为1.0-1.1，如下表所示：

值得一提的是，本例综合最近一周每一天每一个小时的风力、气温、雨量以及日期类别，并对其进行相应系数的赋值以及实现计算，这本身就属于发明人的创造性劳动，这种多重参数选择、多系数赋值以及运算，并不是本领域技术人员容易想到或可以推导得到的，也没有在本领域中发现相关的技术启示。

本例所述步骤S6通过a＝周期内该站点借出车辆数/(周期起始时间的站点车辆数+周期内该站点归还的车辆)计算每个站点的周期借出率a。

本例所述步骤S7通过公式y＝c×(1-a×(t×f×q×r+b×d))计算出当天的周期调度预估需求数y，其中，c为当前站点的实时车辆数；若当天的周期调度预估需求数y大于当前站点的实时车辆数c，则通知调度；t为天气数据权重，t的取值范围为65％-75％；b为日期数据权重，b的取值范围为25％-35％；更为优选的，所述步骤S7通过公式y＝c×(1-a×(70％×f×q×r+30％×d))计算出当天的周期调度预估需求数y，即天气数据权重t取值为70％，日期数据权重b取值为30％，天气数据权重t和日期数据权重b之和为1，此时所计算出来的周期调度预估需求数y准确率非常高。所述周期调度预估需求数y指的是预估的该周期内所需要调度的车辆数，本例通过上述公式进行计算，实际上就是通过发明人设计的以风力、气温、雨量以及日期作为多重参数在最近一周历史数据的基础上所设计的合理的计算模型来实现预估，预估结果准确可靠，且运算量合理有效。

本例还提供一种基于大数据的共享单车云平台智能调度系统，采用了如上所述的基于大数据的共享单车云平台智能调度方法，并包括：

站点绘制模块，对划分出来停车/借车的站点区域进行绘制；

埋点数据获取模块，获取用户的埋点数据，所述埋点数据包括：停车数据、借车数据、手机经纬度数据和触发时间数据，并将其记录至数据库中；

借出率和还车率统计模块，通过用户的埋点数据统计出运营区域内的所有站点每一个小时的借出率和还车率；

天气数据采集和分析模块，采集每一天每一个小时的天气数据，并将采集到的天气数据进行三个维度的划分和系数赋值，并存入至数据库中，所述三个维度包括风力、气温和雨量；

日期数据采集和分析模块，采集每一天的日期数据，将采集的日期数据按照日期类别进行维度划分；

周期借出率计算模块，计算每个站点的周期借出率；

周期调度预估需求数计算模块，通过站点的周期借出率计算出当天的周期调度预估需求数。

综上所述，本例基于每个站点包括了停车数据、借车数据、手机经纬度数据和触发时间数据的埋点数据，以及多个影响维度的数据，如风力、气温、雨量以及日期，进而设计一个合理的计算模型，计算出每个站点的周期借出率，进而推导出当天同一站点在同一时段的周期调度预估需求数，如果周期调度预估需求数相对当前站点车辆数比重较大的话，运维人员就可以提前去调别的站点的闲置车辆，相反，如果周期调度预估需求数相对当前站点车辆数比重较小的话，运维人员就可以提前将这个站点的闲置车辆调度出去，以便及时且有效地实现共享单车的提前准备和调度，自动化和智能化调度程度高，准确且高效。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。