[发明专利]无桩车辆调度方法和系统

权利要求书

1.一种无桩车辆调度方法，包括：

基于区域内的历史多源数据抽取每个目标停车点预定范围内的数据特征；

将数据特征作为车辆需求预测模型的输入参数，将每个所述目标停车点的车辆需求量作为所述车辆需求预测模型的输出参数，训练所述车辆需求预测模型；

基于训练好的所述车辆需求预测模型，预测每个所述目标停车点的车辆需求量；

根据每个所述目标停车点的车辆需求量确定车辆调度策略。

2.根据权利要求1所述的无桩车辆调度方法，其中，基于训练好的所述车辆需求预测模型，预测每个所述目标停车点的车辆需求量包括：

基于区域内的多源数据抽取每个所述目标停车点预设时间段内的数据特征；

将数据特征输入到训练好的所述车辆需求预测模型，预测每个所述目标停车点的车辆需求量。

3.根据权利要求1所述的无桩车辆调度方法，还包括：

对历史车辆分布数据、兴趣点数据和路网数据进行空间聚类计算，确定停车区域；

根据兴趣点数据和路网数据确定每个停车区域的目标停车点。

4.根据权利要求1所述的无桩车辆调度方法，还包括：

基于最优化目标在所述车辆调度策略选择最优车辆调度策略。

5.根据权利要求4所述的无桩车辆调度方法，其中，

所述最优化目标包括各个车辆从投放到被借走的总时间最短、各个目标停车点需要调度的车辆总数据量最小或被调度车辆需要移动的总距离之和最小中的至少一项。

6.根据权利要求1-5任一所述的无桩车辆调度方法，其中，

所述多源数据包括空气质量数据、公共交通流量数据、天气数据、车辆分布数据、兴趣点数据和路网数据。

7.根据权利要求6所述的无桩车辆调度方法，还包括：

将所述空气质量数据、公共交通流量数据、天气数据和车辆分布数据分为工作日数据和节假日数据；

将所述工作日数据和所述节假日数据分别按照预定时间间隔进行划分；

将每个所述目标停车点划分好的所述工作日数据和所述节假日数据作为所述车辆需求预测模型的输入参数。

8.根据权利要求1-5任一所述的无桩车辆调度方法，其中，

所述车辆需求预测模型采用人工神经网络ANN模型、贝叶斯模型、决策树模型和深度网络模型中的至少一种模型。

9.一种无桩车辆调度系统，包括：

数据特征提取单元，用于基于区域内的历史多源数据抽取每个目标停车点预定范围内的数据特征；

预测模型训练单元，用于将数据特征作为车辆需求预测模型的输入参数，将每个所述目标停车点的车辆需求量作为所述车辆需求预测模型的输出参数，训练所述车辆需求预测模型；

需求量预测单元，用于基于训练好的所述车辆需求预测模型，预测每个所述目标停车点的车辆需求量；

调度策略生成单元，用于根据每个所述目标停车点的车辆需求量确定车辆调度策略。

10.根据权利要求9所述的无桩车辆调度系统，其中，

所述数据特征提取单元还用于基于区域内的多源数据抽取每个所述目标停车点预设时间段内的数据特征；

所述需求量预测单元用于将数据特征输入到训练好的所述车辆需求预测模型，预测每个所述目标停车点的车辆需求量。

11.根据权利要求9所述的无桩车辆调度系统，还包括：

目标区域确定单元，用于对历史车辆分布数据、兴趣点数据和路网数据进行空间聚类计算，确定停车区域；

目标停车点确定单元，用于根据兴趣点数据和路网数据确定每个停车区域的目标停车点。

12.根据权利要求9所述的无桩车辆调度系统，还包括：

最优策略选择单元，用于基于最优化目标在所述车辆调度策略选择最优车辆调度策略。