×
中国贵州贵阳数博会 马云来贵阳了

帮助文档

关于网约车的派单、调度流程

派单流程   仅供参考

首先整体看一下司乘及背后的派单逻辑:

\

我们把乘客打车分成了 3 类场景:

  • 立即叫车(A 流程):用车时间距当前时间小于等于 N 分钟;
  • 非高峰预约用车(B 流程):用车时间距当前时间大于 N 分钟,但用车时间非高峰时间段;
  • 高峰预约用车(C 流程):用车时间距当前时间大于 N 分钟,且用车时间在高峰时间段。

A 流程

\

用车时间距当前时间小于等于 N 分钟的用车,会采取「立即派单」的方式:

  1. 找到所有符合条件的司机:上班状态、服务状态、距离、司机类型等;
  2. 司机排序:热区围栏号码、配置距离等;
  3. 派单:对于自营司机采取派单制,对于非自营司机采取抢单制。

B 流程

\

用车时间距当前时间大于 N 分钟,但用车时间处于非高峰时间段,会采取「叫车成功,到时再派司机」的方式:

  1. 是否超出该时段该围栏的预约上限,若超过会走超预约上限派单流程;
  2. 司机筛选、排序同 A 流程;
  3. 非当时分配司机的预约单,会有一个失败后每隔两分钟的轮询机制;
  4. 经过三轮轮询后仍未成功的订单,会转进人工处理。

C 流程

\

用车时间距当前时间大于 N 分钟,且用车时间在高峰时间段,会采取「预约单,立即派司机」的方式:

  1. 司机筛选:除与 B 流程相同的规则外,司机可以选择是否接听此类订单(风险较高);
  2. 高峰订单主要集中在早、晚、凌晨,所以筛选司机是按照距司机家庭住址距离,而不是距当前位置距离;
  3. 也会采取 3 轮的派单轮询,与 B 流程不同的是,如果无人接单,派单会立即失败,不会进入人工派单。

热区排队

还有一个不得不提的流程是,针对机场火车站这类单大人多的围栏,这一区域的派单有两个最大的问题:

  • 大家距离都差不多,为啥先派给他,不派给我?
  • 司机都希望去捞一票大的,排很久接个小单会很不爽。

\

  1. 首先需要配置若干热区围栏,以便于后续规则的设计;
  2. 触发排队规则包含 3 种场景:空驶入队、服务入队、上班入队;
  3. 针对每个围栏会有围栏上限,超过上限时仅能排队,但不能切换到接单状态(防止司机在围栏等待过长时间);
  4. 排队基本按照司机的入队时间,派单时的司机顺序与上述流程大致类似;
  5. 接单超时时长:司机主动驶处、接单成功等情况下会驶出热区,其中针对接单出队这种情况会设置一个接单超时时长,若司机在此时间范围内归队,则仍能保留原有排号,这样就解决了司机对接小单的抱怨。

当然,派单中遇到的问题远不只此,如超出预约上线就不派了么?车型降级怎么兼容?不同城市道路的限行问题 等等就不在此赘述,有时间可以另起一个话题来聊~

调度流程

1. 空车调度系统介绍

系统自动预测当前城市未来半小时之内的车辆与订单的分布情况,以系统六边形格子为单位,将缺车区域与富余车辆区域相匹配,将富裕的车调往缺车区域,使该城市的订单需求能更好地被满足。

同时司机接到系统发起的空车调度单并按要求到达目的地后,可快速地接到订单,更好地完成自己的绩效。另外,系统调度无需人工干预,由系统经过一系列预测和计算之后,智能的、精准的匹配供需。

2. 调度目标

对每个格子,我们可以预测出其30分钟后的成功订单数succOrder,空闲车辆数freeCar。

我们定义:

  • 当succOrder大于freeCar时,本格子是需求格子(S),需求数量为succOrder-freeCar。
  • 当succOrder小于freeCar时,本格子是供给格子(D),供给数量为freeCar- succOrder。

我们的目标就是从D向S调度车,使得全城的需求格子的需求数尽量变为0,即,我们乘客的需求尽量被满足。在实际问题上,这并不容易,主要是因为以下三个问题。

3. 调度问题

调度主要遇到以下3个问题:

(1)派单距离会大于格子距离,一些调度不需要

六边形格子相对于传统的人工围栏来说,单位面积更小,反映城市的供需情况更加精确,然而带来的一个问题是,专车下单时,派单半径较大,可能会覆盖到周围的六边形格子,如图:

\

图中红色的a块是缺车区域,邻近的α、β是多车区域,如果直接按照简单的调度算法,就可能将α、β块的车辆调入a块。但a块在下单时向周围辐射的派单半径将α、β块都囊括其中,α、β块中的车辆能够接到a块的订单,所以没有必要发起空车调度。

我们需要界定,哪些供给与需求之间需要调车,而哪些不需要。

(2)真实的需求,真实的供给

例如,下图的三个连续的格子,经过预测,我们得知A区域是需求区域,需要3辆车:D(3),B区域是供给区域S(4),C是D(3)。A的派单距离只能看到B,看不到C。

那么,从A看来,自身的需求可以被派单区域内的B满足,整体看来应该是S(1)。但是如果我们多看一步,就会发现,B区域还要去满足C,使得B不能同时满足A和C。而如果我们“再多看一步”,也许C的旁边还有个供给区域S(4),也许没有。

为了计算A区域是否真的“不缺车”,我们“连锁反应的”考察了其相邻的相邻的格子,我们甚至可能要扫描全城的格子。

我们需要找出,如果经过全盘考虑后,那些格子是真实的供给,那些是真实的需求。

\

(3)最后的供给与需求如何做匹配

假如我们找到了真实的供给和需求后,如何找到一种匹配方法,使得最后供给与需求之间的调度代价(调度距离总和)最小。

例如在下面的例子中,我们的调度应该是(a2-γ1 、b1-δ1)还是(a2-δ1 、b1-γ1)?

\

4. 调度算法

针对问题1、2,我们使用了抹平算法;针对问题3,我们使用了km匹配算法。

六边形调度算法的流程可概括如下:预测30分钟之后的供需分布 → 抹平算法抵消不必要的空车调度 → KM算法计算最小调车成本 → 发起调度。

(1)抹平算法

1)概述

抹平算法的目的是将邻近六边形块的供给和需求相互抵消,避免不必要的空车调度。抹平算法利用了二分图最大匹配的思想,将供给和需求单位看作左右子图进行配对,并利用匈牙利算法得到最大匹配。匹配完成后,二分图里所有边两端的顶点视为相互抵消,剩余的顶点即为真正的缺车和多车

2)例子

举例说明:

\

假设上图中,红色的a、b块是某城市所有的缺车区域,数字-3、-2代表a块缺3辆车,b块缺2辆车。蓝色的α、β、γ、δ为多车区域,分别富余2、1、1、1辆车。

对于a、b两个缺车区域而言,假设派单半径能够覆盖周围一圈六边形,那么α能够直接满足a块的订单需求,β块能直接满足b块的用车需求,所以α块无需发起向a块的空车调度,β块也无需发起对b块的空车调度,需要进行抹平计算。

给该城市所有缺车需求和富余车辆进行编号,如下图:

\

由六边形块的邻近关系得知,α1、α2可直接满足a块的用车需求,β1可直接满足b块的用车需求,根据这个关系,可以得出一个二分图如下:

\

图中虚线代表了可能的匹配关系,基于以上前提,可以计算一个最大匹配(即尽可能多地将左右子图两两匹配)。利用匈牙利算法,可以求得一个最大匹配,如:

\

匹配完成后,我们发现左图剩下了a2、b1,右图剩下了γ1、δ1 。也就是说a块和b块都还有一个需求没有被满足,γ和δ块仍然有多余的车辆:

\

到此,可以得出a块和b块真正的缺车数量为都为1,接下来可对于a、b和γ、δ进行下一步的匹配,生成空车调度单。

3)总结

                   
酷虎贵州· 版权所有 ©2007-2015 All Rights Reserved 网站模板及程序未经酷虎官方允许禁止复制传播获利   
备案许可编号:沪ICP备14003863号 经营许可编号:310112001090490 组织机钩编号:5712379-7 税务登记编号:310112579123797

  贵阳国家工商局认证 国家备案部认证 安全网 网络公安 酷虎收款方式 信用网站 信用网站