本發明涉及車輛管理領域，尤其涉及一種車輛調派方法及系統。

背景技術：

目前，旅行社接到旅游團后，會安排旅游大巴，解決景點、酒店、機場等地點間的交通問題。旅行社針對不同的旅行團人數通過車輛調派表人工選擇車輛，一般情況下，需要找到滿足游客數量的座位最少的車輛。

然而，司機出車次數以及疲勞駕駛程度以及車輛故障情況等因素會影響車輛的行車安全，因此在對車輛的選擇上，司機的工作量以及車輛的調派情況也要盡量均衡考慮。

因此，僅通過選擇滿足游客數量的座位最少的車輛的選擇方式明顯不夠智能化。為做到安全駕駛，以上工作，都需要旅行社的車輛調度人員安排。在旅游旺季，旅行團多，車輛多，車輛調派的工作量很大，目前沒有能夠解決上述問題的方法。

技術實現要素：

為解決上述技術問題，本發明提供一種車輛調派方法，能夠根據車輛條件和乘客人數進行智能化選擇，將最優車輛調派，提高行車安全性。

本發明提供的技術方案如下：

本發明公開了一種車輛調派方法，包括步驟：S100、獲取乘客人數和所有車輛的車輛條件參數；S200、根據所述乘客人數和所述車輛條件參數生成參數向量矩陣；S300、通過矩陣算法計算所述參數向量矩陣和預設的權重矩陣，得到結果矩陣；S400、根據所述結果矩陣選擇最優車輛。

本發明通過將車輛條件參數和乘客人數放入向量矩陣中，轉換為矩陣中的數據，與預設的權重矩陣進行計算，從而選擇出最優調派車輛，本發明簡化了人工安排車輛的工作量，同時有效避免司機疲勞駕駛，提高車輛的行車安全。

進一步優選的，所述車輛條件參數包括：車輛最大出車次數、車輛已出車次數、車輛座位數以及車輛可用情況參數。

本發明根據車輛最大出車次數和車輛已出車次數來限制出車次數過量的車輛并選擇的概率，有效防止出車次數過量，導致司機疲勞駕駛，危害乘客安全。

進一步優選的，所述步驟S200“根據所述乘客人數和所述車輛條件參數生成參數向量矩陣”進一步包括步驟：

S201、根據所述車輛最大出車次數、車輛可派車次數、車輛座位數以及車輛可用情況參數生成所述參數向量矩陣，所述參數向量矩陣表示為A；

其中，a11、a21、…、an1分別為n個車輛的座位利用率，所述座位利用率為所述乘客人數與所述車輛座位數的比率；a12、a22、…、an2分別為n個車輛的派車率，所述派車率為所述車輛可派車次數與所述車輛最大出車次數的比率；a13、a23、…、an3分別為n個車輛的車輛可用情況參數。

進一步優選的，所述預設的權重矩陣表示為B；

其中，b1為座位利用率權重；b2為駕駛員疲勞程度權重；b3為車輛可用權重。

進一步優選的，步驟S300“通過矩陣算法計算所述參數向量矩陣和預設的權重矩陣，得到結果矩陣”進一步包括步驟：

S301、將所述參數向量矩陣和預設的權重矩陣相乘，得到所述結果矩陣；所述結果矩陣表示為C；

其中，c1＝a11*b1+a12*b2+a13*b3；c2＝a21*b1+a22*b2+a23*b3；……；cn＝an1*b1+an2*b2+an3*b3。

本發明結合多種因素考慮，通過矩陣計算獲得最優的調派車輛，更加科學智能地選擇車輛，同時簡化車輛調派流程，節約了時間成本，降低了安全風險。

進一步優選的，所述步驟S400“根據所述結果向量選擇最優車輛”進一步包括步驟：S401、根據所述結果矩陣選擇所述結果矩陣中數值最大的元素對應的車輛。

本發明還公開一種車輛調派系統，使用上述車輛調派方法，包括：獲取模塊，用于獲取乘客人數和所有車輛的車輛條件參數；矩陣生成模塊，用于根據所述乘客人數和所述車輛條件參數生成參數向量矩陣；計算模塊，用于通過矩陣算法計算所述參數向量矩陣和預設的權重矩陣，得到結果矩陣；選擇模塊，用于根據所述結果矩陣選擇最優車輛。

進一步優選的，所述計算模塊進一步用于將所述參數向量矩陣和預設的權重矩陣相乘，得到所述結果矩陣。

進一步優選的，所述選擇模塊進一步用于根據所述結果矩陣選擇所述結果矩陣中數值最大的元素對應的車輛。

與現有技術相比，本發明通過將車輛條件參數和乘客人數放入向量矩陣中，轉換為矩陣中的數據，與預設的權重矩陣進行計算，從而選擇出最優調派車輛，本發明簡化了人工安排車輛的工作量，同時有效避免司機疲勞駕駛，提高車輛的行車安全。

附圖說明

下面將以明確易懂的方式，結合附圖說明優選實施方式，對本發明予以進一步說明。

圖1為本發明一種車輛調派方法的主要步驟示意圖；

圖2為本發明一種車輛調派方法的完整步驟示意圖；

圖3為本發明一種車輛調派系統的主要組成框圖。

附圖標號說明：

100、獲取模塊，200、矩陣生成模塊，300、計算模塊，400、選擇模塊。

具體實施方式

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對照附圖說明本發明的具體實施方式。顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖，并獲得其他的實施方式。

為使圖面簡潔，各圖中只示意性地表示出了與本發明相關的部分，它們并不代表其作為產品的實際結構。另外，以使圖面簡潔便于理解，在有些圖中具有相同結構或功能的部件，僅示意性地繪示了其中的一個，或僅標出了其中的一個。在本文中，“一個”不僅表示“僅此一個”，也可以表示“多于一個”的情形。

圖1為本發明一種車輛調派方法的主要步驟示意圖，如圖1所示，一種車輛調派方法，包括步驟：S100、獲取乘客人數和所有車輛的車輛條件參數；S200、根據所述乘客人數和所述車輛條件參數生成參數向量矩陣；S300、通過矩陣算法計算所述參數向量矩陣和預設的權重矩陣，得到結果矩陣；S400、根據所述結果矩陣選擇最優車輛。

本發明通過將車輛條件參數和乘客人數放入向量矩陣中，轉換為矩陣中的數據，與預設的權重矩陣進行計算，從而選擇出最優調派車輛，本發明簡化了人工安排車輛的工作量，同時有效避免司機疲勞駕駛，提高車輛的行車安全。

本發明適用于任何需要調派車輛的團隊，本發明中以旅行社安排旅游車輛為例。

優選的，所述車輛條件參數包括：車輛最大出車次數、車輛已出車次數、車輛座位數以及車輛可用情況參數。

具體的，對某個需要用車的團隊，在進行車輛調派時，既要使團隊能坐下，也要防止座位資源浪費，因此本發明將每輛車的車輛座位數作為調派車輛的一個因素，盡量滿足安排游客數量的座位最少的車輛，降低資源浪費。

同時，本發明根據車輛最大出車次數和車輛已出車次數來限制出車次數過量的車輛并選擇的概率，有效防止出車次數過量，導致司機疲勞駕駛，危害乘客安全。

圖2為本發明一種車輛調派方法的完整步驟示意圖。如圖2所示，優選的，所述步驟S200“根據所述乘客人數和所述車輛條件參數生成參數向量矩陣”進一步包括步驟：

S201、根據所述車輛最大出車次數、車輛可派車次數、車輛座位數以及車輛可用情況參數生成所述參數向量矩陣，所述參數向量矩陣表示為A；

其中，其中每一行代表一輛車，有n行代表有n輛車。

具體的，a11、a21、…、an1分別為n個車輛的座位利用率，所述座位利用率為所述乘客數量與所述車輛座位數的比率。以旅行社安排旅游車輛為例，為提高座位利用率，每個旅游團盡量安排滿足游客人數的座位最少的車輛。上述參數向量矩陣的第一列表示旅行團人數(含導游)與大巴車輛可用座位的比率，做歸一化處理。坐的越滿，該數值越大，座位利用率越高。例如，團隊包括導游在內有32人，大巴可用座位是45，則a11＝32/45＝0.71。a21、an1也按此設置。

具體的，a12、a22、…、an2分別為n個車輛的派車率，所述派車率為所述車輛可派車次數與所述車輛最大出車次數的比率。一般情況下，每個司機有自己負責駕駛的車輛，司機和車輛是一一對應的。為防止司機疲勞駕駛，需要限制每個司機每周的出車次數，例如，該最大出車次數的數值設置為7(該最大出車次數可根據實際情況自行定義，不作具體限定)。最大出車次數7減去本周已經出車次數，即為可以派車的次數，并做歸一化處理。如一周內已經有4個團隊使用該車，則a12＝(7-4)/7＝0.43。a22、an2也按此設置。如果本車已經調派次數達到7次或以上，則該項為0。

具體的，a13、a23、…、an3分別為n個車輛的車輛可用情況參數。向量矩陣第三列表示車輛可用情況，如果車輛故障，或者已經調派給其他旅行團，則設置為1，否則為0。

優選的，所述預設的權重矩陣表示為B；

其中，b1為座位利用率權重；b2為駕駛員疲勞程度權重；b3為車輛可用權重。

具體的，該矩陣為列向量，表示參數向量矩陣A中每一列在最終計算時的參數權重。大于0權重數據認為是有效權重。有效權重之和是100。如果某一項權重無效，該權重是無效權重，設置為-100.

具體的，b1代表座位利用率權重，盡量選擇座位利用率高的車輛。

b2代表駕駛員疲勞程度權重。調整該權重，會調整駕駛員疲勞程度對車輛選擇的影響。

b3代表車輛可用權重。一旦車輛故障，或者已經調派給其他旅行團，不能選擇該車輛。權重設置為無效權重，權重值設置為-100。

需要說明的是，有效權重的每項數值根據歷史旅行車輛調派數據，結合經驗數據設置。

優選的，步驟S300“通過矩陣算法計算所述參數向量矩陣和預設的權重矩陣，得到結果矩陣”進一步包括步驟：

S301、將所述參數向量矩陣和預設的權重矩陣相乘，得到所述結果矩陣；所述結果矩陣表示為C；

其中，c1＝a11*b1+a12*b2+a13*b3；c2＝a21*b1+a22*b2+a23*b3；……；cn＝an1*b1+an2*b2+an3*b3。

本發明結合多種因素考慮，通過矩陣計算獲得最優的調派車輛，更加科學智能地選擇車輛，同時簡化車輛調派流程，節約了時間成本，降低了安全風險。

優選的，所述步驟S400“根據所述結果向量選擇最優車輛”進一步包括步驟：S401、根據所述結果矩陣選擇所述結果矩陣中數值最大的元素對應的車輛。

下面以實際例子詳細介紹發明。

某旅行社，有五輛大巴可以供旅行團使用，可用座位數量分別是25，37，45，49，54。在本周，這幾輛車的出車次數分別是3，4，4，4，5。49座的車已經分配給其他旅行團了。現有旅行團人數是36，因此25座的車座位不夠用，不參與選擇。

則參數向量矩陣

權重矩陣B設置為

A*B＝C，可以得到結果矩陣

排除掉計算結果小于0的車輛，從剩余車輛中選擇數值最大的，因此，本旅行團安排座位數為37的車輛。

圖3為本發明一種車輛調派系統的主要組成框圖。作為本發明的一個具體實施例，如圖3所示，一種車輛調派系統，使用上述車輛調派方法，包括：獲取模塊100，用于獲取乘客數量和所有車輛的車輛條件參數；矩陣生成模塊200，用于根據所述乘客人數和所述車輛條件參數生成參數向量矩陣；計算模塊300，用于通過矩陣算法計算所述參數向量矩陣和預設的權重矩陣，得到結果矩陣；選擇模塊400，用于根據所述結果矩陣選擇最優車輛。

具體的，本發明所述系統中的各模塊各集成在計算機、智能終端或平板電腦等設備中。

本發明的車輛調派系統，根據乘客數量以及車輛、司機的實際情況調派車輛。本發明采用矩陣向量法，把各種車輛條件參數，轉化為向量，組成一個向量矩陣，并根據權重矩陣計算得到結果矩陣，將該結果矩陣中對應的最優的車輛調派。

優選的，所述計算模塊300進一步用于將所述參數向量矩陣和預設的權重矩陣相乘，得到所述結果矩陣。

優選的，所述選擇模塊400進一步用于根據所述結果矩陣選擇所述結果矩陣中數值最大的元素對應的車輛。

需要說明的是，本系統中各模塊之間的信息交互、執行過程等內容與上述方法實施例基于同一構思，具體內容可參見本發明方法實施例中的敘述，此處不再贅述。

本發明通過將車輛條件參數和乘客人數放入向量矩陣中，轉換為矩陣中的數據，與預設的權重矩陣進行計算，從而選擇出最優調派車輛，本發明簡化了人工安排車輛的工作量，同時有效避免司機疲勞駕駛，提高車輛的行車安全。

應當說明的是，上述實施例均可根據需要自由組合。以上所述僅是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。