一种事故出险服务人员的调度方法

摘要

本申请公开了一种事故出险服务人员的调度方法，根据交通规划区域内事故发生历史数据和道路拥堵历史数据，对于各路段和路口，确定事故发生可能性指数和道路拥堵指数；根据事故发生可能性指数，按照确保事故出险服务时间最优的原则，选择待命地点，确定各待命地点对应的出险区域和出险服务人员数目；根据事故发生可能性指数和道路拥堵指数，利用模糊推理方法，按照路况越差流动巡街人数越少和事故发生率越高巡街人数越多的原则，确定各待命地点出险服务人员的流动巡街比例；对于各待命地点，按照流动巡街比例和出险服务人员数目，调度出险服务人员巡街；发生事故时，调度最近的出险人员处理。采用本发明，可缩短出险服务响应时间、提高调度效率。

说明书

技术领域

本发明涉及计算机应用技术，特别是涉及一种事故出险服务人员的调度方法。

背景技术

随着城市道路建设的不断完善、人们生活水平及消费能力的大幅提高，我国的机动车辆保有量得到了大幅提升，机动车辆已成为了货物运输及日常出行的主要交通工具之一，在人们的日常生活中发挥着重要作用。同时，不断加快的生活节奏及行驶车辆数目的大幅增长，也致使车辆事故发生率有了一定提升。在车辆事故处理过程中，出险服务响应时间(事故发生与出险服务人员到达事故现场时的间隔时间)及效率是评定事故出险服务是否可靠的重要标准，出险服务响应时间的滞后、效率的低下均会造成大量社会时间资源浪费，因此如何为出险服务人员制定有效的调度方案有着重要的实际意义。

当前市场中的出险服务调度虽然大多均基于出险服务响应时间最小的原则，但通常采用通过电话等形式获悉事故发生地后，再选择距离事故发生地最近的空闲服务人员前往事故发生地进行事故处理的方式，其对服务人员的调度行为是发生在事故发生后的时段，服务响应时间完全依赖于服务人员自身位置。这样，就会存在服务响应时间滞后的情况，进而导致出险服务人员的工作效率低、无法满足事故出险服务的要求。

由此可见，上述传统的事故出险服务人员调度方案存在出险服务响应时间滞后、调度效率低的问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种事故出险服务人员的调度方法，该方法有利于缩短出险服务响应时间、提高调度效率。

为了达到上述目的，本发明提出的技术方案为：

一种事故出险服务人员的调度方法，包括：

根据交通规划区域内事故发生历史数据和道路拥堵历史数据，对于所述交通规划区域内的各路段和路口，确定事故发生可能性指数和道路拥堵指数；

根据所述事故发生可能性指数和所述交通规划区域的交通网络，按照确保事故出险服务时间最优的选择原则，从候选待命地点中选择出用于布置出险服务人员的待命地点；并确定各所述待命地点对应的出险区域和出险服务人员数目；

根据所述事故发生可能性指数和所述道路拥堵指数，利用模糊推理方法，按照路况越差流动巡街人数越少以及事故发生率越高巡街人数越多的原则，确定每个所述待命地点上布置的出险服务人员的流动巡街比例；

对于每个所述待命地点，按照相应的所述流动巡街比例和所述出险服务人员数目，调度出险服务人员在该待命地点对应的出险区域进行巡街；

当所述交通规划区域内发生事故时，调度距离事故所在地最近的出险人员对所述事故进行处理。

综上所述，本发明提出的事故出险服务人员的调度方法，基于交通规划区域内事故发生历史数据和道路拥堵历史数据，按照确保事故出险服务时间最优的选择原则，来选择出险服务人员的待命地点，并利用模糊推理方法，按照路况越差流动巡街人数越少以及事故发生率越高巡街人数越多的原则，确定各所述待命地点上布置的出险服务人员的流动巡街比例，如此，可以有效缩短出险服务响应时间、保证出险服务人员的工作效率，提高调度效率。

附图说明

图1为本发明实施例一的方法流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

本发明的核心思想是：本发明以历史事故发生数据及城市路况数据为基础，以提高事故出险服务响应时间及效率为目标，在充分分析事故发生规律的基础上，提出出险服务人员待命地点的选择策略以指导调度出险服务人员前往最佳的待命地点，保证事故出险服务时间的最优，同时采用按照路况越差流动巡街人数越少以及事故发生率越高巡街人数越多的原则，确定各所述待命地点上布置的出险服务人员的流动巡街比例，以指导调度出险服务人员的服务状态，保证出险服务人员的工作效率。

图1为本发明实施例一的流程示意图，如图1所示，该实施例主要包括：

步骤101、根据交通规划区域内事故发生历史数据和道路拥堵历史数据，对于所述交通规划区域内的各路段和路口，确定事故发生可能性指数和道路拥堵指数。

本步骤，用于基于交通规划区域内事故发生历史数据和道路拥堵历史数据，来得到区域内各路段和路口的事故发生可能性指数和道路拥堵指数。这样，通过分析区域内的历史交通数据，可以获取体现各路段和路口的事故发生规律的数据，从而可以在后续步骤中在此基础上选择出合适的待命地点、以及指导调度出险服务人员前往最佳的待命地点，保证事故出险服务时间的最优。

具体地，对于各路段或路口，所述事故发生可能性指数和道路拥堵指数可采用现有的计算方法计算得到。例如，可以按照计算事故发生可能性指数p_i，其中，n是历史数据对应统计时间段内发生交通事故的天数，N为历史数据对应的统计时间段的总天数；可以按照计算道路拥堵指数q_i，其中，z表示历史数据对应的统计时间段内发布的道路指数，z_max为道路指数的最大值。p_i值越大，则表示事故发生的可能性越大。q_i值越大，则表示道路拥堵情况越严重。

步骤102、根据所述事故发生可能性指数和所述交通规划区域的交通网络，按照确保事故出险服务时间最优的选择原则，从候选待命地点中选择出用于布置出险服务人员的待命地点，并确定各所述待命地点对应的出险区域和出险服务人员数目。

本步骤中，将按照确保事故出险服务时间最优的选择原则，确定出用于布置出险服务人员的待命地点，如此，可以确保用于布置出险服务人员的待命地点有利于优化事故出险服务时间。

较佳地，本步骤可以采用下述方法实现：

步骤1021、对所述候选待命地点进行组合，得到w组候选待命地点，其中，每组包含m个候选待命地点，m为预设的待命地点设置数量，w为预设的候选待命地点组的数量。

本步骤中，需要对候选待命地点进行分组，以便在后续步骤中选择出最有利于优化事故出险服务时间的一组作为用于布置出险服务人员的待命地点。

这里，所述w和m可由本领域技术人员根据实际需要进行设置。在实际应用中可以采用对所述候选待命地点进行排列组合的方式得到上述w组候选待命地点。即，假设所述候选待命地点的总数为M，则从M个候选待命地点中取m个候选待命地点组合得到一组候选待命地点，所得到的候选待命地点组的个数w为所有可能组合的数量即

步骤1022、对于每组候选待命地点Y，在该组候选待命地点范围内，为所述交通规划区域内的每个路口x_i，计算本路口与该组中最近候选待命地点之间的距离Dist(x_i,Y)；根据所述Dist(x_i,Y)和路口x_i的所述事故发生可能性指数p_i，按照D(X,Y)＝Max(p_i×Dist(x_i,Y))，i∈{1,2,...,n}，计算出该组候选待命地点Y对应的最差事故响应能力值D(X,Y)；其中，n为所述交通规划区域内的路口总数。

本步骤中，对于每组候选待命地点Y，需要先计算出每个路口到该组中距离最近的候选待命地点的距离Dist(x_i,Y)，然后再根据所有路口的Dist(x_i,Y)和事故发生可能性指数p_i，按照D(X,Y)＝Max(p_i×Dist(x_i,Y))，计算出该组候选待命地点Y对应的最差事故响应能力值D(X,Y)。这里，p_i×Dist(x_i,Y)最大意味着对应的路口是该组候选待命地点Y中事故响应能力最差的地点。

步骤1023、根据所有组候选待命地点的所述D(X,Y)，选择出D(X,Y)最小的一组候选待命地点Y*作为所述用于布置出险服务人员的待命地点。

本步骤中，将选择事故响应能力最差值最小的一组候选待命地点Y^*作为所述用于布置出险服务人员的待命地点。这样，通过确保用于布置出险服务人员的一组待命地点的事故响应能力最差值最小，使得最长的事故响应时间尽可能地缩小，从而可以对事故出险服务时间进行有效控制和优化。

利用上述步骤1021～1023，可以确定出一组用于布置出险服务人员的待命地点Y*，能够确保最长的事故响应时间最短。在实际应用中，为了提高运算效率可以利用粒子群算法，求解出所述候选待命地点组Y^*。

步骤1024、对于所述Y^*中的每个待命地点按照计算出待命地点对应的出险服务人员数目C_j，并将满足：的所有路口对应的区域，作为该待命地点的出险区域；其中，round[·]为向下取整函数，g(α,β)为判断函数，当α＝β，g(α,β)＝1，否则，g(α,β)＝0。

本步骤，用于计算每个待命地点中需要布置的出险服务人员数量C_j，具体是按照进行计算得到的这里时意味着也就是说，为上述确定为用于布置出险服务人员的一组待命地点Y^*中到路口x_i最近的待命地点，这样，意味着将以待命地点为最近待命地点的所有路口的事故发生可能性指数p_i求和，这样，需要布置的出险服务人员数量C_j即为该求和结果向下取整的值。而以待命地点为最近待命地点的路口意味着在实际出险时，调度该待命地点中的人员可以确保出险响应时间最短，因此，将这些路口对应的区域，作为该待命地点的出险区域，并在待命地点中布置相应的出险服务人员，可以达到有效缩短出险服务响应时间、提高调度效率的目的。另外，当路口的事故发生可能性指数越高时，出险人员的需求数量也多，因此，这里根据事故发生可能性指数所配置的人员也会越多，由此可见，采用本步骤确定出险服务人员数量C_j更符合实际的交通情况需要，使得出险服务人员数量的配置更合理，可以有效提高调度效率。

步骤103、根据所述事故发生可能性指数和所述道路拥堵指数，利用模糊推理方法，按照路况越差流动巡街人数越少以及事故发生率越高巡街人数越多的原则，确定每个所述待命地点上布置的出险服务人员的流动巡街比例。

本步骤中，为了提高出险服务人员的工作效率，将利用上述事故发生可能性指数和所述道路拥堵指数，采用模糊推理方法，按照路况越差流动巡街人数越少以及事故发生率越高巡街人数越多的原则，来确定各待命地点上出险服务人员的流动巡街比例。如此，根据路况及事故发生率，可以简便高效地指定服务人员的服务状况。

较佳地，本步骤可以采用下述方法，来确定每个所述待命地点上布置的出险服务人员的流动巡街比例：

步骤1031、对于每个所述待命地点，将该待命地点出险区域内的各路段的所述事故发生可能性指数的均值，确定为该待命地点的区域内事故发生可能性指数；将该待命地点出险区域内的各路段的所述道路拥堵指数的均值，确定为该待命地点的区域内道路拥堵指数。

本步骤中，需要确定出各待命地点的出险区域的路况特点，即区域内事故发生可能性指数和区域内道路拥堵指数，这些参数也是根据步骤101中得到各路段的事故发生可能性指数和道路拥堵指数确定出的。

步骤1032、对于每个所述待命地点，根据所述区域内事故发生可能性指数和所述区域内道路拥堵指数，按照预设的模糊规则、预设的交通路况模糊集合中各元素的隶属度函数、预设的事故发生可能性模糊集合中各元素的隶属度函数以及预设的巡视人员比例模糊集合中各元素的隶属度函数、采用Mamdani推理方法进行推理；并利用重心法对所述推理结果进行去模糊化处理，得到该待命地点的出险服务人员的流动巡街比例。

本步骤中，用于在得到各待命地点的区域内事故发生可能性指数和区域内道路拥堵指数基础上，按照预设的模糊规则以及上述模糊集合对应的隶属度函数，采用Mamdani推理方法进行推理，在完成推理后，再用重心法对推理结果进行去模糊化处理，从而可以得到该待命地点的出险服务人员的流动巡街比例。

在实际应用中，在给定模糊规则以及上述模糊集合对应的隶属度函数的基础上，采用Mamdani推理方法进行推理，并利用重心法对所述推理结果进行去模糊化处理，进而得到各待命地点的出险服务人员的流动巡街比例的具体方法，为本领域技术人员所掌握，在此不再赘述。

较佳地，上述模糊规则具体可以包括如下规则：

如果区域内交通拥堵情况畅通，事故发生率较高，则派遣大部分服务人员流动巡街；

如果区域内交通拥堵情况畅通，事故发生率适中，则派遣大约一半的服务人员流动巡街；

如果区域内交通拥堵情况正常，事故发生率较高，则派遣大约一半的服务人员流动巡街；

如果区域内交通拥堵情况正常，事故发生率适中，则派遣大约一半的服务人员流动巡街；

如果区域内交通拥堵情况严重拥堵，则派遣少数的服务人员流动巡街；

如果区域内事故发生率较低，则派遣少数的服务人员流动巡街。

较佳地，本步骤中的所述交通路况模糊集合由通畅、交通拥堵情况正常和严重拥堵组成；其中，

所述通畅的隶属度函数QA为：

$>\begin{array}{cc}QA=\{\bar{q},{\mu }_{QA}\left(\bar{q}\right)|\bar{q}\in [0,1]\}& {\mu }_{QA}\left(\bar{q}\right)=\left(\begin{array}{cc}1& \bar{q}<0.2\\ 1-5(\bar{q}-0.2)& 0.2\le \bar{q}\le 0.4\\ 0& \bar{q}\ge 0.4\end{array}\right)\end{array};$>

所述交通拥堵情况正常的隶属度函数QB为：

$>\begin{array}{cc}QB=\{\bar{q},{\mu }_{QB}\left(\bar{q}\right)|\bar{q}\in [0,1]\}& {\mu }_{QB}\left(\bar{q}\right)=\left(\begin{array}{cc}1-\frac{|\bar{q}-0.5|}{0.3}& |\bar{q}-0.5|\le 0.3\\ 0& |\bar{q}-0.5|>0.3\end{array}\right)\end{array};$>

所述严重拥堵的隶属度函数QC为：

$>\begin{array}{cc}QC=\{\bar{q},{\mu }_{QC}\left(\bar{q}\right)|\bar{q}\in [0,1]\}& {\mu }_{QC}\left(\bar{q}\right)=\left(\begin{array}{cc}1& \bar{q}<0.6\\ 1-5(0.8-\bar{q})& 0.6\le \bar{q}\le 0.8\\ 1& \bar{q}\ge 0.8\end{array}\right)\end{array}.$>

较佳地，本步骤中的所述事故发生可能性模糊集合由较低，正常和较高组成；其中，

所述较低的隶属度函数PA为：

$>\begin{array}{cc}PA=\{\bar{p},{\mu }_{PA}\left(\bar{p}\right)|\bar{p}\in [0,1]\}& {\mu }_{PA}\left(\bar{p}\right)=\left(\begin{array}{cc}1& \bar{p}<0.2\\ 1-5(\bar{p}-0.2)& 0.2\le \bar{p}\le 0.4\\ 0& \bar{p}\ge 0.4\end{array}\right)\end{array};$>

所述正常的隶属度函数PB为：

$>\begin{array}{cc}PB=\{\bar{p},{\mu }_{PB}\left(\bar{p}\right)|\bar{p}\in [0,1]\}& {\mu }_{PB}\left(\bar{p}\right)=\left(\begin{array}{cc}1-\frac{|\bar{p}-0.5|}{0.3}& |\bar{p}-0.5|\le 0.3\\ 0& |\bar{p}-0.5|>0.3\end{array}\right)\end{array};$>

所述较高的隶属度函数PC为：

$>\begin{array}{cc}PC=\{\bar{p},{\mu }_{PC}\left(\bar{p}\right)|\bar{p}\in [0,1]\}& {\mu }_{PC}\left(\bar{p}\right)=\left(\begin{array}{cc}0& \bar{p}<0.6\\ 1-5(0.8-\bar{p})& 0.6\le \bar{p}\le 0.8\\ 1& \bar{p}\ge 0.8\end{array}\right)\end{array}.$>

较佳地，所述巡视人员比例模糊集合由少数、一半左右和大部分组成；其中，

所述少数的隶属度函数RA为：

$>\begin{array}{cc}RA=\{r,{\mu }_{RA}\left(r\right)|r\in [0,1]\}& {\mu }_{RA}\left(r\right)=\left(\begin{array}{cc}1& \bar{p}<0.2\\ 1-\frac{10}{3}(\bar{p}-0.2)& 0.2\le \bar{p}\le 0.5\\ 0& \bar{p}\ge 0.5\end{array}\right)\end{array};$>

所述一半左右的隶属度函数RB为：

$>\begin{array}{cc}RB=\{r,{\mu }_{RB}\left(r\right)|r\in [0,1]\}& {\mu }_{RB}\left(r\right)=\left(\begin{array}{cc}1-\frac{|r-0.5|}{0.2}& |\bar{p}-0.5|\le 0.2\\ 0& |\bar{p}-0.5|>0.2\end{array}\right)\end{array};$>

所述大部分的隶属度函数RC为：

$>\begin{array}{cc}RC=\{r,{\mu }_{RC}\left(r\right)|r\in [0,1]\}& {\mu }_{RC}\left(r\right)=\left(\begin{array}{cc}0& \bar{p}<0.5\\ 1-\frac{10}{3}(0.8-r)& 0.5\le \bar{p}\le 0.8\\ 1& \bar{p}\ge 0.8\end{array}\right)\end{array}.$>

步骤104、对于每个所述待命地点，按照相应的所述流动巡街比例和所述出险服务人员数目，调度出险服务人员在该待命地点对应的出险区域进行巡街。

步骤105、当所述交通规划区域内发生事故时，调度距离事故所在地最近的出险人员对所述事故进行处理。

通过上述方案可以看出，本发明通过基于交通规划区域内事故发生历史数据和道路拥堵历史数据，按照确保事故出险服务时间最优的选择原则，来选择出险服务人员的待命地点，并利用模糊推理方法，按照路况越差流动巡街人数越少以及事故发生率越高巡街人数越多的原则，确定各所述待命地点上布置的出险服务人员的流动巡街比例，可以有效缩短出险服务响应时间、保证出险服务人员的工作效率，提高调度效率。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。