资源调度方法、装置、设备及介质
本申请涉及人工智能,尤其涉及一种资源调度方法、装置、计算机设备及存储介质。
背景技术:
1、随着网约车、出租车、共享出行、即时配送、物流配送、停车服务、充电服务、能源供给、医疗应急资源以及公共服务设施配置等业务的发展,资源调度系统通常需要根据未来一段时间内各空间区域的资源需求变化情况,对车辆、人员、设备、库存、能源容量或服务能力等资源进行提前配置,以提高资源利用效率和服务响应能力。例如,在网约车调度场景中,可根据未来各区域的叫车需求确定车辆预投放方案;在即时配送场景中,可根据未来配送需求确定骑手调度方案;在停车或充电场景中,可根据未来需求确定停车泊位或充电设备的配置方案。因此,对未来需求进行准确预测,是资源调度系统的重要基础。
2、目前,资源调度系统通常基于历史业务数据,对未来不同空间区域在多个时间片内的需求进行预测,并依据预测结果生成对应的资源配置方案。由于预测结果直接作为资源调度的重要依据,其预测准确程度会直接影响资源调度效果。当预测结果与实际需求存在较大偏差时,可能导致部分区域资源配置不足,影响用户服务体验;也可能导致部分区域资源配置过剩,降低资源利用效率,并增加系统运行成本。
3、此外,由于实际业务场景中不同区域的需求变化具有较强的时空动态性,不同时间、不同区域之间的需求波动规律存在较大差异,使得资源需求预测具有较高复杂性。当预测结果不能较好地反映实际需求变化时,资源调度方案容易出现偏差,进一步影响资源调度系统整体运行效率和服务质量。
4、因此,如何提高时空需求预测结果的可靠性,使资源调度方案更加符合实际业务需求,从而提升资源配置效率和整体服务效果,成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、本申请实施例的目的在于提出一种资源调度方法,以解决如何提高时空需求预测结果的可靠性,使资源调度方案更加符合实际业务需求的问题。
2、为了解决上述技术问题,本申请实施例提供一种资源调度方法,包括如下步骤:
3、获取当前观测窗口内的时空需求数据、空间关联图信息以及当前资源状态信息;
4、基于时空需求数据构建模型输入张量;
5、根据空间关联图信息构建空间关联矩阵,其中,空间关联矩阵中的矩阵元素表征空间单元之间的关联关系或关联强度;
6、将模型输入张量和空间关联矩阵输入到训练好的双分支时空需求预测模型中,并得到未来时刻各空间单元的需求预测结果;其中,双分支时空需求预测模型表示融合全局-局部双分支时序建模与交叉注意力机制,并嵌入基于图神经网络的预测误差聚合公平约束的时空预测模型;
7、基于需求预测结果和当前资源状态信息生成资源调度方案。
8、为了解决上述技术问题,本申请实施例提供一种资源调度装置,包括:
9、数据获取模块,用于获取当前观测窗口内的时空需求数据、空间关联图信息以及当前资源状态信息;
10、特征构建模块,用于基于时空需求数据构建模型输入张量;
11、矩阵构建模块,用于根据空间关联图信息构建空间关联矩阵,其中,空间关联矩阵中的矩阵元素表征空间单元之间的关联关系或关联强度;
12、推理预测模块,用于将模型输入张量和空间关联矩阵输入到训练好的双分支时空需求预测模型中,并得到未来时刻各空间单元的需求预测结果;其中,双分支时空需求预测模型表示融合全局-局部双分支时序建模与交叉注意力机制,并嵌入基于图神经网络的预测误差聚合公平约束的时空预测模型;
13、资源调度生成模块,用于基于需求预测结果和当前资源状态信息生成资源调度方案。
14、为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,处理器执行计算机程序时实现上述资源调度方法的步骤。
15、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的资源调度方法的步骤。
16、与相关技术相比,本申请实施例主要有以下有益效果:
17、通过将时空需求数据构建的模型输入张量与空间关联图信息构建的空间关联矩阵,使双分支时空需求预测模型同时具备对局部时序变化特征与全局空间依赖关系的联合表征能力;进一步采用融合全局-局部双分支时序建模与交叉注意力机制的预测模型,可增强对复杂非线性时空依赖关系的捕获能力,从而提升预测的准确性与泛化能力;同时,引入基于图神经网络的预测误差聚合公平约束机制,使双分支时空需求预测模型在优化整体预测误差的同时,避免不同空间单元之间预测偏差过度集中,提高预测结果的均衡性、鲁棒性和可靠性;在此基础上,将需求预测结果与当前资源状态信息进行联合决策,可实现资源在空间与时间维度上的动态优化配置,使资源调度方案更加符合实际业务需求,从而有效提升系统资源利用效率,降低供需失衡风险,并增强整体调度系统的实时响应能力与稳定运行能力。
1.一种资源调度方法,其特征在于,所述方法包括:
2.根据权利要求1所述的资源调度方法,其特征在于,所述双分支时空需求预测模型包括空间编码层、全局时序建模分支、局部分块时序建模分支和交叉注意力融合模块;
3.根据权利要求1或2所述的资源调度方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的资源调度方法,其特征在于,所述初始双分支时空需求预测模型包括邻域聚合网络;
5.根据权利要求3所述的资源调度方法,其特征在于,所述根据所述公平比较属性信息、预设公平比较规则和所述点预测误差确定点预测误差公平损失,包括:
6.根据权利要求3所述的资源调度方法,其特征在于,所述根据所述公平比较属性信息、所述聚合误差以及所述预设公平比较原则,计算聚合误差公平损失,包括:
7.根据权利要求2所述的资源调度方法,其特征在于,所述双分支时空需求预测模型包括时序编码器,所述将所述空间关联表征输入到所述局部分块时序建模分支中,得到局部分支表征,包括:
8.一种资源调度装置,其特征在于,所述资源调度装置包括:
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的资源调度方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的资源调度方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com