摘要：随着全球智能化的发展，越来越多的行业注重对于业务的智能处理。资源供需不平衡问题在日常生活中普遍存在，如何智能化的解决这一问题，微软亚洲研究院推出了群策“MARO”。该平台可通过对资源供需不平衡现象进行高度抽象，提供对资源的智能分配决策。通过学习MARO平台，能够直观清晰地了解真实世界的资源调度运作方式。然而，MARO平台自开源以来发展时间较短，其研究、探索、使用的发展路径尚不成熟。针对此，本文的研究和实践操作为终端用户部署资源调度优化服务提供了提供了新的途径，具有一定的应用价值。

本文首先是对于MARO平台的搭建的探索和实现，并在搭建完成的基础上对MARO输入输出数据与平台功能进行研究。其次是在完成搭建的平台上导入虚拟数据，进行资源调度决策，学习和摸索MARO平台提供的调度策略，能够完整的进行一次调度并对调度后的结果进行分析。然后扩展平台加载的共享单车部署场景，选取并预处理成都市滴滴出行数据，建立网约车派单场景。基于此，使用grid2demand软件进行出行目的地预测并实现与分析车辆调度策略。

 

关键词：MARO平台；供需平衡；资源调度；优化

 

目录

摘要

Abstract

第1章 绪 论 1

1.1选题背景和意义 1

1.2国内外研究评述 1

1.2.1 MARO平台发展历程 1

1.2.2共享出行 2

1.2.3出行需求预测 2

1.2.4研究工作小结 3

1.3研究内容和方法 3

1.3.1研究内容 3

1.3.1研究方法 4

1.3.1研究思路 5

第2章 MARO平台搭建 6

2.1 MARO平台功能 6

2.2配置MARO环境 7

2.2.1 Docker 7

2.2.2Pycharm 7

2.3 搭建共享单车场景 8

第3章 MARO资源调度策略 10

3.1 MARO调度逻辑 10

3.2 MARO调度模型 10

3.3 MARO调度模型实现 12

3.3.1基于规则的调度 12

3.3.2基于数据统计的调度 12

3.3.3 MARO调度性能分析 13

第4章 滴滴出行需求分析及预测 14

4.1出行需求分析 14

4.1.1出行时间需求分析 14

4.1.2出行空间需求分析 14

4.2 grid2demand出行目的地预测 15

第5章 MARO网约车调度 17

5.1背景分析 17

5.2数据处理 17

5.3需求量分析和出行分布预测 18

5.3.1出行时间需求分析 18

5.3.2出行空间需求分析 18

5.3.3出行需求分布预测 20

5.4调度测试和分析 21

第6章 总结与展望 23

6.1总结 23

6.2创新点 23

6.3研究展望 23

致 谢 24

参考文献 25