CN104933665A - 车辆推送方法和装置 - Google Patents
车辆推送方法和装置 Download PDFInfo
- Publication number
- CN104933665A CN104933665A CN201510351064.0A CN201510351064A CN104933665A CN 104933665 A CN104933665 A CN 104933665A CN 201510351064 A CN201510351064 A CN 201510351064A CN 104933665 A CN104933665 A CN 104933665A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- security features
- security
- value
- weighted value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种车辆推送方法和装置,其中,该方法包括:接收携带有车辆信息的车辆查询请求,车辆信息包括一种或多种参数;在预先建立的车辆数据库中确定与车辆信息对应的车辆集合;根据接收到的车辆安全性排序请求,在预先建立的车辆数据库中采集车辆集合中各车辆对应的安全性特征组合,安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;获取与安全性特征组合中的各安全性特征对应的权重值;根据安全性特征组合中的特征值,以及权重值,确定车辆推送序列。从而用户可以根据自己的需求去选择车辆,根据车辆安全性进行排序,为用户提供了更加可靠的车辆推送方式。
Description
技术领域
本发明涉及车辆信息技术,尤其涉及一种车辆推送方法和装置。
背景技术
随着社会的发展,车辆已经成为用户出行的必不可少的交通工具,车辆已经成为社会生活中的一部分。
由于大部分用户对于车辆的具体性能并不了解,如何选择满足用户需求的车辆成为一个亟待解决的问题。现在,用户只能通过销售人员的介绍去选择车辆,从而用户无法便捷的去了解和选择满足自己需求的车辆。
发明内容
本发明提供一种车辆推送方法和装置,用以解决现有技术中用户只能通过销售人员的介绍去选择车辆,从而用户无法便捷的去了解和选择满足自己需求的车辆的问题。
本发明的一方面是提供一种车辆推送方法,包括:
接收携带有车辆信息的车辆查询请求,所述车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数;
根据所述车辆信息,在预先建立的车辆数据库中确定与所述车辆信息对应的车辆集合;
接收车辆安全性排序请求,根据所述车辆安全性排序请求,在所述预先建立的车辆数据库中采集所述车辆集合中各车辆对应的安全性特征组合,所述安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;
获取与所述安全性特征组合中的各安全性特征对应的权重值;
根据所述安全性特征组合中的特征值,以及所述权重值,确定车辆推送序列。
进一步地,本发明提供的车辆推送方法中,所述获取与所述安全性特征组合中的各安全性特征对应的权重值,包括:
接收用户输入的与所述安全性特征组合中的各安全性特征对应的权重值。
进一步地,本发明提供的车辆推送方法中,所述获取与所述安全性特征组合中的各安全性特征对应的权重值,包括:
将采集到的所述车辆集合中各车辆对应的安全性特征组合,组成训练样本;
将所述训练样本输入到误差反向传播(Error-Back Propagation,BP)神经网络中进行训练,得到成熟BP神经网络;
获取所述BP神经网络中的与所述安全性特征组合中的各安全性特征对应的权重值。
进一步地,本发明提供的车辆推送方法中,所述根据所述安全性特征组合中的特征值,以及所述权重值,确定车辆推送序列,包括:
根据与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1;
根据所述各车辆的第一安全性数值Aj1和预存储的各车辆的中国新车评价规程(China-New Car Assessment Program,简称C-NCAP)系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj;
根据所述各车辆的第二安全性分值Aj2,确定所述车辆推送序列;
其中,i∈[1,N],N为大于1的正整数;j∈[1,M],M为大于1的正整数。
本发明的另一方面是提供一种车辆推送装置,包括:
第一请求接收模块,用于接收携带有车辆信息的车辆查询请求,所述车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数;
确定车辆集合模块,用于根据所述车辆信息,在预先建立的车辆数据库中确定与所述车辆信息对应的车辆集合;
第二请求接收模块,用于接收车辆安全性排序请求,根据所述车辆安全性排序请求,在所述预先建立的车辆数据库中采集所述车辆集合中各车辆对应的安全性特征组合,所述安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;
权重获取模块,用于获取与所述安全性特征组合中的各安全性特征对应的权重值;
车辆推送模块,用于根据所述安全性特征组合中的特征值,以及所述权重值,确定车辆推送序列。
进一步地,本发明提供的车辆推送装置中,所述权重获取模块,具体用于:
接收用户输入的与所述安全性特征组合中的各安全性特征对应的权重值。
进一步地,本发明提供的车辆推送装置中,所述权重获取模块,具体用于:
将采集到的所述车辆集合中各车辆对应的安全性特征组合,组成训练样本;
将所述训练样本输入到误差反向传播BP神经网络中进行训练,得到成熟BP神经网络;
获取所述BP神经网络中的与所述安全性特征组合中的各安全性特征对应的权重值。
进一步地,本发明提供的车辆推送装置中,所述车辆推送模块,具体用于:
根据与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1;
根据所述各车辆的第一安全性数值Aj1和预存储的各车辆的C-NCAP系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj;
根据所述各车辆的第二安全性分值Aj2,确定所述车辆推送序列;
其中,i∈[1,N],N为大于1的正整数;j∈[1,M],M为大于1的正整数。
本发明的技术效果是:通过接收携带有车辆信息的车辆查询请求,车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数;根据车辆信息,在预先建立的车辆数据库中确定与车辆信息对应的车辆集合;接收车辆安全性排序请求,根据车辆安全性排序请求,在预先建立的车辆数据库中采集车辆集合中各车辆对应的安全性特征组合,安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;获取与安全性特征组合中的各安全性特征对应的权重值;根据安全性特征组合中的特征值,以及权重值,确定车辆推送序列。从而提供了一种车辆推送方法,用户可以根据自己的需求去选择车辆,同时根据车辆安全性进行排序,为用户提供了更加可靠的车辆推送方式。
附图说明
图1为本发明实施例一提供的车辆推送方法的流程图;
图2为本发明实施例二提供的车辆推送装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一提供的车辆推送方法的流程图,如图1所示,本实施例的方法包括:
步骤101、接收携带有车辆信息的车辆查询请求,车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数。
在本实施例中,具体的,接收用户通过终端发送的车辆查询请求,车辆查询请求中包括车辆信息;并且,车辆信息可以包括以下参数中的一种参数或多种参数:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数。
用户可以根据自己的需求选择车辆信息中的一个或多个参数,车辆价格选择参数是车辆的价格范围,可以是0万-100万之间的任意价格范围,也可以是100万以上的价格范围;车辆车型选择参数是车辆的车型,可以是两厢轿车、三厢轿车、旅行车、跑车和运动型多用途汽车(Sport Utility Vehicle,简称SUV)中的任意一种;车辆品牌选择参数是车牌品牌,可以是国产车、日产车、德国产车、美国产车中的任意一种,也可以是车辆的具体品牌;车辆动力选择参数是车辆的动力,可以是手动与自然吸气组合,自动和自然吸气组合,手动和涡轮增压组合,混合动力,纯电动中的任意一种。
步骤102、根据车辆信息,在预先建立的车辆数据库中确定与车辆信息对应的车辆集合。
在本实施例中,具体的,预先建立一个车辆数据库,该车辆数据库中包括了各个车辆的图片,车辆的车辆信息,车辆的其他性能介绍等数据;该车辆数据库可以进行实时的更新。在接收到车辆信息之后,在车辆数据库中查询与车辆信息相对应的车辆集合。
步骤103、接收车辆安全性排序请求,根据车辆安全性排序请求,在预先建立的车辆数据库中采集车辆集合中各车辆对应的安全性特征组合,安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值。
在本实施例中,具体的,预先建立的车辆数据库中还包括所有车辆的安全性特征组合,每个安全性特征组合包括了至少一个安全性特征、以及与安全性特征对应的特征值;安全性特征分为被动安全性特征和主动安全性特征。举例来说,如表1安全性特征所示,安全性特征组合可以包括表1中的至少一个安全性特征。
表1安全性特征
与安全性特征对应的特征值,可以通过用户输入,或者数学模型训练而得到。举例来说,对于安全气囊这一安全性特征,若无前座气囊,则安全气囊这一安全性特征的特征值为0分;若有6个气囊,则安全气囊这一安全性特征的特征值为60分;若有7-8个气囊,则安全气囊这一安全性特征的特征值为80分;若有9个以上的气囊,则安全气囊这一安全性特征的特征值为10分。再举例来说,对于车门防撞杆这一安全性特征,若车门防撞杆为Y型,则车门防撞杆这一安全性特征的特征值为180-1100分;若车门防撞杆为普通防撞杆,则车门防撞杆这一安全性特征的特征值为250-280分;若没有设置车门防撞杆,则车门防撞杆这一安全性特征的特征值为0分。
接收用户通过终端发送的车辆安全性排序请求,从而可以在预先建立的车辆数据库中采集到步骤102中确定的车辆集合中的各个车辆所对应的安全性特征组合。
步骤104、获取与安全性特征组合中的各安全性特征对应的权重值。
在本实施例中,具体的,获取各个安全性特征所对应的权重值,该权重值为各安全性特征在评价车辆的安全性时所占的权重值。可以通过用户输入权重值,或者通过数学模型训练的方式得到安全性特征组合中的各安全性特征对应的权重值。举例来说,可以得到如表2各安全性特征对应的权重值所示的权重值。
表2各安全性特征对应的权重值
步骤105、根据安全性特征组合中的特征值,以及权重值,确定车辆推送序列。
在本实施例中,具体的,根据步骤103中获取的车辆集合中的各个车辆所对应的安全性特征组合中的各安全性特征的特征值,以及步骤104中获取的各安全性特征对应的权重值,对车辆集合中的车辆进行排序,从而确定车辆推送序列,按照车辆推送序列中的顺序,将车辆显示给用户。
本实施例通过接收携带有车辆信息的车辆查询请求,车辆信息包括了车辆的一种或多种参数,然后在预先建立的车辆数据库中确定与车辆信息对应的车辆集合;再根据接收到的车辆安全性排序请求,在预先建立的车辆数据库中采集车辆集合中各车辆对应的安全性特征组合;获取与安全性特征组合中的各安全性特征对应的权重值;根据安全性特征组合中的各安全性特征的特征值,以及各安全性特征的权重值,确定车辆推送序列。从而提供了一种车辆推送方法,用户可以根据自己的需求去选择车辆,同时根据车辆安全性进行排序,为用户提供了更加可靠的车辆推送方式。
进一步地,在上述实施例的基础上,步骤104的一种实施方式,可以具体包括:
接收用户输入的与安全性特征组合中的各安全性特征对应的权重值。
在本实施方式中,具体的,可以将安全性特征组合中的各安全性特征显示给用户,用户根据自我需求设置各安全性特征对应的权重值,然后接收用户输入的各安全性特征对应的权重值。
本实施方式通过接收用户输入的各安全性特征对应的权重值,从而根据权重值对车辆集合中的车辆进行排序,提供了一种人机交互的方式,用户可以根据自我需求去确定车辆的排序。
进一步地,在上述实施例的基础上,步骤104的另一种实施方式,可以具体包括:
将采集到的车辆集合中各车辆对应的安全性特征组合,组成训练样本;
将训练样本输入到误差反向传播BP神经网络中进行训练,得到成熟BP神经网络;
获取BP神经网络中的与安全性特征组合中的各安全性特征对应的权重值。
在本实施方式中,具体的,将步骤103中采集到的车辆集合中各车辆对应的安全性特征组合,首先进行随机打乱操作组成训练样本的一部分;并将已知的车辆推送序列中的各车辆对应的安全性特征组合,也进行随机打乱操作组成训练样本的一部分。将以上训练样本进行交叉组合。
建立一个多层隐层的BP神经网络,将一个安全性特征组合中的各安全性特征作为一个输入节点,首先各安全性特征对应的权重值为随机值,将训练样本输入到BP神经网络中进行训练;在训练的过程中,会生成车辆安全性预测结果,并不断的更新各安全性特征对应的权重;随着训练的进行,该BP神经网络对已知结果的复制会变得越来越准确,从而得到一个成熟BP神经网络,进而可以得到BP神经网络中的与安全性特征组合中的各安全性特征对应的权重值。
本实施方式通过BP神经网络训练的方式,获取BP神经网络中的与安全性特征组合中的各安全性特征对应的权重值。从而较为客观的获取到各安全性特征对应的权重值。
进一步地,在上述实施例的基础上,步骤105,具体包括:
根据与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1;
根据各车辆的第一安全性数值Aj1和预存储的各车辆的C-NCAP系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj;
根据各车辆的第二安全性分值Aj2,确定车辆推送序列;
其中,i∈[1,N],N为大于1的正整数;j∈[1,M],M为大于1的正整数。
在本实施方式中,具体的,根据步骤104中的与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1。预先存储了各车辆的C-NCAP系数Bj,若车辆为5星,则车辆的C-NCAP系数Bj=1.1;若车辆为4星,则车辆的C-NCAP系数Bj=1.0;若车辆为3星,则车辆的C-NCAP系数Bj=0.9;若车辆为2星,则车辆的C-NCAP系数Bj=0.5。可以根据第一安全性数值Aj1和C-NCAP系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj。按照得到的各车辆的第二安全性分值Aj2的高低对车辆进行排序,可以得到车辆推送序列。
其中,i∈[1,N],N为大于1的正整数,N为安全性特征的个数;j∈[1,M],M为大于1的正整数,M为车辆的个数。
并且,可以预先建立一个分值矫正数据库,在分值矫正数据库中,若车辆没有主驾驶安全气囊,则车辆的分值不能高于50分;若车辆没有设置车身稳定控制系统,则车辆的分值不能高于68分;若车辆没有安装后防撞梁,则车辆的分值不能高于68分;若车辆没有安装后防撞梁且车辆为两厢车,则车辆的分值不能高于50分;若车辆的车门防撞杆不是Y型,或车辆的车门防撞杆不是与Y型车门防撞杆同等技术的车门防撞杆,则车辆的分值不能高于85分;若车辆的刹车距离大于50米,则车辆的分值不能高于50分;若车辆的驾驶舱刚性在1.1吨以下,则车辆的分值不能高于50分;等等。
在确定各车辆的第二安全性分值Aj2之后,还可以根据第二安全性分值Aj2和预先建立的分值矫正数据库,确定车辆的第三安全性分值Aj3,从而可以根据车辆的第三安全性分值Aj3的高低对车辆进行排序,可以得到车辆推送序列。举例来说,若第三安全性分值Aj3小于等于50分,则车辆为不安全车型,确定车辆为不推荐车型;若第三安全性分值Aj3大于50分小于等于68分,则车辆为基本安全车型,确定车辆为合格车型;若第三安全性分值Aj3大于68分小于等于85分,则车辆为安全车型,确定车辆为推荐车型,若第三安全性分值Aj3大于85分,则车辆为顶级安全车型,确定车辆为优选车型。
本实施方式通过根据与各安全性特征对应的权重值,以及对各安全性特征的特征值进行加权求和,在得到各车辆的第一安全性数值之后,再根据预存储的各车辆的新车评价规程C-NCAP系数,确定各车辆的第二安全性分值,从而对车辆进行排序,确定车辆推送序列。从而为用户提供了一种车辆排序方法,使得用户可以根据自我需求选择车辆。
图2为本发明实施例二提供的车辆推送装置的结构示意图,如图2所示,本实施例的装置包括:
第一请求接收模块21,用于接收携带有车辆信息的车辆查询请求,车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数;
确定车辆集合模块22,用于根据车辆信息,在预先建立的车辆数据库中确定与车辆信息对应的车辆集合;
第二请求接收模块23,用于接收车辆安全性排序请求,根据车辆安全性排序请求,在预先建立的车辆数据库中采集车辆集合中各车辆对应的安全性特征组合,安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;
权重获取模块24,用于获取与安全性特征组合中的各安全性特征对应的权重值;
车辆推送模块25,用于根据安全性特征组合中的特征值,以及权重值,确定车辆推送序列。
进一步的,在上述实施例的基础上,权重获取模块24,具体用于:
接收用户输入的与安全性特征组合中的各安全性特征对应的权重值。
进一步的,在上述实施例的基础上,权重获取模块24,具体用于:
将采集到的车辆集合中各车辆对应的安全性特征组合,组成训练样本;
将训练样本输入到误差反向传播BP神经网络中进行训练,得到成熟BP神经网络;
获取BP神经网络中的与安全性特征组合中的各安全性特征对应的权重值。
进一步的,在上述实施例的基础上,车辆推送模块25,具体用于:
根据与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1;
根据各车辆的第一安全性数值Aj1和预存储的各车辆的C-NCAP系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj;
根据各车辆的第二安全性分值Aj2,确定车辆推送序列;
其中,i∈[1,N],N为大于1的正整数;j∈[1,M],M为大于1的正整数。
本实施例的具体实现参照本发明实施例一和上述实施方式提供的车辆推送方法,其实现原理相类似,此处不再赘述。
本实施例通过接收携带有车辆信息的车辆查询请求,车辆信息包括了车辆的一种或多种参数,然后在预先建立的车辆数据库中确定与车辆信息对应的车辆集合;再根据接收到的车辆安全性排序请求,在预先建立的车辆数据库中采集车辆集合中各车辆对应的安全性特征组合;获取与安全性特征组合中的各安全性特征对应的权重值;根据安全性特征组合中的各安全性特征的特征值,以及各安全性特征的权重值,确定车辆推送序列。从而提供了一种车辆推送方法,用户可以根据自己的需求去选择车辆,同时根据车辆安全性进行排序,为用户提供了更加可靠的车辆推送方式。并且,可以通过接收用户输入的各安全性特征对应的权重值,从而根据权重值对车辆集合中的车辆进行排序,提供了一种人机交互的方式,用户可以根据自我需求去确定车辆的排序;还可以通过BP神经网络训练的方式,获取BP神经网络中的与安全性特征组合中的各安全性特征对应的权重值,从而较为客观的获取到各安全性特征对应的权重值。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种车辆推送方法,其特征在于,包括:
接收携带有车辆信息的车辆查询请求,所述车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数;
根据所述车辆信息,在预先建立的车辆数据库中确定与所述车辆信息对应的车辆集合;
接收车辆安全性排序请求,根据所述车辆安全性排序请求,在所述预先建立的车辆数据库中采集所述车辆集合中各车辆对应的安全性特征组合,所述安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;
获取与所述安全性特征组合中的各安全性特征对应的权重值;
根据所述安全性特征组合中的特征值,以及所述权重值,确定车辆推送序列。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述安全性特征组合中的各安全性特征对应的权重值,包括:
接收用户输入的与所述安全性特征组合中的各安全性特征对应的权重值。
3.根据权利要求1所述的方法,其特征在于,所述获取与所述安全性特征组合中的各安全性特征对应的权重值,包括:
将采集到的所述车辆集合中各车辆对应的安全性特征组合,组成训练样本;
将所述训练样本输入到误差反向传播BP神经网络中进行训练,得到成熟BP神经网络;
获取所述BP神经网络中的与所述安全性特征组合中的各安全性特征对应的权重值。
4.根据权利要求1-3任一所述的方法,其特征在于,所述根据所述安全性特征组合中的特征值,以及所述权重值,确定车辆推送序列,包括:
根据与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1;
根据所述各车辆的第一安全性数值Aj1和预存储的各车辆的中国新车评价规程C-NCAP系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj;
根据所述各车辆的第二安全性分值Aj2,确定所述车辆推送序列;
其中,i∈[1,N],N为大于1的正整数;j∈[1,M],M为大于1的正整数。
5.一种车辆推送装置,其特征在于,包括:
第一请求接收模块,用于接收携带有车辆信息的车辆查询请求,所述车辆信息包括以下参数的一种或多种:车辆价格选择参数、车辆车型选择参数、车辆品牌选择参数、车辆动力选择参数;
确定车辆集合模块,用于根据所述车辆信息,在预先建立的车辆数据库中确定与所述车辆信息对应的车辆集合;
第二请求接收模块,用于接收车辆安全性排序请求,根据所述车辆安全性排序请求,在所述预先建立的车辆数据库中采集所述车辆集合中各车辆对应的安全性特征组合,所述安全性特征组合包括至少一个安全性特征、以及与安全性特征对应的特征值;
权重获取模块,用于获取与所述安全性特征组合中的各安全性特征对应的权重值;
车辆推送模块,用于根据所述安全性特征组合中的特征值,以及所述权重值,确定车辆推送序列。
6.根据权利要求5所述的装置,其特征在于,所述权重获取模块,具体用于:
接收用户输入的与所述安全性特征组合中的各安全性特征对应的权重值。
7.根据权利要求5所述的装置,其特征在于,所述权重获取模块,具体用于:
将采集到的所述车辆集合中各车辆对应的安全性特征组合,组成训练样本;
将所述训练样本输入到误差反向传播BP神经网络中进行训练,得到成熟BP神经网络;
获取所述BP神经网络中的与所述安全性特征组合中的各安全性特征对应的权重值。
8.根据权利要求5-7任一所述的装置,其特征在于,所述车辆推送模块,具体用于:
根据与各安全性特征对应的权重值αi,对各安全性特征的特征值Vi进行加权求和,得到各车辆的第一安全性数值Aj1;
根据所述各车辆的第一安全性数值Aj1和预存储的各车辆的C-NCAP系数Bj,确定各车辆的第二安全性分值Aj2=Aj1*Bj;
根据所述各车辆的第二安全性分值Aj2,确定所述车辆推送序列;
其中,i∈[1,N],N为大于1的正整数;j∈[1,M],M为大于1的正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510351064.0A CN104933665A (zh) | 2015-06-23 | 2015-06-23 | 车辆推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510351064.0A CN104933665A (zh) | 2015-06-23 | 2015-06-23 | 车辆推送方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104933665A true CN104933665A (zh) | 2015-09-23 |
Family
ID=54120821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510351064.0A Pending CN104933665A (zh) | 2015-06-23 | 2015-06-23 | 车辆推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933665A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921711A (zh) * | 2015-12-25 | 2017-07-04 | 北京奇虎科技有限公司 | 汽车信息的推送方法、装置和服务器 |
CN107273928A (zh) * | 2017-06-14 | 2017-10-20 | 上海海洋大学 | 一种基于权重特征融合的遥感图像自动标注方法 |
CN109101612A (zh) * | 2018-08-06 | 2018-12-28 | 优信数享(北京)信息技术有限公司 | 一种提供解决方案的方法、装置和系统 |
CN109583982A (zh) * | 2017-09-29 | 2019-04-05 | 车伯乐(北京)信息科技有限公司 | 一种车辆信息的处理方法装置及系统 |
CN110020286A (zh) * | 2017-09-29 | 2019-07-16 | 车伯乐(北京)信息科技有限公司 | 一种车型参配信息的聚类方法,装置及系统 |
CN110020115A (zh) * | 2017-09-29 | 2019-07-16 | 车伯乐(北京)信息科技有限公司 | 一种车辆信息的展示方法装置及系统 |
CN112733022A (zh) * | 2020-12-31 | 2021-04-30 | 东风商用车有限公司 | 商用车选车方法、系统、设备及存储介质 |
CN115883879A (zh) * | 2022-11-29 | 2023-03-31 | 重庆长安汽车股份有限公司 | 一种车辆适配视频的生成方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253933A (zh) * | 2010-05-18 | 2011-11-23 | 北京耐特永通科技有限公司 | 一种汽车信息分析和服务的语义搜索系统 |
CN103295154A (zh) * | 2013-06-06 | 2013-09-11 | 苏州泽佑科技有限公司 | 自动购车服务系统 |
CN104680335A (zh) * | 2015-03-24 | 2015-06-03 | 北京闪信鼎中技术有限公司 | 一种新能源汽车的测评方法 |
-
2015
- 2015-06-23 CN CN201510351064.0A patent/CN104933665A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253933A (zh) * | 2010-05-18 | 2011-11-23 | 北京耐特永通科技有限公司 | 一种汽车信息分析和服务的语义搜索系统 |
CN103295154A (zh) * | 2013-06-06 | 2013-09-11 | 苏州泽佑科技有限公司 | 自动购车服务系统 |
CN104680335A (zh) * | 2015-03-24 | 2015-06-03 | 北京闪信鼎中技术有限公司 | 一种新能源汽车的测评方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921711A (zh) * | 2015-12-25 | 2017-07-04 | 北京奇虎科技有限公司 | 汽车信息的推送方法、装置和服务器 |
CN107273928A (zh) * | 2017-06-14 | 2017-10-20 | 上海海洋大学 | 一种基于权重特征融合的遥感图像自动标注方法 |
CN109583982A (zh) * | 2017-09-29 | 2019-04-05 | 车伯乐(北京)信息科技有限公司 | 一种车辆信息的处理方法装置及系统 |
CN110020286A (zh) * | 2017-09-29 | 2019-07-16 | 车伯乐(北京)信息科技有限公司 | 一种车型参配信息的聚类方法,装置及系统 |
CN110020115A (zh) * | 2017-09-29 | 2019-07-16 | 车伯乐(北京)信息科技有限公司 | 一种车辆信息的展示方法装置及系统 |
CN109101612A (zh) * | 2018-08-06 | 2018-12-28 | 优信数享(北京)信息技术有限公司 | 一种提供解决方案的方法、装置和系统 |
CN112733022A (zh) * | 2020-12-31 | 2021-04-30 | 东风商用车有限公司 | 商用车选车方法、系统、设备及存储介质 |
CN112733022B (zh) * | 2020-12-31 | 2023-02-03 | 东风商用车有限公司 | 商用车选车方法、系统、设备及存储介质 |
CN115883879A (zh) * | 2022-11-29 | 2023-03-31 | 重庆长安汽车股份有限公司 | 一种车辆适配视频的生成方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933665A (zh) | 车辆推送方法和装置 | |
WO2022083784A1 (zh) | 一种基于车联网的道路检测方法 | |
CN107316048A (zh) | 点云分类方法及装置 | |
CN102941853B (zh) | 基于实时无线通讯网络的汽车智能辅助驾驶系统及方法 | |
CN111401148A (zh) | 一种基于改进的多级YOLOv3的道路多目标检测方法 | |
US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
CN110222893B (zh) | 共享交通资源的投放地点推荐方法、装置与电子设备 | |
CN108805474A (zh) | 一种车货匹配方法及装置 | |
CN104916135B (zh) | 获取客货分离式高速公路货运车道通行能力的方法和系统 | |
CN104794184B (zh) | 一种基于大规模数据的贝叶斯分类算法的黑车识别方法 | |
CN114331257A (zh) | 物流运输装载管理方法、装置、设备及存储介质 | |
US11302122B2 (en) | Apparatus and method for predicting injury level | |
CN110807924A (zh) | 基于全量全样实时交通数据的多参数融合方法及系统 | |
CN109558969A (zh) | 一种基于AdaBoost-SO的VANETs车辆事故风险预测模型 | |
CN108803559A (zh) | 车辆故障分析方法、装置和系统 | |
CN105654574A (zh) | 基于车载设备的驾驶行为评估方法及装置 | |
CN113780956A (zh) | 物流运费生成方法、装置、设备及存储介质 | |
CN106126637A (zh) | 一种交通工具类别识别方法及装置 | |
CN106781442A (zh) | 一种车辆行为预警系统 | |
CN113918718A (zh) | 基于人工智能的车险用户分类方法、装置、设备及介质 | |
CN106326335A (zh) | 一种基于显著属性选择的大数据归类方法 | |
CN111832599B (zh) | 一种基于机器学习随机森林的加油站预测方法 | |
CN108399524A (zh) | 信息处理方法及系统 | |
Marukatat | Structure-based rule selection framework for association rule mining of traffic accident data | |
CN107169202A (zh) | 一种行进车辆间安全保持距离的计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150923 |