CN104991967A - 一种搭乘出租车的推荐方法、系统及客户端 - Google Patents
一种搭乘出租车的推荐方法、系统及客户端 Download PDFInfo
- Publication number
- CN104991967A CN104991967A CN201510444163.3A CN201510444163A CN104991967A CN 104991967 A CN104991967 A CN 104991967A CN 201510444163 A CN201510444163 A CN 201510444163A CN 104991967 A CN104991967 A CN 104991967A
- Authority
- CN
- China
- Prior art keywords
- taxi
- road unit
- recommend
- current
- throughput
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种搭乘出租车的推荐方法、系统及客户端,实现在打车困难情况下推荐用户能够便捷地搭乘到出租车的路径;方法包括根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;获取用户当前位置和当前时间,以及当前位置对应的当前路元;选取当前时间所处预设时间段内的所述路元为推荐路元;依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;推荐预设个数的所述搭乘推荐权值对应路元。实现准确的推荐用户能够较为便捷地搭乘到出租车的路元,提高搭乘出租车的效率,节省打车所需时间。
Description
技术领域
本发明涉及一种搭乘出租车的推荐方法、系统及客户端。
背景技术
为了出行的方便,很多人都会选择搭乘出租车,而出租车的停车地点不仅会受到交通规则的制约,还同时受道路交通拥堵情况的影响,出租车司机为了抢夺时间承载更多的乘客,通常会在高峰期绕开拥堵道路,需找快捷通道。那么,乘客要在高峰期拥堵路段打车就变得比较困难,这样不仅严重影响乘客的出行,需要耗费大量时间等车;而且乘客的打车效率也特别低。
申请号为201210580716.4的专利文献公开了一种时空聚类的出租车载客点推荐方法,通过读取选定时间段的出租车车载GPS数据,对数据进行预处理,删除选定区域以外的GPS点,依据出租车载客状态的变化查找载客或卸客的地点;使用聚类的方法获取出租车在各时段中选定区域经常发生载客事件的地点,作为候选载客点;利用ArcGIS提供的ITopologicalOperator接口查找车辆周围区域范围内的候选载客点,并对它们根据规则进行排序,取序列的top-5作为推荐载客点向司机推荐。
上述方法针对的是出租车端,推荐出租车司机经常发生载客事件的地点,以便司机获取客源;而且通过上述方法确定的仅仅是客源多的地点,并不等同于处于空载状态的出租车较多的地点,因此,还是无法解决针对出行用户打车难的问题。
发明内容
本发明所要解决的技术问题是:提供一种搭乘出租车的推荐方法、系统及客户端,实现在打车困难情况下推荐用户能够便捷地搭乘到出租车的路径。
为了解决上述技术问题,本发明采用的技术方案为:
一种搭乘出租车的推荐方法,包括:
根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;
获取用户当前位置和当前时间,以及当前位置对应的当前路元;
选取当前时间所处预设时间段内的所述路元为推荐路元;
依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
推荐预设个数的所述搭乘推荐权值对应路元。
本发明提供的另一个技术方案为:
一种搭乘出租车的推荐系统,包括:
第一获取模块,用于根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;
第二获取模块,用于获取用户当前位置和当前时间,以及当前位置对应的当前路元;
选取模块,用于选取当前时间所处预设时间段内的所述路元为推荐路元;
计算模块,用于依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
第一推荐模块,用于推荐预设个数的所述搭乘推荐权值对应路元。
上述搭乘出租车的推荐方法及系统,通过对出租车的行车数据依据预设时间段进行分类,并获取对应预设时间段下每个路元的出租车通过量和出租车空车率,可以得到针对不同时间段,更具备代表性的路元路况数据;依据用户当前时间确定所处预设时间段,以及预设时间段下的推荐路元;依据用户所处当前路元至推荐路元的路程、推荐路元的出租车通过量和出租车空车率计算得到推荐路元的搭乘推荐权值,确保得出的搭乘推荐权值能够充分的反应对应路元的出租车搭乘的便捷性;实现准确的推荐用户能够较为便捷地搭乘到出租车的路元,帮助用户在路况复杂,打车困难的情况下知道当前位置附近的哪段路元能够最便捷地搭乘到出租车,从而提高搭乘出租车的效率,节省打车所需时间。
本发明提供的第三个技术方案为:
一种搭乘出租车的推荐客户端,包括:
第一接收模块,用于接收根据出租车的行车数据,获取到的预设时间段内任一路元的出租车通过量和出租车空车率;
发送模块,用于发送用户当前位置和当前时间;
第二接收模块,用于接收依据当前位置对应获取的当前路元;
第三接收模块,用于接收选取当前时间所处预设时间段内的所述路元为推荐路元;
第四接收模块,用于接收依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
第一推荐模块,用于推荐预设个数的所述搭乘推荐权值对应路元。
上述客户端的有益效果为:通过客户端接收依据出租车的行车数据,统计得到的对应预设时间段下各路元的出租车通过量和出租车空车率;依据客户端的当前时间选取的推荐路元,以及依据客户端的当前路元至推荐路元的路程、推荐路元的出租车通过量和出租车空车率计算得到的推荐权值;客户端只需发送用户当前位置和当前时间,便能够依据与后台服务器的交互结果,通过第一推荐模块将搭乘推荐权值较高的路元推荐给用户;实现利用后台服务器完成数据的高效率处理,客户端能够在获取数据处理结果后直接选取相应路元推荐给用户,减轻客户端工作负担,减少内存占用资源,提高路元的推荐效率。
附图说明
图1为本发明一种搭乘出租车的推荐方法的流程示意图;
图2为本发明一种搭乘出租车的推荐方法的流程示意图;
图3为本发明一种搭乘出租车的推荐方法的流程示意图;
图4为本发明一种搭乘出租车的推荐系统的结构组成框图;
图5为本发明一种搭乘出租车的推荐系统的结构组成框图;
图6为本发明一种搭乘出租车的推荐客户端的结构组成框图;
图7为本发明一种搭乘出租车的推荐客户端的结构组成框图。
标号说明:
1、第一获取模块;2、第二获取模块;3、选取模块;4、计算模块;
5、第一推荐模块;6、第三获取模块;7、第二推荐模块;
8、第一接收模块;9、发送模块;10、第二接收模块;11、第三接收模块;
12、第四接收模块;13、第五接收模块。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:获取预设时间段内路元的出租车通过量和空车率;选取用户所处预设时间段内的路元为推荐路元,并依据用户所处当前路元至推荐路元的路程、以及推荐路元的出租车通过量和空车率计算得到推荐路元的搭乘推荐权值,以此为依据推荐能够便捷搭乘到出租车的路元。
本发明涉及的技术术语解释:
请参照图1至图3,本发明提供一种搭乘出租车的推荐方法,
依据路网编码规则对道路的路段进行编码,编码后的一个路段视为一个路元,即每条道路都可以由具有相应编码的多个路元组成,以路元为单位对道路的路况信息进行判断;
以处于福建省福州市为例进行说明:对通湖路段进行编码,取“建设银行”的地理位置坐标至“一点缘酒吧”的地理位置坐标为路元A;
S1:根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;
具体可以为:
S101:获取当日所有出租车的行车数据,所述行车数据包含出租车的实时地理位置信息和与位置对应的时间点信息;
S102:预设时间段,所述时间段包括工作日、非工作日以及普通时段、白天高峰时段和凌晨空闲时段;优选在工作日和非工作日下再按照普通时段、白天高峰时段和凌晨空闲时段对应划分;
所述白天高峰期时段可以是上下班高峰期,早上7-9点,中午12-2点,下午4:30-6:30;凌晨空闲时段为0-6点;其余为普通时段;
S103:读取一出租车的行车数据,依据其中记录的时间点信息对所述出租车的行车数据首先按照工作日、非工作日时间段进行一次分类处理;
S104:对所述出租车的行车数据再次按照普通时段、白天高峰时段或凌晨空闲时段进行二次分类处理;经过分类处理,可以生成一个按照时间属性归类的总时间段统计数据表,或者是生成一个工作日数据表和一个非工作日数据表;
通过上述步骤,以出租车的行车数据作为统计数据,并按照预设的时间段属性进行归类处理,得到不同路段在不同时间段内具有代表性意义的行车数据,便于后续针对路元所处的不同时间段统计对应的出租车通过量和出租车空车率,提高数据统计的效率和精确度。
举例进行说明:首先获取周五当天所有的出租车的行车数据;依据预设时段,将自动划分所有的出租车行车数据至工作日类别;读取其中一条出租车的行车数据,该条行车数据记录的时间点为下午5点,通过时间属性判断,将自动划分该条出租车行车数据至工作日类别下的白天高峰期时段。
S105:车路匹配,获取对应路元的出租车通过量和出租车空车率;具体包括:
S1051:获取一出租车的行车数据,依据出租车所处的地理位置坐标确定出租车所处的路元;该步骤可以通过车路匹配系统自动实现;
S1052:判断步骤S1051中确定的路元在数据库中是否有存储记录;
若没有存储记录,则将该路元加入数据库的路元列表中,同时,标记该路元的出租车通过量N为1;同时判断该出租车是否处于空车状态,若是,则标记该路元的出租车空车量S0为1;若否,则标记该路元的出租车空车量S0为0;继续执行步骤S1053;
若有存储记录,则累计该路元的出租车通过量N加一;同时判断该出租车是否处于空车状态,若是,则累计该路元的出租车空车量S0加一;继续执行步骤S1053;
S1053:统计计算所述路元的出租车通过量N和出租车空车率S;所述出租车空车率S=SN0*100%;同时,将对应各路元包含出租车通过量N和出租车空车率S的路况数据进行存储;
通过步骤S1051-S1053,则完成了车路匹配,以及路元的路况数据统计过程;
S106:将对应各路元的路况数据整理归类至步骤S104的总时间段统计数据表中,得到单一的一个统计数据表,并存储;也可以同时存储有两个相关联的数据表,一个为按照时间属性归类整理得到的步骤S104的总时间段统计数据表,一个为与所述总时间段统计数据表中的各路元具备映射关系的路元路况数据表。
S107:判断是否所有的出租车的行车数据都已读取并处理完毕,若否,则返回步骤S103,继续读取并处理下一条出租车的行车数据;若是,则执行步骤S108;
S108:将步骤S106中整理归类得到的统计数据表按照出租车通过量N对路元进行降序的一次排列;通过排列,能够将出租车通过量N从高到低进行排序;
S109:在步骤S108已经按照出租车通过量N降序排列后的基础上,再次依据出租车空车率S对路元进行双重降序排列,生成排序表;存储所述排序表;
上述排序表是按照租车通过量N以及出租车空车率S进行综合考量,并以出租车通过量N作为优先考虑因素得出的统计结果,通过排序表,能够直观的了解哪一个路元在出租车通过量N够大的基础上,出租车的空车率S也够高,充分反应了该路元真实的出租车情况。
S2:获取用户当前位置和当前时间,以及当前位置对应的当前路元;可以通过GPS定位获取用户当前位置,并依据当前位置确定对应的路元为当前路元;
具体还可以包括:
S201:依据用户当前时间确定所处的预设时间段;
S202:根据用户所处的预设时间段属性确定在步骤S109的排序表中对应的时间类别;进一步的在时间类别下获取用户所处当前路元的出租车通过量N和出租车空车率S;
S203:判断当前路元的出租车通过量N和出租车空车率S是否同时小于预设的出租车通过量阀值和出租车空车率阀值;若否,则提示直接就近打车;若是,则执行步骤S3;
预设的出租车通过量阀值可以是20-50,出租车空车率S可以是20-45%,若当前路元的出租车通过量N和出租车空车率S都小于上述的预设阀值,则证明所述当前路元在当前时间所处的时间段内出租车经过的少,且空车率较低,是不容易搭乘到出租车的。
通过步骤S201-S203,能够首先判断得到用户所处的当前路元是否能够较为便捷地搭乘到出租车,进而作为是否进行后续处理的依据;实现通过更全面的判断,在简化数据处理过程,提升推荐效率的同时,又能快速的得出准确的推荐结果。
S3:选取当前时间所处预设时间段内的所述路元为推荐路元;
优选的,可以直接在步骤S109的排序表中对应的时间类别下获取预设个数M的路元作为推荐路元,所述预设个数M可以依据对路元推荐的精确度要求灵活的设置;基于所述排序表已经是依据路元的出租车通过量N和出租车空车率S进行过综合考虑排序的结果,因此,在排序表中排名靠前的路元本身便是能够较为便捷搭乘到出租车的路元,以选取预设个数排序靠前的路元作为推荐路元,能够明显减少数据处理量,减轻系统资源占用,提升推荐效率。
S4:依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
具体可以包括:
S401:预设权值系数α、β和λ;其中,系数α和β为正数,λ为负数;
S402:获取一步骤S3中选取的推荐路元;
S403:计算用户所在的当前路元到所述推荐路元的路程L;
S404:按照路元搭乘推荐权值计算公式X=αN+βS+λL,计算得到对应所述路元的搭乘推荐权值X;
S405:判断是否预设个数M个的推荐路元都读取处理完毕;若是,则执行步骤S5;若否,则返回执行步骤S402,继续获取下一推荐路元;
通过步骤S401-S405,能够以推荐路元的出租车通过量N、出租车空车率S以及与用户所处当前路元的路程L为依据,计算得到代表不同时间段该路元的出租车情况,以及与当前路元远近情况的搭乘推荐权值;若所述推荐路元与当前路元的距离L越近,出租车通过量N越大,出租车空车S越高,则计算得出的搭乘推荐权值则相应的越高,表示所述推荐路元是能够较为便捷地搭乘到出租车的;为后续选取最佳的推荐路元提供可靠的判断依据,提高推荐的精确度。
S5:推荐预设个数的所述搭乘推荐权值对应路元。
具体的,可以将执行步骤S405后得到的对应各个推荐路元的搭乘推荐权值X按照降序进行排列,选取排序靠前的预设个数n个的推荐路元推送给用户;
基于计算得到的搭乘推荐权值是能够充分的代表对应的推荐路元搭乘出租车的便捷性,因此,通过将推荐权值较大的路元推荐给用户,能够让用户直观的了解在当前路元附近的哪一个路元是能够较为便捷地搭乘到出租车的。
同样进行举例说明,在周五下午5点,位于福州市湖滨路门店“六意超市西湖店”门口的用户有打车需求的时候;首先获取用户当前位置“六意超市西湖店”和周五下午5点的当前时间;确定“六意超市西湖店”的当前位置在数据库中对应路元A,以及对应“工作日下的白天高峰期时段”的预设时段;
预设出租车通过量阀值为20,出租车空车率阀值为30%,预设个数M=5,n=3,权值系数α=5、β=3和λ=-500;
在数据库中存储的排序表的“工作日”-“白天高峰期时段”时间属性类别下获取路元A对应的出租车通过量N=18,出租车空车率S=28%;
判断得到路元A的出租车通过量18小于预设的出租车通过量阀值20,同时出租车空车率28%也小于出租车空车率阀值30%;因此,确定路元A在周五下午5这一时间点内是很难能够搭乘到出租车的;继续获取当前路元附近路元的出租车搭乘情况;
获取“工作日下的白天高峰期时段”的预设时段下排序前五的路元作为推荐路元;在此之前,对应每个预设时段下的路元都已经按照出租车通过量N+出租车空车率S进行过双重排序,并按照降序排列;因此,可以直接获取到的前五个路元分别是推荐路元B(N=180,S=75%),推荐路元C(N=165,S=60%),推荐路元D(N=110,S=63%),推荐路元E(N=90,S=45%),以及推荐路元F(N=85,S=45%);
分别计算得到用户所处的当前路元A至推荐路元B、C、D和F的路程LB=3.5KM、LC=1.5KM、LD=1KM、LE=1.6KM和LF=2.5KM;
按照路元搭乘推荐权值计算公式计算得到对应推荐路元B、C、D和F的搭乘推荐权值XB=-847.75,XC=76.8,XD=54.89,XE=-348.65,XF=-823.65;
将推荐路元B、C、D和F的搭乘推荐权值按照降序排列,并选取排序靠前的三个推荐路元,分别为路元C、路元D和路元E呈现给用户;
优选可以将路元C对应的西洪路永辉超市至福州市皮肤病防治院路段、路元D对于的杨桥东路教育装备大楼至建兴广厦路段,以及路元E对应的湖东路交通银行大楼至中山大厦路段在地图上显现出来,让用户直观的知晓推荐路元在地图的所处位置;
用户在接收到上述推荐路元后,便能够清楚的知道在当前位置周围的哪个路段,在当前时间段内存在较多处于空车状态的出租车,是能够较为便捷地搭乘到出租车的。
在推荐预设个数的所述搭乘推荐权值较高的路元后;出于用户需要前往所述路元的考虑,还包括:
步骤S6:以当前路元为始发地,推荐路元为目的地,获取一个以上的路线;推荐预设个数的所述路线;
优选的,可以以当前路元为始发地,推荐路元为目的地,采用经典推荐方式获取用户前往推荐路元的路线,所推荐的路线具体包括推荐用户采用步行、公交、地铁等方式前往所述推荐路元;并以路线的时间成本和经济成本这两个属性进行升序排列,将排列后的路线方案推荐给用户;用户可以依据排序后的路线方案自行选择最方便的路线前往所推荐的路元。在推荐用户能够较便捷的搭乘到出租车的推荐路元的同时,又能提供用户从当前位置出发前往所述推荐路元的多种路线方案,方便用户一步到位、便捷地搭乘到出租车,实现更好的服务用户,提升用户体验。
具体的,在用户获取到客户端所呈现的按照搭乘推荐权值降序排序的三个推荐路元C、路元D和路元E后;用户选定了前往路元C对应的西洪路永辉超市至福州市皮肤病防治院路段搭乘出租车;因此,以用户当前位置为始发地,即以“六意超市西湖店”为始发地;以路元C为目的地,采用经典路径推荐方式进行路线规划,获取到多种前往路元C的路线,如往西湖方向步行190m至西湖站,乘坐160路或100路公交车至市传染病院站下车的第一优选路线;步行190m至西湖站,乘坐74路公交车至光荣路站下车的第二优选路线;所述路线可以是出于最少时间、最少换乘和最少步行的考量进行推荐的,实现方便用户依据自身需求选择最方便的路线前往所推荐的路径。
请参阅图4,本发明提供的另一个技术方案为:
一种搭乘出租车的推荐系统,包括:
第一获取模块1,用于根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;
第二获取模块2,用于获取用户当前位置和当前时间,以及当前位置对应的当前路元;
选取模块3,用于选取当前时间所处预设时间段内的所述路元为推荐路元;
计算模块4,用于依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
第一推荐模块5,用于推荐预设个数的所述搭乘推荐权值对应路元。
由上述可知,上述搭乘出租车的推荐系统可以由客户端和后台服务器端组成,也可以将所有的模块集成与客户端实现。
优选的,上述搭乘出租车的推荐系统可以包括客户端和后台服务器,所述客户端可以是智能手机、平板、或者计算机;所述客户端可以包括第二获取模块2和第一推荐模块5;所述后台服务器可以包括第一获取模块1、选取模块3和计算模块4;
上述搭乘出租车的推荐系统还可以同样是由客户端和后台服务器组成,而所述后台服务器包括第一获取模块1和计算模块4;所述客户端包括第二获取模块2、选取模块3和推荐模块。
请参阅图5,进一步的,还包括:
第二获取模块2,用于以当前路元为始发地,推荐路元为目的地,获取一个以上的路线;
第二推荐模块7,用于推荐预设个数的所述路线。
由上述描述可知,上述搭乘出租车的推荐系统中,后台服务器还可以包括第三获取模块6;所述客户端还可以包括第二推荐模块7;或者是客户端同时包括第三获取模块6和第二推荐模块7。
请参阅图6和图7,本发明还提供一种搭乘出租车的推荐客户端,包括:
第一接收模块8,用于接收根据出租车的行车数据,获取到的预设时间段内任一路元的出租车通过量和出租车空车率;
发送模块9,用于发送用户当前位置和当前时间;
第二接收模块10,用于接收依据当前位置对应获取的当前路元;
第三接收模块11,用于接收选取当前时间所处预设时间段内的所述路元为推荐路元;
第四接收模块12,用于接收依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
第一推荐模块5,用于推荐预设个数的所述搭乘推荐权值对应路元。
进一步的,还包括:
第五接收模块13,用于接收以当前路元为始发地,推荐路元为目的地,获取到的一个以上的路线;
第二推荐模块7,用于推荐预设个数的所述路线。
上述客户端通过与其他设备的交互,能够直接获取到任一路元的出租车通过量和出租车空车率,用户当前位置对应的当前路元,用户当前时间对应的预设时间段内的推荐路元,以及计算得到的对应推荐路元的搭乘推荐权值;直接将搭乘推荐权值较高的路元推荐用用户;还能同时获取到前往所推荐路元的多条路线供用户选择,为用户提供全面的路径规划。客户端所需占用的资源少,所承担的处理工作量少,显著提高客户端的路径推荐效率。
综上所述,本发明提供的一种搭乘出租车的推荐方法、系统及客户端,针对现有技术无法提供用户能够便捷搭乘到出租车的路径,导致用户在特定时段打车困难的问题,获取预设时间段内路元的出租车通过量和空车率;选取用户所处预设时间段内的路元为推荐路元,并依据用户所处当前路元至推荐路元的路程、以及推荐路元的出租车通过量和空车率计算得到推荐路元的搭乘推荐权值,以此为依据推荐能够便捷搭乘到出租车的路元;进一步的,还提供有从当前位置前往所推荐路元的多条优选路线供用户选择;实现在打车困难情况下,用户能够依据推荐的路径,以及前往所述路径的路线,以便快速地搭乘到出租车,方便用户出行,提高搭乘出租车的便捷性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种搭乘出租车的推荐方法,其特征在于,包括:
根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;
获取用户当前位置和当前时间,以及当前位置对应的当前路元;
选取当前时间所处预设时间段内的所述路元为推荐路元;
依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
推荐预设个数的所述搭乘推荐权值对应路元。
2.如权利要求1所述的一种搭乘出租车的推荐方法,其特征在于,所述“获取预设时间段内任一路元的出租车通过量和出租车空车率”之后进一步包括:
依据出租车通过量对预设时间段内的所述路元进行一次排序;
在所述一次排序的基础上再次依据出租车空车率进行双重排序,生成排序表;存储所述排序表;
所述“选取当前时间所处预设时间段内的所述路元为推荐路元”具体为:
选取预设个数的所述排序表中对应当前时间所处预设时间段的路元为推荐路元。
3.如权利要求1所述的一种搭乘出租车的推荐方法,其特征在于,所述预设时间段包括工作日、非工作日以及普通时段、白天高峰时段和凌晨空闲时段。
4.如权利要求1所述的一种搭乘出租车的推荐方法,其特征在于,所述“根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率”具体为:
获取出租车的行车数据,依据预设时间段对所述出租车的行车数据进行分类处理;
车路匹配,获取任一路元的出租车通过量和出租车空车率。
5.如权利要求4所述的一种搭乘出租车的推荐方法,其特征在于,所述“车路匹配,获取任一路元的出租车通过量和出租车空车率”具体为:
获取一出租车的行车数据,依据出租车的地理位置坐标得到出租车所处路元;
判断数据库中是否存储有所述路元;
若没有存储,则将所述路元加入路元列表;标记所述路元的出租车通过量为1;同时判断所述出租车是否处于空车状态,若是,则标记所述路元的出租车空车量为1;
若有存储,则累计所述路元的出租车通过量加一;同时判断所述出租车是否处于空车状态,若是,则累计所述路元的出租车空车量加一;
计算得到所述路元的出租车通过量和出租车空车率。
6.如权利要求1所述的一种搭乘出租车的推荐方法,其特征在于,所述“所述“推荐预设个数的所述搭乘推荐权值对应路元”之后进一步包括:
以当前路元为始发地,推荐路元为目的地,获取一个以上的路线;
推荐预设个数的所述路线。
7.一种搭乘出租车的推荐系统,其特征在于,包括:
第一获取模块,用于根据出租车的行车数据,获取预设时间段内任一路元的出租车通过量和出租车空车率;
第二获取模块,用于获取用户当前位置和当前时间,以及当前位置对应的当前路元;
选取模块,用于选取当前时间所处预设时间段内的所述路元为推荐路元;
计算模块,用于依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
第一推荐模块,用于推荐预设个数的所述搭乘推荐权值对应路元。
8.如权利要求7所述的一种搭乘出租车的推荐系统,其特征在于,还包括:
第三获取模块,用于以当前路元为始发地,推荐路元为目的地,获取一个以上的路线;
第二推荐模块,用于推荐预设个数的所述路线。
9.一种搭乘出租车的推荐客户端,其特征在于,包括:
第一接收模块,用于接收根据出租车的行车数据,获取到的预设时间段内任一路元的出租车通过量和出租车空车率;
发送模块,用于发送用户当前位置和当前时间;
第二接收模块,用于接收依据当前位置对应获取的当前路元;
第三接收模块,用于接收选取当前时间所处预设时间段内的所述路元为推荐路元;
第四接收模块,用于接收依据所述当前路元至推荐路元的路程,以及各推荐路元对应的出租车通过量和出租车空车率,计算得到对应各推荐路元的搭乘推荐权值;
第一推荐模块,用于推荐预设个数的所述搭乘推荐权值对应路元。
10.如权利要求9所述的一种搭乘出租车的推荐客户端,其特征在于,还包括:
第五接收模块,用于接收以当前路元为始发地,推荐路元为目的地,获取到的一个以上的路线;
第二推荐模块,用于推荐预设个数的所述路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510444163.3A CN104991967A (zh) | 2015-07-27 | 2015-07-27 | 一种搭乘出租车的推荐方法、系统及客户端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510444163.3A CN104991967A (zh) | 2015-07-27 | 2015-07-27 | 一种搭乘出租车的推荐方法、系统及客户端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104991967A true CN104991967A (zh) | 2015-10-21 |
Family
ID=54303782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510444163.3A Pending CN104991967A (zh) | 2015-07-27 | 2015-07-27 | 一种搭乘出租车的推荐方法、系统及客户端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104991967A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507407A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 营运车辆服务的处理方法、装置、设备及计算机可读存储介质 |
CN109670703A (zh) * | 2018-12-17 | 2019-04-23 | 湖南大学 | 一种基于马尔科夫决策过程的乘客等出租车优化方法 |
CN110119955A (zh) * | 2018-02-06 | 2019-08-13 | 北京嘀嘀无限科技发展有限公司 | 订单成交率预估方法及装置 |
CN110175706A (zh) * | 2019-05-11 | 2019-08-27 | 任明和 | 基于路径优选或指定匹配的安全监控方法 |
CN110264706A (zh) * | 2019-04-07 | 2019-09-20 | 武汉理工大学 | 一种基于大数据挖掘的空载出租车辅助系统 |
CN110443472A (zh) * | 2018-05-02 | 2019-11-12 | 北京嘀嘀无限科技发展有限公司 | 为用户提供出行服务的方法及装置 |
CN112785833A (zh) * | 2020-12-30 | 2021-05-11 | 青岛中兴智能交通有限公司 | 一种车流异常聚集的预测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428348A (zh) * | 2012-05-17 | 2013-12-04 | 上海闻泰电子科技有限公司 | 手机终端的位置信息交流系统的实现方法 |
CN103514738A (zh) * | 2013-09-18 | 2014-01-15 | 福建工程学院 | 一种出租车叫车拼车顺路匹配方法及其系统 |
CN103514739A (zh) * | 2013-09-18 | 2014-01-15 | 福建工程学院 | 一种出租车叫车拼车方法及其系统 |
CN103714708A (zh) * | 2013-12-18 | 2014-04-09 | 福建工程学院 | 一种基于出租车分时段的经验路径的最优路径规划的方法 |
-
2015
- 2015-07-27 CN CN201510444163.3A patent/CN104991967A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428348A (zh) * | 2012-05-17 | 2013-12-04 | 上海闻泰电子科技有限公司 | 手机终端的位置信息交流系统的实现方法 |
CN103514738A (zh) * | 2013-09-18 | 2014-01-15 | 福建工程学院 | 一种出租车叫车拼车顺路匹配方法及其系统 |
CN103514739A (zh) * | 2013-09-18 | 2014-01-15 | 福建工程学院 | 一种出租车叫车拼车方法及其系统 |
CN103714708A (zh) * | 2013-12-18 | 2014-04-09 | 福建工程学院 | 一种基于出租车分时段的经验路径的最优路径规划的方法 |
Non-Patent Citations (1)
Title |
---|
袁晶: "大规模轨迹数据的检索、挖掘和应用", 《中国优秀博士学位论文全文数据库信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507407A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 营运车辆服务的处理方法、装置、设备及计算机可读存储介质 |
CN110119955A (zh) * | 2018-02-06 | 2019-08-13 | 北京嘀嘀无限科技发展有限公司 | 订单成交率预估方法及装置 |
CN110119955B (zh) * | 2018-02-06 | 2022-11-11 | 北京嘀嘀无限科技发展有限公司 | 订单成交率预估方法及装置 |
CN110443472A (zh) * | 2018-05-02 | 2019-11-12 | 北京嘀嘀无限科技发展有限公司 | 为用户提供出行服务的方法及装置 |
CN109670703A (zh) * | 2018-12-17 | 2019-04-23 | 湖南大学 | 一种基于马尔科夫决策过程的乘客等出租车优化方法 |
CN109670703B (zh) * | 2018-12-17 | 2021-10-26 | 湖南大学 | 一种基于马尔科夫决策过程的乘客等出租车优化方法 |
CN110264706A (zh) * | 2019-04-07 | 2019-09-20 | 武汉理工大学 | 一种基于大数据挖掘的空载出租车辅助系统 |
CN110175706A (zh) * | 2019-05-11 | 2019-08-27 | 任明和 | 基于路径优选或指定匹配的安全监控方法 |
CN112785833A (zh) * | 2020-12-30 | 2021-05-11 | 青岛中兴智能交通有限公司 | 一种车流异常聚集的预测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104991967A (zh) | 一种搭乘出租车的推荐方法、系统及客户端 | |
Chiu Chuen et al. | Mode choice between private and public transport in Klang Valley, Malaysia | |
CN102867408B (zh) | 一种公交出行路线的选择方法 | |
CN108280575B (zh) | 一种应急疏散车辆多批次调度决策方法 | |
CN107330547A (zh) | 一种城市公交动态调度优化方法及系统 | |
CN106779163A (zh) | 一种基于智能搜索的定制公交线网优化方法 | |
CN102169524A (zh) | 城市轨道交通网络客流分布的分阶段多路径模型算法 | |
CN108106622A (zh) | 一种乘车路线规划方法及系统 | |
CN103198104A (zh) | 一种基于城市智能公交系统的公交站点od获取方法 | |
WO2019003672A1 (ja) | 交通需要予測装置、及び交通需要予測方法 | |
CN102279950A (zh) | 基于数据挖掘和神经网络的轨道交通清分方法 | |
Zhan et al. | A modified artificial bee colony algorithm for the dynamic ride-hailing sharing problem | |
CN110570656B (zh) | 定制公共交通线路方法及装置 | |
CN115409295B (zh) | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 | |
Wei et al. | Optimal integrated model for feeder transit route design and frequency-setting problem with stop selection | |
CN106373384A (zh) | 边远地区客运班车线路实时生成方法 | |
CN105069055A (zh) | 一种搭乘出租车的推荐方法、系统及客户端 | |
CN107862865B (zh) | 一种出行信息的预测方法及装置 | |
CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
Ayuningtyas et al. | Network Analysis of Intercity Bus Terminal and Inner-City Toll Road Development–The Case of Bandung City | |
CN110969299A (zh) | 交通路线生成的方法、装置、计算机设备及存储介质 | |
JP2020160960A (ja) | 移動支援システム及び方法 | |
Do et al. | A time-dependent model with speed windows for share-a-ride problems: A case study for Tokyo transportation | |
CN113434777A (zh) | 出行方式的推荐方法、装置、电子设备及存储介质 | |
CN112945253A (zh) | 一种出行路线推荐方法、系统和装置 |
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: 20151021 |