CN109961344A - 一种汽车服务选址方法和装置 - Google Patents
一种汽车服务选址方法和装置 Download PDFInfo
- Publication number
- CN109961344A CN109961344A CN201711433956.0A CN201711433956A CN109961344A CN 109961344 A CN109961344 A CN 109961344A CN 201711433956 A CN201711433956 A CN 201711433956A CN 109961344 A CN109961344 A CN 109961344A
- Authority
- CN
- China
- Prior art keywords
- automobile
- used family
- section
- base station
- resident
- 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.)
- Granted
Links
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种汽车服务选址方法和装置。所述方法包括:识别目标区域内的有车用户;识别所述有车用户在目标时段内的稳定出行路线;根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。所述装置用于执行上述方法。本发明实施例提供的汽车服务选址方法和装置,能够为汽车服务类商户选址提供准确的数据支撑,提高选址的准确度。
Description
技术领域
本发明实施例涉及汽车服务技术领域,尤其涉及一种汽车服务选址方法和装置。
背景技术
为某些汽车服务类商户(比如,加油站、休息站、汽车用品商店、洗车房、汽车美容商店等)选址时,通常除了需考虑服务市场、竞争对手、区域经济等情况,还需考虑目标区域内的潜在服务用户量。
目前,现有选址方案中,通常利用车辆通行量来衡量潜在服务用户量,选取日均车辆通行量大的路段作为目标地址所属路段。其中,日均车辆通行量可通过人工调研的方式来获取。例如,从目标区域内选取若干个路段,针对选取的每个路段,安排调研人员基于该路段在一段时间内通行的车辆的数量来进行日均车辆通行量的预测。例如,安排调研人员在早高峰或晚高峰进行15分钟的调研,连续调研若干天后进行统计,预测各路段的日均车辆通行量。
然而,由于现有选址方案中,通过一段时间内的车辆通行量来衡量潜在服务用户量,存在衡量准确度不高的问题,导致选址不当。
发明内容
针对现有技术中的缺陷,本发明实施例提供一种汽车服务选址方法和装置,为汽车服务类商户选址提供准确的数据支撑,提高选址的准确度。
一方面,本发明实施例提供一种汽车服务选址方法,包括:
识别目标区域内的有车用户;
识别所述有车用户在目标时段内的稳定出行路线;
根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;
根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
另一方面,本发明实施例提供一种汽车服务选址装置,包括:
有车用户识别模块,用于识别目标区域内的有车用户;
稳定路线识别模块,用于识别所述有车用户在目标时段内的稳定出行路线;
路段用户统计模块,用于根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;
汽车服务选址模块,用于根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
又一方面,本发明实施例提供一种电子设备,包括处理器、存储器和总线,其中:
所述处理器,所述存储器通过总线完成相互间的通信;
所述处理器可以调用存储器中的计算机程序,以执行上述方法的步骤。
再一方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明实施例提供的汽车服务选址方法和装置,通过根据目标区域内各有车用户在目标时段内的稳定出行路线所覆盖的路段,统计出目标区域内各路段在目标时段内的有车用户数量;根据各路段在目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。相较于现有各路段在一段时间内的车辆通行量,目标时段内的各路段的有车用户数量可更加准确地反映汽车服务的潜在服务用户量,实现为汽车服务类商户选址提供准确的数据支撑,提高选址的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一个实施例的汽车服务选址方法的示例性流程图;
图2示出了根据本发明一个实施例的汽车服务选址装置的结构示意图;
图3示出了根据本发明一个实施例的稳定路线识别模块的结构示意图;
图4示出了根据本发明一个实施例的电子设备的实体结构示意图。
具体实施方式
以下将结合附图对本发明的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明使用的“模块”、“装置”等术语旨在包括与计算机相关的实体,例如但不限于硬件、固件、软硬件组合、软件或者执行中的软件。例如,模块可以是,但并不仅限于:处理器上运行的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。举例来说,计算设备上运行的应用程序和此计算设备都可以是模块。一个或多个模块可以位于执行中的一个进程和/或线程内,一个模块也可以位于一台计算机上和/或分布于两台或更多台计算机之间。
下面结合附图详细说明本发明的技术方案。
参考图1,其示出了根据本发明一个实施例的汽车服务选址方法的示例性流程图。
如图1所示,本发明实施例提供的汽车服务选址方法,可以包括如下步骤:
S110:识别目标区域内的有车用户。
考虑汽车服务的服务对象主要是有车用户,因此,为了更加准确的衡量汽车服务的潜在服务用户量,本发明实施例提供的汽车服务选址方法中,将基于目标区域内各路段的有车用户数量来衡量各路段的潜在服务用户量。因此,本发明实施例中,首先将对目标区域内的用户进行识别,以识别出目标区域内的有车用户。
其中,目标区域指的是汽车服务的目标服务区域,例如,可以是城市区域、或者街区等。考虑随着移动终端的广泛应用,几乎每个有车用户配有移动终端。因此,本发明实施例中,目标区域内的用户指的是目标区域内的移动终端用户。
本发明实施例中,可以利用移动终端用户的用户上网数据、用户通话行为数据通过机器学习与统计的方法识别出目标区域内的有车用户。
具体地,可以根据目标区域内用户在预设的有车用户统计时间段内的汽车通话指标、汽车软件应用指标,以及预先训练的用户识别模型,识别用户为有车用户或无车用户。
本发明实施例中,用户识别模型是基于标记为有车用户的样本用户的汽车通话指标和汽车软件应用指标训练得到的。可选地,可以采用机器学习中的随机森林算法来训练得到用户识别模型。
其中,用户在有车用户统计时间段内的汽车通话指标可以包括:与车险类服务用户的通话次数和/或与汽车销售服务客服用户的通话次数。用户在有车用户统计时间段内的汽车软件应用指标包括:汽车类软件应用的安装个数和/或汽车类软件应用的访问次数,其中,汽车类软件应用可以包括养车类APP(应用程序)、违章查询类APP、汽车类网站等。实际应用中,汽车通话指标可以通过根据用户的电话号码从电信运营商获取,汽车软件应用指标可以通过跟踪用户的电话号码从合作平台来获取,例如各类汽车软件应用的服务平台、移动终端上配置的终端管理平台等。
本发明实施例中,有车用户统计时间段是由本领域技术人员预先根据经验设定的,例如,可以设置为一个星期、1个月等。
S120:识别有车用户在目标时段内的稳定出行路线。
本发明实施例中,可以根据汽车服务的主要服务时间,确定对应的目标时段。其中,目标时段为24小时中具有一定时长的时间段。例如,对于加油类、洗车类等汽车服务,目标时段可以具体为上班准备时段或下班准备时段,比如5点到9点,17点到22点。对于餐饮类汽车服务,目标时段可以具体为就餐准备时段,比如11点到13点或16点到20点。
本发明实施例中,在通过步骤S110识别出目标区域内的有车用户后,可以针对每个有车用户,识别出该有车用户在目标时段内出行时出行次数最多的路线,即稳定出行路线。
具体地,可以先识别有车用户在目标时段内的稳定出发地和稳定目的地;继而,从稳定出发地与稳定目的地之间的各条候选出行路线中,识别出有车用户在目标时段内的稳定出行路线。
其中,有车用户在目标时段内的稳定出发地指的是有车用户在一个预设的统计时间段内在目标时段出行时采用频率高的出发地;相应地,稳定目的地指的是有车用户在统计时间段内在目标时段出行时采用频率高的目的地。例如,在上班准备时段,有车用户的稳定出发地指向的往往是统计时间段内有车用户的居住地,而有车用户的稳定目的地指向的往往是统计时间段内有车用户的工作地。
本发明实施例中,稳定出发地与稳定目的地之间的候选出行路线可以根据目标区域的实际道路规划来确定。
在确定出稳定出发地与稳定目的地之间的一条或多条候选出行路线之后,可以从中选择一条有车用户在统计时间段内的目标时段内出行次数最多的路线作为有车用户在目标时段内的稳定出行路线。
S130:根据各有车用户在目标时段内的稳定出行路线所覆盖的路段,统计出目标区域内各路段在目标时段内的有车用户数量。
本发明实施例中,在通过步骤S120获取目标区域内各有车用户在目标时段内的稳定出行路线后,可以根据目标区域的道路规划,确定各有车用户的稳定出行路线所覆盖的路段。
继而,根据各有车用户在目标时段内的稳定出行路线所覆盖的路段,统计出各路段在目标时段内的有车用户数量。
例如,有车用户U1在目标时段内的稳定出行路线所覆盖的路段包括:l1、l2、l3和l4;有车用户U2在目标时段内的稳定出行路线所覆盖的路段包括;l2、l3和l4;有车用户U3在目标时段内的稳定出行路线所覆盖的路段包括;l1、l2、l5和l6;有车用户U4在目标时段内的稳定出行路线所覆盖的路段包括;l3、l4和l7。
这样,路段l1在目标时段内的有车用户包括:U1和U3,有车用户数量为2;路段l2在目标时段内的有车用户包括:U1、U2和U3,有车用户数量为3;路段l3在目标时段内的有车用户包括:U1、U2和U4,有车用户数量为3;路段l4在目标时段内的有车用户包括:U1、U2和U4,有车用户数量为3;路段l5在目标时段内的有车用户包括:U3,有车用户数量为1;路段l6在目标时段内的有车用户包括:U3,有车用户数量为1;路段l7在目标时段内的有车用户包括:U4,有车用户数量为1。
S140:根据各路段在目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
本发明实施例中,在通过步骤S130确定目标区域内各路段在目标时段内的有车用户数量之后,可以根据目标区域内各路段在目标时段内的有车用户数量从目标区域内的各路段中选出有车用户数量较大的路段,即有车用户密集的密集路段;将各密集路段作为候选路段,以便后续从各候选路段中最终选取出汽车服务的目标地址所属路段。
具体地,可以根据如下公式1,统计各路段在目标时段内的有车用户密度K:
K=M/L×N (公式1)
其中,M为所述路段在所述目标时段内的有车用户数量,L为所述路段的长度,N为路段的车道数。
继而,选取有车用户密度K大于设定密度阈值的路段为密集路段;并从密集路段中选取出汽车服务的目标地址所属路段。
实际应用中,在确定目标区域内在目标时段的密集路段之后,可以将有车用户密度最大的密集路段选取为汽车服务的目标地址所属路段;或者,可以结合有车用户密度以及其他因子从密集路段中选取出汽车服务的目标地址所属路段。其中,其他因子指的是竞争对手分布和目标区域的经济情况分布等影响汽车服务选址的因子。
本发明实施例提供的汽车服务选址方法,根据目标区域内各有车用户在目标时段内的稳定出行路线所覆盖的路段,统计出目标区域内各路段在目标时段内的有车用户数量;根据各路段在目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。相较于现有各路段在一段时间内的车辆通行量,目标时段内的各路段的有车用户数量可更加准确地反映汽车服务的潜在服务用户量,实现为汽车服务类商户选址提供准确的数据支撑,提高选址的准确度。
在上述实施例的基础上,本发明又一实施例提供的汽车服务选址方法中,所述识别所述有车用户在目标时段内的稳定出发地和稳定目的地,包括:
识别出所述有车用户在第一设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定出发地;
识别出所述有车用户在第二设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定目的地。
考虑有车用户在目标时段内出行时在出行之前通常在出发地驻留一段时间,到达目的地之后在目的地驻留一段时间。
因此,本发明实施例中,可以预先设置用于确定稳定出发地的第一设定时段和用于确定稳定目的地的第二设定时段。其中,第一设定时段为24小时中目标时段之前的设定时段;第二设定时段为24小时中目标时段之后的设定时段。
例如,若目标时段为上班准备时段(5点到9点),则可以将22点到5点这一时段设为第一设定时段,将9点到17点这一时段设为第二设定时段。若目标时段为下班准备时段(17点到22点),则可以将9点到17点这一时段设为第一设定时段,将22点到5点这一时段设为第二设定时段。若目标时段为就餐准备时段(16点到20点),则可以将14点到16点这一时段设为第一设定时段,将20点至22点这一时段设为第二设定时段。
本发明实施例中,可以对第一设定时段内有车用户的常驻基站进行识别,并将识别出的常驻基站对应的位置区域确定为有车用户的稳定出发地。相应地,可以对第二设定时段内有车用户的常驻基站进行识别,并将识别出的常驻基站对应的位置区域确定为有车用户的稳定目的地。
其中,第一设定时段内有车用户的常驻基站指的是有车用户在一个统计时间段内在第一设定时段长期稳定驻留的基站;第二设定时段内有车用户的常驻基站指的是有车用户在一个统计时间段内在第二设定时段长期稳定驻留的基站。
实际应用中,常驻基站可以具体为2G基站、3G基站、4G基站或其他为有车用户提供移动通信的基站。
有车用户的稳定出发地可以通过第一设定时段内有车用户的常驻基站的经纬度数据进行标记;有车用户的稳定目的地可以通过第二设定时段内有车用户的常驻基站的经纬度数据进行标记。
本发明实施例中,可以根据如下方式来识别出有车用户在第一设定时段的常驻基站:
针对Q个月内的每一天,识别有车用户当天在第一设定时段驻留时间最长的基站,并作为有车用户在当天的第一日常驻基站;针对Q个月内的每个月,统计本月内有车用户在各个第一日出发基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第一日常驻基站识别为有车用户在本月的第一月常驻基站;统计有车用户在Q个月内有车用户在各个第一月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第一月常驻基站识别为有车用户在第一设定时段的常驻基站。其中,Q为大于2的整数;第一占比阈值、第二占比阈值均由本领域技术人员根据经验设置,第一占比阈值与第二占比阈值可以相同或不同,例如,第一占比阈值设为50%、第二占比阈值设为60%。
相应地,可以根据如下方式来识别出有车用户在第二设定时段的常驻基站:针对Q个月内的每一天,识别有车用户当天在第二设定时段驻留时间最长的基站,并作为有车用户在当天的第二日常驻基站;针对Q个月内的每个月,统计本月内有车用户在各个第二日常驻基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第二日常驻基站识别为有车用户在本月的第二月常驻基站;统计有车用户在Q个月内有车用户在各个第二月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第二月常驻基站识别为有车用户在第二设定时段的常驻基站;其中,Q为大于2的整数。
以目标时段为上班准备时段为例,将上班准备时段之前的第一设定时段称为夜间时段,将上班准备时段之后的第二设定时段称为工作时段;将有车用户在夜间时段的常驻基站对应的位置区域称为有车用户的常住地,将有车用户在工作时段的常驻基站对应的位置区域称为有车用户的工作地。
1)有车用户的常住地识别
获取有车用户的基站位置序列数据,基站位置序列数据中可以包用户在3个月内驻留过的各个基站,以及在各个基站驻留的开始时间、结束时间和驻留时长。
设定夜间时段,晚22:00至凌晨5:00作为夜间时段。
按日统计每个有车用户在夜间时段驻留时间最长的基站对应的位置区域作为有车用户当天的夜间驻留位置区域。
按月统计每个有车用户不同夜间驻留位置区域的驻留天数。根据本月内驻留天数最多的夜间驻留位置区域的驻留天数与本月天数的比值,若判断比值大于50%,则该位置区域为该有车用户本月的居住地。
连续跟踪3个月,根据3个月内驻留月数最多的夜间驻留位置区域的驻留月数与3的比值,若判断比值大于60%,则该夜间驻留位置区域为有车用户在夜间时段的常住地。
2)有车用户的工作地识别
获取有车用户的基站位置序列数据,基站位置序列数据中可以包用户在3个月内驻留过的各个基站,以及在各个基站驻留的开始时间、结束时间和驻留时长。
设定工作时段,早9:00至晚17:00作为工作时段。
按日统计每个有车用户在工作时段驻留时间最长的基站对应的位置区域作为该用户当天的工作位置区域。
按月统计每个有车用户不同工作位置区域的驻留天数。根据本月内驻留天数最多的工作位置区域的驻留天数与本月天数的比值,若判断比值大于50%,则该位置区域为该有车用户本月的工作地。
连续跟踪3个月,根据3个月内驻留月数最多的工作位置区域的驻留月数与3的比值,若判断比值大于60%,则该工作位置区域为该有车用户在工作时段的工作地。
本发明实施例其他步骤与前述实施例步骤相似,本发明实施例不再赘述。
本发明实施例提供的汽车服务选址方法,通过识别出的有车用户在目标时段内的稳定出发地和稳定目的地,来识别有车用户在目标时段内的稳定出行路线,有助于使得后续基于各有车用户的稳定出行路线统计的各路段在目标时段内的有车用户数量能够更加准确地反映出各路段的潜在服务用户量。
在上述实施例的基础上,本发明又一实施例提供的汽车服务选址中,所述从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线,包括:
针对所述稳定出发地与所述稳定目的地之间的每条候选出行路线,确定该条候选出行路线上的各沿途基站的经纬度数据和途经顺序,作为该条候选出行路线对应的沿途基站配置信息,并存储至沿途基站配置表中;
所述有车用户每次在所述目标时段内从所述稳定出发地出行至所述稳定目的地时,将本次出行沿途驻留的各基站的经纬度数据、途经顺序作为本次出行的沿途基站信息与所述沿途基站配置表中各沿途基站配置信息进行比对,将匹配的沿途基站配置信息对应的候选出行路线确定为本次出行的实际出行路线;
根据预设的稳定路线统计时间段内所述有车用户在所述目标时段内每次出行的实际出行路线,统计所述稳定路线统计时间段内各条候选出行路线的出行次数;
将所述稳定路线统计时间段内出行次数最多且出行次数占比大于设定的出行占比阈值的候选出行路线识别为所述有车用户在所述目标时段内的稳定出行路线。
本发明实施例中,在识别出有车用户在目标时段内的稳定出发地和稳定目的地之后,可以根据目标区域的实际道路规划来识别出稳定出发地和稳定目的地之间的可通行路线,并将识别出的可通行路线确定为稳定出发地与稳定目的地之间的候选出行路线。
实际应用中,有车用户的稳定出发地可以通过第一设定时段内有车用户的常驻基站的经纬度数据进行标记;有车用户的稳定目的地可以通过第二设定时段内有车用户的常驻基站的经纬度数据进行标记。因此,在确定候选出行路线时可以根据有车用户的稳定出发地对应的经纬度数据和有车用户的稳定目的地对应的经纬度数据来实现。
本发明实施例中,针对每条候选出行路线,可以根据目标区域的实际道路规划和目标区域内分布的各个基站的经纬度数据,确定处于该条候选出行路线上的基站,即该条候选出行路线上的沿途基站,以及各沿途基站的途径顺序。将确定出的各沿途基站的经纬度数据和途经顺序,作为该条候选出行路线对应的沿途基站配置信息。将各条候选出行路线对应的沿途基站配置信息存储至预设的从稳定出发地到稳定目的地的沿途基站配置表中。
相应地,有车用户每次在目标时段内从稳定出发地出行至稳定目的地时,可以记录本次出行沿途驻留的各基站的经纬度数据和各基站的途径顺序,并作为本次出行的沿途基站信息。这样,可以将本次出行的沿途基站信息与沿途基站配置表中各沿途基站配置信息进行比对,查找出与本次出行的沿途基站信息匹配的沿途基站配置信息;并将查找出的匹配的沿途基站配置信息对应的候选出行路线确定为本次出行的实际出行路线。
本发明实施例中,在进行稳定出行路线识别之前,可以由本领域技术人员根据经验预先设置一个稳定路线统计时间段,例如3个月。这样,在稳定出行路线的识别过程中,可以跟踪在稳定路线统计时间段内有车用户在目标时段内每次出行的实际出行路线,并统计出稳定路线统计时间段内各条候选出行路线的出行次数。
接着,可以将稳定路线统计时间段内出行次数最多的候选出行路线来表征有车用户在目标时段内的稳定出行路线。
进一步地,为了提高衡量准确度,本发明实施例中,在确定出稳定路线统计时间段内出行次数最多的候选出行路线之后,可以根据有车用户在稳定路线统计时间段内的目标时段内在该条候选出行路线出行的出行次数与有车用户在稳定路线统计时间段内的目标时段内的总出行次数,计算出该条候选出行路线的出行次数占比;若计算出的出行次数占比大于设定的出行占比阈值,则可以将该候选出行路线识别为有车用户在目标时段内的稳定出行路线。其中,出行占比阈值由本领域技术人员根据实际需求进行设定,例如,可以设定为60%、80%等。
本发明实施例其他步骤与前述实施例步骤相似,本发明实施例不再赘述。
本发明实施例提供的汽车服务选址方法,通过基站的经纬度数据来进行稳定出行路线的识别,有助于使得后续基于各有车用户的稳定出行路线统计的各路段在目标时段内的有车用户数量能够更加准确地反映出各路段的潜在服务用户量。
进一步地,本发明实施例中,在确定出有车用户在目标时段内的稳定出行路线之后,可以将有车用户在目标时段内的稳定出行路线标识到地图工具中目标区域对应的显示地图中。实际应用中,可以根据稳定出行路线上的各沿途基站的经纬度数据和途经顺序,在目标区域对应的显示地图中标识该稳定出行路线。
在上述各实施例的基础上,本发明又一实施例提供了一种汽车服务选址装置。
参考图2,其示出了根据本发明一个实施例的汽车服务选址装置的结构示意图。
如图2所示,本发明实施例提供的汽车服务选址装置200可以包括:有车用户识别模块201、稳定路线识别模块202、路段用户统计模块203和汽车服务选址模块204。
其中,有车用户识别模块201用于识别目标区域内的有车用户。
稳定路线识别模块202用于识别所述有车用户在目标时段内的稳定出行路线。
路段用户统计模块203用于根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量。
汽车服务选址模块204用于根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
可选地,有车用户识别模块201具体用于根据目标区域内用户在预设的有车用户统计时间段内的汽车通话指标、汽车软件应用指标,以及预先训练的用户识别模型,识别所述用户为有车用户或无车用户。
其中,所述用户识别模型是基于标记为有车用户的样本用户的汽车通话指标和汽车软件应用指标训练得到的。
所述用户在所述有车用户统计时间段内的汽车通话指标包括:与车险类服务用户的通话次数和/或与汽车销售服务客服用户的通话次数;所述用户在所述有车用户统计时间段内的汽车软件应用指标包括:汽车类软件应用的安装个数和/或汽车类软件应用的访问次数。
可选地,稳定路线识别模块202具体用于识别所述有车用户在目标时段内的稳定出发地和稳定目的地;从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线。
可选地,汽车服务选址模块204可以根据如下公式1,统计各路段在所述目标时段内的有车用户密度K:
K=M/L×N (公式1)
其中,M为所述路段在所述目标时段内的有车用户数量,L为所述路段的长度,N为所述路段的车道数;选取有车用户密度K大于设定密度阈值的路段为密集路段;从所述密集路段中选取出汽车服务的目标地址所属路段。
参考图3,其示出了根据本发明一个实施例的稳定路线识别模块的结构示意图。
如图3所示,本发明实施例提供的稳定路线识别模块202可以包括:出发地目的地识别单元301和稳定路线识别单元302。
其中,出发地目的地识别单元301用于识别所述有车用户在目标时段内的稳定出发地和稳定目的地;稳定路线识别单元302用于从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线。
可选地,出发地目的地识别单元301具体用于识别出所述有车用户在第一设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定出发地;识别出所述有车用户在第二设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定目的地。
其中,所述第一设定时段为24小时中所述目标时段之前的设定时段;所述第二设定时段为24小时中所述目标时段之后的设定时段。
可选地,出发地目的地识别单元301可以针对Q个月内的每一天,识别所述有车用户当天在所述第一设定时段驻留时间最长的基站,并作为所述有车用户在当天的第一日常驻基站;针对Q个月内的每个月,统计本月内所述有车用户在各个第一日出发基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第一日常驻基站识别为所述有车用户在本月的第一月常驻基站;统计所述有车用户在Q个月内所述有车用户在各个第一月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第一月常驻基站识别为所述有车用户在所述第一设定时段的常驻基站。其中,Q为大于2的整数。
相应地,出发地目的地识别单元301可以针对Q个月内的每一天,识别所述有车用户当天在所述第二设定时段驻留时间最长的基站,并作为所述有车用户在当天的第二日常驻基站;针对Q个月内的每个月,统计本月内所述有车用户在各个第二日常驻基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第二日常驻基站识别为所述有车用户在本月的第二月常驻基站;统计所述有车用户在Q个月内所述有车用户在各个第二月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第二月常驻基站识别为所述有车用户在所述第二设定时段的常驻基站。其中,Q为大于2的整数。
可选地,稳定路线识别单元302具体用于针对所述稳定出发地与所述稳定目的地之间的每条候选出行路线,确定该条候选出行路线上的各沿途基站的经纬度数据和途经顺序,作为该条候选出行路线对应的沿途基站配置信息,并存储至沿途基站配置表中;所述有车用户每次在所述目标时段内从所述稳定出发地出行至所述稳定目的地时,将本次出行沿途驻留的各基站的经纬度数据、途经顺序作为本次出行的沿途基站信息与所述沿途基站配置表中各沿途基站配置信息进行比对,将匹配的沿途基站配置信息对应的候选出行路线确定为本次出行的实际出行路线;根据预设的稳定路线统计时间段内所述有车用户在所述目标时段内每次出行的实际出行路线,统计所述稳定路线统计时间段内各条候选出行路线的出行次数;将所述稳定路线统计时间段内出行次数最多且出行次数占比大于设定的出行占比阈值的候选出行路线识别为所述有车用户在所述目标时段内的稳定出行路线。
本发明实施例提供的汽车服务选址装置,通过根据目标区域内各有车用户在目标时段内的稳定出行路线所覆盖的路段,统计出目标区域内各路段在目标时段内的有车用户数量;根据各路段在目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。相较于现有各路段在一段时间内的车辆通行量,目标时段内的各路段的有车用户数量可更加准确地反映汽车服务的潜在服务用户量,实现为汽车服务类商户选址提供准确的数据支撑,提高选址的准确度。
本发明提供的汽车服务选址装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
参考图4,其示出了根据本发明一个实施例的电子设备的实体结构示意图。如图4所示,该电子设备400可以包括:处理器(processor)401、存储器(memory)402和总线403,其中,处理器401,存储器402通过总线403完成相互间的通信。处理器401可以调用存储器402中的计算机程序,以执行上述各方法实施例所提供的方法,例如包括:
识别目标区域内的有车用户;识别所述有车用户在目标时段内的稳定出行路线;根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
在另一种实施方式中,所述处理器401执行所述计算机程序时实现如下方法:
所述识别目标区域内的有车用户,包括:
根据目标区域内用户在预设的有车用户统计时间段内的汽车通话指标、汽车软件应用指标,以及预先训练的用户识别模型,识别所述用户为有车用户或无车用户;
其中,所述用户识别模型是基于标记为有车用户的样本用户的汽车通话指标和汽车软件应用指标训练得到的;
所述用户在所述有车用户统计时间段内的汽车通话指标包括:与车险类服务用户的通话次数和/或与汽车销售服务客服用户的通话次数;
所述用户在所述有车用户统计时间段内的汽车软件应用指标包括:汽车类软件应用的安装个数和/或汽车类软件应用的访问次数。
在另一种实施方式中,所述处理器401执行所述计算机程序时实现如下方法:
所述识别所述有车用户在目标时段内的稳定出行路线,包括:
识别所述有车用户在目标时段内的稳定出发地和稳定目的地;
从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线。
在另一种实施方式中,所述处理器401执行所述计算机程序时实现如下方法:
所述识别所述有车用户在目标时段内的稳定出发地和稳定目的地,包括:
识别出所述有车用户在第一设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定出发地;
识别出所述有车用户在第二设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定目的地;
其中,所述第一设定时段为24小时中所述目标时段之前的设定时段;所述第二设定时段为24小时中所述目标时段之后的设定时段。
在另一种实施方式中,所述处理器401执行所述计算机程序时实现如下方法:
所述识别出所述有车用户在第一设定时段的常驻基站,包括:
针对Q个月内的每一天,识别所述有车用户当天在所述第一设定时段驻留时间最长的基站,并作为所述有车用户在当天的第一日常驻基站;
针对Q个月内的每个月,统计本月内所述有车用户在各个第一日出发基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第一日常驻基站识别为所述有车用户在本月的第一月常驻基站;
统计所述有车用户在Q个月内所述有车用户在各个第一月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第一月常驻基站识别为所述有车用户在所述第一设定时段的常驻基站;
相应地,所述识别出所述有车用户在第二设定时段的常驻基站,包括:
针对Q个月内的每一天,识别所述有车用户当天在所述第二设定时段驻留时间最长的基站,并作为所述有车用户在当天的第二日常驻基站;
针对Q个月内的每个月,统计本月内所述有车用户在各个第二日常驻基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第二日常驻基站识别为所述有车用户在本月的第二月常驻基站;
统计所述有车用户在Q个月内所述有车用户在各个第二月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第二月常驻基站识别为所述有车用户在所述第二设定时段的常驻基站;
其中,Q为大于2的整数。
在另一种实施方式中,所述处理器401执行所述计算机程序时实现如下方法:
所述从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线,包括:
针对所述稳定出发地与所述稳定目的地之间的每条候选出行路线,确定该条候选出行路线上的各沿途基站的经纬度数据和途经顺序,作为该条候选出行路线对应的沿途基站配置信息,并存储至沿途基站配置表中;
所述有车用户每次在所述目标时段内从所述稳定出发地出行至所述稳定目的地时,将本次出行沿途驻留的各基站的经纬度数据、途经顺序作为本次出行的沿途基站信息与所述沿途基站配置表中各沿途基站配置信息进行比对,将匹配的沿途基站配置信息对应的候选出行路线确定为本次出行的实际出行路线;
根据预设的稳定路线统计时间段内所述有车用户在所述目标时段内每次出行的实际出行路线,统计所述稳定路线统计时间段内各条候选出行路线的出行次数;
将所述稳定路线统计时间段内出行次数最多且出行次数占比大于设定的出行占比阈值的候选出行路线识别为所述有车用户在所述目标时段内的稳定出行路线。
在另一种实施方式中,所述处理器401执行所述计算机程序时实现如下方法:
所述根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段,包括:
根据如下公式1,统计各路段在所述目标时段内的有车用户密度K:
K=M/L×N (公式1)
其中,M为所述路段在所述目标时段内的有车用户数量,L为所述路段的长度,N为所述路段的车道数;
选取有车用户密度K大于设定密度阈值的路段为密集路段;
从所述密集路段中选取出汽车服务的目标地址所属路段。
本发明实施例提供的电子设备,至少具有以下技术效果:通过根据目标区域内各有车用户在目标时段内的稳定出行路线所覆盖的路段,统计出目标区域内各路段在目标时段内的有车用户数量;根据各路段在目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。相较于现有各路段在一段时间内的车辆通行量,目标时段内的各路段的有车用户数量可更加准确地反映汽车服务的潜在服务用户量,实现为汽车服务类商户选址提供准确的数据支撑,提高选址的准确度。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:
识别目标区域内的有车用户;识别所述有车用户在目标时段内的稳定出行路线;根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:
识别目标区域内的有车用户;识别所述有车用户在目标时段内的稳定出行路线;根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行各个实施例或者实施例的某些部分所述的方法。
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 (10)
1.一种汽车服务选址方法,其特征在于,包括:
识别目标区域内的有车用户;
识别所述有车用户在目标时段内的稳定出行路线;
根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;
根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
2.根据权利要求1所述的方法,其特征在于,所述识别目标区域内的有车用户,包括:
根据目标区域内用户在预设的有车用户统计时间段内的汽车通话指标、汽车软件应用指标,以及预先训练的用户识别模型,识别所述用户为有车用户或无车用户;
其中,所述用户识别模型是基于标记为有车用户的样本用户的汽车通话指标和汽车软件应用指标训练得到的;
所述用户在所述有车用户统计时间段内的汽车通话指标包括:与车险类服务用户的通话次数和/或与汽车销售服务客服用户的通话次数;
所述用户在所述有车用户统计时间段内的汽车软件应用指标包括:汽车类软件应用的安装个数和/或汽车类软件应用的访问次数。
3.根据权利要求1所述的方法,其特征在于,所述识别所述有车用户在目标时段内的稳定出行路线,包括:
识别所述有车用户在目标时段内的稳定出发地和稳定目的地;
从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线。
4.根据权利要求3所述的方法,其特征在于,所述识别所述有车用户在目标时段内的稳定出发地和稳定目的地,包括:
识别出所述有车用户在第一设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定出发地;
识别出所述有车用户在第二设定时段的常驻基站,并将该常驻基站对应的位置区域确定为所述有车用户的稳定目的地;
其中,所述第一设定时段为24小时中所述目标时段之前的设定时段;所述第二设定时段为24小时中所述目标时段之后的设定时段。
5.根据权利要求4所述的方法,其特征在于,所述识别出所述有车用户在第一设定时段的常驻基站,包括:
针对Q个月内的每一天,识别所述有车用户当天在所述第一设定时段驻留时间最长的基站,并作为所述有车用户在当天的第一日常驻基站;
针对Q个月内的每个月,统计本月内所述有车用户在各个第一日出发基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第一日常驻基站识别为所述有车用户在本月的第一月常驻基站;
统计所述有车用户在Q个月内所述有车用户在各个第一月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第一月常驻基站识别为所述有车用户在所述第一设定时段的常驻基站;
相应地,所述识别出所述有车用户在第二设定时段的常驻基站,包括:
针对Q个月内的每一天,识别所述有车用户当天在所述第二设定时段驻留时间最长的基站,并作为所述有车用户在当天的第二日常驻基站;
针对Q个月内的每个月,统计本月内所述有车用户在各个第二日常驻基站的驻留天数;将本月内驻留天数最多、且驻留天数与本月天数的比值超过第一占比阈值的第二日常驻基站识别为所述有车用户在本月的第二月常驻基站;
统计所述有车用户在Q个月内所述有车用户在各个第二月常驻基站的驻留月数,将Q个月内驻留月数最多、且驻留月数与Q的比值超过第二占比阈值的第二月常驻基站识别为所述有车用户在所述第二设定时段的常驻基站;
其中,Q为大于2的整数。
6.根据权利要求4所述的方法,其特征在于,所述从所述稳定出发地与所述稳定目的地之间的各条候选出行路线中,识别出所述有车用户在目标时段内的稳定出行路线,包括:
针对所述稳定出发地与所述稳定目的地之间的每条候选出行路线,确定该条候选出行路线上的各沿途基站的经纬度数据和途经顺序,作为该条候选出行路线对应的沿途基站配置信息,并存储至沿途基站配置表中;
所述有车用户每次在所述目标时段内从所述稳定出发地出行至所述稳定目的地时,将本次出行沿途驻留的各基站的经纬度数据、途经顺序作为本次出行的沿途基站信息与所述沿途基站配置表中各沿途基站配置信息进行比对,将匹配的沿途基站配置信息对应的候选出行路线确定为本次出行的实际出行路线;
根据预设的稳定路线统计时间段内所述有车用户在所述目标时段内每次出行的实际出行路线,统计所述稳定路线统计时间段内各条候选出行路线的出行次数;
将所述稳定路线统计时间段内出行次数最多且出行次数占比大于设定的出行占比阈值的候选出行路线识别为所述有车用户在所述目标时段内的稳定出行路线。
7.根据权利要求1-6任一所述的方法,其特征在于,所述根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段,包括:
根据如下公式1,统计各路段在所述目标时段内的有车用户密度K:
K=M/L×N (公式1)
其中,M为所述路段在所述目标时段内的有车用户数量,L为所述路段的长度,N为所述路段的车道数;
选取有车用户密度K大于设定密度阈值的路段为密集路段;
从所述密集路段中选取出汽车服务的目标地址所属路段。
8.一种汽车服务选址装置,其特征在于,包括:
有车用户识别模块,用于识别目标区域内的有车用户;
稳定路线识别模块,用于识别所述有车用户在目标时段内的稳定出行路线;
路段用户统计模块,用于根据各所述有车用户在所述目标时段内的稳定出行路线所覆盖的路段,统计出所述目标区域内各路段在所述目标时段内的有车用户数量;
汽车服务选址模块,用于根据各路段在所述目标时段内的有车用户数量,选取汽车服务的目标地址所属路段。
9.一种电子设备,其特征在于,包括处理器、存储器和总线,其中:
所述处理器,所述存储器通过总线完成相互间的通信;
所述处理器可以调用存储器中的计算机程序,以执行如权利要求1-7任意一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711433956.0A CN109961344B (zh) | 2017-12-26 | 2017-12-26 | 一种汽车服务选址方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711433956.0A CN109961344B (zh) | 2017-12-26 | 2017-12-26 | 一种汽车服务选址方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961344A true CN109961344A (zh) | 2019-07-02 |
CN109961344B CN109961344B (zh) | 2022-07-01 |
Family
ID=67022111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711433956.0A Active CN109961344B (zh) | 2017-12-26 | 2017-12-26 | 一种汽车服务选址方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961344B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544378A (zh) * | 2019-09-02 | 2019-12-06 | 上海评驾科技有限公司 | 一种手机用户拥车情况的判断方法 |
CN110851739A (zh) * | 2019-10-28 | 2020-02-28 | 北京虾喜科技有限公司 | 一种召唤汽车服务方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080021950A1 (en) * | 2006-07-20 | 2008-01-24 | Jay Schirmacher | Method of configuring a personalized consumer rating area |
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划系统及方法 |
CN103839118A (zh) * | 2014-03-24 | 2014-06-04 | 中国科学院生态环境研究中心 | 一种选址方法和装置 |
WO2014126936A1 (en) * | 2013-02-13 | 2014-08-21 | vMobo, Inc. | Location and transaction-based recommendations |
CN105978729A (zh) * | 2016-06-22 | 2016-09-28 | 北京拓明科技有限公司 | 一种基于用户上网日志及位置的手机信息推送系统及方法 |
CN106454729A (zh) * | 2016-10-09 | 2017-02-22 | 广州杰赛科技股份有限公司 | 一种城市轨道交通站点选址规划方法和装置 |
CN106548367A (zh) * | 2016-10-12 | 2017-03-29 | 电子科技大学 | 多源数据的选址模型及其应用研究 |
CN106604227A (zh) * | 2016-12-14 | 2017-04-26 | 中国联合网络通信有限公司吉林省分公司 | 用户出行时段分析方法 |
CN107316098A (zh) * | 2017-05-19 | 2017-11-03 | 芜湖恒天易开软件科技股份有限公司 | 一种基于用户行为分析的汽车租赁点选址方法 |
CN107491895A (zh) * | 2017-08-30 | 2017-12-19 | 国信优易数据有限公司 | 一种共享单车停放点的确定方法及装置 |
-
2017
- 2017-12-26 CN CN201711433956.0A patent/CN109961344B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080021950A1 (en) * | 2006-07-20 | 2008-01-24 | Jay Schirmacher | Method of configuring a personalized consumer rating area |
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划系统及方法 |
WO2014126936A1 (en) * | 2013-02-13 | 2014-08-21 | vMobo, Inc. | Location and transaction-based recommendations |
CN103839118A (zh) * | 2014-03-24 | 2014-06-04 | 中国科学院生态环境研究中心 | 一种选址方法和装置 |
CN105978729A (zh) * | 2016-06-22 | 2016-09-28 | 北京拓明科技有限公司 | 一种基于用户上网日志及位置的手机信息推送系统及方法 |
CN106454729A (zh) * | 2016-10-09 | 2017-02-22 | 广州杰赛科技股份有限公司 | 一种城市轨道交通站点选址规划方法和装置 |
CN106548367A (zh) * | 2016-10-12 | 2017-03-29 | 电子科技大学 | 多源数据的选址模型及其应用研究 |
CN106604227A (zh) * | 2016-12-14 | 2017-04-26 | 中国联合网络通信有限公司吉林省分公司 | 用户出行时段分析方法 |
CN107316098A (zh) * | 2017-05-19 | 2017-11-03 | 芜湖恒天易开软件科技股份有限公司 | 一种基于用户行为分析的汽车租赁点选址方法 |
CN107491895A (zh) * | 2017-08-30 | 2017-12-19 | 国信优易数据有限公司 | 一种共享单车停放点的确定方法及装置 |
Non-Patent Citations (2)
Title |
---|
CORREIA 等: ""Optimization Approach to Depot Location andTrip Selection in One-way Carsharing Systems "", 《TRANSPORTATION RESEARCH PARTE:LOGISTICS AND TRANSPORTATION REVIEW》, 31 January 2012 (2012-01-31), pages 233 - 247 * |
咸文文: ""电动汽车分时租赁运营模式研究"", 《中国优秀硕士学位论文全文数据库(经济与管理科学辑)》, no. 8, 15 August 2016 (2016-08-15), pages 150 - 283 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544378A (zh) * | 2019-09-02 | 2019-12-06 | 上海评驾科技有限公司 | 一种手机用户拥车情况的判断方法 |
CN110544378B (zh) * | 2019-09-02 | 2020-11-03 | 上海评驾科技有限公司 | 一种手机用户拥车情况的判断方法 |
CN110851739A (zh) * | 2019-10-28 | 2020-02-28 | 北京虾喜科技有限公司 | 一种召唤汽车服务方法及系统 |
CN110851739B (zh) * | 2019-10-28 | 2022-08-12 | 北京虾喜科技有限公司 | 一种召唤汽车服务方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109961344B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11321968B2 (en) | Methods and systems of managing parking space occupancy | |
CN109952592B (zh) | 自动位置相关测量和预测汽车风险的绝对和相对风险系统和方法 | |
CN105513339B (zh) | 一种车辆轨迹分析方法和设备 | |
US10469981B1 (en) | Mobile phone mobile viewshed analysis | |
US20140062727A1 (en) | Parking method and system | |
WO2015177644A1 (en) | Method and system for balancing rental fleet of movable assets | |
EP2831545B1 (en) | Digital location-based data methods and product | |
CN110276020A (zh) | 识别用户出行目的地的方法和装置 | |
CN109102093B (zh) | 一种网约车下单热点区域的确定方法、装置及电子设备 | |
US20030097295A1 (en) | Method for site selection for retail and restaurant chains | |
CN109961344A (zh) | 一种汽车服务选址方法和装置 | |
US20150012213A1 (en) | Method, system and computer-readable storage mediums for estimating a route | |
KR20180134553A (ko) | 혼잡도 제공 시스템 및 방법 | |
CN107452207A (zh) | 浮动车数据源评价方法、装置及系统 | |
CN108389074A (zh) | 一种基于车牌识别的数据处理方法及相关设备 | |
US20190017832A1 (en) | Method and apparatus for providing recorded, anonymized routes | |
CN111311904A (zh) | 一种基于浮动车数据加权张量重建的交通状态估计方法 | |
Sun et al. | Big data mobile services for New York City taxi riders and drivers | |
CN110223514A (zh) | 城市交通运行状态分析方法、装置及电子设备 | |
CN108256707B (zh) | 保单回访管理方法和装置 | |
CN110648008A (zh) | 路况预测方法和装置 | |
CN109360435A (zh) | 一种公路交通气象信息获取方法及系统 | |
CN114707567A (zh) | 轨迹分类方法、轨迹分类模型训练方法及计算机程序产品 | |
CN109272389A (zh) | 一种识别车辆刷单骗补行为的方法和装置 | |
JP2004038695A (ja) | 到着時間予測方法および到着時間予測プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |