CN110533081A - 一种确定上车点信息的方法、装置、设备及存储介质 - Google Patents

一种确定上车点信息的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110533081A
CN110533081A CN201910726774.5A CN201910726774A CN110533081A CN 110533081 A CN110533081 A CN 110533081A CN 201910726774 A CN201910726774 A CN 201910726774A CN 110533081 A CN110533081 A CN 110533081A
Authority
CN
China
Prior art keywords
bus
actually
little
point
cluster
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
Application number
CN201910726774.5A
Other languages
English (en)
Inventor
陈亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201910726774.5A priority Critical patent/CN110533081A/zh
Publication of CN110533081A publication Critical patent/CN110533081A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/285Clustering or classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0645Rental transactions; Leasing transactions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种确定上车点信息的方法、装置、设备及存储介质,其中,所述方法包括:确定用户的多个实际上车点;对所述多个实际上车点进行聚类,得到至少一个簇;确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息;将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。本申请可以使后续确定的目标上车点信息符合用户的实际需求,提高用户认可目标上车点信息的程度,并可以降低司机的接驾难度以及减少司机的接驾时间成本,进而可以提高司机接驾以及乘客上车的效率,提升司乘双方的用户体检。

Description

一种确定上车点信息的方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域,尤其涉及一种确定上车点信息的方法、装置、设备及存储介质。
背景技术
现有技术中,当网约车平台检测到用户的打车订单时,会将一些位于道路旁边的、有利于司机导航和乘客上车的地点作为通用上车点进行推荐显示。
在实际应用中,不同用户对通用上车点的位置和名称有不同偏好,对通用上车点的认可度差异较大。当用户对通用上车点的名称或位置不满意时,通常会使用搜索功能搜索符合自身需求的目标上车点,或使用拖拽方式获得一个逆地理编码regeo结果(位置和名称)作为目标上车点。
然而,上述由用户通过搜索功能或拖拽方式确定的目标上车点可能增大司机的接驾难度以及增加司机的接驾成本,会影响司机的接驾进度以及乘客的上车效率,进而影响司乘双方的用户体检。
发明内容
有鉴于此,本申请提供一种确定上车点信息的方法、装置、设备及存储介质,以解决现有确定上车点信息的方案中所存在的问题。
具体地,本申请是通过如下技术方案实现的:
根据本申请的第一方面,提出了一种确定上车点信息的方法,包括:
确定用户的多个实际上车点;
对所述多个实际上车点进行聚类,得到至少一个簇;
确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息;
将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
在一实施例中,所述确定用户的多个实际上车点,包括:
获取所述用户的一个历史订单对应的轨迹点序列;
将所述轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路;
基于所述匹配道路修正所述轨迹点序列;
基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点。
在一实施例中,所述轨迹点序列包括送驾的轨迹点序列;
所述基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点,包括:
将修正后的所述轨迹点序列中的第一个轨迹点确定为所述用户的一个实际上车点。
在一实施例中,所述轨迹点序列包括:接驾与送驾的轨迹点序列,或,接驾的轨迹点序列;
所述基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点,包括:
将修正后的所述轨迹点序列中对应于乘客上车事件发生时刻的轨迹点确定为所述用户的一个实际上车点。
在一实施例中,所述确定每个所述簇中与质心点关联的实际上车点,包括:
计算每个所述簇的质心点;
确定每个所述簇中距离所述质心点最近的上车点;
将所述距离所述质心点最近的上车点确定为与所述质心点关联的实际上车点。
在一实施例中,所述确定每个所述簇中使用频次最高的实际上车点标识信息,包括:
获取每个所述簇中多个实际上车点标识信息的使用频次;
确定每个所述簇中使用频次最高的实际上车点标识信息。
在一实施例中,所述方法还包括:
确定以所述与质心点关联的实际上车点为中心的预设范围内的兴趣点POI;
获取所述POI的关联信息;
基于所述关联信息生成所述目标上车点信息的描述信息。
根据本申请的第二方面,提出了一种确定上车点信息的装置,包括:
实际上车点确定模块,用于确定用户的多个实际上车点;
实际上车点聚类模块,用于对所述多个实际上车点进行聚类,得到至少一个簇;
点与标识确定模块,用于确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息;
上车点信息确定模块,用于将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
根据本申请的第三方面,提出了一种确定上车点信息的设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述任一所述的确定上车点信息的方法。
根据本申请的第四方面,提出了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述任一所述的确定上车点信息的方法。
由以上技术方案可见,本申请通过确定用户的多个实际上车点,并对所述多个实际上车点进行聚类,得到至少一个簇,然后确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息,进而将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息,由于是利用用户的实际上车点进行聚类,可以使后续确定的目标上车点信息符合用户的实际需求,并且由于将用户使用频次最高的实际上车点标识和与质心关联的实际上车点进行关联来确定目标上车点信息,可以提高用户认可目标上车点信息的程度,并可以降低司机的接驾难度以及减少司机的接驾时间成本,进而可以提高司机接驾以及乘客上车的效率,提升司乘双方的用户体检。
附图说明
图1是本申请一示例性实施例示出的一种确定上车点信息的方法的流程图;
图2是本申请一示例性实施例示出的如何确定用户的多个实际上车点的流程图;
图3是本申请一示例性实施例示出的如何基于修正后的轨迹点序列中满足预设条件的轨迹点确定用户的一个实际上车点的流程图;
图4是本申请一示例性实施例示出的如何确定每个所述簇中与质心点关联的实际上车点的流程图;
图5是本申请一示例性实施例示出的如何确定每个所述簇中使用频次最高的实际上车点标识信息的流程图;
图6是本申请又一示例性实施例示出的一种确定上车点信息的方法的流程图;
图7是本申请一示例性实施例示出的一种确定上车点信息的装置的结构图;
图8是本申请又一示例性实施例示出的一种确定上车点信息的装置的结构图;
图9是本申请一示例性实施例示出的一种确定上车点信息的设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1是本申请第一示例性实施例示出的一种确定上车点信息的方法的流程图;该实施例可以用于打车平台的服务端(例如,一台服务器和多台服务器组成的服务器集群等),也可以用于终端设备(例如手机、平板电脑、个人计算机等)。
如图1所示,该方法包括步骤S101-S104:
在步骤S101中,确定用户的多个实际上车点。
在一实施例中,为了确定当前用户的目标上车点(如,符合该用户出行习惯的个性化的上车点等),服务端可以先确定当前用户的多个实际上车点。
在一实施例中,上述实际上车点可以包括该用户的历史订单中曾使用过的上车点。
在一实施例中,上述确定用户的多个实际上车点的方式还可以参见下述图2所示实施例,在此先不进行详述。
在步骤S102中,对所述多个实际上车点进行聚类,得到至少一个簇。
在一实施例中,当确定用户的多个实际上车点后,可以采用预设的聚类方法对该多个实际上车点进行聚类,以得到至少一个簇。
在一实施例中,上述预设的聚类方法可以包括DBSCAN算法等,本实施例对此不进行限定。
在一实施例中,上述DBSCAN算法中的参数eps(可以用于表征各个上车点之间的距离)和参数minpts(可以用于表征每个簇至少存在上车点的个数)可以由开发人员基于实际业务需要进行设置。
在步骤S103中,确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息。
在一实施例中,当对所述多个实际上车点进行聚类,得到至少一个簇后,可以确定每个簇中的质心点,进而可以确定每个簇中与该质心点关联的实际上车点。
在一实施例中,上述与质心点关联的实际上车点可以包括该质心点本身、或者可以包括与该质心点距离小于预设阈值的实际上车点等,本实施例对此不进行限定。
在另一实施例中,上述与质心点关联的实际上车点的确定方式还可以参见下述图4所示实施例,在此先不进行详述。
在一实施例中,当对所述多个实际上车点进行聚类,得到至少一个簇后,还可以确定每个所述簇中使用频次最高的实际上车点标识信息。
在一实施例中,上述实际上车点标识信息可以包括该实际上车点的名称或编号等,本实施例对此不进行限定。
在一实施例中,上述确定每个所述簇中使用频次最高的实际上车点标识信息的方式可以参见下述图5所示实施例,在此先不进行详述。
在步骤S104中,将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
在一实施例中,确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息后,可以将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
在一实施例中,上述目标上车点信息包括每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息。
值得说明的是,由于每个簇中的实际上车点在空间距离上是临近的(如,不超过15m),即每个簇中各上车点之间的距离不会太大,因而将“与质心点关联的实际上车点与每个所述簇中使用频次最高的实际上车点标识信息”进行关联是合理的。
由上述描述可知,本实施例通过确定用户的多个实际上车点,并对所述多个实际上车点进行聚类,得到至少一个簇,然后确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息,进而将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息,由于是利用用户的实际上车点进行聚类,可以使后续确定的目标上车点信息符合用户的实际需求,并且由于将用户使用频次最高的实际上车点标识和与质心关联的实际上车点进行关联来确定目标上车点信息,可以提高用户认可目标上车点信息的程度,并可以降低司机的接驾难度以及减少司机的接驾时间成本,进而可以提高司机接驾以及乘客上车的效率,提升司乘双方的用户体检。
图2是本申请一示例性实施例示出的如何确定用户的多个实际上车点的流程图;本实施例在上述实施例的基础上以如何确定用户的多个实际上车点为例进行示例性说明。如图2所示,上述步骤S101中所述的确定用户的多个实际上车点,可以包括以下步骤S201-S204:
在步骤S201中,获取所述用户的一个历史订单对应的轨迹点序列。
在一实施例中,为了确定当前用户的一个实际上车点,服务端可以获取当前用户的一个历史订单对应的轨迹点序列。
在一实施例中,上述轨迹点序列中包含该历史订单对应的行驶路线中的多个轨迹点。
在步骤S202中,将所述轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路。
在一实施例中,当获取所述用户的一个历史订单对应的轨迹点序列后,可以将该轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路。
在一实施例中,上述预设路网数据可以包括预先获取的当前城市的路网数据等,本实施例对此不进行限定。
在一实施例中,可以基于预先获取的路网数据以及该轨迹点序列中各个点的坐标确定该轨迹点序列匹配的道路。
在步骤S203中,基于所述匹配道路修正所述轨迹点序列。
在一实施例中,当将所述轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路后,可以基于所述匹配道路修正所述轨迹点序列。
举例来说,可以将所述轨迹点序列中偏离所述匹配道路的点移除,进一步地,还可以利用该匹配道路上的路径点弥补上述路径点序列中的相应路径点,以得到修正后的轨迹点序列。
在步骤S204中,基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点。
在一实施例中,当基于所述匹配道路修正所述轨迹点序列后,可以基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点。
在一实施例中,上述预设条件可以基于获取的轨迹点序列的类型进行设置。例如可以基于轨迹点序列的类型不同,将预设条件设置为位于轨迹点序列中第一个位置的轨迹点或设置为预设事件发生时刻的轨迹点等,本实施例对此不进行限定。
在一实施例中,上述基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点的方式还可以参见下述图3所示实施例,在此先不进行详述。
由上述描述可知,本实施例通过获取所述用户的一个历史订单对应的轨迹点序列,并将所述轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路,然后基于所述匹配道路修正所述轨迹点序列,进而基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点,可以实现准确的确定用户的多个实际上车点,进而可以实现后续基于该多个实际上车点确定用户的目标上车点信息,可以提高用户认可目标上车点信息的程度,并可以降低司机的接驾难度以及减少司机的接驾时间成本,进而可以提高司机接驾以及乘客上车的效率,提升司乘双方的用户体检。
图3是本申请一示例性实施例示出的如何基于修正后的轨迹点序列中满足预设条件的轨迹点确定用户的一个实际上车点的流程图;本实施例在上述实施例的基础上以如何基于修正后的轨迹点序列中满足预设条件的轨迹点确定用户的一个实际上车点为例进行示例性说明。如图3所示,上述步骤S204中所述的基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点,可以包括以下步骤S301-S303:
在步骤S301中,判断所述轨迹点序列是否包含接驾的轨迹点序列:若是,则执行步骤S302;若否,则执行步骤S303。
在步骤S302中,将修正后的所述轨迹点序列中的第一个轨迹点确定为所述用户的一个实际上车点。
在一实施例中,若上述轨迹点序列为司机送驾的轨迹点序列(即,不包含接驾过程的轨迹点序列),则上述预设条件可以为位于轨迹点序列中第一个位置的轨迹点,也即可以将上述修正后的所述轨迹点序列中的第一个轨迹点确定为所述用户的一个实际上车点。
在步骤S303中,将修正后的所述轨迹点序列中对应于乘客上车事件发生时刻的轨迹点确定为所述用户的一个实际上车点。
在一实施例中,若上述轨迹点序列为接驾与送驾的轨迹点序列,或,接驾的轨迹点序列(即,包含接驾过程的轨迹点序列),则上述预设条件可以为轨迹点序列中对应于乘客上车事件发生时刻的轨迹点,也即可以将修正后的所述轨迹点序列中对应于乘客上车事件发生时刻的轨迹点确定为所述用户的一个实际上车点。
由上述描述可知,本实施例通过判断所述轨迹点序列是否包含接驾的轨迹点序列,并当轨迹点序列为司机送驾的轨迹点序列时,将修正后的所述轨迹点序列中的第一个轨迹点确定为所述用户的一个实际上车点,而当轨迹点序列为接驾与送驾的轨迹点序列或接驾的轨迹点序列时,将修正后的所述轨迹点序列中对应于乘客上车事件发生时刻的轨迹点确定为所述用户的一个实际上车点,可以实现基于轨迹点序列的不同类型采取不同方式确定用户的实际上车点,可以提高确定用户的实际上车点的准确性,进而为后续基于用户的实际上车点确定用户的目标上车点信息奠定准确的基础。
图4是本申请一示例性实施例示出的如何确定每个所述簇中与质心点关联的实际上车点的流程图;本实施例在上述实施例的基础上以如何确定每个所述簇中与质心点关联的实际上车点为例进行示例性说明。如图4所示,上述步骤S103中所述的确定每个所述簇中与质心点关联的实际上车点,可以包括以下步骤S401-S403:
在步骤S401中,计算每个所述簇的质心点。
在一实施例中,当对所述多个实际上车点进行聚类,得到至少一个簇后,可以计算每个所述簇的质心点。
在一实施例中,上述质心点可以为每个簇的聚类中心。
值得说明的是,上述计算每个所述簇的质心点的方式可以参见现有技术中的算法,本实施例对此不进行限定。
在步骤S402中,确定每个所述簇中距离所述质心点最近的上车点。
在一实施例中,当计算每个所述簇的质心点后,可以确定每个所述簇中距离所述质心点最近的上车点。
举例来说,当计算每个所述簇的质心点后,可以计算每个所述簇中的各个上车点与该簇的质心点之间的距离,进而可以确定该簇中距离质心点最近的上车点。
在步骤S403中,将所述距离所述质心点最近的上车点确定为与所述质心点关联的实际上车点。
在一实施例中,当确定每个所述簇中距离所述质心点最近的上车点后,可以将所述距离所述质心点最近的上车点确定为与所述质心点关联的实际上车点。
由上述描述可知,本实施例通过计算每个所述簇的质心点,并确定每个所述簇中距离所述质心点最近的上车点,进而将所述距离所述质心点最近的上车点确定为与所述质心点关联的实际上车点,可以实现准确的确定每个所述簇中与质心点关联的实际上车点,进而可以实现后续基于该与质心点关联的实际上车点确定用户的目标上车点信息,可以提高用户认可目标上车点信息的程度,并可以降低司机的接驾难度以及减少司机的接驾时间成本,进而可以提高司机接驾以及乘客上车的效率,提升司乘双方的用户体检。
图5是本申请一示例性实施例示出的如何确定每个所述簇中使用频次最高的实际上车点标识信息的流程图;本实施例在上述实施例的基础上以如何确定每个所述簇中使用频次最高的实际上车点标识信息为例进行示例性说明。如图4所示,上述步骤S103中所述的确定每个所述簇中使用频次最高的实际上车点标识信息,可以包括以下步骤S501-S502:
在步骤S501中,获取每个所述簇中多个实际上车点标识信息的使用频次。
在一实施例中,当对所述多个实际上车点进行聚类,得到至少一个簇后,可以统计并获取每个所述簇中多个实际上车点标识信息的使用频次。
在一实施例中,上述统计每个簇中多个实际上车点标识信息的使用频次的方式可以参见现有技术中的解释和说明,本实施例对此不进行限定。
在步骤S502中,确定每个所述簇中使用频次最高的实际上车点标识信息。
在一实施例中,当获取每个所述簇中多个实际上车点标识信息的使用频次后,可以确定每个所述簇中使用频次最高的实际上车点标识信息。
在一实施例中,可以对获取的每个所述簇中多个实际上车点标识信息的使用频次进行排序(如,按照从多到少或从少到多的顺序进行排序),进而可以基于排序结果确定每个所述簇中使用频次最高的实际上车点标识信息。
在另一实施例中,还可以基于预设函数(如,求最大值函数)计算每个所述簇中使用频次最高的实际上车点标识信息。
由上述描述可知,本实施例通过获取每个所述簇中多个实际上车点标识信息的使用频次,并确定每个所述簇中使用频次最高的实际上车点标识信息,可以实现准确的确定每个簇中使用频次最高的实际上车点标识信息,进而可以提高后续确定用户的目标上车点信息的准确性。
图6是本申请又一示例性实施例示出的一种确定上车点信息的方法的流程图;该实施例可以用于打车平台的服务端(例如,一台服务器和多台服务器组成的服务器集群等),也可以用于终端设备(例如手机、平板电脑、个人计算机等)。
如图6所示,该方法包括步骤S601-S607:
在步骤S601中,确定用户的多个实际上车点。
在步骤S602中,对所述多个实际上车点进行聚类,得到至少一个簇。。
在步骤S603中,确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息。
在步骤S604中,将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
其中,步骤S601-S603的相关解释和说明可以参见上述实施例,本实施例在此不进行赘述。
在步骤S605中,确定以所述与质心点关联的实际上车点为中心的预设范围内的兴趣点POI。
在一实施例中,当得到所述用户的目标上车点信息后,可以确定该目标上车点信息中包含的与质心点关联的实际上车点(以下简称“目标上车点”),进而确定以该上车点为中心的预设范围内的兴趣点POI。
在一实施例中,上述预设范围可以基于业务需要进行自由设置,如设置为周围100米的范围等,本实施例对此不进行限定。
在一实施例中,上述兴趣点可以包括办公楼、商铺、餐馆、展览馆或游乐场等热门地点,本实施例对此不进行限定。
在步骤S606中,获取所述POI的关联信息。
在一实施例中,当确定以所述目标上车点为中心的预设范围内的兴趣点POI后,可以获取所述POI的关联信息。
在一实施例中,上述POI的关联信息可以由开发人员根据实际业务需要进行自由设置,如设置为POI的名称、类型、地址和/或相对于目标上车点的方位等,本实施例对此不进行限定。
在步骤S607中,基于所述关联信息生成所述目标上车点信息的描述信息。
在一实施例中,当获取所述POI的关联信息后,可以基于所述关联信息生成所述目标上车点信息的描述信息。
举例来说,当确定目标上车点信息(即,目标上车点以及上车点标识信息)后,若确定以该目标上车点为中心的预设范围内的兴趣点POI,则可以获取该POI的地址、名称及其相对于目标上车点的方位和距离,进而可以基于该POI的地址、名称及其相对于目标上车点的方位和距离生成所述目标上车点信息的描述信息,例如“东方剧场,复兴路10号,位于目标上车点东南方向150米”等。
由上述描述可知,本实施例通过确定以所述与质心点关联的实际上车点为中心的预设范围内的兴趣点POI,并获取所述POI的关联信息,进而基于所述关联信息生成所述目标上车点信息的描述信息,可以实现补充目标上车点附近的POI的关联信息,即利用周围POI的关联信息生成该目标上车点信息的属性信息,以实现更具体的描述该目标上车点信息,进而可以避免其他上车点信息与该目标上车点信息发生混淆。
图7是本申请一示例性实施例示出的一种确定上车点信息的装置的结构图;如图7所示,该装置包括:实际上车点确定模块110、实际上车点聚类模块120、点与标识确定模块130和上车点信息确定模块140,其中:
实际上车点确定模块110,用于确定用户的多个实际上车点;
实际上车点聚类模块120,用于对所述多个实际上车点进行聚类,得到至少一个簇;
点与标识确定模块130,用于确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息;
上车点信息确定模块140,用于将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
由上述描述可知,本实施例通过确定用户的多个实际上车点,并对所述多个实际上车点进行聚类,得到至少一个簇,然后确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息,进而将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息,由于是利用用户的实际上车点进行聚类,可以使后续确定的目标上车点信息符合用户的实际需求,并且由于将用户使用频次最高的实际上车点标识和与质心关联的实际上车点进行关联来确定目标上车点信息,可以提高用户认可目标上车点信息的程度,并可以降低司机的接驾难度以及减少司机的接驾时间成本,进而可以提高司机接驾以及乘客上车的效率,提升司乘双方的用户体检。
图8是本申请又一示例性实施例示出的一种确定上车点信息的装置的结构图;其中,实际上车点确定模块210、实际上车点聚类模块220、点与标识确定模块230和上车点信息确定模块240与前述图7所示实施例中的实际上车点确定模块110、实际上车点聚类模块120、点与标识确定模块130和上车点信息确定模块140的功能相同,在此不进行赘述。
如图8所示,实际上车点确定模块210,可以包括:
轨迹点序列获取单元211,用于获取所述用户的一个历史订单对应的轨迹点序列;
匹配道路获取单元212,用于将所述轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路;
轨迹点序列修正单元213,用于基于所述匹配道路修正所述轨迹点序列;
实际上车点确定单元214,用于基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点。
在一实施例中,轨迹点序列可以包括送驾的轨迹点序列;
实际上车点确定单元214还用于将修正后的所述轨迹点序列中的第一个轨迹点确定为所述用户的一个实际上车点。
在一实施例中,轨迹点序列可以包括:接驾与送驾的轨迹点序列,或,接驾的轨迹点序列;
实际上车点确定单元214还用于:
将修正后的所述轨迹点序列中对应于乘客上车事件发生时刻的轨迹点确定为所述用户的一个实际上车点。
在一实施例中,点与标识确定模块230,可以包括:
质心点计算单元231,用于计算每个所述簇的质心点;
最近上车点确定单元232,用于确定每个所述簇中距离所述质心点最近的上车点;
关联上车点确定单元233,用于将所述距离所述质心点最近的上车点确定为与所述质心点关联的实际上车点。
在一实施例中,点与标识确定模块230,可以包括:
使用频次获取单元234,用于获取每个所述簇中多个实际上车点标识信息的使用频次;
标识信息确定单元235,用于确定每个所述簇中使用频次最高的实际上车点标识信息。
在一实施例中,装置还可以包括描述信息生成模块250;
描述信息生成模块250,可以包括:
兴趣点确定单元251,用于确定以所述与质心点关联的实际上车点为中心的预设范围内的兴趣点POI;
关联信息获取单元252,用于获取所述POI的关联信息;
描述信息生成单元253,用于基于所述关联信息生成所述目标上车点信息的描述信息。
值得说明的是,上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
本发明的确定上车点信息的装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的,其中计算机程序用于执行上述图1~图6所示实施例提供的确定上车点信息的方法。从硬件层面而言,如图9所示,为本发明的确定上车点信息的设备的硬件结构图,除了图9所示的处理器、网络接口、内存以及非易失性存储器之外,所述设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等;从硬件结构上来讲该设备还可能是分布式的设备,可能包括多个接口卡,以便在硬件层面进行报文处理的扩展。另一方面,本申请还提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序用于执行上述图1~图6所示实施例提供的确定上车点信息的方法。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。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申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。

Claims (10)

1.一种确定上车点信息的方法,其特征在于,包括:
确定用户的多个实际上车点;
对所述多个实际上车点进行聚类,得到至少一个簇;
确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息;
将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
2.根据权利要求1所述的方法,其特征在于,所述确定用户的多个实际上车点,包括:
获取所述用户的一个历史订单对应的轨迹点序列;
将所述轨迹点序列与预存路网数据中的道路进行匹配,得到匹配道路;
基于所述匹配道路修正所述轨迹点序列;
基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点。
3.根据权利要求2所述的方法,其特征在于,所述轨迹点序列包括送驾的轨迹点序列;
所述基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点,包括:
将修正后的所述轨迹点序列中的第一个轨迹点确定为所述用户的一个实际上车点。
4.根据权利要求2所述的方法,其特征在于,所述轨迹点序列包括:接驾与送驾的轨迹点序列,或,接驾的轨迹点序列;
所述基于修正后的所述轨迹点序列中满足预设条件的轨迹点确定所述用户的一个实际上车点,包括:
将修正后的所述轨迹点序列中对应于乘客上车事件发生时刻的轨迹点确定为所述用户的一个实际上车点。
5.根据权利要求1所述的方法,其特征在于,所述确定每个所述簇中与质心点关联的实际上车点,包括:
计算每个所述簇的质心点;
确定每个所述簇中距离所述质心点最近的上车点;
将所述距离所述质心点最近的上车点确定为与所述质心点关联的实际上车点。
6.根据权利要求1所述的方法,其特征在于,所述确定每个所述簇中使用频次最高的实际上车点标识信息,包括:
获取每个所述簇中多个实际上车点标识信息的使用频次;
确定每个所述簇中使用频次最高的实际上车点标识信息。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
确定以所述与质心点关联的实际上车点为中心的预设范围内的兴趣点POI;
获取所述POI的关联信息;
基于所述关联信息生成所述目标上车点信息的描述信息。
8.一种确定上车点信息的装置,其特征在于,包括:
实际上车点确定模块,用于确定用户的多个实际上车点;
实际上车点聚类模块,用于对所述多个实际上车点进行聚类,得到至少一个簇;
点与标识确定模块,用于确定每个所述簇中与质心点关联的实际上车点以及每个所述簇中使用频次最高的实际上车点标识信息;
上车点信息确定模块,用于将每个所述簇中的所述与质心点关联的实际上车点与所述实际上车点标识信息进行关联,得到所述用户的目标上车点信息。
9.一种确定上车点信息的设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述权利要求1-7任一所述的确定上车点信息的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的确定上车点信息的方法。
CN201910726774.5A 2019-08-07 2019-08-07 一种确定上车点信息的方法、装置、设备及存储介质 Pending CN110533081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910726774.5A CN110533081A (zh) 2019-08-07 2019-08-07 一种确定上车点信息的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910726774.5A CN110533081A (zh) 2019-08-07 2019-08-07 一种确定上车点信息的方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110533081A true CN110533081A (zh) 2019-12-03

Family

ID=68662169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910726774.5A Pending CN110533081A (zh) 2019-08-07 2019-08-07 一种确定上车点信息的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110533081A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192110A (zh) * 2019-12-23 2020-05-22 南京领行科技股份有限公司 一种上车中心点的确定方法及装置
CN111210297A (zh) * 2019-12-23 2020-05-29 南京领行科技股份有限公司 一种上车点的划分方法及装置
CN111366160A (zh) * 2020-05-25 2020-07-03 深圳市城市交通规划设计研究中心股份有限公司 路径规划方法、路径规划装置及终端设备
CN111813817A (zh) * 2019-12-26 2020-10-23 北京嘀嘀无限科技发展有限公司 上车点的命名方法、装置、存储介质及电子设备
CN111859178A (zh) * 2020-04-22 2020-10-30 北京嘀嘀无限科技发展有限公司 一种推荐上车点的方法和系统
CN111881370A (zh) * 2020-05-21 2020-11-03 北京嘀嘀无限科技发展有限公司 一种描绘兴趣区域轮廓的方法及系统
CN111881225A (zh) * 2020-04-01 2020-11-03 北京嘀嘀无限科技发展有限公司 一种修正上车点名称的方法和系统
CN111984880A (zh) * 2020-08-20 2020-11-24 北京嘀嘀无限科技发展有限公司 一种历史订单中真实上车点挖掘的方法和系统
CN112052269A (zh) * 2020-08-24 2020-12-08 腾讯科技(深圳)有限公司 一种推荐位置的方法及装置
CN112055867A (zh) * 2018-05-18 2020-12-08 北京嘀嘀无限科技发展有限公司 用于推荐个性化上车位置的系统和方法
CN112733309A (zh) * 2021-01-25 2021-04-30 珠海格力电器股份有限公司 布设位置的确定方法和装置、电子设备和存储介质
CN113052397A (zh) * 2021-04-19 2021-06-29 北京百度网讯科技有限公司 上车信息的确定方法、装置、电子设备和存储介质
WO2021188039A1 (en) * 2020-03-16 2021-09-23 Grabtaxi Holdings Pte. Ltd. Method and processing apparatus for determining optimal pick-up/drop-off locations for transport services
CN113902200A (zh) * 2021-10-14 2022-01-07 中国平安财产保险股份有限公司 一种路径匹配方法、装置、设备及计算机可读存储介质
CN115936817A (zh) * 2022-12-30 2023-04-07 北京白驹易行科技有限公司 一种乘客订单起点聚合方法、装置及计算机设备

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112055867A (zh) * 2018-05-18 2020-12-08 北京嘀嘀无限科技发展有限公司 用于推荐个性化上车位置的系统和方法
CN111210297A (zh) * 2019-12-23 2020-05-29 南京领行科技股份有限公司 一种上车点的划分方法及装置
CN111192110A (zh) * 2019-12-23 2020-05-22 南京领行科技股份有限公司 一种上车中心点的确定方法及装置
CN111813817A (zh) * 2019-12-26 2020-10-23 北京嘀嘀无限科技发展有限公司 上车点的命名方法、装置、存储介质及电子设备
WO2021188039A1 (en) * 2020-03-16 2021-09-23 Grabtaxi Holdings Pte. Ltd. Method and processing apparatus for determining optimal pick-up/drop-off locations for transport services
CN111881225A (zh) * 2020-04-01 2020-11-03 北京嘀嘀无限科技发展有限公司 一种修正上车点名称的方法和系统
CN111859178A (zh) * 2020-04-22 2020-10-30 北京嘀嘀无限科技发展有限公司 一种推荐上车点的方法和系统
CN111859178B (zh) * 2020-04-22 2024-04-09 北京嘀嘀无限科技发展有限公司 一种推荐上车点的方法和系统
CN111881370A (zh) * 2020-05-21 2020-11-03 北京嘀嘀无限科技发展有限公司 一种描绘兴趣区域轮廓的方法及系统
CN111366160A (zh) * 2020-05-25 2020-07-03 深圳市城市交通规划设计研究中心股份有限公司 路径规划方法、路径规划装置及终端设备
CN111366160B (zh) * 2020-05-25 2020-10-27 深圳市城市交通规划设计研究中心股份有限公司 路径规划方法、路径规划装置及终端设备
CN111984880A (zh) * 2020-08-20 2020-11-24 北京嘀嘀无限科技发展有限公司 一种历史订单中真实上车点挖掘的方法和系统
CN112052269A (zh) * 2020-08-24 2020-12-08 腾讯科技(深圳)有限公司 一种推荐位置的方法及装置
CN112052269B (zh) * 2020-08-24 2022-04-22 腾讯科技(深圳)有限公司 一种推荐位置的方法及装置
CN112733309A (zh) * 2021-01-25 2021-04-30 珠海格力电器股份有限公司 布设位置的确定方法和装置、电子设备和存储介质
CN113052397A (zh) * 2021-04-19 2021-06-29 北京百度网讯科技有限公司 上车信息的确定方法、装置、电子设备和存储介质
CN113052397B (zh) * 2021-04-19 2024-04-09 北京百度网讯科技有限公司 上车信息的确定方法、装置、电子设备和存储介质
CN113902200A (zh) * 2021-10-14 2022-01-07 中国平安财产保险股份有限公司 一种路径匹配方法、装置、设备及计算机可读存储介质
CN115936817A (zh) * 2022-12-30 2023-04-07 北京白驹易行科技有限公司 一种乘客订单起点聚合方法、装置及计算机设备
CN115936817B (zh) * 2022-12-30 2024-02-20 北京白驹易行科技有限公司 一种乘客订单起点聚合方法、装置及计算机设备

Similar Documents

Publication Publication Date Title
CN110533081A (zh) 一种确定上车点信息的方法、装置、设备及存储介质
CN104102719B (zh) 一种轨迹信息的推送方法及装置
CN108377656B (zh) 使用有键数据库维护的有键数据的搜索和检索
US10713601B2 (en) Personalized contextual suggestion engine
US9363634B1 (en) Providing context-relevant information to users
CN105825699B (zh) 路况显示方法及装置
US20100179756A1 (en) Optimization of map views based on real-time data
Chen et al. Constructing and comparing user mobility profiles
CN103077220A (zh) 一种基于用户群关联度的个性化推荐方法及系统
CN110573837B (zh) 导航方法、装置、存储介质以及服务器
CN104135716A (zh) 一种兴趣点信息的推送方法及系统
PH12014501098B1 (en) Method and server for searching for nearby user in social networking services
CN110363810A (zh) 建立图像检测模型的方法、装置、设备和计算机存储介质
US9418076B2 (en) System and method for determining interests from location data
KR101481895B1 (ko) 타겟 클라이언트를 검색하기 위한 방법, 디바이스 및 기록 매체
EP3449386A1 (en) Allocating communication resources via information technology infrastructure
EP2522159A2 (en) Framework for track-based mobile applications
CN110033097A (zh) 基于多个数据域确定用户与物品的关联关系的方法及装置
Gu et al. Enhancing personalized trip recommendation with attractive routes
CN106643762A (zh) 维修点信息获取方法、系统及电子设备
CN105119743B (zh) 用户行为意图的获取方法及装置
WO2023000261A1 (zh) 一种区域交通的预测方法以及设备
Ruan et al. Filling delivery time automatically based on couriers’ trajectories
Liu et al. Verifiable top-k query processing in tiered mobile sensor networks
CN109359843A (zh) 数据处理方法和接单设备

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