CN111143779A - 获得通勤规律的方法、装置、电子设备及存储介质 - Google Patents
获得通勤规律的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111143779A CN111143779A CN201911409630.3A CN201911409630A CN111143779A CN 111143779 A CN111143779 A CN 111143779A CN 201911409630 A CN201911409630 A CN 201911409630A CN 111143779 A CN111143779 A CN 111143779A
- Authority
- CN
- China
- Prior art keywords
- historical
- cluster
- commute
- obtaining
- stop points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 29
- 238000003491 array Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G06Q50/40—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明涉及获得通勤规律的方法、装置、电子设备及存储介质,其中,获得通勤规律的方法包括如下步骤:获取车辆的多个历史停留点;将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。本发明实施例的获得通勤规律的方法,能够较为准确的获得用户的通勤规律,进而可以在用户存在周末出勤的情况时,在周末为用户推送“通勤卡片”,从而提高了用户的体验。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种获得通勤规律的方法、装置和电子设备以及计算机存储介质。
背景技术
现有技术通常在工作日的早上向用户推送“通勤卡片”,然而部分用户存在周末出勤的情况,但现有技术却通常不会在周末向其推送“通勤卡片”,影响了用户的体验。
发明内容
为解决上述技术问题,本发明的一个目的在于提供一种获得通勤规律的方法,该获得通勤规律的方法,能够较为准确的获得用户的通勤规律,进而可以在用户存在周末出勤的情况时,在周末为用户推送“通勤卡片”,从而提高了用户的体验。
本发明的另一个目的在于提供一种实现上述获得通勤规律的方法的获得通勤规律的装置。
为达到上述目的,本发明采用如下技术方案:
根据本发明第一方面实施例的获得通勤规律的方法,包括:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
优选地,所述计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,包括:
将每天的时间划分为若干个时间区间;
将各个簇中的各个历史停留点的停留时间根据所述的若干个时间区间转化为数组;
各个簇中的所有历史停留点分别按照工作日和双休日将多个历史停留点的数组进行加和得到各个簇的数组;
根据得到的所述各个簇的数组,计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
优选地,所述获得通勤规律的方法还包括:
当判断晚上发生通勤时,将所在的区域为工作场所的簇中的所有历史停留点分别按照周一至周日将多个历史停留点的数组进行加和得到该簇的数组;
根据得到的所述该簇的数组,计算工作场所车辆在周一至周日的不同的时间区域停留的概率;
根据得到的工作场所车辆在周一至周日的不同的时间区域停留的概率,判断晚上发生通勤的日期。
优选地,统计所在的区域为工作场所的簇中的所有历史停留点对应的历史行驶路径分别于周一至周日的出发时间,判断所述晚上发生通勤的日期的出发时间与其它日期的出发时间的差异是否超出一定阈值,当所述差异超出一定阈值时,则确定该日期晚上发生通勤。
优选地,所述获取车辆的多个历史停留点,包括:
获取车辆的历史行车轨迹;
基于所述车辆的历史行车轨迹,划分得到多个历史行驶路径;
根据划分得到的多个历史行驶路径,获取车辆的多个历史停留点,所述历史停留点为每个历史行驶路径的最后一个轨迹点。
优选地,所述基于所述车辆的历史行车轨迹划分得到多个历史行驶路径,包括:
基于所述车辆的历史行车轨迹以及与其对应的历史车辆运行数据进行划分,其中,每个历史行驶路径的第一个轨迹点与所述历史车辆运行数据中的点火数据相对应,每个历史行驶路径的最后一个轨迹点与所述历史车辆运行数据中的息火数据相对应,得到多个所述历史行驶路径。
优选地,划分得到的多个历史行驶路径中的相邻的两个历史行驶路径中的第一个历史行驶路径的最后一个轨迹点与第二个历史行驶路径的第一个轨迹点之间的时间差不小于300秒,且每一个历史行驶路径中包括至少10个轨迹点。
优选地,所述历史停留点为距离当前之前预定时间范围内的停留点。
优选地,一个簇中的所有停留点位于半径不大于预定值的圆中,且一个簇中包括至少两个停留点。
根据本发明第二方面实施例的获得通勤规律的装置,包括:
获取模块:用于获取车辆的多个历史停留点;
聚类模块:用于将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算模块:用于计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
确定模块和判断模块:用于基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
根据本发明第三方面实施例的用于获得通勤规律的电子设备,包括:
一个或多个处理器;
一个或多个存储器,其中存储了计算机可读代码,所述计算机可读代码当由所述一个或多个处理器执行时进行如下处理:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
根据本发明第四方面实施例的计算机存储介质,其中存储了计算机可读代码,所述计算机可读代码当由一个或多个处理器执行时进行如下处理:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
本发明的有益效果在于:
通过获得车辆的多个历史停留点进行聚类得到的多个簇以及各个簇所在的区域,并计算得到各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,以确定用户的工作场所,且判断用户在双休日是否发生通勤,进而确定用户的通勤规律,从而该获得通勤规律的方法,能够较为准确的获得用户的通勤规律,进而可以在用户存在周末出勤的情况时,在周末为用户推送“通勤卡片”,从而提高了用户的体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明实施例的获得通勤规律的一种应用场景示意图;
图2为本发明实施例的获得通勤规律的方法的流程图;
图3为本发明实施例的获得通勤规律的装置的结构示意图;
图4为本发明实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明,但不用来限制本发明的范围。
可以理解的是,如本文所使用的,术语“模块””可以指代或者包括专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用、或群组)和/或存储器、组合逻辑电路、和/或提供所描述的功能的其他适当硬件组件,或者可以作为这些硬件组件的一部分。
可以理解的是,在本发明各实施例中,处理器可以是微处理器、数字信号处理器、微控制器等,和/或其任何组合。根据另一个方面,所述处理器可以是单核处理器,多核处理器等,和/或其任何组合。
如图1所示,根据本发明实施例的本申请技术方案的一种应用场景示意图,用户的车辆11接收导航设备12推送的通勤卡片以方便快捷的为用户规划上班的路线,且该用户双休日需要出勤,现有技术中,导航设备12只有在工作日的早上为用户推送通勤卡片,在双休日不为用户推送通勤卡片,影响了用户的体验,本发明通过获取车辆11的多个历史停留点,并将得到的多个历史停留点根据坐标进行聚类得到多个簇,且得到个簇所在的区域,并计算得到各个簇所在的区域车辆11在工作日和双休日的不同的时间区间停留的概率,从而确定用户的通勤规律,以根据用户的通勤规律,在双休日为用户推送通勤卡片,提升了用户的体验。
如图2所示,根据本发明实施例的获得通勤规律的方法,包括如下步骤:
步骤S1,获取车辆的多个历史停留点;
优选地,所述历史停留点为距离当前之前预定时间范围内的停留点。
具体地,预定时间范围可根据具体情况而定,例如,该预定时间范围可以为56天,以此,历史停留点为距离当前之前56天的停留点。
优选地,所述获取车辆的多个历史停留点,包括:
步骤S11,获取车辆的历史行车轨迹。
步骤S12,基于所述车辆的历史行车轨迹,划分得到多个历史行驶路径。
优选地,所述基于所述车辆的历史行车轨迹划分得到多个历史行驶路径,包括:
基于所述车辆的历史行车轨迹以及与其对应的历史车辆运行数据进行划分,其中,每个历史行驶路径的第一个轨迹点与所述历史车辆运行数据中的点火数据相对应,每个历史行驶路径的最后一个轨迹点与所述历史车辆运行数据中的息火数据相对应,得到多个所述历史行驶路径。
具体地,历史行驶路径为一段有起始和结束的轨迹点,基于车辆的历史行车轨迹以及与其对应的历史车辆运行数据划分历史行驶路径,可使历史行驶路径的划分更为准确。
优选地,划分得到的多个历史行驶路径中的相邻的两个历史行驶路径中的第一个历史行驶路径的最后一个轨迹点与第二个历史行驶路径的第一个轨迹点之间的时间差不小于300秒,且每一个历史行驶路径中包括至少10个轨迹点。
从而可以进一步的确保历史行驶路径的划分更为准确。
步骤S13,根据划分得到的多个历史行驶路径,获取车辆的多个历史停留点,所述历史停留点为每个历史行驶路径的最后一个轨迹点。
该获取车辆的历史停留点的方法简单,且获取的车辆的历史停留点较为准确,以便于进一步的获取较为准确的通勤规律。
步骤S2,将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域。
其中,一个簇的经纬度为该簇包含的所有停留点的经纬度的平均值,可根据该簇的经纬度,请求逆地理编码API,得到该簇所在的区域,例如,得到该簇所在的区域为某商务区。
优选地,一个簇中的所有停留点位于半径不大于预定值的圆中,且一个簇中包括至少两个停留点。
具体地,一个簇中的所有停留点可以位于半径不大于150米的圆中,一个簇中包括的停留点的个数可以是2个,也可以是10个、40个等,根据实际情况而定。
步骤S3,计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
优选地,所述步骤S3包括:
步骤S31,将每天的时间划分为若干个时间区间。
具体地,可以将每天的每个小时设置为一个时间区间,从而可以将每天的24小时划分为24个时间区间。
步骤S32,将各个簇中的各个历史停留点的停留时间根据所述的若干个时间区间转化为数组。
具体地,可以根据得到的相邻的两个历史行驶路径中的第一个历史行驶路径的最后一个轨迹点与第二个历史行驶路径的第一个轨迹点之间的时间差得到第一个历史行驶路径的停留点的停留时间,例如,某个停留点在某个地方从2015-04-24 04:12:37停留至2015-04-24 10:42:39,则可将该停留点的停留时间转化为数组[0,0,0,0,0.79,1,1,1,1,1,0.71,0,0,0,0,0,0,0,0,0,0,0,0,0]。
步骤S33,各个簇中的所有历史停留点分别按照工作日和双休日将多个历史停留点的数组进行加和得到各个簇的数组。
具体地,将每个簇中的所有历史停留点分别按照工作日和双休日,将属于工作日的多个历史停留点的数组以及属于双休日的多个历史停留点的数组分别进行加和,例如,以上述停留点的停留时间转化为的数组做进一步举例说明,可以得到一个包含48个元素的簇的数组,然后将得到的该簇的数组中的48个元素依次将每四个元素进行加和,得到包含12个元素的簇的数组,例如,如下簇的数组所示[0,5.53,39.46,39.75,20.03,0,0,0,6.49,6.45,2.00,0],由该簇的数组可以得知,用户在该簇所在的区域的停留时间主要集中在工作日的8:00-20:00。
步骤S34,根据得到的所述各个簇的数组,计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
具体地,对得到的所述各个簇的数组进行归一化处理,由于双休日和工作日的比例为2:5,可以将得到的各个簇的数组中的最后6个元素的值乘以2.5,然后再将簇的数组中的每个元素的值除以该簇的数组中的所有元素的和,例如,以上述得到的簇的数组做进一步举例说明,归一化后的簇的数组为[0,0.039,0.278,0.280,0.141,0,0,0,0.114,0.113,0.035,0],由此可得到各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
步骤S4,基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
具体地,基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,可以判断出用户可能的工作场所,并将可能的工作场所通过车辆终端向用户显示,根据用户的选择确定用户的工作场所,继而可根据在工作场所车辆在工作日和双休日的不同的时间区间停留的概率,确定用户是否在双休日需要出勤,确定用户的通勤规律。
通过获得车辆的多个历史停留点进行聚类得到的多个簇以及各个簇所在的区域,并计算得到各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,以确定用户的工作场所,且判断用户在双休日是否发生通勤,进而确定用户的通勤规律,从而该获得通勤规律的方法,能够较为准确的获得用户的通勤规律,进而可以在用户存在周末出勤的情况时,在周末为用户推送“通勤卡片”,从而提高了用户的体验。
优选地,所述获得通勤规律的方法还包括:
当判断晚上发生通勤时,将所在的区域为工作场所的簇中的所有历史停留点分别按照周一至周日将多个历史停留点的数组进行加和得到该簇的数组;
根据得到的所述该簇的数组,计算工作场所车辆在周一至周日的不同的时间区域停留的概率;
根据得到的工作场所车辆在周一至周日的不同的时间区域停留的概率,判断晚上发生通勤的日期。
具体地,当基于获得的工作场所车辆在工作日和双休日的不同的时间区间停留的概率,判断用户晚上发生通勤时,计算工作场所车辆在周一至周日的不同的时间区域停留的概率,当车辆在某个日期的20:00-24:00以及24:00-4:00两个时间区间的停留的概率大于预定值时,则判断该日期的晚上发生通勤。
由此,可在用户发生通勤的当天晚上向用户推送通勤卡片,进一步的提高用户的体验。
优选地,统计所在的区域为工作场所的簇中的所有历史停留点对应的历史行驶路径分别于周一至周日的出发时间,判断所述晚上发生通勤的日期的出发时间与其它日期的出发时间的差异是否超出一定阈值,当所述差异超出一定阈值时,则确定该日期晚上发生通勤。
具体地,可将每天的24小时均匀分为48个时间片,每半个小时为一个时间片,统计所在的区域为工作场所的簇中的所有历史停留点对应的历史行驶路径分别于周一至周日的出发时间的时间片,当上述晚上发生通勤的日期的出发时间与其它日期的出发时间的差异是超出一定阈值时,则进一步确定该日期晚上发生通勤。另外,当判断周末白天发生通勤时,当周末的出发时间与其它白天发生通勤的工作日的出发时间的差异小于一定阈值时,则进一步的确认了周末发生通勤。
如图3所示,实现上述根据发明实施例的获得通勤规律的方法的根据本发明实施例的获得通勤规律的装置,包括获取模块20、聚类模块30、计算模块40、确定模块50和判断模块60。
其中,获取模块20,用于获取车辆的多个历史停留点。
聚类模块30,用于将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域。
计算模块40,用于计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
确定模块50和判断模块60,用于基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
通过获得车辆的多个历史停留点进行聚类得到的多个簇以及各个簇所在的区域,并计算得到各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,以确定用户的工作场所,且判断用户在双休日是否发生通勤,进而确定用户的通勤规律,从而该获得通勤规律的装置,能够较为准确的获得用户的通勤规律,进而可以在用户存在周末出勤的情况时,在周末为用户推送“通勤卡片”,从而提高了用户的体验。
如图4所示,基于与上述获得通勤规律的方法相同的发明构思,本申请还提供一种电子设备1400,该电子设备1400包括一个或多个处理器1401和一个或多个存储器1402,存储器1402中存储了计算机可读代码,
其中,计算机可读代码当由一个或多个处理器1401执行时进行如下处理:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
优选地,所述计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,包括:
将每天的时间划分为若干个时间区间;
将各个簇中的各个历史停留点的停留时间根据所述的若干个时间区间转化为数组;
各个簇中的所有历史停留点分别按照工作日和双休日将多个历史停留点的数组进行加和得到各个簇的数组;
根据得到的所述各个簇的数组,计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
优选地,所述获得通勤规律的方法还包括:
当判断晚上发生通勤时,将所在的区域为工作场所的簇中的所有历史停留点分别按照周一至周日将多个历史停留点的数组进行加和得到该簇的数组;
根据得到的所述该簇的数组,计算工作场所车辆在周一至周日的不同的时间区域停留的概率;
根据得到的工作场所车辆在周一至周日的不同的时间区域停留的概率,判断晚上发生通勤的日期。
优选地,统计所在的区域为工作场所的簇中的所有历史停留点对应的历史行驶路径分别于周一至周日的出发时间,判断所述晚上发生通勤的日期的出发时间与其它日期的出发时间的差异是否超出一定阈值,当所述差异超出一定阈值时,则确定该日期晚上发生通勤。
优选地,所述获取车辆的多个历史停留点,包括:
获取车辆的历史行车轨迹;
基于所述车辆的历史行车轨迹,划分得到多个历史行驶路径;
根据划分得到的多个历史行驶路径,获取车辆的多个历史停留点,所述历史停留点为每个历史行驶路径的最后一个轨迹点。
优选地,所述基于所述车辆的历史行车轨迹划分得到多个历史行驶路径,包括:
基于所述车辆的历史行车轨迹以及与其对应的历史车辆运行数据进行划分,其中,每个历史行驶路径的第一个轨迹点与所述历史车辆运行数据中的点火数据相对应,每个历史行驶路径的最后一个轨迹点与所述历史车辆运行数据中的息火数据相对应,得到多个所述历史行驶路径。
优选地,划分得到的多个历史行驶路径中的相邻的两个历史行驶路径中的第一个历史行驶路径的最后一个轨迹点与第二个历史行驶路径的第一个轨迹点之间的时间差不小于300秒,且每一个历史行驶路径中包括至少10个轨迹点。
优选地,所述历史停留点为距离当前之前预定时间范围内的停留点。
优选地,一个簇中的所有停留点位于半径不大于预定值的圆中,且一个簇中包括至少两个停留点。
进一步地,电子设备1400还包括网络接口1403、输入设备1404、硬盘1405、和显示设备1406。
上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1401代表的一个或者多个中央处理器(CPU),以及由存储器1402代表的一个或者多个存储器1402的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解,总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外,还包括电源总线、控制总线和状态信号总线,这些都是本领域所公知的,因此本文不再对其进行详细描述。
网络接口1403,可以连接至网络(如因特网、局域网等),从网络中获取相关数据,并可以保存在硬盘1405中。
输入设备1404,可以接收操作人员输入的各种指令,并发送给处理器1401以供执行。输入设备1404可以包括键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
显示设备1406,可以将处理器1401执行指令获得的结果进行显示。
存储器1402,用于存储操作系统14021运行所必须的程序和数据,以及处理器1401计算过程中的中间结果等数据。
可以理解,本申请实施例中的存储器1402可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。本文描述的装置和方法的存储器1402旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器1402存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统14021和应用程序14014。
其中,操作系统14021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序14014,包含各种应用程序,例如浏览器(Browser)等,用于实现各种应用业务。实现本申请实施例方法的程序可以包含在应用程序14014中。
本申请上述实施例揭示的方法可以应用于处理器1401中,或者由处理器1401实现。处理器1401可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1401可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1402,处理器1401读取存储器1402中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本申请实施例中,该电子设备1400通过获得车辆的多个历史停留点进行聚类得到的多个簇以及各个簇所在的区域,并计算得到各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,以确定用户的工作场所,且判断用户在双休日是否发生通勤,进而确定用户的通勤规律,该用于获得通勤规律的电子设备,能够较为准确的获得用户的通勤规律,进而可以在用户存在周末出勤的情况时,在周末为用户推送“通勤卡片”,从而提高了用户的体验。
另外,本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储了计算机可读代码,计算机可读代码当由一个或多个处理器执行时进行如下处理:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
该计算机可读代码被处理器执行时实现上述获得通勤规律的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再对详细的过程进行赘述。其中,所述的计算机存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、磁碟或者光盘等。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种获得通勤规律的方法,其特征在于,包括如下步骤:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
2.根据权利要求1所述的获得通勤规律的方法,其特征在于,所述计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,包括:
将每天的时间划分为若干个时间区间;
将各个簇中的各个历史停留点的停留时间根据所述的若干个时间区间转化为数组;
各个簇中的所有历史停留点分别按照工作日和双休日将多个历史停留点的数组进行加和得到各个簇的数组;
根据得到的所述各个簇的数组,计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率。
3.根据权利要求2所述的获得通勤规律的方法,其特征在于,所述获得通勤规律的方法还包括:
当判断晚上发生通勤时,将所在的区域为工作场所的簇中的所有历史停留点分别按照周一至周日将多个历史停留点的数组进行加和得到该簇的数组;
根据得到的所述该簇的数组,计算工作场所车辆在周一至周日的不同的时间区域停留的概率;
根据得到的工作场所车辆在周一至周日的不同的时间区域停留的概率,判断晚上发生通勤的日期。
4.根据权利要求3所述的获得通勤规律的方法,其特征在于,统计所在的区域为工作场所的簇中的所有历史停留点对应的历史行驶路径分别于周一至周日的出发时间,判断所述晚上发生通勤的日期的出发时间与其它日期的出发时间的差异是否超出一定阈值,当所述差异超出一定阈值时,则确定该日期晚上发生通勤。
5.根据权利要求1所述的获得通勤规律的方法,其特征在于,所述获取车辆的多个历史停留点,包括:
获取车辆的历史行车轨迹;
基于所述车辆的历史行车轨迹,划分得到多个历史行驶路径;
根据划分得到的多个历史行驶路径,获取车辆的多个历史停留点,所述历史停留点为每个历史行驶路径的最后一个轨迹点。
6.根据权利要求5所述的获得通勤规律的方法,其特征在于,所述基于所述车辆的历史行车轨迹划分得到多个历史行驶路径,包括:
基于所述车辆的历史行车轨迹以及与其对应的历史车辆运行数据进行划分,其中,每个历史行驶路径的第一个轨迹点与所述历史车辆运行数据中的点火数据相对应,每个历史行驶路径的最后一个轨迹点与所述历史车辆运行数据中的息火数据相对应,得到多个所述历史行驶路径。
7.根据权利要求6所述的获得通勤规律的方法,其特征在于,划分得到的多个历史行驶路径中的相邻的两个历史行驶路径中的第一个历史行驶路径的最后一个轨迹点与第二个历史行驶路径的第一个轨迹点之间的时间差不小于300秒,且每一个历史行驶路径中包括至少10个轨迹点。
8.根据权利要求1所述的获得通勤规律的方法,其特征在于,所述历史停留点为距离当前之前预定时间范围内的停留点。
9.根据权利要求1所述的获得通勤规律的方法,其特征在于,一个簇中的所有停留点位于半径不大于预定值的圆中,且一个簇中包括至少两个停留点。
10.一种获得通勤规律的装置,其特征在于,包括:
获取模块:用于获取车辆的多个历史停留点;
聚类模块:用于将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算模块:用于计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
确定模块和判断模块:用于基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
11.一种用于获得通勤规律的电子设备,包括:
一个或多个处理器;
一个或多个存储器,其中存储了计算机可读代码,所述计算机可读代码当由所述一个或多个处理器执行时进行如下处理:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
12.一种计算机存储介质,其特征在于,其中存储了计算机可读代码,所述计算机可读代码当由一个或多个处理器执行时进行如下处理:
获取车辆的多个历史停留点;
将得到的多个历史停留点根据坐标进行聚类得到多个簇,进而得到各个簇所在的区域;
计算各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率;
基于所得的各个簇所在的区域车辆在工作日和双休日的不同的时间区间停留的概率,确定通勤规律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409630.3A CN111143779B (zh) | 2019-12-31 | 2019-12-31 | 获得通勤规律的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409630.3A CN111143779B (zh) | 2019-12-31 | 2019-12-31 | 获得通勤规律的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111143779A true CN111143779A (zh) | 2020-05-12 |
CN111143779B CN111143779B (zh) | 2023-07-25 |
Family
ID=70522450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911409630.3A Active CN111143779B (zh) | 2019-12-31 | 2019-12-31 | 获得通勤规律的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111143779B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053566A (zh) * | 2020-08-24 | 2020-12-08 | 青岛海信网络科技股份有限公司 | 电子设备及车辆的出行类型识别方法 |
CN112989222A (zh) * | 2021-03-04 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种位置确定方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006004361A1 (de) * | 2006-01-30 | 2007-08-02 | Bayerische Motoren Werke Ag | Verfahren und System zur Ermittlung der Aufenthaltswahrscheinlichkeit eines Fahrzeuges |
WO2017133627A1 (zh) * | 2016-02-03 | 2017-08-10 | 中兴通讯股份有限公司 | 用户通勤轨迹管理方法、装置及系统 |
CN108072378A (zh) * | 2016-11-15 | 2018-05-25 | 中国移动通信有限公司研究院 | 一种预测目的地的方法及装置 |
CN108286980A (zh) * | 2017-12-29 | 2018-07-17 | 广州通易科技有限公司 | 一种预测目的地和推荐驾驶路线的方法 |
CN109740823A (zh) * | 2019-01-25 | 2019-05-10 | 湖北大学 | 一种面向实时场景计算的出租车打车决策方法及系统 |
DE102018128398B3 (de) * | 2018-11-13 | 2019-12-19 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zum Vorhersagen des Verhaltens eines Umgebungsobjektes und Fahrerassistenzsystem |
-
2019
- 2019-12-31 CN CN201911409630.3A patent/CN111143779B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006004361A1 (de) * | 2006-01-30 | 2007-08-02 | Bayerische Motoren Werke Ag | Verfahren und System zur Ermittlung der Aufenthaltswahrscheinlichkeit eines Fahrzeuges |
WO2017133627A1 (zh) * | 2016-02-03 | 2017-08-10 | 中兴通讯股份有限公司 | 用户通勤轨迹管理方法、装置及系统 |
CN108072378A (zh) * | 2016-11-15 | 2018-05-25 | 中国移动通信有限公司研究院 | 一种预测目的地的方法及装置 |
CN108286980A (zh) * | 2017-12-29 | 2018-07-17 | 广州通易科技有限公司 | 一种预测目的地和推荐驾驶路线的方法 |
DE102018128398B3 (de) * | 2018-11-13 | 2019-12-19 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zum Vorhersagen des Verhaltens eines Umgebungsobjektes und Fahrerassistenzsystem |
CN109740823A (zh) * | 2019-01-25 | 2019-05-10 | 湖北大学 | 一种面向实时场景计算的出租车打车决策方法及系统 |
Non-Patent Citations (3)
Title |
---|
付鑫;孙茂棚;孙皓;: "基于GPS数据的出租车通勤识别及时空特征分析" * |
周春姐;张志旺;唐文静;: "公交网络中的乘客需求预测系统和方法" * |
唐小勇;周涛;陆百川;高志刚;: "一种基于手机信令的通勤OD训练方法" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053566A (zh) * | 2020-08-24 | 2020-12-08 | 青岛海信网络科技股份有限公司 | 电子设备及车辆的出行类型识别方法 |
CN112053566B (zh) * | 2020-08-24 | 2022-01-11 | 青岛海信网络科技股份有限公司 | 电子设备及车辆的出行类型识别方法 |
CN112989222A (zh) * | 2021-03-04 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种位置确定方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111143779B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111006682A (zh) | 导航路线规划方法、装置、电子设备及存储介质 | |
US9554402B2 (en) | Freeing up mobile network for important phone calls in case of disaster | |
JP6651006B2 (ja) | ガソリンスタンドpoiの自動発見方法、自動発見装置、及び記憶媒体と機器 | |
CN111143779B (zh) | 获得通勤规律的方法、装置、电子设备及存储介质 | |
CN109522923B (zh) | 客户地址聚合方法、装置及计算机可读存储介质 | |
CN113641994B (zh) | 基于图数据的数据处理方法及系统 | |
CN114201482A (zh) | 人口动态分布统计方法、装置、电子设备及可读存储介质 | |
CN109240893B (zh) | 应用运行状态查询方法及终端设备 | |
CN112738340B (zh) | 话务量的预测方法、装置、设备及存储介质 | |
CN111858624A (zh) | 一种车辆使用情况更新方法及装置 | |
CN111339468B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN111866051B (zh) | 一种资源信息的分配方法、装置、设备及介质 | |
CN113807575A (zh) | 停车需求预测方法、装置、可读存储介质及电子设备 | |
CN111049892B (zh) | 一种感知终端的数据处理方法及装置 | |
CN114329238A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN110177152B (zh) | 一种资讯推送方法及装置 | |
CN112857380B (zh) | 道路通行状态确定方法、装置、存储介质及电子设备 | |
CN113946493A (zh) | 一种监控阈值确定及监控报警方法、装置、设备和介质 | |
CN114234995A (zh) | 一种导航方法、装置、电子设备及存储介质 | |
CN114329058A (zh) | 图像聚档方法、装置和电子设备 | |
CN110718087B (zh) | 数据融合处理方法及装置 | |
CN114154711A (zh) | 交通信息推荐方法、装置、电子设备及计算机存储介质 | |
CN110619403A (zh) | 一种拼车方法和装置、电子设备、存储介质 | |
CN112070580A (zh) | 基于航班实况的信息展示方法、系统、电子设备及介质 | |
CN114676962A (zh) | 车辆需求还原策略的评估方法、装置及可读存储介质 |
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 |