CN111311784A - 用户画像确定方法、装置、计算机设备及存储介质 - Google Patents
用户画像确定方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111311784A CN111311784A CN202010141767.1A CN202010141767A CN111311784A CN 111311784 A CN111311784 A CN 111311784A CN 202010141767 A CN202010141767 A CN 202010141767A CN 111311784 A CN111311784 A CN 111311784A
- Authority
- CN
- China
- Prior art keywords
- parking
- vehicle
- information
- determining
- spot
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于计算机技术领域,提供了一种用户画像确定方法、装置、计算机设备及存储介质,所述用户画像确定方法包括:获取车辆的历史行驶数据;根据所述历史行驶数据确定所述车辆的停车信息;根据所述车辆的停车信息确定用户画像。本发明提供的一种用户画像确定方法通过在获取车辆历史行驶数据后,对历史行驶数据进行处理获取到车辆的停车信息,并利用停车信息进一步构建用户画像,一方面删去了行驶数据中大量且无意义的数据部分,减少了数据存储量以及计算量,另一方面保留了用户停车点等包含重要信息的数据,使得构建出的用户画像更加准确,更方便后续的智能推荐。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种用户画像确定方法、装置、计算机设备及存储介质。
背景技术
物联网技术在车辆中的应用,可以让用户的生活智能化、便捷化。车载地理位置信息记录设备普遍安装于目前的车辆之中,可以用于记录车辆的行驶信息将这些数据应用于数据挖掘领域,可以分析用户行为习惯,推测用户身份类别。
目前现有的推荐系统大多数都是基于车载地理位置信息记录设备所记录的行驶数据进行推荐,然而车载地理位置信息记录设备每隔数秒就会记录一次当前位置的行为,如此积累得到的大量数据往往会掩盖用户真实目的,因此利用车载地理位置信息记录设备所记录的行驶数据所构建出的用户画像往往却无法的很好的表达用户的特性。
可见,现有的基于车辆行驶数据所构建的用户画像还存在着无法准确表达用户特性的技术问题。
发明内容
本发明实施例的目的在于提供一种用户画像确定方法,旨在解决现有的基于车辆行驶数据所构建的用户画像还存在的无法准确表达用户特性的技术问题。
本发明实施例是这样实现的,一种用户画像确定方法,包括:
获取车辆的历史行驶数据;
根据所述历史行驶数据确定所述车辆的停车信息;
根据所述车辆的停车信息确定用户画像。
本发明实施例的另一目的在于提供一种用户画像确定装置,包括:
历史行驶数据获取模块,用于获取车辆的历史行驶数据;
停车信息确定模块,用于根据所述历史行驶数据确定所述车辆的停车信息;
用户画像模块,用于根据所述车辆的停车信息确定用户画像。
本发明实施例的另一目的在于提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述所述用户画像确定方法的步骤。
本发明实施例的另一目的在于提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述所述用户画像确定方法的步骤。
本发明实施例提供的一种用户画像确定方法,通过在获取车辆历史行驶数据后,对历史行驶数据进行处理获取到车辆的停车信息,并利用停车信息进一步构建用户画像,一方面删去了行驶数据中大量且无意义的数据部分,减少了数据存储量以及计算量,另一方面保留了用户停车点等包含重要信息的数据,使得构建出的用户画像更加准确,更方便后续的智能推荐。
附图说明
图1为本发明实施例提供的一种用户画像确定方法的步骤流程图;
图2为本发明实施例提供的一种确定停车点信息的步骤流程图;
图3为本发明实施例提供的另一种确定停车点信息的步骤流程图;
图4为本发明实施例提供的又一种确定停车点信息的步骤流程图;
图5为本发明实施例提供的再一种确定停车点信息的步骤流程图;
图6为本发明实施例提供的一种确定用户画像的步骤流程图;
图7为本发明实施例提供的另一种确定用户画像的步骤流程图;
图8为本发明实施例提供的一种用户画像确定装置的结构示意图;
图9为本发明实施例提供的一种可执行确定用户画像的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,为本发明实施例提供的一种用户画像确定方法的步骤流程图,具体包括以下步骤:
步骤S102,获取车辆的历史行驶数据。
在本发明实施例中,所述获取的车辆历史行驶数据通常包括在预设时间范围内的时间点信息,例如,最近一个月/半年内每隔2s/5s 所采集的数据,车辆历史行驶数据越多,所确定的用户画像越准确,但数据存储量和计算量也越大,因此,看具体的时间范围可以根据用户需要自行定义。此外,车辆历史行驶数据显然还应当包括与所述时间点信息对应的车辆位置数据。
步骤S104,根据所述历史行驶数据确定所述车辆的停车信息。
在本发明实施例中,通过对大量历史行驶数据进行处理,筛选出停车信息,由于停车信息通常与用户的目标地关联,通常包含了重要信息,即在有效降低数据存储量以及计算量的同时,保留了更多的用户特征,可以建立更加准确的用户画像。
在本发明实施例中,其中根据所述历史行驶数据确定所述车辆的停车信息的几种实现方式请参阅后续图2~图5及其解释说明。
步骤S106,根据所述车辆的停车信息确定用户画像。
在本发明实施例中,利用停车信息所确定的用户画像更加合理,从而为后续用户画像的应用例如个性化推荐服务提供基础保障。
在本发明实施例中,其中根据根据所述车辆的停车信息确定用户画像的几种实现方式请参阅后续图6~图7及其解释说明。
本发明实施例提供的一种用户画像确定方法,通过在获取车辆历史行驶数据后,对历史行驶数据进行处理获取到车辆的停车信息,并利用停车信息进一步构建用户画像,一方面删去了行驶数据中大量且无意义的数据部分,减少了数据存储量以及计算量,另一方面保留了用户停车点等包含重要信息的数据,使得构建出的用户画像更加准确,更方便后续的智能推荐。
如图2所示,为本发明实施例提供的一种确定停车点信息的步骤流程图,具体包括以下步骤:
步骤S202,对车辆在各个时刻下的经度位置数据与维度位置数据按照时刻进行排序。
在本发明实施例中,车辆的历史行驶数据所包括的车辆位置数据通常是以经纬度坐标表示,即每一条数据都至少包含时刻、经度、纬度这三项数据。
在本发明实施例中,将获取的数据按照时刻顺序排列,从而可以形象的得到随时间变化的车辆位置信息。
步骤S204,依次判断车辆在相邻时刻下的经度位置数据与维度位置数据是否相同。当判断车辆在第一时刻下的经度位置数据与维度位置数据分别与车辆在前一时刻下的经度位置数据与维度位置数据相同时,执行步骤S206;当判断车辆在第一时刻下的经度位置数据与维度位置数据不是分别与车辆在前一时刻下的经度位置数据与维度位置数据相同时,执行其他步骤。
在本发明实施例中,显然,当车辆在相邻两个时刻内的位置数据都未发生改变时,表明车辆在该时刻内未移动,大概率处于停车状态,执行步骤S206,当车辆在相邻两个时刻内的位置数据发生改变时,表明车辆在该时刻内移动过,大概率处于行驶状态,因此,通常需要舍弃这类数据。
步骤S206,根据第一时刻下的经度位置数据与维度位置数据确定停车点的位置信息。
在本发明实施例中,在确定停车时刻后,进一步得到各个停车时刻对应的停车点的位置信息。
步骤S208,计算车辆在所述停车点的停车时长。
在本发明实施例中,一般情况下,考虑到停车时间越长,表明用户在目的地的停留时间越长,该目的地对用户的重要度通常也会越高,例如更有可能是住所所在地、工作地点所在地,因此,通过进一步计算在各个停车点上的停车时长,并作为停车信息的一部分,所构建出的用户画像更加准确。
步骤S210,根据所述停车点的位置信息以及车辆在所述停车点的停车时长确定所述车辆的停车信息。
在本发明实施例中,通过对历史行驶数据进行筛选,最终可以得到若干个停车点,以及在每个停车点上的停车时刻段与停车时长,以便后续的用户画像构建。
如图3所示,为本发明实施例提供的另一种确定停车点信息的步骤流程图,详述如下。
在本发明实施例中,与图2所示出的一种确定停车点信息的步骤流程图的不同之处在于,在所述步骤S208之后,还包括:
步骤S302,判断车辆在所述停车点的停车时长是否大于预设的停车时长阈值。当判断车辆在所述停车点的停车时长大于预设的停车时长阈值时,执行步骤S210;当判断车辆在所述停车点的停车时长不大于预设的停车时长阈值时,执行其他步骤。
在本发明实施例中,考虑到实际应用中,也会存在意外停车的情况,例如红路灯停车、停车让行,对于这类停车数据,通常也不具有较多的实际应用价值,可以考虑停车时长上对各类停车点进行进一步筛选。例如,当停车时长为10~30秒内,表明此次停车更有可能是意外停车,不具有实际意义,为无效停车点,可以进一步舍弃这类停车点。通过进一步筛选,可以降低无效停车点对用户画像的干扰,同时也有效降低了数据计算量。
在本发明实施例中,停车时长阈值可以设置为30s。
如图4所示,为本发明实施例提供的又一种确定停车点信息的步骤流程图,详述如下。
在本发明实施例中,与图2所示出的一种确定停车点信息的步骤流程图的不同之处在于,在所述步骤S208之后,还包括:
步骤S402,计算相邻时刻的时间差。
步骤S404,根据所述时间差以及预设的采样时间差确定停车点的停车类型。
在本发明实施例中,所述停车类型包括设备开启状态停车类型以及设备关闭状态停车类型。
在本发明实施例中,考虑到车辆行驶数据的采集需要依赖于车载地理位置信息记录设备,只有当车载地理位置信息记录设备打开后才能实现行驶数据的记录,因此,可以通过计算相邻两时刻的时间差来判断车载地理位置信息记录设备是打开还是处于关闭状态,通常情况下考虑到车载地理位置信息记录设备的打开与关闭是与车辆的工作状态与非工作状态关联的,可以进一步确定车辆是处于工作状态还是非工作状态,对于不同工作状态下的停车类型同样可以反馈出不同的信息。
在本发明实施例中,通常情况下,采样时间差可以设置为5~10s。
所述步骤S210具体为:
步骤S406,根据所述停车点的位置信息、所述停车点的停车类型以及车辆在所述停车点的停车时长确定所述车辆的停车信息。
在本发明实施例中,将停车点的停车类型作为停车信息去构建用户画像,构建出的用户画像更加准确。
如图5所示,为本发明实施例提供的再一种确定停车点信息的步骤流程图,详述如下。
在本发明实施例中,与图2所示出的一种确定停车点信息的步骤流程图的不同之处在于,在所述步骤S210之后,还包括:
步骤S502,根据所述车辆在停车点的停车时刻信息确定出周期停车点。
在本发明实施例中,当统计出车辆在停车点的停车时刻信息后,可以进一步通过分析停车时刻的规律,筛选出周期性停车的停车点,该类停车点通常是工作、住所处的停车点,包含较重要的信息,在构建用户画像时具有较好的效果。
步骤S504,确定车辆在所述周期停车点的停车周期。
在本发明实施例中,通过将周期停车点的停车周期同样即为停车信息的一部分,在后续构建及运用用户画像时,能够根据周期规律对用户进行智能提醒。
如图6所示,为本发明实施例提供的一种确定用户画像的步骤流程图,具体包括以下步骤:
步骤S602,根据车辆在所述停车点的停车时长确定所述停车点的权重。
在本发明实施例中,结合前述步骤S208的论述可知,停车点的停车时长同样影响到用户画像的构建,显然,停车时长越长的停车点对应的目的地对用户的重要度越高,此时该停车点的权重可以预设的更高。
步骤S604,根据所述停车点的位置信息获取所述停车点的周围兴趣点分类信息。
在本发明实施例中,通过调用开源地图开发者平台API,就可以确定出停车点的周围兴趣点分类信息,也就是POI信息,具体的POI 分类规则在此不做赘述。
步骤S606,根据所述停车点的权重以及所述停车点的周围兴趣点分类信息计算用户的偏好向量,并生成用户画像。
在本发明实施例中,根据兴趣点分类信息可以构建多维向量,向量的维度等于周围兴趣点分类个数,每一个停车点都可以表示一个多维向量,结合各个停车点的权重将多维向量相加,即可得到用户的偏好向量,生成用户的画像。
如图7所示,为本发明实施例提供的另一种确定用户画像的步骤流程图,详述如下。
在本发明实施例中,与图6示出的一种确定用户画像的步骤流程图的区别在于,所述步骤S602具体为:
步骤S702,根据车辆在所述停车点的停车时长以及停车频次确定所述停车点的权重。
在本发明实施例中,除了考虑各个停车点的停车时长外,进一步可以考虑各个停车点的停车频次,显然停车频次越高,停车点越重要,权重值也可以预设的更高。
在本发明实施例中,进一步考虑停车点的频次,此时所确定的停车点权重更加全面真实,计算出的用户偏好向量更加准确。
如图8所示,为本发明实施例提供的一种用户画像确定装置的结构示意图,详述如下。
在本发明实施例中,所述用户画像确定装置包括历史行驶数据获取模块810、停车信息确定模块820以及用户画像模块830。
所述历史行驶数据获取模块810,用于获取车辆的历史行驶数据。
在本发明实施例中,所述获取的车辆历史行驶数据通常包括在预设时间范围内的时间点信息,例如,最近一个月/半年内每隔2s/5s 所采集的数据,车辆历史行驶数据越多,所确定的用户画像越准确,但数据存储量和计算量也越大,因此,看具体的时间范围可以根据用户需要自行定义。此外,车辆历史行驶数据显然还应当包括与所述时间点信息对应的车辆位置数据。
所述停车信息确定模块820,用于根据所述历史行驶数据确定所述车辆的停车信息。
在本发明实施例中,所述获取的车辆历史行驶数据通常包括在预设时间范围内的时间点信息,例如,最近一个月/半年内每隔2s/5s 所采集的数据,车辆历史行驶数据越多,所确定的用户画像越准确,但数据存储量和计算量也越大,因此,看具体的时间范围可以根据用户需要自行定义。此外,车辆历史行驶数据显然还应当包括与所述时间点信息对应的车辆位置数据
所述用户画像模块830,用于根据所述车辆的停车信息确定用户画像。
在本发明实施例中,利用停车信息所确定的用户画像更加合理,从而为后续用户画像的应用例如个性化推荐服务提供基础保障。
本发明实施例提供的一种用户画像确定装置,通过在获取车辆历史行驶数据后,对历史行驶数据进行处理获取到车辆的停车信息,并利用停车信息进一步构建用户画像,一方面删去了行驶数据中大量且无意义的数据部分,减少了数据存储量以及计算量,另一方面保留了用户停车点等包含重要信息的数据,使得构建出的用户画像更加准确,更方便后续的智能推荐。
图9示出了一个实施例中计算机设备的内部结构图。如图9所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现用户画像确定方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行用户画像确定方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的用户画像确定装置可以实现为一种计算机程序的形式,计算机程序可在如图9所示的计算机设备上运行。计算机设备的存储器中可存储组成该用户画像确定装置的各个程序模块,比如,图8所示的历史行驶数据获取模块810、停车信息确定模块820以及用户画像模块830。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的用户画像确定方法中的步骤。
例如,图9所示的计算机设备可以通过如图8所示的用户画像确定装置中的历史行驶数据获取模块810执行步骤S102;计算机设备可通过、停车信息确定模块820执行步骤S104;计算机设备可通过用户画像模块830执行步骤S106。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取车辆的历史行驶数据;
根据所述历史行驶数据确定所述车辆的停车信息;
根据所述车辆的停车信息确定用户画像。
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
获取车辆的历史行驶数据;
根据所述历史行驶数据确定所述车辆的停车信息;
根据所述车辆的停车信息确定用户画像。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM 以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步 DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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本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。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户画像确定方法,其特征在于,包括:
获取车辆的历史行驶数据;
根据所述历史行驶数据确定所述车辆的停车信息;
根据所述车辆的停车信息确定用户画像。
2.根据权利要求1所述的用户画像确定方法,其特征在于,所述车辆的历史行驶数据包括预设时间范围内的时间点信息以及与所述时间点信息对应的车辆位置数据;所述根据所述历史行驶数据确定所述车辆的停车点信息的步骤具体包括:
对车辆在各个时刻下的经度位置数据与维度位置数据按照时刻进行排序;
依次判断车辆在相邻时刻下的经度位置数据与维度位置数据是否相同;
当判断车辆在第一时刻下的经度位置数据与维度位置数据分别与车辆在前一时刻下的经度位置数据与维度位置数据相同时,根据所述第一时刻下的经度位置数据与维度位置数据确定停车点的位置信息;
计算车辆在所述停车点的停车时长;
根据所述停车点的位置信息以及车辆在所述停车点的停车时长确定所述车辆的停车信息。
3.根据权利要求2所述的用户画像确定方法,其特征在于,在所述计算车辆在所述停车点的停车时长的步骤之后,还包括:
判断车辆在所述停车点的停车时长是否大于预设的停车时长阈值;
所述根据所述停车点的位置信息以及车辆在所述停车点的停车时长确定所述车辆的停车信息的步骤,具体为:
当判断车辆在所述停车点的停车时长大于预设的停车时长阈值时,根据所述停车点的位置信息以及车辆在所述停车点的停车时长确定所述车辆的停车信息。
4.根据权利要求2所述的用户画像确定方法,其特征在于,在所述计算车辆在所述停车点的停车时长步骤之后,还包括:
计算相邻时刻的时间差;
根据所述时间差以及预设的采样时间差确定停车点的停车类型;停车类型包括设备开启状态停车类型以及设备关闭状态停车类型。
所述根据所述停车点的位置信息以及车辆在所述停车点的停车时长确定所述车辆的停车信息的步骤具体包括:
根据所述停车点的位置信息、所述停车点的停车类型以及车辆在所述停车点的停车时长确定所述车辆的停车信息。
5.根据权利要求2所述的用户画像确定方法,其特征在于,在所述根据所述停车点的位置信息以及车辆在所述停车点的停车时长确定所述车辆的停车信息的步骤之后,还包括:
根据所述车辆在停车点的停车时刻信息确定出周期停车点;
确定车辆在所述周期停车点的停车周期。
6.根据权利要求2所述的用户画像确定方法,其特征在于,所述根据所述车辆的停车信息确定用户画像的步骤,具体包括:
根据车辆在所述停车点的停车时长确定所述停车点的权重;
根据所述停车点的位置信息获取所述停车点的周围兴趣点分类信息;
根据所述停车点的权重以及所述停车点的周围兴趣点分类信息计算用户的偏好向量,并生成用户画像。
7.根据权利要求6所述的用户画像确定方法,其特征在于,所述根据车辆在所述停车点的停车时长确定所述停车点的权重的步骤,具体为:
根据车辆在所述停车点的停车时长以及停车频次确定所述停车点的权重。
8.一种用户画像确定装置,其特征在于,包括:
历史行驶数据获取模块,用于获取车辆的历史行驶数据;
停车信息确定模块,用于根据所述历史行驶数据确定所述车辆的停车信息;
用户画像模块,用于根据所述车辆的停车信息确定用户画像。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至7中任一项权利要求所述用户画像确定方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至7中任一项权利要求所述用户画像确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010141767.1A CN111311784A (zh) | 2020-03-04 | 2020-03-04 | 用户画像确定方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010141767.1A CN111311784A (zh) | 2020-03-04 | 2020-03-04 | 用户画像确定方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111311784A true CN111311784A (zh) | 2020-06-19 |
Family
ID=71155249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010141767.1A Pending CN111311784A (zh) | 2020-03-04 | 2020-03-04 | 用户画像确定方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311784A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469232A (zh) * | 2021-06-21 | 2021-10-01 | 上汽通用五菱汽车股份有限公司 | 车辆用户分类方法、设备及计算机可读存储介质 |
CN113961734A (zh) * | 2021-12-22 | 2022-01-21 | 松立控股集团股份有限公司 | 基于停车数据和app操作日志的用户和车辆画像构建方法 |
CN114141014A (zh) * | 2021-11-30 | 2022-03-04 | 中寰卫星导航通信有限公司 | 一种停车场的确定方法、装置、设备及存储介质 |
WO2022105111A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN115131897A (zh) * | 2022-07-01 | 2022-09-30 | 潍柴动力股份有限公司 | 行驶路线的存储方法以及其存储装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1717557A1 (en) * | 2004-02-17 | 2006-11-02 | Kabushiki Kaisha Kenwood | Guidance route search device, navigation device, and method of searching guidance route |
US20130254900A1 (en) * | 2010-08-13 | 2013-09-26 | Nokia Corporation | Method and apparatus for secure shared personal map layer |
CN104299414A (zh) * | 2013-07-17 | 2015-01-21 | 龚轶 | 一种车辆位置信息统计方法 |
CN105843943A (zh) * | 2016-04-08 | 2016-08-10 | 深圳广联赛讯有限公司 | 车辆常驻地分析方法 |
CN107622414A (zh) * | 2017-08-16 | 2018-01-23 | 芜湖恒天易开软件科技股份有限公司 | 绘制电动车租赁用户画像的方法 |
CN108170793A (zh) * | 2017-12-27 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 基于车辆语义轨迹数据的停留点分析方法及其系统 |
CN108535740A (zh) * | 2018-03-27 | 2018-09-14 | 吉旗(成都)科技有限公司 | 一种基于gps的驻停时长算法 |
CN110442780A (zh) * | 2019-06-21 | 2019-11-12 | 万翼科技有限公司 | 基于智慧园区的车主画像生成方法、装置和计算机设备 |
-
2020
- 2020-03-04 CN CN202010141767.1A patent/CN111311784A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1717557A1 (en) * | 2004-02-17 | 2006-11-02 | Kabushiki Kaisha Kenwood | Guidance route search device, navigation device, and method of searching guidance route |
US20130254900A1 (en) * | 2010-08-13 | 2013-09-26 | Nokia Corporation | Method and apparatus for secure shared personal map layer |
CN104299414A (zh) * | 2013-07-17 | 2015-01-21 | 龚轶 | 一种车辆位置信息统计方法 |
CN105843943A (zh) * | 2016-04-08 | 2016-08-10 | 深圳广联赛讯有限公司 | 车辆常驻地分析方法 |
CN107622414A (zh) * | 2017-08-16 | 2018-01-23 | 芜湖恒天易开软件科技股份有限公司 | 绘制电动车租赁用户画像的方法 |
CN108170793A (zh) * | 2017-12-27 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 基于车辆语义轨迹数据的停留点分析方法及其系统 |
CN108535740A (zh) * | 2018-03-27 | 2018-09-14 | 吉旗(成都)科技有限公司 | 一种基于gps的驻停时长算法 |
CN110442780A (zh) * | 2019-06-21 | 2019-11-12 | 万翼科技有限公司 | 基于智慧园区的车主画像生成方法、装置和计算机设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105111A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN113469232A (zh) * | 2021-06-21 | 2021-10-01 | 上汽通用五菱汽车股份有限公司 | 车辆用户分类方法、设备及计算机可读存储介质 |
CN114141014A (zh) * | 2021-11-30 | 2022-03-04 | 中寰卫星导航通信有限公司 | 一种停车场的确定方法、装置、设备及存储介质 |
CN113961734A (zh) * | 2021-12-22 | 2022-01-21 | 松立控股集团股份有限公司 | 基于停车数据和app操作日志的用户和车辆画像构建方法 |
CN115131897A (zh) * | 2022-07-01 | 2022-09-30 | 潍柴动力股份有限公司 | 行驶路线的存储方法以及其存储装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311784A (zh) | 用户画像确定方法、装置、计算机设备及存储介质 | |
CN109886330B (zh) | 文本检测方法、装置、计算机可读存储介质和计算机设备 | |
CN114359563B (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
US20210020036A1 (en) | Predicting short-term traffic flow congestion on urban motorway networks | |
CN107247909B (zh) | 一种在位置信息服务中保护多个位置的差分隐私方法 | |
CN111091215B (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
US10444062B2 (en) | Measuring and diagnosing noise in an urban environment | |
CN113051409A (zh) | 基于多维度信息计算的知产行业商机推荐系统及存储介质 | |
CN111815576A (zh) | 金属部件腐蚀状况检测方法、装置、设备和存储介质 | |
CN110262863B (zh) | 一种终端主界面的展示方法和装置 | |
CN114348019A (zh) | 车辆轨迹预测方法、装置、计算机设备和存储介质 | |
CN117037482A (zh) | 道路交通运行状态实时感知方法、系统、设备及存储介质 | |
KR102482149B1 (ko) | 노이즈가 있는 다중 모드형 데이터로부터 관심 지점에 대한 최적의 운송 서비스 위치의 자동 결정 | |
CN116579460A (zh) | 信息预测方法、装置、计算机设备和存储介质 | |
CN111652152A (zh) | 人群密度检测方法、装置、计算机设备和存储介质 | |
CN116453371A (zh) | 共享车辆的还车识别方法、装置、计算机设备和存储介质 | |
CN116443032A (zh) | 一种未来长时车速预测方法、系统、设备和存储介质 | |
CN115830870A (zh) | 收费站数据处理方法、装置、计算机设备和存储介质 | |
CN111369029A (zh) | 服务选择预测方法、装置、电子设备及存储介质 | |
CN112380443B (zh) | 导乘推荐方法、装置、计算机设备和存储介质 | |
WO2021139480A1 (zh) | Gis服务聚合方法、装置、计算机设备和存储介质 | |
CN114872718A (zh) | 车辆轨迹预测方法、装置、计算机设备和存储介质 | |
CN111158812A (zh) | 基于界面预测模型的界面展示方法、装置和计算机设备 | |
CN111861540A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN112837083A (zh) | 用户行为数据处理方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |
|
RJ01 | Rejection of invention patent application after publication |