CN111489024A - 出行方案推荐方法、装置、设备及存储介质 - Google Patents
出行方案推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111489024A CN111489024A CN202010258486.4A CN202010258486A CN111489024A CN 111489024 A CN111489024 A CN 111489024A CN 202010258486 A CN202010258486 A CN 202010258486A CN 111489024 A CN111489024 A CN 111489024A
- Authority
- CN
- China
- Prior art keywords
- travel
- lines
- determining
- characteristic information
- information
- 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
Images
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
- 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
Abstract
本公开涉及一种出行方案推荐方法、装置、设备及存储介质。所述出行方案推荐方法通过在出行方案中包括至少两条线路时,根据所述至少两条线路对应的发车时间间隔,确定包括所述至少两条线路的出行方案对应的目标等车时间分布信息,并根据由所述目标等车时间分布信息确定的所述出行特征信息,确定所述出行事件的出行推荐信息。使得出行推荐时,能够综合出行方案中的所有线路的线路特征信息,保证了出行方案的推荐能够更加合理和准确。
Description
技术领域
本公开涉及数据处理领域,尤其涉及一种出行方案推荐方法、装置、设备及存储介质。
背景技术
当前越来越鼓励绿色出行、公共出行,公共出行方式多为公交或地铁的出行方式,基于此,公交规划服务通过为用户提供出行方案,也越来越受关注。现有的公交规划服务大多会为用户提供多个出行方案,并且会将多个出行方案的优先级排序展现给用户,以方便用户选择最优出行方案。但是有些出行方案中会包括至少两条线路,现有对于这种出行方案的排序,一般只考虑其中一条线路,或者通过单一策略选择其中一条线路,这种通过出行方案中的一条线路来表征该出行方案的方式,没有考虑其它线路对出行方案的影响,使得出行方案的排序不够合理,从而使得公交规划服务的出行推荐的合理性欠佳。
发明内容
有鉴于此,本公开提出了一种一种出行方案推荐方法、装置、设备及存储介质。
根据本公开的一方面,提供了一种出行方案推荐方法,包括:
根据出行事件的起点信息和终点信息,确定至少两个出行方案;
获取所述至少两个出行方案中线路的线路特征信息,所述线路特征信息包括发车时间间隔;
若所述出行方案中包括至少两条线路,根据所述至少两条线路对应的发车时间间隔,分别确定所述至少两条线路对应的等车时间分布信息;
根据所述至少两条线路分别对应的等车时间分布信息,确定包括所述至少两条线路的出行方案的目标等车时间分布信息;
根据所述出行方案的目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息;
根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
根据本公开的另一方面,提供了一种出行方案推荐装置,包括:
出行方案确定模块,用于根据出行事件的起点信息和终点信息,确定至少两个出行方案;
线路特征信息获取模块,用于获取所述至少两个出行方案中线路的线路特征信息,所述线路特征信息包括发车时间间隔;
等车时间分布信息确定模块,用于若所述出行方案中包括至少两条线路,根据所述至少两条线路对应的发车时间间隔,分别确定所述至少两条线路对应的等车时间分布信息;
目标等车时间分布信息确定模块,用于根据所述至少两条线路分别对应的等车时间分布信息,确定包括所述至少两条线路的出行方案的目标等车时间分布信息;
出行特征信息确定模块,用于根据所述出行方案的目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息;
出行推荐信息确定模块,用于根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
根据本公开的另一方面,提供了一种出行方案推荐设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
通过在出行方案中包括至少两条线路时,根据所述至少两条线路对应的发车时间间隔,确定包括所述至少两条线路的出行方案对应的目标等车时间分布信息,并根据由所述目标等车时间分布信息确定的所述出行特征信息,确定所述出行事件的出行推荐信息。使得出行推荐时,能够综合出行方案中的所有线路的线路特征信息,保证了出行方案的推荐能够更加合理和准确。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例提供的一种应用系统的示意图。
图2示出根据本公开一实施例的出行方案推荐方法的流程图。
图3示出根据本公开一实施例的出行方案包括三条线路的示意图。
图4示出根据本公开一实施例的根据所述目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息的方法流程图。
图5示出根据本公开一实施例的出行方案推荐方法的流程图。
图6示出根据本公开一实施例的发车时间间隔的确定方法的流程图。
图7示出根据本公开一实施例的出行方案推荐方法的流程图。
图8示出根据本公开一实施例的根据所述至少两条线路分别对应的等车时间分布信息和所述目标等车时间分布信息以及所述站数和/或乘车时间,确定包括所述至少两条线路的出行方案对应的出行特征信息的方法流程图。
图9示出根据本公开一实施例的所述根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息的方法流程图。
图10示出根据本公开一实施例的出行方案包括两个路段的示意图。
图11示出根据本公开一实施例的出行方案推荐方法的流程图。
图12示出根据本公开一实施例的所述根据出行事件的起点信息和终点信息,确定至少两个出行方案的方法流程图。
图13示出根据本公开一实施例的出行方案推荐装置的结构框图。
图14示出根据本公开一实施例的一种用于出行方案推荐的装置1400的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
近年来,随着人工智能技术研究和进步,人工智能技术在多个领域得到广泛应用,本公开实施例提供的方案涉及人工智能的机器学习/深度学习等技术,具体通过如下实施例进行说明。
请参阅图1,图1示出根据本公开一实施例提供的一种应用系统的示意图。所述应用系统可以用于出行方案的确定和推荐。如图1所示,该应用系统至少可以包括服务器01和终端02。
本公开实施例中,所述服务器01可以包括独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content DeliveryNetwork,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本公开实施例中,所述终端02可以包括智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、智能可穿戴设备等类型的实体设备。实体设备,也可以包括运行于实体设备中的软体,例如应用程序等。本公开实施例中终端02上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。
本说明书实施例中,上述终端02以及服务器01可以通过有线或无线通信方式进行直接或间接地连接,本申请对此不作限定。
本说明书实施例中,用户可以在终端02上输入出行事件的起点信息和终点信息,所述服务器01可以根据出行事件的起点信息和终点信息,执行本公开的出行方案推荐方法,确定出行事件的出行推荐信息。可选地,可以将出行事件的出行推荐信息发送至终端02,以将所述出行事件的出行推荐信息展现给用户,方便用户进行出行选择。
在一种可能的实现方式中,所述服务器01在确定所述出行事件的出行推荐信息时,可以将至少两个出行方案对应的出行特征信息输入排序模型进行出行方案排序处理,从而确定出行事件的出行推荐信息。所述排序模型可以是服务器01预先基于训练样本集进行机器学习训练确定的,这里的训练样本集可以包括样本出行方案对应的出行特征信息以及排序标签。
需要说明的是,在实际应用中,本公开的出行方案推荐方法也可以在终端02中实现,在本公开实施例中,优选的,在服务器01中实现所述出行方案推荐方法。
本公开主要是为了使得出行方案的排序更加合理,不直接将出行方案包括的线路特征信息用于出行方案的排序,而是对出行方案包括的线路特征信息进行处理,确定出行方案对应的出行特征信息,然后将确定的出行方案对应的出行特征信息用于出行方案的排序。这样,在出行方案包括至少两条线路时,根据本公开实施例确定的出行特征信息可以更合理的表征出行方案的优劣,从而使得出行方案的排序更加合理,进一步地,可以使得推荐给用户的出行推荐信息更加合理。具体地,可以参见下述介绍的出行方案推荐方法。图2示出根据本公开一实施例的出行方案推荐方法的流程图。如图2所示,所述出行方案推荐方法可以包括:
步骤S11,根据出行事件的起点信息和终点信息,确定至少两个出行方案。
在本说明实施例中,起点信息可以包括起点的位置信息、起点所在的道路信息或起点所在的场所信息等;终点信息可以包括终点的位置信息、终点所在的道路信息或终点所在的场所信息等。本公开对起点信息和终点信息不作限定。
在本说明书实施例中,可以根据出行事件的起点信息和终点信息,确定多条线路;然后可以根据所述多条线路,确定至少两个出行方案。本公开对所述多条线路的确定以及出行方案的确定方式均不作限定。其中,每个出行方案可以包括至少一条线路。这里的线路可以包括起始站点(上车站点)、终止站点(下车站点)和交通工具标识符。其中,交通工具的标识符可以用于唯一标识所述交通工具。所述起始站点和终止站点可以是交通工具途经的站点,交通工具可以为公共交通工具,例如公交或地跌。下文以公共交通工具为例进行介绍。
在实际应用中,出行方案中的线路可以是直达的情况,也可以为换乘的情况。在一个示例中,出行方案中线路可以为直达的情况,如图3所示,该出行方案可以表示为:起点---起始站点(上车站点)---公共交通工具的标识符(1路/2路/3路)---终止站点(下车站点)---终点。可见,该出行方案中包括3条线路,该3条线路可以表示为:起始站点--1路---终止站点、起始站点--2路---终止站点、起始站点--3路---终止站点。
可选地,可以预先设置出行方案的数量,所述出行方案中的至少一个出行方案可以包括至少两条线路。
以下以图3的出行方案为例,介绍本公开实施例的出行方案推荐方法。
步骤S12,分别获取所述至少两个出行方案中线路的线路特征信息,所述线路特征信息包括发车时间间隔。所述线路特征信息可以用于表征所述线路的运行特征。
在一个示例中,发车时间间隔可以是公共交通工具的时间安排表中的发车时间间隔。或者,发车时间间隔可以是预先对采集的公共交通工具的实际发车时间间隔进行处理得到的发车时间间隔,比如,对实际发车时间间隔进行统计得到的发车时间间隔。所述发车时间间隔可以是固定值。可选地,发车时间间隔可以与公共交通工具的标识符进行关联存储,例如存储在公共交通工具的交通信息数据库中。
在实际应用中,公共交通工具的交通信息数据库中还可以包括公共交通工具途经任意两个站点的时长、到达每一个站点的时间表等。
在本说明书实施例中,可以根据至少两个出行方案中线路包括的公共交通工具的标识符,查找交通信息数据库,分别获取至少两个出行方案中线路的线路特征信息,该线路特征信息可以包括发车时间间隔。
步骤S13,若所述出行方案中包括至少两条线路,根据所述至少两条线路对应的发车时间间隔,分别确定所述至少两条线路对应的等车时间分布信息。
在本说明书实施例中,至少两条线路对应的等车时间分布信息可以包括等车时间分布函数,具体地,等车时间分布函数可以为表征线路对应的等车时间内来车概率分布的指数分布函数,等车时间分布函数的参数可以为率参数λ。
具体地,对于一条线路来说,该一条线路中可以包括一个公共交通工具,在该公共交通工具的某一个站点(比如起始站点)的单位时间内,该公共交通工具出现的次数可以服从指数分布,例如F(t;λ)=1-e-λt,所述λ可以为单位时间内该公共交通工具在起始站点出现的次数,所述F(t;λ)可以表示t时间内该公共交通工具在起始站点出现的概率(即来车概率)。如图3所示,假设2路的发车时间间隔为10分钟,所述单位时间为1分钟,该2路对应的λ可以为1/10=0.1。
在本说明书实施例中,当出行方案中包括至少两条线路时,包括至少两条线路的出行方案的目标等车时间分布信息也可以包括目标等车时间分布函数,该目标等车时间分布函数可以为表征出行方案对应的等车时间内来车概率分布的目标指数分布函数,所述目标等车时间分布函数的参数可以为目标率参数λM。
比如n条线路时,在t时间内n条线路的公共交通工具在起始站点出现的概率(也即包括n线路的出行方案在t时间内的来车概率)可以表示为P,所述P可以为1-(一辆车都不来的概率),因此所述P的计算可以如公式(1):
P=1-(1-P1)(1-P2)…(1-Pn); (1)
其中,所述P1、P2…Pn表示t时间内第1条线路、第2条线路至第n条线路分别对应的来车概率;所述Pi可以表示t时间内第i条线路对应的来车概率,所述λi可以表示第i条线路对应的等车时间分布函数的率参数;所述i为1,2…n。
由公式(2)可以得出,如果出行方案中包括n条线路,该出行方案对应的目标等车时间分布函数的目标率参数从而可以得到包括n条线路的出行方案的目标等车时间分布信息包括的目标等车时间分布函数所述目标等车时间分布函数的概率密度函数
由上述的推论可知,出行方案中的线路增多,可以增加出行方案在t时间内的来车概率。并且,包括所述至少两条线路的出行方案的目标指数分布函数的率参数可以为所述至少两条线路的指数分布函数的率参数的和。在出行方案包括至少两条线路时,其来车概率和上一辆车到站的时间无关,具有无记忆性。
步骤S14,根据所述至少两条线路分别对应的等车时间分布信息,确定包括所述至少两条线路的出行方案对应的目标等车时间分布信息。
由上述的推论,可以根据至少两条线路分别对应的等车时间分布函数的率参数,确定包括所述至少两条线路的出行方案的目标等车时间分布信息。例如,出行方案包括三条线路,如图3所示,第一条线路的发车时间间隔为20分钟,第二条线路的发车时间间隔为10分钟,第三条线路的发车时间间隔为5分钟,则第一条线路对应的率参数λ1=1/20=0.05,第二条线路对应的率参数λ2=1/10=0.1,第三条线路对应的率参数λ3=1/5=0.2。该包括三条线路的出行方案对应的目标率参数λM=∑λi=0.35,其中,i=1,2,3。
可选地,可以根据λM得到目标指数分布函数,可以将该目标指数分布函数作为包括所述至少两条线路的出行方案对应的目标等车时间分布信息。
步骤S15,根据所述目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息。所述出行特征信息可以用于表征所述出行方案的优劣程度。所述出行特征信息可以包括等车时间。
在一种可能的实现方式中,目标等车时间分布信息可以包括等车时间分布函数。如图4所示,该步骤S15可以包括:
步骤S151,获取所述目标等车时间分布函数对应的期望值;
步骤S152,将所述期望值作为所述至少两条线路的出行方案对应的出行特征信息。
在本说明书实施例中,可以获取目标指数分布函数的期望值,即1/λM。可以将该期望值作为所述至少两条线路的出行方案对应的出行特征信息,具体地,可以将该期望值作为所述至少两条线路的出行方案对应的出行特征信息中的等车时间。
作为一个示例,比如一个出行方案包括3条线路:起始站点---1路/2路/3路---终止站点。具体地,第1条线路:起始站点---1路---终止站点,相应的发车时间间隔为20分钟;第2条线路:起始站点---2路---终止站点,相应的发车时间间隔为10分钟;第3条线路:起始站点---3路---终止站点,相应的发车时间间隔为5分钟。该出行方案对应的出行特征信息中的等车时间可以为1/(1/20+1/10+1/5)=2.857。
步骤S16,根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
在本说明书实施例中,可以根据至少两个出行方案对应的出行特征信息,确定出行事件的出行推荐信息。例如,可以根据至少两个出行方案对应的出行特征信息,对所述至少两个出行方案进行排序,将排序后的所述至少两个出行方案作为出行事件的出行推荐信息。
通过在出行方案中包括至少两条线路时,根据所述至少两条线路对应的发车时间间隔,确定包括所述至少两条线路的出行方案对应的目标等车时间分布信息,并根据由所述目标等车时间分布信息确定的所述出行特征信息,确定所述出行事件的出行推荐信息。使得出行推荐时,能够综合出行方案中的所有线路的线路特征信息,保证了出行方案的推荐能够更加合理和准确。
图5示出根据本公开一实施例的出行方案推荐方法的流程图。在一种可能的实现方式中,如图5所示,该出行方案推荐方法还可以包括:
步骤S17,若所述出行方案中包括一条线路,将所述一条线路对应的发车时间间隔,作为包括所述一条线路的出行方案对应的出行特征信息。
在本说明书实施例中,可以对至少两条出行方案中的线路的数量进行判断,若出行方案中包括一条线路,可以将该一条线路对应的发车时间间隔,作为包括该一条线路的出行方案对应的出行特征信息,即可以将该一条线路对应的发车时间间隔,作为包括该一条线路的出行方案对应的出行特征信息中的等车时间。
作为一个示例,比如一个出行方案包括一条线路:起始站点---4路---终止站点,相应的发车时间间隔为3分钟。该出行方案对应的出行特征信息中的等车时间可以为3分钟。
图6示出根据本公开一实施例的发车时间间隔的确定方法的流程图。所述发车时间间隔的确定方法可以在步骤S11之前预先进行,也可以在步骤S12之前完成即可。如图6所示,该方法还可以包括:
步骤S61,获取交通工具对应的实际发车时间间隔;
步骤S62,获取所述实际发车时间间隔的分布信息;
步骤S63,根据所述实际发车时间间隔的发布信息,确定所述发车时间间隔。
在本说明书实施例中,可以预先采集交通工具的至少一个途经站点的实际发车时间间隔,以获取交通工具对应的实际发车时间间隔,可以获取实际发车时间间隔的分布信息,并可以根据该实际发车时间间隔的分布信息,确定发车时间间隔。比如,实际发车时间间隔的分布信息包括正太分布函数,可以选择该正太分布函数的峰值对应的实际发车时间间隔作为发车时间间隔。
通过预先对实际发车时间间隔进行处理,即根据实际发车时间间隔的发布信息,确定发车时间间隔,使得发车时间间隔更加符合实际情况,更加合理,进而使得基于该发车时间间隔确定的等车时间分布信息更加准确和合理,从而可以进一步提高出行事件的出行推荐信息的准确性和合理性,提高用户的等车体验。
图7示出根据本公开一实施例的出行方案推荐方法的流程图。所述线路特征信息还可以包括其它特征信息,例如站数和/或乘车时间;如图7所示,该出行推荐方法还可以包括:
步骤S71,若所述出行方案中包括一条线路,将所述一条线路对应的发车时间间隔以及站数和/或乘车时间,作为包括所述一条线路的出行方案对应的出行特征信息。
在本说明书实施例中,可以根据该一条线路包括的公共交通工具的标识符,查找所述交通信息数据库,获取该公共交通工具的标识符对应的发车时间间隔以及任意两个站点的距离时长或每一个站点的时间表,然后可以根据起始站点、终止站点,查找得到所述站数,并可以根据该站数以及任意两个站点的距离时长,获取所述乘车时间。可以将获取的发车时间间隔以及站数和/或乘车时间作为该一条线路对应的发车时间间隔以及站数和/或乘车时间。
在本说明书实施例中,所述出行特征信息可以包括等车时间、目标乘车时间和目标站数。若所述出行方案中包括一条线路,可以将所述一条线路对应的发车时间间隔作为包括所述一条线路的出行方案对应的等车时间,将所述站数和/或乘车时间分别作为包括所述一条线路的出行方案对应的目标站数和/或目标乘车时间。
步骤S72,若所述出行方案中包括至少两条线路,根据所述至少两条线路分别对应的等车时间分布信息、所述目标等车时间分布信息以及所述站数和/或乘车时间,确定包括所述至少两条线路的出行方案对应的出行特征信息。
在一种可能的实现方案中,所述目标等车时间分布信息可以包括目标等车时间分布函数。如图8所示,所述步骤S72可以包括:
步骤S721,获取所述目标等车时间分布函数对应的期望值。该步骤可以参见所述步骤S151,在此不再赘述。
步骤S722,根据所述期望值和所述至少两条线路分别对应的等车时间分布信息,分别确定所述至少两条线路对应的来车概率。
在本说明书实施例中,可以将所述期望值带入所述至少两条线路分别对应的等车时间分布信息包括的指数分布函数,比如该至少两条线路中的一条线路的指数分布函数为1-e-λ1t,由于所述期望值为包括所述至少两条线路的出行方案对应的等车时间,可以将所述期望值替代所述1-e-λ1t中的t,得到等车时间内该至少两条线路中的一条线路对应的来车概率P1,假设有3条线路,分别对应的来车概率可以为P2=1-e-λ2t、P3=1-e-λ2t,其中,所述t均为所述期望值。
步骤S723,根据所述至少两条线路对应的来车概率,分别确定所述至少两条线路对应的权重。
在一个示例中,可以根据每一条线路对应的来车概率和所述至少两条线路对应的来车概率的和,确定该至少两条线路分别对应的权重。例如,若出行方案中包括3条线路,该3条线路分别对应的权重可以为P1/(P1+P2+P3)、P2/(P1+P2+P3)、P3/(P1+P2+P3),其中,所述P1可以为等车时间内所述出行方案中第一条线路对应的来车概率;所述P2可以为等车时间内所述出行方案中第二条线路对应的来车概率;所述P3可以为等车时间内所述出行方案中第三条线路对应的来车概率;
步骤S724,根据所述权重以及所述站数和/或所述乘车时间,确定包括所述至少两条线路的出行方案对应的目标站数和/或目标乘车时间。
在本说明书实施例中,可以将至少两条线路分别对应的权重与站数和/或乘车时间的乘积,作为包括所述至少两条线路的出行方案对应的目标站数和/或目标乘车时间。比如,一个出行方案包括3条线路:第1条线路对应的权重为0.163,站数(途经站数)为3;第2条线路对应的权重为0.305,站数为4;第3条线路对应的权重为0.532,站数为6。该出行方案对应的目标站数可以为3×0.163+4×0.305+6×0.532=4.901。
步骤S725,将所述期望值以及所述目标站数和/或目标乘车时间作为包括所述至少两条线路的出行方案对应的出行特征信息。
在本说明书实施例中,可以将期望值作为出行特征信息中的等车时间,可以将目标站数和/或目标乘车时间作为包括所述至少两条线路的出行方案对应的出行特征信息中的目标站数和/或目标乘车时间。
可选地,上述步骤S16可以通过以下步骤实现:获取至少两个出行方案对应的出行特征信息中的期望值(即等车时间)以及目标站数和/或目标乘车时间;分别获取该期望值以及目标站数和/或目标乘车时间对应的权值;根据该期望值以及目标站数和/或目标乘车时间与权值,分别确定至少两个出行方案对应的排序信息;根据该至少两个出行方案对应的排序信息,确定出行事件的出行推荐信息。
在本说明书实施例中,所述权值可以是预先设置的,例如预先根据期望值以及目标站数和/或目标乘车时间对所述出行方案的排序合理性的影响程度设置的。其中,对排序合理性影响的程度越高,可以设置越高的权值。可以根据期望值以及所述目标站数和/或目标乘车时间与权值,得到期望值以及目标站数和/或目标乘车时间的加权信息,可以将该加权信息作为至少两个出行方案对应的排序信息。并可以根据至少两个出行方案对应的排序信息,对所述至少两个出行方案进行排序以得到至少两个出行方案的排序结果,可以确定出行事件的出行推荐信息包括所述至少两个出行方案的排序结果。
通过对期望值以及目标站数和/或目标乘车时间进行加权处理,使得出行事件的出行推荐信息可以更加合理和准确。
在一个示例中,可以预先设置等车时间的权值大于目标站数和/或目标乘车时间的权值。从而可以提高等车时间对排序结果的影响,由于等车时间的准确性是提高出行者或用户体验度的重要因素,可以保证出行事件的出行推荐信息更加合理和准确。
在实际应用中,出行特征信息还可以包括总时间、换乘次数和总步行距离等。其中,总时间可以为目标乘车时间、等车时间和步行时间的和;换乘次数即为出行方案中的换乘次数。总步行距离可以是起点到起始站点的距离与终止站点至终点的距离的和。在对出行方案进行排序时,可以考虑所述出行特征信息中的全部信息,例如,可以根据出行特征信息包括的等车时间、目标站数、目标乘车时间、总时间、换乘次数和总步行距离等,确定出行事件的出行推荐信息。
图9示出根据本公开一实施例的所述根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息的方法流程图。如图9所示,在一种可能的实现方式中,上述步骤S16可以包括:
步骤S161,将所述至少两个出行方案对应的出行特征信息输入排序模型进行出行方案排序处理,获取所述至少两个出行方案对应的排序结果;
步骤S162,根据所述至少两个出行方案对应的排序结果,确定所述出行事件的出行推荐信息;
其中,排序模型可以是基于训练样本集进行机器学习训练确定的,这里的训练样本集可以包括样本出行方案对应的出行特征信息以及排序标签。
在本说明书实施例中,可以利用预先训练的排序模型确定出行事件的出行推荐信息,使得出行推荐更加高效和准确。
需要说明的是,本公开的出行推荐方法中对出行方案的处理以得到出行方案对应的出行特征信息,可以看作是对出行方案包括的线路特征信息的优化,因为相比于所述线路特征信息,出行特征信息能够更加合理的表征出行方案的优劣。
可选地,可以利用本说明书实施例的确定所述出行特征信息的方法,获取样本出行方案对应的出行特征信息,进而可以得到所述训练样本集,可以基于训练样本集进行机器学习训练确定所述排序模型。这样基于优化后的出行特征信息,训练得到的排序模型可以更加合理。具体的机器学习的训练过程,本公开不作限定。
以上是基于出行方案中线路为直达的场景(即出行方案中的线路包括一个路段的场景,如图3所示),来介绍本公开出行推荐方法的,下面将基于出行方案中的线路包括换乘场景(即出行方案中的线路包括至少两个路段的场景,如图10所示),介绍本公开出行推荐方法。在一个示例中,所述路段可以根据换乘次数确定,如图10所示,换乘次数为1,所述出行方案中的线路可以包括两个路段:起始站点---1路/2路/3路---换乘站点、换乘站点---5路---终止站点。需要说明的是,若所述换乘次数为0,可以等同于所述线路直达的场景。
若出行方案中线路的换乘次数为0,可以说所述出行方案的线路包括一个路段,此时,该一个路段可以是指一个线路,可以采用图1的出行推荐方法。若出行方案中线路的换乘次数为至少一次,出行方案中的线路可以包括至少两个路段,则可以采用下述出行推荐方法。其实质都是在两个站点之间有多条线路时,能够对线路特征信息进行本公开的处理以得到出行方案对应的出行特征信息。
图11示出根据本公开一实施例的出行方案推荐方法的流程图。当所述至少两个出行方案中的线路包括至少两个路段时,如图10所示,该出行推荐方法还可以包括:
步骤S21,获取所述至少两个路段中子线路的线路特征信息。
如图10所示,路段“起始站点---1路/2路/3路---换乘站点”中的子线路可以包括:1路/2路/3路。在路段中包括多条子线路的情况,可以采用上述步骤S12-S15相同的处理方式,具体如下:
步骤S22,若所述路段中包括至少两条子线路,根据所述至少两条子线路对应的发车时间间隔,分别确定所述至少两条子线路对应的等车时间分布信息;
步骤S23,根据所述至少两条子线路分别对应的等车时间分布信息,确定包括所述至少两条子线路的路段的目标等车时间分布信息;
步骤S24,根据所述路段的目标等车时间分布信息,确定包括所述至少两条子线路的路段的路段特征信息。
所述步骤S21-S24可以参见上述步骤S12-S15,本公开对此不再赘述。其中,所述路段特征信息可以包括路段对应的等车时间。
步骤S25,根据所述至少两个出行方案对应的路段的路段特征信息,确定所述至少两个出行方案对应的出行特征信息。
在本说明书实施例中,可以将至少两个出行方案对应的路段的路段特征信息进行加法计算,确定至少两个出行方案对应的出行特征信息。
例如,出行特征信息包括等车时间,如图5所示的出行方案,假设路段“起始站点---1路/2路/3路---换乘站点”的等车时间为2.857分钟;路段“换乘站点---5路---终止站点”的等车时间为10分钟,则该出行方案对应的出行特征信息可以包括等车时间为2.857+10=12.857分钟。
可选地,对于路段“换乘站点---5路---终止站点”,可以通过以下步骤获取该路段的路段特征信息:若路段中包括一条子线路,可以将一条子线路对应的发车时间间隔,作为包括所述一条子线路的路段的路段特征信息。例如,5路发车时间间隔为10分钟,可以确定该路段的路段特征信息中的等车时间为10分钟,可以参见步骤S17。
步骤S26,根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。具体可以参见步骤S16,在此不再赘述。
在本说明书实施例中,若线路特征信息还包括其它特征信息,例如站数和/或乘车时间,相应地,路段特征信息还可以包括路段对应的目标站数和/或目标乘车时间。可以参照步骤S71和步骤S72,确定路段对应的目标站数和/或目标乘车时间。进一步的,可以根据路段对应的目标站数和/或目标乘车时间,确定出行方案对应的目标站数和/或目标乘车时间。例如将所述路段对应的目标站数相加,得到出行方案对应的目标站数;将路段对应的目标乘车时间相加,得到出行方案对应的目标乘车时间。即出行方案对应的出行特征信息可以是路段对应的路段特征信息的和。
在一种可能的实现方式中,图12示出根据本公开一实施例的所述根据出行事件的起点信息和终点信息,确定至少两个出行方案的方法流程图。如图12所示,即步骤S11可以包括:
步骤S111,根据出行事件的起点信息和终点信息,确定多条线路。
本公开对所述多条线路的确定方式不作限定,只要可以通过多条线路确定出所述至少两个出行方案即可。
步骤S112,获取所述多条线路对应的起始站点、终止站点以及换乘站点;
步骤S113,将具有相同起始站点、终止站点以及换乘站点的线路,确定为同一个出行方案。
在本说明书实施例中,可以获取多条线路中每条线路对应的起始站点、终止站点以及换乘站点,将具有相同起始站点、终止站点以及换乘站点的线路,确定为同一个出行方案,即一个出行方案中的至少一个线路具有相同的起始站点、终止站点以及换乘站点。
图13示出根据本公开一实施例的出行方案推荐装置的结构框图。如图13所示,所述装置可以包括:
出行方案确定模块11,用于根据出行事件的起点信息和终点信息,确定至少两个出行方案;
线路特征信息获取模块12,用于获取所述至少两个出行方案中线路的线路特征信息,所述线路特征信息包括发车时间间隔;
等车时间分布信息确定模块13,用于若所述出行方案中包括至少两条线路,根据所述至少两条线路对应的发车时间间隔,分别确定所述至少两条线路对应的等车时间分布信息;
目标等车时间分布信息确定模块14,用于根据所述至少两条线路分别对应的等车时间分布信息,确定包括所述至少两条线路的出行方案的目标等车时间分布信息;
出行特征信息确定模块15,用于根据所述出行方案的目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息;
出行推荐信息确定模块16,用于根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
通过在出行方案中包括至少两条线路时,根据所述至少两条线路对应的发车时间间隔,确定包括所述至少两条线路的出行方案对应的目标等车时间分布信息,并根据由所述目标等车时间分布信息确定的所述出行特征信息,确定所述出行事件的出行推荐信息。使得出行推荐时,能够综合出行方案中的所有线路的线路特征信息,保证了出行方案的推荐能够更加合理和准确。
在一种可能的实现方式中,所述出行特征信息确定模块15,还用于若所述出行方案中包括一条线路,将所述一条线路对应的发车时间间隔作为包括所述一条线路的出行方案对应的出行特征信息。
在一种可能的实现方式中,所述装置还包括:
子线路的线路特征信息获取模块,用于获取所述至少两个路段中子线路的线路特征信息;
子线路对应的等车时间分布信息确定模块,用于若所述路段中包括至少两条子线路,根据所述至少两条子线路对应的发车时间间隔,分别确定所述至少两条子线路对应的等车时间分布信息;
路段的目标等车时间分布信息确定模块,用于根据所述至少两条子线路分别对应的等车时间分布信息,确定包括所述至少两条子线路的路段的目标等车时间分布信息;
路段特征信息确定模块,用于根据所述路段的目标等车时间分布信息,确定包括所述至少两条子线路的路段的路段特征信息;
所述出行特征信息确定模块,还用于根据所述至少两个出行方案对应的路段的路段特征信息,确定所述至少两个出行方案对应的出行特征信息;
所述出行推荐信息确定模块,用于根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
在一种可能的实现方式中,所述目标等车时间分布信息包括目标等车时间分布函数;所述出行特征信息确定模块15,包括:
期望值获取单元,用于获取所述目标等车时间分布函数对应的期望值;
第一出行特征信息确定单元,用于将所述期望值作为所述至少两条线路的出行方案对应的出行特征信息。
在一种可能的实现方式中,所述线路特征信息还可以包括站数和/或乘车时间;所述装置还包括:
所述出行特征信息确定模块,还用于若所述出行方案中包括一条线路,将所述一条线路对应的发车时间间隔以及站数和/或乘车时间,作为包括所述一条线路的出行方案对应的出行特征信息;若所述出行方案中包括至少两条线路,根据所述至少两条线路分别对应的等车时间分布信息、所述目标等车时间分布信息以及所述站数和/或乘车时间,确定包括所述至少两条线路的出行方案对应的出行特征信息。
在一种可能的实现方式中,所述目标等车时间分布信息包括目标等车时间分布函数;所述出行特征信息确定模块,还包括:
期望值获取单元,还用于获取所述目标等车时间分布函数对应的期望值;
来车概率确定单元,用于根据所述期望值和所述至少两条线路分别对应的等车时间分布信息,分别确定所述至少两条线路对应的来车概率;
权重确定单元,用于根据所述至少两条线路对应的来车概率,分别确定所述至少两条线路对应的权重;
目标站数和/或目标乘车时间确定单元,用于根据所述权重以及所述站数和/或所述乘车时间,确定包括所述至少两条线路的出行方案对应的目标站数和/或目标乘车时间;
第二出行特征信息确定单元,用于将所述期望值以及所述目标站数和/或目标乘车时间作为包括所述至少两条线路的出行方案对应的出行特征信息。
在一种可能的实现方式中,所述出行推荐信息确定模块16,可以包括:
排序结果获取单元,用于将所述至少两个出行方案对应的出行特征信息输入排序模型进行出行方案排序处理,获取所述至少两个出行方案对应的排序结果;
出行推荐信息确定单元,用于根据所述至少两个出行方案对应的排序结果,确定所述出行事件的出行推荐信息;
其中,所述排序模型是基于训练样本集进行机器学习训练确定的,所述训练样本集包括样本出行方案对应的出行特征信息以及排序标签。
在一种可能的实现方式中,所述出行方案确定模块11,可以包括:
多条线路确定单元,用于根据出行事件的起点信息和终点信息,确定多条线路;
站点获取单元,用于获取所述多条线路对应的起始站点、终止站点以及换乘站点;
出行方案确定单元,用于将具有相同起始站点、终止站点以及换乘站点的线路,确定为同一个出行方案。
在一种可能的实现方式中,所述装置还包括:
实际发车时间间隔获取模块,用于获取交通工具对应的实际发车时间间隔;
实际发车时间间隔的分布信息获取模块,用于获取所述实际发车时间间隔的分布信息;
发车时间间隔确定模块,用于根据所述实际发车时间间隔的发布信息,确定所述发车时间间隔。
图14示出根据本公开一实施例的一种用于出行方案推荐的装置1400的框图。例如,装置1200可以被提供为一服务器。参照图14,装置1400包括处理组件1422,其进一步包括一个或多个处理器,以及由存储器1432所代表的存储器资源,用于存储可由处理组件1422的执行的指令,例如应用程序。存储器1432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1422被配置为执行指令,以执行上述方法。
装置1400还可以包括一个电源组件1426被配置为执行装置1400的电源管理,一个有线或无线网络接口1450被配置为将装置1400连接到网络,和一个输入输出(I/O)接口1458。装置1400可以操作基于存储在存储器1432的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1432,上述计算机程序指令可由装置1400的处理组件1422执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种出行方案推荐方法,其特征在于,包括:
根据出行事件的起点信息和终点信息,确定至少两个出行方案;
获取所述至少两个出行方案中线路的线路特征信息,所述线路特征信息包括发车时间间隔;
若所述出行方案中包括至少两条线路,根据所述至少两条线路对应的发车时间间隔,分别确定所述至少两条线路对应的等车时间分布信息;
根据所述至少两条线路分别对应的等车时间分布信息,确定包括所述至少两条线路的出行方案的目标等车时间分布信息;
根据所述目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息;
根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述出行方案中包括一条线路,将所述一条线路对应的发车时间间隔作为包括所述一条线路的出行方案对应的出行特征信息。
3.根据权利要求1所述的方法,其特征在于,当所述至少两个出行方案中的线路包括至少两个路段时,所述方法还包括:
获取所述至少两个路段中子线路的线路特征信息;
若所述路段中包括至少两条子线路,根据所述至少两条子线路对应的发车时间间隔,分别确定所述至少两条子线路对应的等车时间分布信息;
根据所述至少两条子线路分别对应的等车时间分布信息,确定包括所述至少两条子线路的路段的目标等车时间分布信息;
根据所述路段的目标等车时间分布信息,确定包括所述至少两条子线路的路段的路段特征信息;
根据所述至少两个出行方案对应的路段的路段特征信息,确定所述至少两个出行方案对应的出行特征信息;
根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
4.根据权利要求1所述的方法,其特征在于,所述目标等车时间分布信息包括目标等车时间分布函数;所述根据所述目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息,包括:
获取所述目标等车时间分布函数对应的期望值;
将所述期望值作为所述至少两条线路的出行方案对应的出行特征信息。
5.根据权利要求1所述的方法,其特征在于,所述线路特征信息还包括站数和/或乘车时间;所述方法还包括:
若所述出行方案中包括一条线路,将所述一条线路对应的发车时间间隔以及站数和/或乘车时间,作为包括所述一条线路的出行方案对应的出行特征信息;
若所述出行方案中包括至少两条线路,根据所述至少两条线路分别对应的等车时间分布信息、所述目标等车时间分布信息以及所述站数和/或乘车时间,确定包括所述至少两条线路的出行方案对应的出行特征信息。
6.根据权利要求5所述的方法,其特征在于,所述目标等车时间分布信息包括目标等车时间分布函数;所述根据所述至少两条线路分别对应的等车时间分布信息、所述目标等车时间分布信息以及所述站数和/或乘车时间,确定包括所述至少两条线路的出行方案对应的出行特征信息,包括:
获取所述目标等车时间分布函数对应的期望值;
根据所述期望值和所述至少两条线路分别对应的等车时间分布信息,分别确定所述至少两条线路对应的来车概率;
根据所述至少两条线路对应的来车概率,分别确定所述至少两条线路对应的权重;
根据所述权重以及所述站数和/或所述乘车时间,确定包括所述至少两条线路的出行方案对应的目标站数和/或目标乘车时间;
将所述期望值以及所述目标站数和/或目标乘车时间作为包括所述至少两条线路的出行方案对应的出行特征信息。
7.根据权利要求6所述的方法,其特征在于,所述根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息,包括:
将所述至少两个出行方案对应的出行特征信息输入排序模型进行出行方案排序处理,获取所述至少两个出行方案对应的排序结果;
根据所述至少两个出行方案对应的排序结果,确定所述出行事件的出行推荐信息;
其中,所述排序模型是基于训练样本集进行机器学习训练确定的,所述训练样本集包括样本出行方案对应的出行特征信息以及排序标签。
8.一种出行方案推荐装置,其特征在于,包括:
出行方案确定模块,用于根据出行事件的起点信息和终点信息,确定至少两个出行方案;
线路特征信息获取模块,用于获取所述至少两个出行方案中线路的线路特征信息,所述线路特征信息包括发车时间间隔;
等车时间分布信息确定模块,用于若所述出行方案中包括至少两条线路,根据所述至少两条线路对应的发车时间间隔,分别确定所述至少两条线路对应的等车时间分布信息;
目标等车时间分布信息确定模块,用于根据所述至少两条线路分别对应的等车时间分布信息,确定包括所述至少两条线路的出行方案的目标等车时间分布信息;
出行特征信息确定模块,用于根据所述出行方案的目标等车时间分布信息,确定包括所述至少两条线路的出行方案对应的出行特征信息;
出行推荐信息确定模块,用于根据所述至少两个出行方案对应的出行特征信息,确定所述出行事件的出行推荐信息。
9.一种出行方案推荐设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令以实现权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258486.4A CN111489024B (zh) | 2020-04-03 | 2020-04-03 | 出行方案推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258486.4A CN111489024B (zh) | 2020-04-03 | 2020-04-03 | 出行方案推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111489024A true CN111489024A (zh) | 2020-08-04 |
CN111489024B CN111489024B (zh) | 2022-05-20 |
Family
ID=71797736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258486.4A Active CN111489024B (zh) | 2020-04-03 | 2020-04-03 | 出行方案推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489024B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101676A (zh) * | 2020-09-23 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种乘车路径规划方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308555A (zh) * | 2008-06-27 | 2008-11-19 | 北京工业大学 | 多模式公交出行路径寻优方法 |
CN107024217A (zh) * | 2016-02-01 | 2017-08-08 | 北京迈维出行科技有限公司 | 城际交通的路线规划的方法、装置及系统 |
CN107092986A (zh) * | 2017-04-13 | 2017-08-25 | 上海理工大学 | 基于站点及共线运行的公交乘客出行路径选择方法 |
US20180113471A1 (en) * | 2016-10-26 | 2018-04-26 | Kubota Corporation | Travel route generating device and method for generating travel route |
CN109064076A (zh) * | 2018-09-30 | 2018-12-21 | 南京地铁集团有限公司 | 一种基于前景理论的多模式公共运输方式选择方法 |
CN110457416A (zh) * | 2019-07-31 | 2019-11-15 | 摩比科技(深圳)有限公司 | 一种推荐公交出行路线的方法及设备 |
CN110737849A (zh) * | 2019-10-10 | 2020-01-31 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
-
2020
- 2020-04-03 CN CN202010258486.4A patent/CN111489024B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308555A (zh) * | 2008-06-27 | 2008-11-19 | 北京工业大学 | 多模式公交出行路径寻优方法 |
CN107024217A (zh) * | 2016-02-01 | 2017-08-08 | 北京迈维出行科技有限公司 | 城际交通的路线规划的方法、装置及系统 |
US20180113471A1 (en) * | 2016-10-26 | 2018-04-26 | Kubota Corporation | Travel route generating device and method for generating travel route |
CN107092986A (zh) * | 2017-04-13 | 2017-08-25 | 上海理工大学 | 基于站点及共线运行的公交乘客出行路径选择方法 |
CN109064076A (zh) * | 2018-09-30 | 2018-12-21 | 南京地铁集团有限公司 | 一种基于前景理论的多模式公共运输方式选择方法 |
CN110457416A (zh) * | 2019-07-31 | 2019-11-15 | 摩比科技(深圳)有限公司 | 一种推荐公交出行路线的方法及设备 |
CN110737849A (zh) * | 2019-10-10 | 2020-01-31 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
BOTING QU等: "Profitable Taxi Travel Route Recommendation Based on Big Taxi Trajectory Data", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
徐海军等: "基于站点及共线运行的公交乘客路径选择模型", 《物流科技》 * |
胡萍等: "实时换乘信息提示下基于乘客偏好的线路选择", 《交通运输系统工程与信息》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101676A (zh) * | 2020-09-23 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种乘车路径规划方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111489024B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555640B (zh) | 路由规划的方法和装置 | |
CN111612122B (zh) | 实时需求量的预测方法、装置及电子设备 | |
US20170243172A1 (en) | Cognitive optimal and compatible grouping of users for carpooling | |
CN110442121B (zh) | 一种运输车路线选取的方法和装置 | |
CN109839120B (zh) | 行程规划方法、装置、介质及电子设备 | |
CN111667693B (zh) | 用于确定预计到达时间的方法、装置、设备及介质 | |
CN112884235B (zh) | 出行推荐方法、出行推荐模型的训练方法、装置 | |
CN115240157B (zh) | 道路场景数据持久化方法、装置、设备和计算机可读介质 | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
CN113765928A (zh) | 物联网入侵检测方法、系统、设备及介质 | |
CN111489024B (zh) | 出行方案推荐方法、装置、设备及存储介质 | |
Halim et al. | On finding optimum commuting path in a road network: a computational approach for smart city traveling | |
CN113570096A (zh) | 一种基于大数据的智能出行的方法及装置 | |
CN115994726B (zh) | 派送路径调整方法、装置、电子设备和计算机可读介质 | |
CN110349428A (zh) | 识别用户是否正在前往公交站点的方法及装置 | |
CN111757272A (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
CN114500428B (zh) | 导航分享方法及装置、电子设备、存储介质 | |
CN113175940B (zh) | 数据处理方法、装置、设备和存储介质 | |
CN115808168A (zh) | 盲人引路方法、装置、电子设备和计算机可读介质 | |
Laksono et al. | AHP and dynamic shortest path algorithm to improve optimum ambulance dispatch in emergency medical response | |
CN113741459A (zh) | 确定训练样本的方法和自动驾驶模型的训练方法、装置 | |
CN111612198B (zh) | 预测拼单成功率的方法、装置和电子设备 | |
CN113592557A (zh) | 广告投放结果的归因方法、装置、存储介质及电子设备 | |
KR102472406B1 (ko) | Poi 정보 관리 장치 및 방법 | |
CN113494919B (zh) | 基于个人局部经验路线的导航规划方法和装置 |
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 |