CN111859112A - 消息推送方法、装置及服务器 - Google Patents
消息推送方法、装置及服务器 Download PDFInfo
- Publication number
- CN111859112A CN111859112A CN202010550320.XA CN202010550320A CN111859112A CN 111859112 A CN111859112 A CN 111859112A CN 202010550320 A CN202010550320 A CN 202010550320A CN 111859112 A CN111859112 A CN 111859112A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- total
- vehicle
- type
- characteristic 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013145 classification model Methods 0.000 claims abstract description 49
- 238000012549 training Methods 0.000 claims description 60
- 239000000446 fuel Substances 0.000 claims description 34
- 230000000694 effects Effects 0.000 abstract description 8
- 239000007789 gas Substances 0.000 description 104
- 238000010586 diagram Methods 0.000 description 9
- 239000003921 oil Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 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
- 239000003502 gasoline Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000002828 fuel tank Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0259—Targeted advertisements based on store location
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种消息推送方法、装置及服务器。首先根据目标车辆的行程数据,获得该目标车辆的行程特征总信息;接着通过分类模型根据目标车辆的行程特征总信息,确定该目标车辆的能源类型;最后根据该目标车辆的能源类型,向该目标车辆进行消息推送。由此,可确定车辆的能源类型,进而针对车辆的能源类型进行针对性的消息推送,从而提高信息推送效果,避免出现消息推送不准确的情况。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种消息推送方法、装置及服务器。
背景技术
消息推送,就是在互联网上主动向用户传送消息的一种技术。现有的消息推送方式一般就是直接将待推送的消息直接推送给所有用户,也即,向不同用户推送无差别的消息。由此可知,现有的消息推送方式会向用户推送大量用户不感兴趣的消息,因此存在推送效果差、浪费推送资源等问题。
发明内容
有鉴于此,本申请的目的在于提供一种消息推送方法、装置、服务器及计算机可读存储介质,能够基于车辆的能源类型向该车辆进行针对性的消息推送。
第一方面,本申请实施例提供一种消息推送方法,应用于服务器,所述服务器中存储有分类模型,所述方法包括:
根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息;
通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
在可选的实施方式中,所述行程数据包括轨迹数据,所述行程特征总信息包括第一行程特征信息,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,包括:
根据所述目标车辆的轨迹数据,获得所述目标车辆在纯加油站、纯加气站以及加气加油站处各自的停留次数;
根据所述目标车辆在各类站的停留次数,计算得到所述目标车辆在能源站的停留总次数,其中,所述能源站包括纯加油站、纯加气站以及加气加油站;
根据所述目标车辆在纯加气站的停留次数以及停留总次数确定所述第一行程特征信息,其中,所述第一行程特征信息包括所述目标车辆在纯加气站的停留次数与停留总次数的比值。
在可选的实施方式中,所述第一行程特征信息还包括所述目标车辆在各类站的停留次数。
在可选的实施方式中,所述服务器中还存储有能源站的位置信息,所述能源站的位置信息中包括纯加油站、纯加气站以及加气加油站的位置信息,所述根据所述目标车辆的轨迹数据,获得所述目标车辆分别在纯加油站、纯加气站以及加气加油站的停留次数,包括:
根据所述目标车辆的轨迹数据以及能源站的位置信息,得到所述目标车辆在各类站的停留次数。
在可选的实施方式中,所述行程数据还包括服务及行驶记录,所述行程特征总信息还包括第二行程特征信息,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,还包括:
根据所述目标车辆的服务及行驶记录,计算得到所述第二行程特征信息,其中,所述第二行程特征信息包括目标车辆的服务次数、服务里程以及行驶里程。
在可选的实施方式中,所述行程特征总信息还包括第三行程特征信息,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,还包括:
根据所述目标车辆的服务里程、行驶里程以及停留总次数,计算得到所述第三行程特征信息,其中,所述第三行程特征信息包括服务里程与停留总次数的比值、行驶里程与停留总次数的比值。
在可选的实施方式中,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,包括:
获取所述目标车辆从当前时刻起不同时长的多个历史的行程数据;
根据所述多个历史的行程数据,得到所述目标车辆的行程特征总信息。
在可选的实施方式中,所述能源类型包括纯燃油类型以及油气混动类型,油气混动类型的车辆是油改气的车辆,所述通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型,包括:
通过所述分类模型根据所述行程特征总信息,得到所述目标车辆的能源类型为油气混动类型的概率;
判断所述概率是否大于预设概率;
若大于,则判定所述目标车辆的能源类型为油气混动类型;
若不大于,则判定所述目标车辆的能源类型为纯燃油类型。
在可选的实施方式中,所述方法还包括:
获得多个样本训练数据,其中,每个样本训练数据中包括所对应的样本车辆的能源类型以及该样本车辆的样本行程特征总信息;
根据所述多个样本训练数据,训练得到所述分类模型。
在可选的实施方式中,所述样本训练数据中包括正样本训练数据及负样本训练数据,所述获得多个样本训练数据,包括:
根据加气订单确定出能源类型为油气混动类型的第一样本车辆;
获取所述第一样本车辆的样本行程特征总信息,并根据所述第一样本车辆的样本行程特征总信息以及能源类型得到正样本训练数据;
根据负样本规则、所述加气订单以及待选样本车辆的样本行程特征总信息,确定出能源类型为纯燃油类型的第二样本车辆;
根据所述第二样本车辆的样本行程特征总信息以及能源类型得到负样本训练数据。
在可选的实施方式中,所述方法还包括:
基于F1分数以及所述分类模型设置预设概率,其中,所述预设概率用于确定车辆的能源类型。
在可选的实施方式中,所述服务器中还存储有能源类型为纯电动类型的车辆标识集合,在所述通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型之前,所述方法还包括:
根据所述车辆标识集合以及所述目标车辆的车辆标识,判断所述目标车辆的能源类型是否为纯电动类型;
若所述目标车辆的能源类型不为纯电动类型,则执行通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型的步骤;
若所述目标车辆的能源类型为纯电动类型,则执行根据所述目标车辆的能源类型,向所述目标车辆进行消息推送的步骤。
第二方面,本申请实施例提供一种消息推送装置,应用于服务器,所述服务器中存储有分类模型,所述装置包括:
信息获取模块,用于根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息;
类型确定模块,用于通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
推送模块,用于根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
在可选的实施方式中,所述行程数据包括轨迹数据,所述行程特征总信息包括第一行程特征信息,所述信息获取模块,具体用于:
根据所述目标车辆的轨迹数据,获得所述目标车辆在纯加油站、纯加气站以及加气加油站处各自的停留次数;
根据所述目标车辆在各类站的停留次数,计算得到所述目标车辆在能源站的停留总次数,其中,所述能源站包括纯加油站、纯加气站以及加气加油站;
根据所述目标车辆在纯加气站的停留次数以及停留总次数确定所述第一行程特征信息,其中,所述第一行程特征信息包括所述目标车辆在纯加气站的停留次数与停留总次数的比值。
在可选的实施方式中,所述第一行程特征信息还包括所述目标车辆在各类站的停留次数。
在可选的实施方式中,所述服务器中还存储有能源站的位置信息,所述能源站的位置信息中包括纯加油站、纯加气站以及加气加油站的位置信息,所述信息获取模块,具体用于:
根据所述目标车辆的轨迹数据以及能源站的位置信息,得到所述目标车辆在各类站的停留次数。
在可选的实施方式中,所述行程数据还包括服务及行驶记录,所述行程特征总信息还包括第二行程特征信息,所述信息获取模块,还具体用于:
根据所述目标车辆的服务及行驶记录,计算得到所述第二行程特征信息,其中,所述第二行程特征信息包括目标车辆的服务次数、服务里程以及行驶里程。
在可选的实施方式中,所述行程特征总信息还包括第三行程特征信息,所述信息获取模块,还具体用于:
根据所述目标车辆的服务里程、行驶里程以及停留总次数,计算得到所述第三行程特征信息,其中,所述第三行程特征信息包括服务里程与停留总次数的比值、行驶里程与停留总次数的比值。
在可选的实施方式中,所述信息获取模块,具体用于:
获取所述目标车辆从当前时刻起不同时长的多个历史的行程数据;
根据所述多个历史的行程数据,得到所述目标车辆的行程特征总信息。
在可选的实施方式中,所述能源类型包括纯燃油类型以及油气混动类型,油气混动类型的车辆是油改气的车辆,所述类型确定模块,具体用于:
通过所述分类模型根据所述行程特征总信息,得到所述目标车辆的能源类型为油气混动类型的概率;
判断所述概率是否大于预设概率;
若大于,则判定所述目标车辆的能源类型为油气混动类型;
若不大于,则判定所述目标车辆的能源类型为纯燃油类型。
在可选的实施方式中,所述装置还包括:模型训练模块,所述模型训练模块用于:
获得多个样本训练数据,其中,每个样本训练数据中包括所对应的样本车辆的能源类型以及该样本车辆的样本行程特征总信息;
根据所述多个样本训练数据,训练得到所述分类模型。
在可选的实施方式中,所述样本训练数据中包括正样本训练数据及负样本训练数据,所述模型训练模块,具体用于:
根据加气订单确定出能源类型为油气混动类型的第一样本车辆;
获取所述第一样本车辆的样本行程特征总信息,并根据所述第一样本车辆的样本行程特征总信息以及能源类型得到正样本训练数据;
根据负样本规则、所述加气订单以及待选样本车辆的样本行程特征总信息,确定出能源类型为纯燃油类型的第二样本车辆;
根据所述第二样本车辆的样本行程特征总信息以及能源类型得到负样本训练数据。
在可选的实施方式中,所述装置还包括:
设置模块,用于基于F1分数以及所述分类模型设置预设概率,其中,所述预设概率用于确定车辆的能源类型。
在可选的实施方式中,所述服务器中还存储有能源类型为纯电动类型的车辆标识集合,在通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型之前,
所述类型确定模块,还用于根据所述车辆标识集合以及所述目标车辆的车辆标识,判断所述目标车辆的能源类型是否为纯电动类型;
若所述目标车辆的能源类型不为纯电动类型,所述类型确定模块则通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
若所述目标车辆的能源类型为纯电动类型,所述推送模块则根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
第三方面,本申请实施例提供一种服务器,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当服务器运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如前述实施方式任一所述的消息推送方法的步骤。
第四方面,本申请实施例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运行时执行如前述实施方式任一所述的消息推送方法的步骤。
基于上述任一方面,本申请实施例通过分类模型,根据由目标车辆的行程数据得到的行程特征总信息,确定该目标车辆的能源类型,进而根据该目标车辆的能源类型进行消息推送。由此,可基于车辆的能源类型,进行针对性的消息推送,从而解决由于忽略车辆能源类型而导致的消息推送不准确的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例提供的消息推送方法的流程图之一;
图2示出了本申请实施例提供的消息推送方法的流程图之二;
图3示出了本申请实施例提供的消息推送方法的流程图之三;
图4示出了本申请实施例提供的消息推送方法的流程图之四;
图5示出了本申请实施例提供的消息推送装置的功能模块框图之一;
图6示出了本申请实施例提供的消息推送装置的功能模块框图之二;
图7示出了本申请实施例提供的消息推送装置的功能模块框图之三;
图8示出了本申请实施例提供的服务器的结构示意图。
图标:10-服务器;11-处理器;12-存储器;13-总线;300-消息推送装置;310-模型训练模块;320-设置模块;330-信息获取模块;340-类型确定模块;350-推送模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
现有的消息推送方式一般就是直接将待推送的消息直接推送给所有用户,也即,向不同用户推送相同的消息。由于现有的消息推送方式未针对性地进行消息推送,因此,现有方式会出现向用户推送了很多用户不感兴趣的消息的情况,由此导致现有方式存在推送效果差、浪费推送资源等问题。
基于此,本申请实施例提供了一种消息推送方法、装置、服务器及计算机可读存储介质,基于车辆的能源类型向该车辆进行针对性的消息推送,从而解决由于消息推送不准确导致的推送效果不佳以及浪费推送资源的问题。
第一实施例
请参照图1,图1示出了本申请实施例提供的消息推送方法的流程图之一。所述方法可应用于服务器,该服务器可以是独立服务器,也可以是由多个独立服务器组成的集成服务器。该服务器中存储有分类模型以及多辆车辆的行程数据。下面对图1所示的消息推送方法的流程进行详细描述。
步骤S150,根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息。
步骤S160,通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型。
步骤S170,根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
在本实施例中,在进行消息推送前,可首先获得本次待推送消息针对的目标车辆的行程数据。车辆的行程数据与所使用的能源的能源类型相关,比如,一车辆的能源类型为纯燃油类型,也即,该车辆的车辆类型为纯加油车,那么该车辆的行程数据会体现与燃油相关的特性,比如,该车辆经常去纯加油站。
然后,从该目标车辆的行程数据提取出可用于确定该目标车辆的能源类型的行程特征总信息。接着,通过所述分类模型,根据所述行程特征信息确定出该目标车辆的能源类型。最后,根据该目标车辆的能源类型,向该目标车辆推送消息。
可选地,在进行消息推送时,可以直接将消息发送至所述目标车辆;也可以将消息发送至所述目标车辆所对应的用户的用户终端(比如,智能手机、平板电脑等)。可以理解的是,上述推送方式仅为举例说明,也可以采用其他的推送方式,只要根据目标车辆的能源类型将消息推送给该目标车辆所属的用户即可。
其中,被推送的消息可以是与车辆的能源类型相关的消息,比如,加油优惠券消息、加气优惠券消息、充电桩优惠券消息、油价、加气站加气价格、充电桩充电价格等。
本申请实施例能够基于车辆的能源类型,向该车辆进行针对性的消息推送,从而提高消息推送效果,避免由于忽略车辆的能源类型而向用户推送大量用户不感兴趣的消息。
可选地,所述行程数据可以包括轨迹数据和/或服务及行驶记录。
可选地,作为一种实施方式,所述行程数据可以包括轨迹数据,所述行程特征总信息可以包括第一行程特征信息,可通过以下方式获得所述行程特征总信息:首先,根据所述目标车辆的轨迹数据,获得所述目标车辆在纯加油站、纯加气站以及加气加油站处各自的停留次数;然后,根据所述目标车辆在各类站的停留次数,计算得到所述目标车辆在能源站的停留总次数,其中,所述能源站包括纯加油站、纯加气站以及加气加油站;接着,根据所述目标车辆在纯加气站的停留次数以及停留总次数确定所述第一行程特征信息,其中,所述第一行程特征信息包括所述目标车辆在纯加气站的停留次数与停留总次数的比值。
在本实施方式中,可通过对所述目标车辆的轨迹数据进行分析,得到该目标车辆在各类站的停留次数,也即,得到该目标车辆在纯加油站的停留次数、在纯加气站的停留次数以及在加气加油站的停留次数。
可选地,可预先获取各能源站的位置信息,然后按照纯加油站、纯加气站、加气加油站对得到的各能源站的位置信息进行分类,得到类别为纯加油站的能源站的位置信息、类别为纯加气站的能源站的位置信息以及类别为加油加气站的能源站的位置信息。由此可得到能源站的位置信息,并将所述能源站的位置信息存储在所述服务器中。在确定目标车辆在各类站的停留次数时,可以根据所述目标车辆的轨迹数据以及所述能源站的位置信息,确定出该目标车辆在纯加油站、纯加气站以及加气加油站三类能源站各处的停留次数。
可选地,所述轨迹数据可以包括目标车辆的位置信息和所述目标车辆在所述位置信息指示的位置时的时间信息。可使用停留点检测方式对所述目标车辆的轨迹数据进行分析,确定出该目标车辆的停留点的位置信息,进而结合所述能源站的位置信息,挖掘出该目标车辆在各类站的停留次数。
在得到所述目标车辆在各类站的停留次数后,可基于所述目标车辆在各类站的停留次数,计算得到该目标车辆在能源站的停留总次数。然后,计算该目标车辆在纯加气站的停留次数与所述停留总次数的比值,从而得到所述第一行程特征信息。
上述比值,表示了目标车辆停留纯加气站的频繁程度。车辆在能源站停留一般都是进行加油或加气等,因而,基于上述频繁程度可以确定目标车辆是否经常在纯加气站停留,若是,则可以认为该目标车辆的所使用的能源包括了天然气。因此,根据包括上述比值的行程特征总信息可以确定出目标车辆的能源类型。
可选地,作为一种实施方式,所述第一行程特征信息还可以包括所述目标车辆在各类站的停留次数,即,包括所述目标车辆在纯加油站的停留次数、在纯加气站的停留次数以及在加气加油站的停留次数。由于车辆在能源站停留一般都是进行加油或加气等,而目标车辆在各类站的停留次数直接体现了目标车辆去往各类站的频繁程度,因此也可以根据目标车辆在各类站的停留次数确定目标车辆的能源类型。
可选地,作为一种实施方式,所述行程数据还包括服务及行驶记录,所述行程特征总信息还可以包括第二行程特征信息。在获得所述目标车辆的行程特征总信息时,还可以根据所述目标车辆的服务及行驶记录,计算得到所述第二行程特征信息。其中,所述第二行程特征信息中包括所述目标车辆的服务次数、服务里程以及行驶里程中的至少任意一个。
其中,所述服务及行驶记录中可以包括每次服务的相关信息以及总行驶信息等。每次服务的相关信息可以包括该次服务的起点位置及终点位置、该次服务的起点位置与终点位置对应的行驶轨迹等。根据每次服务的起点位置与终点位置对应的行驶轨迹可以确定出每次服务的单次服务里程。总行驶信息中可以包括总行驶里程。由此,通过对一段时间内的服务及行驶记录进行分析,可得到所述目标车辆的服务次数、服务里程以及行驶里程。其中,服务里程表示在该段时间内的所有单次服务里程之和;行驶里程表示在该段时间内,目标车辆总的行驶距离。行驶里程中包括了服务里程以及非服务里程,其中,非服务里程可以是指目标车辆不在服务状态时行驶的距离,比如,司机在不载客状态下驾车去能源站行驶的距离,或者司机在不载客状态下驾车回家所行驶的距离等。
作为一种实施方式,所述行程特征总信息还可以包括第三行程特征信息。在获得所述目标车辆的行程特征总信息时,还可以根据所述目标车辆的服务里程、行驶里程以及停留总次数,计算得到所述第三行程特征信息。其中,所述第三行程特征信息包括服务里程与停留总次数的比值、行驶里程与停留总次数的比值。
车辆在加一次气或加一次油后所能行驶的距离,与该车辆所使用的能源的能源类型相关。因此,可以结合上述第二行程特征信息和/或第三行程特征信息,确定目标车辆的能源类型。
可以根据实际需求,从通过以上方式得到的目标车辆在纯加气站的停留次数与停留总次数的比值、在各类站的停留次数、服务次数、服务里程、行驶里程、服务里程与停留总次数的比值以及行驶里程与停留总次数的比值中选出任意数量个信息作为所述行程特征总信息。优选地,所述行程特征总信息包括通过以上方式得到的所有信息。
可选地,在本实施例的一种实施方式中,所述目标车辆的行程数据为某一个时间段内的行程数据,所述目标车辆的行程特征总信息是根据所述某一个时间段内的行程数据得到的。可选地,所述某一个时间段的行程数据可以是从当前时刻起一预设时长内的历史行程数据;也可以是从某个特定时刻起一预设时长内的历史行程数据,其中,某个特定时刻可以距离当前时刻一定时长。值得说明的是,上述某一个时间段可以根据具体需求进行确定。
可选地,在本实施例的另一种实施方式中,所述目标车辆的行程数据为多个时间段内的行程数据,所述目标车辆的行程特征总信息是根据所述多个时间段内的行程数据得到的。其中,所述多个时间段各自对应的时长不同。可选地,所述多个时间段内的行程数据可以是从当前时刻起不同时长的多个历史行程数据,比如,最近30天的历史行程数据、最近45天的历史行程数据、最近60天的行程数据;也可以是从某个特定时刻起不同时长内的历史行程数据,其中,某个特定时刻可以距离当前时刻一定时长。值得说明的是,上述多个时间段可以根据具体需求进行确定。由此,可根据多个历史行程数据,得到各历史行程数据对应的目标车辆在纯加气站的停留次数与停留总次数的比值、在各类站的停留次数、服务次数、服务里程、行驶里程、服务里程与停留总次数的比值以及行驶里程与停留总次数的比值,由此获得所述目标车辆的行程特征总信息。
所述能源类型可以包括纯燃油类型以及油气混动类型。其中,使用的能源的能源类型为纯燃油气类型的车辆,车辆类型为纯加油车。油气混动类型的车辆是油改气的车辆,使用的能源的能源类型为油气混动类型的车辆,车辆类型为加气加油车。
在得到所述目标车辆的行程特征总信息后,可通过以下方式确定所述目标车辆的能源类型:首先,通过所述分类模型,根据所述行程特征总信息得到所述目标车辆的能源类型为油气混动类型的概率;接着,将所述概率与预设概率进行比较,判断所述概率是否大于预设概率;若大于,则判定所述目标车辆的能源类型为油气混动类型;若不大于,则判定所述目标车辆的能源类型为纯燃油类型。由此,可根据所述行程特征总信息、分类模型以及预设概率,确定所述目标车辆的能源类型是油气混动类型还是纯燃油类型,也即确定所述目标车辆的车辆类型为加气油车还是纯加油车。
当油车改装为可加气的油车时,通过车辆注册信息并不能准确得到该车辆的能源类型。面对该情况,本申请实施例则可以准确确定车辆的能源类型,进而基于确定出的能源类型进行消息推送,从而保证消息的推送效果。
在得到所述目标车辆的能源类型后,可针对性地进行消息推送。在目标车辆为多个时,可依次判断各目标车辆的能源类型,然后针对各能源类型的目标车辆进行针对性的消息推送。
可选地,作为一种实施方式,所述能源类型还可以包括纯电动类型。能源类型为纯电动类型的车辆,车辆类型为充电车。可预先根据各车辆的车辆注册信息或其他信息,得到能源类型为纯电动类型的车辆标识集合,并将该车辆标识集合保存在所述服务器中。
请参照图2,图2示出了本申请实施例提供的消息推送方法的流程图之二。在步骤S160之前,所述方法还可以包括步骤S140。
步骤S140,根据所述车辆标识集合以及所述目标车辆的车辆标识,判断所述目标车辆的能源类型是否为纯电动类型。
将所述目标车辆的车辆标识与所述车辆标识集合中的车辆标识进行比对。若所述目标车辆的车辆标识与所述车辆标识集合中的某个车辆标识相同,则可以确定所述目标车辆的能源类型为纯电动类型,然后执行步骤S170。由此,可向能源类型为纯电动类型的车辆推送与纯电动类型能源相关的消息。
若所述目标车辆的车辆标识与所述车辆标识集合中的车辆标识均不相同,则可以确定所述目标车辆的能源类型不为纯电动类型。接下来可根据所述目标车辆的行程特征总信息确定所述目标车辆的能源类型,进而进行消息推送。
可选地,在所述目标车辆的能源类型不为纯电动类型时,若已获得了目标车辆的行程特征总信息,则可直接执行步骤S160。若未获得目标车辆的行程特征总信息,则先执行步骤S150,再执行步骤S160。
在本实施方式中,先确定所述目标车辆的能源类型为纯电动类型、纯燃油类型以及油气混动类型中的哪一种,然后基于确定的能源类型进行针对性的消息推送,由此可向各种能源类型的车辆推送相应的消息。
请参照图3,图3示出了本申请实施例提供的消息推送方法的流程图之三。在步骤S160之前,所述方法还可以包括步骤S110及步骤S120。
步骤S110,获得多个样本训练数据。
可选地,每个样本训练数据中包括该样本训练数据所对应的样本车辆的能源类型以及该样本车辆的样本行程特征总信息。
步骤S120,根据所述多个样本训练数据,训练得到所述分类模型。
作为一种实施方式,所述多个样本训练数据中包括正样本训练数据以及负样本训练数据,可通过以下方式获得样本训练数据:根据加气订单确定出能源类型为油气混动类型的第一样本车辆;获取所述第一样本车辆的样本行程特征总信息,并根据所述第一样本车辆的样本行程特征总信息以及能源类型得到正样本训练数据;根据负样本规则,确定出能源类型为纯燃油类型的第二样本车辆;根据所述第二样本车辆的样本行程特征总信息以及能源类型得到负样本训练数据。
在本实施方式中,将车辆类型分为充电车、纯加油车、加气加油车,对应地,将能源类型分为纯电动类型、纯燃油类型以及油气混动类型。当一车辆进行过加气后,则会产生加气订单。因此,若一车辆对应有加气订单,则可以确定该车辆的能源类型为油气混动类型。将一能源类型为油气混动类型的待选样本车辆作为一个第一样本车辆,然后获取该第一样本车辆的样本行程特征总信息,并根据该第一样本车辆的能源类型以及样本行程特征总信息,得到一个正样本训练数据。重复以上方式,可获得多个正样本训练数据。
根据预先设置的负样本规则,在待选样本车辆中进行筛选,以确定出能源类型为纯燃油类型的待选样本车辆作为第二样本车辆。根据各第二样本车辆的能源类型以及样本行程特征总信息得到多个负样本训练数据。
其中,所述负样本规则可根据实际需求进行设置。在确定负样本训练数据时,可将各待选样本车辆的信息与负样本规则进行比对,从而确定出第二样本车辆,进而得到多个负样本训练数据。
可选地,作为一种实施方式,所述负样本规则与样本行程特征总信息、加气订单及服务时长至少任意一项相关。其中,所述服务时长可以是以车辆首次服务时间或注册时间为起点、以当前时刻或特定时刻为终点的一个时间段的时长。
可选地,待选样本车辆的信息包括样本行程特征总信息,所述负样本规则与样本行程特征总信息相关。比如,所述负样本规则中包括一个在纯加气站的停留次数与停留总次数的比值阈值,若一待选样本车辆的样本行程特征总信息中也只包括一个在纯加气站的停留次数与停留总次数的比值,且该比值小于所述负样本规则中的比值阈值,则可确定该待选样本车辆为能源类型为纯燃油类型的第二样本车辆。可以理解的是,上述仅为举例说明,负样本规则也可以与样本行程特征总信息中其他某个或某些信息相关。
可选地,所述负样本规则还可以设置为:无加气订单的待选样本车辆是能源类型为纯燃油类型的车辆。待选样本车辆的信息还可以有无加气订单。可选地,可预先从相关的平台能源交易订单中确定各待选样本车辆是否有加气订单。
可选地,待选样本车辆的信息还可以包括服务时长,所述负样本规则还可以包括:服务时长大于预设服务时长的车辆是能源类型为纯燃油类型的车辆。若服务时长过短,即使该待选样本车辆是能源类型为纯燃油类型的车辆,由于服务时长过短,不便于获得该车辆的样本行程特征总信息,因此可采用预设服务时长来确定第二样本车辆。其中,预设服务时长可以根据实际需求设置,比如,设置为6个月。
通过以上方式,可生成以每个车辆作为一个样本的多个样本训练数据,进而通过训练得到所述分类模型。其中,待选样本车辆的样本行程特征总信息的获取方式,可参照上文对步骤S120的相关描述,在此不再赘述。
可选地,作为一种实施方式,可根据经验设置预设概率。后续在根据分类模型得到车辆的能源类型为油气混动类型的概率后,根据所述预设概率以及得到的所述概率确定该车辆的能源类型为油气混动类型还是纯燃油类型。
在本实施例中,若训练所述分类模型时使用的样本行程特征总信息是根据某个时间段内的行程数据得到的,则在确定目标车辆的能源类型时,使用的目标车辆的行程特征总信息也是根据某个时间段内的行程数据得到的。若样本行程特征总信息对应了多个时间段,则在确定目标车辆的能源类型时,使用的目标车辆的行程特征总信息对应至少一个相应的时间段即可。作为一种方式,样本行程特征总信息与行程特征总信息对应的时间段相同,比如,都是对应最近30天及最近45天。
请参照图4,图4示出了本申请实施例提供的消息推送方法的流程图之四。所述方法还可以包括步骤S130。可选地,作为一种实施方式,可通过步骤S130得到所述预设概率。
步骤S130,基于F1分数以及所述分类模型设置预设概率。
其中,F1分数(F1 Score),是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的精确率和召回率。F1分数可以看作是模型精确率和召回率的一种调和平均,它的最大值是1,最小值是0。F1的计算公式如下:
其中,precision表示精确率,recall表示召回率。
可针对所述分类模型设置多个备选预设概率,然后针对各备选预设概率,根据训练所述分类模型时使用的所述多个样本训练数据和/或新获得的多个样本训练数据,通过所述分类模型,得到各备选预设概率对应的精确率和召回率,进而计算出各备选预设概率对应的F1分数。然后,将最大F1分数对应的备选预设概率作为所述预设概率。后续可基于该预设概率以及分类模型确定车辆的能源类型。
第二实施例
基于同一发明构思,本申请实施例中还提供了与消息推送方法对应的消息推送装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述消息推送方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参照图5,图5示出了本申请实施例提供的消息推送装置300的功能模块框图之一。所述消息推送装置300应用于服务器,所述服务器中存储有分类模型。所述消息推送装置300可以包括信息获取模块330、类型确定模块340以及推送模块350。
所述信息获取模块330,用于根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息。
所述类型确定模块340,用于通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
所述推送模块350,用于根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
在可选的实施方式中,所述行程数据包括轨迹数据,所述行程特征总信息包括第一行程特征信息,所述信息获取模块330,具体用于:根据所述目标车辆的轨迹数据,获得所述目标车辆在纯加油站、纯加气站以及加气加油站处各自的停留次数;根据所述目标车辆在各类站的停留次数,计算得到所述目标车辆在能源站的停留总次数,其中,所述能源站包括纯加油站、纯加气站以及加气加油站;根据所述目标车辆在纯加气站的停留次数以及停留总次数确定所述第一行程特征信息,其中,所述第一行程特征信息包括所述目标车辆在纯加气站的停留次数与停留总次数的比值。
在可选的实施方式中,所述第一行程特征信息还包括所述目标车辆在各类站的停留次数。
在可选的实施方式中,所述服务器中还存储有能源站的位置信息,所述能源站的位置信息中包括纯加油站、纯加气站以及加气加油站的位置信息,所述信息获取模块330,具体用于:根据所述目标车辆的轨迹数据以及能源站的位置信息,得到所述目标车辆在各类站的停留次数。
在可选的实施方式中,所述行程数据还包括服务及行驶记录,所述行程特征总信息还包括第二行程特征信息,所述信息获取模块330,还具体用于:根据所述目标车辆的服务及行驶记录,计算得到所述第二行程特征信息,其中,所述第二行程特征信息包括目标车辆的服务次数、服务里程以及行驶里程。
在可选的实施方式中,所述行程特征总信息还包括第三行程特征信息,所述信息获取模块330,还具体用于:根据所述目标车辆的服务里程、行驶里程以及停留总次数,计算得到所述第三行程特征信息,其中,所述第三行程特征信息包括服务里程与停留总次数的比值、行驶里程与停留总次数的比值。
在可选的实施方式中,所述信息获取模块330,具体用于:获取所述目标车辆从当前时刻起不同时长的多个历史的行程数据;根据所述多个历史的行程数据,得到所述目标车辆的行程特征总信息。
在可选的实施方式中,所述能源类型包括纯燃油类型以及油气混动类型,油气混动类型的车辆是油改气的车辆,所述类型确定模块340,具体用于:通过所述分类模型根据所述行程特征总信息,得到所述目标车辆的能源类型为油气混动类型的概率;判断所述概率是否大于预设概率;若大于,则判定所述目标车辆的能源类型为油气混动类型;若不大于,则判定所述目标车辆的能源类型为纯燃油类型。
请参照图6,图6示出了本申请实施例提供的消息推送装置300的功能模块框图之二。在可选的实施方式中,所述消息推送装置300还可以包括:模型训练模块310。所述模型训练模块310用于:获得多个样本训练数据,其中,每个样本训练数据中包括所对应的样本车辆的能源类型以及该样本车辆的样本行程特征总信息;根据所述多个样本训练数据,训练得到所述分类模型。
在可选的实施方式中,所述样本训练数据中包括正样本训练数据及负样本训练数据,所述模型训练模块310,具体用于:根据加气订单确定出能源类型为油气混动类型的第一样本车辆;获取所述第一样本车辆的样本行程特征总信息,并根据所述第一样本车辆的样本行程特征总信息以及能源类型得到正样本训练数据;根据负样本规则、所述加气订单以及待选样本车辆的样本行程特征总信息,确定出能源类型为纯燃油类型的第二样本车辆;根据所述第二样本车辆的样本行程特征总信息以及能源类型得到负样本训练数据。
请参照图7,图7示出了本申请实施例提供的消息推送装置300的功能模块框图之三。在可选的实施方式中,所述消息推送装置300还可以包括:设置模块320。所述设置模块320,用于基于F1分数以及所述分类模型设置预设概率,其中,所述预设概率用于确定车辆的能源类型。
在可选的实施方式中,所述服务器中还存储有能源类型为纯电动类型的车辆标识集合,在通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型之前,所述类型确定模块340,还用于根据所述车辆标识集合以及所述目标车辆的车辆标识,判断所述目标车辆的能源类型是否为纯电动类型。若所述目标车辆的能源类型不为纯电动类型,所述类型确定模块340则通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型。若所述目标车辆的能源类型为纯电动类型,所述推送模块350则根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
第三实施例
本申请实施例还提供了一种服务器10,如图8所示,为本申请实施例提供的服务器10的结构示意图。所述服务器10可以包括:处理器11、存储器12和总线13等。所述存储器12存储有所述处理器11可执行的机器可读指令(比如,图5中的装置中的信息获取模块330、类型确定模块340以及推送模块350对应的执行指令等),当服务器10运行时,所述处理器11与所述存储器12之间通过总线13通信,所述机器可读指令被所述处理器11执行时执行如下处理:
一种可能的实施方式中,处理器11执行的指令中,包括如下过程:
根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息;
通过分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
关于服务器10运行时,处理器11执行的指令中所涉及的过程,可以参照上述方法实施例中的相关说明,这里不再详述。
第四实施例
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述消息推送方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述消息推送方法,从而解决现有技术中消息推送不准确的问题,进而达到提高消息推送效果的效果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,又例如,多个模块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通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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单元来实现本实施例方案的目的。
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存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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设备(可以是个人计算机,服务器,或者网络设备等)执行本申请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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种消息推送方法,其特征在于,应用于服务器,所述服务器中存储有分类模型,所述方法包括:
根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息;
通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
2.根据权利要求1所述的方法,其特征在于,所述行程数据包括轨迹数据,所述行程特征总信息包括第一行程特征信息,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,包括:
根据所述目标车辆的轨迹数据,获得所述目标车辆在纯加油站、纯加气站以及加气加油站处各自的停留次数;
根据所述目标车辆在各类站的停留次数,计算得到所述目标车辆在能源站的停留总次数,其中,所述能源站包括纯加油站、纯加气站以及加气加油站;
根据所述目标车辆在纯加气站的停留次数以及停留总次数确定所述第一行程特征信息,其中,所述第一行程特征信息包括所述目标车辆在纯加气站的停留次数与停留总次数的比值。
3.根据权利要求2所述的方法,其特征在于,所述第一行程特征信息还包括所述目标车辆在各类站的停留次数。
4.根据权利要求2所述的方法,其特征在于,所述行程数据还包括服务及行驶记录,所述行程特征总信息还包括第二行程特征信息,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,还包括:
根据所述目标车辆的服务及行驶记录,计算得到所述第二行程特征信息,其中,所述第二行程特征信息包括目标车辆的服务次数、服务里程以及行驶里程。
5.根据权利要求4所述的方法,其特征在于,所述行程特征总信息还包括第三行程特征信息,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,还包括:
根据所述目标车辆的服务里程、行驶里程以及停留总次数,计算得到所述第三行程特征信息,其中,所述第三行程特征信息包括服务里程与停留总次数的比值、行驶里程与停留总次数的比值。
6.根据权利要求1所述的方法,其特征在于,所述根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息,包括:
获取所述目标车辆从当前时刻起不同时长的多个历史的行程数据;
根据所述多个历史的行程数据,得到所述目标车辆的行程特征总信息。
7.根据权利要求2-6中任意一项所述的方法,其特征在于,所述能源类型包括纯燃油类型以及油气混动类型,油气混动类型的车辆是油改气的车辆,所述通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型,包括:
通过所述分类模型根据所述行程特征总信息,得到所述目标车辆的能源类型为油气混动类型的概率;
判断所述概率是否大于预设概率;
若大于,则判定所述目标车辆的能源类型为油气混动类型;
若不大于,则判定所述目标车辆的能源类型为纯燃油类型。
8.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获得多个样本训练数据,其中,每个样本训练数据中包括所对应的样本车辆的能源类型以及该样本车辆的样本行程特征总信息;
根据所述多个样本训练数据,训练得到所述分类模型。
9.根据权利要求1所述的方法,其特征在于,所述服务器中还存储有能源类型为纯电动类型的车辆标识集合,在所述通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型之前,所述方法还包括:
根据所述车辆标识集合以及所述目标车辆的车辆标识,判断所述目标车辆的能源类型是否为纯电动类型;
若所述目标车辆的能源类型不为纯电动类型,则执行通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型的步骤;
若所述目标车辆的能源类型为纯电动类型,则执行根据所述目标车辆的能源类型,向所述目标车辆进行消息推送的步骤。
10.一种消息推送装置,其特征在于,应用于服务器,所述服务器中存储有分类模型,所述装置包括:
信息获取模块,用于根据目标车辆的行程数据,获得所述目标车辆的行程特征总信息;
类型确定模块,用于通过所述分类模型根据所述目标车辆的行程特征总信息,确定所述目标车辆的能源类型;
推送模块,用于根据所述目标车辆的能源类型,向所述目标车辆进行消息推送。
11.一种服务器,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当服务器运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至9任一所述的消息推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010550320.XA CN111859112A (zh) | 2020-06-16 | 2020-06-16 | 消息推送方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010550320.XA CN111859112A (zh) | 2020-06-16 | 2020-06-16 | 消息推送方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111859112A true CN111859112A (zh) | 2020-10-30 |
Family
ID=72986676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010550320.XA Pending CN111859112A (zh) | 2020-06-16 | 2020-06-16 | 消息推送方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859112A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488801A (zh) * | 2020-12-15 | 2021-03-12 | 北京易兴元石化科技有限公司 | 一种石油订单数据处理方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017107740A1 (en) * | 2015-12-24 | 2017-06-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a target vehicle/provider |
WO2017186157A1 (zh) * | 2016-04-29 | 2017-11-02 | 盯盯拍(深圳)技术股份有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
CN107846463A (zh) * | 2017-11-08 | 2018-03-27 | 北京摩拜科技有限公司 | 信息推送方法、服务器、客户端及车辆系统 |
WO2019001044A1 (zh) * | 2017-06-29 | 2019-01-03 | 山东省交通规划设计院 | 基于手机数据的车辆类型识别方法和设备 |
-
2020
- 2020-06-16 CN CN202010550320.XA patent/CN111859112A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017107740A1 (en) * | 2015-12-24 | 2017-06-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a target vehicle/provider |
CN108780553A (zh) * | 2015-12-24 | 2018-11-09 | 北京嘀嘀无限科技发展有限公司 | 用于确定目标车辆/提供者的系统和方法 |
WO2017186157A1 (zh) * | 2016-04-29 | 2017-11-02 | 盯盯拍(深圳)技术股份有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
WO2019001044A1 (zh) * | 2017-06-29 | 2019-01-03 | 山东省交通规划设计院 | 基于手机数据的车辆类型识别方法和设备 |
CN107846463A (zh) * | 2017-11-08 | 2018-03-27 | 北京摩拜科技有限公司 | 信息推送方法、服务器、客户端及车辆系统 |
Non-Patent Citations (1)
Title |
---|
冯亮;梁工谦;: "联网中物流配送车辆调度目标定位设计与仿真", 计算机仿真, no. 04 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488801A (zh) * | 2020-12-15 | 2021-03-12 | 北京易兴元石化科技有限公司 | 一种石油订单数据处理方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10436602B2 (en) | Apparatus and method for providing optimal gear advice | |
CN111670340B (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
CN102072731B (zh) | 具有加油提示功能的可携式导航设备及其方法 | |
KR101759341B1 (ko) | 차량 운행 정보를 이용한 차량 보험 관리 시스템 및 그 방법 | |
US20180370537A1 (en) | System providing remaining driving information of vehicle based on user behavior and method thereof | |
CN107421555B (zh) | 确定导航路径的方法和装置 | |
CN111598663A (zh) | 一种消息推送方法,装置,电子设备和存储介质 | |
CN106548246B (zh) | 一种电动车辆实时充电推荐方法及其系统 | |
CN104697540A (zh) | 提供加油站信息的方法和信息处理装置及车载导航系统 | |
CN106500707B (zh) | 用于示出车辆中燃料里程测量的装置和方法 | |
CN113505149B (zh) | 一种推荐充电站的方法、服务器、介质及计算机设备 | |
CN115083161B (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
CN113537615B (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
CN114256523A (zh) | 一种充电桩充电控制方法、装置、电子设备及存储介质 | |
CN112765726A (zh) | 一种寿命预测方法及装置 | |
CN111984853B (zh) | 试驾报告生成方法和云端服务器 | |
CN111859112A (zh) | 消息推送方法、装置及服务器 | |
JP2016110279A (ja) | 燃費情報提供システム、情報処理装置及び燃費情報提供方法 | |
CN114463029A (zh) | 一种车辆加油日确定方法、装置、设备和相关系统 | |
CN110992686B (zh) | 交通出行大数据分析方法 | |
EP3391322A1 (de) | Vorrichtung und verfahren zur bestimmung einer tankersparnis | |
CN109862057A (zh) | 运营推送方法、装置、服务器和计算机可读存储介质 | |
CN116989817B (zh) | 基于数据分析的能源设备安全检测数据传输系统及方法 | |
CN113029179B (zh) | 一种路线评测方法、装置、电子设备及存储介质 | |
CN110871755B (zh) | 车载数据的处理方法、处理装置及车辆 |
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 |