CN111861092A - 一种停放区域风险识别方法、装置、电子设备及存储介质 - Google Patents
一种停放区域风险识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111861092A CN111861092A CN202010434930.3A CN202010434930A CN111861092A CN 111861092 A CN111861092 A CN 111861092A CN 202010434930 A CN202010434930 A CN 202010434930A CN 111861092 A CN111861092 A CN 111861092A
- Authority
- CN
- China
- Prior art keywords
- area
- risk
- vehicles
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000006872 improvement Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 230000015654 memory Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供的一种停放区域风险识别方法、装置、电子设备及存储介质,涉及数据处理技术领域,该方法包括:获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,根据使用订单信息以及状态信息,采用预设的区域识别模型进行处理,得到每个区域的识别结果。采用预设的区域识别模型,确定多个区域中每个区域的识别结果,将多个区域划分为了第一风险区和第二风险区,第一风险区域和第二风险区域内交通工具被使用的概率不同,实现了在交通工具被使用概率的维度上,对停放区域进行划分,对交通工具所在区域的风险性进行了判定,便于提高交通工具的使用率。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种停放区域风险识别方法、装置、电子设备及存储介质。
背景技术
共享交通工具是指在公共区域所提供的交通工具共享服务,其运营模式为分时租赁的模式。共享交通工具为人类生活带来了极大的便利性,受到了广泛的欢迎,对于共享交通工具的管理也变得越来越重要。
相关技术中,用户终端上可以显示地图,地图中可以显示有依据城市规划的需求,所人为设定的共享交通工具的禁停区域。
但是,相关技术中,根据城市规划需求设定的禁停区域,仅仅可以方便于城市规划,无法对共享交通工具所在区域的风险性进行判定,容易出现共享交通工具在区域内长时间不被使用的问题。
发明内容
有鉴于此,本申请实施例的目的在于提供一种停放区域风险识别方法、装置、电子设备及存储介质,能够通过预设的区域识别模型解决现有技术中存在的无法对共享交通工具所在区域的风险性进行判定,容易出现共享交通工具在区域内长时间不被使用的问题。
第一方面,本申请实施例提供了一种停放区域风险识别方法,包括:
获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息;
根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,所述识别结果用于指示所述每个区域为第一风险区域还是第二风险区域,其中,所述第一风险区域内交通工具被使用的概率,小于,所述第二风险区域内交通工具被使用的概率。
可选的,所述方法还包括:
在被使用交通工具在满足预设条件时,获取所述被使用交通工具的定位数据,确定所述被使用交通工具的停放区域;
根据所述停放区域,以及所述多个区域的识别结果,确定所述停放区域为所述第一风险区域还是所述第二风险区域。
可选的,所述方法还包括:
若所述停放区域为所述第一风险区域,则输出调度信息,所述调度信息用于指示对所述被使用交通工具进行调度,以改变所述被使用交通工具的停放区域。
可选的,所述方法还包括:
若所述停放区域为所述第一风险区域,则向所述被使用交通工具对应的客户端设备发送提示信息,所述提示信息用于指示改进所述被使用交通工具的停放区域。
可选的,所述在被使用交通工具在满足预设条件时,获取所述被使用交通工具的定位数据,确定所述被使用交通工具的停放区域之前,所述方法还包括:
若所述被使用交通工具的使用结束时,确定所述被使用交通工具满足预设条件;或者,
若所述被使用交通工具的使用时长大于或等于预设时长,则确定所述被使用交通工具满足预设条件。
可选的,所述方法还包括:
根据所述多个区域的识别结果,将所述多个区域中识别为所述第一风险区域的各区域进行聚合,得到聚合后的区域;
将所述聚合后的区域进行连接,得到风险地理围栏;
输出所述风险地理围栏的信息,所述风险地理围栏的信息用于展示在客户端设备的地图界面上,以指示所述风险地理围栏所包围的区域为禁止停放区域。
可选的,所述获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息,包括:
根据预设的时间周期,获取所述每个区域内交通工具在所述时间周期内的使用订单信息,以及所述每个区域内交通工具在所述时间周期内的状态信息。
可选的,所述根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,包括:
对所述使用订单信息以及所述状态信息进行特征加工,得到所述每个区域在多个特征维度的特征数据;
根据所述每个区域在多个特征维度的特征数据,采用所述区域识别模型进行处理,得到所述每个区域的识别结果。
可选的,所述根据所述每个区域在多个特征维度的特征数据,采用所述区域识别模型进行处理,得到所述每个区域的识别结果之前,所述方法还包括:
获取所述每个区域的训练数据,所述每个区域的训练数据包括:所述每个区域在所述多个特征维度的样本特征数据;
根据所述多个区域的训练数据,采用预设的深度学习算法进行模型训练,得到所述区域识别模型。
可选的,所述获取所述每个区域的训练数据,包括:
获取所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息;
对所述历史使用订单信息和所述历史状态信息进行特征加工,得到所述每个区域在所述多个特征维度的样本特征数据。
可选的,所述获取所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息,包括:
获取预设地理范围内交通工具的订单日志,以及所述预设地理区域内交通工具的状态日志;所述预设地理范围为所述多个区域构成的地理范围;
根据所述预设地理范围的区域划分,分别对所订单日志,以及所述状态日志进行切分,得到所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息。
可选的,所述多个特征维度包括如下至少两个特征的维度:
订单数量、交通工具密度、交通工具的平均订单量、沉默交通工具的数量、所述沉默交通工具的平均未使用时长、交通工具的资损增速;
其中,所述沉默交通工具为连续预设时长未被使用的交通工具,所述资损增速为基于交通工具的活跃度以及平均订单量得到的特征。
第二方面,本申请实施例提供了一种停放区域风险识别装置,包括:
获取模块,用于获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息;
处理模块,用于根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,所述识别结果用于指示所述每个区域为第一风险区域还是第二风险区域,其中,所述第一风险区域内交通工具被使用的概率,小于,所述第二风险区域内交通工具被使用的概率。
可选的,所述装置还包括:
第一确定模块,用于在被使用交通工具在满足预设条件时,获取所述被使用交通工具的定位数据,确定所述被使用交通工具的停放区域;根据所述停放区域,以及所述多个区域的识别结果,确定所述停放区域为所述第一风险区域还是所述第二风险区域。
可选的,所述装置还包括:
第一输出模块,用于若所述停放区域为所述第一风险区域,则输出调度信息,所述调度信息用于指示对所述被使用交通工具进行调度,以改变所述被使用交通工具的停放区域。
可选的,所述装置还包括:
发送模块,用于若所述停放区域为所述第一风险区域,则向所述被使用交通工具对应的客户端设备发送提示信息,所述提示信息用于指示改进所述被使用交通工具的停放区域。
可选的,所述装置还包括:
第二确定模块,用于若所述被使用交通工具的使用结束时,确定所述被使用交通工具满足预设条件;或者,若所述被使用交通工具的使用时长大于或等于预设时长,则确定所述被使用交通工具满足预设条件。
可选的,所述装置还包括:
识别模块,用于根据所述多个区域的识别结果,将所述多个区域中识别为所述第一风险区域的各区域进行聚合,得到聚合后的区域;
连接模块,用于将所述聚合后的区域进行连接,得到风险地理围栏;
第二输出模块,用于输出所述风险地理围栏的信息,所述风险地理围栏的信息用于展示在所述客户端设备的地图界面上,以指示所述风险地理围栏所包围的区域为禁止停放区域。
可选的,所述获取模块,还用于根据预设的时间周期,获取所述每个区域内交通工具在所述时间周期内的使用订单信息,以及所述每个区域内交通工具在所述时间周期内的状态信息。
可选的,所述处理模块,还用于对所述使用订单信息以及所述状态信息进行特征加工,得到所述每个区域在多个特征维度的特征数据;根据所述每个区域在多个特征维度的特征数据,采用所述区域识别模型进行处理,得到所述每个区域的识别结果。
可选的,所述装置还包括:
第一获取模块,用于获取所述每个区域的训练数据,所述每个区域的训练数据包括:所述每个区域在所述多个特征维度的样本特征数据;
训练模块,用于根据所述多个区域的训练数据,采用预设的深度学习算法进行模型训练,得到所述区域识别模型。
可选的,所述第一获取模块,还用于获取所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息;对所述历史使用订单信息和所述历史状态信息进行特征加工,得到所述每个区域在所述多个特征维度的样本特征数据。
可选的,所述第一获取模块,还用于获取预设地理范围内交通工具的订单日志,以及所述预设地理区域内交通工具的状态日志;所述预设地理范围为所述多个区域构成的地理范围;根据所述预设地理范围的区域划分,分别对所订单日志,以及所述状态日志进行切分,得到所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息。
可选的,所述多个特征维度包括如下至少两个特征的维度:
订单数量、交通工具密度、交通工具的平均订单量、沉默交通工具的数量、所述沉默交通工具的平均未使用时长、交通工具的资损增速;
其中,所述沉默交通工具为连续预设时长未被使用的交通工具,所述资损增速为基于交通工具的活跃度以及平均订单量得到的特征。
第三方面,本申请实施例提供了一种电子设备,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,当电子设备运行时,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,以执行时执行上述第一方面任一所述的停放区域风险识别方法的步骤。
第四方面,本申请实施例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第一方面任一所述的停放区域风险识别方法的步骤。
本发明实施例提供的一种停放区域风险识别方法、装置、电子设备及存储介质,该方法包括:获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,根据使用订单信息以及状态信息,采用预设的区域识别模型进行处理,得到每个区域的识别结果。采用预设的区域识别模型,依据多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,确定多个区域中每个区域的识别结果,将多个区域划分为了第一风险区和第二风险区,第一风险区域和第二风险区域内交通工具被使用的概率不同,实现了在交通工具被使用概率的维度上,对停放区域进行划分,对交通工具所在区域的风险性进行了判定,便于提高交通工具的使用率。
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示出了本申请一些实施例提供停放区域风险识别系统的框图;
图2示出了本申请一些实施例提供电子设备的结构示意图;
图3示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图4示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图5示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图6示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图7示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图8示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图9示出本申请的一些实施例的停放区域风险识别方法的流程示意图;
图10示出本申请的一些实施例的停放区域风险识别装置的结构示意图;
图11示出了本申请实施例所提供的一种电子设备的结构示意图。
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。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
本申请中使用的定位技术可以基于全球定位系统(Global Positioning System,GPS)、全球导航卫星系统(Global Navigation Satellite System,GLONASS)、北斗系统、罗盘导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(Quasi-Zenith SatelliteSystem,QZSS)、无线保真(Wireless Fidelity,WiFi)定位技术等,或其任意组合。一个或多个上述定位系统可以在本申请中互换使用。
图1示出了本申请一些实施例提供停放区域风险识别系统的框图。停放区域风险识别系统100可以包括服务器110、网络120、客户端设备130、调度端设备140和数据库150中的一种或多种,服务器110中可以包括执行指令操作的处理器。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式系统)。在一些实施例中,服务器110相对于终端,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问存储在客户端设备130、调度端设备140、或数据库150、或其任意组合中的信息和/或数据。作为另一示例,服务器110可以直接连接到客户端设备130、调度端设备140和数据库150中至少一个,以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务器110可以在具有本申请中图2所示的一个或多个组件的电子设备200上实现。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。例如,处理器可以基于从客户端设备130获得订单信息和交通工具的状态信息。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等,或其任意组合。
网络120可以用于信息和/或数据的交换。在一些实施例中,停放区域风险识别系统100中的一个或多个组件(例如,服务器110,客户端设备130,调度端设备140和数据库150)可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从客户端设备130获取订单信息和交通工具的状态信息。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络120可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(NearField Communication,NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,停放区域风险识别系统100的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
数据库150可以存储数据和/或指令。在一些实施例中,数据库150可以存储从客户端设备130和/或调度端设备140获得的数据。在一些实施例中,数据库150可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库150可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM);RAM可以包括动态RAM(Dynamic Random AccessMemory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDRSDRAM);静态RAM(Static Random-Access Memory,SRAM),晶闸管RAM(Thyristor-BasedRandom Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(Programmable Read-Only Memory,PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory,PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库150可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库150可以连接到网络120以与停放区域风险识别系统100(例如,服务器110,客户端设备130,调度端设备140等)中的一个或多个组件通信。停放区域风险识别系统100中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中,数据库150可以直接连接到停放区域风险识别系统100中的一个或多个组件(例如,服务器110,客户端设备130,调度端设备140等);或者,在一些实施例中,数据库150也可以是服务器110的一部分。
图2示出根据本申请的一些实施例的可以实现本申请思想的服务器110的电子设备200的示例性硬件和软件组件的示意图。例如,处理器220可以用于电子设备200上,并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的停放区域风险识别方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230、和不同形式的存储介质240,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口250。
为了便于说明,在电子设备200中仅描述了一个处理器。然而,应当注意,本申请中的电子设备200还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备200的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
目前随着共享交通工具的普及,各个城市均存在部分区域,当共享交通工具停放在该区域时,被使用概率较低,一旦共享交通工具流入该区域便容易造成长时间沉默,甚至成为失联车,这严重影响了共享交通工具的订单量,而且也会存在着共享交通工具失联造成资产损失的风险。
相关技术中,主要是依据城市规划的需求设置禁停区域;并且对禁停区域规划也较少,仅仅可以方便于城市规划,无法对共享交通工具所在区域的风险性进行判定,容易出现共享交通工具在区域内长时间不被使用的问题,进而影响了共享交通工具的订单量。
图3示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图3所示,该方法可以包括:
S101、获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息。
其中,交通工具的类型可以为共享交通工具,例如,共享交通工具可以为共享单车,也可以共享汽车,还可以为其他类型的共享交通工具,本申请实施例对此不进行具体限制。
在本申请实施例中,服务器可以与客户端设备通信,客户端设备可以向服务器发送使用订单信息,以及交通工具的状态信息,服务器可以接收该使用订单信息,以及交通工具的状态信息,继而,服务器可以获取到多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息。其中,客户端设备可以为手机、平板电脑、智能手表等移动终端设备。
另外,服务器还可以与第三方管理平台通信,第三方管理平台可以与客户端设备通信,服务器也可以通过第三方管理平台获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息。
在一些实施方式中,服务器可以实时获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息;可选的,服务器也可以间隔根据预设的时间周期,获取所述每个区域内交通工具在所述时间周期内的使用订单信息,以及所述每个区域内交通工具在所述时间周期内的状态信息。
其中,订单信息和交通工具的状态信息,可以包括:订单起始定位信息、订单终点定位信息、交通工具在区域的状态信息、时间信息、空间位置信息。
需要说明的是,订单信息以及状态信息中可以包括:交通工具的位置信息,服务器中可以预设有区域划分规则,服务器获取到多个订单信息,以及交通工具的状态信息后,可以采用预设区域划分规则,根据交通工具的位置信息,对多个订单信息以及交通工具的状态信息进行划分,得到多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息。
S102、根据使用订单信息以及状态信息,采用预设的区域识别模型进行处理,得到每个区域的识别结果。
其中,识别结果用于指示每个区域为第一风险区域还是第二风险区域。第一风险区域内交通工具被使用的概率,小于,第二风险区域内交通工具被使用的概率。
另外,第一风险区域内交通工具被使用的概率可以小于预设概率范围的最小概率值,第二风险区域内交通工具被使用的概率可以在预设概率范围内。第一风险区域可以称为风险沉默区域,第二风险区域可以称为非风险沉默区域。
在本申请实施例中,多个区域可以属于同一个行政区域,例如,多个区域可以属于同一个城市,或者,多个区域可以属于同一个区或者县。不同的行政区域所对应的预设的区域识别模型可以不同,即,每个行政区域可以具有对应的预设区域识别模型,当然,每个行政区域也可以具有同一预设的区域识别模型,本申请实施例对此不进行具体限制。
在一种可能的实施方式中,服务器获取订单信息、以及交通工具的状态信息后,服务器可以将多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,输入至预设的区域识别模型中,则预设的区域识别模型可以输出每个区域的识别结果,即预设的区域识别模型可以输出多个区域中的每个区域为第一风险区域还是第二风险区域。
需要说明的是,服务器可以保存对于多个区域中每个区域的识别结果,第一风险区域内交通工具被使用的概率较小,在实际应用中,服务器可以基于该识别结果,确定对第一风险区域内交通工具,从而生成提示信息,以便相关人员对第一风险区域内交通工具进行处理,提高交通工具的使用率。
综上所述,本申请实施例提供一种停放区域风险识别方法,该方法可以包括:获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,根据使用订单信息以及状态信息,采用预设的区域识别模型进行处理,得到每个区域的识别结果。采用预设的区域识别模型,依据多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,确定多个区域中每个区域的识别结果,将多个区域划分为了第一风险区和第二风险区,第一风险区域和第二风险区域内交通工具被使用的概率不同,实现了在交通工具被使用概率的维度上,对停放区域进行划分,对交通工具所在区域的风险性进行了判定,便于提高交通工具的使用率。
图4是示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图4所示,该方法还可以包括:
S201、在被使用交通工具在满足预设条件时,获取被使用交通工具的定位数据,确定被使用交通工具的停放区域。
其中,被使用交通工具满足预设条件,可以指被使用交通工具的状态满足预设状态条件。
需要说明的是,客户端设备上可以安装有预设应用程序,用户可以在客户端设备上进行操作,则客户端设备可以控制交通工具开锁,在交通工具被使用中时,客户端设备可以确定被使用交通工具的订单信息和交通工具的状态信息。
在一些实施方式中,客户端设备可以向服务器发送被使用交通工具的订单信息和状态信息,服务器可以接收被使用交通工具的订单信息和状态信息,并判断订单信息和交通工具的状态信息是否满足预设状态条件,当满足该预设状态条件时,服务器可以依据订单信息和状态信息确定被使用交通工具的定位数据,并根据预设的对应关系,确定该定位数据所属的区域,将该区域作为被使用交通工具的停放区域。
另外,上述定位数据可以为被使用交通工具所在地理位置的经度和纬度信息,上述预设的对应关系可以为多个区域与位置信息之间的对应关系,一个区域可以对应一个位置范围,该位置信息也可以为经度和纬度信息。
S202、根据停放区域,以及多个区域的识别结果,确定停放区域为第一风险区域还是第二风险区域。
其中,每个区域具有对应的标识,每个区域的标识可以不同。多个区域的识别结果可以包括:多个区域的标识,每个区域的标识对应有第一风险区域或者第二风险区域。
在一种可能的实施方式中,服务器在确定停放区域后,相应的可以确定停放区域对应的标识,根据该停放区域的标识在多个区域的标识中查找相同的区域标识,继而可以确定该区域标识对应的第一风险区域或者第二风险区域,从而确定停放区域为第一风险区还是第二风险区。
综上所述,本申请实施例提供的方法,当被使用交通工具在满足预设条件时,基于多个区域的识别结果,确定被使用交通工具的停放区域为第一风险区域还是第二风险区域,实现对被使用交通工具停放区域进行判定,对被使用交通工具被使用概率进行了预测,有效防止资产损失。
可选的,若停放区域为第一风险区域,则输出调度信息,调度信息用于指示对被使用交通工具进行调度,以改变被使用交通工具的停放区域。
其中,当停放区域为第一风险区域时,则说明该被使用交通工具的停放区域存在被使用概率较低的风险。
在一种可能的实施方式中,若停放区域为第一风险区域,服务器可以生成调度信息,并向调度端设备发送调度信息,调度端设备可以接收该调度信息,调度端设备根据该调度信息提示调度人员,调度人员可以获知该调度信息,并依据该调度信息对被使用交通工具进行调度,调度人员可以将交通工具调度至第二风险区域。
需要说明的是,调度端设备可以为手机、平板电脑、笔记本电脑、台式电脑等计算机设备,调度端设备可以根据调度信息向调度人员展示和/或播放提示信息,以提示调度人员。例如,当调度端设备为手机时,提示方式可以为短信提示、彩信提示、电话提示中的任意一种。
另外,服务器还可以对停放区域内被使用交通工具的数量进行统计,调度信息可以包括:停放区域的标识信息、停放区域的位置信息、停放区域内、被使用交通工具的数量信息等等。
综上所述,当停放区域为第一风险区域,则输出调度信息,可以使得调度人员对第一风险区域内的交通工具进行调度,从而避免了交通工具在第一风险区域内被使用概率较低的风险,提高了交通工具被使用的概率。
可选地,若停放区域为第一风险区域,则向被使用交通工具对应的客户端设备发送提示信息。
其中,提示信息可以用于指示改进被使用交通工具的停放区域。
在一种可能的实施方式中,服务器所获取客户端设备发送的被使用交通工具的订单信息中,还可以包括客户端设备的标识信息,当服务器确定被使用交通工具的停放区域为第一风险区域时,服务器可以依据客户端设备的标识信息,向该客户端设备发送提示信息。
相应的,客户端设备可以接收上述提示信息,并根据该提示信息提示用户当前区域禁止停放。在实际应用中,可以以短息、电话的方式提示用户,也可以通过客户端设备所安装的应用程序来提示用户,例如,可以通过应用程序显示文字、图片、播放提示音频等等。
当然,提示信息中还可以包括:与停放区域的距离最近的第二风险区域的位置。这样可以便于用户确定被使用交通工具的可停放的位置,从而引导用户将交通工具停放在该第二风险区域内。
综上所述,若停放区域为第一风险区域,则向被使用交通工具对应的客户端设备发送提示信息,可以使用户获知当前停放区域不能停放交通工具,从而改变了被使用交通工具的停放位置,将被使用交通工具停放在第二风险区域内,继而提高了交通工具被使用的概率,有效防止了资产损失。
可选的,在S201之前,该方法还可以包括:
若被使用交通工具的使用结束时,确定被使用交通工具满足预设条件;或者,若被使用交通工具的使用时长大于或等于预设时长,则确定被使用交通工具满足预设条件。
在一种可能的实施方式中,服务器可以根据客户端设备发送的订单信息和状态信息,确定被使用交通工具是否结束使用,当被使用交通工具的使用结束时,确定被使用交通工具满足预设条件。在被使用交通工具结束使用时,对被使用交通工具的停放区域进行判定,可以实现及时对被使用交通工具进行调度,或者及时提示用户。
另外,服务器可以根据客户端设备发送的订单信息和状态信息,确定被使用交通工具的使用时长,并判断使用时长是否大于或等于预设时长,当使用时长是否大于或等于预设时长时,可以确定被使用交通工具满足预设条件。通过判断使用时长,可以对用户忘记关锁的交通工具的停放区域进行判定,也可以对被占为私用的交通工具的停放区域进行判定,实现了对异常状态的交通工具停放区域的判定。
例如,当被使用交通工具为共享单车时,服务器可以通过确定共享单车是否落锁,来确定共享单车是否结束使用。
可选的,图5是示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图5所示,该方法可以包括:
S301、根据多个区域的识别结果,将多个区域中识别为第一风险区域的各区域进行聚合,得到聚合后的区域。
其中,服务器可以根据多个区域的识别结果和各个区域的类型,将多个区域中识别为第一风险区域的各区域进行聚合。
在一些实施方式中,服务器可以确定各区域的类型,若区域的识别结果指示该区域为第一风险区域,且该区域的类型为预设区域类型,则可以将该区域划分为第二风险区域。
例如,区域a的识别结果指示区域a为第一风险区域,区域a的类型为街道,则可以将区域a划分为第二风险区域。
另外,为了避免第一风险区域的分布过于零散,服务器还可以根据预设聚合规则,对第一风险区域进行聚合,例如,当预设范围内,第一风险区域的数量小于预设数量,则该预设范围内的第一风险区域划分为第二风险区域。
S302、将聚合后的区域进行连接,得到风险地理围栏。
在本发明实施例中,服务器可以将相邻的聚合后的区域进行连接,得到连接后的区域,对连接后的区域进行标注,得到风险地理围栏。其中,服务器可以改变连接后的区域的颜色、也可以在连接后的区域上添加文字说明或者禁停标识,该可以对连接后的区域边框添加图案,本申请实施例对此不进行具体限制。
S303、输出风险地理围栏的信息。
其中,风险地理围栏的信息用于展示在客户端设备的地图界面上,以指示风险地理围栏所包围的区域为禁止停放区域。
在一种可能的实施方式中,服务器可以向客户端设备发送风险地理围栏的信息,客户端设备可以接收该风险地理围栏的信息,风险地理围栏的信息展示在客户端设备的地图界面上,客户端设备可以根据用户的当前位置信息或者用户对地图界面的操作信息,向用户展示地图界面。
在实际应用中,用户可以打开客户端设备的应用程序时,并通过该应用程序对共享交通工具进行开锁,则客户端设备通过应用程序向用户展示用户当前位置预设范围内的地图信息,在用户使用交通工具的过程中,展示的地图信息可以根据用户的位置进行更新,该地图信息中可以风险地理围栏的信息。
综上所述,服务器根据多个区域的识别结果,将多个区域中识别为第一风险区域的各区域进行聚合,得到聚合后的区域;将聚合后的区域进行连接,得到风险地理围栏;输出风险地理围栏的信息。使得服务器可以合理的确定风险地理围栏,通过客户端设备在地图界面上展示该风险地理围栏,可以使得用户对交通工具的停放区域进行预判,从而提高了用户体验。
可选的,图6是示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图6所示,上述S102的过程可以包括:
S401、对使用订单信息以及状态信息进行特征加工,得到每个区域在多个特征维度的特征数据。
其中,服务器可以对使用订单信息和状态信息进行清洗和过滤,以筛除异常的订单信息和异常的交通工具。
在一些实施方式中,服务器中可以预设有多个特征维度,每个特征维度具有对应的计算规则,服务器在获取到多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息后,可以采用每个维度对应的计算规则,根据每个区域的订单信息和状态信息进行计算,得到每个区域在多个特征维度的特征数据。
例如,多个维度可以包括维度a、维度b和维度c;多个区域可以为包括区域x和区域y,则进行特征加工后,可以得到区域x分别在维度a、维度b和维度c的特征数据,以及区域y分别在维度a、维度b和维度c的特征数据。
S402、根据每个区域在多个特征维度的特征数据,采用区域识别模型进行处理,得到每个区域的识别结果。
其中,采用区域识别模型,基于第一目标数据与第一风险区域、或者第二目标数据与第二风险区域的对应关系,确定每个区域的识别结果。
在一种可能的实施方式中,服务器可以采用区域识别模型,对每个每个区域在多个特征维度的特征数据进行计算,得到每个区域的计算数据,确定该计算数据为第一目标数据或者第二目标数据。若计算数据为第一目标数据时,则该区域为第一风险区域,若计算数据为第二目标数据时,在该区域为第二风险区域。
综上所述,服务器对使用订单信息以及状态信息进行特征加工,得到每个区域在多个特征维度的特征数据,根据每个区域在多个特征维度的特征数据,采用区域识别模型进行处理,得到每个区域的识别结果。通过服务器获取每个区域在多个特征维度的特征数据,采用区域识别模型基于个特征维度的特征数据进行处理,可以提高识别结果的准确性。
可选的,图7是示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图7所示,在S102之前,该方法还可以包括:
S501、获取每个区域的训练数据。
其中,每个区域的训练数据包括:每个区域在多个特征维度的样本特征数据。
需要说明的是,每个区域的训练数据是基于每个区域的历史订单数据和交通工具的状态数据,进行计算和处理得到的。
S502、根据多个区域的训练数据,采用预设的深度学习算法进行模型训练,得到区域识别模型。
在本申请实施例中,服务器可以采用预设的深度学习算法,对每个区域在多个特征维度的样本特征数据进行计算,以构建第一目标数据与第一风险区,以及第二目标数据与第二风险区的对应关系,并构建订单量维度,从而可以得到区域识别模型。
需要说明的是,服务器可以通过该区域识别模型,基于训练数据的计算结果和上述对应关系,判断各区域为初始第一风险区还是初始第二风险区,得到判断结果,继而依据每个区域的订单量和判断结果,判断各区域为第一风险区还是第二风险区。
例如,预设的深度学习算法可以为:XGBoost(Extreme Gradient Boosting,极端梯度提升)算法、神经网络算法、SVM(Support Vector Machine,支持向量机)算法等。
综上所述,训练好的区域识别模型可以推广至线上使用,该区域识别模型还可以间隔预设时间周期进行更新,以确保对各区域进行准确的判定,使用该区域识别模型的识别结果,可以对被使用交通工具的停放区域进行风险识别,以提高交通工具被使用的概率。
可选的,图8是示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图8所示,上述S501的过程可以包括:
S601、获取每个区域内交通工具的历史使用订单信息,以及每个区域内交通工具的历史状态信息。
需要说明的是,客户端设备可以向服务器发送订单信息和交通工具的历史状态信息,则服务器可以获取到多个订单信息和交通工具的历史状态信息,服务器可以采用预设划分规则,对该多个订单信息和交通工具的历史状态信息,则可以获取到每个区域内交通工具的历史使用订单信息,以及每个区域内交通工具的历史状态信息。
S602、对历史使用订单信息和历史状态信息进行特征加工,得到每个区域在多个特征维度的样本特征数据。
在本申请实施例中,S602的过程与上述S401的过程类似,此处不再一一赘述。
综上所述,获取每个区域内交通工具的历史使用订单信息,以及每个区域内交通工具的历史状态信息,可以便于对每个区域的数据单独进行计算,以对每个区域进行单独判定,获取每个区域在多个特征维度的样本特征数据,有利于提升区域识别模型识别的准确度。
可选的,图9是示出本申请的一些实施例的停放区域风险识别方法的流程示意图,如图9所示,上述S601的过程可以包括:
S701、获取预设地理范围内交通工具的订单日志,以及预设地理区域内交通工具的状态日志。
其中,预设地理范围为多个区域构成的地理范围。预设地理范围可以为一个行政区域所在的范围,也可以为人为划分的地理范围,还可以根据实际需求进行设定,本申请实施例对此不进行具体限制。
另外,服务器可以获取预设地理范围内,预设时间段的交通工具的订单日志,以及预设地理区域内交通工具的状态日志。其中,预设时间段可以为2个月,也可以为2.5个月,还可以为其他时间段,本申请实施例对此不进行具体限制。
需要说明的是,服务器还可以对预设地理范围内交通工具的订单日志,以及预设地理区域内交通工具的状态日志进行清洗、过滤等处理,以滤除异常的订单或者交通工具。
S702、根据预设地理范围的区域划分,分别对所订单日志,以及状态日志进行切分,得到每个区域内交通工具的历史使用订单信息,以及每个区域内交通工具的历史状态信息。
其中,预设地理范围的区域划分,为服务器采用预设划分粒度对预设地理范围进行划分的结果,该划分方式也可以称为围栏切分。例如,预设划分粒度可以为Geohash7(一种区域划分算法)的形式。
在一些实施方式中,预设地理范围的区域划分可以包括多个区域,每个区域具有对应的位置范围,订单日志以及状态日志中可以包含位置信息,服务器可以根据位置信息,确定对应的位置范围,继而根据位置范围可以确定相应的区域,即确定订单日志以及状态日志所属的区域。
同理的,遍历每个订单日志以及状态日志,则可以得到每个区域内交通工具的历史使用订单信息,以及每个区域内交通工具的历史状态信息。
综上所述,根据预设地理范围的区域划分,分别对所订单日志,以及状态日志进行切分,使得得到每个区域内交通工具的历史使用订单信息,以及每个区域内交通工具的历史状态信息的过程更加的简便、高效。
可选的,多个特征维度包括如下至少两个特征的维度:订单数量、交通工具密度、交通工具的平均订单量、沉默交通工具的数量、所述沉默交通工具的平均未使用时长、交通工具的资损增速。
在一些实施方式中,多个特征的维度可以包括上述所有的维度。
其中,沉默交通工具为连续预设时长未被使用的交通工具,资损增速为基于交通工具的活跃度以及平均订单量得到的特征。
需要说明的是,对于每个区域而言,订单数量可以为区域内交通工具被使用的数量,交通工具的密度可以为:区域内交通工具的数据除以该区域的面积,交通工具的平均订单量为:区域内交通工具被使用的数量除以预设时间,沉默交通工具的平均未使用时长可以为:区域内沉默交通工具的总时长除以沉默交通工具的数量。
另外,服务器可以根据交通工具的活跃度以及交通工具的平均订单量,采用预设公式,确定交通工具的资损增速。交通工具的活跃度可以用act_rate表示,交通工具的平均订单量可以用act_ord表示,资损增速可以表示为:其中,表示求解偏导数。
综上所述,本申请实施例提供一种停放区域风险识别方法,该方法可以包括:获取多个区域中每个区域内交通工具的使用订单信息,以及每个区域内交通工具的状态信息,根据使用订单信息以及状态信息,采用预设的区域识别模型进行处理,得到每个区域的识别结果。采用预设的区域识别模型,确定多个区域中每个区域的识别结果,将多个区域划分为了第一风险区和第二风险区,第一风险区域和第二风险区域内交通工具被使用的概率不同,实现了在交通工具被使用概率的维度上,对停放区域进行划分。
而且,当被使用交通工具的停放区域为第一风险区域时,通过向客户端设备发送提示信息,或者向调度端设备输出调度信息,可以采用两种方式中的任意方式来对交通工具进行调度,使得对于交通工具的调度更加灵活。
另外,服务器通过输出风险地理围栏的信息,使得客户端设备可以向用户展示风险地理围栏,可以使得用户对交通工具的停放区域进行预判,从而提高了用户体验。
下述对用以执行本申请所提供的停放区域风险识别方法的停放区域风险识别装置、电子设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述停放区域风险识别方法的相关内容,下述不再赘述。
图10是示出本申请的一些实施例的停放区域风险识别装置的结构示意图,如图10所示,该停放区域风险识别装置实现的功能对应上述方法执行的步骤。该装置可以理解为上述服务器,或服务器的处理器,也可以理解为独立于上述服务器或处理器之外的在服务器控制下实现本申请功能的组件,该装置可以包括:
获取模块1001,用于获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息;
处理模块1002,用于根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,所述识别结果用于指示所述每个区域为第一风险区域还是第二风险区域,其中,所述第一风险区域内交通工具被使用的概率,小于,所述第二风险区域内交通工具被使用的概率。
可选的,所述装置还包括:
第一确定模块,用于在被使用交通工具在满足预设条件时,获取所述被使用交通工具的定位数据,确定所述被使用交通工具的停放区域;根据所述停放区域,以及所述多个区域的识别结果,确定所述停放区域为所述第一风险区域还是所述第二风险区域。
可选的,所述装置还包括:
第一输出模块,用于若所述停放区域为所述第一风险区域,则输出调度信息,所述调度信息用于指示对所述被使用交通工具进行调度,以改变所述被使用交通工具的停放区域。
可选的,所述装置还包括:
发送模块,用于若所述停放区域为所述第一风险区域,则向所述被使用交通工具对应的客户端设备发送提示信息,所述提示信息用于指示改进所述被使用交通工具的停放区域。
可选的,所述装置还包括:
第二确定模块,用于若所述被使用交通工具的使用结束时,确定所述被使用交通工具满足预设条件;或者,若所述被使用交通工具的使用时长大于或等于预设时长,则确定所述被使用交通工具满足预设条件。
可选的,所述装置还包括:
识别模块,用于根据所述多个区域的识别结果,将所述多个区域中识别为所述第一风险区域的各区域进行聚合,得到聚合后的区域;
连接模块,用于将所述聚合后的区域进行连接,得到风险地理围栏;
第二输出模块,用于输出所述风险地理围栏的信息,所述风险地理围栏的信息用于展示在所述客户端设备的地图界面上,以指示所述风险地理围栏所包围的区域为禁止停放区域。
可选的,所述获取模块1001,还用于根据预设的时间周期,获取所述每个区域内交通工具在所述时间周期内的使用订单信息,以及所述每个区域内交通工具在所述时间周期内的状态信息。
可选的,所述处理模块1002,还用于对所述使用订单信息以及所述状态信息进行特征加工,得到所述每个区域在多个特征维度的特征数据;根据所述每个区域在多个特征维度的特征数据,采用所述区域识别模型进行处理,得到所述每个区域的识别结果。
可选的,所述装置还包括:
第一获取模块,用于获取所述每个区域的训练数据,所述每个区域的训练数据包括:所述每个区域在所述多个特征维度的样本特征数据;
训练模块,用于根据所述多个区域的训练数据,采用预设的深度学习算法进行模型训练,得到所述区域识别模型。
可选的,所述第一获取模块,还用于获取所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息;对所述历史使用订单信息和所述历史状态信息进行特征加工,得到所述每个区域在所述多个特征维度的样本特征数据。
可选的,所述第一获取模块,还用于获取预设地理范围内交通工具的订单日志,以及所述预设地理区域内交通工具的状态日志;所述预设地理范围为所述多个区域构成的地理范围;根据所述预设地理范围的区域划分,分别对所订单日志,以及所述状态日志进行切分,得到所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息。
可选的,所述多个特征维度包括如下至少两个特征的维度:
订单数量、交通工具密度、交通工具的平均订单量、沉默交通工具的数量、所述沉默交通工具的平均未使用时长、交通工具的资损增速;
其中,所述沉默交通工具为连续预设时长未被使用的交通工具,所述资损增速为基于交通工具的活跃度以及平均订单量得到的特征。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。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。
需要说明的是,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital SingnalProcessor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,简称SOC)的形式实现。
图11是示出本申请的一些实施例的电子设备的结构示意图,如图11所示,该电子设备包括:处理器1101和存储器1102,其中:
存储器1102用于存储程序,处理器1101调用存储器1102存储的程序,以执行上述图3至图9任一所述的方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述图3至图9任一所述的方法实施例。
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 (15)
1.一种停放区域风险识别方法,其特征在于,包括:
获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息;
根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,所述识别结果用于指示所述每个区域为第一风险区域还是第二风险区域,其中,所述第一风险区域内交通工具被使用的概率,小于,所述第二风险区域内交通工具被使用的概率。
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:
在被使用交通工具在满足预设条件时,获取所述被使用交通工具的定位数据,确定所述被使用交通工具的停放区域;
根据所述停放区域,以及所述多个区域的识别结果,确定所述停放区域为所述第一风险区域还是所述第二风险区域。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述停放区域为所述第一风险区域,则输出调度信息,所述调度信息用于指示对所述被使用交通工具进行调度,以改变所述被使用交通工具的停放区域。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述停放区域为所述第一风险区域,则向所述被使用交通工具对应的客户端设备发送提示信息,所述提示信息用于指示改进所述被使用交通工具的停放区域。
5.根据权利要求2所述的方法,其特征在于,所述在被使用交通工具在满足预设条件时,获取所述被使用交通工具的定位数据,确定所述被使用交通工具的停放区域之前,所述方法还包括:
若所述被使用交通工具的使用结束时,确定所述被使用交通工具满足预设条件;或者,
若所述被使用交通工具的使用时长大于或等于预设时长,则确定所述被使用交通工具满足预设条件。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述多个区域的识别结果,将所述多个区域中识别为所述第一风险区域的各区域进行聚合,得到聚合后的区域;
将所述聚合后的区域进行连接,得到风险地理围栏;
输出所述风险地理围栏的信息,所述风险地理围栏的信息用于展示在客户端设备的地图界面上,以指示所述风险地理围栏所包围的区域为禁止停放区域。
7.根据权利要求1所述的方法,其特征在于,所述获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息,包括:
根据预设的时间周期,获取所述每个区域内交通工具在所述时间周期内的使用订单信息,以及所述每个区域内交通工具在所述时间周期内的状态信息。
8.根据权利要求1所述的方法,其特征在于,所述根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,包括:
对所述使用订单信息以及所述状态信息进行特征加工,得到所述每个区域在多个特征维度的特征数据;
根据所述每个区域在多个特征维度的特征数据,采用所述区域识别模型进行处理,得到所述每个区域的识别结果。
9.根据权利要求8所述的方法,其特征在于,所述根据所述每个区域在多个特征维度的特征数据,采用所述区域识别模型进行处理,得到所述每个区域的识别结果之前,所述方法还包括:
获取所述每个区域的训练数据,所述每个区域的训练数据包括:所述每个区域在所述多个特征维度的样本特征数据;
根据所述多个区域的训练数据,采用预设的深度学习算法进行模型训练,得到所述区域识别模型。
10.根据权利要求9所述的方法,其特征在于,所述获取所述每个区域的训练数据,包括:
获取所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息;
对所述历史使用订单信息和所述历史状态信息进行特征加工,得到所述每个区域在所述多个特征维度的样本特征数据。
11.根据权利要求10所述的方法,其特征在于,所述获取所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息,包括:
获取预设地理范围内交通工具的订单日志,以及所述预设地理区域内交通工具的状态日志;所述预设地理范围为所述多个区域构成的地理范围;
根据所述预设地理范围的区域划分,分别对所订单日志,以及所述状态日志进行切分,得到所述每个区域内交通工具的历史使用订单信息,以及所述每个区域内交通工具的历史状态信息。
12.根据权利要求8-11中任一所述的方法,其特征在于,所述多个特征维度包括如下至少两个特征的维度:
订单数量、交通工具密度、交通工具的平均订单量、沉默交通工具的数量、所述沉默交通工具的平均未使用时长、交通工具的资损增速;
其中,所述沉默交通工具为连续预设时长未被使用的交通工具,所述资损增速为基于交通工具的活跃度以及平均订单量得到的特征。
13.一种停放区域风险识别装置,其特征在于,包括:
获取模块,用于获取多个区域中每个区域内交通工具的使用订单信息,以及所述每个区域内交通工具的状态信息;
处理模块,用于根据所述使用订单信息以及所述状态信息,采用预设的区域识别模型进行处理,得到所述每个区域的识别结果,所述识别结果用于指示所述每个区域为第一风险区域还是第二风险区域,其中,所述第一风险区域内交通工具被使用的概率,小于,所述第二风险区域内交通工具被使用的概率。
14.一种电子设备,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,当电子设备运行时,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,以执行时执行如权利要求1至12任一所述的停放区域风险识别方法的步骤。
15.一种计算机可读存储介质,其特征在于,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如权利要求1至12任一所述的停放区域风险识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010434930.3A CN111861092B (zh) | 2020-05-21 | 2020-05-21 | 一种停放区域风险识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010434930.3A CN111861092B (zh) | 2020-05-21 | 2020-05-21 | 一种停放区域风险识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861092A true CN111861092A (zh) | 2020-10-30 |
CN111861092B CN111861092B (zh) | 2024-05-14 |
Family
ID=72985188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010434930.3A Active CN111861092B (zh) | 2020-05-21 | 2020-05-21 | 一种停放区域风险识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861092B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012455A (zh) * | 2021-02-25 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 风险路段确定方法、装置、电子设备和可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106534383A (zh) * | 2017-01-03 | 2017-03-22 | 上海量明科技发展有限公司 | 共享交通工具的位置管理方法、客户端及系统 |
CN107239862A (zh) * | 2017-06-09 | 2017-10-10 | 长沙贤正益祥机械科技有限公司 | 一种共享租赁自行车管理系统和方法 |
CN107239976A (zh) * | 2017-06-09 | 2017-10-10 | 长沙贤正益祥机械科技有限公司 | 共享租赁自行车管理系统和方法 |
CN107517443A (zh) * | 2017-08-24 | 2017-12-26 | 北京摩拜科技有限公司 | 共享车辆的分区域管理方法、服务器、客户端、管理系统 |
CN107943583A (zh) * | 2017-11-14 | 2018-04-20 | 广东欧珀移动通信有限公司 | 应用程序的处理方法、装置、存储介质及电子设备 |
CN108090806A (zh) * | 2017-12-11 | 2018-05-29 | 北京金山云网络技术有限公司 | 一种信息生成方法、装置、服务器及存储介质 |
CN108198411A (zh) * | 2018-02-13 | 2018-06-22 | 永安行科技股份有限公司 | 一种车辆停车区的建立方法和建立系统 |
CN108346280A (zh) * | 2018-01-30 | 2018-07-31 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
DE102017221632A1 (de) * | 2017-11-30 | 2019-06-06 | Continental Automotive Gmbh | Verfahren zum Bestimmen einer Risikozonenbewertung eines Fahrzeugs, elektronische Steuerungseinheit und Speichermedium |
CN110956296A (zh) * | 2018-09-26 | 2020-04-03 | 北京嘀嘀无限科技发展有限公司 | 一种用户流失概率预测方法及装置 |
-
2020
- 2020-05-21 CN CN202010434930.3A patent/CN111861092B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106534383A (zh) * | 2017-01-03 | 2017-03-22 | 上海量明科技发展有限公司 | 共享交通工具的位置管理方法、客户端及系统 |
CN107239862A (zh) * | 2017-06-09 | 2017-10-10 | 长沙贤正益祥机械科技有限公司 | 一种共享租赁自行车管理系统和方法 |
CN107239976A (zh) * | 2017-06-09 | 2017-10-10 | 长沙贤正益祥机械科技有限公司 | 共享租赁自行车管理系统和方法 |
CN107517443A (zh) * | 2017-08-24 | 2017-12-26 | 北京摩拜科技有限公司 | 共享车辆的分区域管理方法、服务器、客户端、管理系统 |
CN107943583A (zh) * | 2017-11-14 | 2018-04-20 | 广东欧珀移动通信有限公司 | 应用程序的处理方法、装置、存储介质及电子设备 |
DE102017221632A1 (de) * | 2017-11-30 | 2019-06-06 | Continental Automotive Gmbh | Verfahren zum Bestimmen einer Risikozonenbewertung eines Fahrzeugs, elektronische Steuerungseinheit und Speichermedium |
CN108090806A (zh) * | 2017-12-11 | 2018-05-29 | 北京金山云网络技术有限公司 | 一种信息生成方法、装置、服务器及存储介质 |
CN108346280A (zh) * | 2018-01-30 | 2018-07-31 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
CN108198411A (zh) * | 2018-02-13 | 2018-06-22 | 永安行科技股份有限公司 | 一种车辆停车区的建立方法和建立系统 |
CN110956296A (zh) * | 2018-09-26 | 2020-04-03 | 北京嘀嘀无限科技发展有限公司 | 一种用户流失概率预测方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012455A (zh) * | 2021-02-25 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 风险路段确定方法、装置、电子设备和可读存储介质 |
CN113012455B (zh) * | 2021-02-25 | 2022-05-13 | 北京嘀嘀无限科技发展有限公司 | 风险路段确定方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111861092B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180189918A1 (en) | Systems and methods for recommending recommended service location | |
AU2019246799B2 (en) | Systems and methods for distributing a service request for an on-demand service | |
CN110749319A (zh) | 一种路线偏移检测的方法、装置和电子设备 | |
US20200042885A1 (en) | Systems and methods for determining an estimated time of arrival | |
US11948464B2 (en) | Real-time service provider progress monitoring | |
AU2016359530A1 (en) | Systems and methods for allocating sharable orders | |
AU2018102202A4 (en) | Systems and methods for cheat examination | |
AU2016407721A1 (en) | Systems and methods for displaying an identity relating to a service request | |
WO2018086308A1 (en) | Systems and methods for determining a reference direction related to a vehicle | |
CN111859171A (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN111784018A (zh) | 一种资源调度方法、装置、电子设备及存储介质 | |
JP2021526246A (ja) | 交通状況の視覚化を改善するためのシステムおよび方法 | |
CN111866073A (zh) | 服务站点推送分析方法、装置、电子设备及存储介质 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
CN111489214B (zh) | 订单分配方法、条件设置方法、装置及电子设备 | |
CN111861092B (zh) | 一种停放区域风险识别方法、装置、电子设备及存储介质 | |
US11303713B2 (en) | Systems and methods for on-demand services | |
CN111861087B (zh) | 一种服务提供端归还站点的确定方法、装置、设备和介质 | |
CN112036774B (zh) | 服务策略的评估方法、装置、设备及存储介质 | |
CN112465331A (zh) | 乘车安全控制方法、模型训练方法、装置、设备及介质 | |
CN111862473A (zh) | 还车信息处理方法、装置、设备及存储介质 | |
CN117975708B (zh) | 停车提示方法、装置、计算机设备和存储介质 | |
WO2021114279A1 (en) | Systems and methods for determining restriction attribute of area of interset | |
CN112270452A (zh) | 危险驾驶区域的预测方法、装置、电子设备及存储介质 | |
CN111831763A (zh) | 地图处理方法、装置、设备及计算机可读存储介质 |
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 |