CN112231573A - 乘车出行推荐方法及装置 - Google Patents

乘车出行推荐方法及装置 Download PDF

Info

Publication number
CN112231573A
CN112231573A CN202011167404.1A CN202011167404A CN112231573A CN 112231573 A CN112231573 A CN 112231573A CN 202011167404 A CN202011167404 A CN 202011167404A CN 112231573 A CN112231573 A CN 112231573A
Authority
CN
China
Prior art keywords
historical
subset
target
user
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
Application number
CN202011167404.1A
Other languages
English (en)
Other versions
CN112231573B (zh
Inventor
程勇
余程鹏
王博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Leading Technology Co Ltd
Original Assignee
Nanjing Leading Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Leading Technology Co Ltd filed Critical Nanjing Leading Technology Co Ltd
Priority to CN202011167404.1A priority Critical patent/CN112231573B/zh
Publication of CN112231573A publication Critical patent/CN112231573A/zh
Application granted granted Critical
Publication of CN112231573B publication Critical patent/CN112231573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明是关于一种乘车出行推荐方法及装置，涉及物联网技术领域，本发明包括：针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。由于本发明实施例通过历史出行信息推荐目的地，扩展推荐目的地的方式。

Description

乘车出行推荐方法及装置
技术领域
本发明涉及物联网技术领域，尤其涉及一种乘车出行推荐方法及装置。
背景技术
驾车依然是人们出行的重要选择，驾车可以为用户网上打车，也可以自己进行驾驶，从网上打车或者自己驾驶的使用导航软件时均需要输入出发地点和目的地，出发地点一般通过定位用户当前的地点所得，而目的地需要通过用户进行手动输入。
现有的技术中，用户在点击输入目的地后，通过历史出行的目的地的时间顺序，依次排列，供用户选择。推荐的方式比较单一。
目前，仅能够通过时间顺序排序推荐目的地，推荐方式比较单一。
发明内容
本发明提供一种乘车出行推荐方法及装置，解决了在驾车时现有技术推荐目的地的方式仅为按照时间顺序进行排律的方式推荐导致推荐方式比较单一的问题，并且提出一种新的目的地推荐方式。
第一方面，本发明实施例提供的一种乘车出行推荐方法，包括：
针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；其中，所述每个历史出行子集由用户出行的多个历史出行信息按照不同的目的地进行划分的；
采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；
根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。
上述方法，提供了一种新的推荐目的地的方式，从需要出行的用户的多个历史出行信息中，将时间通过坐标系变化求取平均值，根据平均值确定出该子集的目的地被选中的概率，通过确定多个历史出行信息中的出现的目的地被选中的概率向用户进行推荐目的地，上述方法的时间是以极坐标的方式求取的平均值，所以计算出来的概率的正确率比较高。
在一种可能的实现方式中，所述根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率，包括：
根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差；
根据该子集的多个历史出发时间的平均值以及方差、该子集多个历史出发地点的平均值以及方差，通过高斯分布模型确定出发信息与目的地的对应关系；其中，所述出发信息包括出发时间和出发地点；
根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率。
上述方法，能够在时间和位置满足高斯分布的基础上求取出发信息和目的地的对应关系，从而根据对应关系，实现求取历史出行信息中出现的目的地被选中的概率的目的。
在一种可能的实现方式中，根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差，包括：
若该子集中历史出行信息的历史出发时间与所述平均值的差值大于预设值，则将时间变量最大值与所述差值之差作为该历史出行信息的时间差；或
若该子集中历史出行信息的历史出发时间与所述平均值的差值不大于预设值，则直接将所述差值作为该历史出行信息的时间差；
根据该子集中每条历史出行信息的时间差，得到该子集的多个历史出发时间的方差。
由于时间是循环变量，上述方法，在求取时间差时，如果历史出发时间与平均值之间的差值大于预设值，则将时间变量最大值与所述差值之差作为该历史出行信息的时间差，即对差值进行补偿，以降低时间作为循环变量的影响，对于不大于预设值的差值，则直接作为时间差，将得到子集中每个历史出行信息的历史出发时间的时间差后，求取方差，本发明提供的方法，能够提高计算方差的准确性。
在一种可能的实现方式中，所述方法还包括：
从用户出行的多个历史出行信息的乘车司机中，查找与用户选定的当前出发地点之间距离在预设距离范围内且驾驶的车辆满足预设状态的目标乘车司机；
若查找到的所述目标乘车司机为多个，则根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐。
上述方法，提供了一种推荐乘车司机的方法，能够通过乘车司机与用户选定的当前出发地点之间的距离和驾驶的车辆满足预设状态，选择目标乘车司机，增加了用户体验感。
在一种可能的实现方式中，根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐，包括：
根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值；
根据多个目标乘车司机的权重值对对应的推荐值进行加权，得到多个目标乘车司机的加权推荐值；其中，每个目标乘车司机的权重值是根据每个目标乘车司机的多种类型的特征信息确定的；所述多种类型的特征信息包括下列部分或全部：所述用户出行的多个历史出行信息中对目标乘车司机的评价信息、所述用户出行的多个历史出行信息中对目标乘车司机驾驶的车辆的评价信息；
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
上述方法，能够通过目标乘车司机的评价信息、目标乘车司机驾驶的车辆的评级信息这两点或者其中一点对距离进行加权，从而能够使得根据加权后的目标乘车司机给用户推荐，这样推荐的司机不仅综合了距离，还综合了目标乘车司机的评价信息、目标乘车司机驾驶的车辆的评级信息这两点或者其中一点。
第二方面，本发明实施例提供的一种乘车出行推荐装置，包括：
时间变换模块，用于针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；其中，所述每个历史出行子集由用户出行的多个历史出行信息按照不同的目的地进行划分的；
确定概率模块，用于采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；
推荐目的地模块，用于根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。
在一种可能的实现方式中，确定概率模块，具体用于：
根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差；
根据该子集的多个历史出发时间的平均值以及方差、该子集多个历史出发地点的平均值以及方差，通过高斯分布模型确定出发信息与目的地的对应关系；其中，所述出发信息包括出发时间和出发地点；
根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率。
在一种可能的实现方式中，确定概率模块，具体用于：
若该子集中历史出行信息的历史出发时间与所述平均值的差值大于预设值，则将时间变量最大值与所述差值之差作为该历史出行信息的时间差；或
若该子集中历史出行信息的历史出发时间与所述平均值的差值不大于预设值，则直接将所述差值作为该历史出行信息的时间差；
根据该子集中每条历史出行信息的时间差，得到该子集的多个历史出发时间的方差。
在一种可能的实现方式中，所述装置还包括：
查找模块，用于从用户出行的多个历史出行信息的乘车司机中，查找与用户选定的当前出发地点之间距离在预设距离范围内且驾驶的车辆满足预设状态的目标乘车司机；
推荐司机模块，用于若查找到的所述目标乘车司机为多个，则根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐。
在一种可能的实现方式中，推荐司机模块，具体用于：
根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值；
根据多个目标乘车司机的权重值对对应的推荐值进行加权，得到多个目标乘车司机的加权推荐值；其中，每个目标乘车司机的权重值是根据每个目标乘车司机的多种类型的特征信息确定的；所述多种类型的特征信息包括下列部分或全部：所述用户出行的多个历史出行信息中对目标乘车司机的评价信息、所述用户出行的多个历史出行信息中对目标乘车司机驾驶的车辆的评价信息；
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
第三方面，本申请还提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如第一方面实施例任一项所述的乘车出行推荐方法。
另外，第二方面至第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理，并不构成对本发明的不当限定。
图1是本发明实施例提供的一种乘车出行推荐方法的工作过程的示意图；
图2是本发明实施例提供的用户与打车应用交互的示意图；
图3是本发明实施例提供的一种推荐司机的界面示意图；
图4是本发明实施例提供的一种用户与打车应用交互中推荐司机的工作过程的示意图；
图5是本发明实施例提供的另一种用户与打车应用交互中推荐司机的工作过程的示意图；
图6是本发明实施例提供的一种乘车出行推荐装置的结构示意图；
图7是本发明实施例提供的一种电子设备的结构框图。
具体实施方式
为了使本领域普通人员更好地理解本发明的技术方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下面对文中出现的一些词语进行解释：
1、本发明实施例中术语“电子设备”指任何能够按照程序运行，自动、高速处理大量数据的智能电子设备，包含车载终端、手机、计算机、平板、智能终端、多媒体设备、流媒体设备等。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本发明的描述中，除非另有说明，“多个”的含义。
需要出行的用户在出行时，如果是通过网约车进行出行，则需要输入目的地，如果是采用自己驾驶车辆，也需要在导航软件中输入此次出行的目的地，然而现有的方式需要用户自己手动输入，比较麻烦。
针对上述问题，本发明实施例可以通过需要出行的用户的多个历史出行信息中的目的地中选择目的地进行推荐，这样无需用户自己手动输入，操作起来比较简单，同时，如果是通过网约车进行出行，还可以为用户推荐司机，从而简化了出行操作。
首先介绍推荐目的地的方法。
结合图1所示，该方法应用于电子设备，该方法包括：
S110：针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；其中，每个历史出行子集由用户出行的多个历史出行信息按照不同的目的地进行划分的；
多个历史出行子集的获取方式可以为将该需要出行的用户的多个历史出行信息按照不同的目的地进行划分，得到多个历史出行子集；或者电子设备之间获取预先划分出来的多个历史出行子集。
在预先划分出来的多个历史出行子集时刻为，在形成一个历史出行信息时，将历史出行信息按照目的地进行归类，如果该历史出行信息的目的地为之前划分出来的历史出行子集中的目的地，则将其归类为该历史出行子集，如果该历史出行信息的目的地不为之前划分出来的历史出行子集中的目的地，则重新建立一个历史出行子集。
其中，历史出行信息中包括出行时所使用的车辆、驾驶该车辆的司机、出发时间、出发地点、目的地等等。
S120：采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；
S130：根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。
针对上述方法，本发明实施例根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差；根据该子集的多个历史出发时间的平均值以及方差、该子集多个历史出发地点的平均值以及方差，通过高斯分布模型确定出发信息与目的地的对应关系；其中，出发信息包括出发时间和出发地点；根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率。
确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率，具体为，根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的条件概率，再通过贝叶斯公式，根据在当前时间和用户选定的当前出发地点的情况下该子集的目的地的条件概率和该子集的目的地的出现概率，确定目的地的概率，通过该概率向用户推荐当前出行的目的地。
具体来说，可以通过贝叶斯公式确定目的地的概率，从而可以根据该概率向用户推荐当前出行的目的地。
以下为贝叶斯公式：
Figure BDA0002746223060000091
其中，p(Y＝yi|X)为在当前时间和用户选定的当前出发地点的情况下目的地Y＝yi的条件概率，p(X|Y＝yi)为根据历史出行时间和历史出发地点确定出对应的目的地Y＝yi的条件概率，p(Y＝yi)为目的地Y＝yi的出现概率。
所以需要计算p(X|Y＝yi)和p(Y＝yi)两个值，即可计算概率。
首先计算p(Y＝yi)：
将所有的历史出行信息中出现的每个不同的目的地统计出现的次数，将其出现的次数与出行的总次数的比例，作为该目的地出现的概率。
具体通过以下公式计算：
Figure BDA0002746223060000092
其中，freq(yi)为目的地目的地Y＝yi的次数，
Figure BDA0002746223060000093
为所有历史出行信息中的所有的总次数。
其次，计算p(X|Y＝yi)。
在计算p(X|Y＝yi)时通过高斯分布模型进行计算，即通过同一目的地的历史出行子集中的所有的历史出行信息中的历史出发时间和历史出发地点确定对应的目的地的高斯概率分布，即出发信息与目的地之间的对应关系，出发信息包括出发时间和出发地点。
高斯分布模型中需要均值和方差。
对于时间均值进行进行计算时，考虑到时间为[0,24)区间内的循环变量，故计算其高斯分布的均值和方差时不能依照传统的方式，需要作变量映射。将时间变量转换为单位圆上的对应点，也就是将笛卡尔坐标转换为极坐标，例如t转换为
Figure BDA0002746223060000101
然后计算这些点的算术平均值，结果点将位于单位圆内，将该点转换回笛卡尔坐标。
其中，通过如下算式将算式平均值转换会笛卡尔坐标。
Figure BDA0002746223060000102
其中，μ表示时间的平均值，
Figure BDA0002746223060000103
为该历史出行子集的历史出行时间的平均值在极坐标系中以坐标值的方式的，m 为该子集的历史出行信息的个数。
通过上述方法求取的历史出行时间的均值能够提高确定时间的均值的准确率。
计算时间的方差时，实际上是两个时间变量之间的差值，然而由于时间为循环变量，所以考虑到，若该子集中历史出行信息的历史出发时间与平均值的差值大于预设值，其中该预设值可以为时间变量最大值的一半，即12 小时，则对该差值进行补偿以减低时间作为循环变量引起的数值计算不准确，具体来说，将时间变量最大值与所述差值之差作为该历史出行信息的时间差；或若该子集中历史出行信息的历史出发时间与平均值的差值不大于预设值，则直接将差值作为该历史出行信息的时间差；根据该子集中每条历史出行信息的时间差，得到该子集的多个历史出发时间的方差。
具体来说，差值distance(t1,t2)为时间t1与时间t2之间的差值：
Figure BDA0002746223060000104
Figure BDA0002746223060000111
以上分段距离可以合并成一个公式，如下：
distance(t1,t2)＝-|(t1-t2)-12|+12 (6)
由以上循环变量的均值及距离差值函数，计算出循环变量高斯分布的方差σ：
Figure BDA0002746223060000112
然后计算出发地点的均值和方差。其中，出发地点计算时可以通过经度和纬度进行计算。
虽然经度和纬度也是循环变量，但理论上同一用户的出发地和目的地不会跨越经纬度的最大最小值，故可以采用传统的均值方差的计算公式。
根据历史出行时间和历史出发地点确定出对应的目的地Y＝yi的条件概率p(X|Y＝yi)，即历史订单集合的时间、经度、纬度的联合条件概率分布。
T,Lng,Lat|Y＝yi～N3(μi,Σi) (8)
其中μi为时间、经度、纬度的均值向量，Σi为时间、经度、纬度的协方差矩阵。
μi为将上述计算出来的时间均值、经度均值和纬度均值组成均值向量；
Σi具体的计算公式如下：
Figure BDA0002746223060000121
具体来说，Cov(T，T)为时间方差，Cov(T，Lng)为时间和经度的斜方差，依次类推得到时间、经度、纬度的协方差矩阵。
其中，Lng表示经度，Lat表示纬度。
在得到历史订单集合的时间、经度、纬度的联合条件概率分布后，将当前位置的经度用Lng表示，取值范围为[-180,180]；当前位置的纬度用Lat表示，取值范围为[-90,90]；当前时间用T表示，以小时为单位，取值范围为 [0,24)，带入到联合条件概率分布后，得到该子集的目的地的概率。
其中，当确定多个历史出行子集对应的多个概率时，可以选择多个概率中大于预设概率的目的地向用户进行推荐。
或者对多个概率按照大小顺序进行排序，根据排序后的队列向用户进行推荐。例如，选择排序后的队列的前三名的目的地向用户推荐。
或者直接通过大小比较的方式，选择概率最大的目的地向用户进行推荐。
在实际应用过程中，结合图2所示，用户可以点击打车应用，点击后，通过上述方法确定出向用户推荐当前出行的目的地，显示在输入目的地的下拉选择菜单上，例如，确定出向用户推荐当前出行目的地为A地和B地。如果用户选择A地，则通过点击A地后，确定出该出行信息，可以通过该出行信息进行出行。
在本发明实施例中，推荐司机时，可以通过以下方式实现：
从用户出行的多个历史出行信息的乘车司机中，查找与用户选定的当前出发地点之间距离在预设距离范围内且驾驶的车辆满足预设状态的目标乘车司机；
若查找到的所述目标乘车司机为多个，则根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从多个目标乘车司机中选择目标乘车司机给用户推荐。
其中，预设距离范围可以为以用户选定的当前出发地点为中心半径为2.5 公里的圆形范围内。
驾驶的车辆满足预设状态中预设状态为车辆为空载和/或者车辆中虽然载有乘客，但乘客即将到达目的地，例如，距离目的地小于500米。
其中，可以根据目标乘车司机对应的距离，即可以选择距离最短的向用户进行推荐。
进一步的，在推荐时，根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值；
根据多个目标乘车司机的权重值对对应的推荐值进行加权，得到多个目标乘车司机的加权推荐值；其中，每个目标乘车司机的权重值是根据每个目标乘车司机的多种类型的特征信息确定的；多种类型的特征信息包括下列部分或全部：用户出行的多个历史出行信息中对目标乘车司机的评价信息用户出行的多个历史出行信息中对目标乘车司机驾驶的车辆的评价信息；
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
对于上述方案具体实现方式可以按照如下两种方式进行：
方式1：按照多个目标乘车司机与用户选定的当前出发地点之间的距离进行排序，根据排序后的队列的序列号确定多个目标乘车司机的推荐值，然后多个目标乘车司机的权重值与对应的推荐值相乘，得到多个目标乘车司机的加权推荐值，然后多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
例如，当多个目标乘车司机为5个时，与用户选定的当前出发地点之间的距离分别为3公里、4公里、2公里、100米、500米。排队后的队列为：目标乘车司机4、目标乘车司机5、目标乘车司机3、目标乘车司机2、目标乘车司机1，序列号分别为5、4、3、2、1，该序列号为推荐值；目标乘车司机1～5对应的权重值可以为0.5、0.21、0.6、0.78、0.7；则目标乘车司机1～5对应的加权推荐值为：0.5*1＝0.5；0.21*2＝0.42；0.6*3＝1.8；0.78*5＝3.9； 0.7*4＝0.48；则根据0.5、0.42、1.8、3.9、0.48，推荐目标乘车司机给用户。
或者直接根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值，然后多个目标乘车司机的权重值与对应的推荐值相乘，得到多个目标乘车司机的加权推荐值，然后多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
例如，当多个目标乘车司机为5个时，与用户选定的当前出发地点之间的距离分别为3公里、4公里、2公里、100米、500米。目标乘车司机1～5 对应的权重值可以为0.5、0.21、0.6、0.78、0.7；则目标乘车司机1～5对应的加权推荐值为：0.5*3000＝1500；0.21*4000＝4200；0.6*2000＝700； 0.78*100＝78；0.7*500＝100；则根据1500、4200、700、78、100，推荐目标乘车司机给用户。
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户时具体方式可以为：
选择多个加权推荐值中大于预设加权推荐值的目的乘车司机向用户进行推荐。
或者对多个加权推荐值按照大小顺序进行排序，根据排序后的队列向用户进行推荐。例如，选择排序后的队列的前三名的目的乘车司机向用户推荐。
或者直接通过大小比较的方式，选择加权推荐值最大的目的乘车司机向用户进行推荐。
对于向用户推荐目标乘车司机时，可以单纯以距离最短向用户推荐目标乘车司机；和/或者以权重值向目标乘车司机，即评价信息最高的目标乘车司机向用户推荐；和/或者以权重值和距离综合得到的加权推荐值向用户推荐目标乘车司机。
结合图3所示，为了增强用户体验感，可以将三种方式均向用户推荐，其中司机李三为根据距离进行推荐的，司机张四为根据权重值进行推荐的，司机刘二为根据加权推荐值向用户推荐的，由用户选择司机进行接单。
结合图4所示，当通过上述推荐方式推荐目的地后，生成订单信息，然后开始叫车，在预设时间内，例如5分钟，所有接单的司机中，按照上述方法找到用户出行的多个历史出行信息的乘车司机，然后通过上述方法根据距离进行推荐的司机、根据权重值进行推荐的司机、根据加权推荐值向用户推荐的司机，由用户选择对应的司机后，将该订单信息发送给司机，司机成功接单后，完成打车流程。
结合图5所示，当通过上述推荐方式推荐目的地后，生成订单信息，然后，找到用户出行的多个历史出行信息的乘车司机，按照上述方法根据距离进行推荐的司机、根据权重值进行推荐的司机、根据加权推荐值向用户推荐的司机，当用户选择对应的司机后，将该订单信息发送给司机，司机成功接单后，完成打车流程，如果司机不接单，由用户再次选择司机，直到成功接单。
结合图6所示，本发明实施例提供了一种乘车出行推荐装置，包括：
时间变换模块610，用于针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；其中，所述每个历史出行子集由用户出行的多个历史出行信息按照不同的目的地进行划分的；
确定概率模块620，用于采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；
推荐目的地模块630，用于根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。
可选的，确定概率模块620，具体用于：
根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差；
根据该子集的多个历史出发时间的平均值以及方差、该子集多个历史出发地点的平均值以及方差，通过高斯分布模型确定出发信息与目的地的对应关系；其中，所述出发信息包括出发时间和出发地点；
根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率。
可选的，确定概率模块620，具体用于：
若该子集中历史出行信息的历史出发时间与所述平均值的差值大于预设值，则将时间变量最大值与所述差值之差作为该历史出行信息的时间差；或
若该子集中历史出行信息的历史出发时间与所述平均值的差值不大于预设值，则直接将所述差值作为该历史出行信息的时间差；
根据该子集中每条历史出行信息的时间差，得到该子集的多个历史出发时间的方差。
可选的，所述装置还包括：
查找模块，用于从用户出行的多个历史出行信息的乘车司机中，查找与用户选定的当前出发地点之间距离在预设距离范围内且驾驶的车辆满足预设状态的目标乘车司机；
推荐司机模块，用于若查找到的所述目标乘车司机为多个，则根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐。
可选的，推荐司机模块，具体用于：
根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值；
根据多个目标乘车司机的权重值对对应的推荐值进行加权，得到多个目标乘车司机的加权推荐值；其中，每个目标乘车司机的权重值是根据每个目标乘车司机的多种类型的特征信息确定的；所述多种类型的特征信息包括下列部分或全部：所述用户出行的多个历史出行信息中对目标乘车司机的评价信息、所述用户出行的多个历史出行信息中对目标乘车司机驾驶的车辆的评价信息；
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
本发明实施例还提供的一种电子设备，该电子设备包括：存储器和处理器；
所述存储器用于存储拍照设备运行时所使用的程序代码；
所述处理器用于执行所述程序代码，以实现上述乘车出行推荐方法的过程。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由电子设备的处理器执行以完成上述乘车出行推荐方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、 CD-ROM、磁带、软盘和光数据存储设备等。
在本发明实施例中，电子设备除了图7中介绍的外，电子设备的结构还可以结构如图7所示，该电子设备700包括：射频(Radio Frequency，RF) 电路710、电源720、处理器730、存储器740、输入单元750、显示单元760、通信接口770、以及无线保真(Wireless Fidelity，Wi-Fi)模块780等部件。本领域技术人员可以理解，图7中示出的电子设备的结构并不构成对电子设备的限定，本申请实施例提供的电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图7对所述电子设备7的各个构成部件进行具体的介绍：
所述RF电路710可用于通信或通话过程中，数据的接收和发送。特别地，所述RF电路710在接收到基站的下行数据后，发送给所述处理器730 处理；另外，将待发送的上行数据发送给基站。通常，所述RF电路710包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。
此外，RF电路710还可以通过无线通信与网络和其他终端通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统 (Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access， CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access，WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
Wi-Fi技术属于短距离无线传输技术，所述电子设备7通过Wi-Fi模块 780可以连接接入点(Access Point，AP)，从而实现数据网络的访问。所述 Wi-Fi模块780可用于通信过程中，数据的接收和发送。
所述电子设备7可以通过所述通信接口770与其他终端实现物理连接。可选的，所述通信接口770与所述其他终端的通信接口通过电缆连接，实现所述电子设备7和其他终端之间的数据传输。
由于在本申请实施例中，所述电子设备7能够实现通信业务，向其他联系人发送信息，因此所述电子设备7需要具有数据传输功能，即所述电子设备7内部需要包含通信模块。虽然图7示出了所述RF电路710、所述Wi-Fi 模块780、和所述通信接口770等通信模块，但是可以理解的是，所述电子设备7中存在上述部件中的至少一个或者其他用于实现通信的通信模块(如蓝牙模块)，以进行数据传输。
例如，当所述电子设备7为计算机时，所述电子设备7可以包含所述通信接口770，还可以包含所述Wi-Fi模块780；当所述电子设备7为平板电脑时，所述电子设备7可以包含所述Wi-Fi模块。
所述存储器740可用于存储软件程序以及模块。所述处理器730通过运行存储在所述存储器740的软件程序以及模块，从而执行所述电子设备7的各种功能应用以及数据处理，当处理器730执行存储器740中的程序代码后，可以实现本发明实施例图1中的部分或全部过程。
可选的，所述存储器740可以主要包括存储程序区和存储数据区。其中，存储程序区可存储操作系统、各种应用程序(比如通信应用)以及人脸识别模块等；存储数据区可存储根据所述终端的使用所创建的数据(比如各种图片、视频文件等多媒体文件，以及人脸信息模板)等。
此外，所述存储器740可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述输入单元750可用于接收用户输入的数字或字符信息，以及产生与所述电子设备7的用户设置以及功能控制有关的键信号输入。
可选的，输入单元750可包括触控面板751以及其他输入终端752。
其中，所述触控面板751，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在所述触控面板751上或在所述触控面板751附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，所述触控面板751可以包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给所述处理器730，并能接收所述处理器730发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现所述触控面板751。
可选的，所述其他输入终端752可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
所述显示单元760可用于显示由用户输入的信息或提供给用户的信息以及所述电子设备7的各种菜单。所述显示单元760即为所述电子设备7的显示系统，用于呈现界面，实现人机交互。
所述显示单元760可以包括显示面板761。可选的，所述显示面板761 可以采用液晶显示屏(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-EmittingDiode，OLED)等形式来配置。
进一步的，所述触控面板751可覆盖所述显示面板761，当所述触控面板751检测到在其上或附近的触摸操作后，传送给所述处理器730以确定触摸事件的类型，随后所述处理器730根据触摸事件的类型在所述显示面板761 上提供相应的视觉输出。
虽然在图7中，所述触控面板751与所述显示面板761是作为两个独立的部件来实现所述电子设备7的输入和输入功能，但是在某些实施例中，可以将所述触控面板751与所述显示面板761集成而实现所述电子设备7的输入和输出功能。
所述处理器730是所述电子设备7的控制中心，利用各种接口和线路连接各个部件，通过运行或执行存储在所述存储器740内的软件程序和/或模块，以及调用存储在所述存储器740内的数据，执行所述电子设备7的各种功能和处理数据，从而实现基于所述终端的多种业务。
可选的，所述处理器730可包括一个或多个处理单元。可选的，所述处理器730可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到所述处理器730中。
所述电子设备7还包括用于给各个部件供电的电源720(比如电池)。可选的，所述电源720可以通过电源管理系统与所述处理器730逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行实现本发明实施例上述任意一项乘车出行推荐方法。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种乘车出行推荐方法，其特征在于，包括：
针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；其中，所述每个历史出行子集由用户出行的多个历史出行信息按照不同的目的地进行划分；
采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；
根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。
2.根据权利要求1所述的乘车出行推荐方法，其特征在于，所述根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率，包括：
根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差；
根据该子集的多个历史出发时间的平均值以及方差、该子集多个历史出发地点的平均值以及方差，通过高斯分布模型确定出发信息与目的地的对应关系；其中，所述出发信息包括出发时间和出发地点；
根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率。
3.根据权利要求2所述的乘车出行推荐方法，其特征在于，根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差，包括：
若该子集中历史出行信息的历史出发时间与所述平均值的差值大于预设值，则将时间变量最大值与所述差值之差作为该历史出行信息的时间差；或
若该子集中历史出行信息的历史出发时间与所述平均值的差值不大于预设值，则直接将所述差值作为该历史出行信息的时间差；
根据该子集中每条历史出行信息的时间差，得到该子集的多个历史出发时间的方差。
4.根据权利要求1～3任一项所述的乘车出行推荐方法，其特征在于，所述方法还包括：
从用户出行的多个历史出行信息的乘车司机中，查找与用户选定的当前出发地点之间距离在预设距离范围内且驾驶的车辆满足预设状态的目标乘车司机；
若查找到的所述目标乘车司机为多个，则根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐。
5.根据权利要求4所述的乘车出行推荐方法，其特征在于，根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐，包括：
根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值；
根据多个目标乘车司机的权重值对对应的推荐值进行加权，得到多个目标乘车司机的加权推荐值；其中，每个目标乘车司机的权重值是根据每个目标乘车司机的多种类型的特征信息确定的；所述多种类型的特征信息包括下列部分或全部：所述用户出行的多个历史出行信息中对目标乘车司机的评价信息、所述用户出行的多个历史出行信息中对目标乘车司机驾驶的车辆的评价信息；
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
6.一种乘车出行推荐装置，其特征在于，包括：
时间变换模块，用于针对需要出行的用户对应的每个历史出行子集，将该子集中每条历史出行信息的历史出发时间在笛卡尔坐标系中以坐标值的方式表示，将在笛卡尔坐标系中以坐标值的方式表示的历史出发时间转换为在极坐标系中以坐标值的方式表示的历史出发时间；其中，所述每个历史出行子集由用户出行的多个历史出行信息按照不同的目的地进行划分的；
确定概率模块，用于采用在极坐标系中以坐标值的方式表示的历史出发时间确定该子集的多个历史出发时间的平均值，并根据该子集的多个历史出发时间的平均值，确定该子集的目的地的概率；
推荐目的地模块，用于根据多个历史出行子集对应的多个概率，向用户推荐当前出行的目的地。
7.根据权利要求6所述的乘车出行推荐装置，其特征在于，确定概率模块，具体用于：
根据该子集多个历史出发时间的平均值，确定该子集的多个历史出发时间的方差；
根据该子集的多个历史出发时间的平均值以及方差、该子集多个历史出发地点的平均值以及方差，通过高斯分布模型确定出发信息与目的地的对应关系；其中，所述出发信息包括出发时间和出发地点；
根据出发信息与目的地的对应关系，确定在当前时间和用户选定的当前出发地点的情况下该子集的目的地的概率。
8.根据权利要求7所述的乘车出行推荐装置，其特征在于，确定概率模块，具体用于：
若该子集中历史出行信息的历史出发时间与所述平均值的差值大于预设值，则将时间变量最大值与所述差值之差作为该历史出行信息的时间差；或
若该子集中历史出行信息的历史出发时间与所述平均值的差值不大于预设值，则直接将所述差值作为该历史出行信息的时间差；
根据该子集中每条历史出行信息的时间差，得到该子集的多个历史出发时间的方差。
9.根据权利要求6～8任一项所述的乘车出行推荐装置，其特征在于，所述装置还包括：
查找模块，用于从用户出行的多个历史出行信息的乘车司机中，查找与用户选定的当前出发地点之间距离在预设距离范围内且驾驶的车辆满足预设状态的目标乘车司机；
推荐司机模块，用于若查找到的所述目标乘车司机为多个，则根据多个目标乘车司机与用户选定的当前出发地点之间的距离，从所述多个目标乘车司机中选择目标乘车司机给用户推荐。
10.权利要求9所述的乘车出行推荐装置，其特征在于，推荐司机模块，具体用于：
根据多个目标乘车司机与用户选定的当前出发地点之间的距离，确定多个目标乘车司机的推荐值；
根据多个目标乘车司机的权重值对对应的推荐值进行加权，得到多个目标乘车司机的加权推荐值；其中，每个目标乘车司机的权重值是根据每个目标乘车司机的多种类型的特征信息确定的；所述多种类型的特征信息包括下列部分或全部：所述用户出行的多个历史出行信息中对目标乘车司机的评价信息、所述用户出行的多个历史出行信息中对目标乘车司机驾驶的车辆的评价信息；
根据多个目标乘车司机的加权推荐值，推荐目标乘车司机给用户。
CN202011167404.1A 2020-10-27 2020-10-27 乘车出行推荐方法及装置 Active CN112231573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011167404.1A CN112231573B (zh) 2020-10-27 2020-10-27 乘车出行推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011167404.1A CN112231573B (zh) 2020-10-27 2020-10-27 乘车出行推荐方法及装置

Publications (2)

Publication Number Publication Date
CN112231573A true CN112231573A (zh) 2021-01-15
CN112231573B CN112231573B (zh) 2022-06-21

Family

ID=74108942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011167404.1A Active CN112231573B (zh) 2020-10-27 2020-10-27 乘车出行推荐方法及装置

Country Status (1)

Country Link
CN (1) CN112231573B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798024A (zh) * 2016-09-07 2018-03-13 北京嘀嘀无限科技发展有限公司 一种出行目的地推荐处理方法及装置
CN107992530A (zh) * 2017-11-14 2018-05-04 北京三快在线科技有限公司 信息推荐方法及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798024A (zh) * 2016-09-07 2018-03-13 北京嘀嘀无限科技发展有限公司 一种出行目的地推荐处理方法及装置
CN107992530A (zh) * 2017-11-14 2018-05-04 北京三快在线科技有限公司 信息推荐方法及电子设备

Also Published As

Publication number Publication date
CN112231573B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN110146100B (zh) 轨迹预测方法、装置及存储介质
CN109556621B (zh) 一种路线规划的方法及相关设备
CN108257378B (zh) 交通流量预测方法及装置
CN104798420B (zh) 基于沿路线遇到的周围的可识别无线信号源估计到达时间
CN109556612B (zh) 一种导航信息处理方法、装置、服务器、终端及存储介质
CN111739329B (zh) 行驶路线生成方法、装置、存储介质及服务器
EP3605392A1 (en) Method and apparatus for matching registration plate number, and method and apparatus for matching character information
CN110400037B (zh) 一种下车站点确定方法和装置
CN107146465A (zh) 一种车位预定方法、终端、服务器及可读存储介质
CN112414420B (zh) 一种基于交通流量的导航方法以及相关装置
CN109493592B (zh) 路径推荐方法及装置
CN111125523B (zh) 搜索方法、装置、终端设备及存储介质
CN109830114A (zh) 交通信号灯提醒方法和装置
KR102443534B1 (ko) 메시징 서비스 환경에서의 사용자 상황 감지 및 사용자 상황에 기반한 메시징 서비스와의 인터랙션
CN112258837B (zh) 一种车辆预警的方法、相关装置、设备以及存储介质
CN112129315B (zh) 用于推荐停车场的方法、装置、电子设备和存储介质
JP7139894B2 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
CN106323304A (zh) 路径推荐方法及装置
CN111885500A (zh) 基于窄带物联网的路况提醒方法、装置及存储介质
CN112067012B (zh) 网约车接人判定方法及装置
CN113516332B (zh) 信息处理装置，非暂时性存储介质和评估方法
CN110415560A (zh) 基于车联网系统的资源量估计方法、碰撞预测方法及装置
CN112231573B (zh) 乘车出行推荐方法及装置
CN106131296A (zh) 信息展示方法及装置
CN109299359B (zh) 一种路况查询方法、装置、终端及存储介质

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