CN112541797A - 一种车辆推送信息的生成方法及服务器 - Google Patents
一种车辆推送信息的生成方法及服务器 Download PDFInfo
- Publication number
- CN112541797A CN112541797A CN201910899311.9A CN201910899311A CN112541797A CN 112541797 A CN112541797 A CN 112541797A CN 201910899311 A CN201910899311 A CN 201910899311A CN 112541797 A CN112541797 A CN 112541797A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- user
- information
- idle
- target
- 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 46
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 51
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种车辆推送信息的生成方法及服务器,其中该方法包括:获取多个用户的用车行为数据;根据用车行为数据生成用于标识用户用车偏好的标签信息;在获取车辆推送需求的情况下,根据标签信息和车辆状态信息生成车辆推送信息。本发明所提供的车辆推送信息的生成方法,可以基于用户的历史用车行为确定用户的用车偏好,根据用户的用车偏好进行精准的车辆推荐,提高车辆推送的成功率,同时提高用户的用车体验。
Description
技术领域
本发明涉及车辆技术领域,尤其涉及一种车辆推送信息的生成方法及服务器。
背景技术
随着共享行业的不断发展,共享交通工具的出现为人们的出行提供了方便,越来越多的人们选择使用共享交通工具出行,因此许多共享应用程序应运而生。
现有的共享应用程序具备根据用户的需求推荐近距离的交通工具、通过预约提前为用户锁定交通工具的功能,但无法根据用户的实际需求进行精准消息的推送,影响用户的使用体验。
发明内容
本发明实施例提供一种车辆推送信息的生成方法及服务器,以解决现有技术中共享应用程序无法根据用户的实际需求进行精准消息的推送,影响用户使用体验的问题。
本发明实施例提供一种车辆推送信息的生成方法,应用于服务器,所述方法包括:
获取多个用户的用车行为数据;
根据所述用车行为数据生成用于标识用户用车偏好的标签信息;
在获取车辆推送需求的情况下,根据所述标签信息和车辆状态信息生成车辆推送信息。
优选的,所述在获取车辆推送需求的情况下,根据所述标签信息和车辆状态信息生成车辆推送信息的步骤,包括:
在查询到至少一空闲车辆的情况下,确定获取车辆推送需求;
根据所述标签信息,确定与空闲车辆位于同一区域的目标用户;
将空闲车辆与所述目标用户进行匹配,获取匹配结果;
根据所述匹配结果生成车辆推送信息。
优选的,所述根据所述标签信息,确定与空闲车辆位于同一区域的目标用户的步骤,包括:
确定各空闲车辆分别对应的第一位置信息;
根据所述标签信息和各所述第一位置信息,查找与各空闲车辆分别对应的第一目标用户;
其中,所述标签信息至少包括用户的用车位置。
优选的,所述根据所述标签信息和各所述第一位置信息,查找与各空闲车辆分别对应的第一目标用户的步骤,包括:
针对各空闲车辆,分别确定以所述第一位置信息为中心的第一区域;
针对各所述第一区域,分别确定用车位置在所述第一区域内的第一目标标签信息;
针对各所述第一区域,分别确定相应的第一目标标签信息所对应的用户为所述第一目标用户。
优选的,所述将空闲车辆与所述目标用户进行匹配,获取匹配结果的步骤,包括:
确定各空闲车辆分别所归属的第一车辆类别;
获取各第一车辆类别分别对应的第一权重值;
针对每一空闲车辆,根据对应的第一权重值、所述第一目标用户的信息和空闲车辆的信息进行计算,获取与所述第一目标用户数量相同的第一目标参考值;
针对每一空闲车辆,根据所述第一目标参考值与所述第一目标用户进行匹配,获取第一推荐用户,其中各空闲车辆分别对应于不同的第一推荐用户。
优选的,所述根据所述匹配结果生成车辆推送信息的步骤,包括:
根据每一空闲车辆以及所对应的第一推荐用户进行信息汇总;
根据汇总结果生成所述车辆推送信息。
优选的,所述根据对应的第一权重值、所述第一目标用户的信息和空闲车辆的信息进行计算,获取与所述第一目标用户数量相同的第一目标参考值的步骤,包括:
获取空闲车辆的电量信息、车辆位置以及根据每个所述第一目标用户的用车行为数据所确定的行车距离和行车时间;
根据所述用车行为数据,获取每一个第一目标用户对应的预期电量、用车位置以及还车之后的行走距离;
针对每一个第一目标用户,计算对应的第一权重值分别与预设数目个参考变量的乘积,并对各乘积结果进行累加,获取第一目标参考值,所述预设数目个参考变量至少包括:电量信息与预期电量的差值、车辆位置与用车位置的距离、行车距离与对应的行走距离的差值以及行车时间。
优选的,所述针对每一空闲车辆,根据所述第一目标参考值与所述第一目标用户进行匹配,获取第一推荐用户的步骤,包括:
针对每一空闲车辆,对所述第一目标参考值按照由高到低的顺序进行排列,确定排序第一的所述第一目标参考值对应的所述第一目标用户为第一参考推荐用户;
检测各所述第一参考推荐用户中是否存在相同用户;
若不存在,则将所述第一参考推荐用户确定为所述第一推荐用户;
若存在,则按照各空闲车辆对应于不同的所述第一推荐用户的原则,更新至少一空闲车辆对应的所述第一参考推荐用户。
优选的,所述根据所述标签信息,确定与空闲车辆位于同一区域的目标用户的步骤,包括:
确定各空闲车辆分别对应的第二位置信息;
根据各所述第二位置信息,确定包含各空闲车辆的第二区域;
根据所述标签信息和所述第二区域,确定第二目标用户。
优选的,所述标签信息至少包括用户的用车位置,所述根据所述标签信息和所述第二区域,确定第二目标用户的步骤,包括:
提取所述标签信息中的用车位置;
确定用车位置在所述第二区域内的所述标签信息为第二目标标签信息;
确定所述第二目标标签信息所对应的用户为所述第二目标用户。
优选的,所述将空闲车辆与所述目标用户进行匹配,获取匹配结果的步骤,包括:
建立所述第二区域内的N个空闲车辆分别与M个第二目标用户的一一对应关系,形成N*M条记录信息;
针对每一空闲车辆,在M个第二目标用户中确定第二参考推荐用户;
根据N个第二参考推荐用户生成匹配结果。
优选的,所述根据N个第二参考推荐用户生成匹配结果的步骤,包括:
检测N个第二参考推荐用户中是否存在相同用户;
若不存在,则确定N个第二参考推荐用户为与N个空闲车辆匹配的第二推荐用户;
若存在,则按照各空闲车辆对应于不同的第二推荐用户的原则,更新至少一空闲车辆对应的所述第二参考推荐用户。
优选的,所述根据所述匹配结果生成车辆推送信息的步骤,包括:
根据每一空闲车辆以及所对应的第二推荐用户,生成所述车辆推送信息。
优选的,所述方法还包括:
实时更新用户的用车行为数据。
本发明实施例还提供一种服务器,包括:
获取模块,用于获取多个用户的用车行为数据;
第一生成模块,用于根据所述用车行为数据生成用于标识用户用车偏好的标签信息;
第二生成模块,用于在获取车辆推送需求的情况下,根据所述标签信息和车辆状态信息生成车辆推送信息。
本发明至少包括以下有益效果:
本发明技术方案,通过获取用户的用车行为数据,根据用车行为数据生成用于标识用户用车偏好的标签信息,在有车辆推送需求的情况下,根据标签信息和车辆状态信息生成车辆推送信息,可以实现基于用户的历史用车行为确定用户的用车偏好,根据用户的用车偏好进行精准的车辆推荐,提高车辆推送的成功率,同时提高用户的用车体验。
附图说明
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1表示本发明实施例车辆推送信息的生成方法示意图一;
图2表示本发明实施例车辆推送信息的生成方法示意图二;
图3表示本发明实施例车辆推送信息的生成方法示意图三;
图4表示本发明实施例服务器获取数据生成信息的示意图;
图5表示本发明实施例服务器示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种车辆推送信息的生成方法,应用于服务器,如图1所示,该方法包括:
步骤101、获取多个用户的用车行为数据。
本发明实施例的车辆推送信息的生成方法,应用于服务器,服务器首先针对多个用户,获取分别所对应的用车行为数据,这里的用车行为数据为用户的历史用车信息,且用车行为数据至少包括:用户的历史订单数据、历史搜索数据、页面浏览数据、实际用车位置以及还车位置,当然还可以包括其他相关信息。
其中服务器在获取历史订单数据之后,可以基于订单数据进行数据分析,这里的数据分析至少包括用车场景分析和用车时间分析,其中在进行用车场景分析时,可以分析下单位置与还车位置是否有景点、是否是写字楼或者是否停靠车站,还可以分析用户的用车目的:是工作期用车、旅行用车还是接驳用车。在进行用车时间分析时,可以分析用车开始时间、结束时间、行驶里程与行驶时长数据,得到用户用车场景:午夜、早高峰、晚高峰还是工作时间,基于用车时长得到用户习惯:即用即停还是长期占用。
服务器在针对多个用户获取对应的用车行为数据之后,可以根据所获取的用车行为数据执行步骤102。
步骤102、根据用车行为数据生成用于标识用户用车偏好的标签信息。
在获取用车行为数据之后,可以根据所获取的用车行为数据生成对应的标签信息,这里的标签信息用于标识用户的用车偏好。其中标签信息至少包括:用户的用车时段、用车位置、用车历程以及用户所偏好的车辆类型,还可以包括:用户从搜索地点到用车位置的距离信息和时间信息,从还车位置到目的地的距离信息和时间信息,也可以包括:用户的用车习惯、用户的用车场景以及用车目的等,当然并不局限于此。例如,长期占用与旅行用车可直接得到用户为旅行订单,则标签信息中可以包含旅行这一关键词;早高峰与接驳用车结合得到用户为早高峰拥挤用户,则标签信息中可以包含早高峰这一关键词;长期占用与工作期间用车得到用户为公务用车,则标签信息中可以包含公务用车这一关键词。
服务器在生成每个用户的标签信息时,还可以针对用户获取认证信息,根据认证信息和用户行为数据来共同制定标签信息。其中,认证信息至少包括用户的性别、年龄、职业。服务器可以根据认证信息、用车历史、浏览车型和品牌、登录的地域、取还车的地址和时间,推测出他的经济情况,然后通过分类算法将用户进行分类,将用户设置为经济性、舒适性、豪华性,并在标签信息中添加对应的用户类型。
步骤103、在获取车辆推送需求的情况下,根据标签信息和车辆状态信息生成车辆推送信息。
在根据用车行为数据生成对应的标签信息之后,可以在有车辆推送需求的情况下生成车辆推送信息,在生成车辆推送信息之后,通过将车辆推送信息提供给用户,可以为用户的出行提供便利。其中,在将车辆推送信息提供给用户时,可以通过应用程序来推荐,也可以通过服务号来推荐,还可以通过短信方式来推荐,当然并不局限于这几种方式。
本发明实施例,可以实现基于用户的历史用车行为确定用户的用车偏好,根据用户的用车偏好进行精准的车辆推荐,提高车辆推送的成功率,同时提高用户的用车体验。
其中,获取用车行为数据并生成标签信息的过程可参见图2:
步骤201、获取用户的用车行为数据。
步骤202、将获取的用车行为数据存储至消息队列。
步骤203、根据用车行为数据进行用户行为分析。
步骤204、根据分析结果生成标签信息,并存储至标签数据库。
通过分析用车行为数据确定对应的标签信息并进行存储,可以便于后续过程中生成车辆推送信息。
在本发明实施例中,在获取车辆推送需求的情况下,根据标签信息和车辆状态信息生成车辆推送信息的步骤,如图3所示,包括:
步骤301、在查询到至少一空闲车辆的情况下,确定获取车辆推送需求。
在服务器查询到当前存在空闲车辆时,则可以确定当前满足车辆推送条件,此时可以确定获取了车辆推送需求。需要说明的是,此时不论用户是否有用车需求均可以生成车辆推送信息并提供给用户,可以使得用户在有用车需求时直接根据所生成的信息进行用车。其中服务器可以按照固定时间间隔进行车辆数据快照,对空闲车辆进行收集。
步骤302、根据标签信息,确定与空闲车辆位于同一区域的目标用户。
在确定需要进行车辆推送时,可以根据所生成的标签信息,确定目标用户,这里的目标用户是与空闲车辆位于同一区域的用户。
步骤303、将空闲车辆与目标用户进行匹配,获取匹配结果。
步骤304、根据匹配结果生成车辆推送信息。
在确定目标用户之后,可以将空闲车辆与目标用户进行匹配,来获取人车匹配结果,然后根据人车匹配结果生成车辆推送信息。
通过确定目标用户然后进行人车匹配来生成车辆推送信息,可以提高车辆推送的成功率,同时提高用户的用车体验。
在本发明实施例中,根据标签信息确定目标用户的方式有两种,下面对第一种方式进行阐述。
根据标签信息,确定与空闲车辆位于同一区域的目标用户的步骤,包括:确定各空闲车辆分别对应的第一位置信息;根据标签信息和各第一位置信息,查找与各空闲车辆分别对应的第一目标用户;其中,标签信息至少包括用户的用车位置。
在根据标签信息确定目标用户时,首先需要获取各空闲车辆分别所在的第一位置信息,并提取标签信息中用户的用车位置,针对每一个第一位置信息,在各标签信息的用车位置中查找与当前空闲车辆对应的第一目标用户。
其中,根据标签信息和各第一位置信息,查找与各空闲车辆分别对应的第一目标用户的步骤,包括:
针对各空闲车辆,分别确定以第一位置信息为中心的第一区域;针对各第一区域,分别确定用车位置在第一区域内的第一目标标签信息;针对各第一区域,分别确定相应的第一目标标签信息所对应的用户为第一目标用户。
查找与每一个空闲车辆对应的第一目标用户时,需要针对每一个空闲车辆,根据所在的第一位置信息确定以第一位置信息为中心的第一区域。确定第一区域的方式可以为:以第一位置信息为圆心,然后根据对应的半径画圆,所得到的圆形区域即为第一区域。
在针对每一个空闲车辆确定对应的第一区域之后,针对每一个第一区域,在各标签信息中查找用车位置在当前第一区域内的第一目标标签信息,然后确定第一目标标签信息所对应的用户为当前第一区域对应的第一目标用户。至此,可以针对每一个空闲车辆、每一个空闲车辆对应的第一区域,确定对应的第一目标用户。
在本发明实施例中,将空闲车辆与目标用户进行匹配,获取匹配结果的步骤,包括:确定各空闲车辆分别所归属的第一车辆类别;获取各第一车辆类别分别对应的第一权重值;针对每一空闲车辆,根据对应的第一权重值、第一目标用户的信息和空闲车辆的信息进行计算,获取与第一目标用户数量相同的第一目标参考值;针对每一空闲车辆,根据第一目标参考值与第一目标用户进行匹配,获取第一推荐用户,其中各空闲车辆分别对应于不同的第一推荐用户。
在进行人车匹配时,首先需要针对各空闲车辆,确定所归属的第一车辆类别,其中确定第一车辆类别的过程可以为:获取空闲车辆的车辆属性信息,车辆属性信息至少包括电量信息、品牌信息、配置信息、故障率以及续航里程;根据车辆属性信息确定空闲车辆所归属的第一车辆类别。这里的第一车辆类别可以为经济类别、舒适类别或者豪华类别,其中经济类别、舒适类别和豪华类别分别对应不同的第一权重值。
在确定各空闲车辆所对应的第一车辆类别之后,获取与第一车辆类别所对应的第一权重值。然后需要针对每一个空闲车辆,根据对应的第一权重值、第一目标用户的信息和空闲车辆的信息获取第一目标参考值,这里的第一目标参考值的数目与第一目标用户的数量相同。即针对每一个空闲车辆而言,需要根据每一个第一目标用户的信息确定一个第一目标参考值。
然后针对每一个空闲车辆,根据第一目标参考值与第一目标用户进行匹配,根据匹配结果确定对应的第一推荐用户,其中各空闲车辆对应的第一推荐用户为不同的用户,保证各车辆均能有效推送,避免出现多个车辆对应于同一用户的情况。
在上述过程中,根据对应的第一权重值、第一目标用户的信息和空闲车辆的信息进行计算,获取与第一目标用户数量相同的第一目标参考值的步骤,包括:获取空闲车辆的电量信息、车辆位置以及根据每个第一目标用户的用车行为数据所确定的行车距离和行车时间;根据用车行为数据,获取每一个第一目标用户对应的预期电量、用车位置以及还车之后的行走距离;针对每一个第一目标用户,计算对应的第一权重值分别与预设数目个参考变量的乘积,并对各乘积结果进行累加,获取第一目标参考值,预设数目个参考变量至少包括:电量信息与预期电量的差值、车辆位置与用车位置的距离、行车距离与对应的行走距离的差值以及行车时间。
在针对当前空闲车辆进行计算之前,需要获取当前空闲车辆的电量信息以及车辆位置,同时还需要获取根据对应的每个第一目标用户的用车行为数据所确定的行车距离和行车时间。其中在获取行车距离以及行车时间时,需要根据第一目标用户的历史用车信息,确定用车过程中车辆所对应的行车距离以及行车时间,在第一目标用户存在多次用车行为时,可以在用户的多次用车记录中查找出现次数最多的用车起点和终点,然后根据查找的起点和终点,统计多次对应的记录,并计算用车的平均行车距离和平均行车时间,将计算结果作为需要获取的行车距离和行车时间。当然还可以有其他的确定行车距离和行车时间的方式,这里不再一一列举。
在获取当前空闲车辆的相关信息之后,还需要根据用户的用车行为数据,获取当前空闲车辆所对应的各第一目标用户的预期电量、用车位置以及还车之后的行走距离。其中在获取各第一目标用户的预期电量时,可以根据各第一目标用户历史用车过程中的电量信息确定预期电量,如可以在多次用车过程的电量信息中确定最大值或者中间值作为预期电量,还可以根据各第一目标用户历史用车过程来确定预期电量,如根据用户的用车里程确定预期电量。在获取各第一目标用户的用车位置时,可以在各第一目标用户的用车记录中确定出现次数最多的用车位置,将其确定为所要获取的用车位置。在获取各第一目标用户还车之后的行走距离时,可以在各第一目标用户的用车记录中确定出现次数相同且次数较多的还车位置以及目的地,计算对应的行走距离。当然并不局限于上述的获取方式,本领域技术人员可以根据需求采用其他方式获取各第一目标用户的预期电量、用车位置以及还车之后的行走距离。
在获取相关信息之后,可以针对当前空闲车辆对应的每一个第一目标用户进行计算,具体的计算方式可采用如下公式:
S=(电量信息—预期电量)*第一权重值+(车辆位置—用车位置)*第一权重值+(行车距离—行走距离)*第一权重值+行车时间*第一权重值
其中,S表示第一目标参考值,电量信息与预期电量的差值、车辆位置与用车位置的距离、行车距离与对应的行走距离的差值以及行车时间均属于参考变量。这里的第一权重值根据空闲车辆所属的第一车辆类别来确定,例如经济类别对应的第一权重值为30,舒适类别对应的第一权重值为50,豪华类别分别对应的第一权重值为90。
采用上述方式进行计算之后,可以针对当前空闲车辆所对应的每一个第一目标用户分别确定一个第一目标参考值。然后根据第一目标参考值与第一目标用户确定第一推荐用户。
其中,针对每一空闲车辆,根据第一目标参考值与第一目标用户进行匹配,获取第一推荐用户的步骤,包括:
针对每一空闲车辆,对第一目标参考值按照由高到低的顺序进行排列,确定排序第一的第一目标参考值对应的第一目标用户为第一参考推荐用户;检测各第一参考推荐用户中是否存在相同用户;若不存在,则将第一参考推荐用户确定为第一推荐用户;若存在,则按照各空闲车辆对应于不同的第一推荐用户的原则,更新至少一空闲车辆对应的第一参考推荐用户。
在获取第一推荐用户时,需要针对当前空闲车辆,对计算得到的各第一目标参考值按照由高到低的顺序进行排列,确定排序第一的第一目标参考值对应的第一目标用户为第一参考推荐用户。在针对各空闲车辆均确定第一参考推荐用户之后,执行检测过程,检测各第一参考推荐用户中是否存在相同用户,若不存在此时可以将第一参考推荐用户确定为第一推荐用户。若存在,此时需要按照各空闲车辆对应于不同的第一推荐用户的原则,对至少一空闲车辆对应的第一参考推荐用户进行更新。在更新时,需要确定出相同用户所对应的K个空闲车辆,对K—1个空闲车辆的第一参考推荐用户进行更新。在更新时可以按照对应的排序后的第一目标参考值进行更新,将排序第二或者第三的第一目标参考值对应的第一目标用户确定为第一参考推荐用户。在更新之后确定各空闲车辆对应的第一推荐用户。
在确定每一空闲车辆所对应的第一推荐用户之后,执行根据匹配结果生成车辆推送信息的步骤,该步骤包括:根据每一空闲车辆以及所对应的第一推荐用户进行信息汇总;根据汇总结果生成车辆推送信息。
在生成车辆推送信息时,可以将各空闲车辆以及所对应的第一推荐用户进行汇总,根据汇总结果生成车辆推送信息,可以实现针对各空闲车辆生成全面的车辆推送信息。
下面对根据标签信息确定目标用户的另一种方式有进行阐述。
在本发明实施例中,根据标签信息,确定与空闲车辆位于同一区域的目标用户的步骤,包括:确定各空闲车辆分别对应的第二位置信息;根据各第二位置信息,确定包含各空闲车辆的第二区域;根据标签信息和第二区域,确定第二目标用户。
在确定第二目标用户时,首先需要获取各空闲车辆所对应的第二位置信息,根据所确定的各第二位置信息确定第二区域,其中第二区域包含各第二位置信息,然后在第二区域中确定第二目标用户。
其中,标签信息至少包括用户的用车位置,根据标签信息和第二区域,确定第二目标用户的步骤,包括:提取标签信息中的用车位置;确定用车位置在第二区域内的标签信息为第二目标标签信息;确定第二目标标签信息所对应的用户为第二目标用户。
在确定第二目标用户时,首先需要提取各标签信息中的用车位置,然后查找出用车位置在第二区域中的标签信息,将所查找出的标签信息确定为第二目标标签信息,然后将第二目标标签信息所对应的用户确定为第二目标用户。
在确定第二目标用户之后,将空闲车辆与目标用户进行匹配,获取匹配结果的步骤,包括:
建立第二区域内的N个空闲车辆分别与M个第二目标用户的一一对应关系,形成N*M条记录信息;针对每一空闲车辆,在M个第二目标用户中确定第二参考推荐用户;根据N个第二参考推荐用户生成匹配结果。
在确定第二目标用户之后,可以在第二区域内建立N个空闲车辆分别与M个第二目标用户的一一对应关系,即针对每一个空闲车辆,建立与M个第二目标用户之间的对应关系,可以实现针对每一个空闲车辆,得到M条记录,由于空闲车辆为N个,因此可以得到N*M条记录。
在得到N*M条记录之后,可以针对每一空闲车辆,在M个第二目标用户中确定第二参考推荐用户,在得到N个第二参考推荐用户之后,根据N个第二参考推荐用户生成匹配结果。其中,确定第二参考推荐用户的过程与上述确定第一参考推荐用户的过程相同,这里不再进一步阐述。
其中,根据N个第二参考推荐用户生成匹配结果的步骤,包括:
检测N个第二参考推荐用户中是否存在相同用户;若不存在,则确定N个第二参考推荐用户为与N个空闲车辆匹配的第二推荐用户;若存在,则按照各空闲车辆对应于不同的第二推荐用户的原则,更新至少一空闲车辆对应的第二参考推荐用户。
在确定N个第二参考推荐用户之后,可以检测N个第二参考推荐用户中是否存在相同的用户,若不存在则可以直接将这N个第二参考推荐用户确定为第二推荐用户。若存在,则需要按照各空闲车辆对应于不同的第二推荐用户的原则,对至少一空闲车辆对应的第二参考推荐用户进行更新。在更新时,需要确定出相同用户所对应的L个空闲车辆,对L—1个空闲车辆的第二参考推荐用户进行更新。在更新之后确定各空闲车辆对应的第二推荐用户。
在确定第二推荐用户之后,根据匹配结果生成车辆推送信息的步骤,包括:根据每一空闲车辆以及所对应的第二推荐用户,生成车辆推送信息。
在生成车辆推送信息时,可以根据每个空闲车辆以及所对应的第二推荐用户,生成第二区域内所对应的车辆推送信息。
以上为本发明车辆推送信息生成方法的实施过程,在服务器生成车辆推送信息之后,所述方法还包括:根据所生成的车辆推送信息确定推送用户,将待推送的空闲车辆推送至对应的推送用户。可以进行精准的车辆推荐,提高车辆推送的成功率,同时提高用户的用车体验。
其中在进行信息推送时,还可以检测该用户是否对当前所要推送的车辆进行了屏蔽操作,或者检测所要推送的用户是否属于推荐用户。
在本发明实施例中,所述方法还包括:实时更新用户的用车行为数据。在生成车辆推送信息并向对应的用户进行车辆推荐之后,可以重新获取用户的用车行为数据,对用车行为数据进行实时更新。在对用车行为数据进行更新之后,还可以更新对应的标签信息,以保证可以根据用户的行为变化进行精准的车辆推荐。
在本发明实施例中,可以根据用户的用车行为数据将用户划分为推荐用户和召回用户,若在一段时间内未检测到用户的行为轨迹,即用车行为数据未发生更新,则将该用户确定为召回用户。如若超过7日未检测到用户的行为轨迹则确定该用户为召回用户。
在本发明实施例中,服务器还可以通过分析用车行为数据和车辆信息,获取其他相关信息。下面举例说明,如图4所示,服务器可以获取用户搜索数据、用户页面浏览数据、订单数据以及车辆位置和状态,对所获取的数据信息分析,可以得到车辆闲时分布图、用户活跃时段、用户活跃位置以及用户标签库,通过上述分析数据可以进行车辆推荐。还可以通过数据分析得到活跃聚合图以及用户期望热力图,最终得到实时运营调度预测数据。当然服务器还可以获取其他数据进行分析,得到所需的信息,这里不再进一步阐述。
本发明实施例还提供一种服务器,如图5所示,包括:
获取模块10,用于获取多个用户的用车行为数据;
第一生成模块20,用于根据用车行为数据生成用于标识用户用车偏好的标签信息;
第二生成模块30,用于在获取车辆推送需求的情况下,根据标签信息和车辆状态信息生成车辆推送信息。
其中,第二生成模块包括:
第一确定子模块,用于在查询到至少一空闲车辆的情况下,确定获取车辆推送需求;
第二确定子模块,用于根据标签信息,确定与空闲车辆位于同一区域的目标用户;
获取子模块,用于将空闲车辆与目标用户进行匹配,获取匹配结果;
生成子模块,用于根据匹配结果生成车辆推送信息。
其中,第二确定子模块包括:
第一确定单元,用于确定各空闲车辆分别对应的第一位置信息;
查找单元,用于根据标签信息和各第一位置信息,查找与各空闲车辆分别对应的第一目标用户;其中,标签信息至少包括用户的用车位置。
其中,查找单元进一步用于:
针对各空闲车辆,分别确定以第一位置信息为中心的第一区域;
针对各第一区域,分别确定用车位置在第一区域内的第一目标标签信息;
针对各第一区域,分别确定相应的第一目标标签信息所对应的用户为第一目标用户。
其中,获取子模块进一步用于:
确定各空闲车辆分别所归属的第一车辆类别;
获取各第一车辆类别分别对应的第一权重值;
针对每一空闲车辆,根据对应的第一权重值、第一目标用户的信息和空闲车辆的信息进行计算,获取与第一目标用户数量相同的第一目标参考值;
针对每一空闲车辆,根据第一目标参考值与第一目标用户进行匹配,获取第一推荐用户,其中各空闲车辆分别对应于不同的第一推荐用户。
其中,生成子模块进一步用于:
根据每一空闲车辆以及所对应的第一推荐用户进行信息汇总;
根据汇总结果生成车辆推送信息。
其中,获取子模块还用于:
获取空闲车辆的电量信息、车辆位置以及根据每个第一目标用户的用车行为数据所确定的行车距离和行车时间;
根据用车行为数据,获取每一个第一目标用户对应的预期电量、用车位置以及还车之后的行走距离;
针对每一个第一目标用户,计算对应的第一权重值分别与预设数目个参考变量的乘积,并对各乘积结果进行累加,获取第一目标参考值,预设数目个参考变量至少包括:电量信息与预期电量的差值、车辆位置与用车位置的距离、行车距离与对应的行走距离的差值以及行车时间。
其中,获取子模块还用于:
针对每一空闲车辆,对第一目标参考值按照由高到低的顺序进行排列,确定排序第一的第一目标参考值对应的第一目标用户为第一参考推荐用户;
检测各第一参考推荐用户中是否存在相同用户;
若不存在,则将第一参考推荐用户确定为第一推荐用户;
若存在,则按照各空闲车辆对应于不同的第一推荐用户的原则,更新至少一空闲车辆对应的第一参考推荐用户。
其中,第二确定子模块包括:
第二确定单元,用于确定各空闲车辆分别对应的第二位置信息;
第三确定单元,用于根据各第二位置信息,确定包含各空闲车辆的第二区域;
第四确定单元,用于根据标签信息和第二区域,确定第二目标用户。
其中,标签信息至少包括用户的用车位置,第四确定单元进一步用于:
提取标签信息中的用车位置;
确定用车位置在第二区域内的标签信息为第二目标标签信息;
确定第二目标标签信息所对应的用户为第二目标用户。
其中,获取子模块进一步用于:
建立第二区域内的N个空闲车辆分别与M个第二目标用户的一一对应关系,形成N*M条记录信息;
针对每一空闲车辆,在M个第二目标用户中确定第二参考推荐用户;
根据N个第二参考推荐用户生成匹配结果。
其中,获取子模块还用于:
检测N个第二参考推荐用户中是否存在相同用户;
若不存在,则确定N个第二参考推荐用户为与N个空闲车辆匹配的第二推荐用户;
若存在,则按照各空闲车辆对应于不同的第二推荐用户的原则,更新至少一空闲车辆对应的第二参考推荐用户。
其中,生成子模块进一步用于:
根据每一空闲车辆以及所对应的第二推荐用户,生成车辆推送信息。
其中,服务器还包括:
更新模块,用于实时更新用户的用车行为数据。
本发明实施例所提供的服务器,通过获取用户的用车行为数据,根据用车行为数据生成用于标识用户用车偏好的标签信息,在有车辆推送需求的情况下,根据标签信息和车辆状态信息生成车辆推送信息,可以实现基于用户的历史用车行为确定用户的用车偏好,根据用户的用车偏好进行精准的车辆推荐,提高车辆推送的成功率,同时提高用户的用车体验。
以上所述的是本发明的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本发明所述的原理前提下还可以作出若干改进和润饰,这些改进和润饰也在本发明的保护范围内。
Claims (15)
1.一种车辆推送信息的生成方法,应用于服务器,其特征在于,所述方法包括:
获取多个用户的用车行为数据;
根据所述用车行为数据生成用于标识用户用车偏好的标签信息;
在获取车辆推送需求的情况下,根据所述标签信息和车辆状态信息生成车辆推送信息。
2.根据权利要求1所述的方法,其特征在于,所述在获取车辆推送需求的情况下,根据所述标签信息和车辆状态信息生成车辆推送信息的步骤,包括:
在查询到至少一空闲车辆的情况下,确定获取车辆推送需求;
根据所述标签信息,确定与空闲车辆位于同一区域的目标用户;
将空闲车辆与所述目标用户进行匹配,获取匹配结果;
根据所述匹配结果生成车辆推送信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述标签信息,确定与空闲车辆位于同一区域的目标用户的步骤,包括:
确定各空闲车辆分别对应的第一位置信息;
根据所述标签信息和各所述第一位置信息,查找与各空闲车辆分别对应的第一目标用户;
其中,所述标签信息至少包括用户的用车位置。
4.根据权利要求3所述的方法,其特征在于,所述根据所述标签信息和各所述第一位置信息,查找与各空闲车辆分别对应的第一目标用户的步骤,包括:
针对各空闲车辆,分别确定以所述第一位置信息为中心的第一区域;
针对各所述第一区域,分别确定用车位置在所述第一区域内的第一目标标签信息;
针对各所述第一区域,分别确定相应的第一目标标签信息所对应的用户为所述第一目标用户。
5.根据权利要求3所述的方法,其特征在于,所述将空闲车辆与所述目标用户进行匹配,获取匹配结果的步骤,包括:
确定各空闲车辆分别所归属的第一车辆类别;
获取各第一车辆类别分别对应的第一权重值;
针对每一空闲车辆,根据对应的第一权重值、所述第一目标用户的信息和空闲车辆的信息进行计算,获取与所述第一目标用户数量相同的第一目标参考值;
针对每一空闲车辆,根据所述第一目标参考值与所述第一目标用户进行匹配,获取第一推荐用户,其中各空闲车辆分别对应于不同的第一推荐用户。
6.根据权利要求5所述的方法,其特征在于,所述根据所述匹配结果生成车辆推送信息的步骤,包括:
根据每一空闲车辆以及所对应的第一推荐用户进行信息汇总;
根据汇总结果生成所述车辆推送信息。
7.根据权利要求5所述的方法,其特征在于,所述根据对应的第一权重值、所述第一目标用户的信息和空闲车辆的信息进行计算,获取与所述第一目标用户数量相同的第一目标参考值的步骤,包括:
获取空闲车辆的电量信息、车辆位置以及根据每个所述第一目标用户的用车行为数据所确定的行车距离和行车时间;
根据所述用车行为数据,获取每一个第一目标用户对应的预期电量、用车位置以及还车之后的行走距离;
针对每一个第一目标用户,计算对应的第一权重值分别与预设数目个参考变量的乘积,并对各乘积结果进行累加,获取第一目标参考值,所述预设数目个参考变量至少包括:电量信息与预期电量的差值、车辆位置与用车位置的距离、行车距离与对应的行走距离的差值以及行车时间。
8.根据权利要求5所述的方法,其特征在于,所述针对每一空闲车辆,根据所述第一目标参考值与所述第一目标用户进行匹配,获取第一推荐用户的步骤,包括:
针对每一空闲车辆,对所述第一目标参考值按照由高到低的顺序进行排列,确定排序第一的所述第一目标参考值对应的所述第一目标用户为第一参考推荐用户;
检测各所述第一参考推荐用户中是否存在相同用户;
若不存在,则将所述第一参考推荐用户确定为所述第一推荐用户;
若存在,则按照各空闲车辆对应于不同的所述第一推荐用户的原则,更新至少一空闲车辆对应的所述第一参考推荐用户。
9.根据权利要求2所述的方法,其特征在于,所述根据所述标签信息,确定与空闲车辆位于同一区域的目标用户的步骤,包括:
确定各空闲车辆分别对应的第二位置信息;
根据各所述第二位置信息,确定包含各空闲车辆的第二区域;
根据所述标签信息和所述第二区域,确定第二目标用户。
10.根据权利要求9所述的方法,其特征在于,所述标签信息至少包括用户的用车位置,所述根据所述标签信息和所述第二区域,确定第二目标用户的步骤,包括:
提取所述标签信息中的用车位置;
确定用车位置在所述第二区域内的所述标签信息为第二目标标签信息;
确定所述第二目标标签信息所对应的用户为所述第二目标用户。
11.根据权利要求9所述的方法,其特征在于,所述将空闲车辆与所述目标用户进行匹配,获取匹配结果的步骤,包括:
建立所述第二区域内的N个空闲车辆分别与M个第二目标用户的一一对应关系,形成N*M条记录信息;
针对每一空闲车辆,在M个第二目标用户中确定第二参考推荐用户;
根据N个第二参考推荐用户生成匹配结果。
12.根据权利要求11所述的方法,其特征在于,所述根据N个第二参考推荐用户生成匹配结果的步骤,包括:
检测N个第二参考推荐用户中是否存在相同用户;
若不存在,则确定N个第二参考推荐用户为与N个空闲车辆匹配的第二推荐用户;
若存在,则按照各空闲车辆对应于不同的第二推荐用户的原则,更新至少一空闲车辆对应的所述第二参考推荐用户。
13.根据权利要求12所述的方法,其特征在于,所述根据所述匹配结果生成车辆推送信息的步骤,包括:
根据每一空闲车辆以及所对应的第二推荐用户,生成所述车辆推送信息。
14.根据权利要求1所述的方法,其特征在于,还包括:
实时更新用户的用车行为数据。
15.一种服务器,其特征在于,包括:
获取模块,用于获取多个用户的用车行为数据;
第一生成模块,用于根据所述用车行为数据生成用于标识用户用车偏好的标签信息;
第二生成模块,用于在获取车辆推送需求的情况下,根据所述标签信息和车辆状态信息生成车辆推送信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910899311.9A CN112541797A (zh) | 2019-09-23 | 2019-09-23 | 一种车辆推送信息的生成方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910899311.9A CN112541797A (zh) | 2019-09-23 | 2019-09-23 | 一种车辆推送信息的生成方法及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112541797A true CN112541797A (zh) | 2021-03-23 |
Family
ID=75012868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910899311.9A Pending CN112541797A (zh) | 2019-09-23 | 2019-09-23 | 一种车辆推送信息的生成方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541797A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080808A (zh) * | 2022-08-23 | 2022-09-20 | 深圳市大智创新科技股份有限公司 | 一种行车记录仪信息管理方法及系统 |
CN116028726A (zh) * | 2023-03-01 | 2023-04-28 | 阿维塔科技(重庆)有限公司 | 社交推荐方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2986639A1 (fr) * | 2012-02-03 | 2013-08-09 | Sncf | Systeme de covoiturage dynamique |
US20160037307A1 (en) * | 2014-07-31 | 2016-02-04 | General Motors, Llc | Vehicle-related information sharing method and system |
US9288270B1 (en) * | 2011-04-22 | 2016-03-15 | Angel A. Penilla | Systems for learning user preferences and generating recommendations to make settings at connected vehicles and interfacing with cloud systems |
DE102015004789A1 (de) * | 2015-04-15 | 2016-10-20 | Tingen Technology Co. Ltd. | Verfahren und System für Online-Fahrzeugservice |
CN106375398A (zh) * | 2016-08-30 | 2017-02-01 | 深圳市元征科技股份有限公司 | 一种服务推荐的方法、终端以及服务器 |
CN107766997A (zh) * | 2016-08-15 | 2018-03-06 | 滴滴(中国)科技有限公司 | 一种订单推送的方法及装置 |
CN109102098A (zh) * | 2018-08-24 | 2018-12-28 | 北京轻享科技有限公司 | 一种共享车辆的控制方法、装置和设备 |
CN109376303A (zh) * | 2018-10-25 | 2019-02-22 | 合肥望京科技有限公司 | 一种基于车联网的车载内容信息智能推荐系统及其方法 |
CN109544236A (zh) * | 2018-11-23 | 2019-03-29 | 北京小米移动软件有限公司 | 共享单车推荐方法及终端设备 |
WO2019130602A1 (ja) * | 2017-12-29 | 2019-07-04 | 斉星 趙 | レンタル車両運用管理システム |
CN110046927A (zh) * | 2019-02-27 | 2019-07-23 | 山东开创云软件有限公司 | 一种共享汽车的数据分析方法及装置 |
-
2019
- 2019-09-23 CN CN201910899311.9A patent/CN112541797A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9288270B1 (en) * | 2011-04-22 | 2016-03-15 | Angel A. Penilla | Systems for learning user preferences and generating recommendations to make settings at connected vehicles and interfacing with cloud systems |
FR2986639A1 (fr) * | 2012-02-03 | 2013-08-09 | Sncf | Systeme de covoiturage dynamique |
US20160037307A1 (en) * | 2014-07-31 | 2016-02-04 | General Motors, Llc | Vehicle-related information sharing method and system |
DE102015004789A1 (de) * | 2015-04-15 | 2016-10-20 | Tingen Technology Co. Ltd. | Verfahren und System für Online-Fahrzeugservice |
CN107766997A (zh) * | 2016-08-15 | 2018-03-06 | 滴滴(中国)科技有限公司 | 一种订单推送的方法及装置 |
CN106375398A (zh) * | 2016-08-30 | 2017-02-01 | 深圳市元征科技股份有限公司 | 一种服务推荐的方法、终端以及服务器 |
WO2019130602A1 (ja) * | 2017-12-29 | 2019-07-04 | 斉星 趙 | レンタル車両運用管理システム |
CN109102098A (zh) * | 2018-08-24 | 2018-12-28 | 北京轻享科技有限公司 | 一种共享车辆的控制方法、装置和设备 |
CN109376303A (zh) * | 2018-10-25 | 2019-02-22 | 合肥望京科技有限公司 | 一种基于车联网的车载内容信息智能推荐系统及其方法 |
CN109544236A (zh) * | 2018-11-23 | 2019-03-29 | 北京小米移动软件有限公司 | 共享单车推荐方法及终端设备 |
CN110046927A (zh) * | 2019-02-27 | 2019-07-23 | 山东开创云软件有限公司 | 一种共享汽车的数据分析方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄扬;李伟权;: "网络舆情推动下的网约车规制政策变迁逻辑――基于多源流理论的案例分析", 情报杂志, no. 08, 27 July 2018 (2018-07-27) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080808A (zh) * | 2022-08-23 | 2022-09-20 | 深圳市大智创新科技股份有限公司 | 一种行车记录仪信息管理方法及系统 |
CN115080808B (zh) * | 2022-08-23 | 2022-11-08 | 深圳市大智创新科技股份有限公司 | 一种行车记录仪信息管理方法及系统 |
CN116028726A (zh) * | 2023-03-01 | 2023-04-28 | 阿维塔科技(重庆)有限公司 | 社交推荐方法 |
CN116028726B (zh) * | 2023-03-01 | 2024-04-16 | 阿维塔科技(重庆)有限公司 | 社交推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
Lee et al. | Mining discriminative patterns for classifying trajectories on road networks | |
Lathia et al. | Mining public transport usage for personalised intelligent transport systems | |
CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
US20130073586A1 (en) | Database system using batch-oriented computation | |
CN109684373B (zh) | 基于出行和话单数据分析的重点关系人发现方法 | |
KR102425748B1 (ko) | 승차 수요 이력 데이터에 대한 클러스터링 기법을 통한 승객 탑승 예상 지역 결정 방법, 이에 사용되는 관리 장치 및 승차 수요 이력 데이터에 대한 클러스터링 기법을 통한 승객 탑승 예상 지역 결정 방법을 실행시키는 프로그램이 기록된 기록 매체 | |
CN111724184A (zh) | 一种转化概率预测方法及装置 | |
CN113094388B (zh) | 一种用户工作地与居住地的检测方法及相关装置 | |
Liu et al. | Recommending a personalized sequence of pick-up points | |
CN112541797A (zh) | 一种车辆推送信息的生成方法及服务器 | |
CN112509317A (zh) | 基于机器学习算法的公交实时到站预测方法、装置和设备 | |
CN111899061A (zh) | 订单推荐方法、装置、设备及存储介质 | |
JP2021096793A (ja) | エリア分析システムおよびその方法 | |
Wang et al. | Taxi-cruising recommendation via real-time information and historical trajectory data | |
JP5823332B2 (ja) | 個人行動嗜好分析システムおよび個人行動嗜好分析方法 | |
CN112669073A (zh) | 一种用户留存预测方法、装置、电子设备及存储介质 | |
JP4891638B2 (ja) | 目的データをカテゴリに分類する方法 | |
Xu et al. | Predicting personal transitional location based on modified-svm | |
CN113139670A (zh) | 出行路线的推荐方法、系统、处理设备及可读存储介质 | |
Campana et al. | A machine-learned ranking algorithm for dynamic and personalised car pooling services | |
CN112380443B (zh) | 导乘推荐方法、装置、计算机设备和存储介质 | |
Syed et al. | Neural network-based metaheuristic parameterization with application to the vehicle matching problem in ride-hailing services | |
CN112883291B (zh) | 目的地位置的推荐方法、装置和服务器 | |
CN109934689B (zh) | 目标对象排名解释方法、装置、电子设备及可读存储介质 |
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 |