CN112700201A - 货源推荐方法、电子设备和存储介质 - Google Patents
货源推荐方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112700201A CN112700201A CN202110036850.7A CN202110036850A CN112700201A CN 112700201 A CN112700201 A CN 112700201A CN 202110036850 A CN202110036850 A CN 202110036850A CN 112700201 A CN112700201 A CN 112700201A
- Authority
- CN
- China
- Prior art keywords
- track
- point
- parking
- parking area
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例中提供了一种货源推荐方法、电子设备和存储介质,首先根据获取到的多个用户的车辆运行轨迹信息计算各个用户的常用的停车区域的位置信息以及各个停车区域的用户停留次数,最后根据各个停车区域的用户停留次数和各个停车区域的位置信息为用户推荐对应停车区域的货源,使得推荐的货源地与用户的停车区域更加匹配,提高用户的运营效率。
Description
技术领域
本申请涉及数据分析技术,具体地,涉及一种货源推荐方法、电子设备和存储介质。
背景技术
随着物流业行业的飞速发展,每天的货源数都在急速的增长,庞大的信息量使得货运双方均难以获取自己想要信息。
随着大数据时代的到来,使用物流平台或专用于货运的APP(Application,应用程序),能够高效匹配寻找货源的司机及货物,极大地降低信息搜索成本,提升市场效率。
但是,在目前的货运APP中,尤其是司机在搜索货源的过程中,往往需要反复输入不同的搜索条件才能搜寻到相关的货源,不但会浪费大量时间,同时很可能无法筛选出真正需要的货源,从而导致司机的运营效率较低。
发明内容
本申请实施例中提供了一种货源推荐方法、电子设备和存储介质,以解决现有技术中无法快速便捷地进行货源推荐的问题。
根据本申请实施例的第一个方面,提供了一种货源推荐方法,所述方法包括:
根据获取到的多个用户的车辆运行轨迹信息计算多个停车区域的位置信息及各个停车区域的用户停留次数;
根据所述停车区域的位置信息及各个停车区域的用户停留次数推荐对应停车区域的货源。
在一种可选的实施方式中,根据获取到的多个用户的车辆运行轨迹信息计算多个停车区域的位置信息及各个停车区域的用户停留次数,包括:
获取预设时间段内的车辆运行轨迹信息,其中,所述车辆运行轨迹信息包括多个轨迹点;
根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态;
将被标记为停车状态且相邻的轨迹点合并为一个停车区域;
计算各个所述停车区域的位置信息及在预设时间段内所述用户在各个所述停车区域内的停留次数。
在一种可选的实施方式中,根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态,包括:
针对所述车辆运行轨迹信息包括多个轨迹点中的每一个轨迹点,将每一个所述轨迹点作为目标轨迹点,获取所述目标轨迹点对应的目标时间点;
计算所述目标时间点的预设时间范围内包括的每个轨迹点的平均速度;
判断所述预设时间范围内平均速度小于预设速度值的轨迹点的数量与所述预设时间范围内包括的所有轨迹点的比值是否大于预设比例值;
若大于,则将所述预设时间范围内包括的未被标记过的轨迹点标记为停车状态;
若不大于,则将所述预设时间范围内包括的未被标记过的轨迹点标记为行驶状态。
在一种可选的实施方式中,所述计算所述目标时间点的预设时间范围内包括的所有轨迹点的平均速度,包括:
针对所述目标时间点的预设时间范围内包括的每一个轨迹点gi,通过以下公式计算所述轨迹点的平均速度:
vi=(si-1+si+1)/(ti-1+ti+1)
其中,vi为轨迹点gi的平均速度,si-1表示轨迹点gi与轨迹点gi-1之间的距离,si+1表示轨迹点gi与轨迹点gi+1之间的距离,ti-1表示轨迹点gi与轨迹点gi-1之间的时间差,ti+1表示轨迹点gi与轨迹点gi+1之间的时间差。
在一种可选的实施方式中,在将被标记为停车状态且相邻的轨迹点集合为一个停车区域之后,所述方法还包括:
获取各个停车区域的中位轨迹点的位置信息;
判断相邻两个停车区域的中位轨迹点之间的距离是否小于预设距离阈值;
若小于,则将所述相邻两个停车区域合并为一个停车区域。
在一种可选的实施方式中,在将所述相邻两个停车区域合并为一个停车区域之后,所述方法还包括:
计算各个停车区域中第一个轨迹点和最后一个轨迹点的时间差;
判断所述时间差是否小于预设时间阈值;
若小于,则去除该时间差对应的停车区域。
在一种可选的实施方式中,所述车辆运行轨迹信息包括轨迹点采样间隔、车辆在各个轨迹点的经度纬度,所述方法还包括:
获取各个停车区域的中位轨迹点的经度纬度;
将所述中位轨迹点的经度纬度转换为用于表示该中位轨迹点的位置信息的字符串。
在一种可选的实施方式中,根据所述停车区域的位置信息及各个停车区域的用户停留次数为所述用户推荐对应停车区域的货源,包括:
根据所述停车区域的位置信息及各个停车区域的用户停留次数获取用户的常用运营路线及用户的常用运营区域;
根据所述常用运营路线及所述常用运营区域为所述用户推荐所述常用运营路线及所述常用运行区域的预设距离范围内的货源。
根据本申请实施例的第二个方面,提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行上述的货源推荐方法。
根据本申请实施例的第三个方面,提供了一种存储介质,所述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上述的货源推荐方法。
本申请实施例中提供了一种货源推荐方法、电子设备和存储介质,首先根据获取到的多个用户的车辆运行轨迹信息计算各个用户的常用的停车区域的位置信息以及各个停车区域的用户停留次数,最后根据各个停车区域的用户停留次数和各个停车区域的位置信息为用户推荐对应停车区域的货源,使得推荐的货源地与用户的停车区域更加匹配,提高用户的运营效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的电子设备的架构图;
图2为本申请实施例提供的货源推荐方法的流程图;
图3为本申请实施例提供的步骤S11的子步骤流程图之一;
图4为本申请实施例提供的步骤S112的子步骤流程图;
图5为本申请实施例提供的多个停车区域的示意图;
图6为本申请实施例提供的步骤S11的子步骤流程图之二;
图7为本申请实施例提供的货源推荐装置的功能模块图。
图标:10-电子设备;11-处理器;12-存储器;13-总线;110-货源推荐装置;1101-计算模块;1102-货源推荐模块。
具体实施方式
在实现本申请的过程中,发明人发现,在目前的货运APP中,尤其是司机在搜索货源的过程中,往往需要反复输入不同的搜索条件才能搜寻到相关的货源,不但会浪费大量时间,同时很可能无法筛选出真正需要的货源,从而导致司机的运营效率较低。
另外,发明人发现,牵引车和重型载货车等货运车辆上通常都安装有GPS车载定位仪,可以将车辆的轨迹数据存储在云服务器上,通过大数据分析平台能够从车辆的轨迹数据中挖掘出车辆运行特点以及驾驶行为信息,例如驾驶员是否有危险驾驶行为,包括超速、急加速、急转弯、急停车等信息,以减少货车事故的发生,并根据对用户的轨迹信息分析用于提升用户的运营效率。
针对上述问题,本申请实施例中提供了一种货源推荐方法、电子设备和存储介质,首先获取用户发送的货源推荐请求,然后根据获取到的多个用户的车辆运行轨迹信息计算各个用户的常用的停车区域的位置信息以及各个停车区域的用户停留次数,最后根据各个停车区域的用户停留次数和各个停车区域的位置信息为该用户推荐对应停车区域的货源,使得推荐的货源地与用户的停车区域更加匹配,提高用户的运营效率。
本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
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,显然,所描述的实施例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。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
请参照图1,图1为本申请实施例提供的电子设备10的架构图。在本实施例中,货源推荐方法应用于图1中的电子设备10。在图1中,电子设备10包括:处理器11、存储器12和总线13,存储器12存储有处理器11可执行的机器可读指令,当电子设备10运行时,11处理器与存储器12之间通过总线13通信,机器可读指令被处理器11执行时执行本申请实施例提供的运行轨迹数据处理方法。
该电子设备10可以为具有数据分析功能的服务器或计算机等设备,电子设备10与设置在车辆上的车载定位仪通信连接,接收车载定位仪发送的车辆运行轨迹信息,并对车辆的车辆运行轨迹信息进行分析处理。其中,车辆的车辆运行轨迹信息包括多个车辆的轨迹点,轨迹点则根据采样频率采样获得。例如,车载定位仪的采样频率可以为1分钟,即表示1分钟采集一个轨迹点。
当然,值得说明的是,上述实施例提供的采样频率仅为对本申请实施例的采样频率的一种示例性说明,在本实施例的其他实施方式中,采样频率还可以为其他数值,在此不作具体限定。
可选地,车载定位仪还可以向电子设备10发送车辆的车牌号、车辆的瞬时速度、车辆运行的总里程以及车辆运行的方向角等数据。
下面结合附图对本申请实施例提供的货源推荐方法进行说明。
请参照图2,图2为本申请实施例提供的货源推荐方法的流程图。在本实施例中,货源推荐方法应用于图1中的电子设备10,该方法包括以下步骤:
步骤S11,根据获取到的多个用户的车辆运行轨迹信息计算多个停车区域的位置信息及各个停车区域的用户停留次数。
步骤S12,根据停车区域的位置信息及各个停车区域的用户停留次数推荐对应停车区域的货源。
在上述步骤中,本申请实施例提供了一种货源推荐方法,可以先获取用户发送的货源推荐请求,然后根据获取到的多个用户的车辆运行轨迹信息计算各个用户的常用的停车区域的位置信息以及各个停车区域的用户停留次数,最后根据各个停车区域的用户停留次数和各个停车区域的位置信息为用户推荐对应停车区域的货源,使得推荐的货源地与用户的停车区域更加匹配,提高用户的运营效率。
进一步地,请参照图3,图3为本申请实施例提供的步骤S11的子步骤流程图之一。在本实施例中,货源推荐方法应用于图1中的电子设备10,该方法包括以下步骤:
步骤S111,获取预设时间段内的车辆运行轨迹信息。其中,所述车辆运行轨迹信息包括多个轨迹点;
步骤S112,根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态。
步骤S113,将被标记为停车状态且相邻的轨迹点合并为一个停车区域。
步骤S114,计算各个停车区域的位置信息及在预设时间段内用户在各个停车区域内的停留次数。
在上述子步骤中,首先获取车辆的在预设时间段内的车辆运行轨迹信息,其中,车辆运行轨迹信息包括多个轨迹点;根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态;再将被标记为停车状态且相邻的轨迹点合并为一个停车区域;最后计算各个停车区域的位置信息及在预设时间段内车辆在各个停车区域内的停留次数。通过上述步骤所述的方法,可以根据车辆的各个停车区域的位置以及在各个停车区域停留次数分析出车辆的常跑路线等运营数据。
可选地,在本实施例中,在获取车辆的车辆运行轨迹信息时,可能会获取到半年甚至一年内等较长时间段的车辆运行轨迹信息,而在通过车辆运行轨迹信息进行分析时,可以从获取到的较长时间段内选取一段时间进行分析,针对其他时间段,采用同样的分析方法进行处理,从而完成整改车辆运行轨迹信息的分析。
例如,若电子设备10获取到2019年至2020年的所有的车辆运行轨迹信息,而在对运行估计信息进行数据处理时,可以先处理2019年1月对应的车辆运行轨迹信息,处理方法可以参考步骤S111至步骤S114,在此种情况下,预设时间段则表示2019年1月,在处理完1月的数据后,可以采用同样的方法对其余11个月的运行轨迹进行分析,最终完成对2019年至2020年所有的车辆运行轨迹信息的分析。
可选地,在本实施例中,由于车载定位仪采集到的原始数据中存在大量的杂质数据。因此,在本实施例中,在子步骤S111之前,货源推荐方法还包括:
对接收到的车载定位仪发送的数据进行数据清洗和去重。
在本实施例中,通过对数据进行数据清洗和去重,可以去除原始数据中的杂质数据,提高数据的纯度,以提高最终的数据分析结果的准确性。
可选地,请参照图4,图4为本申请实施例提供的步骤S112的子步骤流程图。在本实施例中,步骤S112包括以下子步骤:
子步骤S1121,针对所述车辆运行轨迹信息包括多个轨迹点中的每一个轨迹点,将每一个所述轨迹点作为目标轨迹点,获取目标轨迹点对应的目标时间点。
子步骤S1122,计算目标时间点的预设时间范围内包括的每个轨迹点的平均速度。
子步骤S1123,判断预设时间范围内平均速度小于预设速度值的轨迹点的数量与预设时间范围内包括的所有轨迹点的比值是否大于预设比例值。
子步骤S1124,若大于,则将预设时间范围内包括的未被标记过的轨迹点标记为停车状态。
子步骤S1125,若不大于,则将预设时间范围内包括的未被标记过的轨迹点标记为行驶状态。
值得说明的是,图4所示流程图为上述子步骤的流程图的一次示意图,即针对一个轨迹点的一次流程图,针对车辆运行轨迹信息包括多个轨迹点中的每一个轨迹点,将每一个所述轨迹点作为目标轨迹点,重复图4所示的流程图的步骤,直至对车辆运行轨迹信息包括的所有轨迹点均进行标记。
为了便于理解上述子步骤,下面结合示例对上述子步骤进行详细说明。
在上述子步骤中,例如,若轨迹点的采样频率为1分钟,即一分钟获得一个轨迹点,则在1天的预设时间段内总共获取到60×24个轨迹点,即1440个轨迹点。首先,可以选择这1440个轨迹点中的一个轨迹点作为目标轨迹点(也可以理解为初始轨迹点),并获取该目标轨迹点对应的目标时间点,并获取该目标时间点前后预设时间范围内(例如前后15分钟内)的所有的轨迹点,即获取到包括该目标轨迹点在内的总共30个轨迹点。再计算该预设时间范围内所有轨迹点(即30个轨迹点)对应的车辆的平均速度,即车辆在经过各个轨迹点时的平均速度。
在计算获得30个轨迹点中每个轨迹点的平均速度之后,判断这30个轨迹点中的平均速度小于预设速度值(例如,预设速度值可以为1m/s)的轨迹点的个数,假设30个轨迹点中,存在27个轨迹点的平均速度小于预设速度值,则计算平均速度小于预设速度值的轨迹点和预设时间范围内的轨迹点比值为27比30,为90%,再判断该比值是否大于预设比例值。假设预设比例值为80%,则90%大于80%,因此,将该段时间范围内的所有未被标记过的轨迹点均标记为停车状态(也可以标记为1),若预设比例值为95%,则90%小于95%,此时,应该将该段时间范围内的所有未被标记过的轨迹点均标记为行驶状态(也可以标记为0)。
在此之后,根据各个轨迹点的时间排列顺序,将下一个采集到的轨迹点作为目标轨迹点,再获取该目标轨迹点对应的时间范围内的所有轨迹点进行相同的操作,此时,下一个采集到的轨迹点的预设时间范围内的所有轨迹点中存在一部分轨迹点已经被标记过,再此次进行标记时,则忽略已经标记过的轨迹点,无需进行在此标记。重复上述的步骤,直至将1440个轨迹点均进行标记。
在标记完成后,获取到的每一个轨迹点均已经被标记为停车状态(也可以标记为1)或者被标记为行驶状态(也可以被标记为0)。
然后可以执行步骤S113,将被标记为停车状态且相邻的所有轨迹点合并为一个停车区域,如图5所示,图5为本申请实施例提供的多个停车区域的示意图。
随后,可以基于每个停车区域中的轨迹点的位置信息确定各个停车区域的位置信息,以及车辆在各个停车区域的停留次数等信息。
可选地,在本实施例中,子步骤S1122,计算所述目标时间点的预设时间范围内包括的所有轨迹点的平均速度,包括:
针对所述目标时间点的预设时间范围内包括的每一个轨迹点gi,通过以下公式计算所述轨迹点的平均速度:
vi=(si-1+si+1)/(ti-1+ti+1)
其中,vi为轨迹点gi的平均速度,si-1表示轨迹点gi与轨迹点gi-1之间的距离,si+1表示轨迹点gi与轨迹点gi+1之间的距离,ti-1表示轨迹点gi与轨迹点gi-1之间的时间差,ti+1表示轨迹点gi与轨迹点gi+1之间的时间差。
例如,在计算预设时间范围内的30个轨迹点中的第i个轨迹点gi时,首先需要计算轨迹点gi与第i-1个轨迹点gi-1之间的距离si-1及时间差ti-1,以及轨迹点gi与第i+1个轨迹点gi+1之间的距离si+1及时间差ti+1。可以理解的是,轨迹点gi与轨迹点gi-1的时间差ti-1以及轨迹点gi与轨迹点gi+1的时间差ti+1均为采样频率,例如1分钟。从而可以计算出轨迹点gi的平均速度。
针对预设时间范围内的每一个轨迹点,均可以采用上述公式计算该轨迹点的平均速度。
可选地,在本实施例中,s可以为两个相邻的轨迹点之间的经纬度距离,即si-1表示轨迹点gi与轨迹点gi-1之间的经纬度距离,si+1表示轨迹点gi与轨迹点gi+1之间的经纬度距离。其中:
其中,lat1为相邻的两个轨迹点中的一个轨迹点的纬度,lat2为另一个轨迹点的纬度,Δlng为相邻的两个轨迹点的经度的差值,Δlat为相邻的两个轨迹点的纬度的差值,r为地球半径。
本申请实施例基于平均速度确定车辆的停车区域,比采用瞬时速度提取的停车区域精度高15%。
可选地,在本实施例中,每个停车区域中至少包括有一个轨迹点,当只有一个轨迹点时,则该轨迹点对应的位置信息为该停车区域的位置信息;当停车区域内包括有多个轨迹点时,取停车区域中的中位轨迹点的位置信息作为该停车区域的位置信息。
可选地,在本实施例中,由于车载定位仪向电子设备10发送的轨迹点的位置信息为经纬度坐标,且由于在一天、一个月甚至一年内的轨迹点的数据量非常大,会导致调用外部地址查询接口的速度非常慢,因此,为了优化查询效率,货源推荐方法还包括:
获取各个停车区域的中位轨迹点的经度纬度;将中位轨迹点的经度纬度转换为用于表示该中位轨迹点的位置信息的字符串。
在上述步骤中,电子设备10获取到的车辆运行轨迹信息还包括轨迹点的经度纬度,当停车区域包括多个轨迹点时,在确认停车区域的位置信息时,首先获取根据中位轨迹点的经度纬度,再采用Geohash地址编码等算法对中位轨迹点的经度纬度进行编码,将经度纬度信息转换为可以表示唯一经度纬度信息的字符串编码,在电子设备10进行数据传输时,可以通过传输字符串编码传输各个停车区域的位置信息,以提高查询效率。
可选地,请参照图6,图6为本申请实施例提供的步骤S11的子步骤流程图之二。在本实施例中,在步骤S113之后,货源推荐方法还包括:
步骤S115,获取各个停车区域的中位轨迹点的位置信息。
步骤S116,判断相邻两个停车区域的中位轨迹点之间的距离是否小于预设距离阈值。
步骤S117,若小于,则将相邻两个停车区域合并为一个停车区域。
在上述步骤中,通过中位轨迹点的位置信息表征停车区域的位置信息,当两个停车区域的中位轨迹点之间的距离小于预设距离阈值时,即表示对应的两个停车区域的位置较近,可能是由于司机将车辆停错位置或位置计算存在误差等原因造成的,因此,需要将两个距离较近的停车区域合并为同一个停车区域。
除此之外,请继续参照图6,在步骤S127之后,货源推荐方法还包括:
步骤S118,计算各个停车区域中第一个轨迹点和最后一个轨迹点的时间差。
步骤S119,判断时间差是否小于预设时间阈值。
步骤S120,若小于,则去除该时间差对应的停车区域。
在上述步骤中,每个停车区域内可能包括有多个轨迹点,按照每个轨迹点的时间顺序,计算该停车区域内的第一个轨迹点和最后一个轨迹点的时间差,并判断时间差是否小于预设阈值(例如预设阈值为3分钟),若时间差小于3分钟,则表示车辆在该停车区域的停留时间较短,可能是由于等红绿灯或停车让行等原因造成的,此时的停车区域并不能真正用于表示该车辆的运营情况,因此需要将时间差小于预设时间阈值的停车区域排除,以获得相对较为准确的车辆的实际停车区域。
在通过上述步骤计算获得车辆在预设时间段(一天、一个月或是一年)内的停车区域后,可以计算该车辆的各个停车区域的位置信息以及车辆在每个停车区域的停留次数等数据,便于后续分析。
值得说明的是,在本实施例中,在获得用户授权后,车辆运行轨迹信息、车辆位置、车辆的车牌号、车辆的瞬时速度、车辆运行的总里程以及车辆运行的方向角等数据由安装于车辆上的车载定位仪发送至电子设备10,电子设备10在获取到上述数据后,对数据进行分析,从而进行货源推荐。
可选地,在本实施例中,步骤S12,根据所述停车区域的位置信息及各个停车区域的用户停留次数为所述用户推荐对应停车区域的货源,包括:
根据停车区域的位置信息及各个停车区域的用户停留次数获取用户的常用运营路线及用户的常用运营区域;根据常用运营路线及常用运营区域为用户推荐常用运营路线及常用运行区域的预设距离范围内的货源。
在上述步骤中,可以基于获取到的车辆的停车区域的位置信息和停留次数及每次停留时间等分析出车辆的常用运营区域以及车辆的常用运营路线,在为用户推荐货源时,可以根据向用户推荐常用运行路线及常用运行区域附近(例如5km的范围内)的货源,从而有针对性的推荐该区域的货源或订单给该用户。
还可以根据车辆在各个停车区域的停留次数,分析获得该车辆常用的装货和卸货地区,将相邻的两个停车区域作为出发地和起始地,得到车辆的运营线路,然后基于每条运营线路的运营次数,从而判断该车辆主要是同城运输、干线运输或是零担运输等运输方式。
可选地,可以根据车辆的停车区域以及当前的时间点,获取车辆最后的停车区域,从而可以给该用户匹配距离该停车区域最近的货源及订单。
可选地,还可以根据各个车辆的停车区域中是否包含“维修、轮胎、机修”等关键字,如果包含,则将该停车区域作为车辆常去的维修点,便于用户可以快速找到可靠的维修点。
可选地,还可以根据两个停车区域之间的时间差计算得到车辆在两个停车区域之间的运行时间,将车辆的所有的运行时间累计相加,即可得到该车辆运行多长时间。还可以可以根据相邻两个停车区间的距离计算车辆在此两个停车区域之间的运行距离,并将所有运行距离累计相加即可获得车辆的运行总距离。
可选地,还可以根据每个停车区域的中包括的各个轨迹点的采样时间,确定车辆的发车时间,将1天时间分为0:00-6:00、6:00-12:00、12:00-18:00、18:00-24:00这四个时间段,根据车辆在每条运营线路的发车时间获取到该用户的运输习惯,例如习惯晚上运输或是习惯白天运输等。
基于上述步骤,可以对本申请实施例提供的停车区域的位置信息及停留次数、停留时间等数据进行进一步分析,从而可以更好地掌握各个物流车辆的运营状态,为用户更高效地获取订单及货源,有利于提升用户的运营效率,也可以帮助物流企业更好地管理车辆信息,精确掌握车辆运输信息等。
可选地,请参照图7,图7为本申请实施例提供的货源推荐装置110的功能模块图,该装置应用于图1中的电子设备10,包括:
计算模块1101,用于根据获取到的多个用户的车辆运行轨迹信息计算多个停车区域的位置信息及各个停车区域的用户停留次数;
货源推荐模块1102,用于根据停车区域的位置信息及各个停车区域的用户停留次数推荐对应停车区域的货源。
在一种可选的实施方式中,计算模块1101包括:
信息获取子模块,用于获取预设时间段内的车辆运行轨迹信息,其中,所述车辆运行轨迹信息包括多个轨迹点;
标记子模块,用于根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态;
轨迹点合并子模块,用于将被标记为停车状态且相邻的轨迹点合并为一个停车区域;
停车区域计算子模块,用于计算各个停车区域的位置信息及在预设时间段内所述车辆在各个停车区域内的停留次数。
在一种可行的实施方式中,标记模块具体用于:
选择所述车辆运行轨迹信息包括的多个轨迹点中的任意一个轨迹点作为目标轨迹点,获取所述初始轨迹点对应的目标时间点;
计算所述目标时间点的预设时间范围内包括的所有轨迹点的平均速度;
判断所述预设时间范围内平均速度小于预设速度值的轨迹点的数量与所述预设时间范围内包括的所有轨迹点的比值是否大于预设比例值;
若大于,则将所述预设时间范围内包括的未被标记过的轨迹点标记为停车状态;
若不大于,则将所述预设时间范围内包括的未被标记过的轨迹点标记为行驶状态;
针对所述车辆运行轨迹信息包括多个轨迹点中的每一个轨迹点,将每一个所述轨迹点作为目标轨迹点,重复上述步骤,直至对所述车辆运行轨迹信息包括的所有轨迹点均进行标记。
值得说明的是,货源推荐装置110中各个模块的工作原理及流程可参照前述提供的货源推荐方法,在此不再赘述。
可选地,本申请实施例还提供了一种存储介质,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上述实施例提供的货源推荐方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种货源推荐方法,其特征在于,所述方法包括:
根据获取到的多个用户的车辆运行轨迹信息计算多个停车区域的位置信息及各个停车区域的用户停留次数;
根据所述停车区域的位置信息及各个停车区域的用户停留次数推荐对应停车区域的货源。
2.根据权利要求1所述的方法,其特征在于,根据获取到的多个用户的车辆运行轨迹信息计算多个停车区域的位置信息及各个停车区域的用户停留次数,包括:
获取预设时间段内的车辆运行轨迹信息,其中,所述车辆运行轨迹信息包括多个轨迹点;
根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态;
将被标记为停车状态且相邻的轨迹点合并为一个停车区域;
计算各个所述停车区域的位置信息及在预设时间段内用户在各个所述停车区域内的停留次数。
3.根据权利要求2所述的方法,其特征在于,根据车辆在经过各个轨迹点时的平均速度将各个轨迹点标记为行驶状态或停车状态,包括:
针对所述车辆运行轨迹信息包括多个轨迹点中的每一个轨迹点,将每一个所述轨迹点作为目标轨迹点,获取所述目标轨迹点对应的目标时间点;
计算所述目标时间点的预设时间范围内包括的每个轨迹点的平均速度;
判断所述预设时间范围内平均速度小于预设速度值的轨迹点的数量与所述预设时间范围内包括的所有轨迹点的比值是否大于预设比例值;
若大于,则将所述预设时间范围内包括的未被标记过的轨迹点标记为停车状态;
若不大于,则将所述预设时间范围内包括的未被标记过的轨迹点标记为行驶状态。
4.根据权利要求3所述的方法,其特征在于,所述计算所述目标时间点的预设时间范围内包括的所有轨迹点的平均速度,包括:
针对所述目标时间点的预设时间范围内包括的每一个轨迹点gi,通过以下公式计算所述轨迹点的平均速度:
vi=(si-1+si+1)/(ti-1+ti+1)
其中,vi为轨迹点gi的平均速度,si-1表示轨迹点gi与轨迹点gi-1之间的距离,st+1表示轨迹点gi与轨迹点gi+1之间的距离,ti-1表示轨迹点gi与轨迹点gi-1之间的时间差,ti+1表示轨迹点gi与轨迹点gi+1之间的时间差。
5.根据权利要求2所述的方法,其特征在于,在将被标记为停车状态且相邻的轨迹点集合为一个停车区域之后,所述方法还包括:
获取各个停车区域的中位轨迹点的位置信息;
判断相邻两个停车区域的中位轨迹点之间的距离是否小于预设距离阈值;
若小于,则将所述相邻两个停车区域合并为一个停车区域。
6.根据权利要求5所述的方法,其特征在于,在将所述相邻两个停车区域合并为一个停车区域之后,所述方法还包括:
计算各个停车区域中第一个轨迹点和最后一个轨迹点的时间差;
判断所述时间差是否小于预设时间阈值;
若小于,则去除该时间差对应的停车区域。
7.根据权利要求2所述的方法,其特征在于,所述车辆运行轨迹信息包括轨迹点采样间隔、车辆在各个轨迹点的经度纬度,所述方法还包括:
获取各个停车区域的中位轨迹点的经度纬度;
将所述中位轨迹点的经度纬度转换为用于表示该中位轨迹点的位置信息的字符串。
8.根据权利要求1所述的方法,其特征在于,根据所述停车区域的位置信息及各个停车区域的用户停留次数为所述用户推荐对应停车区域的货源,包括:
根据所述停车区域的位置信息及各个停车区域的用户停留次数获取用户的常用运营路线及用户的常用运营区域;
根据所述常用运营路线及所述常用运营区域为所述用户推荐所述常用运营路线及所述常用运行区域的预设距离范围内的货源。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1-8任一项所述的方法。
10.一种存储介质,其特征在于,所述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权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110036850.7A CN112700201B (zh) | 2021-01-12 | 2021-01-12 | 货源推荐方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110036850.7A CN112700201B (zh) | 2021-01-12 | 2021-01-12 | 货源推荐方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700201A true CN112700201A (zh) | 2021-04-23 |
CN112700201B CN112700201B (zh) | 2023-08-15 |
Family
ID=75514066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110036850.7A Active CN112700201B (zh) | 2021-01-12 | 2021-01-12 | 货源推荐方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700201B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113312563A (zh) * | 2021-06-24 | 2021-08-27 | 北京三快在线科技有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN113409611A (zh) * | 2021-06-09 | 2021-09-17 | 摩拜(北京)信息技术有限公司 | 停车区域推荐方法及装置 |
CN114141014A (zh) * | 2021-11-30 | 2022-03-04 | 中寰卫星导航通信有限公司 | 一种停车场的确定方法、装置、设备及存储介质 |
CN114493395A (zh) * | 2021-12-15 | 2022-05-13 | 阿里云计算有限公司 | 移动设备驻留区域计算方法、装置及可读存储介质 |
CN114493188A (zh) * | 2022-01-06 | 2022-05-13 | 北京中交兴路信息科技有限公司 | 一种货运接单推荐方法、装置、电子设备和存储介质 |
CN114564655A (zh) * | 2021-12-23 | 2022-05-31 | 北京中交兴路信息科技有限公司 | 基于协同过滤的车辆推荐方法、装置、设备及存储介质 |
CN114863715A (zh) * | 2022-05-05 | 2022-08-05 | 一汽解放汽车有限公司 | 停车数据确定方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598992A (zh) * | 2015-01-12 | 2015-05-06 | 北京中交兴路车联网科技有限公司 | 一种车辆常跑路线分析方法 |
CN106095922A (zh) * | 2016-06-12 | 2016-11-09 | 惠龙易通国际物流股份有限公司 | 一种车船位置数据存储方法及系统 |
CN110085030A (zh) * | 2018-01-25 | 2019-08-02 | 深圳市以捷智慧交通科技有限公司 | 一种非机动车辆违章行驶的监测系统及方法 |
CN110869953A (zh) * | 2018-02-06 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 推荐交通出行服务的系统和方法 |
CN111353732A (zh) * | 2018-12-21 | 2020-06-30 | 北京中交兴路信息科技有限公司 | 车辆运输模式识别方法、装置、设备和存储介质 |
CN111739291A (zh) * | 2020-06-05 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 道路路况计算中的干扰识别方法及装置 |
-
2021
- 2021-01-12 CN CN202110036850.7A patent/CN112700201B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598992A (zh) * | 2015-01-12 | 2015-05-06 | 北京中交兴路车联网科技有限公司 | 一种车辆常跑路线分析方法 |
CN106095922A (zh) * | 2016-06-12 | 2016-11-09 | 惠龙易通国际物流股份有限公司 | 一种车船位置数据存储方法及系统 |
CN110085030A (zh) * | 2018-01-25 | 2019-08-02 | 深圳市以捷智慧交通科技有限公司 | 一种非机动车辆违章行驶的监测系统及方法 |
CN110869953A (zh) * | 2018-02-06 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 推荐交通出行服务的系统和方法 |
CN111353732A (zh) * | 2018-12-21 | 2020-06-30 | 北京中交兴路信息科技有限公司 | 车辆运输模式识别方法、装置、设备和存储介质 |
CN111739291A (zh) * | 2020-06-05 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 道路路况计算中的干扰识别方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409611A (zh) * | 2021-06-09 | 2021-09-17 | 摩拜(北京)信息技术有限公司 | 停车区域推荐方法及装置 |
CN113312563A (zh) * | 2021-06-24 | 2021-08-27 | 北京三快在线科技有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN114141014A (zh) * | 2021-11-30 | 2022-03-04 | 中寰卫星导航通信有限公司 | 一种停车场的确定方法、装置、设备及存储介质 |
CN114493395A (zh) * | 2021-12-15 | 2022-05-13 | 阿里云计算有限公司 | 移动设备驻留区域计算方法、装置及可读存储介质 |
CN114564655A (zh) * | 2021-12-23 | 2022-05-31 | 北京中交兴路信息科技有限公司 | 基于协同过滤的车辆推荐方法、装置、设备及存储介质 |
CN114493188A (zh) * | 2022-01-06 | 2022-05-13 | 北京中交兴路信息科技有限公司 | 一种货运接单推荐方法、装置、电子设备和存储介质 |
CN114493188B (zh) * | 2022-01-06 | 2023-04-18 | 北京中交兴路信息科技有限公司 | 一种货运接单推荐方法、装置、电子设备和存储介质 |
CN114863715A (zh) * | 2022-05-05 | 2022-08-05 | 一汽解放汽车有限公司 | 停车数据确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112700201B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700201B (zh) | 货源推荐方法、电子设备和存储介质 | |
US11727495B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
US10247565B2 (en) | Traffic risk avoidance for a route selection system | |
US10043384B2 (en) | Management of mobile objects and service platform for mobile objects | |
CN110986985B (zh) | 车辆行程推送方法、装置、介质、控制终端及汽车 | |
US10803525B1 (en) | Determining a property of an insurance policy based on the autonomous features of a vehicle | |
US10783587B1 (en) | Determining a driver score based on the driver's response to autonomous features of a vehicle | |
US11022457B2 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
US10796369B1 (en) | Determining a property of an insurance policy based on the level of autonomy of a vehicle | |
US20190042857A1 (en) | Information processing system and information processing method | |
US20130332402A1 (en) | On-demand suggestion for vehicle driving | |
US10783586B1 (en) | Determining a property of an insurance policy based on the density of vehicles | |
US12049218B2 (en) | Evaluating the safety performance of vehicles | |
US10982969B2 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
US10745010B2 (en) | Detecting anomalous vehicle behavior through automatic voting | |
US20200130704A1 (en) | Method and apparatus for comparing relevant information between sensor measurements | |
US20170167885A1 (en) | Gps routing based on driver | |
US20210270620A1 (en) | Traffic Risk Notification System | |
US20220198262A1 (en) | Method, apparatus, and computer program product for surveillance of road environments via deep learning | |
CN110502601B (zh) | 查找仓库的方法和装置 | |
US20230324183A1 (en) | Method and apparatus for determining vehicle change of direction | |
US11398153B1 (en) | System and method for determining a driving direction | |
US11807252B2 (en) | Method and apparatus for determining vehicle behavior | |
US12055398B2 (en) | Method and apparatus for predicting carjackings | |
EP4375620A1 (en) | Method, apparatus, and computer program product for intelligent gap placement within mobility data using junctions inferred by features of the mobility data |
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 |