CN112926796B - 一种基于特定场景的下车点推荐方法及装置 - Google Patents

一种基于特定场景的下车点推荐方法及装置 Download PDF

Info

Publication number
CN112926796B
CN112926796B CN202110304272.0A CN202110304272A CN112926796B CN 112926796 B CN112926796 B CN 112926796B CN 202110304272 A CN202110304272 A CN 202110304272A CN 112926796 B CN112926796 B CN 112926796B
Authority
CN
China
Prior art keywords
recommended
scene
vehicle
point
points
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.)
Active
Application number
CN202110304272.0A
Other languages
English (en)
Other versions
CN112926796A (zh
Inventor
黄智谋
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.)
Guangzhou Chenqi Travel Technology Co Ltd
Original Assignee
Guangzhou Chenqi Travel 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 Guangzhou Chenqi Travel Technology Co Ltd filed Critical Guangzhou Chenqi Travel Technology Co Ltd
Priority to CN202110304272.0A priority Critical patent/CN112926796B/zh
Publication of CN112926796A publication Critical patent/CN112926796A/zh
Application granted granted Critical
Publication of CN112926796B publication Critical patent/CN112926796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于特定场景的下车点推荐方法，包括：获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；识别与所述出发时刻关联的用车场景；基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联关系；所述历史订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；将多个推荐下车点推送给所述目标乘客端。本发明通过与目标乘客端相关联的用户的历史用车数据，在特定场景下智能推荐去用户去感兴趣的地方。

Description

一种基于特定场景的下车点推荐方法及装置
技术领域
本发明属于网约车下车点推荐技术领域，具体涉及一种基于特定场景的下车点推荐方法及装置。
背景技术
下车点预测是指：在已知用户所处位置和出行时刻的条件下，预测用户本次出行的目的地。目的地预测在多种场合下具有广泛应用，例如在打车场景中，当用户登录打车平台后，打车平台对用户本次的出行目的地进行预测和推荐，能帮助用户快速打车，有效提升用户的打车体验，为平台带来更多收益。
在相关技术中，对目的地进行预测主要通过预估模型对乘客的历史订单数据进行预测。预估模型预估用户出行各个目的地的概率，然后将概率最高的目的地确定为用户目前将要出行的目的地。然而，经申请人研究发现，现有技术存在如下问题：
如果用户出行该目的地的频次较少，无法满足模型建模，无法预测出乘客出行该目的地的概率。另一方面，现有技术均为乘客本身的历史记录推荐下车点，下车点推荐考虑较少，无法达到智能推荐效果。
发明内容
本发明的目的是要解决现有的技术问题，提供一种基于特定场景的下车点推荐方法及装置。
为了解决上述问题，本发明按以下技术方案予以实现的：
第一方面，本发明提供了一种基于特定场景的下车点推荐方法，包括：
获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；
识别与所述出发时刻关联的用车场景；
基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联关系；所述历史订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；
将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；
将多个推荐下车点推送给所述目标乘客端。
结合第一方面，本发明提供了第一方面的第1种优选的实施方式，所述的基于特定场景的下车点推荐方法，其特征在于，所述将所述推荐下车点推送给所述目标乘客端，具体包括：
计算每一推荐下车点至位置信息的距离；
基于推荐下车点行驶至位置信息的距离，按由近到远依次排序推荐下车点；
将排序后的多个推荐下车点及每一推荐下车点至位置信息的距离推送给所述目标乘客端。
结合第一方面，本发明提供了第一方面的第2种优选的实施方式，所述用车场景包括节日场景、工作日场景和休息日场景。
结合第一方面，本发明提供了第一方面的第3种优选的实施方式，所述关联关系包括朋友、情侣、同事和亲人。
第二方面，本发明还提供一种基于特定场景的下车点推荐装置，包括：
获取模块，其用于获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；
识别模块，其用于识别与所述出发时刻关联的用车场景；
预测模型，其基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联；所述历史订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；
输入模块，其用于将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；
推荐模块，其用于将多个推荐下车点推送给所述目标乘客端。
结合第二方面，本发明提供了第二方面的第1种优选的实施方式，所述推荐模块，将所述推荐下车点推送给所述目标乘客端，具体包括：
计算每一推荐下车点至位置信息的距离；
基于推荐下车点行驶至位置信息的距离，按由近到远依次排序推荐下车点；
将排序后的多个推荐下车点推送给所述目标乘客端。
结合第二方面，本发明提供了第二方面的第2种优选的实施方式，所述用车场景包括节日场景、工作日场景和休息日场景。
与现有技术相比，本发明的有益效果是：
本发明通过与目标乘客端相关联的用户的历史用车数据，在特定场景下智能推荐去用户去感兴趣的地方，市场既有方案都是通过用户自身的历史记录推荐下车点，无法达到此类智能推荐效果。本发明通过情侣/朋友/亲人等关系，通过预存模型预存乘客感兴趣的地方，而并非推送历史下车点，以此提高乘客体验，提高乘客打车效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1是本发明的基于特定场景的下车点推荐方法的流程示意图；
图2是本发明的基于特定场景的下车点推荐装置的组成图；
图3是本发明的采用GBDT算法构建预测模型的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
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。
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。
为了解决本申请背景技术中所述的至少一种技术问题，本申请实施例提供一种基于特定场景的下车点推荐方法及装置，其通过获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；识别与所述出发时刻关联的用车场景；基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联关系；所述历史订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；将多个推荐下车点推送给所述目标乘客端。
本发明通过与目标乘客端相关联的用户的历史用车数据，在特定场景下智能推荐去用户去感兴趣的地方，市场既有方案都是通过用户自身的历史记录推荐下车点，无法达到此类智能推荐效果。本发明通过情侣/朋友/亲人等关系，通过预存模型预存乘客感兴趣的地方，而并非推送历史下车点，以此提高乘客体验，提高乘客打车效率。
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。
图1示出了本申请的一些实施例的基于特定场景的下车点推荐方法的流程示意图，所述基于特定场景的下车点推荐方法包括以下步骤：
S100：获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻。
在本实施例中，所述位置信息用于确定目标乘客端的乘客所在的地理区域或行政区域，以确定所推荐的下车点符合出行需求。
S200：识别与所述出发时刻关联的用车场景。
在一种实施中，所述用车场景包括节日场景、工作日场景和休息日场景。具体的，所述识别与所述出发时刻关联的用车场景，基于出发时刻的年月日及时间点，在电子日历中进行查询，以确定具体的用车场景。如2月14日的情人节，即可在日历中查询确定。
S300：基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联关系；所述历史订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次。
在一种实施中，所述预测模型可采用通过点击率预估模型，其预测乘客对有限个候选目的地的点击率，然后将点击率最高的目的地确定为用户目前将要出行的目的地。在另一种实施中，还可采用概率函数的预估模型，预估乘客出行各个目的地的概率，然后将概率最高的目的地确定为乘客目前将要出行的目的地。将上述的目的地作为下车点。
其中，关联乘客端的用户与目标乘客端的用户存在关联关系包括朋友、情侣、同事和亲人。通过历史订单的乘客信息，即可确定关联乘客端的用户与目标乘客端的用户的关系，关联关系是计算概率的要素之一。
其中，关联乘客端的历史用车订单的数据来源，乘客端的用户特征标签可以通过实名认证，用户通讯录及常去的用户地点等信息来获取等，是本领域的技术人员可实现的，在此不过多说明。
在本发明的具体实施中，如图3所示，所述预测模型采用GBDT(梯度下降树算法，可用于分类预测)构建，并且给场景、用户关系等特征进行加权，从数据库订单数据中将下车点作为目标值(target)，用户属性作为特征(feature)作为数据来源进行训练，用户在下单时通过预测模型来获取下车点的推荐。
S400：将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点。
S500：将多个推荐下车点推送给所述目标乘客端。
所述将所述推荐下车点推送给所述目标乘客端，具体包括：
S510：计算每一推荐下车点至位置信息的距离；
S520：基于推荐下车点行驶至位置信息的距离，按由近到远依次排序推荐下车点；
S530：将排序后的多个推荐下车点及每一推荐下车点至位置信息的距离推送给所述目标乘客端。
如图2所示，本申请实施例提供了一种基于特定场景的下车点推荐装置，以实现上述的乘基于特定场景的下车点推荐方法，所述装置包括：
获取模块，其用于获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；
识别模块，其用于识别与所述出发时刻关联的用车场景；其中，所述用车场景包括节日场景、工作日场景和休息日场景。
预测模型，其基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联；所述历史订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；其中，所述关联关系包括朋友、情侣、同事和亲人。
输入模块，其用于将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；
推荐模块，其用于将多个推荐下车点推送给所述目标乘客端。
其中，所述推荐模块，将所述推荐下车点推送给所述目标乘客端，具体包括：
计算每一推荐下车点至位置信息的距离；
基于推荐下车点行驶至位置信息的距离，按由近到远依次排序推荐下车点；
将排序后的多个推荐下车点及每一推荐下车点至位置信息的距离推送给所述目标乘客端。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。

Claims (2)

1.一种基于特定场景的下车点推荐方法，其特征在于，包括：
获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；
识别与所述出发时刻关联的用车场景，所述用车场景包括节日场景、工作日场景和休息日场景，基于出发时刻的年月日及时间点，在电子日历中进行查询，确定用车场景；
基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联关系，所述关联关系包括朋友、情侣、同事和亲人；所述历史用车订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；
其中，所述预测模型采用GBDT算法构建，预测模型通过给特征进行加权计算，所述特征包括用车场景、用户关系，从数据库的订单数据中将下车点作为目标值，用户属性作为特征作为数据来源进行训练；
将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；
将多个推荐下车点推送给所述目标乘客端，具体包括：计算每一推荐下车点至位置信息的距离；基于推荐下车点行驶至位置信息的距离，按由近到远依次排序推荐下车点；将排序后的多个推荐下车点及每一推荐下车点至位置信息的距离推送给所述目标乘客端。
2.一种基于特定场景的下车点推荐装置，其特征在于，包括：
获取模块，其用于获取目标乘客端发起的推荐下车点请求，所述推荐下车点请求携带所述目标乘客端的位置信息和出发时刻；
识别模块，其用于识别与所述出发时刻关联的用车场景，所述用车场景包括节日场景、工作日场景和休息日场景，基于出发时刻的年月日及时间点，在电子日历中进行查询，确定用车场景；
预测模型，其基于关联乘客端的历史用车订单构建预测模型；所述关联乘客端的用户与目标乘客端的用户存在关联关系，所述关联关系包括朋友、情侣、同事和亲人；所述历史用车订单包括乘客信息、历史下车点、历史常用出行时刻以及历史下车点的出行频次；其中，所述预测模型采用GBDT模型构建，预测模型通过给特征进行加权计算，所述特征包括用车场景、用户关系，预测模型从数据库的订单数据中将下车点作为目标值，用户属性作为特征作为数据来源进行训练；
输入模块，其用于将所述位置信息、出发时刻和用车场景输入预测模型中，得到多个高概率的推荐下车点；
推荐模块，其用于将多个推荐下车点推送给所述目标乘客端，具体包括：计算每一推荐下车点至位置信息的距离；基于推荐下车点行驶至位置信息的距离，按由近到远依次排序推荐下车点；将排序后的多个推荐下车点推送给所述目标乘客端。
CN202110304272.0A 2021-03-22 2021-03-22 一种基于特定场景的下车点推荐方法及装置 Active CN112926796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110304272.0A CN112926796B (zh) 2021-03-22 2021-03-22 一种基于特定场景的下车点推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110304272.0A CN112926796B (zh) 2021-03-22 2021-03-22 一种基于特定场景的下车点推荐方法及装置

Publications (2)

Publication Number Publication Date
CN112926796A CN112926796A (zh) 2021-06-08
CN112926796B true CN112926796B (zh) 2023-12-22

Family

ID=76175406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110304272.0A Active CN112926796B (zh) 2021-03-22 2021-03-22 一种基于特定场景的下车点推荐方法及装置

Country Status (1)

Country Link
CN (1) CN112926796B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113938521A (zh) * 2021-06-30 2022-01-14 深圳市巴滴科技有限公司 基于乘客需求信息的出行方案推荐方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013186541A (ja) * 2012-03-06 2013-09-19 Nissan Motor Co Ltd オンデマンド車両の運行システム及びオンデマンド車両の運行計画設定方法
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
CN111291914A (zh) * 2018-12-06 2020-06-16 北京嘀嘀无限科技发展有限公司 一种群体聚集场景的预测方法、装置、设备及存储介质
CN111324824A (zh) * 2019-09-24 2020-06-23 北京嘀嘀无限科技发展有限公司 一种目的地推荐方法、其装置、电子设备及可读存储介质
CN111859169A (zh) * 2019-06-05 2020-10-30 北京嘀嘀无限科技发展有限公司 一种目的地推荐方法和系统
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080234929A1 (en) * 2007-03-20 2008-09-25 Ford Motor Company System and method to determine, in a vehicle, locations of interest

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013186541A (ja) * 2012-03-06 2013-09-19 Nissan Motor Co Ltd オンデマンド車両の運行システム及びオンデマンド車両の運行計画設定方法
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
CN111291914A (zh) * 2018-12-06 2020-06-16 北京嘀嘀无限科技发展有限公司 一种群体聚集场景的预测方法、装置、设备及存储介质
CN111859169A (zh) * 2019-06-05 2020-10-30 北京嘀嘀无限科技发展有限公司 一种目的地推荐方法和系统
CN111324824A (zh) * 2019-09-24 2020-06-23 北京嘀嘀无限科技发展有限公司 一种目的地推荐方法、其装置、电子设备及可读存储介质
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种融合情景和评论信息的位置社交网络兴趣点推荐模型;高榕等;《计算机研究与发展》;20160430;第54卷(第04期);第752-763页 *

Also Published As

Publication number Publication date
CN112926796A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
JP6918087B2 (ja) オン・デマンドサービスの情報を提供する方法及びシステム
Zhang et al. A framework for passengers demand prediction and recommendation
US11514276B2 (en) System and method for detecting and classifying recurrent stops of a vehicle fleet
CN112236787B (zh) 用于生成个性化目的地推荐的系统和方法
CN105829831A (zh) 用于在行进期间预测目的地的方法
CN112380448B (zh) 车辆数据处理方法、装置、计算机设备和存储介质
CN105678412A (zh) 面向多人乘车的路线规划方法和装置
CN102479431A (zh) 具配对功能的计程车叫车系统及其方法
US9785897B2 (en) Methods and systems for optimizing efficiency of a workforce management system
CN104599002B (zh) 预测订单价值的方法及设备
CN112556717B (zh) 出行方式筛选方法和出行路线推荐方法和装置
CN109631922A (zh) 信息处理装置、信息处理方法和存储程序的非暂时性存储介质
CN111861643A (zh) 一种乘车位置的推荐方法、装置、电子设备及存储介质
CN112579718A (zh) 一种城市用地功能的识别方法、装置及终端设备
CN111932341A (zh) 一种确定拼车订单的方法和系统
CN111931077A (zh) 数据处理方法、装置、电子设备及存储介质
CN116757348A (zh) 一种基于人工智能的出行信息智能规划管理系统及方法
CN112926796B (zh) 一种基于特定场景的下车点推荐方法及装置
CN109426875A (zh) 拼车装置及方法
Liu et al. Recommending a personalized sequence of pick-up points
JP7260463B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN113987312A (zh) 货运汽车装卸货停靠点的推荐方法、设备及存储介质
CN109934233B (zh) 一种运输业务识别方法和系统
CN112686457A (zh) 路线到达时间预估方法及装置、电子设备、存储介质
Rahaman Context-aware mobility analytics and trip planning

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