CN113012455A - 风险路段确定方法、装置、电子设备和可读存储介质 - Google Patents

风险路段确定方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN113012455A
CN113012455A CN202110214095.7A CN202110214095A CN113012455A CN 113012455 A CN113012455 A CN 113012455A CN 202110214095 A CN202110214095 A CN 202110214095A CN 113012455 A CN113012455 A CN 113012455A
Authority
CN
China
Prior art keywords
road segment
road
ticket rate
road section
historical time
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
CN202110214095.7A
Other languages
English (en)
Other versions
CN113012455B (zh
Inventor
王鹏
章磊
张金鹏
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development 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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202110214095.7A priority Critical patent/CN113012455B/zh
Publication of CN113012455A publication Critical patent/CN113012455A/zh
Application granted granted Critical
Publication of CN113012455B publication Critical patent/CN113012455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons

Abstract

本申请实施例提供了一种风险路段确定方法、装置、电子设备和可读存储介质，涉及计算机技术领域，在本申请实施例中，可以确定第一推荐停靠点所在的第一路段的第一罚单率，并根据该第一罚单率判断第一路段是否是违章风险路段，在此过程中，由于第一罚单率是基于第一路段在多个历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量确定，因此，本申请实施例可以从多个维度准确的判断第一路段是否是违章风险路段，进而可以根据判断结果使得在线导航时可以有效规避禁止停车或者限制停车的路段。

Description

风险路段确定方法、装置、电子设备和可读存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种风险路段确定方法、装置、电子设备和可读存储介质。
背景技术
目前，随着互联网技术的发展，在线导航成为一项重要的服务，例如，在网约车场景中，网约车司机可以通过网约车司机端应用程序提供的道路导航前往订单所指定的目的地。
当用户需要网约车服务时，用户可以通过智能手机等终端设备进行下单操作，当网约车司机接单后，用户需要通过在线导航前往上车点等待网约车司机，相应的，网约车司机需要通过在线导航前往上车点等待用户上车。当网约车接到用户并行驶至指定下车点时，用户可以在该下车点下车，以完成此次网约车服务。
在此过程中，用户上车或者下车时都需要网约车停靠在路边，若网约车停靠的路段为禁止停车或者限制停车的路段，则该网约车司机将要承受被处罚的风险，因此，在线导航时如何有效规避禁止停车或者限制停车的路段是一个亟需解决的问题。
发明内容
有鉴于此，本申请实施例提供一种风险路段确定方法、装置、电子设备和可读存储介质，可以从多个维度准确的判断第一路段是否是违章风险路段，进而可以根据判断结果使得在线导航时可以有效规避禁止停车或者限制停车的路段。
第一方面，提供了一种风险路段确定方法，所述方法应用于电子设备，所述方法包括：
确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量；以及
响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
第二方面，提供了一种风险路段确定装置，所述装置应用于电子设备，所述装置包括：
第一罚单率模块，用于确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量；以及
违章风险路段模块，用于响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
第五方面，本申请实施例提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如第一方面所述的方法。
在本申请实施例中，可以确定第一推荐停靠点所在的第一路段的第一罚单率，并根据该第一罚单率判断第一路段是否是违章风险路段，在此过程中，由于第一罚单率是基于第一路段在多个历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量确定，也就是说，本申请实施例在确定第一罚单率的过程中，除了利用了第一路段自身相关数据以外，还利用了与第一路段相关的其它维度的数据，使得本申请实施例可以从多个维度准确的判断第一路段是否是违章风险路段，进而可以根据判断结果使得在线导航时可以有效规避禁止停车或者限制停车的路段。
附图说明
通过以下参照附图对本申请实施例的描述，本申请实施例的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1是本申请实施例提供的一种网约车服务场景的示意图；
图2为本申请实施例提供的一种风险路段确定方法的流程图；
图3为本申请实施例提供的一种道路的示意图；
图4为本申请实施例提供的另一种道路的示意图；
图5为本申请实施例提供的另一种风险路段确定方法的流程图；
图6为本申请实施例提供的一种确定第一罚单率过程的示意图；
图7为本申请实施例提供的另一种确定第一罚单率过程的示意图；
图8为本申请实施例提供的另一种确定第一罚单率过程的示意图；
图9为本申请实施例提供的另一种确定第一罚单率过程的示意图
图10为本申请实施例提供的一种司机端预定界面的示意图；
图11为本申请实施例提供的一种乘客端预定界面的示意图；
图12为本申请实施例提供的一种风险路段确定装置的结构示意图；
图13为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下基于实施例对本申请进行描述，但是本申请并不仅仅限于这些实施例。在下文对本申请的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本申请。为了避免混淆本申请的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
目前，随着互联网技术的发展，在线导航成为一项重要的服务，例如，在网约车场景中，网约车司机可以通过网约车司机端应用程序提供的道路导航前往订单所指定的目的地。再例如，在日常驾车出行的场景中，用户可以通过地图服务类应用程序设置目的地，然后按照地图服务类应用程序所提供的在线导航服务前往该目的地，当然，在线导航也可以应用至其它适用的应用场景。
以网约车场景为例，当用户需要网约车服务时，用户可以通过智能手机等终端设备进行下单操作，当网约车司机接单后，用户需要前往上车点等待网约车司机，相应的，网约车司机需要前往上车点等待用户上车。当网约车接到用户并行驶至指定下车点时，用户可以在该下车点下车，以完成此次网约车服务。
例如，如图1所示，图1是本申请实施例提供的一种网约车服务场景的示意图，该示意图包括：地图11、用户12、网约车13和推荐上车点A。
如图1所示，该场景可以是用户12通过智能手机等终端设备在网约车平台下单后，用户12和网约车13汇合时的场景。
当用户12下单后，网约车平台会推送推荐上车点A，此时，用户12可以前往该推荐上车点A等待网约车13，相应的，网约车13可以前往该推荐上车A等待用户12上车。当用户12上车后，网约车13可以承载用户12前往指定下车点，当网约车13行驶至指定下车点时，用户12可以在该下车点下车，以完成此次网约车服务。
在此过程中，用户12上车或者下车时都需要网约车13停靠在路边，若网约车13停靠的路段为禁止停车或者限制停车的路段，则该网约车13的司机将要承受被处罚的风险，因此，在线导航时如何有效规避禁止停车或者限制停车的路段是一个亟需解决的问题。
为了解决上述问题，本申请实施例提供一种风险路段确定方法，以确定当前推荐的停靠点是否处于违章风险路段，该方法可以应用于电子设备，其中，电子设备可以是终端或者服务器，终端可以是智能手机、平板电脑或者个人计算机(Personal Computer，PC)等，服务器可以是单个服务器，也可以是以分布式方式配置的服务器集群，还可以是云服务器。
如图2所示，图2为本申请实施例提供的一种风险路段确定方法的流程图，具体包括如下步骤：
在步骤21，确定第一推荐停靠点。
其中，第一推荐停靠点可以是服务平台在提供服务时推荐的停靠点，例如，该第一推荐停靠点可以是网约车服务时，网约车平台推荐的上车点。该第一推荐停靠点也可以是网约车服务时，网约车平台推荐的下车点。该第一推荐停靠点还可以是地图应用程序提供服务时，地图应用服务平台推荐的目的地。
在步骤22，确定第一推荐停靠点所处的第一路段。
在本申请实施例中，可以预先对道路进行划分，具体的，可以将每条道路划分为多个路段，而第一路段就是第一推荐停靠点所处的路段。
优选的，为了提高违停风险路段的划分精度，可以细化对道路预先划分的粒度，例如，以50米为单位对道路进行划分，可以确定多个长度为50米的路段。
例如，如图3所示，图3为本申请实施例提供的一种道路的示意图，该示意图包括：道路31和非道路区域32。
其中，道路31中的虚线用于表征对道路31进行划分的分割线，若以50米为单位对道路31进行划分，则在同一条道路上，相邻两个虚线的距离为50米。当然，也可以其它划分粒度对道路31进行划分，例如10米、20米、30米等等，在实际应用中，若针对车流密集的地方(例如商场周围、办公楼周围等)，则可以设置较小的划分粒度，若针对车流稀疏的地方(例如广场周围、普通街道等)，则可以设置较大的划分粒度。
在步骤23，确定第一罚单率。
在确定第一推荐停靠点所处的第一路段后，可以确定该第一路段的第一罚单率，其中，第一罚单率可以基于以下至少一项预先确定或实时确定：第一路段在多个历史时间段内产生的罚单数量，和第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量。
其中，历史时间段可以是过去的一段时间，例如，历史时间段可以是最近0-30天、最近30-60天或者最近60-90天等等。
邻近路段可以是第一路段相邻的路段，也可以是距离第一路段较近但不相邻的路段，例如，如图4所示，图4为本申请实施例提供的另一种道路的示意图，其中，该示意图包括：道路41和非道路区域42。
如图4所示，道路41在经过道路划分后可以包括多个路段，在同一条道路上，相邻两条虚线中间的部分用于表征一个路段。其中，若路段L0是第一路段，则图4中的路段L1、路段L2、路段L3、路段L1′和路段L2′都可以作为路段L0的邻近路段。
其中，在一种可选的实施方式中，可以第一路段为中心，对称的确定第一路段的邻近路段，例如在图4中，可以选择路段L1、路段L2、路段L1′和路段L2′作为第一路段的邻近路段，当然，也可以选择路段L1和路段L1′作为第一路段的邻近路段，还可以选择路段L2和路段L2′作为第一路段的邻近路段。
在另一种可选的实施方式中，可以在第一路段附近，非对称的确定第一路段的邻近路段，例如在图4中，可以选择路段L1、路段L2、路段L3、路段L1′和路段L2′作为第一路段的邻近路段，当然，也可以选择其它组合方式的邻近路段，本申请实施例不一一列举。
在确定第一路段对应的邻近路段时，可以结合空间维度数据X以及时间维度数据Y进行确定。
空间维度数据X可以是第一路段和第一路段的至少一个邻近路段在一个历史时间段内所产生的罚单数量，时间维度数据Y可以是各路段(第一路段，或者，第一路段以及第一路段的至少一个邻近路段)在多个历史时间段内产生的罚单数量。
例如，如图4所示，在一种可选的实施方式中，可以根据路段L0、路段L1、路段L2、路段L1′和路段L2′在最近0-30天内产生的罚单数量，确定路段L0(即第一路段)的罚单率(即第一罚单率)。
在另一种可选的实施方式中，可以根据路段L0分别在最近0-30天、最近30-60天和最近60-90天内产生的罚单数量，确定路段L0的罚单率。
在另一种可选的实施方式中，还可以根据路段L0、路段L1、路段L2、路段L1′和路段L2′分别在最近0-30天、最近30-60天和最近60-90天内产生的罚单数量，确定路段L0的罚单率。
在步骤24，判断第一罚单率是否大于罚单率阈值，若第一罚单率大于罚单率阈值，则执行步骤25，若第一罚单率大于小于等于罚单率阈值，则结束。
其中，罚单率阈值可以是一个预先设置的数值，该数值可以根据实际情况进行设置，例如，罚单率阈值可以是20％、25％、30％等等。
在步骤25，确定第一路段为违章风险路段。
在本申请实施例中，可以确定第一推荐停靠点所在的第一路段的第一罚单率，并根据该第一罚单率判断第一路段是否是违章风险路段，在此过程中，由于第一罚单率是基于第一路段在多个历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量确定，也就是说，本申请实施例在确定第一罚单率的过程中，除了利用了第一路段自身相关数据以外，还利用了与第一路段相关的其它维度的数据，使得本申请实施例可以从多个维度准确的判断第一路段是否是违章风险路段，进而可以根据判断结果使得在线导航时可以有效规避禁止停车或者限制停车的路段。
下面将结合具体实施方式，对本申请实施例提供的一种风险路段确定方法进行详细的说明，如图5所示，具体步骤如下：
在步骤51，确定第一推荐停靠点所在的第一路段的第一罚单率。
其中，第一推荐停靠点为当前推荐的停靠点，第一罚单率基于以下至少一项预先确定或实时确定：第一路段在多个历史时间段内产生的罚单数量，和第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量。
在本申请实施例中，第一罚单率可以是预先确定的罚单率，也可以是在步骤51中实时确定的罚单率。其中，第一路段的第一罚单率基于以下至少一项确定：第一路段在多个历史时间段内产生的罚单数量，和第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量。
在一种可选的实施方式中，在确定第一路段的第一罚单率的过程中，可以包括如下操作中的至少一种：
操作1：
基于多个历史时间段内，第一路段中产生的罚单数量和订单总数，确定第一路段的第一罚单率。
在一种可选的实施方式中，操作1具体可以执行为：基于第一路段在各历史时间段内产生的罚单数量和订单总数，确定第一路段在各历史时间段内的第一中间罚单率，以及基于各历史时间段对应的预设时间段权重，对各第一中间罚单率进行加权求和，确定第一路段的第一罚单率。
例如，如图6所示，图6为本申请实施例提供的一种确定第一罚单率过程的示意图，该示意图包括：以天为单位的数轴、第一路段在各历史时间段的订单总数和罚单数量、各历史时间段的权重。
其中，图6所示的数轴包括t1(0-30天)、t2(30-60天)、t3(60-90天)3个历史时间段，而每个历史时间段又分别对应该历史时间段的订单总数、罚单数量和权重，另外，图6所示的3个历史时间段仅为本申请实施例的一种示例，在实际应用中历史时间段的数量不定。
在确定第一罚单率的过程中，可以先确定第一路段在各历史时间段内的罚单率，也即各第一中间罚单率，具体的，第一中间罚单率可以基于如下公式确定：
Figure BDA0002952490930000071
其中，P用于表征罚单率，ti用于表征历史时间段。
由上述公式可知，历史时间段t1的第一中间罚单率为：
Figure BDA0002952490930000072
历史时间段t2的第一中间罚单率为：
Figure BDA0002952490930000073
历史时间段t3的第一中间罚单率为：
Figure BDA0002952490930000074
当确定各历史时间段的第一中间罚单率后，可以基于各历史时间段对应的预设时间段权重，对各第一中间罚单率进行加权求和，确定第一路段的第一罚单率。
在本申请实施例中，可以对距离当前时刻较近的历史时间段设置较大的权重，可以对距离当前时刻较远的历史时间段设置较小的权重。例如，在图6中，历史时间段t1距离当前时刻最近，且历史时间段t1的权重为0.5，历史时间段t3距离当前时刻最远，且历史时间段t3的权重为0.2。
进而，结合上述第一中间罚单率和各历史时间段的权重，可以基于如下公式确定第一路段的第一罚单率，该公式如下：
P第一＝at1Pt1+at2Pt2+at3Pt3
结合图6所示的内容，第一路段的第一罚单率为：
P第一＝0.5×0.2+0.3×0.125+0.2×0.133＝0.164
通过操作1，可以基于第一路段对应的多个时间维度的数据确定第一罚单率，相较于单时间维度的确定方法，可以更准确的确定第一路段的第一罚单率。
操作2：
基于同一历史时间段内，第一路段和第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定第一路段的第一罚单率。
在一种可选的实施方式中，操作2具体可以执行为：基于同一历史时间段内，第一路段和第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定第一路段和第一路段的至少一个邻近路段的第二中间罚单率；以及基于第一路段和第一路段的至少一个邻近路段对应的预设路段权重，对各第二中间罚单率进行加权求和，确定第一路段的第一罚单率。
例如，如图7所示，图7为本申请实施例提供的另一种确定第一罚单率过程的示意图，该示意图包括：第一路段L0、第一路段L0的邻近路段L1、L2、L1′和L2′、第一路段L0以及第一路段L0的邻近路段在同一历史时间段的订单总数和罚单数量、第一路段L0以及第一路段L0的邻近路段的权重。
其中，如图7所示，路段L1和L1′是与第一路段L0相邻的路段，路段L2和L2′是与第一路段L0较为接近的路段，每个路段分别对应该路段的订单总数、罚单数量和权重。另外，图7所示的第一路段L0的4个邻近路段仅为本申请实施例的一种示例，在实际应用中邻近路段的数量不定。
在确定第一罚单率的过程中，可以先基于同一历史时间段内，第一路段和第一路段的至少一个邻近路段的罚单数量和订单总数确定各路段的罚单率，也即各第二中间罚单率，具体的，第二中间罚单率可以基于如下公式确定：
Figure BDA0002952490930000081
其中，P用于表征罚单率，Li用于表征路段。
由上述公式可知，第一路段L0的第二中间罚单率为：
Figure BDA0002952490930000082
路段L1的第二中间罚单率为：
Figure BDA0002952490930000091
路段L2的第二中间罚单率为：
Figure BDA0002952490930000092
路段L1′的第二中间罚单率为：
Figure BDA0002952490930000093
路段L2′的第二中间罚单率为：
Figure BDA0002952490930000094
当确定第一路段和第一路段的至少一个邻近路段的第二中间罚单率后，可以基于各路段对应的预设路段权重，对各第二中间罚单率进行加权求和，确定第一路段的第一罚单率。
在本申请实施例中，可以对第一路段设置较大的权重，可以对第一路段的邻近路段设置较小的权重，进一步的，可以对距离第一路段较近的邻近路段设置相对较大的权重，对距离第一路段较远的邻近路段设置相对较小的权重。例如，在图7中，第一路段L0的权重为0.4，路段L1和路段L1′是距离第一路段L0较近的路段，路段L2和路段L2′是距离第一路段L0较远的路段，其中，路段L1和路段L1′的权重为0.2，路段L2和路段L2′的权重为0.1。
进而，结合上述第二中间罚单率和各路段的权重，可以基于如下公式确定第一路段的第一罚单率，该公式如下：
P第一＝aL2′PL2′+aL1′PL1′+aL0PL0+aL1PL1+aL2PL2
结合图7所示的内容，第一路段的第一罚单率为：
P第一＝0.1×0.05+0.2×0.1+0.4×0.125+0.2×0.05+0.1×0.2
＝0.105
通过操作2，可以基于第一路段对应的多个空间维度的数据确定第一罚单率，相较于单空间维度的确定方法，可以更准确的确定第一路段的第一罚单率。
操作3：
各历史时间段内第一路段和第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定第一路段的第一罚单率。
在一种可选的实施方式中，操作3具体可以执行为：基于各历史时间段内第一路段和第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定第一路段和第一路段的至少一个邻近路段在各历史时间段内的第三中间罚单率；以及基于第一路段和第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定第一路段的第一罚单率。
其中，第三中间罚单率是各路段在各历史时间段对应的罚单率，也就是说，无论是第一路段还是第一路段的邻近路段，均对应在各历史时间段的罚单率。
例如，如下表一所示，表一为本申请实施例提供的一种各路段在各历史时间段对应的第三中间罚单率的表格，具体如下：
表一
Figure BDA0002952490930000101
其中，表一中的数字部分用于表征第三中间罚单率，由表一可知，当存在5个路段以及3个历史时间段时，各路段在各历史时间段对应的第三中间罚单率共有15个。
通过操作3，本申请实施例可以基于第一路段对应的多个空间维度以及多个时间维度的数据确定第一罚单率，具体的，可以先基于多个空间维度的数据确定空间加权罚单率，然后再基于空间加权罚单率和时间维度的数据确定第一罚单率。也可以先基于多个时间维度的数据确定时间加权罚单率，然后再基于时间加权罚单率和空间维度的数据确定第一罚单率。当然，还可以基于预先训练的神经网络模型，将多个空间维度以及多个时间维度的数据输入预先训练的神经网络模型，以确定第一罚单率。
在一种可选的实施方式中，在操作3确定各个第三中间罚单率后，可以通过操作3.1确定第一罚单率，操作3.1具体可以执行为：针对每个历史时间段，基于第一路段和第一路段的至少一个邻近路段对应的预设路段权重，对历史时间段对应的各第三中间罚单率进行加权求和，确定历史时间段对应的空间加权罚单率；以及基于各历史时间段对应的预设时间段权重，对各历史时间段对应的空间加权罚单率进行加权求和，确定第一路段的第一罚单率。
例如，如图8所示，图8为本申请实施例提供的另一种确定第一罚单率过程的示意图，该示意图包括：第一路段L0、第一路段L0的邻近路段L1、L2、L1′和L2′，以及3个历史时间段(其中包括历史时间段t1、t2和t3)。
其中，各路段下方括号中的数字用于表征对应路段的预设路段权重，同样的，各历史时间段下方括号中的数字用于表征对应历史时间段的预设时间段权重。
在根据操作3.1确定第一罚单率的过程中，如图8所示，可以先根据第一路段和第一路段的至少一个邻近路段的预设路段权重，通过加权求和的操作确定各历史时间段对应的空间加权罚单率，具体的，历史时间段t1对应的空间加权罚单率为0.17，历史时间段t2对应的空间加权罚单率为0.155，历史时间段t3对应的空间加权罚单率为0.1475。
在确定各历史时间段对应的空间加权罚单率之后，可以根据各历史时间段对应的预设时间段权重，对各空间加权罚单率进行加权求和，以确定第一罚单率，具体的，如图8所示，第一罚单率为0.161。
在另一种可选的实施方式中，在操作3确定各个第三中间罚单率后，可以通过操作3.2确定第一罚单率，操作3.2具体可以执行为：针对第一路段和第一路段的至少一个邻近路段，基于各历史时间段对应的预设时间段权重，对第一路段和第一路段的至少一个邻近路段对应的各第三中间罚单率进行加权求和，确定第一路段和第一路段的至少一个邻近路段对应的时间加权罚单率；以及基于第一路段和第一路段的至少一个邻近路段对应的预设路段权重，对第一路段和第一路段的至少一个邻近路段对应的时间加权罚单率进行加权求和，确定第一路段的第一罚单率。
例如，如图9所示，图9为本申请实施例提供的另一种确定第一罚单率过程的示意图，该示意图包括：第一路段L0、第一路段L0的邻近路段L1、L2、L1′和L2′，以及3个历史时间段(其中包括历史时间段t1、t2和t3)。
其中，各路段下方括号中的数字用于表征对应路段的预设路段权重，同样的，各历史时间段下方括号中的数字用于表征对应历史时间段的预设时间段权重。
在根据操作3.2确定第一罚单率的过程中，如图9所示，可以先根据各历史时间段的预设时间段权重，通过加权求和的操作确定第一路段和第一路段的至少一个邻近路段对应的时间加权罚单率，具体的，第一路段L0对应的时间加权罚单率为0.1375，邻近路段L1对应的时间加权罚单率为0.155，邻近路段L2对应的时间加权罚单率为0.17，邻近路段L1′对应的时间加权罚单率为0.1925，邻近路段L2′对应的时间加权罚单率为0.235。
在确定各路段对应的时间加权罚单率之后，可以根据各路段对应的预设路段权重，对各时间加权罚单率进行加权求和，以确定第一罚单率，具体的，如图9所示，第一罚单率为0.165。
在步骤52，响应于第一罚单率大于罚单率阈值，确定第一路段为违章风险路段。
在本申请实施例中，可以确定第一推荐停靠点所在的第一路段的第一罚单率，并根据该第一罚单率判断第一路段是否是违章风险路段，在此过程中，由于第一罚单率是基于第一路段在多个历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量确定，也就是说，本申请实施例在确定第一罚单率的过程中，除了利用了第一路段自身相关数据以外，还利用了与第一路段相关的其它维度的数据，使得本申请实施例可以从多个维度准确的判断第一路段是否是违章风险路段，进而可以根据判断结果使得在线导航时可以有效规避禁止停车或者限制停车的路段。
在本申请实施例中，若第一罚单率小于等于罚单率阈值，则说明第一路段不属于违章风险路段，进而，可以对第一路段对应的第一推荐停靠位置进行推荐操作。若第一罚单率大于罚单率阈值，则说明第一路段为违章风险路段，进而，可以确定一第二推荐停靠点并进行推荐操作。
具体的，若第一罚单率大于罚单率阈值，本申请实施例可以执行：响应于第一路段为违章风险路段，确定第二推荐停靠点，以及针对第二推荐停靠点进行推荐操作。
其中，第二推荐停靠点所在的第二路段的第二罚单率小于等于罚单率阈值。第二罚单率可以基于本申请实施例上述步骤实时确定或者预先确定。
通过本申请实施例，当第一推荐停靠点所处的路段为违章风险路段时，本申请实施例可以将第二推荐停靠点推荐给用户，以使得用户在停靠车辆时可以有效规避禁止停车或者限制停车的路段。
另外，在一种可选的实施方式中，上述推荐操作可以执行为：在预定界面展示第二推荐停靠点。当然，若第一罚单率小于等于罚单率阈值，也即第一路段不属于违章风险路段，则推荐操作还可以执行为：在预定界面展示第一推荐停靠点。
具体的，如图10所示，图10为本申请实施例提供的一种司机端预定界面的示意图，该示意图包括：用于表征网约车司机当前位置的位置点101、用于表征禁止停车区域的阴影区域102、推荐停靠点A和文字提示区域。
其中，推荐停靠点A可以是上述第一推荐停靠点(此时第一推荐停靠点对应第一路段的第一罚单率小于等于罚单率阈值)，也可以是第二推荐停靠点(此时第一推荐停靠点对应第一路段的第一罚单率大于罚单率阈值)。
阴影区域102可以包括单个违章风险路段，也可以是由多个连续的违章风险路段组合而成的。
通过图10所示的界面，网约车司机在停靠车辆时，可以规避该界面所显示的阴影区域102，也就是说，通过本申请实施例，司机可以在停靠车辆时有效规避违章风险路段。
另外，网约车司机在距离推荐停靠点A一定范围内时，司机端设备还可以播放预先设定的提示语音，以提醒网约车司机注意规避违章风险路段。其中，该提示语音可以是预先录制的语音，也可以是机器合成的语音。
如图11所示，图11为本申请实施例提供的一种乘客端预定界面的示意图，该示意图包括：用于表征乘客当前位置的位置点111、用于表征禁止停车区域的阴影区域112、推荐上车点A和文字提示区域。
其中，推荐上车点A也即司机到来时的停靠点，推荐上车点A可以是上述第一推荐停靠点(此时第一推荐停靠点对应第一路段的第一罚单率小于等于罚单率阈值)，也可以是第二推荐停靠点(此时第一推荐停靠点对应第一路段的第一罚单率大于罚单率阈值)。
阴影区域112可以包括单个违章风险路段，也可以是由多个连续的违章风险路段组合而成的。
通过图11所示的界面，网约车平台可以在乘客下单之前告知该乘客违章风险路段(即阴影区域112)，当乘客同意并下单后，可以指导乘客前往推荐上车点A，这样，可以使得网约车司机在停靠车辆时，可以规避该界面所显示的阴影区域112，也就是说，通过本申请实施例，司机可以在停靠车辆时有效规避违章风险路段。
基于相同的技术构思，本申请实施例还提供了一种风险路段确定装置，如图12所示，该装置包括：第一罚单率模块121和违章风险路段模块122。
第一罚单率模块121，用于确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量。
违章风险路段模块122，用于响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
可选的，所述第一罚单率模块，具体用于：
基于所述第一路段在各历史时间段内产生的罚单数量和订单总数，确定所述第一路段在各历史时间段内的第一中间罚单率；以及
基于各历史时间段对应的预设时间段权重，对各第一中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
可选的，所述第一罚单率模块，具体用于：
基于同一历史时间段内，所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段的第二中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对各第二中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
可选的，所述第一罚单率模块，具体用于：
基于各历史时间段内所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段在各历史时间段内的第三中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率。
可选的，所述第一罚单率模块，具体用于：
针对每个历史时间段，基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述历史时间段对应的各第三中间罚单率进行加权求和，确定所述历史时间段对应的空间加权罚单率；以及
基于各历史时间段对应的预设时间段权重，对各历史时间段对应的空间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
可选的，所述第一罚单率模块，具体用于：
针对所述第一路段和所述第一路段的至少一个邻近路段，基于各历史时间段对应的预设时间段权重，对所述第一路段和所述第一路段的至少一个邻近路段对应的各第三中间罚单率进行加权求和，确定所述第一路段和所述第一路段的至少一个邻近路段对应的时间加权罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述第一路段和所述第一路段的至少一个邻近路段对应的时间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
可选的，所述装置还包括：
确定模块，用于响应于所述第一路段为违章风险路段，确定第二推荐停靠点，所述第二推荐停靠点所在的第二路段的第二罚单率小于等于所述罚单率阈值；以及
推荐模块，用于针对所述第二推荐停靠点进行推荐操作。
可选的，所述推荐模块，具体用于：
在预定界面展示所述第二推荐停靠点。
在本申请实施例中，可以确定第一推荐停靠点所在的第一路段的第一罚单率，并根据该第一罚单率判断第一路段是否是违章风险路段，在此过程中，由于第一罚单率是基于第一路段在多个历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量确定，或者，基于第一路段和第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量确定，也就是说，本申请实施例在确定第一罚单率的过程中，除了利用了第一路段自身相关数据以外，还利用了与第一路段相关的其它维度的数据，使得本申请实施例可以从多个维度准确的判断第一路段是否是违章风险路段，进而可以根据判断结果使得在线导航时可以有效规避禁止停车或者限制停车的路段。
图13是本申请实施例的电子设备的示意图。如图13所示，图13所示的电子设备为通用地址查询装置，其包括通用的计算机硬件结构，其至少包括处理器131和存储器132。处理器131和存储器132通过总线133连接。存储器132适于存储处理器131可执行的指令或程序。处理器131可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器131通过执行存储器132所存储的指令，从而执行如上所述的本申请实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线133将上述多个组件连接在一起，同时将上述组件连接到显示控制器134和显示装置以及输入/输出(I/O)装置135。输入/输出(I/O)装置135可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置135通过输入/输出(I/O)控制器136与系统相连。
本领域的技术人员应明白，本申请的实施例可提供为方法、装置(设备)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读存储介质(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。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。
这些计算机程序指令可以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，该指令装置实现流程图一个流程或多个流程中指定的功能。
也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中指定的功能的装置。
本申请的另一实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指定相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请的另一实施例涉及一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时可以实现上述部分或全部的方法实施例。
即，本领域技术人员可以理解，本申请实施例可以通过处理器执行计算机程序产品(计算机程序/指令)来指定相关的硬件(包括处理器自身)，进而实现上述实施例方法中的全部或部分步骤。
以上所述仅为本申请的优选实施例，并不用于限制本申请，对于本领域技术人员而言，本申请可以有各种改动和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本申请实施例公开了TS1、一种风险路段确定方法，其中，所述方法包括：
确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量；以及
响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
TS2、如TS1所述的方法，其中，所述确定第一推荐停靠点所在的第一路段的第一罚单率，包括：
基于所述第一路段在各历史时间段内产生的罚单数量和订单总数，确定所述第一路段在各历史时间段内的第一中间罚单率；以及
基于各历史时间段对应的预设时间段权重，对各第一中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS3、如TS1所述的方法，其中，所述确定第一推荐停靠点所在的第一路段的第一罚单率，包括：
基于同一历史时间段内，所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段的第二中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对各第二中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS4、如TS1所述的方法，其中，所述确定第一推荐停靠点所在的第一路段的第一罚单率，包括：
基于各历史时间段内所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段在各历史时间段内的第三中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率。
TS5、如TS4所述的方法，其中，所述基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率，包括：
针对每个历史时间段，基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述历史时间段对应的各第三中间罚单率进行加权求和，确定所述历史时间段对应的空间加权罚单率；以及
基于各历史时间段对应的预设时间段权重，对各历史时间段对应的空间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS6、如TS4所述的方法，其中，所述基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率，包括：
针对所述第一路段和所述第一路段的至少一个邻近路段，基于各历史时间段对应的预设时间段权重，对所述第一路段和所述第一路段的至少一个邻近路段对应的各第三中间罚单率进行加权求和，确定所述第一路段和所述第一路段的至少一个邻近路段对应的时间加权罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述第一路段和所述第一路段的至少一个邻近路段对应的时间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS7、如TS1所述的方法，其中，所述方法还包括：
响应于所述第一路段为违章风险路段，确定第二推荐停靠点，所述第二推荐停靠点所在的第二路段的第二罚单率小于等于所述罚单率阈值；以及
针对所述第二推荐停靠点进行推荐操作。
TS8、如TS7所述的方法，其中，所述针对所述第二推荐停靠点进行推荐操作，包括：
在预定界面展示所述第二推荐停靠点。
TS9、一种风险路段确定装置，其中，所述装置包括：
第一罚单率模块，用于确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量；以及
违章风险路段模块，用于响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
TS10、如TS9所述的装置，其中，所述第一罚单率模块，具体用于：
基于所述第一路段在各历史时间段内产生的罚单数量和订单总数，确定所述第一路段在各历史时间段内的第一中间罚单率；以及
基于各历史时间段对应的预设时间段权重，对各第一中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS11、如TS9所述的装置，其中，所述第一罚单率模块，具体用于：
基于同一历史时间段内，所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段的第二中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对各第二中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS12、如TS9所述的装置，其中，所述第一罚单率模块，具体用于：
基于各历史时间段内所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段在各历史时间段内的第三中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率。
TS13、如TS12所述的装置，其中，所述第一罚单率模块，具体用于：
针对每个历史时间段，基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述历史时间段对应的各第三中间罚单率进行加权求和，确定所述历史时间段对应的空间加权罚单率；以及
基于各历史时间段对应的预设时间段权重，对各历史时间段对应的空间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS14、如TS12所述的装置，其中，所述第一罚单率模块，具体用于：
针对所述第一路段和所述第一路段的至少一个邻近路段，基于各历史时间段对应的预设时间段权重，对所述第一路段和所述第一路段的至少一个邻近路段对应的各第三中间罚单率进行加权求和，确定所述第一路段和所述第一路段的至少一个邻近路段对应的时间加权罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述第一路段和所述第一路段的至少一个邻近路段对应的时间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
TS15、如TS9所述的装置，其中，所述装置还包括：
确定模块，用于响应于所述第一路段为违章风险路段，确定第二推荐停靠点，所述第二推荐停靠点所在的第二路段的第二罚单率小于等于所述罚单率阈值；以及
推荐模块，用于针对所述第二推荐停靠点进行推荐操作。
TS16、如TS15所述的装置，其中，所述推荐模块，具体用于：
在预定界面展示所述第二推荐停靠点。
TS17、一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如TS1-TS8中任一项所述的方法。
TS18、一种计算机可读存储介质，其中，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现TS1-TS8任一项所述的方法。
TS19、一种计算机程序产品，包括计算机程序/指令，其中，所述计算机程序/指令被处理器执行时实现TS1-TS8任一项所述的方法。

Claims (10)

1.一种风险路段确定方法，其特征在于，所述方法包括：
确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量；以及
响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
2.根据权利要求1所述的方法，其特征在于，所述确定第一推荐停靠点所在的第一路段的第一罚单率，包括：
基于所述第一路段在各历史时间段内产生的罚单数量和订单总数，确定所述第一路段在各历史时间段内的第一中间罚单率；以及
基于各历史时间段对应的预设时间段权重，对各第一中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
3.根据权利要求1所述的方法，其特征在于，所述确定第一推荐停靠点所在的第一路段的第一罚单率，包括：
基于同一历史时间段内，所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段的第二中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对各第二中间罚单率进行加权求和，确定所述第一路段的第一罚单率。
4.根据权利要求1所述的方法，其特征在于，所述确定第一推荐停靠点所在的第一路段的第一罚单率，包括：
基于各历史时间段内所述第一路段和所述第一路段的至少一个邻近路段中产生的罚单数量和订单总数，确定所述第一路段和所述第一路段的至少一个邻近路段在各历史时间段内的第三中间罚单率；以及
基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重、各历史时间段对应的预设时间段权重以及各第三中间罚单率，确定所述第一路段的第一罚单率，包括：
针对每个历史时间段，基于所述第一路段和所述第一路段的至少一个邻近路段对应的预设路段权重，对所述历史时间段对应的各第三中间罚单率进行加权求和，确定所述历史时间段对应的空间加权罚单率；以及
基于各历史时间段对应的预设时间段权重，对各历史时间段对应的空间加权罚单率进行加权求和，确定所述第一路段的第一罚单率。
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：
响应于所述第一路段为违章风险路段，确定第二推荐停靠点，所述第二推荐停靠点所在的第二路段的第二罚单率小于等于所述罚单率阈值；以及
针对所述第二推荐停靠点进行推荐操作。
7.一种风险路段确定装置，其特征在于，所述装置包括：
第一罚单率模块，用于确定第一推荐停靠点所在的第一路段的第一罚单率，其中，所述第一推荐停靠点为当前推荐的停靠点，所述第一罚单率基于以下至少一项预先确定或实时确定：所述第一路段在多个历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在同一历史时间段内产生的罚单数量，和所述第一路段和所述第一路段的至少一个邻近路段在多个历史时间段内产生的罚单数量；以及
违章风险路段模块，用于响应于所述第一罚单率大于罚单率阈值，确定所述第一路段为违章风险路段。
8.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1-6任一项所述的方法。
CN202110214095.7A 2021-02-25 2021-02-25 风险路段确定方法、装置、电子设备和可读存储介质 Active CN113012455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110214095.7A CN113012455B (zh) 2021-02-25 2021-02-25 风险路段确定方法、装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110214095.7A CN113012455B (zh) 2021-02-25 2021-02-25 风险路段确定方法、装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN113012455A true CN113012455A (zh) 2021-06-22
CN113012455B CN113012455B (zh) 2022-05-13

Family

ID=76387141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110214095.7A Active CN113012455B (zh) 2021-02-25 2021-02-25 风险路段确定方法、装置、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN113012455B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115440071A (zh) * 2022-08-04 2022-12-06 深圳季连科技有限公司 一种自动驾驶违规停车检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120285792A1 (en) * 2011-05-10 2012-11-15 Duncan Solutions, Inc. Upgraded single space parking meter and method
US20170361835A1 (en) * 2016-06-17 2017-12-21 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous parking controller and method based on ambient conditions relating to a vehicle parking location
CN108122410A (zh) * 2016-11-29 2018-06-05 上海壹账通金融科技有限公司 停车指引方法和装置
CN110716958A (zh) * 2019-09-25 2020-01-21 上海易点时空网络有限公司 用于违章高发地提醒的信息处理方法及装置
CN110930257A (zh) * 2019-11-15 2020-03-27 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及存储介质
CN111814071A (zh) * 2019-12-25 2020-10-23 北京嘀嘀无限科技发展有限公司 上车点推荐方法、装置、存储介质及电子设备
CN111859173A (zh) * 2019-10-23 2020-10-30 北京嘀嘀无限科技发展有限公司 一种上车点推荐方法和系统
CN111861092A (zh) * 2020-05-21 2020-10-30 北京骑胜科技有限公司 一种停放区域风险识别方法、装置、电子设备及存储介质
CN111951554A (zh) * 2020-08-20 2020-11-17 北京嘀嘀无限科技发展有限公司 一种违停路段信息采集方法和系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120285792A1 (en) * 2011-05-10 2012-11-15 Duncan Solutions, Inc. Upgraded single space parking meter and method
US20170361835A1 (en) * 2016-06-17 2017-12-21 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous parking controller and method based on ambient conditions relating to a vehicle parking location
CN108122410A (zh) * 2016-11-29 2018-06-05 上海壹账通金融科技有限公司 停车指引方法和装置
CN110716958A (zh) * 2019-09-25 2020-01-21 上海易点时空网络有限公司 用于违章高发地提醒的信息处理方法及装置
CN111859173A (zh) * 2019-10-23 2020-10-30 北京嘀嘀无限科技发展有限公司 一种上车点推荐方法和系统
CN110930257A (zh) * 2019-11-15 2020-03-27 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及存储介质
CN111814071A (zh) * 2019-12-25 2020-10-23 北京嘀嘀无限科技发展有限公司 上车点推荐方法、装置、存储介质及电子设备
CN111861092A (zh) * 2020-05-21 2020-10-30 北京骑胜科技有限公司 一种停放区域风险识别方法、装置、电子设备及存储介质
CN111951554A (zh) * 2020-08-20 2020-11-17 北京嘀嘀无限科技发展有限公司 一种违停路段信息采集方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张施?等: "基于CNN-PID的竞赛机器人赛道识别与自主驾驶", 《实验技术与管理》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115440071A (zh) * 2022-08-04 2022-12-06 深圳季连科技有限公司 一种自动驾驶违规停车检测方法
CN115440071B (zh) * 2022-08-04 2023-11-07 深圳季连科技有限公司 一种自动驾驶违规停车检测方法

Also Published As

Publication number Publication date
CN113012455B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
US11506507B2 (en) Multimodal vehicle routing system and method with vehicle parking
CN103337167B (zh) 预防城市交通拥堵的调控系统
CN104183128B (zh) 交通状态确定方法及装置
JP6891263B2 (ja) シャトルバスルートの処理方法、装置、機器及びコンピュータ記憶媒体
CN103366563A (zh) 交通拥堵预测方法及交通拥堵预测装置
JP2008117231A (ja) 交通管制システム及び方法
CN112101670A (zh) 数据处理方法、装置、电子设备和可读存储介质
CN112989222A (zh) 一种位置确定方法、装置及电子设备
CN102682616B (zh) 无线数据广播系统交通信息发布方法和设备
CN112767683A (zh) 一种基于反馈机制的路径诱导方法
CN107564328A (zh) 用于车辆的停车位确定方法和装置
JP2023531004A (ja) ダイヤグラムの生成方法、ダイヤグラムの生成装置、電子設備及びコンピュータ読取可能な記憶媒体
CN113012455B (zh) 风险路段确定方法、装置、电子设备和可读存储介质
CN111261017A (zh) 一种地图围栏显示方法及装置
CN114664086B (zh) 控制信息发布的方法、装置、电子设备和存储介质
CN111400425A (zh) 一种路径自动优化选择的方法和系统
CN113066284A (zh) 数据处理方法和数据处理装置
JP7367627B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN112650794A (zh) 位置数据处理方法、装置、电子设备和存储介质
CN113052397B (zh) 上车信息的确定方法、装置、电子设备和存储介质
CN115583254A (zh) 路径规划方法、装置、设备以及自动驾驶车辆
CN115081662A (zh) 数据处理方法、装置、电子设备和可读存储介质
Jepson et al. Assessing travel time impacts of measures to enhanve bus operations
CN114264312A (zh) 自动驾驶车辆的路径规划方法、装置和自动驾驶车辆
CN112991810B (zh) 停车位置确定方法、装置、存储介质和电子设备

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