CN113177780A - 一种数据处理方法、装置、网络设备及可读存储介质 - Google Patents
一种数据处理方法、装置、网络设备及可读存储介质 Download PDFInfo
- Publication number
- CN113177780A CN113177780A CN202110517460.1A CN202110517460A CN113177780A CN 113177780 A CN113177780 A CN 113177780A CN 202110517460 A CN202110517460 A CN 202110517460A CN 113177780 A CN113177780 A CN 113177780A
- Authority
- CN
- China
- Prior art keywords
- label
- data
- vehicle
- driver
- passenger
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000006399 behavior Effects 0.000 claims description 87
- 230000008569 process Effects 0.000 claims description 41
- 238000007726 management method Methods 0.000 claims description 20
- 238000007619 statistical method Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 10
- 230000003068 static effect Effects 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种数据处理方法、装置、网络设备及可读存储介质,涉及通信技术领域。该方法包括:获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;根据当前各个用户画像的标签以及权重,进行车辆业务管控。本发明的方案,解决了现有技术中难以根据司机和车之间、车和道路之间和乘客和车辆之间的需求进行分配车辆的问题。
Description
技术领域
本发明涉及通信技术领域,特别是指一种数据处理方法、装置、网络设备及可读存储介质。
背景技术
现有公务用车系统中,可以针对企业用户和高层领导的需求作出定制化“智能”方案,但是大部分的出行方案需要由用车人和企业管理员进行人工分配,其中的“智能”交通方案仅仅体现在数据监管和定制业务系统上,系统只是对数据采集后进行统计和管理,仅能针对企业领导提供管理平台,不能够针对乘客和司机提供关于车路方案、派单匹配、智能推荐等智能优化方案。
因此,现有的公务用车系统方案中,其主要的产品方向是根据用车人和司机的主观臆想进行下单派单,其优化方向仅在于如何对系统中产品使用者的行为进行规范和管理,而无法提供针对于乘客、司机和车辆的智能互联方案,用户体验欠佳,且不利于产品的优化。
发明内容
本发明的目的是提供一种数据处理方法、装置、网络设备及可读存储介质,解决了现有技术中难以根据司机和车之间、车和道路之间和乘客和车辆之间的需求进行分配车辆的问题。
为达到上述目的,本发明的实施例提供一种数据处理方法,包括:
获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
根据当前各个用户画像的标签以及权重,进行车辆业务管控。
可选地,所述数据处理方法还包括:
在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
可选地,所述动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像,包括:
动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
将所述第一标签与所述用户画像中对应的第二标签进行对比;
在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
可选地,所述动态获取所述目标事物的相关数据,包括以下至少一项:
通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括OBD(On-Board Diagnostics,车载诊断系统);
通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和DSM(Driver Status Monitor,司机状态监控系统);
通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
可选地,所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据;
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时;
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
可选地,所述根据当前各个用户画像的标签以及权重,进行车辆业务管控,包括以下至少一项:
根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控;
根据所述司机的用户画像,对司机管理业务进行管控;
根据所述道路的用户画像,对道路推荐业务进行管控;
根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
可选地,所述根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控,包括以下至少一项:
在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签;
在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机;
在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
可选地,所述根据所述乘客的第三标签,对订单进行预处理,包括以下至少一项:
根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;
为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
可选地,所述根据所述乘客的第三标签,为所述乘客匹配车辆和司机,包括:
根据所述乘客的第三标签,为所述乘客分配车辆类型;
根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
为达到上述目的,本发明的实施例提供一种数据处理装置,包括:
获取模块,用于获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
更新模块,用于动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
处理模块,用于根据当前各个用户画像的标签以及权重,进行车辆业务管控。
可选地,所述数据处理装置还包括:
标签分析模块,用于在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
权重计算模块,用于根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
可选地,所述更新模块包括:
数据获取子模块,用于动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
权重计算子模块,用于根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
标签比对子模块,用于将所述第一标签与所述用户画像中对应的第二标签进行对比;
标签更新子模块,用于在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
可选地,所述数据获取子模块包括以下至少一项:
第一获取单元,用于通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括车载诊断系统OBD;
第二获取单元,用于通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和司机状态监控系统DSM;
第三获取单元,用于通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
可选地,所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据;
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时;
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
可选地,所述处理模块包括以下至少一项:
第一处理子模块,用于根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控;
第二处理子模块,用于根据所述司机的用户画像,对司机管理业务进行管控;
第三处理子模块,用于根据所述道路的用户画像,对道路推荐业务进行管控;
第四处理子模块,用于根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
可选地,所述第一处理子模块包括以下至少一项:
第一处理单元,用于在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签;
第二处理单元,用于在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
第三处理单元,用于在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机;
第四处理单元,用于在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
第五处理单元,用于在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
可选地,所述第一处理单元包括以下至少一项:
路线规划子单元,用于根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;
数据填写子单元,用于为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
可选地,所述第三处理单元包括:
车辆分配子单元,用于根据所述乘客的第三标签,为所述乘客分配车辆类型;
司机匹配子单元,用于根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
为达到上述目的,本发明的实施例提供一种网络设备,包括处理器,其中,所述处理器用于:
获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
根据当前各个用户画像的标签以及权重,进行车辆业务管控。
可选地,所述处理器用于在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
可选地,所述处理器在动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像时,还用于:
动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
将所述第一标签与所述用户画像中对应的第二标签进行对比;
在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
可选地,所述处理器在用于动态获取所述目标事物的相关数据时,包括以下至少一项:
通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括车载诊断系统OBD;
通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和司机状态监控系统DSM;
通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
可选地,所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据;
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时;
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
可选地,所述处理器在用于根据当前各个用户画像的标签以及权重,进行车辆业务管控时,包括以下至少一项:
根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控;
根据所述司机的用户画像,对司机管理业务进行管控;
根据所述道路的用户画像,对道路推荐业务进行管控;
根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
可选地,所述处理器在用于根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控时,包括以下至少一项:
在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签;
在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机;
在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
可选地,所述处理器在用于根据所述乘客的第三标签,对订单进行预处理时,包括以下至少一项:
根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;
为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
可选地,所述处理器在根据所述乘客的第三标签,为所述乘客匹配车辆和司机时,用于:
根据所述乘客的第三标签,为所述乘客分配车辆类型;
根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
为达到上述目的,本发明的实施例提供一种网络设备,包括收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令;所述处理器执行所程序或指令时实现如上所述的数据处理方法。
为达到上述目的,本发明的实施例提供一种可读存储介质,其上存储有程序或指令,所述程序或指令被处理器执行时实现如上所述的数据处理方法中的步骤。
本发明的上述技术方案的有益效果如下:
本发明实施例的数据处理方法,通过动态获取目标事物的相关数据,可以持续更新目标事物的用户画像,使得该用户画像更加准确可靠,并通过利用不同目标事物对应的用户画像进行车辆业务管控,能够实现根据司机和车之间、车和道路之间和乘客和车辆之间的需求进行分配车辆,优化了车辆业务中的各个流程,提升了用车效率和用户体验。
附图说明
图1为本发明实施例的数据处理方法的流程图;
图2为本发明实施例的构建和更新用户画像的流程图;
图3为本发明另一实施例的数据采集方案示意图;
图4为本发明实施例的用户画像整体流程示意图;
图5为本发明实施例的数据处理装置的结构图;
图6为本发明一实施例的网络设备的结构图;
图7为本发明另一实施例的网络设备的结构图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
另外,本文中术语“系统”和“网络”在本文中常可互换使用。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
如图1所示,本发明实施例的一种数据处理方法,包括:
步骤101:获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路。
该实施例中,目标事物为车辆网中涉及的各个主体,即车辆、乘客、司机和道路。其中,在首次获取到目标事物的相关数据时,可以对这些数据进行分析统计,构建各主体对应的用户画像,也即为各主体打上标签,并计算标签对应的权重,将标签及其权重存储在标签数据库,从而在后续业务中可以利用用户画像进行车辆业务管控。
步骤102:动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像。
需要说明的是,该实施例中的用户画像的标签具有时间属性,举例来说:常驻标签具有较为稳定的特点,部分常驻标签(比如用户地理标签)的时效性跨度较大,例如,GPS轨迹标签需要做到实时更新,而常住地标签则可以几个月才更新一次,其中,不同标签挖掘的方法也大有不同;部分动态标签,例如驾驶习惯、用车习惯等标签,虽然没有较大的实时性,但是也需要进行周期性更新,例如,可以设定更新时间阈值来进行该类标签的更新。
该实施例中,通过动态获取所述目标事物的相关数据,可以持续更新用户画像,这样可以保证当前用户画像的准确性。
步骤103:根据当前各个用户画像的标签以及权重,进行车辆业务管控。
本发明实施例,通过动态获取目标事物的相关数据,可以持续更新目标事物的用户画像,使得该用户画像更加准确可靠,并通过利用不同目标事物对应的用户画像进行车辆业务管控,能够实现根据司机和车之间、车和道路之间和乘客和车辆之间的需求进行分配车辆、司机匹配以及道路推荐等,优化了车辆业务中的各个流程,提升了用车效率和用户体验。
可选地,所述数据处理方法还包括:
在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
对上述过程的详细说明如下:
本发明实施例采用了定性与定量相结合的研究方法进行用户建模,其中,定性化研究方法就是确定事物的性质,是描述性的;定量化研究方法就是确定对象数量特征、数量关系和数量变化,是可量化的。
具体的,定性的方法,在用户画像中表现为对产品、行为、用户个体的性质和特征作出概括,形成对应的产品标签、行为标签和用户标签;定量的方法,则是在定性的基础上,给每一个标签打上特定的权重,最后可以通过数学公式计算得出总的标签权重,从而形成完整的用户模型,即本发明实施例中用户画像的数据建模是定性与定量的结合。
该实施例中,针对用户画像,可以分为对用户静态数据和动态数据的处理。其中,静态数据即为用户相对稳定的信息,主要包括人口属性(例如性别、年龄、地域、学历和驾龄等);而动态数据在车联网项目中占比较高,部分核心指标也属于动态数据,其可以根据用户的操作、用车行为、驾驶行为以及使用时间等多维数据进行统计。这里,用户画像可以理解为业务层面的数据仓库,各类标签是多维分析的天然要素。利用数据查询平台可以将这些数据打通,用于辅助业务决策。
需要说明的是,用户画像的过程,是一个对数据进行标签类化的过程。通过对采集的目标事物的相关数据进行进一步地挖掘,可以将数据归纳出事实标签,算法服务作为整个用户画像的核心,能够将事实标签转化为可应用于系统应用场景内的模型标签,这样,即可通过数据分析来搭建车联网的各个主体(即车辆、乘客、司机和道路)的标签数据库。其中,目标事物的相关数据包括了静态信息数据和动态信息数据,出于对车联网系统环境考虑,静态数据分析占比较少,动态数据数据分析占比则较多。
在经过上述过程得到标签之后,可以进行数据建模,即给标签赋予权重。具体过程分析详述如下:
首先,我们可以用4w表示用户行为数据,即:WHO(谁)、WHEN(什么时候)、WHERE(在哪里)以及WHAT(做了什么)。
具体的,WHO,即定义用户,明确我们的研究对象,主要用于做用户分类,划分用户群体。例如,网络上的用户识别,包括但不仅限于用户注册的ID、昵称、手机号、邮箱、身份证或微信微博号等。
WHEN,其可以包含时间跨度和时间长度两个方面。其中,“时间跨度”是以天为单位计算的时长,指某行为发生到现在间隔了多长时间;“时间长度”则是为了标识用户的某一行为所持续的时间长短(例如标识用户在某一页面的停留时间长短)。需要说明的是,越早发生的行为标签权重越小,越近期的权重越大,这就是所谓的“时间衰减因子”。
WHERE,就是指用户发生行为的接触点,里面包含有内容和场景。其中,内容是指用户作用于的对象标签,比如用车;场景则指用户行为发生的具体环境,比如早高峰上班用车。需要说明的是,权重是加在场景标签上的,例如,乘客用车时,早高峰晚高峰上下班用车的权重可以计为1,出差公务用车的权重为0.8,临时用车的权重计为0.7。
WHAT,就是指的用户发生了怎样的行为,根据该行为的深入程度添加权重。例如,用户成功申请当日用车可计为1,用户预约超过一日用车计为0.85,用户仅仅是浏览了用车界面计为0.7。
然后,在上述单个标签的权重确定下来后,可以利用标签权重公式来计算总的用户标签权重,该标签权重公式可以表示为:标签权重=时间衰减因子×行为权重×场景权重。
这样,通过上述方式对多个用户进行数据建模,就能够更广地覆盖目标用户群,为他们打上标签,再按照标签分类,例如:总权重达到0.9以上的被归为忠实用车用户,表示该乘客在平台内经常下单用车。如此,企业和商家就能够根据相关信息进行更加精准地进行运营管理、用车推荐等业务。
本发明一可选实施例中,可以基于相关系数矩阵进行权重归类。例如:用户1身上打上了5个A标签、2个B标签、1个C标签;用户2身上打上了4个A标签和3个B标签;用户3身上打上了4个C标签、1个D标签。那么,同时打上A、B标签的用户有2人(即用户1和用户2),表明A、B标签之间可能存在某种相关性,A、B标签之间的相关性可表示为2/(2+1+1+1)=0.4。而当用户量、标签量级越多时,标签两两之间的相关性也会表现地更加明显。对于标签属性的归类分析和同质化分析,能够对大量标签进行分类关联,在车辆网系统内各业务间的关联性优化具有较好的利用率。
本发明实施例,通过采集用户数据(即目标事物的相关数据)来进行用户标签分类画像,能够从用户的使用时间、空间定位、使用习惯,甚至性格匹配性等多维度来进行用车派单优化,从而减少了用户投诉率,提高了用车效率。
可选地,所述动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像,包括:
动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
将所述第一标签与所述用户画像中对应的第二标签进行对比;
在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
如图2所示,该实施例中,当目标事物产生新的标签(即第一标签)时,可以按照业务情况为该标签加上权重和时间阈值;然后,再提取标签数据库内已有的标签(即对应的第二标签),通过对比标签的时间阈值时效性和权重,来判定是否需要更新已有标签;最后,再根据判定结果,对第一标签进行入库暂存或是替换第二标签的操作。其中,标签数据库存储有历史标签。
本发明实施例,通过对每一个用户画像的标签设定对应的时间阈值,从而能够来结合新旧数据(即目标事物的相关数据)进行用户画像更新,这样可以保证当前用户画像的准确性。
可选地,所述动态获取所述目标事物的相关数据,包括以下至少一项:
通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括车载诊断系统OBD;
通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和司机状态监控系统DSM;
通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
该实施例中,可以提供多方面、多维度的立体的数据采集方式,从而可以得到更全面的相关数据,以更准确地构建目标事物的用户画像。
例如,可以通过前装车载设备(即第一车载设备,比如OBD等设备)上传数据,进行所述车辆和所述司机的相关数据(比如车辆行车数据和司机驾驶行为数据)的采集;可以通过后装车载设备(即第二车载设备,比如车载智能后视镜、DS等设备),进行司机和所述乘客的相关数据(比如司机和乘客的行为数据、报警数据)的采集;还可以通过代码中进行埋点的方式,在前后端应用层对使用者(即乘客和司机)的客户端进行司机和所述乘客的相关数据(用户使用行为数据)的收集。
本发明实施例,可以通过上述数据采集方式,进行针对四大主体(即车辆、乘客、司机、道路)的核心数据的采集。其中,主要通过APP(Application,应用程序)和PC(PersonalComputer,个人计算机)端(即web端)等用户应用程序终端中的关键行为代码埋点,来进行乘客和司机的相关数据采集;可以通过车载OBD设备等采集车辆和道路数据,其中,OBD主要采集的数据包括:驾驶时长、车辆轨迹、车辆速度、车辆加油数据、车辆加减速数据和车辆故障报警数据等;可以由车载后视镜和DSM等设备通过特制摄像头,进行人脸识别和特定动作识别,实现用户疲劳驾驶和危险驾驶等行为的预警,以及可以对车内驾驶员的特定行为进行监控采集。由于四大主体间都具有业务间的关联性,通过数据采集和分析其中关联性,能够达到系统内业务优化目的。
如图3所示,本发明一可选实施例中,可以结合公务用车系统中的业务,着重对四大主体的相关数据进行分析,并归纳为业务中能使用的有效标签,以应用于对应的业务中,提升用户体验。具体的,各目标事物的相关数据的分析如下:
可选地,所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据。
本发明一可选实施例中,乘客数据(即乘客的相关数据)可以通过在客户端的前后端代码进行数据埋点,着重对乘客的用车时间、用车频率、上下车地点、订单评价(例如订单满意度评分)等数据进行统计,可以得知乘客的用车需求和个人喜好。例如,若乘客具有工作日用车标签,则优先搭配工作日工作的司机,并尽量为该乘客避开上下班高峰;若乘客的投诉较多或订单评分较低,则可酌情优先为其匹配评分高、行为规范的司机,以减少投诉几率。
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时。
需要说明的是,司机数据(即司机的相关数据)中,除了以部分静态指标(例如驾龄、驾照评分等)作为参考之外,司机的驾驶行为数据等也属于较为重要指标,能够分析得知司机的驾驶技术和精神状态。
本发明一可选实施例中,车载DMS行为预警设备可通过摄像头对车内的司机的用户行为进行监控统计,例如,若该司机出现抽烟、疲劳驾驶及不规范驾驶等行为,将会对该司机的驾驶行为标签产生影响,进而影响该司机的派单优先级。还可以将车辆的OBD数据来和司机进行关联,例如,若出现车辆的行车轨迹不在预期范围之内、加减速行为不规范、车辆保养加油报备不及时等情况,则会影响到关联司机的驾驶行为标签。
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
车辆数据(即车辆的相关数据),主要通过OBD进行数据采集,其中,车辆数据可以包括驾驶时间、速度值、加减速、运行轨迹(例如轨迹定位)、加油数据等常规数据。通过对车辆数据分析,可以得到在公务用车系统中车辆的使用频率、车辆损耗、日常运行轨迹、保养信息、车型配置和行程需求等,用户画像标签化之后,能运用于公务用车系统中车辆调度和车辆保养安排等,提升车辆利用率。
道路数据(即道路的相关数据),可以通过在OBD中接入北斗GPS芯片,主要用于采集车辆轨迹、车辆速度、加减速数据等,对公务用车中常用道路的路况进行分析,可以得知道路的环境影响和拥堵等,从而可以对不同的常用道路、站点等添加路况标签。例如,某条常用道路在上下班时间内可实现速度平稳,需要急加减速的情况较少,则可为该条道路添加为工作日路况良好标签,从而应用于后续车辆派单后的行程优化中,可以在道路推荐时进行优先选择。
相对于大部分公务用车系统中单一采集前端应用数据的方式而言,本发明实施例可以通过车载设备数据(包括车辆数据、道路数据等)和用户用车使用数据(包括司机数据、乘客数据等)的结合,实现人、车、路之间的多维度数据分析,从而构建并持续更新乘客和司机画像,提升了效率。
本发明实施例中,通过多端的采集设备配合公务用车系统,能够对司机的精神状态、特定的驾驶行为以及行车习惯等多方面的数据进行采集,进行司机的用户画像;通过对应用端产品,能够采集用车人(即乘客)的相关静态数据、用车行为习惯、时间和空间使用习惯等相关数据,进行乘客的用户画像,从而能够通过司机用户画像和乘客用户画像之间的匹配,有效地提高用车效率和派单效率。
可选地,所述根据当前各个用户画像的标签以及权重,进行车辆业务管控,包括以下至少一项:
(一)根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控。
本发明一可选实施例中,可以通过将乘客的使用轨迹标签和司机的站点标签关联、乘客的订单评价和司机的用户评分及驾驶行为标签关联、乘客的用车时间和司机车辆的保养时间及加油时间关联,从而通过结合多个用户画像的标签,来进行对派单匹配业务(如乘客订单、派车派司机等)进行业务优化。
(二)根据所述司机的用户画像,对司机管理业务进行管控。也即,可以通过司机的订单平均耗时、车辆驾驶行为、行为规范等标签,来协助系统管理员对司机进行管理优化:
例如,通过分析用户画像发现某车辆存在长时间未维护标签时,可以对该车辆对应的站点负责人(例如某司机)以短信推送等方式进行提示,提醒该负责人需要进行车辆维护。
该实施例中,还可以将某些标签归属为会影响订单匹配派单的标签,来管控司机业务,例如,在发现某位司机具有违规用车、不规范驾驶行为等标签时,可以通过减少该司机的订单匹配量来警示司机,促使司机注意自己的驾车行为。
(三)根据所述道路的用户画像,对道路推荐业务进行管控。
例如,某条常用道路具有工作日路况良好标签,则可以在道路推荐时进行优先选择;而另一条道路具有工作日拥堵标签时,则可以在道路推荐时避开该道路。
(四)根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
该实施例中,可以根据司机的驾驶行为、违规报警、用户评分等标签,通过车载和移动客户端等设备,来对司机进行的驾驶行为预警提醒,从而增强驾驶安全规范性。
例如,通过DSM设备和车载后视镜设备,可以对司机的不规范行为进行统计分析预警。如果司机存在经常疲劳驾驶、抽烟、不系安全带等标签,则可以较为频繁地通过车载终端等对其进行TTS语音播报提示。
该实施例中,可以根据当前各个用户画像的标签以及权重来优化系统方案,进行车辆业务管控。通过数据到标签再到方案的转化,最终实现车辆业务需求的优化和用户体验方面的优化,具体可以体现在以下几个方面:
如图4所示,通过对司机和用车人(即乘客)进行前端使用数据采集,并对车辆和司机的驾驶数据和行为数据进行分析,可以对司机、乘客建立描述性标签属性,进而利用乘客和司机的用户画像挖掘用户需求、分析用户偏好,提供更优化的乘客司机匹配方案。如此,通过匹配用户画像,可以提供给用户更高效、更有针对性的信息输送以及更贴近个人习惯的用户体验。
本发明实施例,提供了以乘客、司机、车辆和道路为主体的智能协同方案,能够用数据分析和智能画像系统解决企业用车中各个主体之间的用车方案。
具体的,可以通过车联网设备和智能应用前端产品进行数据采集,对数据分析后构建用户画像,从而能够利用用户画像进行车辆业务管控,提供乘客和司机之间的优化派单方案、司机和车辆之间的效率管理方案、车辆和道路之间的智能推荐方案、乘客和车辆之间的需求配置方案等。
需要说明的是,一次完整的用车流程中,可以包含多次使用用户画像的标签进行方案优化的过程。
例如,本申请一可选实施例中,所述根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控,包括以下至少一项:
(一)在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签。
可选地,该过程可以具体包括以下至少一项:根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
也就是说,在用户(即乘客)预约下单后,可以根据该用户的第三标签(例如用车习惯标签),进行起始地、目的地以及路线的规划,还可以通过对该订单的相关数据(例如时间和地点等)进行分析,提前帮该用户填写好用车数据,例如,用车事由和审批流程等工单数据。
(二)在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
例如,在该过程中,如果通过用户画像的标签发现该订单对应的审批员经常审批速度较慢,即该审批员被归属为具有慢审批标签的人员,可以采取短信或多端消息推送等提示的方式来对该审批员进行提醒。特殊情况下,甚至可采取直接由系统进行审批操作,从而防止订单发生超时。
(三)在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机。
可选地,该过程具体可以包括:
根据所述乘客的第三标签,为所述乘客分配车辆类型;
根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
例如,在上述为司机派单的过程中,可以先分析用车人(即乘客)的用车习惯,具体的,可以根据指示该乘客的用车习惯的第三标签分析,从而优先为该乘客分配其熟悉的车辆类型;然后,还可以根据该乘客的第四标签(例如投诉敏感标签)、司机的第五标签(例如驾驶行为标签)等进行分析,从而优先为该乘客匹配适合的司机。这样,可以提升客户体验,避免客户因重复的原因再次投诉。
(四)在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
本发明实施例中,可以通过车辆采集到的道路标签和司机的第六标签(例如驾驶行为标签),分析熟悉的道路,以及推荐出车时间,从而优化用车人行程体验。
(五)在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
本发明实施例中,可以根据司机的标签,对司机进行提醒。例如,如果发现该司机有被投诉结算慢标签,则可以采取多频率、多端对司机进行提醒,提示该司机及时进行订单结算处理,避免被投诉。
本发明实施例,可以广泛应用于企业公务用车以及车联网用车项目之中,通过用户画像来配合产品运营进行服务,针对企业用车业务中的下单、派车、监管一系列体验的效率上进行优化。
该实施例的数据处理方法,能够对乘客、司机、车辆、道路四大主体进行多维度的静态数据和动态数据的采集及协同分析,进行精确地用户画像和标签分类,再利用用户画像进行车辆业务管控,能够提升效率,优化用户体验,降低使用成本和时间成本。
如图5所示,本发明实施例的一种数据处理装置,包括:
获取模块510,用于获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
更新模块520,用于动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
处理模块530,用于根据当前各个用户画像的标签以及权重,进行车辆业务管控。
可选地,所述数据处理装置还包括:
标签分析模块,用于在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
权重计算模块,用于根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
可选地,所述更新模块520包括:
数据获取子模块,用于动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
权重计算子模块,用于根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
标签比对子模块,用于将所述第一标签与所述用户画像中对应的第二标签进行对比;
标签更新子模块,用于在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
可选地,所述数据获取子模块包括以下至少一项:
第一获取单元,用于通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括车载诊断系统OBD;
第二获取单元,用于通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和司机状态监控系统DSM;
第三获取单元,用于通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
可选地,所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据;
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时;
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
可选地,所述处理模块530包括以下至少一项:
第一处理子模块,用于根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控;
第二处理子模块,用于根据所述司机的用户画像,对司机管理业务进行管控;
第三处理子模块,用于根据所述道路的用户画像,对道路推荐业务进行管控;
第四处理子模块,用于根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
可选地,所述第一处理子模块包括以下至少一项:
第一处理单元,用于在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签;
第二处理单元,用于在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
第三处理单元,用于在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机;
第四处理单元,用于在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
第五处理单元,用于在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
可选地,所述第一处理单元包括以下至少一项:
路线规划子单元,用于根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;
数据填写子单元,用于为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
可选地,所述第三处理单元包括:
车辆分配子单元,用于根据所述乘客的第三标签,为所述乘客分配车辆类型;
司机匹配子单元,用于根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
该实施例的数据处理装置,能够对乘客、司机、车辆、道路四大主体进行多维度的静态数据和动态数据的采集及协同分析,从而构建用户画像,再利用用户画像进行车辆业务管控,能够提升效率,优化用户体验,降低使用成本和时间成本。
如图6所示,本发明实施例的一种网络设备600,包括处理器610,其中,所述处理器600用于:
获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
根据当前各个用户画像的标签以及权重,进行车辆业务管控。
可选地,所述处理器600用于在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
可选地,所述处理器600在动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像时,还用于:
动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
将所述第一标签与所述用户画像中对应的第二标签进行对比;
在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
可选地,所述处理器600在用于动态获取所述目标事物的相关数据时,包括以下至少一项:
通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括车载诊断系统OBD;
通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和司机状态监控系统DSM;
通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
可选地,所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据;
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时;
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
可选地,所述处理器600在用于根据当前各个用户画像的标签以及权重,进行车辆业务管控时,包括以下至少一项:
根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控;
根据所述司机的用户画像,对司机管理业务进行管控;
根据所述道路的用户画像,对道路推荐业务进行管控;
根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
可选地,所述处理器600在用于根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控时,包括以下至少一项:
在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签;
在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机;
在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
可选地,所述处理器600在用于根据所述乘客的第三标签,对订单进行预处理时,包括以下至少一项:
根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;
为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
可选地,所述处理器600在根据所述乘客的第三标签,为所述乘客匹配车辆和司机时,用于:
根据所述乘客的第三标签,为所述乘客分配车辆类型;
根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
该实施例的网络设备,能够对乘客、司机、车辆、道路四大主体进行多维度的静态数据和动态数据的采集及协同分析,从而构建用户画像,再利用用户画像进行车辆业务管控,能够提升效率,优化用户体验,降低使用成本和时间成本。
本发明另一实施例的网络设备,如图7所示,包括收发器710、处理器700、存储器720及存储在所述存储器720上并可在所述处理器700上运行的程序或指令;所述处理器700执行所述程序或指令时实现上述应用于数据处理方法。
所述收发器710,用于在处理器700的控制下接收和发送数据。
其中,在图7中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器700代表的一个或多个处理器和存储器720代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发器710可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。处理器700负责管理总线架构和通常的处理,存储器720可以存储处理器700在执行操作时所使用的数据。
本发明实施例的一种可读存储介质,其上存储有程序或指令,所述程序或指令被处理器执行时实现如上所述的数据处理方法中的步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
进一步需要说明的是,此说明书中所描述的终端包括但不限于智能手机、平板电脑等,且所描述的许多功能部件都被称为模块,以便更加特别地强调其实现方式的独立性。
本发明实施例中,模块可以用软件实现,以便由各种类型的处理器执行。举例来说,一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块,举例来说,其可以被构建为对象、过程或函数。尽管如此,所标识模块的可执行代码无需物理地位于一起,而是可以包括存储在不同位里上的不同的指令,当这些指令逻辑上结合在一起时,其构成模块并且实现该模块的规定目的。
实际上,可执行代码模块可以是单条指令或者是许多条指令,并且甚至可以分布在多个不同的代码段上,分布在不同程序当中,以及跨越多个存储器设备分布。同样地,操作数据可以在模块内被识别,并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集,或者可以分布在不同位置上(包括在不同存储设备上),并且至少部分地可以仅作为电子信号存在于系统或网络上。
在模块可以利用软件实现时,考虑到现有硬件工艺的水平,所以可以以软件实现的模块,在不考虑成本的情况下,本领域技术人员都可以搭建对应的硬件电路来实现对应的功能,所述硬件电路包括常规的超大规模集成(VLSI)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备,诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。
上述范例性实施例是参考该些附图来描述的,许多不同的形式和实施例是可行而不偏离本发明精神及教示,因此,本发明不应被建构成为在此所提出范例性实施例的限制。更确切地说,这些范例性实施例被提供以使得本发明会是完善又完整,且会将本发明范围传达给那些熟知此项技术的人士。在该些图式中,组件尺寸及相对尺寸也许基于清晰起见而被夸大。在此所使用的术语只是基于描述特定范例性实施例目的,并无意成为限制用。如在此所使用地,除非该内文清楚地另有所指,否则该单数形式“一”、“一个”和“该”是意欲将该些多个形式也纳入。会进一步了解到该些术语“包含”及/或“包括”在使用于本说明书时,表示所述特征、整数、步骤、操作、构件及/或组件的存在,但不排除一或更多其它特征、整数、步骤、操作、构件、组件及/或其族群的存在或增加。除非另有所示,陈述时,一值范围包含该范围的上下限及其间的任何子范围。
以上所述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技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种数据处理方法,其特征在于,包括:
获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
根据当前各个用户画像的标签以及权重,进行车辆业务管控。
2.根据权利要求1所述的数据处理方法,其特征在于,还包括:
在首次获取到所述目标事物的相关数据时,对所述相关数据进行统计分析,得到所述目标事物的标签;其中,所述标签为所述目标事物的特征标识;
根据所述标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述标签的权重,并为所述标签设置时间阈值。
3.根据权利要求2所述的数据处理方法,其特征在于,所述动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像,包括:
动态获取所述目标事物的相关数据,并对所述目标事物的相关数据进行统计分析,得到所述目标事物的第一标签;
根据所述第一标签对应的时间衰减因子、行为权重和场景权重的乘积,计算获得所述第一标签的权重,并为所述第一标签设置时间阈值;
将所述第一标签与所述用户画像中对应的第二标签进行对比;
在所述第一标签的权重大于所述第二标签的权重,且所述第一标签与所述第二标签之间的时间差大于所述第二标签的时间阈值的情况下,将所述第二标签替换为所述第一标签。
4.根据权利要求1所述的数据处理方法,其特征在于,所述动态获取所述目标事物的相关数据,包括以下至少一项:
通过第一车载设备,获取所述车辆和所述司机的相关数据;其中,所述第一车载设备包括车载诊断系统OBD;
通过第二车载设备,获取所述司机和所述乘客的相关数据;其中,所述第一车载设备包括车载智能后视镜和司机状态监控系统DSM;
通过数据埋点的方式,获取所述司机和所述乘客的相关数据。
5.根据权利要求1所述的数据处理方法,其特征在于,
所述乘客的相关数据包括以下至少一项:用车时间、用车频率、上下车地点、用车习惯、出车费用数据、派车匹配数据、订单评价和订单类型数据;
所述司机的相关数据包括以下至少一项:驾龄、驾驶行为数据、驾驶轨迹记录、用户评分、出车响应速度、违规行为和订单平均耗时;
所述车辆的相关数据包括以下至少一项:驾驶时间、速度值、加减速、运行轨迹、违规报警数据、车辆维护数据、车辆加油数据、车辆费用相关数据和驾驶里程计算。
6.根据权利要求1所述的数据处理方法,其特征在于,所述根据当前各个用户画像的标签以及权重,进行车辆业务管控,包括以下至少一项:
根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控;
根据所述司机的用户画像,对司机管理业务进行管控;
根据所述道路的用户画像,对道路推荐业务进行管控;
根据所述司机的用户画像,对司机进行驾驶行为预警提醒。
7.根据权利要求6所述的数据处理方法,其特征在于,所述根据派单匹配业务的流程及所述目标事物的用户画像,对所述派单匹配业务进行管控,包括以下至少一项:
在乘客预约下单后,根据所述乘客的第三标签,对订单进行预处理;其中,所述第三标签包括指示乘客用车习惯的标签;
在订单审批流程中,若所述订单对应的审批员具有第四标签,则向所述审批员发送审批提醒信息;其中,所述第四标签包括指示所述审批员审批速度慢的标签;
在派单过程中,根据所述乘客的第三标签,为所述乘客匹配车辆和司机;
在行程中,根据道路标签和司机的第六标签,推荐道路和/或出车时间;其中,所述第六标签包括指示司机驾驶行为的标签;
在订单结束后,根据所述司机的第七标签,对司机进行提醒;其中,所述第七标签包括指示司机的用户评分的标签。
8.根据权利要求7所述的数据处理方法,其特征在于,所述根据所述乘客的第三标签,对订单进行预处理,包括以下至少一项:
根据所述乘客的第三标签,进行起始地、目的地以及路线的规划;
为所述乘客预先填写用车数据;其中,所述用车数据包括用车事由和审批流程数据。
9.根据权利要求7所述的数据处理方法,其特征在于,所述根据所述乘客的第三标签,为所述乘客匹配车辆和司机,包括:
根据所述乘客的第三标签,为所述乘客分配车辆类型;
根据所述乘客的第四标签和所述司机的第五标签,为所述乘客匹配司机;
其中,所述第四标签包括指示所述乘客订单评价的标签;所述第五标签包括指示所述司机驾驶行为的标签。
10.一种数据处理装置,其特征在于,包括:
获取模块,用于获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
更新模块,用于动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
处理模块,用于根据当前各个用户画像的标签以及权重,进行车辆业务管控。
11.一种网络设备,其特征在于,包括:处理器;所述处理器用于:
获取目标事物对应的用户画像,其中,所述用户画像包括:目标事物对应的标签,以及各个所述标签的权重;所述目标事物包括车辆、乘客、司机和道路;
动态获取所述目标事物的相关数据,并根据所述目标事物的相关数据更新对应的用户画像;
根据当前各个用户画像的标签以及权重,进行车辆业务管控。
12.一种网络设备,包括:收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令;其特征在于,所述处理器执行所述程序或指令时实现如权利要求1至9任一项所述的数据处理方法。
13.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被处理器执行时实现如权利要求1至9任一项所述的数据处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110517460.1A CN113177780A (zh) | 2021-05-12 | 2021-05-12 | 一种数据处理方法、装置、网络设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110517460.1A CN113177780A (zh) | 2021-05-12 | 2021-05-12 | 一种数据处理方法、装置、网络设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113177780A true CN113177780A (zh) | 2021-07-27 |
Family
ID=76929208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110517460.1A Pending CN113177780A (zh) | 2021-05-12 | 2021-05-12 | 一种数据处理方法、装置、网络设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177780A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114239893A (zh) * | 2021-12-21 | 2022-03-25 | 南京领行科技股份有限公司 | 车辆派单方法、装置、设备及存储介质 |
CN114997670A (zh) * | 2022-06-13 | 2022-09-02 | 北京拙河科技有限公司 | 机场用车的调度方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005587A (zh) * | 2015-06-26 | 2015-10-28 | 深圳市腾讯计算机系统有限公司 | 一种用户画像的更新方法、装置和系统 |
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
CN106372817A (zh) * | 2016-10-25 | 2017-02-01 | 先锋智道(北京)科技有限公司 | 一种司机驾驶行为生成方法、装置及系统 |
CN108108448A (zh) * | 2017-12-27 | 2018-06-01 | 北京中交兴路车联网科技有限公司 | 一种生成全国道路画像的方法及系统 |
CN109189760A (zh) * | 2018-08-16 | 2019-01-11 | 北京易华录信息技术股份有限公司 | 一种基于大数据技术的交通要素画像构建与分析方法 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN109636216A (zh) * | 2018-12-19 | 2019-04-16 | 义乌市腾飞汽车代驾服务有限公司 | 一种乘客订单的生成方法和装置 |
CN110147924A (zh) * | 2019-04-08 | 2019-08-20 | 浙江华云信息科技有限公司 | 一种公务用车的智能调度系统及其调度方法 |
CN110580575A (zh) * | 2019-08-27 | 2019-12-17 | 南京领行科技股份有限公司 | 一种订单派发方法及装置 |
CN111126953A (zh) * | 2019-12-16 | 2020-05-08 | 广东长宝信息科技股份有限公司 | 一种企业用车管理方法 |
US20200164891A1 (en) * | 2018-11-28 | 2020-05-28 | International Business Machines Corporation | Intelligent vehicle action decisions |
-
2021
- 2021-05-12 CN CN202110517460.1A patent/CN113177780A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005587A (zh) * | 2015-06-26 | 2015-10-28 | 深圳市腾讯计算机系统有限公司 | 一种用户画像的更新方法、装置和系统 |
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
CN106372817A (zh) * | 2016-10-25 | 2017-02-01 | 先锋智道(北京)科技有限公司 | 一种司机驾驶行为生成方法、装置及系统 |
CN108108448A (zh) * | 2017-12-27 | 2018-06-01 | 北京中交兴路车联网科技有限公司 | 一种生成全国道路画像的方法及系统 |
CN109189760A (zh) * | 2018-08-16 | 2019-01-11 | 北京易华录信息技术股份有限公司 | 一种基于大数据技术的交通要素画像构建与分析方法 |
US20200164891A1 (en) * | 2018-11-28 | 2020-05-28 | International Business Machines Corporation | Intelligent vehicle action decisions |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN109636216A (zh) * | 2018-12-19 | 2019-04-16 | 义乌市腾飞汽车代驾服务有限公司 | 一种乘客订单的生成方法和装置 |
CN110147924A (zh) * | 2019-04-08 | 2019-08-20 | 浙江华云信息科技有限公司 | 一种公务用车的智能调度系统及其调度方法 |
CN110580575A (zh) * | 2019-08-27 | 2019-12-17 | 南京领行科技股份有限公司 | 一种订单派发方法及装置 |
CN111126953A (zh) * | 2019-12-16 | 2020-05-08 | 广东长宝信息科技股份有限公司 | 一种企业用车管理方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114239893A (zh) * | 2021-12-21 | 2022-03-25 | 南京领行科技股份有限公司 | 车辆派单方法、装置、设备及存储介质 |
CN114997670A (zh) * | 2022-06-13 | 2022-09-02 | 北京拙河科技有限公司 | 机场用车的调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rahman et al. | Users' views on current and future real‐time bus information systems | |
WO2018058967A1 (zh) | 公交路线推荐方法、装置、设备及计算机存储介质 | |
US20150294422A1 (en) | Assessing asynchronous authenticated data sources for use in driver risk management | |
US20110137684A1 (en) | System and method for generating telematics-based customer classifications | |
DE112016005347T5 (de) | System zur Identifizierung eines Fahrzeugs | |
CN107784587A (zh) | 一种驾驶行为评价系统 | |
CN113177780A (zh) | 一种数据处理方法、装置、网络设备及可读存储介质 | |
CN101853479A (zh) | 在线车辆管理系统 | |
US20050015186A1 (en) | Method and system of managing service reminders using mileage estimates | |
CN102509449A (zh) | 基于模糊决策的车辆调度方法 | |
CN111651646B (zh) | 业务处理方法及装置 | |
CN110348614A (zh) | 一种获取乘客od的方法及公交客流的预测方法 | |
Ye et al. | Modeling level-of-safety for bus stops in China | |
CN106909269A (zh) | 一种车型标签的展示方法及系统 | |
CN111445369A (zh) | 基于lbs大数据的城市大型聚集活动情报预警方法和装置 | |
CN111062562A (zh) | 一种社区网格服务联动处置控制方法及系统 | |
CN115713858A (zh) | 一种基于交通大数据的智慧交通运行管控系统 | |
CN106926797B (zh) | 车辆保养服务系统及其服务方法 | |
CN116647836B (zh) | 一种基于5g通信技术的网络安全智能监控系统及方法 | |
JP2009003503A (ja) | 安全運転教育提供方法、及びこれを利用する自動車保険情報システム | |
CN112365092A (zh) | 城市轨道交通路网大客流风险自适应预警系统 | |
US20040243289A1 (en) | Method and system of managing service reminders using mileage estimates | |
CN116386305A (zh) | 基于信息反馈的乘车方法 | |
CN112837201A (zh) | 一种精准数据驱动的资源配置智能化系统 | |
CN111429237A (zh) | 订单价格的确定方法、装置、服务器及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210727 |