CN113393007A - 基于物联网技术的代驾预测方法、系统和调度系统 - Google Patents
基于物联网技术的代驾预测方法、系统和调度系统 Download PDFInfo
- Publication number
- CN113393007A CN113393007A CN202110776955.6A CN202110776955A CN113393007A CN 113393007 A CN113393007 A CN 113393007A CN 202110776955 A CN202110776955 A CN 202110776955A CN 113393007 A CN113393007 A CN 113393007A
- Authority
- CN
- China
- Prior art keywords
- designated driving
- identity information
- prediction
- demand
- driver
- 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
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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06N3/08—Learning methods
-
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/04—Payment circuits
- G06Q20/045—Payment circuits using payment protocols involving tickets
- G06Q20/0457—Payment circuits using payment protocols involving tickets the tickets being sent electronically
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
- G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及物联网技术领域,公开一种基于物联网技术的代驾预测方法、系统和调度系统。其中方法包括步骤:计算设定地域范围在历史期间内的潜在代驾需求数量,并收集特征数据,建立代驾需求数据库;以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集;不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测。克服了难以汇总多个代驾中介平台数据导致的需求量计算的不准确,同时也将个别酒驾的司机考虑进代驾需求量中,适应国家法规的完善及执法深入使得代驾需求上升的实际状况。
Description
技术领域
本发明涉及物联网技术领域,更具体地,涉及基于物联网技术的代驾预测方法、系统和调度系统。
背景技术
代驾就是当车主不能自行开车到达目的地时,由专业驾驶人员驾驶车主的车将其送至指定地点并收取一定费用的行为。普遍在餐饮行业使用较多,车主去饭店聚餐喝酒,酒后因为不能开车,由其他人代为开车。随着驾驶者的安全意识提升以及酒驾查处力度的加强,代驾需求愈发增长。其中,代驾需求集中发生在某些时段,由于单一平台仅包含本平台的订单数据,无法准确预测代驾需求的数量,司机因此无法根据需求合理安排其载客范围及行程。
发明内容
本发明旨在克服上述现有技术的至少一种缺陷(不足),提供一种基于物联网技术的代驾预测方法、系统和调度系统,用于通过物联网技术准确预测代驾需求数量。
本发明采取的技术方案包括一种基于物联网技术的代驾预测方法,所述方法包括步骤:计算设定地域范围在历史期间内的潜在代驾需求数量,并收集特征数据,建立代驾需求数据库;以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集;不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测;其中,所述计算设定地域范围在历史期间内的潜在代驾需求数量的步骤具体包括:获取所述设定地域范围内的餐饮企业的停车位置,并获取历史期间内对应的停放车辆的车牌号码;根据所述车牌号码追踪车主和/或历史驾驶员的身份信息,得到驾驶者身份信息;获取历史期间内餐饮企业的包含酒类产品的电子支付单据,所述电子支付单据包含付款人身份信息;比对所述驾驶者身份信息和付款人身份信息,统计存在重合的身份信息的数量,定义为第一需求数量;将所述第一需求数量纳入潜在代驾需求数量中。
上述方案中,所述计算设定地域范围在历史期间内的潜在代驾需求数量的步骤还包括:筛去与付款人身份信息重合的驾驶者身份信息;遍历剩余驾驶者身份信息和付款人身份信息,输出与付款人身份信息存在联系的驾驶者身份信息,统计其数量,定义为第二需求数量;将所述第二需求数量纳入潜在代驾需求数量中。
上述方案中,所述与付款人身份信息存在联系的驾驶者身份信息包括:与任一付款人身份信息存在亲属关系和/或同事关系和/或同学关系的驾驶者身份信息。
上述方案中,所述不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型的步骤包括:确定潜在代驾需求数量为标签;所述特征数据为多项,从特征数据中选择至少一项作为可变因子;基于所述标签和可变因子对训练集进行提取,输入神经网络进行训练。
上述方案中,所述特征数据包括所述设定地域范围对应时间段内的天气状况、用于标识对应时间段是否为节假日的标识信息。
上述方案中,所述获取历史期间内对应的停放车辆的车牌号码的步骤包括:调取所述停车位置的电子拍摄设备的数据,和/或停车位置所在的停车场的电子出入口的数据,从中提取车辆的车牌号码信息。
本发明采取的技术方案还包括一种代驾预测系统,所述系统包括:数据获取模块,用于收集特征数据;还用于获取设定地域范围内的餐饮企业的停车位置,并获取对应的停放车辆的车牌号码,并根据所述车牌号码追踪车主和/或历史驾驶员的身份信息,得到驾驶者身份信息;还用于获取餐饮企业的包含酒类产品的电子支付单据,所述电子支付单据包含付款人身份信息;需求分析模块,用于比对所述驾驶者身份信息和付款人身份信息,统计存在重合的身份信息的数量,定义为第一需求数量,并将所述第一需求数量纳入潜在代驾需求数量中,以计算设定地域范围在历史期间内的潜在代驾需求数量;数据库模块,用于结合特征数据和潜在代驾需求数量建立代驾需求数据库;训练模块,用于以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集,并将不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;预测模块,用于接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测。
上述方案中,所述需求分析模块还用于筛去与付款人身份信息重合的驾驶者身份信息,遍历剩余驾驶者身份信息和付款人身份信息,输出与付款人身份信息存在联系的驾驶者身份信息,统计其数量,定义为第二需求数量,并将所述第二需求数量纳入潜在代驾需求数量中。
本发明采取的技术方案还包括一种代驾调度系统,包括:调度模块,用于代驾预测系统的预测结果调度代驾司机进行接单。
上述方案中,所述代驾调度系统还包括:预约模块,用于供用户进行代驾订单预约,并统计完成代驾订单预约的用户数量;定价模块,用于根据所述代驾预测系统的预测结果和所述完成代驾订单预约的用户数量用户数量进行代驾订单的定价,并对完成代驾订单预约并成功支付代驾订单的用户提供优惠定价;所述调度模块,具体用于根据所述优惠定价为完成代驾订单预约的用户调度代驾司机进行接单。
与现有技术相比,本发明的有益效果为:基于物联网技术,不依赖其他代驾中介平台的数据,克服了难以汇总多个代驾中介平台数据导致的需求量计算的不准确,同时也将个别酒驾的司机考虑进代驾需求量中,适应国家法规的完善及执法深入使得代驾需求上升的实际状况。
附图说明
图1为本发明的代驾预测方法具体实施例的基本流程图。
图2为本发明的代驾预测方法具体实施例的步骤10流程图。
图3为本发明的代驾预测方法具体实施例的步骤20流程图。
图4为本发明的代驾预测系统具体实施例的架构图。
图5为本发明的代驾调度系统具体实施例的架构图。
标号说明:数据获取模块1;需求分析模块2;数据库模块3;训练模块4;预测模块5;调度模块6;预约模块7;定价模块8。
具体实施方式
本发明附图仅用于示例性说明,不能理解为对本发明的限制。为了更好说明以下实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
在本发明的描述中,需要理解的是,此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含所指示的技术特征的数量。由此,限定的“第一”、“第二”的特征可以明示或隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的本发明的代驾预测方法具体实施例的基本流程图,本实施例提供一种基于物联网技术的代驾需求预测方法,所述方法包括步骤:
S10:计算设定地域范围在历史期间内的潜在代驾需求数量,并收集特征数据,建立代驾需求数据库;
S20:以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集;
S30:不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;
S40:接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测;
其中,如图2所示,步骤S10具体包括:
S11:获取所述设定地域范围内的餐饮企业的停车位置,并获取历史期间内对应的停放车辆的车牌号码;
S12:根据所述车牌号码追踪车主和/或历史驾驶员的身份信息,得到驾驶者身份信息;
S13:获取历史期间内餐饮企业的包含酒类产品的电子支付单据,所述电子支付单据包含付款人身份信息;
S14:比对所述驾驶者身份信息和付款人身份信息,统计存在重合的身份信息的数量,定义为第一需求数量;
S15:将所述第一需求数量纳入潜在代驾需求数量中。
本实施例中,设定地域范围为一个地理区域,特征数据为影响潜在代驾需求数量的因素,如当天气状况、该地理区域内的餐饮企业数量等。每个时间段的跨度可以进行设定,如一天、三个小时等。电子支付方式包括手机微信支付、支付宝支付、信用卡支付和银行卡支付,目前的支付方式都要求实名验证,因此其中包含了付款人身份信息。所述电子支付单据包含付款时间,通过付款时间将计算得出的潜在代驾需求数量按照时间段划分至不同的训练集。潜在代驾需求数量与特征数据为复杂的非线性关系,通过特定时段内的历史特征数据及对应潜在代驾需求数量的训练,获得专门用于预测该时间段内的代驾需求数量的预测模型。
首先对餐饮企业的停车位置进行车牌号码的采集,可排除掉没有驾驶车辆的餐饮消费者,此些消费者占比较大,首先排除可节省随后步骤的数据处理量。进一步查找驾驶车辆的餐饮消费者中消费了酒类产品的部分,准确计算代驾需求,过程基于物联网技术,不依赖其他代驾中介平台的数据,克服了难以汇总多个代驾中介平台数据导致的需求量计算的不准确,同时也将个别酒驾的司机考虑进代驾需求量中,适应国家法规的完善及执法深入使得代驾需求上升的实际状况,而代驾中介平台数据仅包含了代驾订单成功完成的数量。
具体实施过程中,所述潜在代驾需求数量还包括第二需求数量;步骤S10还包括:
S16:筛去与付款人身份信息重合的驾驶者身份信息;
S17:遍历剩余驾驶者身份信息和付款人身份信息,输出与付款人身份信息存在联系的驾驶者身份信息,统计其数量,定义为第二需求数量;
S18:将所述第二需求数量纳入潜在代驾需求数量中。
为了挖掘更多潜在的代驾需求,潜在代驾需求数量不仅包括包含酒类产品的单据的付款人,还包括与付款人进餐的其他人。通过比对付款人身份信息与其他驾驶者身份信息判断二者是否存在联系。
具体实施过程中,所述与付款人身份信息存在联系的驾驶者身份信息包括:与任一付款人身份信息存在亲属关系和/或同事关系和/或同学关系的驾驶者身份信息。
实名认证的付款人身份信息驾驶者身份信息可快速判断付款人是否存在亲戚关系。在其他实施方式中,还可通过其他物联网技术判断付款人身份信息与驾驶者身份信息是否存在联系,如通过绑定的电话号码查询二者是否在相应时间段内进行通话,又如通过查询付款人身份信息和驾驶者身份信息是否通过同一个消费单据进行停车费的抵扣等等。
具体实施过程中,如图3所示,所述步骤S20具体包括:
S21:确定潜在代驾需求数量为标签;
S22:所述特征数据为多项,从特征数据中选择至少一项作为可变因子;
S23:基于所述标签和可变因子对训练集进行提取,输入神经网络进行训练。
具体实施过程中,所述特征数据包括所述设定地域范围对应时间段内的天气状况、用于标识对应时间段是否为节假日的标识信息。
具体实施过程中,步骤S11获取历史期间内对应的停放车辆的车牌号码的步骤具体为:
调取所述停车位置的电子拍摄设备的数据,和/或停车位置所在的停车场的电子出入口的数据,从中提取车辆的车牌号码信息。
实施例2
在实施例1的基础上,本发明还提供一种代驾预测系统。见图4,为本发明的代驾预测系统具体实施例的架构图,所述代驾预测系统包括:
数据获取模块1,用于收集特征数据;还用于获取设定地域范围内的餐饮企业的停车位置,并获取对应的停放车辆的车牌号码,并根据所述车牌号码追踪车主和/或历史驾驶员的身份信息,得到驾驶者身份信息;还用于获取餐饮企业的包含酒类产品的电子支付单据,所述电子支付单据包含付款人身份信息;
需求分析模块2,用于比对所述驾驶者身份信息和付款人身份信息,统计存在重合的身份信息的数量,定义为第一需求数量,并将所述第一需求数量纳入潜在代驾需求数量中,以计算设定地域范围在历史期间内的潜在代驾需求数量;
数据库模块3,用于结合特征数据和潜在代驾需求数量建立代驾需求数据库;
训练模块4,用于以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集,并将不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;
预测模块5,用于接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测。
本实施例中,设定地域范围为一个地理区域,特征数据为影响潜在代驾需求数量的因素,如当天气状况、该地理区域内的餐饮企业数量等。每个时间段的跨度可以进行设定,如一天、三个小时等。电子支付方式包括手机微信支付、支付宝支付、信用卡支付和银行卡支付,目前的支付方式都要求实名验证,因此其中包含了付款人身份信息。所述电子支付单据包含付款时间,通过付款时间将计算得出的潜在代驾需求数量按照时间段划分至不同的训练集。潜在代驾需求数量与特征数据为复杂的非线性关系,通过特定时段内的历史特征数据及对应潜在代驾需求数量的训练,获得专门用于预测该时间段内的代驾需求数量的预测模型。
首先对餐饮企业的停车位置进行车牌号码的采集,可排除掉没有驾驶车辆的餐饮消费者,此些消费者占比较大,首先排除可节省随后步骤的数据处理量。进一步查找驾驶车辆的餐饮消费者中消费了酒类产品的部分,准确计算代驾需求,过程基于物联网技术,不依赖其他代驾中介平台的数据,克服了难以汇总多个代驾中介平台数据导致的需求量计算的不准确,同时也将个别酒驾的司机考虑进代驾需求量中,适应国家法规的完善及执法深入使得代驾需求上升的实际状况,而代驾中介平台数据仅包含了代驾订单成功完成的数量。
具体实施过程中,所述需求分析模块2还用于筛去与付款人身份信息重合的驾驶者身份信息,遍历剩余驾驶者身份信息和付款人身份信息,输出与付款人身份信息存在联系的驾驶者身份信息,统计其数量,定义为第二需求数量,并将所述第二需求数量纳入潜在代驾需求数量中。
如图5,本实施例还提供一种代驾调度系统,包括:调度模块6,用于根据上述代驾预测系统的预测结果调度代驾司机进行接单。
具体实施过程中,所述的代驾调度系统还包括:预约模块7,用于供用户进行代驾订单预约,并统计完成代驾订单预约的用户数量;
定价模块8,用于根据所述代驾预测系统的预测结果和所述完成代驾订单预约的用户数量用户数量进行代驾订单的定价,并对完成代驾订单预约并成功支付代驾订单的用户提供优惠定价;
所述调度模块6,具体用于根据所述优惠定价为完成代驾订单预约的用户调度代驾司机进行接单。
显然,本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例,而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于物联网技术的代驾预测方法,其特征在于,包括步骤:
计算设定地域范围在历史期间内的潜在代驾需求数量,并收集特征数据,建立代驾需求数据库;
以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集;
不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;
接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测;
其中,所述计算设定地域范围在历史期间内的潜在代驾需求数量的步骤具体包括:
获取所述设定地域范围内的餐饮企业的停车位置,并获取历史期间内对应的停放车辆的车牌号码;
根据所述车牌号码追踪车主和/或历史驾驶员的身份信息,得到驾驶者身份信息;
获取历史期间内餐饮企业的包含酒类产品的电子支付单据,所述电子支付单据包含付款人身份信息;
比对所述驾驶者身份信息和付款人身份信息,统计存在重合的身份信息的数量,定义为第一需求数量;
将所述第一需求数量纳入潜在代驾需求数量中。
2.根据权利要求1所述的基于物联网技术的代驾预测方法,其特征在于,所述计算设定地域范围在历史期间内的潜在代驾需求数量的步骤还包括:
筛去与付款人身份信息重合的驾驶者身份信息;
遍历剩余驾驶者身份信息和付款人身份信息,输出与付款人身份信息存在联系的驾驶者身份信息,统计其数量,定义为第二需求数量;
将所述第二需求数量纳入潜在代驾需求数量中。
3.根据权利要求2所述的基于物联网技术的代驾预测方法,其特征在于,
所述与付款人身份信息存在联系的驾驶者身份信息包括:
与任一付款人身份信息存在亲属关系和/或同事关系和/或同学关系的驾驶者身份信息。
4.根据权利要求1所述的基于物联网技术的代驾预测方法,其特征在于,
所述不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型的步骤包括:
确定潜在代驾需求数量为标签;
所述特征数据为多项,从特征数据中选择至少一项作为可变因子;
基于所述标签和可变因子对训练集进行提取,输入神经网络进行训练。
5.根据权利要求4所述的基于物联网技术的代驾预测方法,其特征在于,
所述特征数据包括所述设定地域范围对应时间段内的天气状况、用于标识对应时间段是否为节假日的标识信息。
6.根据权利要求1所述的基于物联网技术的代驾预测方法,其特征在于,
所述获取历史期间内对应的停放车辆的车牌号码的步骤包括:
调取所述停车位置的电子拍摄设备的数据,和/或停车位置所在的停车场的电子出入口的数据,从中提取车辆的车牌号码信息。
7.一种代驾预测系统,其特征在于,包括:
数据获取模块,用于收集特征数据;还用于获取设定地域范围内的餐饮企业的停车位置,并获取对应的停放车辆的车牌号码,并根据所述车牌号码追踪车主和/或历史驾驶员的身份信息,得到驾驶者身份信息;还用于获取餐饮企业的包含酒类产品的电子支付单据,所述电子支付单据包含付款人身份信息;
需求分析模块,用于比对所述驾驶者身份信息和付款人身份信息,统计存在重合的身份信息的数量,定义为第一需求数量,并将所述第一需求数量纳入潜在代驾需求数量中,以计算设定地域范围在历史期间内的潜在代驾需求数量;
数据库模块,用于结合特征数据和潜在代驾需求数量建立代驾需求数据库;
训练模块,用于以时间段为划分条件对代驾需求数据库内的数据进行分类,形成不同的训练集,并将不同的训练集分别输入神经网络进行训练,得到每个时间段的预测模型;
预测模块,用于接收预测请求,根据预测请求的所需的时间段选择预测模型,并获取所述预测请求中的特征数据以输入预测模型进行预测。
8.根据权利要求7所述的代驾预测系统,其特征在于:
所述需求分析模块还用于筛去与付款人身份信息重合的驾驶者身份信息,遍历剩余驾驶者身份信息和付款人身份信息,输出与付款人身份信息存在联系的驾驶者身份信息,统计其数量,定义为第二需求数量,并将所述第二需求数量纳入潜在代驾需求数量中。
9.一种代驾调度系统,其特征在于,包括:
调度模块,用于根据如权利要求7或8所述的代驾预测系统的预测结果调度代驾司机进行接单。
10.根据权利要求9所述的代驾调度系统,其特征在于,还包括:
预约模块,用于供用户进行代驾订单预约,并统计完成代驾订单预约的用户数量;
定价模块,用于根据所述代驾预测系统的预测结果和所述完成代驾订单预约的用户数量用户数量进行代驾订单的定价,并对完成代驾订单预约并成功支付代驾订单的用户提供优惠定价;
所述调度模块,具体用于根据所述优惠定价为完成代驾订单预约的用户调度代驾司机进行接单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110776955.6A CN113393007A (zh) | 2021-07-09 | 2021-07-09 | 基于物联网技术的代驾预测方法、系统和调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110776955.6A CN113393007A (zh) | 2021-07-09 | 2021-07-09 | 基于物联网技术的代驾预测方法、系统和调度系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393007A true CN113393007A (zh) | 2021-09-14 |
Family
ID=77625633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110776955.6A Pending CN113393007A (zh) | 2021-07-09 | 2021-07-09 | 基于物联网技术的代驾预测方法、系统和调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393007A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997747A (zh) * | 2022-07-29 | 2022-09-02 | 共幸科技(深圳)有限公司 | 一种实现上下游供需平衡的代驾服务调度方法及装置 |
-
2021
- 2021-07-09 CN CN202110776955.6A patent/CN113393007A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997747A (zh) * | 2022-07-29 | 2022-09-02 | 共幸科技(深圳)有限公司 | 一种实现上下游供需平衡的代驾服务调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11295312B1 (en) | System and method for accumulation and maintenance of money in a vehicle maintenance savings account | |
US9460623B2 (en) | Parking management | |
US8363899B2 (en) | Method and system for processing vehicular violations | |
CA2345857A1 (en) | System and method for automating a vehicle rental process | |
US10021243B2 (en) | Telephone call placement | |
CN110853334A (zh) | 一种出租车约车系统及其顶灯显示方法 | |
US20200210905A1 (en) | Systems and Methods for Managing Networked Vehicle Resources | |
US20170344932A1 (en) | Integrated system of electronic matching, negotiation, dispatch and rating for cargo and transport-unit based on individual transport-unit and its elements quality | |
Sun et al. | Is getting an Uber-Lyft from a sidecar different from hailing a taxi? Current dynamic ridesharing controversy | |
CN104580337A (zh) | 基于3g通讯技术的物联网全程监控的多目标优化计算方法 | |
CN113674015A (zh) | 一种车辆快速定损及残值估价方法 | |
CN107798522A (zh) | 一种车费代付方法及装置 | |
CN113393007A (zh) | 基于物联网技术的代驾预测方法、系统和调度系统 | |
CN108629860B (zh) | 针对路桥收费站的收费处理方法、装置、系统及介质 | |
JP2011013719A (ja) | 運送事業用自動車保険料決定装置および運送事業用自動車保険料決定プログラム | |
CN109978466A (zh) | 一种车货匹配抢单方法及系统 | |
CN112419049A (zh) | 额度确定方法和装置 | |
CN113222448A (zh) | 一种基于驾驶行为的网约车辆推荐方法及其推荐系统 | |
Hagemann et al. | ITS technology adoption and observed market trends from ITS deployment tracking. | |
CN115169432A (zh) | 司机类型的确定方法和装置、数据处理方法 | |
CN117745162A (zh) | 一种自动驾驶技术与人脸识别技术融合的快递配送方法 | |
KR20160028543A (ko) | 택시쿠폰 제공방법, 택시쿠폰 제공단말, 택시쿠폰 제공시스템 및 택시쿠폰을 제공하기 위한 컴퓨터 프로그램 | |
CN112884567A (zh) | 一种车辆etc联合风控模型构建及实现方法及系统 | |
Sathyanarayanan | BIO METRIC BASED SMART CARD FOR MULTI MODE TRANSPORTATION | |
CN117689446A (zh) | 订单处理方法、装置、服务器、以及介质 |
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 |