CN113469232A - 车辆用户分类方法、设备及计算机可读存储介质 - Google Patents
车辆用户分类方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113469232A CN113469232A CN202110688041.4A CN202110688041A CN113469232A CN 113469232 A CN113469232 A CN 113469232A CN 202110688041 A CN202110688041 A CN 202110688041A CN 113469232 A CN113469232 A CN 113469232A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- points
- user classification
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆用户分类方法、设备以及计算机可读存储介质，车辆用户分类方法包括：获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理；根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置；将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应的用户分类信息。本发明能根据车辆行驶数据对用户进行分类，进而对车辆用途进行分类，从而可根据不同的车辆用途提供不同的服务。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种车辆用户分类方法、设备以及计算机可读存储介质。
背景技术
随着汽车市场逐渐朝着智能化、网联化和信息化迅猛发展，用户购买车辆的真实用途对各大主机厂都具有非常重要的意义。可目前，各大主机厂获取车辆用途信息的方法仅仅为用户购车时填写的车辆用途以及用户分类，这些填写的信息往往并不是用户使用车辆的真实信息。而从目前的发展现状来看，对用户出行真实用途分析的方法较少，且这些方法计算复杂、繁琐，耗时耗力。
因此当前亟需一种新的车辆用户分类方法、设备及计算机可读存储介质解决上述技术问题。
发明内容
本发明的主要目的在于提供一种车辆用户分类方法、设备及计算机可读存储介质，旨在解决如何解决搜索与目标用户密切接触人群的精确度低的技术问题。
为实现上述目的，本发明提供一种车辆用户分类方法，包括以下步骤：
获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理；
根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置；
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应用户分类信息。
可选地，所述获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理的步骤包括：
获取多个所述车辆的车辆行驶数据，根据各所述车辆行驶数据确定各所述车辆的车辆停车时间、以及与所述车辆停车时间对应所述车辆停车位置和车辆停车时长；
根据所述车辆停车时间，去除所述车辆停车时间为非工作日、以及所述车辆停车位置异常的所述车辆行驶数据。
可选地，所述获取多个所述车辆的车辆行驶数据，根据各所述车辆行驶数据确定各所述车辆的车辆停车时间、以及与所述车辆停车时间对应所述车辆停车位置和车辆停车时长的步骤包括：
获取多个所述车辆的车辆定位数据、车速和启停开关状态和整车高压状态；
根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的车辆行驶数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长。
可选地，所述根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的车辆行驶数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长的步骤包括：
根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的各所述车辆的车辆行驶数据确定待确定停车数据；
根据单次停车时间大于预设时长的待确定停车数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长。
可选地，所述将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应用户分类信息的步骤：
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，根据预设邻域半径和预设领域点数量，确定核心点；
根据所述核心点确定边界点和噪音点；
根据各所述核心点和与其分别对应的所述边界点确定聚类簇；
根据所述聚类簇和噪音点生成与所述车辆对应的用户分类信息。
可选地，所述将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，根据预设邻域半径和预设领域点数量，确定核心点和边界点的步骤包括：
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类；
随机确定一个行程对应的所述停车时间和所述停车位置为随机点，计算其他行程对应的所述停车时间和所述停车位置与该随机点距离，统计距离所述随机点的距离小于预设领域半径的行程数量；
判断所述行程数量是否大于或等于预设领域点数量；
若是，则确定所述随机点为所述核心点，与该所述随机点的距离小于所述预设领域半径的车辆为边界点，执行：所述随机确定一个行程对应的所述停车时间和所述停车位置为随机点，计算其他行程对应的所述停车时间和所述停车位置与该随机点距离，统计距离所述随机点的距离小于预设领域半径的行程数量的步骤，直至遍历所述车辆。
可选地，所述根据所述核心点确定边界点和噪音点的步骤包括：
若所述行程数量小于预设领域点数量，判断所述行程数量是否大于0；
若所述行程数量大于0，则确定所述随机点为所述边界点；
若所述行程数量等于0，则设置所述随机点为所述噪音点。
可选地，所述根据所述聚类簇生成与所述车辆对应用户分类信息的步骤包括：
根据所述聚类簇生成每个所述停车时间的熵和噪声比；
根据各所述聚类簇中所述边界点的数量，以数量由多至少排序，确定确定预设位数的所述聚类簇的边界点数量的聚类占比；
根据每个所述停车时间的熵和噪声比、以及聚类占比对各所述车辆进行分类，生成用户分类信息。
此外，为实现上述目的，本发明还提供一种车辆用户分类设备，所述车辆用户分类设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆用户分类程序，所述车辆用户分类程序被所述处理器执行时实现如上述的车辆用户分类方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有车辆用户分类程序，所述车辆用户分类程序被处理器执行时实现如上述的车辆用户分类方法的步骤。
本发明提供的车辆用户分类方法，通过根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置，从而可以进一步根据停车时间和停车位置进行DBSCAN聚类分析，生成与所述车辆对应用户分类信息，使得对应的车辆零部件制造商、车辆制造商等可以知晓用户的车辆用途，提供进一步地精准服务。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图；
图2为本发明车辆用户分类方法第一实施例的流程示意图；
图3为本发明车辆用户分类方法中步骤S20的细化流程示意图；
图4为本发明车辆用户分类方法中步骤S30的细化流程示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为车辆用户分类设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆用户分类程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的车辆用户分类程序，并执行以下操作：
接收目标用户持有的移动终端的识别信息，根据识别信息获取目标用户和各待搜寻用户持有的移动终端的网络配置信息，得到目标用户处于室外状态下的目标移动轨迹和目标出行方式、以及各待搜寻用户处于室外状态下的待比对移动轨迹和待比对出行方式；
分别计算各待比对移动轨迹与目标移动轨迹的轨迹接触概率；
获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理；
根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置；
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应用户分类信息。
参照图2，本发明提供一种车辆用户分类方法，在车辆用户分类方法的第一实施例中，车辆用户分类方法包括以下步骤：
步骤S10，获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理；
车辆行驶数据为车辆上的智能车载终端上传至服务器端的GPS定位数据、以及车辆车速、启停开关状态、整车高压状态、空调使用情况等行驶参数。
预处理具体为对采集到的车辆行驶数据进行清洗处理，以去除异常数据和非必要数据。在一实施例中，步骤S10包括：
步骤S11，获取多个所述车辆的车辆行驶数据，根据各所述车辆行驶数据确定各所述车辆的车辆停车时间、以及与所述车辆停车时间对应所述车辆停车位置和车辆停车时长；
步骤S12，根据所述车辆停车时间，去除所述车辆停车时间为非工作日、以及所述车辆停车位置异常的所述车辆行驶数据。
由于非工作日用户驾驶车辆形成的车辆轨迹相比于用户在工作日驾驶车辆形成的车辆轨迹更复杂、且基本无规律性，所以将车辆停车时间为非工作日的驾驶数据除去后，再进行分类。车辆停车位置异常的数据具体可以包括车辆停车位置对应的为0或空，相邻停车和启动之间对应的车辆停车位置差异大于正常车辆在停车时间内可能移动的距离等不符合自然原理的数据，以及由于信号确实导致的无用数据。
步骤S12之后，执行：
步骤S20，根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置；
具体可以根据车辆的车速、发动机状态、车辆位置变化等判断车辆是否停车，并记录自车辆停车开始至车辆再次启动之间的时间间隔，设置该时间间隔为每次行程的停车时间，对应的GPS数据为车辆停车位置。
请结合参阅图,3，具体地，步骤S20包括：
步骤S21，获取多个所述车辆的车辆定位数据、车速和启停开关状态和整车高压状态；
步骤S22，根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的车辆行驶数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长。
例如：车速为0km/h，启停开关状态由ON或ACC变为OFF，整车高压状态由动力连接变为动力断开时，判断车辆处于停车状态，即预设速度范围为0，当然还可以设置预设速度范围1～2km/h等，以实现一定范围内的容错。当三个条件中任一个不满足，则判断车辆处于启动状态。在一实施例中，步骤S22包括：
根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的各所述车辆的车辆行驶数据确定待确定停车数据；
根据单次停车时间大于预设时长的待确定停车数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长。
在一实施例中，单次停车时间大于5min，才将该待确定停车数据确定为可供进一步分析行程。
步骤S30，将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应用户分类信息。
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)为基于密度的聚类算法。与划分和层次聚类方法不同的是，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。具体地，可将停车时间和停车位置进行向量化处理，生成与每次行程对应的向量值，再根据多个行程对应的向量值计算两两之间的距离，以进行DBSCAN聚类，根据聚类得到的聚类簇，确定该用户的分类。
请参阅图4，在一实施例中，步骤S30包括：
步骤S31，将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，根据预设邻域半径和预设领域点数量，确定核心点；
预设邻域半径和预设领域点数量(MinPts)均为本领域技术人员根据实际需要自行设置。
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类；
随机确定一个行程对应的所述停车时间和所述停车位置为随机点，计算其他行程对应的所述停车时间和所述停车位置与该随机点距离，统计距离所述随机点的距离小于预设领域半径的行程数量；
判断所述行程数量是否大于或等于预设领域点数量；
,若是，则确定所述随机点为所述核心点，与该所述随机点的距离小于所述预设领域半径的车辆为边界点，执行步骤S312，直至遍历所述车辆。
若否，则进一步执行步骤S32，根据所述核心点确定边界点和噪音点；
若所述行程数量小于预设领域点数量，判断所述行程数量是否大于0；
若所述行程数量大于0，则确定所述随机点为所述边界点；
若所述行程数量等于0，则设置所述随机点为所述噪音点。
步骤S33，根据各所述核心点和与其分别对应的所述边界点确定聚类簇；
即通过设定预设邻域半径和预设领域点数量，确定各个行程停车位置和时间的相似度，将相似度较高的行程归为一个聚类簇，而其中非日常发生的行程归为噪音点，从而后续可省去噪音点对应的数据使用。
步骤S34，根据所述聚类簇和噪音点生成与所述车辆对应的用户分类信息。
根据所述聚类簇生成每个所述停车时间的熵和噪声比；
根据各所述聚类簇中所述边界点的数量，以数量由多至少排序，确定确定预设位数的所述聚类簇的边界点数量的聚类占比；
根据每个所述停车时间的熵和噪声比、以及聚类占比对各所述车辆进行分类，生成用户分类信息。
根据各个聚类簇中边界点的多少，从而确定各个聚类簇的大小，通过占比较大的聚类簇进行分类，使得分类结果更准确。在一实施例中，仅使用占比前2位的聚类簇进行后续分类，例如将前2位的聚类簇与预设数据库进行比对，以获得该用户对应的标签，通过一个或多个标签可判断用户对车辆的需求为上下班使用、接送学校在读儿童、市内交通、或省内交通等等，进一步地，还可以根据停车位置对应的POI(Point of Interest)，确定用户居住点、上班点、购物点等。预设数据库中存储有多个已知车辆用途的车辆行驶数据，以及各车辆行驶数据对应的标签。
本发明提供的车辆用户分类方法，通过根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置，从而可以进一步根据停车时间和停车位置进行DBSCAN聚类分析，生成与所述车辆对应用户分类信息，使得对应的车辆零部件制造商、车辆制造商等可以知晓用户的车辆用途，提供进一步地精准服务。
此外，本发明还提供一种车辆用户分类设备，所述终端包括：存储器、处理器、通信总线以及存储在所述存储器上的车辆用户分类程序：
所述通信总线用于实现处理器和存储器之间的连接通信；
所述处理器用于执行所述车辆用户分类程序，以实现上述车辆用户分类方法各实施例的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述车辆用户分类方法各实施例的步骤。
本发明计算机可读存储介质具体实施方式与上述车辆用户分类方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆用户分类方法，其特征在于，所述车辆用户分类方法包括以下步骤：
获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理；
根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置；
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应用户分类信息。
2.如权利要求1所述的车辆用户分类方法，其特征在于，所述获取多个车辆的车辆行驶数据，对各所述车辆行驶数据进行预处理的步骤包括：
获取多个所述车辆的车辆行驶数据，根据各所述车辆行驶数据确定各所述车辆的车辆停车时间、以及与所述车辆停车时间对应所述车辆停车位置和车辆停车时长；
根据所述车辆停车时间，去除所述车辆停车时间为非工作日、以及所述车辆停车位置异常的所述车辆行驶数据。
3.如权利要求2所述的车辆用户分类方法，其特征在于，所述根据经过所述预处理的车辆行驶数据得到车辆每次行程的停车时间和停车位置的步骤包括：
根据经过所述预处理的车辆行驶数据得到多个所述车辆的车辆定位数据、车速和启停开关状态和整车高压状态；
根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的车辆行驶数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长。
4.如权利要求3所述的车辆用户分类方法，其特征在于，所述根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的车辆行驶数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长的步骤包括：
根据各所述车辆的车速在预设速度范围内、启停开关状态为发动机启动状态或电源供电状态切换为切断电源状态、以及整车高压状态由动力连接切换为动力断开时，对应的各所述车辆的车辆行驶数据确定待确定停车数据；
根据单次停车时间大于预设时长的待确定停车数据确定各所述车辆的车辆停车时间、车辆停车位置和车辆停车时长。
5.如权利要求1所述的车辆用户分类方法，其特征在于，所述将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，生成与所述车辆对应用户分类信息的步骤：
将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，根据预设邻域半径和预设领域点数量，确定核心点；
根据所述核心点确定边界点和噪音点；
根据各所述核心点和与其分别对应的所述边界点确定聚类簇；
根据所述聚类簇和噪音点生成与所述车辆对应的用户分类信息。
6.如权利要求5所述的车辆用户分类方法，其特征在于，所述将与各所述车辆对应的所述停车时间和所述停车位置进行DBSCAN聚类，根据预设邻域半径和预设领域点数量，确定核心点和边界点的步骤包括：
随机确定一个行程对应的所述停车时间和所述停车位置为随机点，计算其他行程对应的所述停车时间和所述停车位置与该随机点距离，统计距离所述随机点的距离小于预设领域半径的行程数量；
判断所述行程数量是否大于或等于预设领域点数量；
若是，则确定所述随机点为所述核心点，与该所述随机点的距离小于所述预设领域半径的车辆为边界点，执行：所述随机确定一个行程对应的所述停车时间和所述停车位置为随机点，计算其他行程对应的所述停车时间和所述停车位置与该随机点距离，统计距离所述随机点的距离小于预设领域半径的行程数量的步骤，直至遍历所述车辆。
7.如权利要求5所述的车辆用户分类方法，其特征在于，所述根据所述核心点确定边界点和噪音点的步骤包括：
若所述行程数量小于预设领域点数量，判断所述行程数量是否大于0；
若所述行程数量大于0，则确定所述随机点为所述边界点；
若所述行程数量等于0，则设置所述随机点为所述噪音点。
8.如权利要求5所述的车辆用户分类方法，其特征在于，所述根据所述聚类簇生成与所述车辆对应用户分类信息的步骤包括：
根据所述聚类簇生成每个所述停车时间的熵和噪声比；
根据各所述聚类簇中所述边界点的数量，以数量由多至少排序，确定确定预设位数的所述聚类簇的边界点数量的聚类占比；
根据每个所述停车时间的熵和噪声比、以及聚类占比对各所述车辆进行分类，生成用户分类信息。
9.一种车辆用户分类设备，其特征在于，所述车辆用户分类设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆用户分类程序，所述车辆用户分类程序被所述处理器执行时实现如权利要求1至8中任一项所述的车辆用户分类方法的步骤。
10.一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上存储有车辆用户分类程序，所述车辆用户分类程序被处理器执行时实现如权利要求1至8中任一项所述的车辆用户分类方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110688041.4A CN113469232A (zh) | 2021-06-21 | 2021-06-21 | 车辆用户分类方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110688041.4A CN113469232A (zh) | 2021-06-21 | 2021-06-21 | 车辆用户分类方法、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113469232A true CN113469232A (zh) | 2021-10-01 |
Family
ID=77869099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110688041.4A Pending CN113469232A (zh) | 2021-06-21 | 2021-06-21 | 车辆用户分类方法、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113469232A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114228637A (zh) * | 2021-12-02 | 2022-03-25 | 科大讯飞股份有限公司 | 一种车辆断电保护方法、装置、存储介质及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156489A (zh) * | 2014-08-29 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机轨迹进行司机常驻点挖掘的方法 |
| CN110163280A (zh) * | 2019-05-17 | 2019-08-23 | 深圳前海微众银行股份有限公司 | 一种聚类方法及装置 |
| CN111145573A (zh) * | 2019-12-27 | 2020-05-12 | 江苏星诺信息技术有限公司 | 基于停车点间距、时长和频次聚合分析车辆常驻点的方法 |
| CN111311784A (zh) * | 2020-03-04 | 2020-06-19 | 深圳市物语智联科技有限公司 | 用户画像确定方法、装置、计算机设备及存储介质 |
-
2021
- 2021-06-21 CN CN202110688041.4A patent/CN113469232A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156489A (zh) * | 2014-08-29 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机轨迹进行司机常驻点挖掘的方法 |
| CN110163280A (zh) * | 2019-05-17 | 2019-08-23 | 深圳前海微众银行股份有限公司 | 一种聚类方法及装置 |
| CN111145573A (zh) * | 2019-12-27 | 2020-05-12 | 江苏星诺信息技术有限公司 | 基于停车点间距、时长和频次聚合分析车辆常驻点的方法 |
| CN111311784A (zh) * | 2020-03-04 | 2020-06-19 | 深圳市物语智联科技有限公司 | 用户画像确定方法、装置、计算机设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114228637A (zh) * | 2021-12-02 | 2022-03-25 | 科大讯飞股份有限公司 | 一种车辆断电保护方法、装置、存储介质及设备 |
| CN114228637B (zh) * | 2021-12-02 | 2024-02-20 | 科大讯飞股份有限公司 | 一种车辆断电保护方法、装置、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919347B (zh) | 路况生成方法、相关装置和设备 | |
| US9355063B2 (en) | Parking lot detection using probe data | |
| JP4032126B1 (ja) | 移動体位置推定システム、及び、移動体位置推定方法 | |
| CN113155173B (zh) | 感知性能评测方法、装置、电子装置和存储介质 | |
| WO2018237186A1 (en) | LEARNING LOCATIONS OF INTEREST BY MEANS OF IDO DEVICES | |
| CN109561387A (zh) | 调整电子围栏的方法、装置及服务器 | |
| CN110472999B (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
| CN107341166B (zh) | 一种车载app的推荐方法及系统 | |
| CN110930765B (zh) | 预警优先级判定方法、设备、存储介质及装置 | |
| CN112749825A (zh) | 预测车辆的目的地的方法和装置 | |
| CN112634488B (zh) | 行程融合方法、装置以及车辆 | |
| CN105489021A (zh) | 一种基于用户行为数据的车主身份识别方法及装置 | |
| Zhao et al. | Development of a Driving Cycle for Fuzhou Using K‐Means and AMPSO | |
| CN117241212A (zh) | 车辆常驻停车点的确定方法、装置、设备以及存储介质 | |
| CN113469232A (zh) | 车辆用户分类方法、设备及计算机可读存储介质 | |
| JP2020024655A (ja) | 情報提供システム、情報提供装置、情報提供方法、及びプログラム | |
| CN113776610A (zh) | 一种车辆油耗的确定方法及装置 | |
| CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
| Ya'acob et al. | Parking system using geographic information system (GIS) | |
| CN115995151A (zh) | 应用于城市管理的网约车异常行为检测方法 | |
| CN108460057B (zh) | 一种基于无监督学习的用户行程挖掘方法和装置 | |
| CN113704643B (zh) | 确定目标物体状态的方法、装置、电子设备以及存储介质 | |
| CN114007186B (zh) | 定位方法及相关产品 | |
| CN115525841A (zh) | 兴趣点信息的获取方法、电子设备及存储介质 | |
| CN110458459B (zh) | 交通数据的可视化分析方法、装置、设备及可读存储介质 |
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 |
Application publication date: 20211001 |
|
| RJ01 | Rejection of invention patent application after publication |