CN113470205A - 全域etc支撑下的智慧出行控制系统及方法 - Google Patents
全域etc支撑下的智慧出行控制系统及方法 Download PDFInfo
- Publication number
- CN113470205A CN113470205A CN202110735135.2A CN202110735135A CN113470205A CN 113470205 A CN113470205 A CN 113470205A CN 202110735135 A CN202110735135 A CN 202110735135A CN 113470205 A CN113470205 A CN 113470205A
- Authority
- CN
- China
- Prior art keywords
- user
- parking lot
- information
- users
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
-
- 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
- G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Finance (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种全域ETC支撑下的智慧出行控制系统及方法全域ETC包括收费路段ETC和停车场ETC,用户分类模块用于对用户进行分类;停车场ETC属性分析模块用于计算消费属性权重;停车场数据分析模块用于计算停车场ETC对应每个用户分类的推荐值;导航模块用于将消费属性信息和当前定位信息发送给云服务器;云服务器用于计算距离评分、消费属性评分和推荐值以确定最终推荐值;并生成推荐列表,以及将推荐列表发送给导航模块;导航模块获取用户的选择指令,并根据选择指令确定目的地信息,并根据当前定位信息和目的地信息生成导航路径以进行导航;能够自动对ETC用户的用户数据进行有效分析,并利用分析有效服务于用户出行。
Description
技术领域
本发明涉及智慧出行技术领域,特别涉及一种全域ETC支撑下的智慧出行控制系统及一种全域ETC支撑下的智慧出行控制方法。
背景技术
电子不停车收费(Electronic Toll Collection ETC)系统可降低车辆通行时间和能源消耗,使用电子不停车收费系统能够很大程度上避免交通拥堵,同时,节约基建和运营成本;因此,电子不停车收费系统得以大力推广,正在逐步取代传统的停车收费系统。
相关技术中,在对电子不停车收费系统所产生的用户数据进行分析时,大多仅仅只是进行简单的分析,例如:通过对用户通行频率、消费金额进行分析,以对用户进行分级,进而对不同级别的用户给予不同程度的服务。然而,这些分析方式大多是套用了传统的营销分析方式,没有以电子不停车收费系统自身的用户数据属性出发;导致其用户数据的利用率低下,分析结果缺乏参考性。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种全域ETC支撑下的智慧出行控制系统,能够自动对ETC用户的用户数据进行有效分析,提高ETC用户数据的利用率;同时,使得ETC用户数据分析能够有效服务于用户出行。
本发明的第二个目的在于提出一种全域ETC支撑下的智慧出行控制方法。
为达到上述目的,本发明第一方面实施例提出了一种全域ETC支撑下的智慧出行控制系统,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述智慧出行控制系统包括:用户分类模块,所述用户分类模块用于获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;停车场ETC属性分析模块,所述停车场ETC属性分析模块用于获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;停车场数据分析模块,所述停车场数据分析模块用于获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;导航模块,所述导航模块用于获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;所述云服务器用于根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;所述云服务器还用于根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;所述云服务器还用于根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;所述导航模块还用于对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航。
根据本发明实施例的全域ETC支撑下的智慧出行控制系统,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述智慧出行控制系统包括:用户分类模块,所述用户分类模块用于获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;停车场ETC属性分析模块,所述停车场ETC属性分析模块用于获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;停车场数据分析模块,所述停车场数据分析模块用于获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;导航模块,所述导航模块用于获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;所述云服务器用于根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;所述云服务器还用于根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;所述云服务器还用于根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;所述导航模块还用于对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航;从而实现自动对ETC用户的用户数据进行有效分析,提高ETC用户数据的利用率;同时,使得ETC用户数据分析能够有效服务于用户出行。
另外,根据本发明上述实施例提出的全域ETC支撑下的智慧出行控制系统还可以具有如下附加的技术特征:
可选地,对预处理后的ETC历史信息进行聚类分析,包括:随机抽取所述预处理后的ETC历史信息中用户数据作为聚类样本,并使用PAM算法确定所述聚类样本中的多个最优聚类中心;计算所述预处理后的ETC历史信息中每个用户数据到每个最优聚类中心的距离,并根据每个用户数据到每个最优聚类中心的距离确定该用户的所属第一类别。
可选地,用户的类别包括:第一类别和第二类别,其中,所述第一类别包括旅游用户、购物用户、运营用户和办公用户,所述第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
可选地,根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值,包括:获取每个刷卡数据对应用户的第一类别和归属地信息,并判断用户的归属地信息与相应停车场ETC的归属地信息是否一致,以及根据判断结果确定该刷卡数据的第二类别;获取预设时段内的刷卡数据,并统计所述预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将所述数据数量作为第二类别对应的推荐值。
可选地,据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,包括:获取用户的第一分类和归属地信息,并判断用户的归属地信息与预选停车场ETC中任意一个停车场ETC的归属地信息是否一致,以及根据判断结果确定用户的第二类别;根据用户的第二类别获取所述预选停车场ETC中每个停车场ETC对应的推荐值。
可选地,所述云服务器还用于获取每个归属地对应的全域ETC的刷卡数据,并根据所述全域ETC的刷卡数据生成对应每个用户的历史行车轨迹;获取归属地的地图信息,并根据归属地的地图信息将归属地地图均匀切分为多个区块,以及根据该归属地中每个用户的历史行车轨迹计算每个区块对应的拥挤值。
可选地,根据所述当前定位信息和所述目的地信息生成导航路径,包括:根据所述当前定位信息和所述目的地信息计算相应的可能路径,并根据所述可能路径途径区块对应的拥挤值统计该可能路径对应的拥挤值,以及将拥挤值最小的可能路径作为导航路径。
为达到上述目的,本发明第二方面实施例提出了一种全域ETC支撑下的智慧出行控制方法,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述方法包括以下步骤:用户分类模块获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;停车场ETC属性分析模块获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;停车场数据分析模块获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;导航模块获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;所述云服务器根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;所述云服务器根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;所述云服务器根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;所述导航模块对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航。
根据本发明实施例的全域ETC支撑下的智慧出行控制方法,全域ETC包括收费路段ETC和停车场ETC,方法包括:首先,用户分类模块获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;接着,停车场ETC属性分析模块获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;然后,停车场数据分析模块获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;接着,导航模块获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;然后,所述云服务器根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;接着,所述云服务器根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;然后,所述云服务器根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;接着,所述导航模块对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航,从而实现自动对ETC用户的用户数据进行有效分析,提高ETC用户数据的利用率;同时,使得ETC用户数据分析能够有效服务于用户出行。
另外,根据本发明上述实施例提出的全域ETC支撑下的智慧出行控制方法还可以具有如下附加的技术特征:
可选地,用户的类别包括:第一类别和第二类别,其中,所述第一类别包括旅游用户、购物用户、运营用户和办公用户,所述第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
可选地,根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值,包括:获取每个刷卡数据对应用户的第一类别和归属地信息,并判断所述归属地信息与相应停车场ETC的归属地信息是否一致,以及根据判断结果确定该刷卡数据的第二类别;获取预设时段内的刷卡数据,并统计所述预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将所述数据数量作为第二类别对应的推荐值。
附图说明
图1为根据本发明实施例的全域ETC支撑下的智慧出行控制系统的方框示意图;
图2为根据本发明实施例的全域ETC支撑下的智慧出行控制方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,对ETC数据进行分析大多是套用了传统的营销分析方式,没有以电子不停车收费系统自身的用户数据属性出发;导致其用户数据的利用率低下,分析结果缺乏参考性;根据本发明实施例的全域ETC支撑下的智慧出行控制系统,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述智慧出行控制系统包括:用户分类模块,所述用户分类模块用于获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;停车场ETC属性分析模块,所述停车场ETC属性分析模块用于获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;停车场数据分析模块,所述停车场数据分析模块用于获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;导航模块,所述导航模块用于获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;所述云服务器用于根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;所述云服务器还用于根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;所述云服务器还用于根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;所述导航模块还用于对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航;从而实现自动对ETC用户的用户数据进行有效分析,提高ETC用户数据的利用率;同时,使得ETC用户数据分析能够有效服务于用户出行。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的全域ETC支撑下的智慧出行控制系统的方框示意图,如图1所示,该全域ETC支撑下的智慧出行控制系统包括:用户分类模块10、停车场ETC属性分析模块20、停车场数据分析模块30、导航模块40和云服务器50。
其中,用户分类模块10用于获取用户的ETC历史信息,并对用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类。
其中,对预处理后的ETC历史信息进行聚类分析的方式可以有多种。
作为一种示例,对预处理后的ETC历史信息进行聚类分析,包括:随机抽取预处理后的ETC历史信息中用户数据作为聚类样本,并使用PAM算法确定聚类样本中的多个最优聚类中心;计算预处理后的ETC历史信息中每个用户数据到每个最优聚类中心的距离,并根据每个用户数据到每个最优聚类中心的距离确定该用户的所属第一类别。
其中,预处理后的ETC历史信息所包含的数据指标的设置可以有多种;需要说明的是,在对用户进行分类的过程中;当选取的数据指标不同时,将导致结果的根本性不同。因此,在聚类分析时数据指标的选取是至关重要的环节,数据指标的选取会极大地影响数据的利用率。
作为一种示例,预处理后的ETC历史信息所包含的数据指标包括最近通行间隔、年通行频次和年消费金额;从而,根据这些数据指标进行聚类;可以有效地从运营商角度对客户价值进行分析。进而,根据聚类结果对用户进行分级,以便运营商对不同级别用户进行不同方式的服务,提高运营成效。然而,需要说明的是,这种方式是基于传统的运营角度的分析,效果不甚理想。因为,ETC用户的不停车消费,往往是基于事件而发生的消费(即言,在有出行事件,例如城际交通旅游、办公、购物等需求时,才会需要进行ETC消费);而在没有出行事件需求的情况下,通过营销的方式是难以提高用户出行率的。因此,通过这种方式进行用户聚类分析,进而营销提高运营成效的方式并不理想。
作为另一种示例,预处理后的ETC历史信息所包含的数据指标包括:ETC用户数据中所有数据对应的消费属性占比(例如,用户A的消费属性占比为:收费路段ETC-0.5、旅游属性-0.3、购物属性-0.2)、ETC用户行程分布信息(例如,起点与终点的分布是离散的还是集中的;集中的起点与终点占总行程数的百分比等)、ETC用户出行时间信息(例如,ETC用户出行时间是离散的还是集中的,ETC用户出行时间处于上下班高峰期的百分比等);进而,根据ETC用户对应的消费属性占比、ETC用户行程分布信息和ETC用户出行时间信息进行聚类分析,可以对ETC用户数据进行有效利用。
在一些实施例中,用户的类别包括:第一类别和第二类别,其中,第一类别包括旅游用户、购物用户、运营用户和办公用户,第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
停车场ETC属性分析模块20,停车场ETC属性分析模块20用于获取停车场ETC对应的区域属性信息,并根据区域属性信息计算停车场ETC对应的消费属性权重。
即言,停车场ETC属性分析模块20用于获取停车场ETC对应的区域属性信息(例如,预设每个停车场ETC的辐射范围为1公里;则每个停车场ETC对应的区域即为方圆一公里的范围;进而,可以提取停车场ETC方圆一公里范围内的建筑物的属性信息作为对应的区域属性信息;具体地,区域属性信息可以为方圆一公里范围内每个建筑物的占地面积和对应的消费属性);接着,根据区域属性信息计算停车场ETC对应的消费属性权重(例如,首先,根据经纬度信息对方圆一公里范围进行切分,以形成多个均分的区块;接着,根据每个建筑物对应的消费属性来生成每个区块对应的属性;然后,根据每个区块的属性统计该方圆一公里范围内每种属性所对应的区块数量,以根据每种属性所对应的区块数量生成消费属性权重;或者,首先,计算每个建筑物的占地面积与区域占地总面积之间的比值;接着,根据每个建筑物对应的比值和消费属性来计算停车场ETC对应的消费属性权重)。
停车场数据分析模块30,停车场数据分析模块30用于获取停车场ETC对应的刷卡数据,并根据刷卡数据计算停车场ETC对应每个用户分类的推荐值。
其中,根据刷卡数据计算停车场ETC对应每个用户分类的推荐值的方式可以有多种。
作为一种示例,用户分类仅包括旅游用户、购物用户、运营用户和办公用户;进而,在用户到停车场ETC对应的刷卡数据之后,可以根据每个刷卡数据所对应的用户的分类,对刷卡数据进行统计;最终,根据统计结果,可以根据每个用户分类对应的数量占比来确定每个用户分类的推荐值。
而需要说明的是,当用户分类仅包括旅游用户、购物用户、运营用户和办公用户,且推荐值根据相应的用户分类来计算时,可能导致最终推荐结果不够精准的问题。可以理解,无论是旅游用户、购物用户、运营用户和办公用户;本地人与非本地人的喜好往往存在着极大的差异;例如,本地人与非本地人的吃食喜好不同、购物喜好不同;或者,同为旅游用户,本地旅游用户觉得某一景点并不值得游玩,而非本地旅游用户却觉得该景点为必须游玩的景点。
因此,为了克服上述问题;在一些实施例中,用户的类别包括:第一类别和第二类别,其中,第一类别包括旅游用户、购物用户、运营用户和办公用户,第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
根据刷卡数据计算停车场ETC对应每个用户分类的推荐值,包括:获取每个刷卡数据对应用户的第一类别和归属地信息,并判断归属地信息与相应停车场ETC的归属地信息是否一致,以及根据判断结果确定该刷卡数据的第二类别;获取预设时段内的刷卡数据,并统计预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将数据数量作为第二类别对应的推荐值。
即言,在获取到刷卡数据时,进一步获取该刷卡数据所对应的用户的第一类别和归属地信息,进而,根据用户的归属性信息和该停车场ETC的归属地信息是否一致;如果一致,则认为该用户为本地用户;如果不一致,则认为该用户为非本地用户;进而,根据判断结果确定该刷卡数据所对应的第二类别(例如,用户A的第一类别为旅游用户,而用户A的归属地信息与A停车场ETC的归属地信息不一致,则用户A当前在A停车场ETC所产生的刷卡数据所对应的第二类别为城际旅游用户);进一步地,获取预设时段内的刷卡数据,并统计所述预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将数据数量作为该停车场ETC中第二类别对应的推荐值,从而,通过上述方式,可以计算得到停车场ETC对应每个第二类别的推荐值。以便后续根据每个第二类别的推荐值来分别对本地用户和非本地用户进行目的地推荐,提高推荐的准确性。
导航模块40,导航模块40用于获取用户输入的消费属性信息和用户的当前定位信息,并将用户输入的消费属性信息和用户的当前定位信息发送给云服务器50。
即言,导航模块40用于获取用户输入的消费属性信息(例如,可以通过获取用户对于触控显示器的操作指令来获取用户输入的消费属性信息;或者,通过获取用户发出的语音信息来获取用户输入的消费属性信息)和用户的当前定位信息,并将用户输入的消费属性信息和用户的当前定位信息发送给云服务器50。
云服务器50用于根据消费属性信息获取预选停车场ETC,并根据预选停车场ETC中每个停车场ETC对应的定位信息和当前定位信息计算预选停车场ETC中每个停车场ETC对应的距离评分。
即言,云服务器50根据消费属性信息对相应区域内的停车场ETC进行筛选,以筛选出符合消费属性信息条件的预选停车场ETC(可以是一个也可以是多个);接着,根据预选停车场ETC中每个停车场ETC对应的定位信息和当前定位信息计算预选停车场ETC中每个停车场ETC对应的距离评分。
作为一种示例,云服务器50在接收到导航模块40发送的消费属性信息和用户的当前定位信息时;首先,根据用户的当前定位信息获取相应的归属地;进而,根据消费属性信息查询该归属地所对应的所有停车场ETC,并将所有停车场ETC中包含该消费属性的停车场ETC作为预选停车场ETC。
作为另一种示例,云服务器50在接收到导航模块40发送的消费属性信息和用户的当前定位信息时;进一步获取用户输入的搜索半径;并根据消费属性信息对搜索半径内的所有停车场ETC进行查询,以选取预选停车场ETC。
作为又一种示例,云服务器50在接收到导航模块40发送的消费属性信息和用户的当前定位信息时;首先,根据当前用户的归属地信息和用户的当前定位信息判断用户对应的第二类别,进而,根据消费属性信息查询预设范围内包含该消费属性的停车场ETC所对应的第二类别的推荐值;并将推荐值大于预设阈值的停车场ETC作为预选停车场ETC。
云服务器50还用于根据用户输入的消费属性信息和预选停车场ETC中每个停车场ETC对应的消费属性权重计算预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取预选停车场ETC中每个停车场ETC对应的推荐值,以及根据距离评分、消费属性评分和初始推荐值计算预选停车场ETC中每个停车场ETC对应的最终推荐值。
作为一种示例,预选停车场ETC中的A停车场ETC对应的消费属性权重为(旅游0.8、购物0.1、饮食0.1);而用户选择的消费属性信息为:旅游;预设初始消费属性评分为100;进而,根据初始消费属性评分和消费属性权重可以计算得到该停车场ETC对应的消费属性评分为80分;接着,根据用户分类获取相应的推荐值;然后,将距离评分、消费属性评分和初始推荐值的和值作为最终的推荐值。
作为另一种示例,首先,用户的类别包括:第一类别和第二类别,其中,第一类别包括旅游用户、购物用户、运营用户和办公用户,第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
根据用户分类获取预选停车场ETC中每个停车场ETC对应的推荐值,包括:获取用户的第一分类和归属地信息,并判断用户的归属地信息与预选停车场ETC中任意一个停车场ETC的归属地信息是否一致,以及根据判断结果确定用户的第二类别;根据用户的第二类别获取预选停车场ETC中每个停车场ETC对应的推荐值。
即言,根据用户的归属地信息和预选停车场ETC中任意一个停车场ETC的归属地信息判断用户是否为本地用户,并根据判断结果确定用户的第二类别,以获取其对应的推荐值;从而,可以分别为本地用户和非本地用户进行不同的推荐。
作为又一种示例,首先,计算距离评分、消费属性评分,并获取相应的推荐值;接着,获取用户对于预选模板的点选信息(例如:距离最近、味道最好、参与人数最多等);进而,根据点选信息获取相应预选模板对应的权重值(包含距离评分对应的权值、消费属性评分对应的权重值和推荐值对应的权重值);然后,根据权重值和距离评分、消费属性评分,并获取相应的推荐值计算最终推荐值。
云服务器50还用于根据最终推荐值对预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将推荐列表发送给导航模块。
导航模块40还用于对推荐列表展示给用户,并获取用户的选择指令,以及根据选择指令确定目的地信息,并根据当前定位信息和目的地信息生成导航路径,以便根据导航路径对用户进行导航。
其中,根据当前定位信息和目的地信息生成导航路径的方式可以有多种。
作为一种示例,云服务器还用于获取每个归属地对应的全域ETC的刷卡数据,并根据全域ETC的刷卡数据生成对应每个用户的历史行车轨迹;获取归属地的地图信息,并根据归属地的地图信息将归属地地图均匀切分为多个区块,以及根据该归属地中每个用户的历史行车轨迹计算每个区块对应的拥挤值。
而根据当前定位信息和目的地信息生成导航路径,包括:根据当前定位信息和目的地信息计算相应的可能路径,并根据可能路径途径区块对应的拥挤值统计该可能路径对应的拥挤值,以及将拥挤值最小的可能路径作为导航路径。
从而,可以根据用户使用ETC所产生的用户数据来对用户区域进行有效判断;以选择出最优路径。
综上所述,根据本发明实施例的全域ETC支撑下的智慧出行控制系统,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述智慧出行控制系统包括:用户分类模块,所述用户分类模块用于获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;停车场ETC属性分析模块,所述停车场ETC属性分析模块用于获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;停车场数据分析模块,所述停车场数据分析模块用于获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;导航模块,所述导航模块用于获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;所述云服务器用于根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;所述云服务器还用于根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;所述云服务器还用于根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;所述导航模块还用于对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航;从而实现自动对ETC用户的用户数据进行有效分析,提高ETC用户数据的利用率;同时,使得ETC用户数据分析能够有效服务于用户出行。
为了实现上述实施例,本发明实施例还提出了一种全域ETC支撑下的智慧出行控制方法,其中,全域ETC包括收费路段ETC和停车场ETC,如图2所示,该全域ETC支撑下的智慧出行控制方法包括以下步骤:
S101,用户分类模块获取用户的ETC历史信息,并对用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类。
S102,停车场ETC属性分析模块获取停车场ETC对应的区域属性信息,并根据区域属性信息计算停车场ETC对应的消费属性权重。
S103,停车场数据分析模块获取停车场ETC对应的刷卡数据,并根据刷卡数据计算停车场ETC对应每个用户分类的推荐值。
S104,导航模块获取用户输入的消费属性信息和用户的当前定位信息,并将用户输入的消费属性信息和用户的当前定位信息发送给云服务器。
S105,云服务器根据消费属性信息获取预选停车场ETC,并根据预选停车场ETC中每个停车场ETC对应的定位信息和当前定位信息计算预选停车场ETC中每个停车场ETC对应的距离评分。
S106,云服务器根据用户输入的消费属性信息和预选停车场ETC中每个停车场ETC对应的消费属性权重计算预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取预选停车场ETC中每个停车场ETC对应的推荐值,以及根据距离评分、消费属性评分和初始推荐值计算预选停车场ETC中每个停车场ETC对应的最终推荐值。
S107,云服务器根据最终推荐值对预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将推荐列表发送给导航模块。
S108,导航模块对推荐列表展示给用户,并获取用户的选择指令,以及根据选择指令确定目的地信息,并根据当前定位信息和目的地信息生成导航路径,以便根据导航路径对用户进行导航。
在一些实施例中,用户的类别包括:第一类别和第二类别,其中,所述第一类别包括旅游用户、购物用户、运营用户和办公用户,所述第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
在一些实施例中,根据刷卡数据计算停车场ETC对应每个用户分类的推荐值,包括:获取每个刷卡数据对应用户的第一类别和归属地信息,并判断归属地信息与相应停车场ETC的归属地信息是否一致,以及根据判断结果确定该刷卡数据的第二类别;获取预设时段内的刷卡数据,并统计预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将数据数量作为第二类别对应的推荐值。
需要说明的是,上述关于图1中全域ETC支撑下的智慧出行控制系统的描述同样适用于该全域ETC支撑下的智慧出行控制方法,在此不做赘述。
综上所述,根据本发明实施例的全域ETC支撑下的智慧出行控制方法,全域ETC包括收费路段ETC和停车场ETC,方法包括:首先,用户分类模块获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;接着,停车场ETC属性分析模块获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;然后,停车场数据分析模块获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;接着,导航模块获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;然后,所述云服务器根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;接着,所述云服务器根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;然后,所述云服务器根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;接着,所述导航模块对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航,从而实现自动对ETC用户的用户数据进行有效分析,提高ETC用户数据的利用率;同时,使得ETC用户数据分析能够有效服务于用户出行。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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用存储介质(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的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可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,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
在本发明的描述中,需要理解的是,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者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.全域ETC支撑下的智慧出行控制系统,其特征在于,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述智慧出行控制系统包括:
用户分类模块,所述用户分类模块用于获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;
停车场ETC属性分析模块,所述停车场ETC属性分析模块用于获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;
停车场数据分析模块,所述停车场数据分析模块用于获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;
导航模块,所述导航模块用于获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;
所述云服务器用于根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;
所述云服务器还用于根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;
所述云服务器还用于根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;
所述导航模块还用于对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航。
2.如权利要求1所述的全域ETC支撑下的智慧出行控制系统,其特征在于,对预处理后的ETC历史信息进行聚类分析,包括:
随机抽取所述预处理后的ETC历史信息中用户数据作为聚类样本,并使用PAM算法确定所述聚类样本中的多个最优聚类中心;
计算所述预处理后的ETC历史信息中每个用户数据到每个最优聚类中心的距离,并根据每个用户数据到每个最优聚类中心的距离确定该用户的所属第一类别。
3.如权利要求2所述的全域ETC支撑下的智慧出行控制系统,其特征在于,用户的类别包括:第一类别和第二类别,其中,所述第一类别包括旅游用户、购物用户、运营用户和办公用户,所述第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
4.如权利要求3所述的全域ETC支撑下的智慧出行控制系统,其特征在于,根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值,包括:
获取每个刷卡数据对应用户的第一类别和归属地信息,并判断用户的归属地信息与相应停车场ETC的归属地信息是否一致,以及根据判断结果确定该刷卡数据的第二类别;
获取预设时段内的刷卡数据,并统计所述预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将所述数据数量作为第二类别对应的推荐值。
5.如权利要求4所述的全域ETC支撑下的智慧出行控制系统,其特征在于,根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,包括:
获取用户的第一分类和归属地信息,并判断用户的归属地信息与预选停车场ETC中任意一个停车场ETC的归属地信息是否一致,以及根据判断结果确定用户的第二类别;
根据用户的第二类别获取所述预选停车场ETC中每个停车场ETC对应的推荐值。
6.如权利要求1所述的全域ETC支撑下的智慧出行控制系统,其特征在于,所述云服务器还用于获取每个归属地对应的全域ETC的刷卡数据,并根据所述全域ETC的刷卡数据生成对应每个用户的历史行车轨迹;
获取归属地的地图信息,并根据归属地的地图信息将归属地地图均匀切分为多个区块,以及根据该归属地中每个用户的历史行车轨迹计算每个区块对应的拥挤值。
7.如权利要求6所述的全域ETC支撑下的智慧出行控制系统,其特征在于,根据所述当前定位信息和所述目的地信息生成导航路径,包括:
根据所述当前定位信息和所述目的地信息计算相应的可能路径,并根据所述可能路径途径区块对应的拥挤值统计该可能路径对应的拥挤值,以及将拥挤值最小的可能路径作为导航路径。
8.一种全域ETC支撑下的智慧出行控制方法,其特征在于,所述全域ETC包括收费路段ETC和停车场ETC,其中,所述方法包括以下步骤:
用户分类模块获取用户的ETC历史信息,并对所述用户的ETC历史信息进行预处理,以及对预处理后的ETC历史信息进行聚类分析,以对所有用户进行分类;
停车场ETC属性分析模块获取停车场ETC对应的区域属性信息,并根据所述区域属性信息计算停车场ETC对应的消费属性权重;
停车场数据分析模块获取停车场ETC对应的刷卡数据,并根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值;
导航模块获取用户输入的消费属性信息和用户的当前定位信息,并将所述用户输入的消费属性信息和所述用户的当前定位信息发送给云服务器;
所述云服务器根据所述消费属性信息获取预选停车场ETC,并根据所述预选停车场ETC中每个停车场ETC对应的定位信息和所述当前定位信息计算所述预选停车场ETC中每个停车场ETC对应的距离评分;
所述云服务器根据所述用户输入的消费属性信息和所述预选停车场ETC中每个停车场ETC对应的消费属性权重计算所述预选停车场ETC中每个停车场ETC对应的消费属性评分,并根据用户分类获取所述预选停车场ETC中每个停车场ETC对应的推荐值,以及根据所述距离评分、所述消费属性评分和所述初始推荐值计算所述预选停车场ETC中每个停车场ETC对应的最终推荐值;
所述云服务器根据所述最终推荐值对所述预选停车场ETC中每个停车场ETC进行排序以生成推荐列表,并将所述推荐列表发送给所述导航模块;
所述导航模块对所述推荐列表展示给用户,并获取用户的选择指令,以及根据所述选择指令确定目的地信息,并根据所述当前定位信息和所述目的地信息生成导航路径,以便根据所述导航路径对用户进行导航。
9.如权利要求8所述的全域ETC支撑下的智慧出行控制方法,其特征在于,用户的类别包括:第一类别和第二类别,其中,所述第一类别包括旅游用户、购物用户、运营用户和办公用户,所述第二类别包括城内旅游用户、城际旅游用户、城内购物用户、城际购物用户、城内运营用户、城际运营用户、城内办公用户和城际办公用户。
10.如权利要求9所述的全域ETC支撑下的智慧出行控制方法,其特征在于,根据所述刷卡数据计算停车场ETC对应每个用户分类的推荐值,包括:
获取每个刷卡数据对应用户的第一类别和归属地信息,并判断所述归属地信息与相应停车场ETC的归属地信息是否一致,以及根据判断结果确定该刷卡数据的第二类别;
获取预设时段内的刷卡数据,并统计所述预设时段内的刷卡数据中每个第二类别对应的数据数量,以及将所述数据数量作为第二类别对应的推荐值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110735135.2A CN113470205B (zh) | 2021-06-30 | 2021-06-30 | 全域etc支撑下的智慧出行控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110735135.2A CN113470205B (zh) | 2021-06-30 | 2021-06-30 | 全域etc支撑下的智慧出行控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470205A true CN113470205A (zh) | 2021-10-01 |
CN113470205B CN113470205B (zh) | 2022-01-04 |
Family
ID=77874371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110735135.2A Active CN113470205B (zh) | 2021-06-30 | 2021-06-30 | 全域etc支撑下的智慧出行控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470205B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010117864A (ja) * | 2008-11-12 | 2010-05-27 | Toshiba Corp | 駐車場内情報提供システム |
US20140012498A1 (en) * | 2012-03-19 | 2014-01-09 | Thomas F. Gustafson | Informed Traveler Program and Application |
CN108831185A (zh) * | 2018-06-19 | 2018-11-16 | 深圳市元征科技股份有限公司 | 一种停车场推荐方法、系统及设备和存储介质 |
CN110660219A (zh) * | 2019-09-29 | 2020-01-07 | 百度在线网络技术(北京)有限公司 | 停车场停车预测方法和装置 |
CN110766944A (zh) * | 2019-10-28 | 2020-02-07 | 长沙地大物泊网络科技有限公司 | 一种基于车辆轨迹大数据挖掘的停车位推荐方法 |
CN111862664A (zh) * | 2019-04-09 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 一种停车调度方法及装置 |
CN112185162A (zh) * | 2020-09-18 | 2021-01-05 | 厦门路桥信息股份有限公司 | 停车位预约推荐方法及系统 |
CN112634647A (zh) * | 2020-12-10 | 2021-04-09 | 深圳集智数字科技有限公司 | 一种提供停车信息的导航系统、方法、设备及介质 |
CN112650941A (zh) * | 2019-10-12 | 2021-04-13 | 沈海峰 | 一种基于排序和协同算法的智能停车场推荐方法 |
-
2021
- 2021-06-30 CN CN202110735135.2A patent/CN113470205B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010117864A (ja) * | 2008-11-12 | 2010-05-27 | Toshiba Corp | 駐車場内情報提供システム |
US20140012498A1 (en) * | 2012-03-19 | 2014-01-09 | Thomas F. Gustafson | Informed Traveler Program and Application |
CN108831185A (zh) * | 2018-06-19 | 2018-11-16 | 深圳市元征科技股份有限公司 | 一种停车场推荐方法、系统及设备和存储介质 |
CN111862664A (zh) * | 2019-04-09 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 一种停车调度方法及装置 |
CN110660219A (zh) * | 2019-09-29 | 2020-01-07 | 百度在线网络技术(北京)有限公司 | 停车场停车预测方法和装置 |
CN112650941A (zh) * | 2019-10-12 | 2021-04-13 | 沈海峰 | 一种基于排序和协同算法的智能停车场推荐方法 |
CN110766944A (zh) * | 2019-10-28 | 2020-02-07 | 长沙地大物泊网络科技有限公司 | 一种基于车辆轨迹大数据挖掘的停车位推荐方法 |
CN112185162A (zh) * | 2020-09-18 | 2021-01-05 | 厦门路桥信息股份有限公司 | 停车位预约推荐方法及系统 |
CN112634647A (zh) * | 2020-12-10 | 2021-04-09 | 深圳集智数字科技有限公司 | 一种提供停车信息的导航系统、方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113470205B (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191896B (zh) | 个性化停车位推荐方法和系统 | |
Mátrai et al. | Comparative assessment of public bike sharing systems | |
CN108492557A (zh) | 基于多模型融合的高速公路拥堵等级判断方法 | |
US20210375128A1 (en) | System and method for detection and quantification of irregular traffic congestion | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN1434946A (zh) | 一种提供旅行时间预测的方法 | |
CN113506457B (zh) | 基于大型停车场场景下寻找停车位的装置和方法 | |
CN108961758A (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
CN113971893B (zh) | 一种车位推荐方法、装置及存储介质 | |
CN110363990A (zh) | 一种公交畅行指数获取方法、系统及装置 | |
CN112487281A (zh) | 一种立体车库推荐方法 | |
CN112767683A (zh) | 一种基于反馈机制的路径诱导方法 | |
CN110362640B (zh) | 一种基于电子地图数据的任务分配方法及装置 | |
CN116524712A (zh) | 融合时空关联数据的高速公路拥堵预测方法、系统及装置 | |
CN115083161A (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
CN114428916A (zh) | 停车场推荐方法以及相关装置 | |
CN113470205B (zh) | 全域etc支撑下的智慧出行控制系统及方法 | |
CN106446194B (zh) | 一种地理区域的采集参数确定方法及装置 | |
Pandey et al. | Assessment of Level of Service on urban roads: a revisit to past studies. | |
CN113284340B (zh) | 道路交通安全分级系统 | |
CN114413923B (zh) | 一种行驶路线推荐方法、装置、存储介质及系统 | |
KR101545494B1 (ko) | 교통 혼잡도 계산 시스템 및 방법 | |
CN115060278A (zh) | 基于多目标遗传算法的车辆智能换电导航方法和系统 | |
CN113095570B (zh) | 基于需求差异性的自行车骑行路径推荐方法 | |
Raj et al. | Evaluation of perception and nonperception based approaches for modeling urban road level of service |
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 |