CN113689125A - 信息推送方法和装置 - Google Patents

信息推送方法和装置 Download PDF

Info

Publication number
CN113689125A
CN113689125A CN202110986563.2A CN202110986563A CN113689125A CN 113689125 A CN113689125 A CN 113689125A CN 202110986563 A CN202110986563 A CN 202110986563A CN 113689125 A CN113689125 A CN 113689125A
Authority
CN
China
Prior art keywords
information
target vehicle
car washing
current
cleaning
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
Application number
CN202110986563.2A
Other languages
English (en)
Inventor
缪石乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202110986563.2A priority Critical patent/CN113689125A/zh
Publication of CN113689125A publication Critical patent/CN113689125A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开公开了信息推送方法和装置，涉及车联网和智能座舱技术领域，具体涉及大数据处理技术领域。具体实现方案为：首先响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息，之后基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集，然后基于标签集，预测目标车辆对应的洗车推荐信息，最后将洗车推荐信息推送给目标车辆对应的目标用户，可以实现根据目标车辆的历史洗车信息确定目标用户对目标车辆的洗车习惯规律，从而可以确定出针对目标车辆的洗车偏好情况，能够为目标用户推送适合的洗车推荐信息。

Description

信息推送方法和装置
技术领域
本公开涉及车联网和智能座舱技术领域，具体涉及大数据处理技术领域，尤其涉及信息推送方法和装置。
背景技术
近年来随着社会的进步以及生活水平的提高，越来越多的家庭和公司选择用汽车作为出行必备的交通工具。汽车保有量呈现快速增长的趋势，而汽车保有量的增长也给汽车相关联的产业市场提供了潜在的发展基础。
消费者观念不断变化，使得汽车从“以修为主”到“以养为主”，呈现出了汽车日常维护的多元化。现在的洗车模式通常为：用户自主判断，在确定需要洗车时，在线上预约洗车，然后再去预约的洗车店进行洗车等。
发明内容
本公开提供了一种信息推送方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面，提供了一种信息推送方法，该方法包括：响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息；基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集；基于标签集，预测目标车辆对应的洗车推荐信息；将洗车推荐信息推送给目标车辆对应的目标用户。
根据本公开的另一方面，提供了一种信息推送装置，该装置包括：获取模块，被配置成响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息；确定模块，被配置成基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集；预测模块，被配置成基于标签集，预测目标车辆对应的洗车推荐信息；推送模块，被配置成将洗车推荐信息推送给目标车辆对应的目标用户。
根据本公开的另一方面，提供了一种电子设备，该电子设备包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述信息推送方法。
根据本公开的另一方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机指令，该计算机指令用于使计算机能够执行上述信息推送方法。
根据本公开的另一方面，本申请实施例提供了一种计算机程序产品，其包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述信息推送方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开的信息推送方法的一个实施例的流程图；
图2是根据本公开的信息推送方法的一个应用场景的示意图；
图3是根据本公开的生成历史洗车信息的一个实施例的流程图；
图4是根据本公开的生成历史洗车信息的另一个实施例的流程图；
图5是根据本公开的信息推送方法的另一个实施例的流程图；
图6是根据本公开的信息推送装置的一个实施例的结构示意图；
图7是用来实现本公开实施例的信息推送方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
参考图1，图1示出了可以应用于本公开的信息推送方法的实施例的流程示意图100。该信息推送方法包括以下步骤：
步骤110，响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息。
在本实施例中，信息推送方法的执行主体(例如服务器)可以获取当前时间，并对当前时间进行判断，确定当前时间是否满足预设条件，该预设条件可以表征用于预测洗车信息的时间条件，可以是预设时间间隔，例如每天、每周、每隔几天等等；还可以是预设时间，例如，每天上午9点、每周一、每月1号等等，本公开对此不做具体限定。
上述执行主体经过对当前时间的判断确定当前时间满足用于预测洗车信息的预设条件，则在本地读取目标车辆对应的历史洗车信息，该历史洗车信息包括目标车辆在多个历史时间点对应的车辆信息，该车辆信息可以包括目标车辆的洗车信息，该历史洗车信息还可以包括目标车辆的车身洁净信息。其中，不同历史时间点对应的车辆信息可以是由目标车辆的目标用户上传至上述执行主体的信息，还可以是由上述执行主体针对不同历史时间点的目标车辆进行采集获取到的信息，可以按照历史时间点的时间顺序对车辆信息进行存储生成历史洗车信息。
步骤120，基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集。
在本实施例中，上述执行主体获取到目标车辆的历史洗车信息后，可以对历史洗车信息中的历史数据进行特征提取，确定出能够用于表示目标车辆洗车条件的标签集，该标签集可以包括多个不同维度的洗车标签，可以包括目标车辆的洗车周期标签、洗车地点标签、洗车时间标签、洗车时间对应的车身洁净信息标签等等，其中，洗车周期标签可以表征目标车辆的洗车周期规律，例如每三个月、每五个月等；洗车地点标签可以表征目标车辆的洗车地点规律，例如习惯洗车店等；洗车时间标签可以表征目标车辆的洗车时间规律，例如节假日或周末等；洗车时间对应的车身洁净信息标签可以表征目标车辆的车身洁净信息处于某个范围进行洗车的洗车规律，例如车身洁净信息处于分值在50时洗车等。
作为示例，若历史洗车信息中包括目标车辆在多个历史时间点对应的车辆信息，该车辆信息可以包括目标车辆的洗车信息，其中，洗车信息可以包括目标车辆对应的多个历史洗车时间和洗车地点，上述执行主体可以对历史洗车信息进行特征提取，确定出目标车辆的洗车规律，即目标车辆的洗车时间标签、洗车周期标签、洗车地点标签等。
作为示例，若历史洗车信息中包括目标车辆在多个历史时间点的车身洁净信息，上述执行主体可以对历史洗车信息进行分析和特征提取，根据车身洁净信息进行比对，确定出目标车辆的洗车时间规律，从而可以确定出目标车辆的洗车时间标签、洗车周期标签等。
步骤130，基于标签集，预测目标车辆对应的洗车推荐信息。
在本实施例中，上述执行主体确定出目标车辆对应的标签集后，根据标签集中不同维度的洗车标签预测出当前时间之后的满足这些洗车标签的洗车推荐信息，该洗车推荐信息可以包括目标车辆在当前时间之后的下一次洗车时间和/洗车地点。
作为示例，上述执行主体获取到标签集后，可以根据标签集中的洗车时间标签和洗车周期标签，对当前时间之后的未来时间进行匹配，确定出能够满足洗车时间标签和洗车周期标签的一个未来时间，并将该未来时间作为目标车辆对应的洗车推荐信息。
作为示例，上述执行主体获取到标签集后，可以根据标签集中的洗车时间标签、洗车周期标签和洗车地点标签，对当前时间之后的未来时间进行匹配，确定出能够满足洗车时间标签、洗车周期标签和洗车地点标签的一个未来时间和洗车地点，并将该未来时间和洗车地点作为目标车辆对应的洗车推荐信息。
步骤140，将洗车推荐信息推送给目标车辆对应的目标用户。
在本实施例中，上述执行主体根据标签集确定出洗车推荐信息后，可以根据目标车辆的搭载当前场景，选择与当前场景对应的交互将信息推荐给目标车辆对应的目标用户，例如语音播报、系统卡片推荐、消息推送等多种形式。
作为示例，上述执行主体确定出洗车推荐信息后，可以将洗车推荐信息发送给目标车辆的车载终端，车载终端根据目标车辆的当前场景以语音播报的形式向目标用户播报洗车推荐信息。
继续参考图2，图2是根据本实施例的信息推送方法的一个应用场景的示意图。在图2的应用场景中，服务器201可以实时获取当前时间，并判断当前时间是否满足用于预测洗车信息的预设条件，若确定当前时间满足预设条件，则获取目标车辆对应的历史洗车信息。然后服务器201可以根据目标车辆的历史洗车信息，对历史洗车信息进行分析提取，确定用于表示目标车辆洗车条件的标签集，该标签集可以包括表征多个不同维度的洗车条件的洗车标签。并且服务器201可以根据标签集中多个不同维度的洗车标签，预测满足洗车条件的洗车推荐信息，以及服务器201将确定出的洗车推荐信息以与当前场景对应的交互方式推送给目标车辆对应的目标用户。
本公开的实施例提供的信息推送方法，通过响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息，之后基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集，然后基于标签集，预测目标车辆对应的洗车推荐信息，最后将洗车推荐信息推送给目标车辆对应的目标用户，可以实现根据目标车辆的历史洗车信息确定目标用户对目标车辆的洗车习惯规律，从而可以确定出针对目标车辆的洗车偏好情况，能够为目标用户推送适合的洗车推荐信息，提高了洗车信息的针对性，以及，能够实现针对不同用户推送不同的洗车推荐信息，提高了洗车推荐信息在用户群体当中的针对性和采纳率。
参考图3，图3示出了生成历史洗车信息的一个实施例的流程图300，即上述目标车辆对应的历史洗车信息基于以下步骤生成：
步骤310，获取目标车辆对应的多张当前车身图像。
在本步骤中，目标用户可以启动目标车辆，目标车辆的车载终端可以通过摄像头拍摄目标车辆的当前车身图像。摄像头可以按照在车身的不同位置，从而车载终端可以通过不同位置的摄像头采集不同维度的车身图像，以获取到不同方向维度的多张当前车身图像，每张当前车身图像中可以包括不同位置对应的部分车身或全部车身。车载终端采集到多张当前车身图像后，可以将当前车身图像发送给上述执行主体，上述执行主体可以确定目标车辆启动，并接收目标车辆对应的多张当前车身图像。
或者，目标用户可以启动目标车辆，目标车辆的车载终端可以将车辆启动信号发送至上述执行主体，上述执行主体接收到目标车辆的车辆启动信号后，确定目标车辆启动，则向目标车辆的车载终端发送车身图像采集指令。车载终端接收到车身图像采集指令后可以通过按照在车身不同位置的摄像头拍摄目标车辆的当前车身图像，采集到不同方向维度的多张当前车身图像，每张当前车身图像中可以包括不同位置对应的部分车身或全部车身。车载终端采集到多张当前车身图像后，可以将当前车身图像发送给上述执行主体，上述执行主体可以接收目标车辆对应的多张当前车身图像。
步骤320，基于多张当前车身图像和图像识别模型，生成目标车辆对应的当前洁净信息。
在本步骤中，上述执行主体获取到目标车辆对应的多张当前车身图像后，可以分别将每张当前车身图像输入至图像识别模型中图像识别模型对每张输入的当前车身图像进行识别处理，输出每张当前车身对应的洁净信息，该洁净信息可以表示当前车身图像中包括的车身的洁净程度，可以包括车身洁净分值或车身洁净等级等能够表示车身洁净程度的不同类型信息。
上述执行主体获取到每张当前车身图像对应的洁净信息后，可以对多个洁净信息进行统计分析，生成目标车辆对应的当前洁净信息，该当前洁净信息可以表示目标车辆的洁净程度，例如可以对多个洁净信息进行求平均处理，则将多个洁净信息的平均值作为目标车辆对应的当前洁净信息。
作为示例，上述执行主体获取到4张当前车身图像，分别为图像A、图像B、图像C和图像D，并分别将图像A、图像B、图像C和图像D依次输入图像识别模型，以输出图像A对应的洁净信息A，图像B对应的洁净信息B，图像C对应的洁净信息C和图像D对应的洁净信息D。然后上述执行主体可以求取洁净信息A、洁净信息B、洁净信息C和洁净信息D的平均数，作为目标车辆对应的当前洁净信息。
作为一个可选实现方式，上述图像识别模型可以基于以下步骤获取：
第一步，获取训练样本集。
在本步骤中，上述执行主体可以获取训练样本集，该训练样本集可以包括样本车身图像和样本车身图像对应的标注洁净信息。即上述执行主体可以获取到多个不同的样本车身图像，并对每张样本车身图像的洁净程度进行标注，得到每张样本车身图像的标注洁净信息。
第二步，利用机器学习方法，将样本车身图像作为输入，将与输入的样本车身图像对应的标注洁净信息作为期望输出，对初始深度神经网络进行训练，得到图像识别模型。
在本步骤中，上述执行主体可以获取到训练样本集后，获取初始深度神经网络。上述执行主体可以利用机器学习方法，基于训练样本集对初始深度神经网络进行训练，得到图像识别模型。
具体地，上述执行主体可以将样本车身图像作为输入，经过初始深度神经网络的处理，得到相应的预测信息，上述初始深度神经网络可以是现有的各种神经网络。
若预测信息不满足约束条件，则调整初始深度神经网络的网络参数，并再次输入样本车身图像继续进行训练。若预测信息满足约束条件，则模型训练完成，得到图像识别模型。其中，该约束条件可以是预测信息与标注洁净信息之间的差值满足预设阈值，该预设阈值可以根据经验预先设定，本公开对此不做具体限定。
在本实现方式中，通过获取到的样本车身图像和标注洁净信息训练初始深度神经网络，得到图像识别模型，能够提高图像识别模型的准确性和图像识别效率。
步骤330，基于当前洁净信息，生成目标车辆对应的历史洗车信息。
在本步骤中，上述执行主体可以获取到目标车辆每次启动时针对的多张车身图像和车身洁净信息，将每次启动时针对的车身洁净信息在本地进行存储，并且上述执行主体可以按照时间顺序或者车身图像采集顺序对目标车辆的洁净信息进行排列和存储。上述执行主体获取到目标车辆的当前洁净信息后，可以将当前洁净信息进行存储，作为目标车辆对应的历史洗车信息，即上述执行主体可以在本地存储中获取目标车辆对应的当前洁净信息之前的全部洁净信息，并将当前洁净信息存储在全部洁净信息之后，以生成目标车辆对应的历史洗车信息，从而目标车辆对应的历史洗车信息中可以包括按照时间顺序或者车身图像采集顺序进行排列的目标车辆的洁净信息。
在本实现方式中，通过图像识别模型和多张车身图像生成当前洁净信息，并基于当前洁净信息，生成目标车辆对应的历史洗车信息，提高了图像识别的效率和准确性，从而提高了当前洁净信息的获取效率和准确性，以及使得历史洗车信息更准确。
参考图4，图4示出了生成历史洗车信息的另一个实施例的流程示意图400，即上述步骤330，基于当前洁净信息，生成目标车辆对应的历史洗车信息，还可以包括以下步骤：
步骤410，判断当前洁净信息是否小于预设洁净阈值。
在本实施例中，上述执行主体获取到目标车辆的当前洁净信息后，可以获取目标车辆对应的预设洁净阈值，该预设洁净阈值可以表示目标车辆已经处于洗车效果的洁净信息，该预设洁净阈值可以根据选择的图像识别算法或者模型训练样本的不同进行调整，可以根据实际需要灵活调整。上述执行主体可以将获取到的当前洁净信息和预设洁净阈值进行比较，判断当前洁净信息是否小于预设洁净阈值。
步骤420，响应于确定当前洁净信息小于预设洁净阈值，存储当前洁净信息，生成目标车辆对应的历史洁净信息。
在本实施例中，上述执行主体经判断确定当前洁净信息小于预设洁净阈值，则可以确定目标车辆目前未洗车。上述执行主体可以将当前洁净信息进行存储，作为目标车辆对应的历史洗车信息，即上述执行主体可以在本地存储中获取目标车辆对应的当前洁净信息之前的全部洁净信息，并将当前洁净信息存储在全部洁净信息之后，以生成目标车辆对应的历史洗车信息，从而目标车辆对应的历史洗车信息中可以包括按照时间顺序或者车身图像采集顺序进行排列的目标车辆的洁净信息。
在本实现方式中，通过确定当前洁净信息小于预设洁净阈值，基于当前洁净信息，生成目标车辆对应的历史洗车信息，提高了历史洗车信息准确性和直观性，使得历史洗车信息更准确和更具体。
继续参考图4，上述步骤330，基于当前洁净信息，生成目标车辆对应的历史洗车信息，还可以包括以下步骤：
步骤430，响应于确定当前洁净信息不小于预设洁净阈值，获取当前洁净信息的上一次洁净信息。
在本实施例中，上述执行主体经判断确定当前洁净信息不小于预设洁净阈值，则可以进一步从当前洁净信息之前的全部洁净信息中获取当前洁净信息的上一次洁净信息。上述执行主体可以将获取到的上一次洁净信息和预设洁净阈值进行比较，判断上一次洁净信息是否小于预设洁净阈值。
步骤440，响应于确定上一次洁净信息小于预设洁净阈值，获取当前洁净信息对应的当前洗车信息。
在本实施例中，上述执行主体经判断确定上一次洁净信息小于预设洁净阈值，则可以确定目标车辆的当前洁净信息大于等于预设洁净阈值，上一次洁净信息小于预设洁净阈值，从而可以确定目标车辆在当前时间已经洗车。上述执行主体确定目标车辆已经洗车后，可以获取当前洁净信息对应的当前时间、当前地点等当前洗车信息。
步骤450，基于当前洗车信息，生成目标车辆对应的历史洗车信息。
在本实施例中，上述执行主体获取到当前洗车信息后，可以直接将当前洗车信息存储在本地，作为目标车辆对应的历史洗车信息。
或者，上述执行主体获取到当前洗车信息后，可以将当前洗车信息与当前洁净信息关联，并将当前洁净信息存储在全部洁净信息之后，以生成目标车辆对应的历史洗车信息，从而目标车辆对应的历史洗车信息中可以包括按照时间顺序或者车身图像采集顺序进行排列的目标车辆的洁净信息。
在本实现方式中，通过根据当前洗车信息确定历史洗车信息，可以更直观的确定目标车辆的洗车时间和洗车地点等洗车信息，可以更准确、更快速地获取目标车辆的洗车信息。
参考图5，图5示出了信息推送方法的另一个实施例的流程图500，该信息推送方法可以包括以下步骤：
步骤510，响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息。
本实施例的步骤510可以按照与图1所示实施例中的步骤110类似的方式执行，此处不赘述。
步骤520，基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集。
本实施例的步骤520可以按照与图1所示实施例中的步骤120类似的方式执行，此处不赘述。
步骤530，基于标签集，预测目标车辆对应的洗车推荐信息。
本实施例的步骤530可以按照与图1所示实施例中的步骤130类似的方式执行，此处不赘述。
步骤540，响应于确定目标车辆启动，获取当前时间和目标车辆的推荐洗车时间。
在本实施例中，洗车推荐信息可以包括推荐洗车时间、推荐洗车地点等。目标用户可以启动目标车辆，目标车辆的车载终端可以将车辆启动信号发送至上述执行主体，上述执行主体接收到目标车辆的车辆启动信号后，可以获取当前时间和目标车辆的推荐洗车时间。
步骤550，响应于确定当前时间和推荐洗车时间之间满足预设时间条件，获取推荐洗车时间关联的天气信息。
在本实施例中，上述执行主体可以确定当前时间和推荐洗车时间之间的时间差，并将该时间差与预设时间差进行比较，判断该时间差是否小于预设时间差。若确定该时间差小于预设时间差，则确定当前时间和推荐洗车时间之间满足预设时间条件，该预设时间条件可以表示当前时间和推荐洗车时间之间的时间差满足小于预设时间差。
上述执行主体经判断确定当前时间和推荐洗车时间之间满足预设时间条件，可以获取推荐洗车时间关联的天气信息，该天气信息可以包括推荐洗车时间对应当天天气是有雨、或者晴天、或是阴天等。
或者，上述执行主体经判断确定当前时间和推荐洗车时间之间满足预设时间条件，可以根据推荐洗车时间和推荐洗车地点确定关联的天气信息，该天气信息可以包括推荐洗车时间当天、推荐洗车地点对应的天气是有雨、或者晴天、或是阴天等。
步骤560，响应于确定天气信息满足天气条件，将洗车推荐信息推送给目标车辆对应的目标用户。
在本实施例中，上述执行主体获取到推荐洗车时间关联的天气信息后，对天气信息进行判断，确定天气信息是否满足天气条件，该天气条件可以表示可以洗车的天气，例如可以为晴天、阴天。上述执行主体经判断确定天气信息满足天气条件，可以将洗车推荐信息推送给目标车辆对应的目标用户，即可以根据目标车辆的搭载当前场景，选择与当前场景对应的交互将信息推荐给目标车辆对应的目标用户，例如语音播报、系统卡片推荐、消息推送等多种形式。作为示例，上述执行主体可以将洗车推荐信息发送给目标车辆的车载终端，车载终端根据目标车辆的当前场景以语音播报的形式向目标用户播报洗车推荐信息。
在本实施例中，通过根据天气条件对洗车推荐信息进一步判断，能够结合天气维度，避免因为恶劣天气对用户洗车造成的影响，提高了洗车推荐信息的准确性和采纳率。
作为一个可选实现方式，上述信息推送方法，还可以包括以下步骤：
步骤570，响应于确定天气信息不满足天气条件，基于天气信息和洗车推荐信息，更新目标车辆对应的洗车推荐信息。
具体地，上述执行主体经判断确定天气信息不满足天气条件，可以根据洗车推荐信息中的推荐洗车时间确定与该推荐洗车时间相邻的多天天气信息，更新目标车辆对应的洗车推荐信息，确定出一个临近的满足天气条件的时间作为新的洗车推荐信息。或者，上述执行主体经判断确定天气信息不满足天气条件，可以根据洗车推荐信息中的推荐洗车时间确定与该推荐洗车时间相邻的多天天气信息，以及根据目标车辆对应的洗车周期、洗车习惯，更新目标车辆对应的洗车推荐信息，确定出一个满足天气条件、满足目标车辆对应的洗车周期、洗车习惯的时间作为新的洗车推荐信息。
上述执行主体可以根据目标车辆的搭载当前场景，选择与当前场景对应的交互将信息推荐给目标车辆对应的目标用户，例如语音播报、系统卡片推荐、消息推送等多种形式。作为示例，上述执行主体可以将新的洗车推荐信息发送给目标车辆的车载终端，车载终端根据目标车辆的当前场景以语音播报的形式向目标用户播报新的洗车推荐信息。
在本实现方式中，通过根据洗车推荐信息和天气信息更新不满足天气条件的洗车推荐信息，使得洗车推荐信息更贴合目标用户习惯和天气，提高了洗车推荐信息的准确性和多样性。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于电子设备中。
如图6所示，本实施例的信息推送装置600包括：获取模块610，确定模块620，预测模块630和推送模块640。
其中，获取模块610，被配置成响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息；
确定模块620，被配置成基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集；
预测模块630，被配置成基于标签集，预测目标车辆对应的洗车推荐信息；
推送模块640，被配置成将洗车推荐信息推送给目标车辆对应的目标用户。
在本实施例的一些可选的方式中，该装置还包括：生成模块；以及获取模块610，进一步被配置成：获取目标车辆对应的多张当前车身图像；生成模块，被配置成：基于多张当前车身图像和图像识别模型，生成目标车辆对应的当前洁净信息；基于当前洁净信息，生成目标车辆对应的历史洗车信息。
在本实施例的一些可选的方式中，生成模块，进一步被配置成：判断当前洁净信息是否小于预设洁净阈值；响应于确定当前洁净信息小于预设洁净阈值，存储当前洁净信息，生成目标车辆对应的历史洁净信息。
在本实施例的一些可选的方式中，生成模块，进一步被配置成：响应于确定当前洁净信息不小于预设洁净阈值，获取当前洁净信息的上一次洁净信息；响应于确定上一次洁净信息小于预设洁净阈值，获取当前洁净信息对应的当前洗车信息；基于当前洗车信息，生成目标车辆对应的历史洗车信息。
在本实施例的一些可选的方式中，图像识别模型基于以下步骤获取：获取训练样本集，训练样本集包括样本车身图像和样本车身图像对应的标注洁净信息；利用机器学习方法，将样本车身图像作为输入，将与输入的样本车身图像对应的标注洁净信息作为期望输出，对初始深度神经网络进行训练，得到图像识别模型。
在本实施例的一些可选的方式中，洗车推荐信息包括推荐洗车时间；以及，获取模块610，进一步被配置成：响应于确定目标车辆启动，获取当前时间和目标车辆的推荐洗车时间；响应于确定当前时间和推荐洗车时间之间满足预设时间条件，获取推荐洗车时间关联的天气信息；推送模块640，进一步被配置成：响应于确定天气信息满足天气条件，将洗车推荐信息推送给目标车辆对应的目标用户。
在本实施例的一些可选的方式中，该装置还包括：更新模块，被配置成响应于确定天气信息不满足天气条件，基于天气信息和洗车推荐信息，更新目标车辆对应的洗车推荐信息。
本公开的实施例提供的信息推送装置，通过响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息，之后基于历史洗车信息，确定用于表示目标车辆洗车条件的标签集，然后基于标签集，预测目标车辆对应的洗车推荐信息，最后将洗车推荐信息推送给目标车辆对应的目标用户，可以实现根据目标车辆的历史洗车信息确定目标用户对目标车辆的洗车习惯规律，从而可以确定出针对目标车辆的洗车偏好情况，能够为目标用户推送适合的洗车推荐信息，提高了洗车信息的针对性，以及，能够实现针对不同用户推送不同的洗车推荐信息，提高了洗车推荐信息在用户群体当中的针对性和采纳率。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如信息推送方法。例如，在一些实施例中，信息推送方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的信息推送方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息推送方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种信息推送方法，包括：
响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息；
基于所述历史洗车信息，确定用于表示所述目标车辆洗车条件的标签集；
基于所述标签集，预测所述目标车辆对应的洗车推荐信息；
将所述洗车推荐信息推送给所述目标车辆对应的目标用户。
2.根据权利要求1所述的方法，其中，所述目标车辆对应的历史洗车信息基于以下步骤生成：
获取所述目标车辆对应的多张当前车身图像；
基于所述多张当前车身图像和图像识别模型，生成所述目标车辆对应的当前洁净信息；
基于所述当前洁净信息，生成所述目标车辆对应的历史洗车信息。
3.根据权利要求2所述的方法，其中，所述基于所述当前洁净信息，生成所述目标车辆对应的历史洗车信息，包括：
判断所述当前洁净信息是否小于预设洁净阈值；
响应于确定所述当前洁净信息小于所述预设洁净阈值，存储所述当前洁净信息，生成所述目标车辆对应的历史洁净信息。
4.根据权利要求3所述的方法，其中，所述基于所述当前洁净信息，生成所述目标车辆对应的历史洗车信息，还包括：
响应于确定所述当前洁净信息不小于所述预设洁净阈值，获取所述当前洁净信息的上一次洁净信息；
响应于确定所述上一次洁净信息小于所述预设洁净阈值，获取所述当前洁净信息对应的当前洗车信息；
基于所述当前洗车信息，生成所述目标车辆对应的历史洗车信息。
5.根据权利要求2所述的方法，其中，所述图像识别模型基于以下步骤获取：
获取训练样本集，所述训练样本集包括样本车身图像和所述样本车身图像对应的标注洁净信息；
利用机器学习方法，将所述样本车身图像作为输入，将与输入的样本车身图像对应的标注洁净信息作为期望输出，对初始深度神经网络进行训练，得到图像识别模型。
6.根据权利要求1-5任意一项所述的方法，其中，所述洗车推荐信息包括推荐洗车时间；以及，所述方法还包括：
响应于确定所述目标车辆启动，获取当前时间和所述目标车辆的推荐洗车时间；
响应于确定所述当前时间和所述推荐洗车时间之间满足预设时间条件，获取所述推荐洗车时间关联的天气信息；
响应于确定所述天气信息满足天气条件，将所述洗车推荐信息推送给所述目标车辆对应的目标用户。
7.根据权利要求6所述的方法，其中，所述方法还包括：
响应于确定所述天气信息不满足天气条件，基于所述天气信息和所述洗车推荐信息，更新所述目标车辆对应的洗车推荐信息。
8.一种信息推送装置，包括：
获取模块，被配置成响应于确定当前时间满足用于预测洗车信息的预设条件，获取目标车辆对应的历史洗车信息；
确定模块，被配置成基于所述历史洗车信息，确定用于表示所述目标车辆洗车条件的标签集；
预测模块，被配置成基于所述标签集，预测所述目标车辆对应的洗车推荐信息；
推送模块，被配置成将所述洗车推荐信息推送给所述目标车辆对应的目标用户。
9.根据权利要求8所述的装置，其中，所述装置还包括：生成模块；以及
所述获取模块，进一步被配置成：获取所述目标车辆对应的多张当前车身图像；
所述生成模块，被配置成：基于所述多张当前车身图像和图像识别模型，生成所述目标车辆对应的当前洁净信息；基于所述当前洁净信息，生成所述目标车辆对应的历史洗车信息。
10.根据权利要求9所述的装置，其中，所述生成模块，进一步被配置成：
判断所述当前洁净信息是否小于预设洁净阈值；
响应于确定所述当前洁净信息小于所述预设洁净阈值，存储所述当前洁净信息，生成所述目标车辆对应的历史洁净信息。
11.根据权利要求10所述的装置，其中，所述生成模块，进一步被配置成：
响应于确定所述当前洁净信息不小于所述预设洁净阈值，获取所述当前洁净信息的上一次洁净信息；
响应于确定所述上一次洁净信息小于所述预设洁净阈值，获取所述当前洁净信息对应的当前洗车信息；
基于所述当前洗车信息，生成所述目标车辆对应的历史洗车信息。
12.根据权利要求10所述的装置，其中，所述图像识别模型基于以下步骤获取：
获取训练样本集，所述训练样本集包括样本车身图像和所述样本车身图像对应的标注洁净信息；
利用机器学习方法，将所述样本车身图像作为输入，将与输入的样本车身图像对应的标注洁净信息作为期望输出，对初始深度神经网络进行训练，得到图像识别模型。
13.根据权利要求8-12任意一项所述的装置，其中，所述洗车推荐信息包括推荐洗车时间；以及，
所述获取模块，进一步被配置成：响应于确定所述目标车辆启动，获取当前时间和所述目标车辆的推荐洗车时间；响应于确定所述当前时间和所述推荐洗车时间之间满足预设时间条件，获取所述推荐洗车时间关联的天气信息；
所述推送模块，进一步被配置成：响应于确定所述天气信息满足天气条件，将所述洗车推荐信息推送给所述目标车辆对应的目标用户。
14.根据权利要求13所述的装置，其中，所述装置还包括：
更新模块，被配置成响应于确定所述天气信息不满足天气条件，基于所述天气信息和所述洗车推荐信息，更新所述目标车辆对应的洗车推荐信息。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。
CN202110986563.2A 2021-08-26 2021-08-26 信息推送方法和装置 Pending CN113689125A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110986563.2A CN113689125A (zh) 2021-08-26 2021-08-26 信息推送方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110986563.2A CN113689125A (zh) 2021-08-26 2021-08-26 信息推送方法和装置

Publications (1)

Publication Number Publication Date
CN113689125A true CN113689125A (zh) 2021-11-23

Family

ID=78582823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110986563.2A Pending CN113689125A (zh) 2021-08-26 2021-08-26 信息推送方法和装置

Country Status (1)

Country Link
CN (1) CN113689125A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116639067A (zh) * 2022-12-29 2023-08-25 摩斯智联科技有限公司 车辆清洗智能判断系统
CN118112933A (zh) * 2024-04-18 2024-05-31 广东车海洋环保科技有限公司 基于用户习惯生成洗车参数的方法、系统、设备及介质
CN118396723A (zh) * 2024-06-28 2024-07-26 广东车卫士信息科技有限公司 用户的洗车服务信息推送方法、系统、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120173324A1 (en) * 2010-12-29 2012-07-05 Ebay, Inc. Dynamic Product/Service Recommendations
KR20170023515A (ko) * 2015-08-24 2017-03-06 주식회사 드로우하트 세차 예약 장치 및 그 방법
CN108304435A (zh) * 2017-09-08 2018-07-20 腾讯科技（深圳）有限公司 信息推荐方法、装置、计算机设备及存储介质
CN109670777A (zh) * 2018-11-22 2019-04-23 深圳市万华汽车服务投资控股有限公司 洗车提醒信息推送方法、装置及洗车系统
CN112559858A (zh) * 2020-12-08 2021-03-26 腾讯科技（深圳）有限公司 服务信息的推送方法、装置、计算机可读介质及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120173324A1 (en) * 2010-12-29 2012-07-05 Ebay, Inc. Dynamic Product/Service Recommendations
KR20170023515A (ko) * 2015-08-24 2017-03-06 주식회사 드로우하트 세차 예약 장치 및 그 방법
CN108304435A (zh) * 2017-09-08 2018-07-20 腾讯科技（深圳）有限公司 信息推荐方法、装置、计算机设备及存储介质
CN109670777A (zh) * 2018-11-22 2019-04-23 深圳市万华汽车服务投资控股有限公司 洗车提醒信息推送方法、装置及洗车系统
CN112559858A (zh) * 2020-12-08 2021-03-26 腾讯科技（深圳）有限公司 服务信息的推送方法、装置、计算机可读介质及电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116639067A (zh) * 2022-12-29 2023-08-25 摩斯智联科技有限公司 车辆清洗智能判断系统
CN118112933A (zh) * 2024-04-18 2024-05-31 广东车海洋环保科技有限公司 基于用户习惯生成洗车参数的方法、系统、设备及介质
CN118112933B (zh) * 2024-04-18 2024-07-30 广东车海洋环保科技有限公司 基于用户习惯生成洗车参数的方法、系统、设备及介质
CN118396723A (zh) * 2024-06-28 2024-07-26 广东车卫士信息科技有限公司 用户的洗车服务信息推送方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN113689125A (zh) 信息推送方法和装置
CN110570678B (zh) 一种公交车辆从起点到终点总行驶时间预测方法及装置
CN110472910B (zh) 确定目标配送任务节点的方法、装置及存储介质、电子设备
CN104599002B (zh) 预测订单价值的方法及设备
CN110070382B (zh) 用于生成信息的方法和装置
CN109308538B (zh) 成交转化率预测方法及装置
CN115293366B (zh) 模型训练方法、信息预测方法、装置、设备及介质
CN115471805B (zh) 点云处理和深度学习模型训练方法、装置及自动驾驶车辆
CN110766184A (zh) 订单量预测方法和装置
CN114036253A (zh) 高精地图数据处理方法、装置、电子设备和介质
CN113591709B (zh) 动作识别方法、装置、设备、介质和产品
CN114818913A (zh) 决策生成方法和装置
CN112819215B (zh) 推荐策略训练方法、装置、电子设备及可读存储介质
CN113723607A (zh) 时空数据处理模型的训练方法、装置、设备及存储介质
CN114141236B (zh) 语言模型更新方法、装置、电子设备及存储介质
CN115761698A (zh) 一种目标检测方法、装置、设备及存储介质
CN115691206A (zh) 车位推荐方法、装置、设备以及存储介质
CN112686457B (zh) 路线到达时间预估方法及装置、电子设备、存储介质
CN113447013A (zh) 施工道路识别方法、装置、设备、存储介质和程序产品
CN113407839B (zh) 出行方式的确定方法、装置、设备和存储介质
CN118195280B (zh) 基于集成嵌套模型的整合式任务调度方法、系统及装置
CN114093170B (zh) 一种信号机控制方案的生成方法、系统、装置及电子设备
CN113722381A (zh) 一种网约车用户的生命周期价值的预估方法及装置
CN117011579A (zh) 图像识别网络的训练方法和装置、存储介质及电子设备
CN118735042A (zh) 一种蓄电池亏电预测方法、装置、设备以及存储介质

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