CN113987312A - 货运汽车装卸货停靠点的推荐方法、设备及存储介质 - Google Patents
货运汽车装卸货停靠点的推荐方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113987312A CN113987312A CN202111290244.4A CN202111290244A CN113987312A CN 113987312 A CN113987312 A CN 113987312A CN 202111290244 A CN202111290244 A CN 202111290244A CN 113987312 A CN113987312 A CN 113987312A
- Authority
- CN
- China
- Prior art keywords
- point
- loading
- candidate set
- unloading
- location
- 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 55
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003032 molecular docking Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 9
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920001690 polydopamine Polymers 0.000 description 2
- 235000019633 pungent taste Nutrition 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Library & Information Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明申请提供一种货运汽车装卸货停靠点的推荐方法、装置、计算机设备及可读存储介质,该方法包括接收用户请求,所述用户请求包括用户信息和位置信息,基于所述所述位置信息确认至少一个POI选址,基于所述用户信息和所述POI选址召回推荐装/卸货点候选集,从所述装/卸货点候选集确认停靠点。本发明通过用户信息和POI选址降低所述点位候选集的规模,并快速高效地从点库中过滤得到一批最合适的点位候选集合,以从中选择确认合适的位点作为停靠点。本发明切入货运场景,通过向用户推荐装货地的点位和卸货地的点位,以期降低司货碰面的沟通成本并能减小货车长久停留的影响,提高运输效率以及用户的体验。
Description
技术领域
本发明涉及货运运输领域,具体涉网络货运领域,特别是涉及一种方法、装置、计算机设备及计算机可读存储介质。
背景技术
随着现代社会的不断发展,互联网技术也在不断创新,以互联网作为基础,通过线上的实时数据接受和预留数据的比对,配合多种辅助运作的系统,组成一个完整的数据链,形成的完整的运营处理平台就称为网约平台,网约平台可以完成车辆的线上租赁。货运行业也开始借鉴网约车模式,利用互联网技术开发车货匹配平台,通过互联网平台加数字化技术引用,在大数据的介入下,促使货运全网互联互通,实现运力资源的高效调配。
不同于出租车、顺风车等网约客运汽车,网约货运汽车需要在适合的场地或场所停靠以便装卸货物,并且装/卸货物的位置需要不影响市民生活、交通便利等,比如客运一般在市场旁的路边上下车,但是货车在路边停留装卸货的话,容易影响旁边交通,甚至造成交通堵塞等不利影响;又比如小区,客运一般在小区门口上下车,但货车停靠在小区的话,若用户搬运任务繁重,可能需要通过当面沟通,引导司机进入小区到具体门户楼下装载或卸载货物,从而降低用户搬运货物的困难程度。
现有技术网约平台接收位置信息出发地和目的地,但是输入的出发地、目的地不一定有合适的装卸货的位置,影响用户体验。
发明内容
为了解决上述问题,本发明的目的是提供一种货运汽车装卸货停靠点的推荐方法、装置、计算机设备及计算机可读存储介质,该方法通过可向用户推荐提供精确的合适的装货地或卸货地的位点位置,以期降低司货碰面的沟通成本并能减小货车长久停留的影响,提高运输效率以及用户(包括服务用户和服务提供者用户)的体验。
基于此,本发明提供了一种货运汽车装卸货停靠点的推荐方法,所述货运汽车装卸货停靠点的推荐方法包括:
接收用户请求,所述用户请求包括用户信息和位置信息,
基于所述所述位置信息确认至少一个POI选址;
基于所述用户信息和所述POI选址召回推荐至少一个装/卸货点候选集。
进一步地,所述位置信息包括检索列表、历史地址和/或从主键输入的地址信息。
进一步地,所述基于所述用户信息和所述POI选址召回推荐至少一个装/卸货点候选集的步骤,包括:
根据所述位置信息、所述POI选址构建至少一个召回主键;
根据所述召回主键多路召回点位候选集;
从所述点位候选集中选取至少一个点位推荐为装/卸货点候选集。
进一步地,所述从所述点位候选集中选取至少一个点位推荐为装/卸货点候选集的步骤,包括:
遍历所述点位候选集并读取所述点位候选集中点位的特征;
基于所读取的特征对所述点位候选集中的点位计算排序;
选取至少一个点位推荐为所述装/卸货点候选集。
进一步地,在所述遍历所述点位候选集并进行特征读取的步骤之前,还包括:
获取基于所述召回主键召回的点位候选集中的所有点位,去重过滤重复的点位。
进一步地,所述根据所述召回主键多路召回点位候选集的步骤还包括:
根据预设的召回策略召回至少一个点位候选集。
进一步地,所召回的点位设有定点标签,所述定点标签用于标记所述点位是否曾作为装卸货停靠点。
本发明还提供了一种货运汽车装卸货停靠点的推荐装置,包括:
接收模块,用于接收用户请求,所述用户请求包括用户信息和位置信息,
POI选址模块,用于基于所述所述位置信息确认至少一个POI选址;
停靠点推荐模块,用于基于所述用户信息和所述POI选址召回推荐至少一个装/卸货点候选集。
本发明还提供了一种计算机设备,包括存储器、处理器和网络接口,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现货运汽车装卸货停靠点的推荐方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现货运汽车装卸货停靠点的推荐方法的步骤。
在本发明中,提供一种货运汽车装卸货停靠点的推荐方法,该方法包括接收用户请求,所述用户请求包括用户信息和位置信息,基于所述所述位置信息确认至少一个POI选址,基于所述用户信息和所述POI选址召回推荐装/卸货点候选集,从所述装/卸货点候选集确认停靠点。本发明通过用户信息和POI选址降低所述点位候选集的规模,并快速高效地从点库中过滤得到一批最合适的点位候选集合,从中选择确认合适的位点作为停靠点。本发明切入货运场景,通过向用户推荐装货地的点位和卸货地的点位,以期降低司货碰面的沟通成本并能减小货车长久停留的影响,提高运输效率以及用户的体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例可以应用于其中的示例性系统架构图;
图2是本发明实施例提供的货运汽车装卸货停靠点的推荐方法的示意图;
图3本发明实施例提供的一货运汽车装卸货停靠点的推荐方法所应用推荐引擎的分层流程图;
图4是本发明实施例提供的货运汽车装卸货停靠点的推荐方装置的结构示意图;
图5根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等,操作货运汽车装卸货停靠点的推荐方法的业务及应用。服务器105与终端设备101、102、103通过网络104进行互联的提供网约车服务,终端设备端101、102、103可以是服务提供方(司机)使用的电子设备(如:手机、电脑、PDA等),也可以是请求方(乘客或拼友)使用的电子设备(如:手机、电脑、PDA等)。终端设备101、102、103上还可以安装有定位装置,定位装置包括但不限于全球定位系统、北斗卫星导航系统等,在此不做限定。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于用户设备、网络设备或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品,例如智能手机、平板电脑等,所述移动电子产品可以采用任意操作系统,如android操作系统、IOS操作系统等。其中,所述网络设备包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云;在此,云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。当然,本领域技术人员应能理解上述终端设备仅为举例,其他现有的或今后可能出现的终端设备如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
服务器105是货运汽车装卸货停靠点的推荐应用的服务端,可以通过所述网络104和终端设备101、102、103进行通信,终端设备101、102、103之间可以双方甚至多方连接通信。服务器105可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。其也可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
在一些实施例中,服务器105可包含处理设备。该处理设备可处理与服务请求有关的数据和/或信息以执行一个或多个本申请中描述的功能。例如处理设备可以接收终端设备101需求用户发送的订单请求,向用户提供推荐装载或卸载获货物的停靠点。再如,处理设备可以向终端设备102服务提供用户发送推荐装载货物停靠点的地点信息,以便于服务提供者达到指定地点接送用户。进一步地,处理设备可包含一个或多个子处理设备(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理设备可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
需要说明的是,本申请实施例所提供的货运汽车装卸货停靠点的推荐方法一般由服务器执行,相应地,货运汽车装卸货停靠点的推荐装置一般设置于服务器设备中,终端设备安装相应计算机程序或应用程序。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
随着互联网技术的发展,货运行业进军网约模式,如同网约车一般,货运网约车匹配的是车与货之间的关系,两者在逻辑上基本一致,包括需求用户端和提供服务的司机用户端,网约车司机和车辆是经过网约车平台登记和审核的。需求用户可以通过移动设备等在网约车平台网上发出订单请求与司机进行预约,司机接收订单承运货物到目的地。与客运网约车只需要从指定地点接上乘客,并将送达目的地不同;在货运市场中,货物的配送还涉及到上货和卸货这些费时费力的工作,尤其是在没有停在合适的停靠位置,上货和卸货难度将增加。
图2是本发明实施例提供的货运汽车装卸货停靠点的推荐方法的示意图,所述方法包括:
201:接收用户请求,用户请求包括用户信息和位置信息。
202:基于位置信息确认至少一个POI选址。
203:基于用户信息和POI选址召回推荐装/卸货点候选集。
204:从装/卸货点候选集确定装/卸货停靠点。
在本发明实施例中,网约客运的目标行程可以包括以下流程:输入出发地和目的地,乘客下单,司机接单,承运货物。根据货运的特殊性,本发明在输入出发地和目的地的过程中,会根据输入的位置信息推荐合适的停靠点位置以便于货物上货或下货到货车中,承运货物时,司机驾驶车辆前往推荐的起始上货停靠点装载货物,承载货物到推荐的目的地停靠点卸载货车中的货物。
需要说明的是,在步骤201所接收的所述用户请求中至少包括请求用户端的用户信息和位置信息,所述位置信息包括请求点的地理位置。
在一些实施例中,所述基于位置信息确认至少一个POI选址的方法包括:基于所述请求点的所述地理位置,通过查找POI数据库,确定与所述位置信息相关联的一个或多个POI选址,所述POI数据库用于存储多个POI以及每个POI对应的地理范围。
需要说明的是,所述POI(Point of Interest,兴趣点)形成点库,标记装卸货点位物料库。在地理信息系统中,所述POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。在一种可实现的方式中,所述点库通过离线的数据挖掘算法,基于每个订单中司机位置定位和轨迹上报数据,挖掘得到的点位,被视为真实的装卸货点位。
在另一些实施例中,所述POI指导航地图数据中每个位置点的具体信息,包含四方面信息,名称、类别、地址、坐标等属性信息,如述请求点的经纬度表示,所述经纬度表示包括经度值和纬度值,所述POI数据库存储所述多个POI以及所述每个POI对应的经度范围和纬度范围。所述基于位置信息确认至少一个POI选址的方法的方法包括:基于所述经度值和纬度值与所述每个POI的经度范围和纬度范围的关系,确定与所述位置信息相关联的一个或多个POI选址。
进一步地,所述位置信息包括位置信息包括但不限于检索列表、历史地址和/或从主键输入的地址信息。示例性地,所述位置信息为以下至少一种:所述用户发出服务请求时,在地图上定位的指示符的位置;所述用户输入的某一坐标对应的位置;或所述用户输入的某一名称对应的位置。
基于步骤202确认的POI选址和步骤201获取的用户信息,通过训练好的深度学习神经网络等具有“召回-排序”分层架构的其他网络模型经过特征读取、数据处理等一些预设的策略至少召回一个点位候选集,并通过进一步数据处理向需求用户端推荐合适的装/卸货点候选集。本发明通过用户信息和POI选址召回关联性推荐装/卸货点候选集,从点库中过滤得到一批最合适的点位候选集合,其可降低所述点位候选集的规模,提高平台运转效率,同时提高装货点位和卸货点位推荐的准确性。
在一个可实施的方式中,所述用户信息包括但不限于用户名、用户ID信息,所述POI选址包括包括但不限于POI ID、POI名称信息,读取用户及POI信息特征,构建不同的召回主键,从海量的点库中,多路召回得到各路召回具有关联性的点位候选集。
在一个可选的实施方式中,通过基于内容的召回(也叫标签召回,CB()召回)方式获取点位候选集。具体地,可针对位置信息和POI选址信息内容提取向量,将位置信息和POI选址信息表达为连续向量,使用与用户信息和/或POI的相似性来推荐与用户偏好的或关联性强的POI点位候选集。
需要说明的是,在其他的一些实施例中,所述召回方法还包括但不限于协同过滤、基于FM模型召回、基于深度神经网络的方法等方式利用深度神经网络生成相应的点位候选集。
进一步地,基于多种召回策略召回的点位候选集的点位,按照预设规则推送合适的点位推荐为装/卸货点候选集。如取TOP N(自然数)的候选点位合并成一个新的列表,作为装/卸货点候选集,所述装/卸货点候选集可以直接返回给前端,进行展示,也可以发给精排,进行排序。在其他一些实施例中,由于精排模型非常耗时,所以召回的点位,会经过粗排之后,把少量的数据给精排进行排序。
具体地,首先遍历所述点位候选集中召回的所有点位,去重过滤、截断,得到融合点位候选集,然后读取所述点位候选集中点位的特征;基于所读取的特征对所述点位候选集中的点位计算排序;选取至少一个点位推荐为所述装/卸货点候选集。在一些实施例中,计算推荐装/卸货点候选集的模型可以是排序模型,例如,LambdaMART、LambdaRank或RankNet等排序模型。
更具体地,所述点位候选集的属性特征包括但不限于候选点位的热度、位点类型等。热度是指用户在该位点位置装卸货物的频次。位点的类型可以是代表位点位置的特点,例如属于工业区、居民小区、商业区、写字楼、市场街道等。所述位置信息的属性特征包括但不限于该出发地可以召回的停靠点的数量、出发地的热度等。出发地的热度可以是该点被用于作为用户发起订单起点的次数。在一些实施例中,出发地和第一候选上车点的属性特征可以是某段时间或/和某段距离内的属性特征。例如,一个月内某停靠点用于停靠装卸货物的次数、一个月内在某停靠点100m范围内用于停靠装载货物的次数等。
进一步地,所述点库中点位设有定点标签,所述定点标签用于标记所述点位是否曾作为装卸货停靠点。根据所述标签,可计算所述点位候选集和装/卸货点候选集的可定点率。所述位候选集的可定点率为在所述点位候选集中有定点标签的订单数量与总订单的比值,所述装卸货停靠点的可定点率为在所述装卸货停靠点中有定点标签的订单数量与总订单的比值。本发明通过为止信息和用户信息特征召回融合后的候选点位,降低候选集规模,同时提高点位排序推荐精准。
在本发明实施例中,从所述装/卸货点确定装/卸货停靠点,所述装/卸货停靠点是平台(例如,网约车平台)后台确定的可以用于装卸货物的位置。可知,一般情况下,装/卸货停靠点不会在道路中间、空间狭小的巷道、地形复杂不便于货车停留的位置。同时,装/卸货停靠点应该遵循相应国家或地区的交通规则,例如,中国的向右停车。因此,对于只有一条道路且只有一个行驶方向时,其候选的上车点一般在行驶方向的右边。真实停靠点与候选停靠点相同,需要满足交通规则。
本发明通过用户信息和POI选址降低所述点位候选集的规模,并快速高效地从点库中过滤得到一批最合适的点位候选集合,从中选择确认合适的位点作为停靠点。本发明切入货运场景,通过向用户推荐装货地的点位和卸货地的点位,以期降低司货碰面的沟通成本并能减小货车长久停留的影响,提高运输效率以及用户(包括客户和司机)的体验。
请参阅图3,提供一种本发明实施例所提供的货运汽车装卸货停靠点的推荐方法所应用推荐引擎的分层流程图。需求用户的POI选址可通过rec(Regional EchomailCoordinator,区内会议信件协调人,是数学运算符号(求极坐标到直角坐标系的点转化)与POI相对)、sug(Suggestion POI search,地点检索输入提示服务,也被称为POI热词建议检索、在线建议检索)、drag_map(拖拽定位)等方式输入位置信息确认。图2中步骤201所接收的用户请求中的该位置信息和用户信息包括但不限于用户ID、用户电话、POI ID、POI名称信息,将根据这些信息构建多路召回主键,从点位索引库中召回关联性强的点位候选集,将各路召回的点位候选集融合去重、截断后输入粗排模型进行提取特征,对融合后的点位候选集分析关联性及计算打分,通过精排模型根据相关性概率对所述一个或以上目标POI中的部分或全部进行排序以产生排序结果,并将按照推荐策略推荐至少一个装/卸货点至用户终端。
需要说明的是,所述点位索引库还可用于为训练停靠点推荐模型的系统提供其他信息的来源。例如,点位索引库可以用于提供历史订单;又例如,例如,点位索引库可以用于提供训练样本等。点位索引库可以在单个中央服务器、通过通信链路连接的多个服务器或多个个人设备中实现。当点位索引库在多个个人设备中实现时,个人设备可以生成内容(例如,被称为“用户生成内容”),例如,通过将文本、语音、图像和视频上载到云服务器。点位索引库可以由多个个人设备和云服务器生成。在一些实施例中,点位索引库可存储从图1所示用户终端101、102、103获取的资料,例如,用户发送服务请求时的位置信息,或用户输入的出发地。在一些实施例中,点位索引库可存储供服务器105执行或使用的信息和/或指令,以执行本申请中描述的示例性方法。在一些实施例中,点位索引库可包括大容量存储器、可移动存储器、挥发性读写存储器(例如,随机存取存储器RAM)、只读存储器(ROM)等或以上任意组合。在一些实施例中,点位索引库可直接与场景图100中的一个或多个组件(如,服务器105、用户终端101、102、103)连接或通讯。在一些实施例中,点位索引库可以是服务器105的一部分。
需要说明的是,所述粗排模型是经过训练的神经网络模型,其训练过程包括:样本构建、特征生成、特征拼接、离线训练模型等。其中,所述样本构建按按正负样本比1:5,对负样本(不定点点位)进行降采样,以及使用hivesql进行计算,取预设数量的订单数据,并过滤掉一些字段异常的订单。通过spark框架对样本数据读取样本数据的共有特征,如POI关联的点位订单热度特征,与用户关联的点位订单热度特征,POI关联的点位周边(30、20、10m)订单热度特征,生成特征数据表,并按特征表的key,对样本和特征进行拼接,得到最终的粗排模型训练样本,使用light-gbm进行训练,生成的模型保存为txt文件。模型预测时,将txt文件转换成pmml文件交付工程部署。所述粗排模型通过循环遍历各个召回点位,基于POI、point、user等key信息,读取特征表并进行拼接,得到模型可接受的输入形式,将特征输入模型,得到各点位的打分结果,基于打分结果进行降序排序,取TopN作为最终的召回推荐候选,给到下游的精排模型。
图4是本发明实施例提供的货运汽车装卸货停靠点的推荐装置400的示意图,所述装置包括:
接收模块401,用于接收用户请求,所述用户请求包括用户信息和位置信息,
POI选址模块402,用于基于所述所述位置信息确认至少一个POI选址;
停靠点推荐模块403,用于基于所述用户信息和所述POI选址召回推荐装/卸货点候选集;
确认模块404,用于从所述装/卸货点候选集确定装/卸货停靠点
所述货运汽车装卸货停靠点的推荐装置400还包括显示模块(图未示),所述显示模块用于显示所述货运汽车装卸货停靠点的推荐装置400的软件开发过程及操作页面。
所述货运汽车装卸货停靠点的推荐装置400还可以包括输入模块(图未示),所述输入模块与所述显示模块相连,所述输入模块可包括按键,可用于输入用户id的账号、密码、名称等信息,所述软件开发过程操作页面可以在所述软件开发装置中的显示模块中显示,并且所述显示模块还可以显示所述用户的其他信息,并将此信息存储起来,方便用户随时进行查看。
所述货运汽车装卸货停靠点的推荐装置400还可以包括GPS定位模块(图未示),所述GPS定位模块包括但不限于全球定位系统、北斗卫星导航系统等,在此不做限定。
进一步的,所述GPS定位模块还用于基于乘客到达的出发地、目的地及实时路线状况预设目标路线。
所述货运汽车装卸货停靠点的推荐装置400还可以包括交互模块(图未示),所述交互模块可提供给用户选择功能的方法、传递出导向元素和它所导向内容之间的关系,以及传递出导航的内容和用户当前浏览页面之间的关系,同时提供司机用户和乘客用户联系的媒介。
需要说明的是,本实施例的货运汽车装卸货停靠点的推荐装置400,与方法实施例的属于同一构思,其具体实现过程详细见方法实施例,且方法实施例中的技术特征在本实施例中均对应适用,此处不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图5,图5为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中,所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如货运汽车装卸货停靠点的推荐方法的程序代码等。此外,所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的程序代码或者处理数据,例如运行所述货运汽车装卸货停靠点的推荐方法的程序代码。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
本发明的实施例还提出一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现货运汽车装卸货停靠点的推荐方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上所述仅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,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种货运汽车装卸货停靠点的推荐方法,其特征在于,包括以下步骤:
接收用户请求,所述用户请求包括用户信息和位置信息,
基于所述位置信息确认至少一个POI选址;
基于所述用户信息和所述POI选址召回推荐装/卸货点候选集;
从所述装/卸货点候选集确定装/卸货停靠点。
2.根据权利要求1所述的货运汽车装卸货停靠点的推荐方法,其特征在于,所述位置信息包括检索列表、历史地址和/或从主键输入的地址信息。
3.根据权利要求1所述的货运汽车装卸货停靠点的推荐方法,其特征在于,所述基于所述用户信息和所述POI选址召回推荐装/卸货点候选集的步骤,包括:
根据所述位置信息、所述POI选址构建至少一个召回主键;
根据所述召回主键多路召回点位候选集;
从所述点位候选集中选取至少一个点位推荐为装/卸货点候选集。
4.根据权利要求3所述的货运汽车装卸货停靠点的推荐方法,其特征在于,所述从所述点位候选集中选取至少一个点位推荐为装/卸货点候选集的步骤,包括:
遍历所述点位候选集并读取所述点位候选集中点位的特征;
基于所读取的特征对所述点位候选集中的点位计算排序;
选取至少一个点位推荐为所述装/卸货点候选集。
5.根据权利要求4所述的货运汽车装卸货停靠点的推荐方法,其特征在于,在所述遍历所述点位候选集并进行特征读取的步骤之前,还包括:
获取基于所述召回主键召回的点位候选集中的所有点位,去重过滤重复的点位。
6.根据权利要求3所述的货运汽车装卸货停靠点的推荐方法,其特征在于,所述方法还包括:
根据预设的召回策略召回至少一个点位候选集。
7.根据权利要求1-6任一项所述的货运汽车装卸货停靠点的推荐方法,其特征在于,
所召回的点位设有定点标签,所述定点标签用于标记所述点位是否曾作为装卸货停靠点。
8.一种货运汽车装卸货停靠点的推荐装置,其特征在于,包括:
接收模块,用于接收用户请求,所述用户请求包括用户信息和位置信息,
POI选址模块,用于基于所述所述位置信息确认至少一个POI选址;
停靠点推荐模块,用于基于所述用户信息和所述POI选址召回推荐装/卸货点候选集;
确认模块,用于从所述装/卸货点候选集确定装/卸货停靠点。
9.一种计算机设备,包括存储器、处理器和网络接口,所述存储器存储有计算机程序,其征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述货运汽车装卸货停靠点的推荐方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述货运汽车装卸货停靠点的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111290244.4A CN113987312A (zh) | 2021-11-02 | 2021-11-02 | 货运汽车装卸货停靠点的推荐方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111290244.4A CN113987312A (zh) | 2021-11-02 | 2021-11-02 | 货运汽车装卸货停靠点的推荐方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987312A true CN113987312A (zh) | 2022-01-28 |
Family
ID=79745886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111290244.4A Pending CN113987312A (zh) | 2021-11-02 | 2021-11-02 | 货运汽车装卸货停靠点的推荐方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987312A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648279A (zh) * | 2022-05-13 | 2022-06-21 | 深圳依时货拉拉科技有限公司 | 候选装卸货点位推荐方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015190138A1 (ja) * | 2014-06-11 | 2015-12-17 | ソニー株式会社 | 表示制御装置、表示制御方法、およびプログラム |
CN111859184A (zh) * | 2020-06-28 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 上车点推荐方法和系统 |
CN111861647A (zh) * | 2020-07-03 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
CN111859179A (zh) * | 2020-04-22 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种上车点推荐方法、系统、装置及存储介质 |
CN112270427A (zh) * | 2020-11-10 | 2021-01-26 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
-
2021
- 2021-11-02 CN CN202111290244.4A patent/CN113987312A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015190138A1 (ja) * | 2014-06-11 | 2015-12-17 | ソニー株式会社 | 表示制御装置、表示制御方法、およびプログラム |
CN111859179A (zh) * | 2020-04-22 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种上车点推荐方法、系统、装置及存储介质 |
CN111859184A (zh) * | 2020-06-28 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 上车点推荐方法和系统 |
CN111861647A (zh) * | 2020-07-03 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
CN112270427A (zh) * | 2020-11-10 | 2021-01-26 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648279A (zh) * | 2022-05-13 | 2022-06-21 | 深圳依时货拉拉科技有限公司 | 候选装卸货点位推荐方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109155104B (zh) | 推荐估计到达时间的系统和方法 | |
CN111460068B (zh) | 兴趣点搜索方法、可读存储介质和电子设备 | |
JP6559792B2 (ja) | オーダーペアリングのシステム及び方法 | |
US10217069B2 (en) | Systems and methods for vehicle resource management | |
CN110537212B (zh) | 确定预估到达时间的系统与方法 | |
CN111127130B (zh) | 基于用户偏好的能源站点推荐方法、存储介质和电子设备 | |
CN111859185B (zh) | 一种上车点推荐方法、系统、装置及存储介质 | |
CN110222893B (zh) | 共享交通资源的投放地点推荐方法、装置与电子设备 | |
US20160247094A1 (en) | Systems and Methods for Managing a Vehicle Sharing Facility | |
US20200210905A1 (en) | Systems and Methods for Managing Networked Vehicle Resources | |
US20210073734A1 (en) | Methods and systems of route optimization for load transport | |
US20200156652A1 (en) | Method, apparatus, and system for assessing safety and comfort systems of a vehicle | |
CN111859184B (zh) | 上车点推荐方法和系统 | |
WO2020032815A1 (ru) | Способ автоматического формирования мультимодальных сервисов грузоперевозок | |
US20180075566A1 (en) | System and method of calculating a price for a vehicle journey | |
CN110503528B (zh) | 一种线路推荐方法、装置、设备和存储介质 | |
CN110968791A (zh) | 货源路线的数据处理方法、装置、设备及存储介质 | |
US20220165156A1 (en) | Parking recognition server for personal mobility device, system including the same, and method thereof | |
CN111931077A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
Khasawneh et al. | E-Mobility Advisor for Connected and Autonomous Vehicles Environments. | |
CN114331568B (zh) | 基于车联网的商用车细分市场识别方法、设备和介质 | |
CN113987312A (zh) | 货运汽车装卸货停靠点的推荐方法、设备及存储介质 | |
CN112926796B (zh) | 一种基于特定场景的下车点推荐方法及装置 | |
CN111860904A (zh) | 上车点排序的方法及装置 | |
CN114201571A (zh) | 加油站推荐方法、装置、电子设备及存储介质 |
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 |