CN114446075A - 一种召回车辆的方法 - Google Patents
一种召回车辆的方法 Download PDFInfo
- Publication number
- CN114446075A CN114446075A CN202210358838.2A CN202210358838A CN114446075A CN 114446075 A CN114446075 A CN 114446075A CN 202210358838 A CN202210358838 A CN 202210358838A CN 114446075 A CN114446075 A CN 114446075A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- type
- area
- recalled
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/0042—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
- G07F17/0057—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects for the hiring or rent of vehicles, e.g. cars, bicycles or wheelchairs
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆召回技术领域，特别涉及一种召回车辆的方法，包括以下步骤：获取预设区域在预设期限内全部车辆的位置信息；根据获取的位置信息，判断车辆是否达到预设的群聚标准，并将车辆划分为第一类车辆和第二类车辆；基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆；获取第二类车辆的周边信息，判定该第二类车辆是否位于低曝光区域，将位于低曝光区域的第二类车辆判定为第二类召回车辆；对第一类召回车辆与第二类召回车辆进行召回处理。通过群聚标准先对车辆进行分类，针对群聚与不群聚两种情况的车辆分别采用不同的判断标准，实现双路召回，可以有效地拓展对不动车的召回路线及数量，最大化地提高召回量。
Description
技术领域
本发明涉及车辆召回技术领域，特别涉及一种召回车辆的方法。
背景技术
现有的共享电单车运营商通常会在曝光度较高的区域为共享电单车规划好车辆停放区域，但有偶尔还是会有一些共享电单车不可避免地被停放到一些曝光度较低或者偏离车辆停放区域的位置，导致这些共享电单车会在较长的时间内都无法产生订单，变成了不动车。
发明内容
为解决现有共享电单车会被停放到曝光度较低或者偏离车辆停放区域的位置，从而影响车辆运营的问题，本发明提供了一种召回车辆的方法。
本发明解决技术问题的方案是提供一种召回车辆的方法，具体包括以下步骤：
获取预设区域在预设期限内全部车辆的位置信息；
根据获取的位置信息，判断车辆是否达到预设的群聚标准，并将车辆划分为满足群聚标准的第一类车辆和不满足群聚标准的第二类车辆；
针对第一类车辆，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆；
针对第二类车辆，获取第二类车辆的周边信息，判定该第二类车辆是否位于低曝光区域，将位于低曝光区域的第二类车辆判定为第二类召回车辆；
对第一类召回车辆与第二类召回车辆进行召回处理。
优选地，群聚标准为预设范围内车辆的数量是否满足第一阈值；若预设范围内车辆的数量大于或等于第一阈值，则判定对应车辆为第一类车辆；否者，则判定为第二类车辆。
优选地，所述基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆，具体包括以下步骤：
计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群；
根据距离δ判定第一类车辆是否位于簇群内，将位于簇群之外的第一类车辆判定为第一类召回车辆。
优选地，所述计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群，具体包括以下步骤：
设
，定义
，i为当前计算的车辆编号，S为预设范围的车辆样本集合，j为其他车辆的编号，参数
为截断距离；即
为车辆样本集合中与车辆i的距离小于
的车辆数量；
再设
表示
的降序排列的下标序，即满足
，定义
，
，
，y为预设的标准值，即当车辆i的局部密度大于或等于标准值时，
表示S中与车辆i距离最远的车辆与车辆i之间的距离；当车辆i的局部密度小于标准值时，
表示在比车辆i局部密度大的车辆集合中，距离车辆i最近的车辆与车辆i之间的距离；
通过
的求值结果生成簇群。
优选地，所述低曝光区域包括周围车辆较少的区域和/或远离路网的区域和/或靠近服务区边界的区域和/或远离车辆停放区的区域；服务区指设定的车辆使用/运营范围。
优选地，所述判定该第二类车辆是否位于低曝光区域，具体包括以下步骤：
获取第二类车辆的周边信息；
判定该第二类车辆是否位于周围车辆较少的区域或是否远离路网或是否靠近服务区边界或是否远离预设的车辆停放区；
将满足以上任一条件的第二类车辆判定为第二类召回车辆。
优选地，判定该第二类车辆是否位于周围车辆较少的区域或是否远离路网或是否靠近服务区边界或是否远离预设的车辆停放区具体包括：每辆车分别计算以其为圆心周边预设范围内的车辆总数，若某车辆的预设范围内的车辆总数小于或等于第二阈值，则判定其位于周围车辆较少的区域；
对每辆车分别计算其距离最近路网的距离，若某车辆距离的最近路网距离大于第三阈值，则判定其远离路网；
对每辆车分别计算其距服务区边界的最近距离，若某车辆距离距服务区边界最近距离小于第四阈值，则判定其靠近服务区边界；
对每辆车分别计算其距最近车辆停放区的距离，若某车辆距离最近车辆停放区的距离大于第五阈值，则判定其远离车辆停放区。
优选地，所述第二阈值、所述第三阈值、所述第四阈值以及所述第五阈值通过分位值进行确定。
优选地，在对第一类召回车辆与第二类召回车辆进行召回处理之前，还包括以下步骤：
对第一类召回车辆与第二类召回车辆进行比对与去重，获得最终召回车辆。
优选地，所述召回车辆的方法还包括以下步骤：
获取最终召回车辆的相关特征，并基于该相关特征进行模型训练，生成预测模型。
与现有技术相比，本发明的召回车辆的方法具有以下优点：
1、本发明的召回车辆的方法具体包括以下步骤：获取预设区域在预设期限内全部车辆的位置信息；根据获取的位置信息，判断车辆是否达到预设的群聚标准，并将车辆划分为满足群聚标准的第一类车辆和不满足群聚标准的第二类车辆；针对第一类车辆，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆；针对第二类车辆，获取第二类车辆的周边信息，判定该第二类车辆是否位于低曝光区域，将位于低曝光区域的第二类车辆判定为第二类召回车辆；对第一类召回车辆与第二类召回车辆进行召回处理。可以理解的，通过群聚标准先对车辆进行分类，针对群聚与不群聚两种情况的车辆分别采用不同的判断标准，实现双路召回，可以有效地拓展对不动车的召回路线及数量，最大化地提高召回量。
2、本发明的群聚标准为预设范围内车辆的数量是否满足第一阈值；若预设范围内车辆的数量大于或等于第一阈值，则判定对应车辆为第一类车辆；否者，则判定为第二类车辆。可以理解的，通过设定第一阈值，可以简单快速地完成对车辆地分类。
3、本发明中，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆，具体包括以下步骤：计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群；根据距离δ判定第一类车辆是否位于簇群内，将位于簇群之外的第一类车辆判定为第一类召回车辆。可以理解的，通过局部密度ρ和距离δ能有效地界定出一个个最小闭包多边形，一个簇群的多边形由簇群边界车辆坐标点连接而成，之后只需判断车辆是否位于簇群内，便能决定是否需要将其召回。
4、本发明的低曝光区域包括周围车辆较少的区域和/或远离路网的区域和/或靠近服务区边界的区域和/或远离车辆停放区的区域；服务区指设定的车辆使用/运营范围。可以理解的，低曝光区域的类型多种多样，实现预设足够多的低曝光区域，利于进一步拓展对不动车的召回路线及数量，最大化地提高召回量。
5、本发明中，通过获取第二类车辆的周边信息来辅助确认车辆是否位于低曝光区域内，利于保证判断结果；此外，只要车辆所处位置满足任意一个低曝光区域的调节，皆将其判定为第二类召回车辆，利于进一步拓展对不动车的召回路线及数量，最大化地提高召回量。
6、本发明中，所述第二阈值、所述第三阈值、所述第四阈值以及所述第五阈值通过分位值进行确定。此设计利于保证判断结果的可靠性。
7、本发明中，在对第一类召回车辆与第二类召回车辆进行召回处理之前，还包括以下步骤：对第一类召回车辆与第二类召回车辆进行比对与去重，获得最终召回车辆。可以理解的，对第一类召回车辆与第二类召回车辆进行比对与去重可以有效地避免制定重复的召回计划，利于节省人力物力，提升车辆的召回效率。
8、本发明中，所述召回车辆的方法还包括以下步骤：获取最终召回车辆的相关特征，并基于该相关特征进行模型训练，生成预测模型。可以理解的，通过生成预测模型，能为后续的车辆召回提供指导以及数据支撑，利于进一步提高对不动车的召回效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的召回车辆的方法的流程图。
图2是本发明第一实施例提供的召回车辆的方法之步骤S3的流程图。
图3是本发明第一实施例提供的召回车辆的方法之步骤S4的流程图。
图4是本发明第一实施例提供的召回车辆的方法的另一流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。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。
本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“左上”、“右上”、“左下”、“右下”以及类似的表述只是为了说明的目的。
请参阅图1，本发明第一实施例提供一种召回车辆的方法，包括以下步骤：
步骤S1：获取预设区域在预设期限内全部车辆的位置信息；
步骤S2：根据获取的位置信息，判断车辆是否达到预设的群聚标准，并将车辆划分为满足群聚标准的第一类车辆和不满足群聚标准的第二类车辆；
步骤S3：针对第一类车辆，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆；
步骤S4：针对第二类车辆，获取第二类车辆的周边信息，判定该第二类车辆是否位于低曝光区域，将位于低曝光区域的第二类车辆判定为第二类召回车辆；
步骤S51：对第一类召回车辆与第二类召回车辆进行召回处理。
可以理解的，通过群聚标准先对车辆进行分类，针对群聚与不群聚两种情况的车辆分别采用不同的判断标准，实现双路召回，可以有效地拓展对不动车的召回路线及数量，最大化地提高召回量。
具体的，本实施例中，车辆指共享电单车；获取预设区域在预设期限内全部车辆的位置信息指获取近期一个月的各城市凌晨车辆位置；可以理解的，在其他实施例中，预设区域也可以是一个区、一个省或者是其他划分方式进行划分的区域，只要满足存在共享电单车的运营区域即可；时间也可以根据实际需求进行灵活选择；可以理解的，本实施例的召回车辆的方法也可以应用于其他共享车辆。
进一步的，群聚标准为预设范围内车辆的数量是否满足第一阈值；若预设范围内车辆的数量大于或等于第一阈值，则判定对应车辆为第一类车辆；否者，则判定为第二类车辆。可以理解的，通过设定第一阈值，可以简单快速地完成对车辆地分类。
具体的，本实施例中，第一阈值为10，即，若预设范围内车辆的数量大于或等于10辆，则判定对应车辆为第一类车辆；否者，则判定为第二类车辆。可以理解的，第一阈值的值可根据实际情况进行更改。
请结合图1和图2，步骤S3具体包括以下步骤：
步骤S31：计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群；
步骤S32：根据距离δ判定第一类车辆是否位于簇群内，将位于簇群之外的第一类车辆判定为第一类召回车辆。
可以理解的，通过局部密度ρ和距离δ能有效地界定出一个个最小闭包多边形，一个簇群的多边形由簇群边界车辆坐标点连接而成，之后只需判断车辆是否位于簇群内，便能决定是否需要将其召回。
进一步的，步骤S31具体包括以下步骤：
步骤S311：设
，定义
，i为当前计算的车辆编号，S为预设范围的车辆样本集合，j为其他车辆的编号，参数
为截断距离；即
为车辆样本集合中与车辆i的距离小于
的车辆数量；
步骤S312：再设
表示
的降序排列的下标序，即满足
，定义
，
，
，y为预设的标准值，即当车辆i的局部密度大于或等于标准值时，
表示S中与车辆i距离最远的车辆与车辆i之间的距离；当车辆i的局部密度小于标准值时，
表示在比车辆i局部密度大的车辆集合中，距离车辆i最近的车辆与车辆i之间的距离；
步骤S313：通过
的求值结果生成簇群。
进一步的，所述低曝光区域包括周围车辆较少的区域和/或远离路网的区域和/或靠近服务区边界的区域和/或远离车辆停放区的区域；服务区指设定的车辆使用/运营范围。可以理解的，低曝光区域的类型多种多样，实现预设足够多的低曝光区域，利于进一步拓展对不动车的召回路线及数量，最大化地提高召回量。
请结合图1和图3，步骤S4具体包括以下步骤：
步骤S41：获取第二类车辆的周边信息；
步骤S42：判定该第二类车辆是否位于周围车辆较少的区域或是否远离路网或是否靠近服务区边界或是否远离预设的车辆停放区；
步骤S43：将满足以上任一条件的第二类车辆判定为第二类召回车辆。
可以理解的，通过获取第二类车辆的周边信息来辅助确认车辆是否位于低曝光区域内，利于保证判断结果；此外，只要车辆所处位置满足任意一个低曝光区域的调节，皆将其判定为第二类召回车辆，利于进一步拓展对不动车的召回路线及数量，最大化地提高召回量。
进一步的，步骤S42具体包括以下步骤：
步骤S421：每辆车分别计算以其为圆心周边预设范围内的车辆总数，若某车辆的预设范围内的车辆总数小于或等于第二阈值，则判定其位于周围车辆较少的区域；
步骤S422：对每辆车分别计算其距离最近路网的距离，若某车辆距离的最近路网距离大于第三阈值，则判定其远离路网；
步骤S423：对每辆车分别计算其距服务区边界的最近距离，若某车辆距离距服务区边界最近距离小于第四阈值，则判定其靠近服务区边界；
步骤S424：对每辆车分别计算其距最近车辆停放区的距离，若某车辆距离最近车辆停放区的距离大于第五阈值，则判定其远离车辆停放区。
进一步的，所述第二阈值、所述第三阈值、所述第四阈值以及所述第五阈值通过分位值进行确定。
具体的，本实施例中，选取每个条件符合曝光低定义的前百分之25数据，作为召回车辆，也就是说，以四分位值作为阈值。
以第二阈值为例，取预设范围为以车辆为中心方圆25米方位内，把每辆车方圆 25米内车辆数记为其周围车辆数，根据全部可用车辆的周围车辆数指标由小到大排序计算四分位数，得到前25%数据作为曝光低车辆。假如周围车辆数最大值为849辆，75%的分界线为8辆，50%的分界线为3辆，25%的分界线为2辆；则四分位值为2，也就是说，取第二阈值为2，当周围车辆数小于或等于2时，则判定其位于周围车辆较少的区域。
同理，第三阈值、第四阈值以及第五阈值也用相同的方法进行确定。
请参阅图4，在进行步骤S51之前，还包括以下步骤：
步骤S50：对第一类召回车辆与第二类召回车辆进行比对与去重，获得最终召回车辆。
可以理解的，对第一类召回车辆与第二类召回车辆进行比对与去重可以有效地避免制定重复的召回计划，利于节省人力物力，提升车辆的召回效率。
具体的，将第一类召回车辆的名单与第二类召回车辆的名单进行对比，但存在重复时，从第二类召回车辆的名单内将重复车辆删除。可以理解的，也可以选择从第一类召回车辆的名单内将重复车辆删除。
进一步的，本召回车辆的方法还包括以下步骤：
步骤S6：获取最终召回车辆的相关特征，并基于该相关特征进行模型训练，生成预测模型。
可以理解的，通过生成预测模型，能为后续的车辆召回提供指导以及数据支撑，利于进一步提高对不动车的召回效果。
进一步的，相关特征包括车辆所在区域的天气和/或POI数量和/或周期特征和/或近期的不动车数量等；周期特征包括车辆流入、流出、车辆消耗时间等。
进一步的，不动车模型的训练使用xgboost、神经网络来进行。
与现有技术相比，本发明的召回车辆的方法具有以下优点：
1、本发明的召回车辆的方法具体包括以下步骤：获取预设区域在预设期限内全部车辆的位置信息；根据获取的位置信息，判断车辆是否达到预设的群聚标准，并将车辆划分为第一类车辆和第二类车辆；针对第一类车辆，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆；针对第二类车辆，获取第二类车辆的周边信息，判定该第二类车辆是否位于低曝光区域，将位于低曝光区域的第二类车辆判定为第二类召回车辆；对第一类召回车辆与第二类召回车辆进行召回处理。可以理解的，通过群聚标准先对车辆进行分类，针对群聚与不群聚两种情况的车辆分别采用不同的判断标准，实现双路召回，可以有效地拓展对不动车的召回路线及数量，最大化地提高召回量。
2、本发明的群聚标准为预设范围内车辆的数量是否满足第一阈值；若预设范围内车辆的数量大于或等于第一阈值，则判定对应车辆为第一类车辆；否者，则判定为第二类车辆。可以理解的，通过设定第一阈值，可以简单快速地完成对车辆地分类。
3、本发明中，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆，具体包括以下步骤：计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群；根据距离δ判定第一类车辆是否位于簇群内，将位于簇群之外的第一类车辆判定为第一类召回车辆。可以理解的，通过局部密度ρ和距离δ能有效地界定出一个个最小闭包多边形，一个簇群的多边形由簇群边界车辆坐标点连接而成，之后只需判断车辆是否位于簇群内，便能决定是否需要将其召回。
4、本发明的低曝光区域包括周围车辆较少的区域和/或远离路网的区域和/或靠近服务区边界的区域和/或远离车辆停放区的区域；服务区指设定的车辆使用/运营范围。可以理解的，低曝光区域的类型多种多样，实现预设足够多的低曝光区域，利于进一步拓展对不动车的召回路线及数量，最大化地提高召回量。
5、本发明中，通过获取第二类车辆的周边信息来辅助确认车辆是否位于低曝光区域内，利于保证判断结果；此外，只要车辆所处位置满足任意一个低曝光区域的调节，皆将其判定为第二类召回车辆，利于进一步拓展对不动车的召回路线及数量，最大化地提高召回量。
6、本发明中，所述第二阈值、所述第三阈值、所述第四阈值以及所述第五阈值通过分位值进行确定。此设计利于保证判断结果的可靠性。
7、本发明中，在对第一类召回车辆与第二类召回车辆进行召回处理之前，还包括以下步骤：对第一类召回车辆与第二类召回车辆进行比对与去重，获得最终召回车辆。可以理解的，对第一类召回车辆与第二类召回车辆进行比对与去重可以有效地避免制定重复的召回计划，利于节省人力物力，提升车辆的召回效率。
8、本发明中，所述召回车辆的方法还包括以下步骤：获取最终召回车辆的相关特征，并基于该相关特征进行模型训练，生成预测模型。可以理解的，通过生成预测模型，能为后续的车辆召回提供指导以及数据支撑，利于进一步提高对不动车的召回效果。
以上对本发明实施例公开的一种召回车辆的方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，凡在本发明的原则之内所作的任何修改，等同替换和改进等均应包含本发明的保护范围之内。
Claims (10)
1.一种召回车辆的方法，其特征在于，包括以下步骤：
获取预设区域在预设期限内全部车辆的位置信息；
根据获取的位置信息，判断车辆是否达到预设的群聚标准，并将车辆划分为满足群聚标准的第一类车辆和不满足群聚标准的第二类车辆；
针对第一类车辆，基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆；
针对第二类车辆，获取第二类车辆的周边信息，判定该第二类车辆是否位于低曝光区域，将位于低曝光区域的第二类车辆判定为第二类召回车辆；
对第一类召回车辆与第二类召回车辆进行召回处理。
2.如权利要求1所述的召回车辆的方法，其特征在于：群聚标准为预设范围内车辆的数量是否满足第一阈值；若预设范围内车辆的数量大于或等于第一阈值，则判定对应车辆为第一类车辆；否者，则判定为第二类车辆。
3.如权利要求1所述的召回车辆的方法，其特征在于，所述基于CFSFDP算法生成簇群，将不在簇群中的车辆判定为第一类召回车辆，具体包括以下步骤：
计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群；
根据距离δ判定第一类车辆是否位于簇群内，将位于簇群之外的第一类车辆判定为第一类召回车辆。
4.如权利要求3所述的召回车辆的方法，其特征在于，所述计算第一类车辆的局部密度ρ和距离δ，根据第一类车辆的局部密度ρ生成簇群，具体包括以下步骤：
设
，定义
，i为当前计算的车辆编号，S为预设范围的车辆样本集合，j为其他车辆的编号，参数
为截断距离；即
为车辆样本集合中与车辆i的距离小于
的车辆数量；
再设
表示
的降序排列的下标序，即满 足 
，定义
，
，
，y为预设的标准值，即当车辆i的局部密度大于或等于标准值时，
表示S中与车辆i距离最远的车辆与车辆i之间的距离；当车辆i的局部密度小于标准值时，
表示在比 车辆i局部密度大的车辆集合中，距离车辆i最近的车辆与车辆i之间的距离；
通过
的求值结果生成簇群。
5.如权利要求1所述的召回车辆的方法，其特征在于：所述低曝光区域包括周围车辆较少的区域和/或远离路网的区域和/或靠近服务区边界的区域和/或远离车辆停放区的区域；服务区指设定的车辆使用/运营范围。
6.如权利要求1所述的召回车辆的方法，其特征在于，所述判定该第二类车辆是否位于低曝光区域，具体包括以下步骤：
获取第二类车辆的周边信息；
判定该第二类车辆是否位于周围车辆较少的区域或是否远离路网或是否靠近服务区边界或是否远离预设的车辆停放区；
将满足以上任一条件的第二类车辆判定为第二类召回车辆。
7.如权利要求6所述的召回车辆的方法，其特征在于，判定该第二类车辆是否位于周围车辆较少的区域或是否远离路网或是否靠近服务区边界或是否远离预设的车辆停放区具体包括：
每辆车分别计算以其为圆心周边预设范围内的车辆总数，若某车辆的预设范围内的车辆总数小于或等于第二阈值，则判定其位于周围车辆较少的区域；
对每辆车分别计算其距离最近路网的距离，若某车辆距离的最近路网距离大于第三阈值，则判定其远离路网；
对每辆车分别计算其距服务区边界的最近距离，若某车辆距离距服务区边界最近距离小于第四阈值，则判定其靠近服务区边界；
对每辆车分别计算其距最近车辆停放区的距离，若某车辆距离最近车辆停放区的距离大于第五阈值，则判定其远离车辆停放区。
8.如权利要求7所述的召回车辆的方法，其特征在于：所述第二阈值、所述第三阈值、所述第四阈值以及所述第五阈值通过分位值进行确定。
9.如权利要求1所述的召回车辆的方法，其特征在于，在对第一类召回车辆与第二类召回车辆进行召回处理之前，还包括以下步骤：
对第一类召回车辆与第二类召回车辆进行比对与去重，获得最终召回车辆。
10.如权利要求9所述的召回车辆的方法，其特征在于，所述召回车辆的方法还包括以下步骤：
获取最终召回车辆的相关特征，并基于该相关特征进行模型训练，生成预测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210358838.2A CN114446075B (zh) | 2022-04-07 | 2022-04-07 | 一种召回车辆的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210358838.2A CN114446075B (zh) | 2022-04-07 | 2022-04-07 | 一种召回车辆的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114446075A true CN114446075A (zh) | 2022-05-06 |
| CN114446075B CN114446075B (zh) | 2022-07-01 |
Family
ID=81358942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210358838.2A Active CN114446075B (zh) | 2022-04-07 | 2022-04-07 | 一种召回车辆的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114446075B (zh) |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107230343A (zh) * | 2017-05-05 | 2017-10-03 | 致富电子科技有限公司 | 一种寻车方法、装置及系统 |
| CN107808513A (zh) * | 2017-10-17 | 2018-03-16 | 深圳市中易腾达科技股份有限公司 | 一种基于手机app的共享单车有序停车管理系统 |
| CN108055301A (zh) * | 2017-12-05 | 2018-05-18 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
| CN108108883A (zh) * | 2017-12-13 | 2018-06-01 | 西安交通大学 | 一种基于聚类算法的车辆调度网络弹性简化方法 |
| CN207523857U (zh) * | 2017-08-07 | 2018-06-22 | 孙晓琳 | 一种基于物联网的共享单车控制系统 |
| CN108346282A (zh) * | 2018-04-20 | 2018-07-31 | 杭州骑迹科技有限公司 | 共享单车的停车监控方法、计算设备及存储介质 |
| CN108564257A (zh) * | 2018-03-23 | 2018-09-21 | 浙江工业大学 | 一种基于gis的城市共享单车回收方法 |
| US20180301037A1 (en) * | 2017-04-17 | 2018-10-18 | Beijing Mobike Technology Co., Ltd. | Shared vehicle positioning method and apparatus, and terminal device |
| CN109903125A (zh) * | 2019-01-28 | 2019-06-18 | 东南大学 | 基于od数据的共享单车借还与停放时空分布可视化方法 |
| CN110599301A (zh) * | 2019-09-05 | 2019-12-20 | 上海钧正网络科技有限公司 | 车辆管理方法、装置、计算机设备和存储介质 |
| CN110852499A (zh) * | 2019-10-31 | 2020-02-28 | 北京摩拜科技有限公司 | 回收故障车辆的方法和装置 |
| US20200168101A1 (en) * | 2018-11-27 | 2020-05-28 | Hsin Chu Chen Industrial Co., Ltd. | Electronic Fence and Electronic Fence System |
| CN111489064A (zh) * | 2020-03-27 | 2020-08-04 | 湖南大学 | 一种面向Df-PBS系统的公共自行车站点动态规划方法和系统 |
| CN111739085A (zh) * | 2019-03-25 | 2020-10-02 | 姚琴 | 基于地理信息识别禁停区的方法和禁停区判定装置 |
| CN111815937A (zh) * | 2019-11-22 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于超停车辆调度的控制方法、装置、存储介质和电子设备 |
| CN111861627A (zh) * | 2020-04-03 | 2020-10-30 | 北京骑胜科技有限公司 | 一种共享车辆的寻找方法、装置、电子设备及存储介质 |
| CN112150045A (zh) * | 2020-11-05 | 2020-12-29 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市车辆供需关系的方法及其监测系统 |
| CN112819228A (zh) * | 2021-02-03 | 2021-05-18 | 北京骑胜科技有限公司 | 任务处理方法、装置、存储介质和电子设备 |
| CN113128900A (zh) * | 2021-04-30 | 2021-07-16 | 北京阿帕科蓝科技有限公司 | 一种调度方法、调度系统及电子设备 |
| US20210280067A1 (en) * | 2019-01-29 | 2021-09-09 | Here Global B.V. | Method and apparatus for providing mobility insight data for points of interest |
| CN113869652A (zh) * | 2021-09-01 | 2021-12-31 | 宁波喵走科技有限公司 | 共享单车还车规划方法、装置、设备及存储介质 |
| CN114186619A (zh) * | 2021-11-29 | 2022-03-15 | 北京中交兴路信息科技有限公司 | 车辆停靠点聚类的方法、装置、设备及存储介质 |
-
2022
- 2022-04-07 CN CN202210358838.2A patent/CN114446075B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180301037A1 (en) * | 2017-04-17 | 2018-10-18 | Beijing Mobike Technology Co., Ltd. | Shared vehicle positioning method and apparatus, and terminal device |
| CN107230343A (zh) * | 2017-05-05 | 2017-10-03 | 致富电子科技有限公司 | 一种寻车方法、装置及系统 |
| CN207523857U (zh) * | 2017-08-07 | 2018-06-22 | 孙晓琳 | 一种基于物联网的共享单车控制系统 |
| CN107808513A (zh) * | 2017-10-17 | 2018-03-16 | 深圳市中易腾达科技股份有限公司 | 一种基于手机app的共享单车有序停车管理系统 |
| CN108055301A (zh) * | 2017-12-05 | 2018-05-18 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
| CN108108883A (zh) * | 2017-12-13 | 2018-06-01 | 西安交通大学 | 一种基于聚类算法的车辆调度网络弹性简化方法 |
| CN108564257A (zh) * | 2018-03-23 | 2018-09-21 | 浙江工业大学 | 一种基于gis的城市共享单车回收方法 |
| CN108346282A (zh) * | 2018-04-20 | 2018-07-31 | 杭州骑迹科技有限公司 | 共享单车的停车监控方法、计算设备及存储介质 |
| US20200168101A1 (en) * | 2018-11-27 | 2020-05-28 | Hsin Chu Chen Industrial Co., Ltd. | Electronic Fence and Electronic Fence System |
| CN109903125A (zh) * | 2019-01-28 | 2019-06-18 | 东南大学 | 基于od数据的共享单车借还与停放时空分布可视化方法 |
| US20210280067A1 (en) * | 2019-01-29 | 2021-09-09 | Here Global B.V. | Method and apparatus for providing mobility insight data for points of interest |
| CN111739085A (zh) * | 2019-03-25 | 2020-10-02 | 姚琴 | 基于地理信息识别禁停区的方法和禁停区判定装置 |
| CN110599301A (zh) * | 2019-09-05 | 2019-12-20 | 上海钧正网络科技有限公司 | 车辆管理方法、装置、计算机设备和存储介质 |
| CN110852499A (zh) * | 2019-10-31 | 2020-02-28 | 北京摩拜科技有限公司 | 回收故障车辆的方法和装置 |
| CN111815937A (zh) * | 2019-11-22 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于超停车辆调度的控制方法、装置、存储介质和电子设备 |
| CN111489064A (zh) * | 2020-03-27 | 2020-08-04 | 湖南大学 | 一种面向Df-PBS系统的公共自行车站点动态规划方法和系统 |
| CN111861627A (zh) * | 2020-04-03 | 2020-10-30 | 北京骑胜科技有限公司 | 一种共享车辆的寻找方法、装置、电子设备及存储介质 |
| CN112150045A (zh) * | 2020-11-05 | 2020-12-29 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市车辆供需关系的方法及其监测系统 |
| CN112819228A (zh) * | 2021-02-03 | 2021-05-18 | 北京骑胜科技有限公司 | 任务处理方法、装置、存储介质和电子设备 |
| CN113128900A (zh) * | 2021-04-30 | 2021-07-16 | 北京阿帕科蓝科技有限公司 | 一种调度方法、调度系统及电子设备 |
| CN113869652A (zh) * | 2021-09-01 | 2021-12-31 | 宁波喵走科技有限公司 | 共享单车还车规划方法、装置、设备及存储介质 |
| CN114186619A (zh) * | 2021-11-29 | 2022-03-15 | 北京中交兴路信息科技有限公司 | 车辆停靠点聚类的方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| YIFENG CUI等: "Usage Demand Forecast and Quantity Recommendation for Urban Shared Bicycles", 《2018 INTERNATIONAL CONFERENCE ON CYBER-ENABLED DISTRIBUTED COMPUTING AND KNOWLEDGE DISCOVERY (CYBERC)》 * |
| 常山: "基于空间聚类的共享单车故障车辆回收线路优化方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
| 李科: "出租车新运营模式下LED广告精准投放策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114446075B (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948416A (zh) | 一种基于深度学习的违法占用公交车道自动审核方法 | |
| CN112785053A (zh) | 一种预报城市流域洪涝的方法及系统 | |
| CN112052826A (zh) | 基于YOLOv4算法的智慧执法多尺度目标检测方法、装置、系统及存储介质 | |
| CN109087502B (zh) | 基于订单分布的车辆调度方法、调度系统、计算机设备 | |
| CN109598930B (zh) | 一种自动检测高架封闭系统 | |
| Catalbas et al. | Estimation of optimal locations for electric vehicle charging stations | |
| CN110807950A (zh) | 基于车辆碰撞的风险评估方法、装置和计算机设备 | |
| CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
| CN109360188A (zh) | 一种高铁接触网等电位线不良状态的检测方法 | |
| CN112216113B (zh) | 基于密度峰值的交通流量数据聚类方法 | |
| CN110827048B (zh) | 基于路网的地理区域分割方法、装置以及电子设备 | |
| Rahbar et al. | Calibrating a Bayesian transit assignment model using smart card data | |
| CN108564257B (zh) | 一种基于gis的城市共享单车回收方法 | |
| CN114446075B (zh) | 一种召回车辆的方法 | |
| CN109948419A (zh) | 一种基于深度学习的违法停车自动审核方法 | |
| CN110827286A (zh) | 基于路网的地理区域分割方法、装置以及电子设备 | |
| Chepuri et al. | Travel time reliability analysis on selected bus route of mysore using GPS data | |
| CN109740798B (zh) | 一种基于路网的警务巡逻盘查路径优化方法 | |
| CN109344829B (zh) | 一种高速铁路列车的车号识别方法及装置 | |
| CN116797436B (zh) | 一种利用公交车辆进行道路病害巡检的处理系统 | |
| CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
| CN110852208B (zh) | 一种人群密度估计方法及可读存储介质 | |
| CN110349415B (zh) | 一种基于多尺度变换的行车速度测量方法 | |
| CN112597995A (zh) | 车牌检测模型训练方法、装置、设备及介质 | |
| Xu et al. | Research on estimation method of mileage power consumption for electric vehicles |
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 |