CN114461933A - 基于周边搜索的车辆推荐方法、装置、设备及存储介质 - Google Patents

基于周边搜索的车辆推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114461933A
CN114461933A CN202111619802.7A CN202111619802A CN114461933A CN 114461933 A CN114461933 A CN 114461933A CN 202111619802 A CN202111619802 A CN 202111619802A CN 114461933 A CN114461933 A CN 114461933A
Authority
CN
China
Prior art keywords
vehicle
city
transportation
line
vehicles
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
Application number
CN202111619802.7A
Other languages
English (en)
Other versions
CN114461933B (zh
Inventor
王海博
蔡抒扬
夏曙东
孙智彬
张志平
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.)
Beijing Transwiseway Information Technology Co Ltd
Original Assignee
Beijing Transwiseway Information 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 Beijing Transwiseway Information Technology Co Ltd filed Critical Beijing Transwiseway Information Technology Co Ltd
Priority to CN202111619802.7A priority Critical patent/CN114461933B/zh
Publication of CN114461933A publication Critical patent/CN114461933A/zh
Application granted granted Critical
Publication of CN114461933B publication Critical patent/CN114461933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9537Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • G06Q10/0838Historical data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种基于周边搜索的车辆推荐方法、装置、设备及存储介质,所述方法包括:根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路;根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签;根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。根据本申请实施例提供的车辆推荐方法,通过货车历史轨迹上下游关系进行周边搜索,找出跑过指定线路及线路周边的车辆,并给车辆增加不同等级的标签。通过给车辆增加线路标签,能够快速为货主推荐更合适的车辆,精准营销,增加成单效率,提升企业经济效益。

Description

基于周边搜索的车辆推荐方法、装置、设备及存储介质
技术领域
本发明涉及智能推荐技术领域,特别涉及一种基于周边搜索的车辆推荐方法、装置、设备及存储介质。
背景技术
近年来随着物流行业快速发展,整体货运量呈逐年增长趋势,在实际中,公路运输行业仍然面临效率低下的问题。交通部门持续推进物流信息化平台建设,提供发布货运需求并根据需求从海量物流车辆中选取潜在承运车辆推荐给需求方的互联网渠道。
物流车辆推荐是物流信息化平台面临的一类核心问题,目前物流信息化平台通过较为传统的方式对企业进行潜在承运车辆的推荐。现有技术中,一般通过实时定位调度的方法,但是司机实时位置并不代表其承运意向。因此,现有技术中的车辆推荐方法适用范围有限,推荐效果不佳。
发明内容
本申请实施例提供了一种基于周边搜索的车辆推荐方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种基于周边搜索的车辆推荐方法,包括:
根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路;
根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签;
根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。
在一个可选地实施例中,根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路,包括:
获取车辆预设时间段内的历史轨迹数据;
根据历史轨迹数据提取车辆的停靠点数据;
根据停靠点数据得到车辆的业务发生地;
根据业务发生地的上下游关系得到车辆的历史运输线路。
在一个可选地实施例中,根据业务发生地的上下游关系得到车辆的历史运输线路之后,还包括:
根据车辆的业务发生地计算车辆所经城市的城市中心点;
根据城市中心点确定相邻城市。
在一个可选地实施例中,根据车辆的业务发生地计算车辆所经城市的城市中心点,包括:
将任意两个业务发生地连接,并根据车辆在每个业务发生地的停靠次数得到业务发生地的权重;
根据业务发生地的权重与业务发生地到连接中心点的距离的乘积与另一个业务发生地的权重与另一个业务发生地到连接中心点的距离的乘积相等,得到两个业务发生地的连接中心点;
将两个业务发生地的停靠次数的和作为两个业务发生地连接中心点的权重;
计算两个业务发生地连接中心点与下一个业务发生地之间的连接中心点,直到计算完城市内所有的业务发生地,得到城市中心点。
在一个可选地实施例中,根据城市中心点确定相邻城市,包括:
根据城市中心点计算两个城市之间的距离;
若距离小于预设的距离阈值,则两个城市为相邻城市。
在一个可选地实施例中,根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级,包括:
若车辆的运输起点为第一城市,运输终点为第二城市,则车辆在第一城市和第二城市之间的运输线路为一级运输线路;
若车辆的运输起点为第一城市,运输终点为第二城市的相邻城市,则车辆在第一城市和第二城市之间的运输线路为二级运输线路;
若车辆的运输起点为第一城市的相邻城市,运输终点为第二城市,则车辆在第一城市和第二城市之间的运输线路为三级运输线路;
若车辆的运输起点为第一城市的相邻城市,运输终点为第二城市的相邻城市,则车辆在第一城市和第二城市之间的运输线路为四级运输线路。
在一个可选地实施例中,根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户,包括:
获取目标线路车辆;
根据目标线路车辆对应的线路等级标签确定车辆的线路等级;
根据车辆的线路等级对车辆进行升序排列,对每个等级中的车辆按照历史运输次数降序排列,将排序后的车辆推送给用户。
第二方面,本申请实施例提供了一种基于周边搜索的车辆推荐装置,包括:
获取模块,用于根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路;
计算模块,用于根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签;
推荐模块,用于根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。
第三方面,本申请实施例提供了一种基于周边搜索的车辆推荐设备,包括处理器和存储有程序指令的存储器,处理器被配置为在执行程序指令时,执行上述实施例提供的基于周边搜索的车辆推荐方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令被处理器执行以实现上述实施例提供的一种基于周边搜索的车辆推荐方法。
本申请实施例提供的技术方案可以包括以下有益效果:
本申请实施例提供的基于周边搜索的车辆推荐方法,通过车辆历史轨迹上下游关系进行周边搜索,找出车辆跑过的指定线路以及线路周边的车辆,并给车辆增加不同线路等级的标签。通过给车辆增加线路标签,能够便于在找车,找货等方面,提供更快捷,更高效的服务。可以快速为货主找到更合适的车辆,精准营销,增加成单效率,提升企业经济效益。还可以减少电销业务人员的工作量,提高工作效率,节省人力成本。一方面节省了人力、物力、财力,另一方面极大的节省了时间,从而提高整个物流行业的运作效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于周边搜索的车辆推荐方法的流程示意图;
图2是根据一示例性实施例示出的一种基于周边搜索的车辆推荐方法的另一流程示意图;
图3是根据一示例性实施例示出的一种城市中心点的计算示意图;
图4是根据一示例性实施例示出的一种基于周边搜索的车辆推荐装置的结构示意图;
图5是根据一示例性实施例示出的一种基于周边搜索的车辆推荐设备的结构示意图;
图6是根据一示例性实施例示出的一种计算机存储介质的示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,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它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。
在物流行业有很多人因为找车而烦恼,一是担心成本问题,二是担心效率问题,所以对于物流行业的人来说,找车找货其实不仅是司机和货主,还是整个物流行业都比较关注的问题。本申请实施例提出了一种基于周边搜索的车辆推荐方法,通过计算货车历史轨迹上下游关系进行周边搜索,结合找车找货业务特性,从而给车辆打上不同等级的属性标签,分为:一级(城市到城市),二级(城市到城市周边),三级(城市周边到城市),四级(城市周边到城市周边),并按等级进行排序,快速为货主找到合适的车辆,从而提高成单率,最大限度降低了经济成本和时间成本,提升收益。
下面将结合附图对本申请实施例提供的基于周边搜索的车辆推荐方法进行详细介绍。参见图1,该方法具体包括以下步骤。
S101根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路。
在一种可能的实现方式中,首先获取预设时间段内车辆的历史轨迹数据,例如,获取近十二个月内车辆的GPS轨迹数据。其中,GPS轨迹点是部署在车辆上的GPS(GlobalPositioning System,全球定位系统)设备实时上报的车辆位置数据。通常,GPS设备在实时上报时,上报的时间间隔可以根据实际情况进行设定,本申请优选时间间隔为10S。需要说明的是,本申请除了采用车辆安装GPS设备实时上报车辆的轨迹数据之外,还可以是由北斗设备定位车辆轨迹并进行上报。
进一步地,获取到轨迹点数据之后,还包括提取轨迹点数据中的异常数据。其中,异常数据包括速度错误数据、经纬度错误数据、掉线数据、未定位数据等信息错误数据。删除异常数据,得到预处理后的轨迹数据。
提取预处理后的车辆轨迹数据中车辆的停靠点数据。
具体地,获取轨迹信息中速度为0的点,并按时间间隔阈值和偏移量阈值进行合并,例如,将10分钟之内的多个停靠点进行合并,将50米之内的多个停靠点进行合并,获得以质心表示的停靠点。通过该步骤,可以对小停靠做一定范围的聚合,然后计算停靠时间,筛选出大于预设停靠阈值的停靠点,从而确定车辆发生停靠行为。本申请中优选停靠阈值为5分钟,本领域技术人员可根据实际情况自行设定。
根据该步骤,可以对车辆的历史轨迹数据做停靠判别,得到车辆的历史停靠数据。
进一步地,根据停靠点数据确定车辆的业务发生地,首先,通过UberH3算法对停靠点数据进行网格化,得到网格化后的停靠点数据。采用密度峰值聚类算法对停靠点网格进行聚类,得到多个聚类中心,根据聚类中心进行连通性分割,得到聚类后的多个停靠点簇。获取停靠点簇对应的位置信息以及POI信息,将POI为物流园、工厂、港口、运输企业等与物流相关的装卸货地点作为车辆的业务发生地。得到车辆近一年来发生装卸货行为的业务发生地。
进一步地,根据车辆在业务发生地的停靠时间、业务发生地的位置信息,得到业务发生地的上下游关系,根据业务发生地的上下游关系得到车辆的历史运输线路。
在一种可能的实现方式中,根据车辆的业务发生地计算车辆所经城市的城市中心点。
具体地,将某城市区域内任意两个业务发生地连接,并根据车辆在每个业务发生地的停靠次数得到业务发生地的权重;根据业务发生地的权重与业务发生地到连接中心点的距离的乘积与另一个业务发生地的权重与另一个业务发生地到连接中心点的距离的乘积相等,得到两个业务发生地的连接中心点;将两个业务发生地的停靠次数的和作为两个业务发生地连接中心点的权重;计算两个业务发生地连接中心点与下一个业务发生地之间的连接中心点,直到计算完城市内所有的业务发生地,得到城市中心点。
图3是根据一示例性实施例示出的一种城市中心点的计算示意图,如图3所示,任取两个业务发生地(A,B),并将A地和B地连接,按停靠次数赋予权重,计算两地间的中心点。其中,A地的停靠次数为3次,B地的停靠次数为7次。
进一步地,根据如下规则确定连接中心点:
A权重*A地到中心点的距离=B权重*B地到中心点的距离。
例如,A地停靠次数为3,B地停靠次数为7,A、B两地相距10公里,则A、B两地的中心点为距A地7公里,距B地3公里的点。
进一步地,连接中心点的权重为A地停靠次数和B地停靠次数的和。
以此类推,A、B的中心点再和C地计算中心点,直到计算完城市内所有的业务发生地,得到城市中心点。
进一步地,根据城市中心点确定相邻城市。
在一种可能的实现方式中,根据城市中心点计算两个城市之间的距离,若两个城市之间的距离小于预设的距离阈值,则两个城市为相邻城市。例如,两个城市的城市中心点之间的距离小于150公里,则两个城市为相邻城市。其中,预设的距离阈值本申请实施例不做具体限定,可根据实际情况自行设定。
S102根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签。
在一种可能的实现方式中,结合业务地上下游关系以及相邻城市区域的计算,可以为车辆的运输线路添加等级标签。
具体地,若车辆的运输起点为第一城市,运输终点为第二城市,则车辆在第一城市和第二城市之间的运输线路为一级运输线路;若车辆的运输起点为第一城市,运输终点为第二城市的相邻城市,则车辆在第一城市和第二城市之间的运输线路为二级运输线路;若车辆的运输起点为第一城市的相邻城市,运输终点为第二城市,则车辆在第一城市和第二城市之间的运输线路为三级运输线路;若车辆的运输起点为第一城市的相邻城市,运输终点为第二城市的相邻城市,则车辆在第一城市和第二城市之间的运输线路为四级运输线路。
根据该步骤,可以对车辆的历史运输线路设定线路等级,并根据线路等级给车辆打标签。
第一城市到第二城市定为一级线路,是因为车主跑过这个线路,对路况比较熟悉,司机愿意跑这一单。第一城市到第二城市的相邻城市定为二级线路是因为根据物流行业业务的历史经验和对司机的心理分析,如果没有一级线路可选,城市到城市相邻周边城市与城市周边到城市两种情况相比,司机更关注的是卸货后快速的接到货,如果到相邻城市去接货,担心赶到后货已经被别人接走了,浪费时间和金钱。因此把城市到城市周边定为二级线路,城市周边到城市定为三级线路,城市周边到城市周边当然更低一级,定为四级线路。
如果没有线路等级的划分,只有通过历史订单去找车,历史订单都是一级的车,如果没有一级的车,就只有随机推荐,这样的成单率就很低,浪费经济成本和时间成本。通过对目标线路周边的车辆进行搜索,可以大大提高推荐的成功率。
S103根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。
在一种可能的实现方式中,获取待运输货物的目标线路,筛选具有相同线路的车辆。并根据目标线路车辆对应的线路等级标签确定车辆的线路等级,根据车辆的线路等级对车辆进行升序排列,对每个等级中的车辆按照预设时间段内的历史总运输次数降序排列,将排序后的车辆推送给用户。
在一个示例性场景中,有一个四川眉山到河北石家庄的货源,因此,获取具有眉山到石家庄的历史运输线路的车辆,优先推荐眉山到石家庄这条线路等级为一级的车辆,按照车辆的历史运输总趟数从高到低的顺序进行推荐,如果一级的车辆没有合适的车辆,继续推荐线路等级为二级的车辆,也按照车辆的历史运输次数从多到少的顺序推荐,三级四级以此类推,直到为货主找到合适的车辆。
可选地,将推荐结果发送到司机终端,例如,将推荐结果发送到车机设备上,司机在车机设备上输入待运输线路,自动显示出推荐的车辆列表。大大提高了司机找车的便捷性。
根据该步骤,不仅可以为货主推荐目标运输线路上的车辆,还可以依序推荐目标运输地周边区域的车辆,大大提高了车辆推荐的成功率。
为了便于理解本申请实施例提供的基于周边搜索的车辆推荐方法,下面结合附图2进行说明。如图2所示,该方法包括如下步骤。
首先,获取预设时间段内的历史轨迹GPS数据,根据车辆的轨迹数据确定车辆的业务发生地。
进一步地,根据车辆的业务发生地的上下游关系可以获取车辆的运输路线,根据车辆的业务发生地可以确定车辆所经城市的城市中心点以及城市周边相邻城市,然后确定车辆的线路等级。
具体地,若车辆在上游业务地为a城市,下游业务地为b城市的线路上运行过,则车辆在a城市到b城市的线路等级为一级。若车辆在上游业务地为a城市,下游业务地为b城市周边相邻城市的线路上运行过,则车辆在a城市到b城市的线路等级为二级。若车辆在上游业务地为a城市周边相邻城市,下游业务地为b城市的线路上运行过,则车辆在a城市到b城市的线路等级为三级。若车辆在上游业务地为a城市周边相邻城市,下游业务地为b城市周边相邻城市的线路上运行过,则车辆在a城市到b城市的线路等级为四级。
根据确定的线路等级给车辆打标签,当接收到待运货物的目标线路后,根据目标线路车辆对应的线路等级标签确定车辆的线路等级,根据车辆的线路等级对车辆进行升序排列,对每个等级中的车辆按照历史运输次数降序排列,将排序后的车辆推送给用户。
本申请实施例提供的基于周边搜索的车辆推荐方法,通过车辆历史轨迹上下游关系进行周边搜索,找出车辆跑过的指定线路以及线路周边的车辆,并给车辆增加不同线路等级的标签。通过给车辆增加线路标签,能够便于在找车,找货等方面,提供更快捷,更高效的服务。可以快速为货主找到更合适的车辆,精准营销,增加成单效率,提升企业经济效益。还可以减少电销业务人员的工作量,提高工作效率,节省人力成本。一方面节省了人力、物力、财力,另一方面极大的节省了时间,从而提高整个物流行业的运作效率。
本申请实施例还提供一种基于周边搜索的车辆推荐装置,该装置用于执行上述实施例的基于周边搜索的车辆推荐方法,如图4所示,该装置包括:
获取模块401,用于根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路;
计算模块402,用于根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签;
推荐模块403,用于根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。
需要说明的是,上述实施例提供的基于周边搜索的车辆推荐装置在执行基于周边搜索的车辆推荐方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的基于周边搜索的车辆推荐装置与基于周边搜索的车辆推荐方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
本申请实施例还提供一种与前述实施例所提供的基于周边搜索的车辆推荐方法对应的电子设备,以执行上述基于周边搜索的车辆推荐方法。
请参考图5,其示出了本申请的一些实施例所提供的一种电子设备的示意图。如图5所示,电子设备包括:处理器500,存储器501,总线502和通信接口503,处理器500、通信接口503和存储器501通过总线502连接;存储器501中存储有可在处理器500上运行的计算机程序,处理器500运行计算机程序时执行本申请前述任一实施例所提供的基于周边搜索的车辆推荐方法。
其中,存储器501可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口503(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线502可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。其中,存储器501用于存储程序,处理器500在接收到执行指令后,执行程序,前述本申请实施例任一实施方式揭示的基于周边搜索的车辆推荐方法可以应用于处理器500中,或者由处理器500实现。
处理器500可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器500中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器500可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器501,处理器500读取存储器501中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的基于周边搜索的车辆推荐方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施例还提供一种与前述实施例所提供的基于周边搜索的车辆推荐方法对应的计算机可读存储介质,请参考图6,其示出的计算机可读存储介质为光盘600,其上存储有计算机程序(即程序产品),计算机程序在被处理器运行时,会执行前述任意实施例所提供的基于周边搜索的车辆推荐方法。
需要说明的是,计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的基于周边搜索的车辆推荐方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于周边搜索的车辆推荐方法,其特征在于,包括:
根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路;
根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签;
根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。
2.根据权利要求1所述的方法,其特征在于,根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路,包括:
获取车辆预设时间段内的历史轨迹数据;
根据所述历史轨迹数据提取车辆的停靠点数据;
根据所述停靠点数据得到车辆的业务发生地;
根据业务发生地的上下游关系得到车辆的历史运输线路。
3.根据权利要求2所述的方法,其特征在于,根据业务发生地的上下游关系得到车辆的历史运输线路之后,还包括:
根据车辆的业务发生地计算车辆所经城市的城市中心点;
根据所述城市中心点确定相邻城市。
4.根据权利要求3所述的方法,其特征在于,根据车辆的业务发生地计算车辆所经城市的城市中心点,包括:
将任意两个业务发生地连接,并根据车辆在每个业务发生地的停靠次数得到业务发生地的权重;
根据业务发生地的权重与业务发生地到连接中心点的距离的乘积与另一个业务发生地的权重与另一个业务发生地到连接中心点的距离的乘积相等,得到两个业务发生地的连接中心点;
将两个业务发生地的停靠次数的和作为两个业务发生地连接中心点的权重;
计算两个业务发生地连接中心点与下一个业务发生地之间的连接中心点,直到计算完城市内所有的业务发生地,得到城市中心点。
5.根据权利要求3所述的方法,其特征在于,根据所述城市中心点确定相邻城市,包括:
根据城市中心点计算两个城市之间的距离;
若所述距离小于预设的距离阈值,则两个城市为相邻城市。
6.根据权利要求3所述的方法,其特征在于,根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级,包括:
若车辆的运输起点为第一城市,运输终点为第二城市,则车辆在第一城市和第二城市之间的运输线路为一级运输线路;
若车辆的运输起点为第一城市,运输终点为第二城市的相邻城市,则车辆在第一城市和第二城市之间的运输线路为二级运输线路;
若车辆的运输起点为第一城市的相邻城市,运输终点为第二城市,则车辆在第一城市和第二城市之间的运输线路为三级运输线路;
若车辆的运输起点为第一城市的相邻城市,运输终点为第二城市的相邻城市,则车辆在第一城市和第二城市之间的运输线路为四级运输线路。
7.根据权利要求1所述的方法,其特征在于,根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户,包括:
获取目标线路车辆;
根据所述目标线路车辆对应的线路等级标签确定车辆的线路等级;
根据车辆的线路等级对车辆进行升序排列,对每个等级中的车辆按照历史运输次数降序排列,将排序后的车辆推送给用户。
8.一种基于周边搜索的车辆推荐装置,其特征在于,包括:
获取模块,用于根据车辆预设时间段内的历史轨迹数据获取车辆的历史运输线路;
计算模块,用于根据车辆的历史运输线路以及预设的线路等级设定规则,确定车辆的线路等级并添加线路等级标签;
推荐模块,用于根据目标线路车辆中的线路等级标签进行车辆排序,并将排序后的车辆推送给用户。
9.一种基于周边搜索的车辆推荐设备,其特征在于,包括处理器和存储有程序指令的存储器,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至7任一项所述的基于周边搜索的车辆推荐方法。
10.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令被处理器执行以实现如权利要求1至7任一项所述的一种基于周边搜索的车辆推荐方法。
CN202111619802.7A 2021-12-27 2021-12-27 基于周边搜索的车辆推荐方法、装置、设备及存储介质 Active CN114461933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111619802.7A CN114461933B (zh) 2021-12-27 2021-12-27 基于周边搜索的车辆推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111619802.7A CN114461933B (zh) 2021-12-27 2021-12-27 基于周边搜索的车辆推荐方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114461933A true CN114461933A (zh) 2022-05-10
CN114461933B CN114461933B (zh) 2023-03-28

Family

ID=81407660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111619802.7A Active CN114461933B (zh) 2021-12-27 2021-12-27 基于周边搜索的车辆推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114461933B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991967A (zh) * 2019-12-05 2020-04-10 惠龙易通国际物流股份有限公司 物流运输方法及装置
CN112364262A (zh) * 2020-11-10 2021-02-12 江苏满运物流信息有限公司 一种找货路线推荐方法、装置、电子设备及存储介质
CN112613939A (zh) * 2020-12-14 2021-04-06 北京优挂信息科技有限公司 一种车辆装卸状态的识别方法、装置、存储介质及终端
CN113222492A (zh) * 2021-03-29 2021-08-06 北京中交兴路信息科技有限公司 一种车辆行驶线路类型的判别方法、装置、存储介质及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991967A (zh) * 2019-12-05 2020-04-10 惠龙易通国际物流股份有限公司 物流运输方法及装置
CN112364262A (zh) * 2020-11-10 2021-02-12 江苏满运物流信息有限公司 一种找货路线推荐方法、装置、电子设备及存储介质
CN112613939A (zh) * 2020-12-14 2021-04-06 北京优挂信息科技有限公司 一种车辆装卸状态的识别方法、装置、存储介质及终端
CN113222492A (zh) * 2021-03-29 2021-08-06 北京中交兴路信息科技有限公司 一种车辆行驶线路类型的判别方法、装置、存储介质及终端

Also Published As

Publication number Publication date
CN114461933B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
US12008896B2 (en) System and method for detection and quantification of irregular traffic congestion
Tang et al. A mixed path size logit-based taxi customer-search model considering spatio-temporal factors in route choice
CN110363985B (zh) 一种交通数据分析方法、装置、存储介质及设备
CN104025075A (zh) 用于车队导航、调度以及多个车辆、多个目的地指定路线的方法及系统
Huang et al. Travel time prediction using tree-based ensembles
US20160343250A1 (en) Evaluation method, information processing apparatus, and computer-readable recording medium
CN109859505B (zh) 高速站点的预警处理方法、装置、服务器和介质
Oskarbski et al. Potential for ITS/ICT solutions in urban freight management
Figueiras et al. Novel Big Data-supported dynamic toll charging system: Impact assessment on Portugal’s shadow-toll highways
Pindarwati et al. Measuring performance level of smart transportation system in big cities of Indonesia comparative study: Jakarta, Bandung, Medan, Surabaya, and Makassar
Ku et al. Interpretations of Downs–Thomson paradox with median bus lane operations
CN114742507A (zh) 车辆货物配载方法、装置、计算机设备及存储介质
CN113139765A (zh) 基于时态网络的物流推荐方法、装置及计算设备
CN114169588A (zh) 一种交通运力的预测方法、装置、设备及存储介质
CN114461933B (zh) 基于周边搜索的车辆推荐方法、装置、设备及存储介质
Lu et al. Creating an agent-based long-haul freight transport model for Germany
CN116664025A (zh) 装卸货位置点生成方法、装置及设备
Kaltsidis et al. A decision support system for taxi drivers
CN105303246A (zh) 一种多线路公交到站时间预测方法
CN113821735A (zh) 识别非法加油站点的方法、装置、设备及存储介质
CN114821843A (zh) 一种etc业务推荐方法和系统
Montero et al. Using GPS tracking data to validate route choice in OD trips within dense urban networks
Huang et al. Analysing taxi customer-search behaviour using Copula-based joint model
CN114234995A (zh) 一种导航方法、装置、电子设备及存储介质
CN112581060A (zh) 基于车辆装卸点的配货需求度检测方法、装置及设备

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