CN116226551A - 上车点推荐方法、装置、服务器、存储介质和程序产品 - Google Patents

Abstract

本公开实施例涉及一种上车点推荐方法、装置、服务器、存储介质和程序产品。所述方法包括：获取目标用户的当前发单位置和所述当前发单位置周围的目标常驻区域；其中，所述目标常驻区域用于表征所述目标用户长时间停驻的区域；在确定所述当前发单位置与所述目标常驻区域发生偏离的情况下，基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息；根据所述常驻区域变更特征信息确定与所述当前发单位置相匹配的目标上车点，并将所述目标上车点发送至所述目标用户的用户终端，以供所述用户终端展示所述目标上车点。采用本方法能够推荐合适的上车点，提高上车点的推荐效果。

Description

上车点推荐方法、装置、服务器、存储介质和程序产品

技术领域

本公开实施例涉及网约车服务技术领域，特别是涉及一种上车点推荐方法、装置、服务器、存储介质和程序产品。

背景技术

随着科技的发展，网约车服务受到了人们的青睐。目前，用户在使用网约车软件时，网约车软件会根据用户发出约车订单时的位置为用户推荐一个或多个上车点，方便用户快速下单。

但是，网约车软件通常会将历史上车点推荐给用户，可能导致软件推荐的上车点与用户期望的上车点并不一致，上车点的推荐效果较差，需要用户在网约车软件中重新选择上车点。

发明内容

本公开实施例提供一种上车点推荐方法、装置、服务器、存储介质和程序产品，可以为用户推荐合适的上车点，从而提高上车点的推荐效果。

第一方面，本公开实施例提供一种上车点推荐方法，该方法包括：

获取目标用户的当前发单位置和所述当前发单位置周围的目标常驻区域；其中，所述目标常驻区域用于表征所述目标用户长时间停驻的区域；

在确定所述当前发单位置与所述目标常驻区域发生偏离的情况下，基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息；

根据所述常驻区域变更特征信息确定与所述当前发单位置相匹配的目标上车点，并将所述目标上车点发送至所述目标用户的用户终端，以供所述用户终端展示所述目标上车点。

第二方面，本公开实施例提供一种上车点推荐装置，该装置包括：

第一位置获取模块，用于获取目标用户的当前发单位置和所述当前发单位置周围的目标常驻区域；其中，所述目标常驻区域用于表征所述目标用户长时间停驻的区域；

特征信息获取模块，用于在确定所述当前发单位置与所述目标常驻区域发生偏离的情况下，基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息；

第一上车点推荐模块，用于根据所述常驻区域变更特征信息确定与所述当前发单位置相匹配的目标上车点，并将所述目标上车点发送至所述目标用户的用户终端，以供所述用户终端展示所述目标上车点。

第三方面，本公开实施例提供一种服务器，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

第四方面，本公开实施例提供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上述第一方面所述的方法。

第五方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面所述的方法。

本公开实施例提供的上车点推荐方法、装置、服务器、存储介质和程序产品，获取目标用户的当前发单位置和当前发单位置周围的目标常驻区域；在确定当前发单位置与目标常驻区域发生偏离的情况下，基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息；根据常驻区域变更特征信息确定与当前发单位置相匹配的目标上车点，并将目标上车点发送至目标用户的用户终端，以供用户终端展示目标上车点。本公开实施例中，服务器可以敏锐地捕捉到当前发单位置与目标常驻区域发生偏离的情况，从而为目标用户推荐更为合适的上车点，进而提升上车点的推荐效果。

附图说明

图1为一个实施例中上车点推荐方法的应用环境图；

图2为一个实施例中上车点推荐方法的流程示意图；

图3为一个实施例中当前发单位置与目标常驻区域的示意图；

图4为一个实施例中确定常驻区域步骤的流程示意图；

图5为一个实施例中发单位置聚类簇的示意图；

图6为一个实施例中获取目标用户对应的常驻区域变更特征信息步骤的流程示意图；

图7为一个实施例中训练上车点推荐模型的流程示意图；

图8为一个实施例中获取多个训练样本的流程示意图；

图9为一个实施例中上车点推荐装置的结构框图之一；

图10为一个实施例中上车点推荐装置的结构框图之二；

图11为一个实施例中上车点推荐装置的结构框图之三；

图12为一个实施例中上车点推荐装置的结构框图之四；

图13为一个实施例中服务器的内部结构图。

具体实施方式

为了使本公开实施例的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开实施例，并不用于限定本公开实施例。

首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。目前，用户在使用网约车软件时，网约车软件会根据用户发出约车订单的位置为用户推荐一个或多个上车点，方便用户快速下单。为用户推荐上车点时，网约车软件通常会将历史上车点推荐给用户，但是，这种推荐方式可能导致软件推荐的上车点与用户期望的上车点不一致，上车点的推荐效果较差，需要用户在网约车软件中重新选择上车点。

本公开实施例提供了一种上车点推荐方案，先获取目标用户的当前发单位置和当前发单位置周围的目标常驻区域；然后，在确定当前发单位置与目标常驻区域发生偏离的情况下，基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息；之后，根据常驻区域变更特征信息推荐与当前发单位置相匹配的目标上车点，并将目标上车点发送至目标用户的用户终端，以供用户终端展示目标上车点。通过本公开实施例，服务器可以非常敏锐地捕捉到目标用户的当前发单位置与目标常驻区域发生偏离的情况，从而根据这种情况为目标用户推荐更为合适的上车点，进而提高上车点的推荐效果。另外，需要说明的是，从确定当前发单位置与目标常驻区域发生偏离需要采用新的上车点推荐方式以及下述实施例介绍的技术方案，申请人均付出了大量的创造性劳动。

下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。

本公开实施例提供的上车点推荐方法，可以应用于如图1所示的应用环境中。该应用环境包括终端102和服务器104。其中，终端102通过网络与服务器104进行通信，使服务器104可以从终端102获取到目标用户的当前发单位置；在服务器104确定目标上车点后，还可以将目标上车点发送到终端102进行展示。上述终端102可以但不限于是各种智能手机、平板电脑、IPAD和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种上车点推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤201，获取目标用户的当前发单位置和当前发单位置周围的目标常驻区域。

其中，目标常驻区域用于表征目标用户长时间停驻的区域。例如，目标常驻区域为目标用户居住的小区、工作地点等等。本公开实施例对目标常驻区域不做限定。

在目标用户使用网约车软件约车时，服务器可以与目标用户所使用的用户终端通信，从而获取到目标用户的当前发单位置。例如，目标用户开启用户终端中预先安装的网约车软件，服务器则可以获取用户终端的定位信息，从而得到目标用户的当前发单位置。

服务器在获取到目标用户的当前发单位置后，从目标用户对应的至少一个常驻区域中，查找出当前发单位置周围的目标常驻区域。例如，目标用户的常驻区域包括目标用户居住的A小区和工作地点，服务器根据目标用户的当前发单位置确定目标常驻区域为目标用户居住的A小区。

步骤202，在确定当前发单位置与目标常驻区域发生偏离的情况下，基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息。

其中，所述常驻区域变更特征信息可以包括当前发单位置与目标常驻区域偏离的特征信息。

服务器在获取到目标用户的当前发单位置和目标常驻区域后，确定当前发单位置与目标常驻区域是否发生偏离。如果当前发单位置与目标常驻区域发生偏离，表明根据历史上车点进行推荐有可能不符合目标用户的期望，需要采用新的方式推荐上车点。

如图3所示，目标用户之前居住在A小区，现已搬家至B小区，B小区与A小区邻近。服务器获取到的当前发单位置在B小区，获取到的目标常驻区域为A小区，则可以确定当前发单位置与目标常驻区域发生偏离的情况。

在确定当前发单位置与目标常驻区域发生偏离的情况下，服务器根据当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取常驻区域变更特征信息。

例如，目标常驻区域为目标用户之前居住的A小区，则服务器可以确定当前发单位置与A小区出口之间的距离，或者，确定当前发单位置与A小区周围的商店、公交车站、加油站和B小区出口之间的距离，以及根据当前发单位置对应的时间，确定与目标用户上一次在A小区发出约车订单的间隔时长；最后，将上述确定的距离和间隔时长作为常驻区域变更特征信息。

步骤203，根据常驻区域变更特征信息确定与当前发单位置相匹配的目标上车点，并将目标上车点发送至目标用户的用户终端，以供用户终端展示目标上车点。

服务器获取到常驻区域变更特征信息后，根据常驻区域变更特征信息重新查找与当前发单位置相匹配的目标上车点，并将查找到的目标上车点发送到目标用户所使用的用户终端。用户终端接收目标上车点，并展示目标上车点，从而将目标上车点推荐给目标用户。

例如，服务器根据当前发单位置与目标用户之前居住的A小区出口之间的距离，确定A小区出口不是目标上车点；根据当前发单位置与A小区周围的商店、公交车站、加油站和B小区出口之间的距离，确定B小区出口为目标上车点。本公开实施例根据常驻区域变更特征信息确定目标上车点的方式不做限定。

上述上车点推荐方法中，获取目标用户的当前发单位置和当前发单位置周围的目标常驻区域；在确定当前发单位置与目标常驻区域发生偏离的情况下，基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息；根据常驻区域变更特征信息确定与当前发单位置相匹配的目标上车点，并将目标上车点发送至目标用户的用户终端，以供用户终端展示目标上车点。本公开实施例中，服务器可以敏锐地捕捉到当前发单位置与目标常驻区域发生偏离的情况，从而为目标用户推荐更为合适的上车点，进而提升上车点的推荐效果。

在一个实施例中，服务器在获取目标用户的当前发单位置和当前发单位置周围的目标常驻区域之前，需要先确定目标用户对应的至少一个常驻区域。如图4所示，本公开实施例还可以包括如下步骤：

步骤301，获取目标用户的多个历史发单位置。

服务器可以从历史约车订单库获取目标用户的多个历史约车订单，并根据多个历史约车订单获取到多个历史发单位置。

在其中一个实施例中，在获取历史发单位置之前，服务器通过目标用户所使用的用户终端询问目标用户是否授权使用历史约车订单。在目标用户授权使用历史约车订单的情况下，服务器再获取目标用户的多个历史约车订单，并根据多个历史约车订单获取历史发单位置。

如果目标用户未授权使用历史约车订单，服务器则不能获取目标用户的历史约车订单和历史发单位置。此时，服务器可以根据历史上车点为用户推荐上车点。

步骤302，对多个历史发单位置进行聚类处理得到至少一个发单位置聚类簇。

服务器可以采用DBSCAN(Density-Based Spatial Clustering of Applicationswith Noise)算法对多个历史发单位置进行聚类处理；也可以采用k-means算法对多个历史发单位置进行聚类处理。本公开实施例对聚类处理方式不做限定，可以根据实际情况进行选取。

聚类处理后，服务器可以得到至少一个发单位置聚类簇，如图5所示。

步骤303，确定各发单位置聚类簇对应的地理区域，并将各发单位置聚类簇对应的地理区域作为目标用户的常驻区域。

服务器中预先设置有多个地理区域的区域信息，根据多个地理区域的区域信息，可以确定各发单位置聚类簇所对应的地理区域，并将各发单位置聚类簇对应的地理区域作为目标用户的常驻区域。

如图5所示，4个发单位置聚类簇分别对应4个小区，如果目标用户的发单位置聚类簇对应A小区，则将A小区作为目标用户的常驻区域。

上述实施例中，获取目标用户的多个历史发单位置；对多个历史发单位置进行聚类处理得到至少一个发单位置聚类簇；确定各发单位置聚类簇对应的地理区域，并将各发单位置聚类簇对应的地理区域作为目标用户的常驻区域。本公开实施例通过对历史发单位置的聚类处理得到目标用户的常驻区域，以便服务器可以敏锐地捕捉到当前发单位置与目标常驻区域发生偏离的情况，从而为目标用户推荐更为合适的上车点，提高上车点的推荐效果。进一步地，还可以提升用户的使用体验，提高产品的用户黏度。

在一个实施例中，如图6所示，上述确定当前发单位置与目标常驻区域发生偏离，以及基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息的过程，可以包括如下步骤：

步骤401，确定当前发单位置与目标常驻区域之间的目标距离。

服务器确定当前发单位置与目标常驻区域之间的目标距离。例如，服务器计算当前发单位置与目标常驻区域所对应的发单位置聚类簇的聚类中心之间的目标距离；或者，服务器计算当前发单位置与目标常驻区域的出口之间的目标距离。本公开实施例对距离计算方式不做限定。

步骤402，若目标距离大于预设距离阈值，则确定当前发单位置与目标常驻区域发生偏离。

服务器中存储有预设距离阈值，在确定当前发单位置与目标常驻区域之间的目标距离后，确定该目标距离是否大于预设距离阈值。如果目标距离大于预设距离阈值，表明当前发单位置与目标常驻区域的距离较远，则确定当前发单位置与目标常驻区域发生偏离。

例如，确定目标用户的当前发单位置与A小区之间的目标距离大于预设距离阈值，表明当前发单位置与A小区发生偏离，目标用户可能已经搬离A小区。

如果目标距离小于或等于预设距离阈值，表明当前发单位置与目标常驻区域的距离较近，则确定当前发单位置未与目标常驻区域发生偏离。

例如，确定目标用户的当前发单位置与A小区之间的目标距离小于预设距离阈值，表明当前发单位置未与A小区发生偏离，目标用户可能仍居住在A小区。

步骤403，基于目标常驻区域周围预设范围内的标志物的位置信息和当前发单位置确定当前发单位置与各标志物之间的距离。

其中，目标常驻区域的位置信息包括目标常驻区域周围预设范围内的标志物的位置信息，目标常驻区域周围预设范围内的标志物(Point of interesting，POI)可以包括地图上任何非地理意义的有意义的点：比如商店、加油站、医院和车站等。

服务器在获取到目标用户的当前发单位置和目标常驻区域后，可以获取到目标常驻区域周围预设范围内的标志物的位置信息；之后，服务器计算当前发单位置与各标志物之间的距离。

例如，服务器计算当前发单位置与A小区周围的商店之间的距离，计算当前发单位置与A小区周围的车站之间的距离。本公开实施例对标志物不做限定。

步骤404，基于目标常驻区域的边界信息和当前发单位置确定当前发单位置是否位于目标常驻区域内。

其中，目标常驻区域的位置信息包括目标常驻区域的边界信息(Area ofinteresting，AOI)。

服务器在获取到目标用户的当前发单位置和目标常驻区域后，可以获取到目标常驻区域的边界信息；之后，服务器根据目标常驻区域的边界信息确定当前发单位置是否在目标常驻区域内。

例如，服务器根据A小区的边界信息确定当前发单位置是否在A小区内。

在其中一个实施例中，可以采用标识信息表征当前发单位置是否在目常驻区域内。例如，采用1表征当前发单位置在目标常驻区域内，采用0表征当前发单位置不在目标常驻区域内；或者，采用T表征目标发单位置在目标常驻区域内，采用F表征当前发单位置不在目标常驻区域内。本公开实施例对标识信息不做限定。

步骤405，基于当前发单位置对应的时间和前次发单位置对应的时间确定时间差。

服务器获取当前发单位置对应的时间以及前次发单位置对应的时间，计算这两个时间之间的时间差。可以理解地，如果时间差较大，表明当前发单位置对应的时间与前次发单时间之间间隔时间较长，那么当前发单位置与目标常驻区域发生偏离是真实情况的概率则比较大；如果时间差较小，表明当前发单位置对应的时间与前次发单时间之间的间隔时间较短，当前发单位置与目标常驻区域发生偏离是真实情况的概率则稍低。

步骤406，将当前发单位置与各标志物之间的距离、当前发单位置是否位于目标常驻区域内以及时间差作为常驻区域变更特征信息。

服务器可以将当前发单位置与各标志物之间的距离、当前发单位置是否位于目标常驻区域内以及时间差中的至少一种作为常驻区域变更特征信息，以便后续可以根据常驻区域变更特征信息推荐上车点。

在其中一个实施例中，服务器还可以将目标用户所使用的用户终端的定位偏差也作为常驻区域变更特征信息。本公开实施例对常驻区域变更特征信息不做限定。

上述实施例中，确定当前发单位置与目标常驻区域之间的目标距离；若目标距离大于预设距离阈值，则确定当前发单位置与目标常驻区域发生偏离；基于目标常驻区域周围预设范围内的标志物的位置信息和当前发单位置确定当前发单位置与各标志物之间的距离；基于目标常驻区域的边界信息和当前发单位置确定当前发单位置是否位于目标常驻区域内；基于当前发单位置对应的时间和前次发单位置对应的时间确定时间差；将当前发单位置与各标志物之间的距离、当前发单位置是否位于目标常驻区域内以及时间差作为常驻区域变更特征信息。本公开实施例通过当前发单位置与目标常驻区域之间的距离可以敏锐地捕捉到当前发单位置与目标常驻区域发生偏离的情况，并获取可以表征这种情况的常驻区域变更特征信息，从而根据常驻区域变更特征信息为用户推荐更为合适的上车点，提高上车点的推荐效果。

在一个实施例中，上述根据常驻区域变更特征信息推荐与当前发单位置相匹配的目标上车点的过程，可以包括：将常驻区域变更特征信息输入到预设的上车点推荐模型中，得到上车点推荐模型输出的目标上车点。

服务器中预先设置有上车点推荐模型，在确定当前发单位置与目标常驻区域发生偏离的情况下，采用该上车点推荐模型为目标用户推荐上车点。具体地，将获取到的常驻区域变更特征信息输入到上车点推荐模型中，上车点推荐模型根据常驻区域变更特征信息对当前发单位置周围的多个上车点进行筛选，从中筛选并输出目标上车点。

在获取到多个常驻区域变更特征信息的情况下，可以将多个常驻区域变更特征信息拼接为特征矩阵，然后将特征矩阵输入到上车点推荐模型中。本公开实施例对常驻区域变更特征信息的处理方式不做限定。

在其中一个实施例中，常驻区域变更特征信息包括位置坐标，在将多个常驻区域变更特征信息拼接为特征矩阵之前，还需要对位置坐标进行处理。其中一种处理方式，是将采用经纬度表征的位置坐标转换为网格形式。另一种处理方式，是对采样经纬度表征的位置坐标进行编码得到离散数据。上述处理方式，目的是将位置坐标表达为深度学习模型可以学习的特征。

在对位置坐标进行编码后，可以对编码后的离散数据进行哈希化处理，哈希化处理可以对编码后的离散数据进行降维，从而减少数据量，进而降低深度学习模型的复杂度、学习成本，实现提高学习效率的效果。

其中，上车点推荐模型可以采用xdeepFM模型、deepFM模型、DCN((Deep CrossNetwor)模型，也可以采用其他模型，本公开实施例对模型结构不做限定。

上述实施例中，服务器将常驻区域变更特征信息输入到预设的上车点推荐模型中，得到上车点推荐模型输出的目标上车点。在现有技术中，为用户推荐目标上车点大多参考历史上车点，然而在当前发单位置与目标常驻区域发生偏离的情况下，这种方式可能导致推荐的上车点与用户期望的上车点并不一致。在本公开实施例中，上车点推荐模型不是参考历史上车点确定目标上车点，而是根据当前发单位置与目标常驻区域之间的关系确定目标上车点，因此，上车点推荐模型确定的目标上车点更加适合用户。

在一个实施例中，如图7所示，在将常驻区域变更特征信息输入到预设的上车点推荐模型中之前，本公开实施例还可以包括：

步骤501，获取多个训练样本。

其中，训练样本包括样本订单和样本订单对应的多个推荐上车点的目标权重值；样本订单为发单位置与常驻区域偏离的订单。

在实际应用中，可能存在用户搬离原来居住的小区，或者更换工作地点后，在发约车订单时，主动对推荐上车点进行修改的情况；也可能存在用户虽然使用推荐上车点发出约车订单，但是与接驾司机自行沟通更改上车点的情况。在进行模型训练时，服务器将这些发单位置与常驻区域偏离的订单作为样本订单。

各样本订单对应一个或多个推荐上车点，每个样本订单对应的推荐上车点具有对应的目标权重值，以便在训练过程中，模型可以根据推荐上车点对应的目标权重值输出训练结果。

步骤502，根据多个训练样本进行深度学习模型的训练，得到上车点推荐模型。

服务器获取到多个训练样本后，根据多个训练样本进行深度学习模型的训练。具体地，将一个训练样本输入到深度学习模型中，得到深度学习模型输出的训练结果；根据训练结果进行损失计算，根据计算出的损失值对深度学习模型中的可调参数进行调整。之后，将另一个训练样本输入到深度学习模型中，得到深度学习模型输出的另一个训练结果，再根据另一个训练结果进行损失计算。以此类推，直到根据深度学习模型输出的训练结果计算的损失值符合预设条件为止，得到上车点推荐模型。

在其中一个实施例中，在使用上车点推荐模型的过程中，获取多个上车点推荐模型确定的推荐上车点和用户的实际上车点；对于每一对推荐上车点和实际上车点，确定推荐上车点与实际上车点之间的差异；若该差异小于预设差异阈值，则确定实际上车点与推荐上车点匹配；若该差异大于或等于预设差异阈值，则确定实际上车点与推荐上车点不匹配；统计多对推荐上车点和实际上车点的匹配情况，对上车点推荐模型进行推荐效果评估。之后，可以根据推荐效果对上车点推荐模型进行优化处理。

上述实施例中，获取多个训练样本；根据多个训练样本进行深度学习模型的训练，得到上车点推荐模型。本公开实施例通过发单位置与常驻区域偏离的样本订单和样本订单对应的多个推荐上车点的目标权重值训练上车点推荐模型，训练出的上车点推荐模型可以准确地从多个推荐上车点中筛选出目标上车点，从而为用户推荐合适的上车点，提高上车点的推荐效果。

在一个实施中，如图8所示，上述获取多个训练样本的过程，可以包括：

步骤5011，获取多个候选订单，并根据各候选订单对应的发单位置和常驻区域从多个候选订单中筛选出样本订单。

服务器从历史约车订单库中获取多个已授权使用的历史约车订单作为候选订单。之后，服务器确定各候选订单对应的发单位置和发单位置周围的常驻区域，并确定发单位置与常驻区域是否偏离。如果发单位置与常驻区域偏离，则将候选订单确定为样本订单。如果发单位置未与常驻区域偏离，则将候选订单确定为非样本订单。这样，服务器就从多个候选订单中筛选出了样本订单。

步骤5012，获取各样本订单对应的实际上车点和多个推荐上车点的初始权重值。

服务器获取到样本订单后，可以获取到样本订单对应的实际上车点，以及样本订单对应的多个推荐上车点。各推荐上车点具有初始权重值。其中，初始权重值可以为默认值。本公开实施例对推荐上车点的初始权重值不做限定。

步骤5013，根据实际上车点对各推荐上车点的初始权重值进行调整，得到各推荐上车点的目标权重值。

服务器获取到实际上车点后，确定多个推荐上车点中是否有实际上车点。如果多个推荐上车点中有实际上车点，则将实际上车点对应的推荐上车点的初始权重值调高，得到该推荐上车点的目标权重值。如果多个推荐上车点中没有实际上车点，则可以不调整各推荐上车点的初始权重值，或者将各推荐上车点的初始权重值调低。

上述对各推荐上车点的初始权重值进行调整，可以调整各推荐上车点的rank-label值。

在其中一个实施例中，还可以根据推荐上车点中是否有实际上车点调整样本订单的权重值。例如，调整了推荐上车点的rank-label值后，样本订单的权重值为weight＝δ×rank-label。

本公开实施例对推荐上车点的权重调整方式以及样本订单的权重调整方式不做限定。

步骤5014，将样本订单和样本订单对应的多个推荐上车点的目标权重值作为训练样本。

在确定样本订单和样本订单对应的多个推荐上车点的目标权重值之后，将样本订单以及样本订单对应的多个推荐上车点的目标权重值作为训练样本。

上述实施例中，获取多个候选订单，并根据各候选订单对应的发单位置和常驻区域从多个候选订单中筛选出样本订单；获取各样本订单对应的实际上车点和多个推荐上车点的初始权重值；根据实际上车点对各推荐上车点的初始权重值进行调整，得到各推荐上车点的目标权重值；将样本订单和样本订单对应的多个推荐上车点的目标权重值作为训练样本。本公开实施例通过对推荐上车点的权重值进行调整得到较为准确的训练样本，从而可以训练出准确输出目标停车点的上车点推荐模型，进而为用户推荐更为合适的上车点，提高上车点的推荐效果。进一步地，还可以提高用户的使用体验以及产品的用户黏度。

在一个实施例中，在基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息之前，本公开实施例还可以包括：获取当前发单位置对应的定位精度信息。

服务器在确定当前发单位置与目标常驻区域发生偏离时，有可能是因为目标用户所使用的用户终端的定位精度较低造成的。因此，在确定当前发单位置与目标常驻区域发生偏离后，先获取当前发单位置对应的定位精度信息，再根据定位精度信息决定目标上车点的确定方式。

在其中一个实施例中，若定位精度信息大于或等于预设精度阈值，则基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息；并根据常驻区域变更特征信息推荐与当前发单位置相匹配的目标上车点。

服务器获取到当前发单位置对应的定位精度信息大于或等于预设精度阈值时，表明目标用户所使用的用户终端的定位精度足够高，当前发单位置与目标常驻区域发生偏离是真实情况的概率较大，此时需要采用新的方式即上车点推荐模型来确定目标上车点。因此，服务器基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息。之后，将常驻区域变更特征信息输入到预设的上车点推荐模型中，得到上车点推荐模型输出的目标上车点。

在其中一个实施例中，若定位精度信息小于预设精度阈值，则获取目标用户对应的历史上车点，并将历史上车点确定为与当前发单位置匹配的目标上车点。

服务器获取到当前发单位置对应的定位精度信息小于预设精度阈值时，表明目标用户所使用的用户终端的定位精度不够高，当前发单位置与目标常驻区域发生偏离是真实情况的概率较低，此时，可以采用已有的推荐方式。例如，获取目标用户的历史上车点，然后将历史上车点确定为目标上车点。

上述上车点推荐方法中，服务器获取当前发单位置对应的定位精度信息，如果定位精度信息大于或等于预设精度阈值，则采用上车点推荐模型来确定目标上车点；定位精度信息小于预设精度阈值，则采用历史上车点来确定目标上车点。通过本公开实施例，可以根据定位精度信息确定更为合适的目标上车点确定方式，从而确定更适合用户的目标上车点，使得推荐的上车点与用户期望的上车点更加匹配，进而提高用户的使用体验以及提高产品的用户黏度。

应该理解的是，虽然图2至图8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图9所示，提供了一种上车点推荐装置，包括：

第一位置获取模块601，用于获取目标用户的当前发单位置和当前发单位置周围的目标常驻区域；其中，目标常驻区域用于表征目标用户长时间停驻的区域；

特征信息获取模块602，用于在确定当前发单位置与目标常驻区域发生偏离的情况下，基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息；

第一上车点推荐模块603，用于根据常驻区域变更特征信息确定与当前发单位置相匹配的目标上车点，并将目标上车点发送至目标用户的用户终端，以供用户终端展示目标上车点。

在其中一个实施例中，如图10所示，该装置还包括：

第二位置获取模块604，用于获取目标用户的多个历史发单位置；

聚类模块605，用于对多个历史发单位置进行聚类处理得到至少一个发单位置聚类簇；

常驻区域确定模块606，用于确定各发单位置聚类簇对应的地理区域，并将各发单位置聚类簇对应的地理区域作为目标用户的常驻区域。

在其中一个实施例中，目标常驻区域的位置信息包括目标常驻区域周围预设范围内的标志物的位置信息和目标常驻区域的边界信息，特征信息获取模块602，具体用于基于目标常驻区域周围预设范围内的标志物的位置信息和当前发单位置确定当前发单位置与各标志物之间的距离；基于目标常驻区域的边界信息和当前发单位置确定当前发单位置是否位于目标常驻区域内；基于当前发单位置对应的时间和前次发单位置对应的时间确定时间差；将当前发单位置与各标志物之间的距离、当前发单位置是否位于目标常驻区域内以及时间差作为常驻区域变更特征信息。

在其中一个实施例中，第一上车点推荐模块603，具体用于将常驻区域变更特征信息输入到预设的上车点推荐模型中，得到上车点推荐模型输出的目标上车点。

在其中一个实施例中，如图11所示，该装置还包括：

样本获取模块607，用于获取多个训练样本；其中，训练样本包括样本订单和样本订单对应的多个推荐上车点的目标权重值；样本订单为发单位置与常驻区域偏离的订单；

模型训练模块608，用于根据多个训练样本进行深度学习模型的训练，得到上车点推荐模型。

在其中一个实施例中，样本获取模块607，具体用于获取多个候选订单，并根据各候选订单对应的发单位置和常驻区域从多个候选订单中筛选出样本订单；获取各样本订单对应的实际上车点和多个推荐上车点的初始权重值；根据实际上车点对各推荐上车点的初始权重值进行调整，得到各推荐上车点的目标权重值；将样本订单和样本订单对应的多个推荐上车点的目标权重值作为训练样本。

在其中一个实施例中，特征信息获取模块602，具体用于确定当前发单位置与目标常驻区域之间的目标距离；若目标距离大于预设距离阈值，则确定当前发单位置与目标常驻区域发生偏离。

在其中一个实施例中，如图12所示，该装置还包括：

定位精度获取模块609，用于获取当前发单位置对应的定位精度信息；

对应地，特征信息获取模块602，具体用于若定位精度信息大于或等于预设精度阈值，则基于当前发单位置、当前发单位置对应的时间以及目标常驻区域的位置信息，获取目标用户对应的常驻区域变更特征信息。

在其中一个实施例中，如图12所示，该装置还包括：

第二上车点推荐模块610，用于若定位精度信息小于预设精度阈值，则获取目标用户对应的历史上车点，并将历史上车点确定为与当前发单位置匹配的目标上车点。

关于上车点推荐装置的具体限定可以参见上文中对于上车点推荐方法的限定，在此不再赘述。上述上车点推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

图13是根据一示例性实施例示出的一种服务器1400的框图。参照图13，服务器1400包括处理组件1420，其进一步包括一个或多个处理器，以及由存储器1422所代表的存储器资源，用于存储可由处理组件1420执行的指令或者计算机程序，例如应用程序。存储器1422中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1420被配置为执行指令，以执行上述上车点推荐的方法。

服务器1400还可以包括一个电源组件1424被配置为执行设备1400的电源管理，一个有线或无线网络接口1426被配置为将设备1400连接到网络，和一个输入输出(I/O)接口1428。服务器1400可以操作基于存储在存储器1422的操作系统，例如Window14 14erverTM，Mac O14 XTM，UnixTM,LinuxTM，FreeB14DTM或类似。

在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器1422，上述指令可由服务器1400的处理器执行以完成上述方法。存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，该计算机程序被处理器执行时，可以实现上述方法。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行这些计算机指令时，可以全部或部分地按照本公开实施例所述的流程或功能实现上述方法中的部分或者全部。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息、用户位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开实施例所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

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。

以上所述实施例仅表达了本公开实施例的几种实施方式，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，在不脱离本公开实施例构思的前提下，还可以做出若干变形和改进，这些都属于本公开实施例的保护范围。因此，本公开实施例专利的保护范围应以所附权利要求为准。

Claims (13)

1.一种上车点推荐方法，其特征在于，所述方法包括：

获取目标用户的当前发单位置和所述当前发单位置周围的目标常驻区域；其中，所述目标常驻区域用于表征所述目标用户长时间停驻的区域；

在确定所述当前发单位置与所述目标常驻区域发生偏离的情况下，基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息；

根据所述常驻区域变更特征信息确定与所述当前发单位置相匹配的目标上车点，并将所述目标上车点发送至所述目标用户的用户终端，以供所述用户终端展示所述目标上车点。

2.根据权利要求1所述的方法，其特征在于，在所述获取目标用户的当前发单位置和所述当前发单位置周围的目标常驻区域之前，所述方法还包括：

获取所述目标用户的多个历史发单位置；

对所述多个历史发单位置进行聚类处理得到至少一个发单位置聚类簇；

确定各所述发单位置聚类簇对应的地理区域，并将各所述发单位置聚类簇对应的地理区域作为所述目标用户的常驻区域。

3.根据权利要求1所述的方法，其特征在于，所述目标常驻区域的位置信息包括所述目标常驻区域周围预设范围内的标志物的位置信息和所述目标常驻区域的边界信息，所述基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息，包括：

基于所述目标常驻区域周围预设范围内的标志物的位置信息和所述当前发单位置确定所述当前发单位置与各所述标志物之间的距离；

基于所述目标常驻区域的边界信息和所述当前发单位置确定所述当前发单位置是否位于所述目标常驻区域内；

基于所述当前发单位置对应的时间和前次发单位置对应的时间确定时间差；

将所述当前发单位置与各所述标志物之间的距离、所述当前发单位置是否位于所述目标常驻区域内以及所述时间差作为所述常驻区域变更特征信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述常驻区域变更特征输出与所述目标用户的当前发单位置相匹配的目标上车点，包括：

将所述常驻区域变更特征信息输入到预设的上车点推荐模型中，得到所述上车点推荐模型输出的所述目标上车点。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取多个训练样本；其中，所述训练样本包括样本订单和所述样本订单对应的多个推荐上车点的目标权重值；所述样本订单为发单位置与常驻区域偏离的订单；

根据所述多个训练样本进行深度学习模型的训练，得到所述上车点推荐模型。

6.根据权利要求5所述的方法，其特征在于，所述获取多个训练样本，包括：

获取多个候选订单，并根据各所述候选订单对应的发单位置和常驻区域从所述多个候选订单中筛选出所述样本订单；

获取各所述样本订单对应的实际上车点和所述多个推荐上车点的初始权重值；

根据所述实际上车点对各所述推荐上车点的初始权重值进行调整，得到各所述推荐上车点的目标权重值；

将所述样本订单和所述样本订单对应的多个推荐上车点的目标权重值作为所述训练样本。

7.根据权利要求1所述的方法，其特征在于，所述确定所述当前发单位置与所述目标常驻区域发生偏离，包括：

确定所述当前发单位置与所述目标常驻区域之间的目标距离；

若所述目标距离大于预设距离阈值，则确定所述当前发单位置与所述目标常驻区域发生偏离。

8.根据权利要求1所述的方法，其特征在于，在所述基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息之前，所述方法还包括：

获取所述当前发单位置对应的定位精度信息；

对应地，所述基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息，包括：

若所述定位精度信息大于或等于预设精度阈值，则基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

若所述定位精度信息小于所述预设精度阈值，则获取所述目标用户对应的历史上车点，将所述历史上车点确定为与所述当前发单位置匹配的目标上车点。

10.一种上车点推荐装置，其特征在于，所述装置包括：

第一位置获取模块，用于获取目标用户的当前发单位置和所述当前发单位置周围的目标常驻区域；其中，所述目标常驻区域用于表征所述目标用户长时间停驻的区域；

特征信息获取模块，用于在确定所述当前发单位置与所述目标常驻区域发生偏离的情况下，基于所述当前发单位置、所述当前发单位置对应的时间以及所述目标常驻区域的位置信息，获取所述目标用户对应的常驻区域变更特征信息；

第一上车点推荐模块，用于根据所述常驻区域变更特征信息确定与所述当前发单位置相匹配的目标上车点，并将所述目标上车点发送至所述目标用户的用户终端，以供所述用户终端展示所述目标上车点。

11.一种服务器，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。

12.一种存储介质，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9中任一项所述的方法的步骤。

13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法的步骤。

Images