CN116257164A - 候车用户焦虑响应方法及系统 - Google Patents
候车用户焦虑响应方法及系统 Download PDFInfo
- Publication number
- CN116257164A CN116257164A CN202310528853.1A CN202310528853A CN116257164A CN 116257164 A CN116257164 A CN 116257164A CN 202310528853 A CN202310528853 A CN 202310528853A CN 116257164 A CN116257164 A CN 116257164A
- Authority
- CN
- China
- Prior art keywords
- user
- anxiety
- data
- information
- waiting
- 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
- 208000019901 Anxiety disease Diseases 0.000 title claims abstract description 165
- 230000036506 anxiety Effects 0.000 title claims abstract description 164
- 230000004044 response Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000000903 blocking effect Effects 0.000 claims description 17
- 238000012546 transfer Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 13
- 230000003993 interaction Effects 0.000 abstract description 10
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/50—Service provisioning or reconfiguring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Signal Processing (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及车联网技术领域,本发明提供一种候车用户焦虑响应方法及系统,候车用户焦虑响应方法包括:接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息;基于所述焦虑程度信息,发送响应策略信息。本发明提供的候车用户焦虑响应方法及系统,通过接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,并基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
Description
技术领域
本发明涉及车联网技术领域,尤其涉及一种候车用户焦虑响应方法及系统。
背景技术
随着城市发展的进程,公共交通已经成了人们出行的重要选择,公共交通相比于私家车和出租车来说,需要乘客按照公共交通的车次来乘坐,乘客偶尔需要在候车站等待车辆到站,目前已经出现了在移动终端上实时查询车辆位置动态的软件系统,用户可以实时查询到车辆位置动态,以预估车辆到站时间。
然而,在用户使用移动终端查询车辆位置动态过程中,有时候会因为车辆长时间不到站出现焦虑情绪,目前的移动终端无法针对用户的候车焦虑情况做出有针对性的反馈,人机交互功能较为单一,智能化程度不高。
发明内容
本发明提供一种候车用户焦虑响应方法及系统,用以解决现有技术中无法针对用户的候车焦虑情况做出有针对性的反馈,人机交互功能较为单一,智能化程度不高的缺陷,实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
本发明提供一种候车用户焦虑响应方法,该候车用户焦虑响应方法包括:接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息;基于所述焦虑程度信息,发送响应策略信息。
根据本发明提供的一种候车用户焦虑响应方法,所述基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息,包括:将所述用户状态数据、所述用户状态数据和所述车辆状态数据输入到用户焦虑程度模型,得到所述焦虑程度信息;所述用户焦虑程度模型为,预先以用户状态样本数据、用户状态样本数据和车辆状态样本数据为样本,以与所述用户状态样本数据、所述用户状态样本数据和所述车辆状态样本数据对应的焦虑程度样本信息为样本标签进行训练得到。
根据本发明提供的一种候车用户焦虑响应方法,所述焦虑程度样本信息为,基于用户终端在对应的所述用户状态样本数据、所述用户状态样本数据和所述车辆状态样本数据情况下反馈的问卷信息确定。根据本发明提供的一种候车用户焦虑响应方法,
根据本发明提供的一种候车用户焦虑响应方法,所述用户焦虑程度模型基于决策树算法训练得到。
根据本发明提供的一种候车用户焦虑响应方法,所述基于所述焦虑程度信息,发送响应策略信息,包括:基于所述焦虑程度信息,确定换乘方案信息;将所述换乘方案信息发送给所述用户终端。
根据本发明提供的一种候车用户焦虑响应方法,所述基于所述焦虑程度信息,发送响应策略信息,包括:基于所述焦虑程度信息,确定广告阻拦等级;基于所述广告阻拦等级,发送广告阻拦指令。
根据本发明提供的一种候车用户焦虑响应方法,所述用户状态数据包括:用户所处线路、用户所处候车站;或者,所述用户操作数据包括:用户启动应用频次、用户刷新车辆状态频次、应用前后台切换频次、用户终端加速度传感数据;或者,所述车辆状态数据:车辆所处位置、车辆到站时间。
本发明还提供一种候车用户焦虑响应系统,该候车用户焦虑响应系统包括:接收模块,用于接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;确定模块,用于基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息;发送模块,用于基于所述焦虑程度信息,发送响应策略信息。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述候车用户焦虑响应方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述候车用户焦虑响应方法的步骤。
本发明提供的候车用户焦虑响应方法及系统,通过接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,并基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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是本发明提供的候车用户焦虑响应方法的流程示意图之一;
图2是本发明提供的候车用户焦虑响应方法的流程示意图之二;
图3是本发明提供的候车用户焦虑响应方法的流程示意图之三;
图4是本发明提供的候车用户焦虑响应装置的结构示意图;
图5是本发明提供的电子设备的结构示意图。
实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
下面结合图1-图5描述本发明的候车用户焦虑响应方法及系统。
可以理解的是,当用户在候车站等候车辆的过程中,用户可以手持用户终端,车辆上可以安装有车辆终端,还可以具有服务器,用户终端和车辆终端均可以和服务器通信连接,该候车用户焦虑响应方法及系统可以应用于服务器中。
如图1所示,本发明提供一种候车用户焦虑响应方法,该候车用户焦虑响应方法包括以下步骤100至步骤300。
其中,步骤100、接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据。
可以理解的是,服务器可以接收用户终端发送的用户状态数据和用户操作数据,还可以接收终端设备发送的目标车辆的车辆状态数据。目标车辆的车辆状态数据指的是车辆在行驶过程中的相关物理参数,车辆状态数据可以包括:车辆所处位置、车辆到站时间。车辆终端可以将车辆状态数据通过公交公司的调度系统发到服务器,服务器可以将车辆状态数据发送给用户终端,用户终端可以将车辆状态数据显示出来,用户可以实时查看到车辆的状态,用户可以对用户终端将进行操作,从而形成用户操作数据,用户终端可以将用户操作数据发送给服务器。用户操作数据可以包括:用户启动应用频次、用户刷新车辆状态频次、应用前后台切换频次、用户终端加速度传感数据。当然,用户终端还可以获取用户状态数据,用户状态数据可以包括:用户所处线路、用户所处候车站。
比如用户在候车过程中,终端设备会将用户所处的车站位置发送给服务器,车辆终端会将目标车辆的位置发送服务器,终端设备会从服务器中获取到车辆的实时位置。用户想要了解到车辆的到站时间,用户会打开终端设备,查看到车辆的实时位置,此时就形成了用户操作数据,终端设备可以将用户操作数据发送给服务器。
步骤200、基于用户状态数据、用户操作数据和车辆状态数据,确定候车用户的焦虑程度信息。
可以理解的是,服务器在接收到用户状态数据、用户操作数据和车辆状态数据后,可以根据用户状态数据、用户操作数据和车辆状态数据,生成候车用户的焦虑程度信息,焦虑程度信息可以用于衡量用户在候车过程中的焦虑程度,比如用户的焦虑程度可以分为非常焦虑、焦虑和正常这三类。可以利用神经网络模型对用户状态数据、用户操作数据和车辆状态数据进行处理,输出焦虑程度信息,还可以从预设的表单数据库中直接查询,找到与用户状态数据、用户操作数据和车辆状态数据相匹配的焦虑程度信息。当然也可以利用其他方法来实现基于用户状态数据、用户操作数据和车辆状态数据,确定焦虑程度信息,本实施例对此不进行限定。
步骤300、基于焦虑程度信息,发送响应策略信息。
可以理解的是,服务器可以根据焦虑程度信息来确定响应策略信息,并将响应策略信息发送给用户终端,响应策略信息指的是针对用户的焦虑程度,来执行一定的反馈方案,比如推送换成方案、推送新闻或者娱乐信息或者减少广告推送频次等策略,由服务器来将这种响应策略信息发送给终端设备,终端设备将响应策略信息进行执行,从而在一定程度上降低用户的焦虑程度,提升用户的候车体验,改善用户体验。
本发明提供的候车用户焦虑响应方法,通过接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,并基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
在一些实施例中,步骤200、基于用户状态数据、用户操作数据和车辆状态数据,确定候车用户的焦虑程度信息,包括:将用户状态数据、用户状态数据和车辆状态数据输入到用户焦虑程度模型,得到焦虑程度信息。
用户焦虑程度模型为,预先以用户状态样本数据、用户状态样本数据和车辆状态样本数据为样本,以与用户状态样本数据、用户状态样本数据和车辆状态样本数据对应的焦虑程度样本信息为样本标签进行训练得到。
可以理解的是,可以将用户状态数据、用户操作数据和车辆状态数据输入到用户焦虑程度模型中,输出焦虑程度信息,用户焦虑程度模型可以为神经网络模型,比如卷积神经网络或者残差神经网络,用户焦虑程度模型可以用户状态样本数据、用户状态样本数据和车辆状态样本数据为样本,以与用户状态样本数据、用户状态样本数据和车辆状态样本数据所对应的焦虑程度样本信息为样本标签进行训练得到,比如可以通过有监督学习或者无监督学习的方式来训练位置识别模型。
焦虑程度样本信息所使用的深度学习神经网络能够对输入的用户状态样本数据、用户状态样本数据和车辆状态样本数据的特征进行挑拣,将每个特征用于得到一个输出结果,将每个输出结果都和样本标签进行比对,经过比对符合要求的特征可以保留下来,而经过比对不符合要求的特征通过Loss参数进行忽略,经过对输入的大量用户状态样本数据、用户状态样本数据和车辆状态样本数据的不断迭代训练,可以最终学会那些需要记忆的核心特征,并将不同的核心特征进行分类,最终可以根据这些核心特征来对新输入的用户状态数据、用户操作数据和车辆状态数据进行判别。
在对用户焦虑程度模型进行训练之前,深度学习神经网络的卷积层的滤波器是完全随机的,其不会对任何特征激活,也就是不能检测到任何特征,在训练的过程中,对空白的滤波器修改权重以使其能够检测特定的场景,这正是一种有监督学习方式,基于这种有监督学习方式,深度学习神经网络能够自行学习出核心特征,以根据这些核心特征来对新输入的用户状态数据、用户操作数据和车辆状态数据进行判别。
在一些实施例中,焦虑程度样本信息为,基于用户终端在对应的用户状态样本数据、用户状态样本数据和车辆状态样本数据情况下反馈的问卷信息确定。
可以理解的是,当服务器获取到用户状态样本数据、用户状态样本数据和车辆状态样本数据时,可以向用户终端推送与用户状态样本数据、用户状态样本数据和车辆状态样本数据所对应的调查问卷或者,交互弹窗,用户可以针对调查问卷或者交互弹窗来进行填写,形成问卷信息,用户终端可以将问卷信息发送给服务器,当然问卷信息还可以是根据用户在投诉模块反馈的信息生成的。
比如在实际场景中,服务器可以给用户终端推送调查问卷或者交互弹窗,推送内容可以被描述为:“您在7:00-7:10使用候车程序时所处的状态是:焦虑、相对焦虑或者正常,如果焦虑,原因是?”,当然,用户在投诉模块反馈“等半天车还不来上班要迟到”。可以根据这些信息得到问卷信息,并基于用户状态样本数据、用户状态样本数据和车辆状态样本数据情况对应的问卷信息,确定焦虑程度样本信息。
在形成问卷信息的过程中,可以对问卷信息进行人工合并与标注,针对用户对调查问卷反馈的数据与用户投诉产生的数据,可以根据用户的描述对数据进行归类。人工标注后台系统可以展示用户行为的均值和极值,为标注提供参考,主要目的是为了清洗掉用户的错误回答,最终把用户归类到非常焦虑、焦虑和正常三类。
其中,数据可以是一对多的状态。标注主要是标注某一个时间片是否焦虑,会对应第一步的多组数据。如:投诉/调查问卷描述:车半天不来上班要迟到,用户两分钟内刷新了40次、启动了app10次、且车辆离用户距离很远,结论为:用户处于焦虑状态。
在一些实施例中,用户焦虑程度模型基于决策树算法训练得到。
可以理解的是,可以利用sklearn(工具包)等针对样本进行训练,可以采用决策树算法(DecisionTreeClassifier),用户焦虑程度模型的输入可以为日期、时间、分钟hash、用户启动app次数、用户操作刷新车辆实时信息次数、应用app前后台切换的次数、智能手机MSME加速度传感器数据、用户所查询前三条线路(线路名称、车辆到候车站距离、车辆到达用户候车站时间)。输出可以为:非常焦虑、焦虑、正常三类。模型采用绝对值损失函数描述训练样本中预测值与真值的差异,并基于此对模型进行调试和优化,具体损失函数为:
其中,N为样本个数,Yi为真实值,f(xi)为预测值。
在一些实施例中,用户焦虑程度模型的参数可以使用分枝中的随机模式的参数random_state=10;控制决策树中的随机选项splitter="random",不纯度的计算criterion="gini",数的最大深度max depth=5。
如图2所示,在一些实施例中,上述步骤300、基于焦虑程度信息,发送响应策略信息,包括如下步骤301至步骤302。
其中,步骤301、基于焦虑程度信息,确定换乘方案信息。
可以理解的是,服务器可以根据用户的焦虑程度信息来有针对性地解决用户的实际乘车问题,比如当检车到用户的焦虑程度很高,可以生成换乘方案信息,比如在用户等候公交车的场景中,服务器可以检测出乘坐其他车辆的方案,比如寻找出一条乘坐距离更长但候车时间更短的乘车路线,这样就能够避免用户继续长时间等待。
步骤302、将换乘方案信息发送给用户终端。
在确定了换乘方案信息之后,服务器可以将换乘方案信息发送给用户终端,用户终端可以将换乘方案信息显示出来,给用户提供推荐的换乘方案。
如图3所示,在一些实施例中,上述步骤300、基于焦虑程度信息,发送响应策略信息,包括如下步骤311至步骤312。
其中,步骤311、基于焦虑程度信息,确定广告阻拦等级。
可以理解的是,用户终端所运行的软件可能会不时地向用户推送广告,此处获取到焦虑程度信息后,可以根据焦虑程度信息,来有针对性地降低用户终端的广告推送频次,服务器可以根据焦虑程度信息,来确定广告阻拦等级,比如当用户的焦虑程度较高时,将广告阻拦等级设置较高的数值。
步骤312、基于广告阻拦等级,发送广告阻拦指令。
可以理解的是,在确定了广告阻拦等级之后,服务器可以根据广告阻拦等级,来给用户终端发送广告阻拦指令,从而有针对性地降低用户终端的广告推送频次。
在一些实施例中,服务器还可给用户提供一下实时的路况,比如依赖地图厂商服务告诉用户哪段拥堵,并且可推荐打车与附近的共享单车给用户解决用户的出行问题。
在一些实施例中,服务器还可以根据用户焦虑程度信息来进行大数据分析,得到用户在xx时间xx线路处于焦虑或者正常的数据,当数据样本足够大,数据统计分析结论可以指导公交线路的规划。比如如1路x站,早上8点出现很多焦虑用户,间接反映了此条线路运力可能存在不足的情况或经过这站的线路需要优化。
在一些实施例中,用户状态数据包括:用户所处线路、用户所处候车站。或者,用户操作数据包括:用户启动应用频次、用户刷新车辆状态频次、应用前后台切换频次、用户终端加速度传感数据。或者,车辆状态数据:车辆所处位置、车辆到站时间。
下面对本发明提供的候车用户焦虑响应系统进行描述,下文描述的候车用户焦虑响应系统与上文描述的候车用户焦虑响应系统可相互对应参照。
如图4所示,本发明还提供一种候车用户焦虑响应系统,该候车用户焦虑响应系统包括:接收模块410、确定模块420和发送模块430。
其中,接收模块410用于接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据。
确定模块420用于基于用户状态数据、用户操作数据和车辆状态数据,确定候车用户的焦虑程度信息。
发送模块430用于基于焦虑程度信息,发送响应策略信息。
本发明提供的候车用户焦虑响应系统,通过接收模块410接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,确定模块420基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,发送模块430基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
在一些实施例中,确定模块420还用于将所述用户状态数据、所述用户状态数据和所述车辆状态数据输入到用户焦虑程度模型,得到所述焦虑程度信息;所述用户焦虑程度模型为,预先以用户状态样本数据、用户状态样本数据和车辆状态样本数据为样本,以与所述用户状态样本数据、所述用户状态样本数据和所述车辆状态样本数据对应的焦虑程度样本信息为样本标签进行训练得到。
在一些实施例中,所述焦虑程度样本信息为,基于用户终端在对应的所述用户状态样本数据、所述用户状态样本数据和所述车辆状态样本数据情况下反馈的问卷信息确定。根据本发明提供的一种候车用户焦虑响应方法,
在一些实施例中,所述用户焦虑程度模型基于决策树算法训练得到。
在一些实施例中,发送模块430还用于基于所述焦虑程度信息,确定换乘方案信息;将所述换乘方案信息发送给所述用户终端。
在一些实施例中,发送模块430还用于基于所述焦虑程度信息,确定广告阻拦等级;基于所述广告阻拦等级,发送广告阻拦指令。
在一些实施例中,所述用户状态数据包括:用户所处线路、用户所处候车站;或者,所述用户操作数据包括:用户启动应用频次、用户刷新车辆状态频次、应用前后台切换频次、用户终端加速度传感数据;或者,所述车辆状态数据:车辆所处位置、车辆到站时间。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行候车用户焦虑响应方法,该方法包括:接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;基于用户状态数据、用户操作数据和车辆状态数据,确定候车用户的焦虑程度信息;基于焦虑程度信息,发送响应策略信息。
本发明提供的电子设备,通过接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的候车用户焦虑响应方法,该方法包括:接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;基于用户状态数据、用户操作数据和车辆状态数据,确定候车用户的焦虑程度信息;基于焦虑程度信息,发送响应策略信息。
本发明提供的计算机程序产品,通过接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的候车用户焦虑响应方法,该方法包括:接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;基于用户状态数据、用户操作数据和车辆状态数据,确定候车用户的焦虑程度信息;基于焦虑程度信息,发送响应策略信息。
本发明提供的非暂态计算机可读存储介质,通过接收到用户终端发送的用户状态数据、用户操作数据和车辆状态数据,基于用户状态数据、用户操作数据和车辆状态数据确定候车用户的焦虑程度信息,基于焦虑程度信息来发送响应策略信息,能够实现候车过程的信息闭环传递,提升人机交互的智能化程度,改善用户体验。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种候车用户焦虑响应方法,其特征在于,包括:
接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;
基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息;
基于所述焦虑程度信息,发送响应策略信息。
2.根据权利要求1所述的候车用户焦虑响应方法,其特征在于,所述基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息,包括:
将所述用户状态数据、所述用户状态数据和所述车辆状态数据输入到用户焦虑程度模型,得到所述焦虑程度信息;
所述用户焦虑程度模型为,预先以用户状态样本数据、用户状态样本数据和车辆状态样本数据为样本,以与所述用户状态样本数据、所述用户状态样本数据和所述车辆状态样本数据对应的焦虑程度样本信息为样本标签进行训练得到。
3.根据权利要求2所述的候车用户焦虑响应方法,其特征在于,所述焦虑程度样本信息为,基于用户终端在对应的所述用户状态样本数据、所述用户状态样本数据和所述车辆状态样本数据情况下反馈的问卷信息确定。
4.根据权利要求2所述的候车用户焦虑响应方法,其特征在于,所述用户焦虑程度模型基于决策树算法训练得到。
5.根据权利要求1至4中任一项所述的候车用户焦虑响应方法,其特征在于,所述基于所述焦虑程度信息,发送响应策略信息,包括:
基于所述焦虑程度信息,确定换乘方案信息;
将所述换乘方案信息发送给所述用户终端。
6.根据权利要求1至4中任一项所述的候车用户焦虑响应方法,其特征在于,所述基于所述焦虑程度信息,发送响应策略信息,包括:
基于所述焦虑程度信息,确定广告阻拦等级;
基于所述广告阻拦等级,发送广告阻拦指令。
7.根据权利要求1至4中任一项所述的候车用户焦虑响应方法,其特征在于,所述用户状态数据包括:用户所处线路、用户所处候车站;
或者,所述用户操作数据包括:用户启动应用频次、用户刷新车辆状态频次、应用前后台切换频次、用户终端加速度传感数据;
或者,所述车辆状态数据:车辆所处位置、车辆到站时间。
8.一种候车用户焦虑响应系统,其特征在于,包括:
接收模块,用于接收用户终端的用户状态数据和用户操作数据,以及接收目标车辆的车辆状态数据;
确定模块,用于基于所述用户状态数据、所述用户操作数据和所述车辆状态数据,确定候车用户的焦虑程度信息;
发送模块,用于基于所述焦虑程度信息,发送响应策略信息。
9.一种电子设备,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程序时实现如权利要求1至7任一项所述候车用户焦虑响应方法的步骤。
10.一种非暂态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如权利要求1至7任一项所述候车用户焦虑响应方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310528853.1A CN116257164B (zh) | 2023-05-11 | 2023-05-11 | 候车用户焦虑响应方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310528853.1A CN116257164B (zh) | 2023-05-11 | 2023-05-11 | 候车用户焦虑响应方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116257164A true CN116257164A (zh) | 2023-06-13 |
CN116257164B CN116257164B (zh) | 2023-07-21 |
Family
ID=86688288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310528853.1A Active CN116257164B (zh) | 2023-05-11 | 2023-05-11 | 候车用户焦虑响应方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257164B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120157758A1 (en) * | 2010-12-20 | 2012-06-21 | General Electric Company | System, method and facility optimized for increasing patient throughput and scan efficiency |
CN103810885A (zh) * | 2012-11-15 | 2014-05-21 | 西安中科麦特电子技术设备有限公司 | 一种可提供实时信息的公交车等时提示系统 |
CN103824469A (zh) * | 2012-11-19 | 2014-05-28 | 泓谷(大连)科技发展有限公司 | 公交车站点动画显示系统 |
US20170214674A1 (en) * | 2016-01-25 | 2017-07-27 | Google Inc. | Reducing latency |
CN208208106U (zh) * | 2018-05-08 | 2018-12-07 | 安徽中科爱电新能源科技有限公司 | 一种基于手机app的公交查询系统 |
CN109241136A (zh) * | 2018-08-24 | 2019-01-18 | 深圳市赛为智能股份有限公司 | 公交车候车监控方法、装置、计算机设备及存储介质 |
US20190202399A1 (en) * | 2017-12-28 | 2019-07-04 | Micron Technology, Inc. | Security of User Data Stored in Shared Vehicles |
WO2020050457A1 (ko) * | 2018-09-06 | 2020-03-12 | 주식회사 엠투브 | 전기차 환승 서비스 제공 방법 |
US20200226551A1 (en) * | 2019-01-11 | 2020-07-16 | Experian Health, Inc. | Digital self-registration system |
CN111899511A (zh) * | 2020-08-03 | 2020-11-06 | 西南交通大学 | 一种共线线路avl数据的公交车到站时间预测方法 |
CN112380363A (zh) * | 2020-11-02 | 2021-02-19 | 中国第一汽车股份有限公司 | 多媒体内容推荐方法、装置、车辆及存储介质 |
US20210068737A1 (en) * | 2019-09-05 | 2021-03-11 | Ford Global Technologies, Llc | Systems and methods for reducing anxiety in an occupant of a vehicle |
US20210166804A1 (en) * | 2019-12-02 | 2021-06-03 | International Business Machines Corporation | Anxiety detection using wearables |
TW202217736A (zh) * | 2020-10-21 | 2022-05-01 | 亞東技術學院 | 動態派車系統及方法 |
CN115221422A (zh) * | 2021-04-16 | 2022-10-21 | 北京嘀嘀无限科技发展有限公司 | 出行方式推荐方法、装置、存储介质及计算机程序产品 |
-
2023
- 2023-05-11 CN CN202310528853.1A patent/CN116257164B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120157758A1 (en) * | 2010-12-20 | 2012-06-21 | General Electric Company | System, method and facility optimized for increasing patient throughput and scan efficiency |
CN103810885A (zh) * | 2012-11-15 | 2014-05-21 | 西安中科麦特电子技术设备有限公司 | 一种可提供实时信息的公交车等时提示系统 |
CN103824469A (zh) * | 2012-11-19 | 2014-05-28 | 泓谷(大连)科技发展有限公司 | 公交车站点动画显示系统 |
US20170214674A1 (en) * | 2016-01-25 | 2017-07-27 | Google Inc. | Reducing latency |
US20190202399A1 (en) * | 2017-12-28 | 2019-07-04 | Micron Technology, Inc. | Security of User Data Stored in Shared Vehicles |
CN208208106U (zh) * | 2018-05-08 | 2018-12-07 | 安徽中科爱电新能源科技有限公司 | 一种基于手机app的公交查询系统 |
CN109241136A (zh) * | 2018-08-24 | 2019-01-18 | 深圳市赛为智能股份有限公司 | 公交车候车监控方法、装置、计算机设备及存储介质 |
WO2020050457A1 (ko) * | 2018-09-06 | 2020-03-12 | 주식회사 엠투브 | 전기차 환승 서비스 제공 방법 |
US20200226551A1 (en) * | 2019-01-11 | 2020-07-16 | Experian Health, Inc. | Digital self-registration system |
US20210068737A1 (en) * | 2019-09-05 | 2021-03-11 | Ford Global Technologies, Llc | Systems and methods for reducing anxiety in an occupant of a vehicle |
US20210166804A1 (en) * | 2019-12-02 | 2021-06-03 | International Business Machines Corporation | Anxiety detection using wearables |
CN111899511A (zh) * | 2020-08-03 | 2020-11-06 | 西南交通大学 | 一种共线线路avl数据的公交车到站时间预测方法 |
TW202217736A (zh) * | 2020-10-21 | 2022-05-01 | 亞東技術學院 | 動態派車系統及方法 |
CN112380363A (zh) * | 2020-11-02 | 2021-02-19 | 中国第一汽车股份有限公司 | 多媒体内容推荐方法、装置、车辆及存储介质 |
CN115221422A (zh) * | 2021-04-16 | 2022-10-21 | 北京嘀嘀无限科技发展有限公司 | 出行方式推荐方法、装置、存储介质及计算机程序产品 |
Non-Patent Citations (1)
Title |
---|
孙峰;: "面向旅客的客运服务系统设计策略", 铁道标准设计, no. 01, pages 189 - 192 * |
Also Published As
Publication number | Publication date |
---|---|
CN116257164B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10354478B2 (en) | Method, apparatus, and system for automatic refueling of driverless vehicle | |
WO2021135653A1 (zh) | 一种识别车辆的异常停留的方法和系统 | |
CN103680128B (zh) | 出租车智能调度系统 | |
CN107919013B (zh) | 一种上车点处理方法及服务器 | |
CN106997577A (zh) | 一种订单策略动态调整方法及装置 | |
GB2525750A (en) | Crowd enhanced connectivity map for data transfer intermittency mitigation | |
CN103985271A (zh) | 一种基于云物联的智能停车引导系统 | |
DE102013202929A1 (de) | Verfahren und Vorrichtung zum Analysieren und Optimieren des Kraftstoff-/Energieverbrauchs | |
US20210037361A1 (en) | Emergency message transmission method based on d2d communication in internet of vehicles | |
CN110203154A (zh) | 车辆功能的推荐方法、装置、电子设备和计算机存储介质 | |
CN111145573A (zh) | 基于停车点间距、时长和频次聚合分析车辆常驻点的方法 | |
CN116257164B (zh) | 候车用户焦虑响应方法及系统 | |
US20230394552A1 (en) | Method and internet of things system of charging information recommendation for new energy vehicle in smart city | |
CN109919713A (zh) | 订单的推送方法、装置及可读存储介质 | |
CN108770014B (zh) | 网络服务器的计算评估方法、系统、装置及可读存储介质 | |
CN113269339B (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
US20230264574A1 (en) | Method and apparatus for vehicle control, storage medium, electronic device, and computer program | |
CN115996225A (zh) | 车辆生态系统通信的智能消息框架 | |
CN114915940A (zh) | 一种基于边云计算的车路通信链路匹配方法及系统 | |
CN114896482A (zh) | 一种模型训练和补能意图识别方法、装置、设备及介质 | |
CN114035533A (zh) | 车辆智能化测试方法及装置 | |
CN112606727A (zh) | 充电方案推荐方法和充电方案推荐系统 | |
Wei | Analysis on the Applications of AI in Vehicles and the Expectation for Future | |
US20230224379A1 (en) | Intelligent ticketing and data offload planning for connected vehicles | |
CN115688949B (zh) | 一种自动驾驶车辆预约乘坐方法及系统 |
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 |