CN116822916B - 订单量获取方法、装置、计算机设备和存储介质 - Google Patents
订单量获取方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116822916B CN116822916B CN202311109899.6A CN202311109899A CN116822916B CN 116822916 B CN116822916 B CN 116822916B CN 202311109899 A CN202311109899 A CN 202311109899A CN 116822916 B CN116822916 B CN 116822916B
- Authority
- CN
- China
- Prior art keywords
- riding
- time
- acquisition
- time period
- service area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 25
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种订单量获取方法、装置、计算机设备和存储介质。所述方法包括:获取第一服务区域内各共享单车在第一时间段的平均骑行时间;基于所述平均骑行时间,在第二时间段内确定多个采集时刻;根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。采用本方法既能够保证订单量的保密性,又可以保证订单量的可用性。
Description
技术领域
本申请涉及信息处理技术领域,特别是涉及一种订单量获取方法、装置、计算机设备和存储介质。
背景技术
随着信息化时代的来临,数据变得越来越重要,数据安全也称为一个很重要的问题。在日常应用中,有时不可避免的出现一些重要的数据库、数据表误删、丢失、损毁或者泄露等问题。比如在共享单车领域,订单信息是个极其重要的数据,其可以直观反应共享单车运营方每日的经营情况。
传统技术中,通常先对订单信息中的订单量等核心数据进行脱敏处理后再进行云端存储或展示等。例如,将订单信息中的订单量进行编码或者采用掩码屏蔽后再展示。然而,这种方式虽然保证了订单量在日常应用中的保密性,但也造成了用户因无法获取订单量而无法进行进一步处理的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种订单量获取方法、装置、计算机设备和存储介质,既能够保证订单量的保密性,又可以保证订单量的可用性。
第一方面,本申请提供了一种订单量获取方法,所述方法包括:
获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
在一种可能的实现方式中,所述获取第一服务区域内各共享单车在第一时间段的平均骑行时间,包括:
获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;
根据所述真实订单中的骑行时间,确定所述平均骑行时间。
在一种可能的实现方式中,所述基于所述平均骑行时间,在第二时间段内确定多个采集时刻,包括:
从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;
若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在一种可能的实现方式中,所述方法还包括:
获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;
获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;
将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
在一种可能的实现方式中,所述若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,包括:
若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段。
在一种可能的实现方式中,所述若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,包括:
若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;
按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
在一种可能的实现方式中,所述按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,包括:
将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;
对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
第二方面,本申请还提供了一种订单量获取装置,所述装置包括:
第一获取模块,用于获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
第一确定模块,用于基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
第二确定模块,用于根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
累加模块,用于若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
在一种可能的实现方式中,所述第一获取模块还用于:
获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;
根据所述真实订单中的骑行时间,确定所述平均骑行时间。
在一种可能的实现方式中,所述第一确定模块还用于:
从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;
若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在一种可能的实现方式中,所述装置还包括:
第三确定模块,用于获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;
第四确定模块,用于获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;
第二获取模块,用于将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
在一种可能的实现方式中,所述累加模块还用于:
若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段。
在一种可能的实现方式中,所述累加模块还用于:
若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;
按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
在一种可能的实现方式中,所述按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,包括:
将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;
对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,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以下步骤:
获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
第四方面,本申请还提供了一种计算机可读存储介质。所述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以下步骤:
获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
第五方面,本申请还提供了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,该计算机程序被处理器执行时实现以下步骤:
获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
上述订单量获取方法、装置、计算机设备和存储介质,基于第一服务区域内共享单车在两个采集时刻之间的移动距离,来确定共享单车是否产生了订单,进而获得第一服务区域在第二时间段内的订单量,然后采用获得的订单量替代真实订单量,既保证了订单量的保密性,又保证了订单量可用的可用性。
附图说明
图1为本申请实施例提供的订单量获取方法的流程示意图;
图2为本申请实施例提供的订单量获取装置的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
在一个实施例中,图1为本申请实施例提供的订单量获取方法的流程示意图。本申请实施例中以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。如图1所示,所述订单量获取方法可以包括以下步骤:
步骤S101,获取第一服务区域内各共享单车在第一时间段的平均骑行时间。
第一服务区域可以表示待获取订单量的区域。第一服务区域可以为任意一个开放共享单车服务的区域。第一服务区域可以包括一个或多个城市,也可以包括一个城市的部分区域,例如一个城市的一个或多个行政区或者一个多个街道或者一个或多个商圈等。本申请实施例对第一服务区域不作限制。下面以一个城市作为第一服务区域对本申请实施例提供的订单量获取方法进行示例性说明。
第一时间段可以表示任意一个历史时间段。例如,第一时间段可以为最近三个月或者最近两周等。可以理解的是,第一时间段越长,第一时间段内产生的真实订单也就越多,得到的平均骑行时间也就越准确。第一时间段越短,第一时间段内产生的真实订单也就越少,获取平均骑行时间过程中的计算量也就越小。第一时间段可以根据需要进行设置,本申请实施例对此不作限制。
在一种可能的实现方式中,步骤S101可以包括:获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;根据所述真实订单中的骑行时间,确定所述平均骑行时间。
服务器在获取到获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单之后,可以每个真实订单中获取到骑行时间。服务器可以将真实订单中的骑行时间的均指确定为第一区域内共享单车在第一时间段的平均骑行时间。
第一服务区域内共享单车在第一时间段的平均骑行时间可以表征第一服务区域内骑行者扫描共享单车一般骑行的时间长度。可以理解的是,对于通勤时长较大的城市,其平均骑行时间可能也较大;对于通勤时间较短的城市,其平均骑行时间可能也较短。
步骤S102,基于所述平均骑行时间,在第二时间段内确定多个采集时刻。
第二时间段可以表示待获取订单量的时间段。第二时间段可以为任意一个时间段。第二时间段可以根据需要进行设置。在一个示例中,第二时间段可以为一天或者一周等。本申请实施例对第二时间段不做限制。由于骑行一般需要持续一段时间,因此,在确定共享单单车的位置是否发生变化时,隔一段时间比较一次共享单车的位置信息即可,在本申请实施例中,将每次获取共享单车的位置信息的时刻称为采集时刻。
平均骑行时间可以表示每个订单持续的时间,因此可以将平均骑行时间作为采集间隔(即采集时刻之间的时间间隔)在第二时间段内确定多个采集时刻。
在一种可能的实现方式中,步骤S102可以包括 :从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在将第二时间段的起始时刻作为第一个采集时刻,然后以平均骑行时间作为采集间隔确定多个采集时刻,直至第二时间段的终止时刻。这样,最后一个采集时刻与第二时间段的终止时刻的时间间隔较短。对于获取连续多个第二时间段的场景来说,前一个第二时间段的最后一个采集时刻与后一个第二时间段的第一个采集时刻之前的时间间隔就会比较短,从而造成短时间内频繁采集位置信息和计算移动距离,而较短时间内的移动距离比较小,并不会触发订单量增加,从而造成了计算资源的浪费。在本申请实施例中,通过设置第二阈值,在最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻,可以避免因采集时刻的时间间隔过短而造成的资源浪费。
其中,第二阈值可以用于判断从最后一个采集时刻到第二时间段的终止时刻的时长是否过短。第二阈值可以根据需要预先设置。在一个示例中,第二阈值可以为10分钟或者15分钟等。举例来说,第二时间段为一天(即凌晨0点至24点。连续两个第二时间段即为连续两天,为了便于描述称为第一天和第二天。若第一天的最后一个采集时刻为23点58分,第二天的第一个采集时刻为其起始时刻0点,若保留第一天的最后一个采集时刻,则会造成第一天23点58分采集一次位置信息,第二天0点采集一次位置信息,两次采集位置信息的时间间隔较短,而共享单车极有可能在这么短的时间内没有产生新的订单,从而造成了资源的浪费。在本申请实施例中,假设第二阈值为10分钟,若第一天的最后一个采集时刻为23点58分,距离第一天的终止时刻24点相差2分钟,该差值小于第二阈值10分钟,服务器删除第一天的最后一个采集时刻23点58分,从而避免了因采集时间间隔果断而造成的计算资源浪费。
至此,服务器确定出了第二时间段中所有需要采集位置信息的采集时刻。
步骤S103,根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离。
共享单车上安装有定位装置,如全球定位系统(Global Positioning System,GPS)、全球卫星导航系统(GLOBAL NAVIGATION SATELLITE SYSTEM,GLONASS)或者北斗系统的定位装置。定位装置可以连续获取共享单车的位置信息。在本申请实施例中,可以从定位装置获取的连续位置信息中,按照步骤S102确定的采集时刻获取到需要的位置信息。服务器可以确定共享单车在相邻两个采集时刻之间的移动距离,从而判断是否产生了订单。
在一个示例中,位置信息可以为位置坐标,具体可以为经纬度,本申请实施例中对位置信息的记载方式不做限制。
步骤S104,若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
第一阈值可以用于判断共享单车在相邻两个采集时刻之前是否引骑行而发生移动,即共享单车在相邻两个采集时刻之间是否产生了订单。第一阈值可以根据需要进行设置。
在一种可能的实现方式中,所述方法还可以包括:获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
考虑到定位装置存在漂移现象,也就是说,即使共享单车的实际位置没有发生变动,相邻两个采集时刻的位置信息也会不同。该漂移现象通常会受到定位装置的质量、定位装置的安装位置、信号回传情况,温度和海拔等因素的影响而产生的。在本申请实施例中,引入定位漂移距离来降低因上述漂移现象而造成误判的概率。定位漂移距离可以表示实际位置未发生变化的共享单车的采集位置信息的变化情况。采集位置信息可以表示通过定位装置采集到的位置信息。在一个示例中,可以第一服务区域内近期(例如近两个月或者近一个月等)所有实际位置未发生变化的共享单车的采集位置信息,然后针对各个实际位置未发生变化的共享单车的采集位置信息进行比较,得到多个移动距离,然后对所有未发生变化的共享单车的多个移动距离求取平均值,得到上述定位便宜距离。
考虑到挡路、调度等因素,即使共享单车没有产生实际订单,也可能被人为移动位置,相邻两个采集时刻的位置信息也会不同。在本申请实施例中,引入预设缓冲距离来降低因上述因素而造成误判的概率。预设缓冲距离可以表示未产生实际订单的共享单车的实际位置信息发生的变化。预设缓冲距离可以根据统计数据或者历史经验确定。在一个示例中,预设缓冲距离可以设备为10米或者20米等。
服务器可以将定位漂移距离和所述预设缓冲距离相加得到第一阈值,从而提升判断结果的准确性。
可以理解的是,第一阈值还可以采用其他方式进行设置,例如统计订单的平均骑行距离,将平均骑行距离的十分之一设置为第一阈值等。本申请实施例对第一阈值的设置方式不做限制。
在移动距离小于或者等于第一阈值时,表明共享单车位置没有发生变化,或者虽然位置发生了一些变化但是并未产生订单,因此可保持第一服务区域在第二时间段内的订单量。然后,继续判断下一个移动距离是否大于第一阈值,进而确定是否要增加第一服务区域在第二时间段内的订单量。
在移动距离大于第一阈值的情况下,表明共享单车移动了较大的距离,此时可以确定共享单车产生了订单,因此可以增加第一服务区域在第二时间段内的订单量。第一服务区域在第二时间段内的目标订单量表示服务区域在第二时间段内的最终订单量。服务器在得到目标订单量之后,可以将目标订单量发送到云端或者展示给用户。由于目标订单量不是依赖于第二时间段内的真实订单得到的,因此可以脱敏展示而保证了订单量的保密性。由于目标订单量是基于历史数据预估的,因此又具有较高的准确性,小时级和天级的订单量的准确性与真实订单相比在90%以上,因此又保证了订单量的可用性。
在骑行高峰期内,共享单车周转较快,可能在一个时间间隔内发生了多笔订单,但却被视为1笔订单。为了提高订单量的准确性,在本申请实施例中可以将第二时间段划分为骑行高峰期和非骑行高峰期,然后分别计算增加的订单量。
其中,所述骑行高峰期可以表示真实订单量大于第三阈值的时间段。第三阈值可以根据需要进行设置。在一个示例中,服务器可以获取第一服务区域内近三个月内的真实订单,然后获取每天各个时间段(例如每个小时,或者每半个小时等,这里各个时间段的时长需要相同)的真实订单量,然后将真实订单量较高的时间段确定为骑行高峰时。例如,早八点到早九点、早九点至早十点、晚六点至晚七点以及晚七点至晚八点的真实订单量均大于第三阈值(例如1000或者2000等),则每天的早八点到十点和晚六点到八点确定为骑行高峰期。
在一种可能的实现方式中,步骤S104可以包括:若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一。
若移动距离不是骑行高峰期内产生的,则可以将第一服务区域在第二时间段内的订单量加一。
在一种可能的实现方式中,步骤S104可以包括:若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量;按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
若移动距离是骑行高峰期内产生的,则需要进一步确定该移动距离是由多少个订单产生的。在本申请实施例中,可以根据移动距离、预设骑行时间和最大骑行速度确定订单增加量。其中,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关。具体的,预设骑行时间可以根据第一服务区域内骑行高峰期内真实订单的骑行时间(例如平均骑行时间,或者最小骑行时间等)确定。预设骑行时间也可以根据需要设置为其他数值。在一个示例中,预设骑行时间可以为15分钟或者10分钟等。最大骑行速度可以为第一服务区域内规定的共享单车的最大骑行速度,例如,最大骑行速度可以为25千米/小时。可以理解的是,不同的服务区域规定的最大骑行速度可能不同。
在一个示例中,所述按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量可以包括:将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
举例来说,移动距离为18千米,预设骑行时间为15分钟,最大骑行速度为25千米/小时(即0.4167千米/分钟),则最大骑行距离为15*0.4167=6.25千米,移动距离除以所述最大骑行距离得到的结果为18除以6.25=2.88,对该结果进行向下取整得到的订单增加量为2。此时,可以将所述第一服务区域在所述第二时间段内的订单量加二。
上述订单量获取方法,基于第一服务区域内共享单车在两个采集时刻之间的移动距离,来确定共享单车是否产生了订单,进而获得第一服务区域在第二时间段内的订单量,然后采用获得的订单量替代真实订单量,既保证了订单量的保密性,又保证了订单量可用的可用性。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图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。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的订单获取方法的订单获取装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个订单获取装置实施例中的具体限定可以参见上文中对于订单获取方法的限定,在此不再赘述。
在一个实施例中,图2为本申请实施例提供的订单量获取装置的结构框图。如图2所示,装置200可以包括:第一获取模块201、第一确定模块202、第二确定模块203和累加模块204,其中:
第一获取模块,用于获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
第一确定模块,用于基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
第二确定模块,用于根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
累加模块,用于若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
在一种可能的实现方式中,所述第一获取模块还用于:
获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;
根据所述真实订单中的骑行时间,确定所述平均骑行时间。
在一种可能的实现方式中,所述第一确定模块还用于:
从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;
若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在一种可能的实现方式中,所述装置还包括:
第三确定模块,用于获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;
第四确定模块,用于获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;
第二获取模块,用于将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
在一种可能的实现方式中,所述累加模块还用于:
若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段。
在一种可能的实现方式中,所述累加模块还用于:
若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;
按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
在一种可能的实现方式中,所述按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,包括:
将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;
对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
上述订单量获取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。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储订单量数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种订单量获取方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;根据所述真实订单中的骑行时间,确定所述平均骑行时间。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取第一服务区域内各共享单车在第一时间段的平均骑行时间;基于所述平均骑行时间,在第二时间段内确定多个采集时刻;根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;根据所述真实订单中的骑行时间,确定所述平均骑行时间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
在一个实施例中,提供了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以下步骤:获取第一服务区域内各共享单车在第一时间段的平均骑行时间;基于所述平均骑行时间,在第二时间段内确定多个采集时刻;根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;根据所述真实订单中的骑行时间,确定所述平均骑行时间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
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,本申请所提供的各实施例中所使用的对存储器、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-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。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等。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 AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (7)
1.一种订单量获取方法,其特征在于,所述方法包括:
获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量;
所述方法还包括:
获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;
获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;
将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值;
所述若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,包括:
若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段;
若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
2.根据权利要求1所述的方法,其特征在于,所述获取第一服务区域内各共享单车在第一时间段的平均骑行时间,包括:
获取所述第一服务区域内各共享单车在所述第一时间段内的真实订单;
根据所述真实订单中的骑行时间,确定所述平均骑行时间。
3.根据权利要求1所述的方法,其特征在于,所述基于所述平均骑行时间,在第二时间段内确定多个采集时刻,包括:
从所述第二时间段的起始时刻开始,以所述平均骑行时间作为采集间隔,在所述第二时间段内确定出所述多个采集时刻;
若所述多个采集时刻中的最后一个采集时刻与所述第二时间段的终止时刻之间的差值小于第二阈值,则从所述多个采集时刻中删除所述最后一个采集时刻。
4.根据权利要求1所述的方法,其特征在于,所述按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,包括:
将所述预设骑行时间和所述最大骑行速度相乘,得到最大骑行距离;
对所述移动距离除以所述最大骑行距离得到的结果进行向下取整,得到所述订单增加量。
5.一种订单量获取装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一服务区域内各共享单车在第一时间段的平均骑行时间;
第一确定模块,用于基于所述平均骑行时间,在第二时间段内确定多个采集时刻;
第二确定模块,用于根据各共享单车在所述多个采集时刻下采集到的位置信息,确定各共享单车在相邻两个采集时刻之间的移动距离;
累加模块,用于若所述移动距离大于第一阈值,则增加所述第一服务区域在所述第二时间段内的订单量,得到所述第一服务区域在所述第二时间段内的目标订单量;
所述装置还包括:
第三确定模块,用于获取实际位置未发生变化的共享单车的采集位置信息,并根据所述采集位置信息的变化情况确定定位漂移距离;
第四确定模块,用于获取未产生真实订单的共享单车的实际位置信息,并根据所述实际位置信息的变化情况确定预设缓冲距离;
第二获取模块,用于将所述定位漂移距离和所述预设缓冲距离相加,得到所述第一阈值;
所述累加模块还用于:
若所述移动距离对应的两个采集时刻中的任意一个采集时刻不在所述第二时间段对应的骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,将所述第一服务区域在所述第二时间段内的订单量加一,所述骑行高峰期表示真实订单量大于第三阈值的时间段;
若所述移动距离对应的两个采集时刻均在骑行高峰期内,则在所述移动距离大于所述第一阈值的情况下,按照所述移动距离、预设骑行时间和最大骑行速度确定订单增加量,所述骑行高峰期表示真实订单量大于第三阈值的时间段,所述预设骑行时间和所述最大骑行速度与所述第一服务区域相关;按照所述订单增加量,增加所述第一服务区域在所述第二时间段内的订单量。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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4中任一项所述的方法的步骤。
7.一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4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311109899.6A CN116822916B (zh) | 2023-08-31 | 2023-08-31 | 订单量获取方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311109899.6A CN116822916B (zh) | 2023-08-31 | 2023-08-31 | 订单量获取方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822916A CN116822916A (zh) | 2023-09-29 |
CN116822916B true CN116822916B (zh) | 2024-01-26 |
Family
ID=88113147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311109899.6A Active CN116822916B (zh) | 2023-08-31 | 2023-08-31 | 订单量获取方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822916B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779230A (zh) * | 2016-12-27 | 2017-05-31 | 北京三快在线科技有限公司 | 订单量预估方法及装置、电子设备 |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及系统 |
CN110210749A (zh) * | 2019-05-28 | 2019-09-06 | 东南大学 | 一种轨道站点衔接共享单车投放量和投放位置确定方法 |
CN112561187A (zh) * | 2020-12-22 | 2021-03-26 | 武汉理工大学 | 一种基于cnn-lstm的网约车目标订单预测方法 |
CN112734520A (zh) * | 2021-01-07 | 2021-04-30 | 南京领行科技股份有限公司 | 营运车辆接单控制方法、装置、电子设备及存储介质 |
CN114529116A (zh) * | 2020-11-23 | 2022-05-24 | 北京三快在线科技有限公司 | 订单信息处理方法、装置、存储介质及电子设备 |
CN116403333A (zh) * | 2023-03-08 | 2023-07-07 | 宁波小遛共享信息科技有限公司 | 共享车辆的使用控制方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016359530A1 (en) * | 2015-11-26 | 2018-03-01 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for allocating sharable orders |
-
2023
- 2023-08-31 CN CN202311109899.6A patent/CN116822916B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779230A (zh) * | 2016-12-27 | 2017-05-31 | 北京三快在线科技有限公司 | 订单量预估方法及装置、电子设备 |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及系统 |
CN110210749A (zh) * | 2019-05-28 | 2019-09-06 | 东南大学 | 一种轨道站点衔接共享单车投放量和投放位置确定方法 |
CN114529116A (zh) * | 2020-11-23 | 2022-05-24 | 北京三快在线科技有限公司 | 订单信息处理方法、装置、存储介质及电子设备 |
CN112561187A (zh) * | 2020-12-22 | 2021-03-26 | 武汉理工大学 | 一种基于cnn-lstm的网约车目标订单预测方法 |
CN112734520A (zh) * | 2021-01-07 | 2021-04-30 | 南京领行科技股份有限公司 | 营运车辆接单控制方法、装置、电子设备及存储介质 |
CN116403333A (zh) * | 2023-03-08 | 2023-07-07 | 宁波小遛共享信息科技有限公司 | 共享车辆的使用控制方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116822916A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200387489A1 (en) | Systems and methods for data storage and querying | |
US10664616B2 (en) | Anonymization of geographic route trace data | |
CN107026881B (zh) | 业务数据的处理方法、装置及系统 | |
CN116363854B (zh) | 共享出行车辆调度方法、装置和计算机设备 | |
CN111159317B (zh) | 用于确定路径拓扑关系的系统和方法 | |
CN109669995A (zh) | 数据存储、质量计算方法、装置、存储介质及服务器 | |
CN113868279A (zh) | 轨迹数据处理方法、装置和系统 | |
CN113468226A (zh) | 一种业务处理方法、装置、电子设备和存储介质 | |
CN113285960B (zh) | 一种服务数据共享云平台的数据加密方法及系统 | |
CN116453371B (zh) | 共享车辆的还车识别方法、装置、计算机设备和存储介质 | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN116822916B (zh) | 订单量获取方法、装置、计算机设备和存储介质 | |
CN111210134B (zh) | 服务区域划分方法、装置、服务器和可读存储介质 | |
CN113449217A (zh) | 迁移轨迹、热力图生成及网点确定的方法、设备 | |
CN103365948A (zh) | 数据管理设备和数据管理方法 | |
CN109947721B (zh) | 一种小文件处理方法和装置 | |
CN115905342B (zh) | 水上移动对象轨迹抽稀方法、装置和计算机设备 | |
CN110705736A (zh) | 宏观经济预测方法、装置、计算机设备及存储介质 | |
US20230098479A1 (en) | Obscuring data collected from connected vehicles | |
CN117037499B (zh) | 拥堵路段预测方法、装置、计算机设备和存储介质 | |
CN116821530A (zh) | 车辆保有量计算方法、装置、计算机设备及存储介质 | |
CN116843091A (zh) | 仓库位置确定方法、装置、计算机设备和存储介质 | |
US11702080B2 (en) | System and method for parking tracking using vehicle event data | |
CN118092997A (zh) | 源代码调整方法、装置、计算机设备和存储介质 | |
CN117370684A (zh) | 船舶数据的渲染方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |