CN117094614A - 装卸货点位推荐方法、装置、计算机设备和存储介质 - Google Patents
装卸货点位推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117094614A CN117094614A CN202311360055.9A CN202311360055A CN117094614A CN 117094614 A CN117094614 A CN 117094614A CN 202311360055 A CN202311360055 A CN 202311360055A CN 117094614 A CN117094614 A CN 117094614A
- Authority
- CN
- China
- Prior art keywords
- point
- loading
- unloading
- recall operation
- candidate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000007704 transition Effects 0.000 claims description 31
- 230000002093 peripheral effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 11
- 238000004220 aggregation Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种装卸货点位推荐方法、装置、计算机设备和存储介质。所述方法包括:构建以H3编码为键值的候选点库;候选点库包括多个候选的装卸货点位;接收来自用户终端的点位推荐请求;响应于点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合;根据装卸货点位集合向用户终端推荐装卸货点位。本申请能够减少离线数据存储,由于统一了召回方式,因而能减少在线召回装卸货点位所需耗费的时间。
Description
技术领域
本申请涉及货运场景中的装卸货点位推荐领域,特别是涉及一种装卸货点位推荐方法、装置、计算机设备和存储介质。
背景技术
在货运场景中,装卸货定位推荐是为了方便用户和司机碰面,减少接驾流程,提升用户体验。在装卸货点推荐的场景中,需要根据用户当前位置和请求信息等信息来向用户推荐合理的用于装卸货的位置。首先需要在海量的点库中进行召回,具体可以根据用户请求位置来进行周边召回、以及根据用户历史订单、历史兴趣点发单情况等信息来进行召回。
然而,多路召回的结果,往往不是同一个key,而且上述召回方式需要离线建立缓存,这种常规的建立例行缓存的方式需要消耗大量存储空间去存储数据,同时,在线进行多路召回时还需要合并多路召回的结果,该合并操作比较耗时,同时还会导致线上流程变得复杂。
发明内容
本申请针对上述不足或缺点,提供了一种装卸货点位推荐方法、装置、计算机设备和存储介质,本申请实施例能够减少离线数据存储,由于统一了召回方式,因而能减少在线召回装卸货点位所需耗费的时间。
本申请根据第一方面提供了一种装卸货点位推荐方法,在一个实施例中,该方法包括:
构建以H3编码为键值的候选点库;候选点库包括多个候选的装卸货点位;
接收来自用户终端的点位推荐请求;
响应于点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合;
根据装卸货点位集合向用户终端推荐装卸货点位。
在一些实施例中,构建以H3编码为键值的候选点库,包括:
构建装卸货点位库;
对装卸货点位库中的每个装卸货点位进行H3第一特定级别的编码处理,得到每个装卸货点位对应的H3编码;
对所有装卸货点位以及每个装卸货点位对应的H3编码进行聚合,得到以H3编码为键值的候选点库。
在一些实施例中,H3编码召回操作包括周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作中的一种或多种召回操作;
周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作分别用于召回一个候选H3编码集合;
当H3编码召回操作包括的召回操作有多种时,目标H3编码集合是对进行H3编码召回操作所得到的多个候选H3编码集合进行合并去重处理而得到的。
在一些实施例中,当H3编码召回操作包括周边召回操作时,点位推荐请求携带的信息中包括请求点位置;相应地,进行周边召回操作时包括以下步骤:
对请求点位置进行H3编码处理,得到请求点位置对应的H3编码;
确定以请求点位置对应的H3编码为位置中心的召回范围,获取位于该召回范围内的H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括用户历史订单召回操作时,点位推荐请求携带的信息中包括用户信息;相应地,进行用户历史订单召回操作时包括以下步骤:
获取用户信息对应的预先离线聚合生成的历史装卸货点位集合;
计算历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括兴趣点历史订单召回操作时,点位推荐请求携带的信息中包括请求兴趣点;相应地,进行兴趣点历史订单召回操作时包括以下步骤:
获取请求兴趣点对应的预先离线聚合生成的历史装卸货点位集合;
计算历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括H3转移概率召回操作时,点位推荐请求携带的信息中包括请求点位置;相应地,进行H3转移概率召回操作时包括以下步骤:
对请求点位置进行H3第二特定级别的编码处理,得到请求点位置对应的H3编码;
根据请求点位置对应的H3编码召回预先离线处理得到的H3转移概率信息;
获取H3转移概率信息对应的装卸货点位作为一个候选H3编码集合。
本申请根据第二方面提供了一种装卸货点位推荐装置,在一个实施例中,该装置包括:
候选点库构建模块,用于构建以H3编码为键值的候选点库;候选点库包括多个候选的装卸货点位;
请求接收模块,用于接收来自用户终端的点位推荐请求;
点位集合确定模块,用于响应于点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合;
点位推荐模块,用于根据装卸货点位集合向用户终端推荐装卸货点位。
本申请根据第三方面提供了一种计算机设备,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,处理器执行计算机程序时实现上述任一方法的实施例的步骤。
本申请根据第四方面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上述任一方法的实施例的步骤。
在本申请实施例中,先构建以H3编码为键值的候选点库,该候选点库包括多个候选的装卸货点位,之后在接收到来自用户终端的任一次点位推荐请求时,响应于该点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合,最后根据装卸货点位集合向用户终端推荐装卸货点位,本申请能够减少离线数据存储,由于统一了召回方式,因而能减少在线召回装卸货点位所需耗费的时间。
附图说明
图1为一个实施例中一种装卸货点位推荐方法的流程示意图;
图2为一个实施例中推荐装卸货点位的整体流程示意图;
图3为一个实施例中一种装卸货点位推荐装置的结构框图;
图4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用以解释本申请,并不用于限定本申请。
本申请提供了一种装卸货点位推荐方法。在一些实施例中,该方法可以应用在用于推荐装卸货点位的服务器,该方法包括如图1所示的步骤,即:
S110:构建以H3编码为键值的候选点库;候选点库包括多个候选的装卸货点位;
S120:接收来自用户终端的点位推荐请求;
S130:响应于点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合;
S140:根据装卸货点位集合向用户终端推荐装卸货点位。
针对现有技术的不足,本申请提供了一种装卸货点位推荐方法,该方法是一种在线召回方案,该方案不需要预先离线构建召回索引,因而不用耗费大量存储空间来存储离线数据,并且,该方案还统一了多种召回操作,具体是先构建以H3编码为键值(该键值指键值对key-value中的key)的候选点库,进而在线召回装卸货点位时,不直接根据用户请求中的信息来召回装卸货点位,而是先根据用户请求中的信息来进行多种召回操作,以获得目标H3编码集合,然后再以目标H3编码集合中的每个H3编码作为键值统一从候选点库中搜索对应的值(该值是指键值对key-value中的value,具体是装卸货点位),以得到用于向用户推荐的装卸货点位,由于只用到一种键值,因而省略了相关技术中的合并多种召回结果的操作,从而实现缩短召回装卸货点点位的用时。
下面对该方法的各步骤进行详细说明。
S110:构建以H3编码为键值的候选点库;候选点库包括多个候选的装卸货点位。
在一些实施例中,构建以H3编码为键值的候选点库,包括:构建装卸货点位库;对装卸货点位库中的每个装卸货点位进行H3第一特定级别的编码处理,得到每个装卸货点位对应的H3编码;对所有装卸货点位以及每个装卸货点位对应的H3编码进行聚合,得到以H3编码为键值的候选点库。
H3是指优步公司(Uber)设计的六边形空间索引,其中,地理空间的每个点位都明确对应一个六边形(即H3网格),具体可以通过点位的经纬度信息来确定点位对应的六边形,每个六边形唯一对应一个H3 index(即H3编码),H3 index表示一个面(即上述的六边形),它按照不同的维度将地理空间划分为固定的面,因而当一个H3 index是确定的时,其所表示的地理空间也是确定的。需要说明的是,不同维度的H3 index所表示的面的面积是不同的,维度越大,面的面积越小,反之,维度越小,面的面积越大。在实际应用中,以级别的数值来表示维度的大小,级别包括0至15,共16个级别,因此,在确定一个点位的经纬度信息之后,还需要结合相应的级别,才能确定出对应的H3 index。而在进行编码时,可以采用Uberi开源的H3空间索引算法来进行将装卸货点位编码为对应的H3编码。
在本实施例中,H3第一特定级别选用12级别,相应地,对装卸货点位库中的每个装卸货点位进行H3第一特定级别的编码处理时,可以是对每个装卸货点位的经纬度信息进行H3 12级别的编码处理,得到每个装卸货点位对应的12级别的H3编码。之后对所有装卸货点位以及每个装卸货点位对应的H3编码进行聚合,完成聚合之后,每个H3编码都对应多个装卸货点位,由于在12级别下每个网格的平均面积大约是307平方米,该级别是比较小的面积范围,因而本实施例假设位于同一网格下的用户的行为具有相似性,位于同一网格下的用户很可能会选择同一位置作为装卸货点位。而由于地理空间中的点位的数量非常庞大,而网格的数量则相对较小,因而本实施例采用H3编码来作为键值,不直接采用装卸货点位的经纬度信息来作为键值还可以减少需要构建的键值对。
S120:接收来自用户终端的点位推荐请求。
在本实施例中,每当接收到点位推荐请求,即执行步骤S130至S140,以向相关的用户终端推荐装卸货点位。
S130:响应于点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合。
H3编码召回操作包括周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作中的一种或多种召回操作。
周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作分别用于召回一个候选H3编码集合。
当H3编码召回操作包括的召回操作只有一种时,目标H3编码集合是进行H3编码召回操作所得到的候选H3编码集合。当H3编码召回操作包括的召回操作有多种时,目标H3编码集合是对进行H3编码召回操作所得到的多个候选H3编码集合进行合并去重处理而得到的。
示例性地,在一些示例中,如图2所示,可以采用周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作作为H3编码召回操作,以此实现召回更全更准确的装卸货点位的目的。图2中的request_Ioc是指请求点位置,userid是指用户信息,poiid是指请求兴趣点,候选点具体是通过H3编码查询到的装卸货点位。
可理解地,不同召回操作所使用的参数不同,因此,在选用不同的召回操作作为H3编码召回操作时,点位推荐请求中需携带的信息也有所不同。下面对各中召回操作的相关操作过程进行说明。
在一些实施例中,当H3编码召回操作包括周边召回操作时,点位推荐请求携带的信息中包括请求点位置;相应地,进行周边召回操作时包括以下步骤:
对请求点位置进行H3编码处理,得到请求点位置对应的H3编码;
确定以请求点位置对应的H3编码为位置中心的召回范围,获取位于该召回范围内的H3编码作为一个候选H3编码集合。
在本实施例中,周边召回即利用用户的请求点位置(指用户触发点位推荐请求时选择的位置,其可采用经纬度信息来表征)进行H3编码处理,得到对应的H3编码,之后可以对该H3编码对应的网格进行向外扩充预设距离(例如200米),即以该H3编码对应的网格的中心为中心点向外扩充预设距离,此时可以得到一个圆形范围(即召回范围),之后确定被该圆形范围所包含的网格以及与该圆形范围有交集的网格,然后获取确定出的每个网格对应的H3编码作为一个候选H3编码集合。通过上述的利用H3编码进行周边召回的方式,能非常高效地进行周边一定距离的召回。
在一些实施例中,当H3编码召回操作包括用户历史订单召回操作时,点位推荐请求携带的信息中包括用户信息;相应地,进行用户历史订单召回操作时包括以下步骤:
获取用户信息对应的预先离线聚合生成的历史装卸货点位集合;
计算历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
在本实施例中,要实现用户历史订单召回操作需要预先以离线的方式聚合用户在过去特定时长内的订单信息,如历史365天的订单信息。由于用户的每一个历史的订单信息中都存储有真实装卸货点位(指用户实际使用的装卸货点位)的经纬度信息,因而通过离线聚合的方式生成每个用户对应的历史装卸货点位集合。从而在在线进行用户历史订单召回操作时,可以通过实时请求中携带的用户信息来获取对应的历史装卸货点位集合,进而可以计算每个装卸货点位对应的H3编码,从而得到一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括兴趣点历史订单召回操作时,点位推荐请求携带的信息中包括请求兴趣点;相应地,进行兴趣点历史订单召回操作时包括以下步骤:
获取请求兴趣点对应的预先离线聚合生成的历史装卸货点位集合;
计算历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
兴趣点历史订单召回操作和上述实施例介绍的用户历史订单召回操作的操作流程是类似的,即,需要预先以离线的方式聚合用户在过去特定时长内的订单信息,具体是先确定每个历史订单包含的请求兴趣点(指用户下单时在请求中携带的兴趣点)对应的真实装卸货点位,然后对所有历史订单进行聚合,得到每个请求兴趣点对应的历史装卸货点位集合。之后在在线进行兴趣点历史订单召回操作时,可以通过实时请求中携带的请求兴趣点来获取对应的历史装卸货点位集合,进而可以计算每个装卸货点位对应的H3编码,从而得到一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括H3转移概率召回操作时,点位推荐请求携带的信息中包括请求点位置;相应地,进行H3转移概率召回操作时包括以下步骤:
对请求点位置进行H3第二特定级别的编码处理,得到请求点位置对应的H3编码;
根据请求点位置对应的H3编码召回预先离线处理得到的H3转移概率信息;
获取H3转移概率信息对应的装卸货点位作为一个候选H3编码集合。
在本实施例中,要实现H3转移概率召回操作,需要预先以离线的方式确定每个历史订单中的请求点位置对应的所有真实装卸货点位,以及各个请求点位置到其对应的各个真实装卸货点位的转移概率,还需要对每个历史订单中的请求点位置进行H3的第二特定级别的编码处理,得到对应的H3第二特定级别的H3编码,以及对每个历史订单中的真实装卸货点位进行H3第一特定级别的编码处理,得到对应的H3第一特定级别的H3编码;之后确定每个第二特定级别的H3编码对应的第一特定级别的H3编码,最后利用前面计算出的各个请求点位置到其对应的各个真实装卸货点位的转移概率,计算出各个第二特定级别的H3编码到其对应的各个第一特定级别的H3编码的转移概率。其中,第二特定级别比第一特定级别小,例如,可以是H3的11级别。
在线进行召回操作时,先将请求点位置处理为H3 11级别的编码,接着利用该第二特定级别的H3编码来召回对应的H3转移概率信息,该转移概率信息表征该第二特定级别的H3编码到多个第一特定级别的H3编码的转移概率,获得转移概率信息之后可以获取其中涉及的转移概率较高的第一特定级别的H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括局部热度召回操作时,点位推荐请求携带的信息中包括请求点位置。
在本实施例中,要实现局部热度召回操作,需要预先进行离线预处理。
在离线预处理阶段,先计算各个历史订单中的请求点位置在第一特定级别下对应的H3网格,然后以该H3网格为键值来聚合历史上上车的H3网格,进而计算得到每个请求点位置对应的H3网格的热度。
具体操作步骤可以包括:对于任一历史订单,使用其中的请求点位置,对其进行第一特定级别的H3编码处理,得到第一特定级别的H3编码,记为H3_12_ID;聚合每个相同的H3_12_ID,这样每个H3_12_ID都对应有多个历史订单,每个历史订单都包含有真实装卸货点位;针对每个H3_12_ID,根据订单的发生时间进行衰减来计算热度。本实施例设置了30天的半衰期进行衰减热度,原因在于,距离当前时间较远的订单对热度的影响较低,因而30天以前的订单只有0.5的权重,这样处理可以让热度值更能体现最近发生的订单。
其中,在离线预处理阶段中,对于每个聚合的H3_12_ID,其聚合的集合为D,对于集合中的每个请求点位置对应的H3_12_ID, 都采用以下公式来计算其在不同的真实装卸货点位的热度。
其中,x表示真实装卸货点位的H3_12_ID,z是半衰期系数0.9057,t是时间天数,t的含义是当前订单离当天的时间间隔。
在线进行召回操作时,当用户打开APP(应用程序)时,用户终端会根据用户的请求点位置向服务器请求推荐装卸货点位,服务器收到请求之后,首先计算请求点位置对应的第一特定级别的H3编码,假设记为H3_12_ID,然后根据H3_12_ID计算其周边若干层,如2层网格对应的H3_12_ID,也即是根据该请求点位置召回其附近的若干个网格,每个网格在离线预处理时都进行了离线计算,以及关联有对应的局部热度特征。对于每一个召回的候选点(具体是装卸货点位),都计算其对应的局部热度值,计算方法如公式所示:
其中,dis是指从请求点位置召回2层的网格和请求点位置之间的距离,h是离线预处理时计算出的局部热度值。考虑到请求点位置的权重最大,而在往外扩距离时,可理解地,往外扩的距离越远,则衰减程度相应地越大,因此在上述公式中设计了根据聚类幂函数的衰减方式,以此更准确地计算出每个候选点的局部热度值。
通过在线召回操作获得多个H3编码之后,会从中筛选出热度值大于一定阈值的H3编码来作为一个候选H3编码集合。
S140:根据装卸货点位集合向用户终端推荐装卸货点位。
在获得装卸货点位集合之后,可以从集合中选择部分点位,如Top10、Top30等推荐给用户终端。
图1为一个实施例中装卸货点位推荐方法的流程示意图。应该理解的是,虽然图1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1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于相同的发明构思,本申请还提供了一种装卸货点位推荐装置。在本实施例中,如图3所示,该装卸货点位推荐装置包括以下模块:
候选点库构建模块110,用于构建以H3编码为键值的候选点库;候选点库包括多个候选的装卸货点位;
请求接收模块120,用于接收来自用户终端的点位推荐请求;
点位集合确定模块130,用于响应于点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据目标H3编码集合查询候选点库,得到装卸货点位集合;
点位推荐模块140,用于根据装卸货点位集合向用户终端推荐装卸货点位。
在一些实施例中,候选点库构建模块110,包括:
点位库构建子模块,用于构建装卸货点位库;
第一编码子模块,用于对装卸货点位库中的每个装卸货点位进行H3第一特定级别的编码处理,得到每个装卸货点位对应的H3编码;
聚合子模块,用于对所有装卸货点位以及每个装卸货点位对应的H3编码进行聚合,得到以H3编码为键值的候选点库。
在一些实施例中,H3编码召回操作包括周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作中的一种或多种召回操作;
周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作分别用于召回一个候选H3编码集合;
当H3编码召回操作包括的召回操作有多种时,目标H3编码集合是对进行H3编码召回操作所得到的多个候选H3编码集合进行合并去重处理而得到的。
在一些实施例中,当H3编码召回操作包括周边召回操作时,点位推荐请求携带的信息中包括请求点位置;相应地,点位集合确定模块130进行周边召回操作时包括以下步骤:
对请求点位置进行H3编码处理,得到请求点位置对应的H3编码;
确定以请求点位置对应的H3编码为位置中心的召回范围,获取位于该召回范围内的H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括用户历史订单召回操作时,点位推荐请求携带的信息中包括用户信息;相应地,点位集合确定模块130进行用户历史订单召回操作时包括以下步骤:
获取用户信息对应的预先离线聚合生成的历史装卸货点位集合;
计算历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括兴趣点历史订单召回操作时,点位推荐请求携带的信息中包括请求兴趣点;相应地,点位集合确定模块130进行兴趣点历史订单召回操作时包括以下步骤:
获取请求兴趣点对应的预先离线聚合生成的历史装卸货点位集合;
计算历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
在一些实施例中,当H3编码召回操作包括H3转移概率召回操作时,点位推荐请求携带的信息中包括请求点位置;相应地,点位集合确定模块130进行H3转移概率召回操作时包括以下步骤:
对请求点位置进行H3第二特定级别的编码处理,得到请求点位置对应的H3编码;
根据请求点位置对应的H3编码召回预先离线处理得到的H3转移概率信息;
获取H3转移概率信息对应的装卸货点位作为一个候选H3编码集合。
关于装卸货点位推荐装置的具体限定可以参见上文中对于装卸货点位推荐方法的限定,在此不再赘述。上述装卸货点位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,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。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、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候选的装卸货点位等数据,具体存储的数据还可以参见上述方法实施例中的限定。该计算机设备的网络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装卸货点位推荐方法。
本领域技术人员可以理解,图4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。
本实施例还提供了一种计算机设备,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,处理器执行计算机程序时实现如上述任一方法实施例中提供的方法中的步骤。
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如上述任一方法实施例中提供的方法中的步骤。
本领域普通技术人员可以理解实现上述方法实施例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、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)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,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种装卸货点位推荐方法,其特征在于,所述方法包括:
构建以H3编码为键值的候选点库;所述候选点库包括多个候选的装卸货点位;
接收来自用户终端的点位推荐请求;
响应于所述点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据所述目标H3编码集合查询所述候选点库,得到装卸货点位集合;
根据所述装卸货点位集合向所述用户终端推荐装卸货点位。
2.如权利要求1所述的方法,其特征在于,构建以H3编码为键值的候选点库,包括:
构建装卸货点位库;
对所述装卸货点位库中的每个装卸货点位进行H3第一特定级别的编码处理,得到每个装卸货点位对应的H3编码;
对所有装卸货点位以及每个装卸货点位对应的H3编码进行聚合,得到以H3编码为键值的候选点库。
3.如权利要求1所述的方法,其特征在于,所述H3编码召回操作包括周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作中的一种或多种召回操作;
所述周边召回操作、用户历史订单召回操作、兴趣点历史订单召回操作、H3转移概率召回操作和局部热度召回操作分别用于召回一个候选H3编码集合;
当所述H3编码召回操作包括的召回操作有多种时,所述目标H3编码集合是对进行所述H3编码召回操作所得到的多个候选H3编码集合进行合并去重处理而得到的。
4.如权利要求3所述的方法,其特征在于,当所述H3编码召回操作包括周边召回操作时,所述点位推荐请求携带的信息中包括请求点位置;相应地,进行周边召回操作时包括以下步骤:
对所述请求点位置进行H3编码处理,得到所述请求点位置对应的H3编码;
确定以所述请求点位置对应的H3编码为位置中心的召回范围,获取位于该召回范围内的H3编码作为一个候选H3编码集合。
5.如权利要求3所述的方法,其特征在于,当所述H3编码召回操作包括用户历史订单召回操作时,所述点位推荐请求携带的信息中包括用户信息;相应地,进行用户历史订单召回操作时包括以下步骤:
获取所述用户信息对应的预先离线聚合生成的历史装卸货点位集合;
计算所述历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
6.如权利要求3所述的方法,其特征在于,当所述H3编码召回操作包括兴趣点历史订单召回操作时,所述点位推荐请求携带的信息中包括请求兴趣点;相应地,进行兴趣点历史订单召回操作时包括以下步骤:
获取所述请求兴趣点对应的预先离线聚合生成的历史装卸货点位集合;
计算所述历史装卸货点位集合中每个历史装卸货点位对应的H3编码;
获取计算得到的所有H3编码作为一个候选H3编码集合。
7.如权利要求3所述的方法,其特征在于,当所述H3编码召回操作包括H3转移概率召回操作时,所述点位推荐请求携带的信息中包括请求点位置;相应地,进行H3转移概率召回操作时包括以下步骤:
对所述请求点位置进行H3第二特定级别的编码处理,得到所述请求点位置对应的H3编码;
根据所述请求点位置对应的H3编码召回预先离线处理得到的H3转移概率信息;
获取所述H3转移概率信息对应的装卸货点位作为一个候选H3编码集合。
8.一种装卸货点位推荐装置,其特征在于,所述装置包括:
候选点库构建模块,用于构建以H3编码为键值的候选点库;所述候选点库包括多个候选的装卸货点位;
请求接收模块,用于接收来自用户终端的点位推荐请求;
点位集合确定模块,用于响应于所述点位推荐请求,进行H3编码召回操作,得到目标H3编码集合,以及根据所述目标H3编码集合查询所述候选点库,得到装卸货点位集合;
点位推荐模块,用于根据所述装卸货点位集合向所述用户终端推荐装卸货点位。
9.一种计算机设备,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,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7中任一项所述方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311360055.9A CN117094614A (zh) | 2023-10-20 | 2023-10-20 | 装卸货点位推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311360055.9A CN117094614A (zh) | 2023-10-20 | 2023-10-20 | 装卸货点位推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117094614A true CN117094614A (zh) | 2023-11-21 |
Family
ID=88777364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311360055.9A Pending CN117094614A (zh) | 2023-10-20 | 2023-10-20 | 装卸货点位推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094614A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573399A (zh) * | 2018-02-28 | 2018-09-25 | 中国银联股份有限公司 | 基于转移概率网络的商户推荐方法及其系统 |
CN114648279A (zh) * | 2022-05-13 | 2022-06-21 | 深圳依时货拉拉科技有限公司 | 候选装卸货点位推荐方法、装置、计算机设备和存储介质 |
CN116049887A (zh) * | 2023-01-19 | 2023-05-02 | 中国工商银行股份有限公司 | 基于轨迹预测的隐私轨迹发布方法和装置 |
CN116611678A (zh) * | 2023-07-21 | 2023-08-18 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
-
2023
- 2023-10-20 CN CN202311360055.9A patent/CN117094614A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573399A (zh) * | 2018-02-28 | 2018-09-25 | 中国银联股份有限公司 | 基于转移概率网络的商户推荐方法及其系统 |
CN114648279A (zh) * | 2022-05-13 | 2022-06-21 | 深圳依时货拉拉科技有限公司 | 候选装卸货点位推荐方法、装置、计算机设备和存储介质 |
CN116049887A (zh) * | 2023-01-19 | 2023-05-02 | 中国工商银行股份有限公司 | 基于轨迹预测的隐私轨迹发布方法和装置 |
CN116611678A (zh) * | 2023-07-21 | 2023-08-18 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
网络用户I-NEOJOS: "Uber H3 index 地图索引思考", pages 1 - 14, Retrieved from the Internet <URL:https://blog.csdn.net/whynottrythis/article/details/129765463?csdn_share_tail=%7B"type"%3A"blog"%2C"rType"%3A"article"%2C"rId"%3A"1297…> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626443A (zh) | 电力设备的运维方法、系统、装置、设备和存储介质 | |
CN110599354B (zh) | 线上对账方法、系统、计算机设备和计算机可读存储介质 | |
CN111372242B (zh) | 欺诈识别方法、装置、服务器及存储介质 | |
CN116167581A (zh) | 电池需求量预估方法、装置、调度方法和计算机设备 | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
CN117151726A (zh) | 故障的修复方法、修复装置、电子设备以及存储介质 | |
CN117273165A (zh) | 一种适应社区场景的网络模型微调方法、系统及设备 | |
CN113326343B (zh) | 基于多级网格和文件索引的路网数据存储方法及系统 | |
CN117094614A (zh) | 装卸货点位推荐方法、装置、计算机设备和存储介质 | |
CN116737451B (zh) | 闪存的数据恢复方法及装置、固态硬盘、存储介质 | |
CN109377266B (zh) | 业务数据跟踪与管理方法、装置、计算机设备和存储介质 | |
CN114091773A (zh) | 系统寿命预测方法、装置、电子设备及存储介质 | |
CN113259154B (zh) | 中台数据校验通知方法、装置、计算机设备和存储介质 | |
CN111860954B (zh) | 车辆失联预测方法、装置、计算机设备和存储介质 | |
CN114648279A (zh) | 候选装卸货点位推荐方法、装置、计算机设备和存储介质 | |
CN117479510B (zh) | 基于氟化液性能退化评价的冷却系统智能控制方法及系统 | |
CN110515941B (zh) | 限制对象识别方法、装置、计算机设备和存储介质 | |
CN112182357B (zh) | 数据推荐方法、装置、计算机设备和存储介质 | |
CN111177515B (zh) | 产品标签匹配方法、装置、计算机设备及存储介质 | |
CN114757440B (zh) | 分散式风电功率预测方法、模型训练方法、设备及介质 | |
CN112306824B (zh) | 磁盘性能评估方法、系统、设备及计算机可读存储介质 | |
CN115758161A (zh) | 模型训练方法、系统变更的风控方法、装置及电子设备 | |
CN117915272A (zh) | 终端移动轨迹展示方法、装置、设备和介质 | |
CN117132335A (zh) | 资源合约中资源交易值的确定方法、装置和计算机设备 | |
CN116821152A (zh) | 查询信息改写方法、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 |