CN117877239B - 共享车辆的收车告警方法、装置、计算机设备和存储介质 - Google Patents
共享车辆的收车告警方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117877239B CN117877239B CN202410284233.2A CN202410284233A CN117877239B CN 117877239 B CN117877239 B CN 117877239B CN 202410284233 A CN202410284233 A CN 202410284233A CN 117877239 B CN117877239 B CN 117877239B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- block
- vehicle receiving
- preset
- receiving
- 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 59
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 238000009825 accumulation Methods 0.000 claims description 45
- 238000012216 screening Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 description 53
- 238000013507 mapping Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种共享车辆的收车告警方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：针对目标区域包含的各区块，确定各区块是否满足预设收车告警条件；在区块不满足预设收车告警条件的情况下，获取区块对应的收车影响参数；基于当前的收车预警模型和各收车影响参数，确定区块对应的收车概率；收车预警模型至少包含各收车影响参数的权重参数；权重参数基于预设的模型更新策略和目标区域的真实收车信息更新得到；当收车概率大于预设的收车概率阈值时，将区块作为预测收车区块，生成包含预测收车区块的收车预警信息。采用本方法能够及时提醒运营人员共享车辆被收车。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种共享车辆的收车告警方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着科技的发展，共享经济发展迅速。其中，共享电单车等共享车辆更是成为了城市交通中不可或缺的一部分。在共享车辆城市运营中，无可避免的存在用户乱停放的现象。乱停放的共享车辆可能会被暂扣，即收车。然而，共享车辆被收车会造成多种问题，例如，共享车辆运营方的投资受损、收入下降，城市交通拥堵，城市居民出行效率下降，用户的出行体验降低，影响共享车辆运营方未来的市场准入。
因此，亟需一种能够及时提醒运营人员共享车辆被收车的共享车辆的收车告警方法。
发明内容
基于此，有必要针对上述技术问题，提供一种能够及时提醒运营人员共享车辆被收车的共享车辆的收车告警方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种共享车辆的收车告警方法，包括：
针对目标区域包含的各区块，确定所述各区块是否满足预设收车告警条件；
在所述区块不满足预设收车告警条件的情况下，获取所述区块对应的收车影响参数；所述收车影响参数至少包含所述目标区域对应的收车风险度、当前时间对应的时间管控强度、所述区块对应的管控区块等级、所述区块对应的兴趣点热度等级和所述区块的实时车辆数量中的一种或多种；
基于当前的收车预警模型和各所述收车影响参数，确定所述区块对应的收车概率；所述收车预警模型至少包含各所述收车影响参数的权重参数；所述权重参数基于预设的模型更新策略和所述目标区域的真实收车信息更新得到；
当所述收车概率大于预设的收车概率阈值时，将所述区块作为预测收车区块，生成包含所述预测收车区块的收车预警信息。
在其中一个实施例中，所述收车告警条件包含实时收车告警条件，所述确定所述各区块是否满足预设收车告警条件，包括：
基于预设筛选条件，在所述目标区域内各共享车辆中筛选未开锁且移动的目标车辆；
针对每一个目标车辆，根据预设的第一历史时间段内所述目标车辆的位置信息，计算所述目标车辆的车辆轨迹和速度；
根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件；
所述方法还包括：
在所述区块满足预设的实时收车告警条件的情况下，根据各所述目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息。
在其中一个实施例中，所述实时收车告警条件包括第一收车告警条件，所述根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件，包括：
当存在多个目标车辆的车辆轨迹相同、速度的差值小于预设速度差阈值、且速度均大于预设移动速度阈值的持续时间超过预设共同移动时间阈值时，将所述多个目标车辆构成共同移动车辆组；
若存在共同移动车辆组仅包括非挪车工车辆，则确定所述各区块满足预设的第一收车告警条件；
若不存在共同移动车辆组、或所有共同移动车辆组均包括挪车工车辆，则确定所述各区块不满足预设的第一收车告警条件。
在其中一个实施例中，所述实时收车告警条件包括第二收车告警条件，所述根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件，包括：
若存在目标车辆的速度大于预设移动速度阈值、且开始移动点位于收车强管控区域，则确定所述各区块满足预设的第二收车告警条件；
若所有目标车辆的速度均小于或等于预设移动速度阈值、或速度大于预设移动速度阈值的目标车辆的开始移动点均不位于收车强管控区域，则确定所述各区块不满足预设的第二收车告警条件。
在其中一个实施例中，所述根据各所述目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息，包括：
确定满足预设的实时收车告警条件的目标车辆，并将各所述满足预设的实时收车告警条件的目标车辆对应的开始移动点所在的区块，作为各所述目标车辆对应的收车区块；
针对每一个收车区块，将所述收车区块对应的目标车辆的车辆编号，作为所述收车区块对应的收车车辆编号；
生成包含所述收车区块和所述收车区块对应的收车车辆编号的实时收车告警信息。
在其中一个实施例中，所述方法还包括：
当满足预设的堆积告警判断条件时，将预设的第二历史时间段内移动距离超过预设移动距离阈值的未开锁且移动的目标车辆，作为备选堆积车辆；
若存在超过预设第一堆积车辆数量阈值的备选堆积车辆的最后移动点位于相同区块、且所述备选堆积车辆均为非挪车工车辆，则将所述备选堆积车辆的最后移动点位于的区块，作为新增堆积区块；
将已知堆积区块和所述新增堆积区块，构成收车堆积区块；
针对每一个收车堆积区块，当所述收车堆积区块内的静止车辆的数量大于预设第二堆积车辆数量阈值时，生成包含所述收车堆积区块的收车堆积告警信息。
第二方面，本申请还提供了一种共享车辆的收车告警装置，包括：
第一确定模块，用于针对目标区域包含的各区块，确定所述各区块是否满足预设收车告警条件；
获取模块，用于在所述区块不满足预设收车告警条件的情况下，获取所述区块对应的收车影响参数；所述收车影响参数至少包含所述目标区域对应的收车风险度、当前时间对应的时间管控强度、所述区块对应的管控区块等级、所述区块对应的兴趣点热度等级和所述区块的实时车辆数量中的一种或多种；
第二确定模块，用于基于当前的收车预警模型和各所述收车影响参数，确定所述区块对应的收车概率；所述收车预警模型至少包含各所述收车影响参数的权重参数；所述权重参数基于预设的模型更新策略和所述目标区域的真实收车信息更新得到；
第一生成模块，用于当所述收车概率大于预设的收车概率阈值时，将所述区块作为预测收车区块，生成包含所述预测收车区块的收车预警信息。
在其中一个实施例中，所述收车告警条件包含实时收车告警条件，所述第一确定模块，具体用于：
基于预设筛选条件，在所述目标区域内各共享车辆中筛选未开锁且移动的目标车辆；
针对每一个目标车辆，根据预设的第一历史时间段内所述目标车辆的位置信息，计算所述目标车辆的车辆轨迹和速度；
根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件；
所述装置还包括：
第二生成模块，用于在所述区块满足预设的实时收车告警条件的情况下，根据各所述目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息。
在其中一个实施例中，所述实时收车告警条件包括第一收车告警条件，所述第一确定模块，具体用于：
当存在多个目标车辆的车辆轨迹相同、速度的差值小于预设速度差阈值、且速度均大于预设移动速度阈值的持续时间超过预设共同移动时间阈值时，将所述多个目标车辆构成共同移动车辆组；
若存在共同移动车辆组仅包括非挪车工车辆，则确定所述各区块满足预设的第一收车告警条件；
若不存在共同移动车辆组、或所有共同移动车辆组均包括挪车工车辆，则确定所述各区块不满足预设的第一收车告警条件。
在其中一个实施例中，所述实时收车告警条件包括第二收车告警条件，所述第一确定模块，具体用于：
若存在目标车辆的速度大于预设移动速度阈值、且开始移动点位于收车强管控区域，则确定所述各区块满足预设的第二收车告警条件；
若所有目标车辆的速度均小于或等于预设移动速度阈值、或速度大于预设移动速度阈值的目标车辆的开始移动点均不位于收车强管控区域，则确定所述各区块不满足预设的第二收车告警条件。
在其中一个实施例中，所述第二生成模块，具体用于：
确定满足预设的实时收车告警条件的目标车辆，并将各所述满足预设的实时收车告警条件的目标车辆对应的开始移动点所在的区块，作为各所述目标车辆对应的收车区块；
针对每一个收车区块，将所述收车区块对应的目标车辆的车辆编号，作为所述收车区块对应的收车车辆编号；
生成包含所述收车区块和所述收车区块对应的收车车辆编号的实时收车告警信息。
在其中一个实施例中，所述装置还包括：
第三确定模块，用于当满足预设的堆积告警判断条件时，将预设的第二历史时间段内移动距离超过预设移动距离阈值的未开锁且移动的目标车辆，作为备选堆积车辆；
第四确定模块，用于若存在超过预设第一堆积车辆数量阈值的备选堆积车辆的最后移动点位于相同区块、且所述备选堆积车辆均为非挪车工车辆，则将所述备选堆积车辆的最后移动点位于的区块，作为新增堆积区块；
第五确定模块，用于将已知堆积区块和所述新增堆积区块，构成收车堆积区块；
第三生成模块，用于针对每一个收车堆积区块，当所述收车堆积区块内的静止车辆的数量大于预设第二堆积车辆数量阈值时，生成包含所述收车堆积区块的收车堆积告警信息。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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步骤。
第四方面，本申请还提供了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步骤。
第五方面，本申请还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上述第一方面所述的步骤。
上述共享车辆的收车告警方法、装置、计算机设备、存储介质和计算机程序产品，针对目标区域包含的各区块，确定所述各区块是否满足预设收车告警条件；在所述区块不满足预设收车告警条件的情况下，获取所述区块对应的收车影响参数；所述收车影响参数至少包含所述目标区域对应的收车风险度、当前时间对应的时间管控强度、所述区块对应的管控区块等级、所述区块对应的兴趣点热度等级和所述区块的实时车辆数量中的一种或多种；基于当前的收车预警模型和各所述收车影响参数，确定所述区块对应的收车概率；所述收车预警模型至少包含各所述收车影响参数的权重参数；所述权重参数基于预设的模型更新策略和所述目标区域的真实收车信息更新得到；当所述收车概率大于预设的收车概率阈值时，将所述区块作为预测收车区块，生成包含所述预测收车区块的收车预警信息。这样，将投放共享车辆的区域划分成多个区块，先确定各区块是否满足收车告警条件，仅针对不满足收车告警条件的区块，通过获取到的多方面的收车影响参数和至少包含各收车影响参数的权重参数的当前的收车预警模型，确定该区块的收车概率，并收车概率大于收车概率阈值的区块作为预测收车区块，生成相应的收车预警信息，不仅进行收车告警，还提前进行收车预警，及时提醒运营人员共享车辆被收车。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中共享车辆的收车告警方法的流程示意图；
图2为一个实施例中收车告警条件包含实时收车告警条件，确定各区块是否满足预设收车告警条件步骤的流程示意图；
图3为一个实施例中实时收车告警条件包括第一收车告警条件，确定各区块是否满足预设的实时收车告警条件步骤的流程示意图；
图4为一个实施例中实时收车告警条件包括第二收车告警条件，确定各区块是否满足预设的实时收车告警条件步骤的流程示意图；
图5为一个实施例中生成包含收车区块的实时收车告警信息步骤的流程示意图；
图6为另一个实施例中共享车辆的收车告警方法的流程示意图；
图7为一个实施例中共享车辆的收车告警装置的结构框图；
图8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，如图1所示，提供了一种共享车辆的收车告警方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，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。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器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。本实施例中，该方法包括以下步骤：
步骤101，针对目标区域包含的各区块，确定各区块是否满足预设收车告警条件。
在本申请实施例中，共享车辆为共享经济的车辆，可以为共享单车、共享电单车和共享汽车。目标区域为待进行共享车辆的收车告警的区域，可以为城市，也可以为城市辖区，还可以为城市中的任一个区域。目标区域可以被划分为多个区块。
在一个示例中，终端采用预设的区块划分规则，将目标投放区域划分成区块。其中，区块划分规则为划分目标投放区域的规则。不同的目标区域可以对应不同的区块划分规则，也可以对应相同的区块划分规则。区块划分规则可以为空间索引算法。例如，区块划分规则可以为Geohash算法、墨卡托投影算法、Google S2地理索引算法和六边形分层索引网格系统算法。
在一个示例中，收车告警条件包含历史收车告警条件。针对每一个区块，若该区块存在历史实时收车告警信息、且当前时间与该历史实时收车告警信息的生成时间的时间差小于或等于预设时间差阈值，则终端确定该区块满足历史收车告警条件。若该区块不存在历史实时收车告警信息、或当前时间与该区块的历史实时收车告警信息的生成时间的时间差大于预设时间差阈值，则终端确定该区块不满足历史收车告警条件。
步骤102，在区块不满足预设收车告警条件的情况下，获取该区块对应的收车影响参数。
其中，收车影响参数至少包含目标区域对应的收车风险度、当前时间对应的时间管控强度、区块对应的管控区块等级、区块对应的兴趣点热度等级和区块的实时车辆数量中的一种或多种。
在本申请实施例中，收车影响参数为用于表示对共享车辆被收车的影响程度超过预设影响程度阈值的参数。收车风险度用于表示不同区域的共享车辆被收车管控的强度，可以为数值。例如，收车风险度为0-9，其中数值越大，目标区域的共享车辆被收车管控的强度越高。时间管控强度用于表示不同时间共享车辆被收车管控的强度，可以为数值。例如，时间管控强度为0-9，其中数值越大，该时间共享车辆被收车管控的强度越高。管控区块等级用于表示不同区块的共享车辆被收车管控的强度，可以为数值。例如，管控区块等级为0或3，其中数值越大，该区块的共享车辆被收车管控的强度越高。兴趣点热度等级用于表示包含不同兴趣点的区块的共享车辆被收车管控的强度，可以为数值。例如，兴趣点热度等级为0-2，其中数值越大，包含该兴趣点的区块共享车辆被收车管控的强度越高。实时车辆数量为每隔预设时间间隔，在该时间间隔内停放（即静止、未发生移动）的共享车辆的数量。时间间隔可以为1分钟。
在一个示例中，在区块不满足预设收车告警条件的情况下，终端可以从专家建议模块中，获取该区块对应的收车影响因素。其中，专家建议模块可以存储有上述一种或多种映射关系，支持一线运营人员录入。这样，一线运营人员是最熟悉该运营城市的城市特征、管控强度、收车的时间段、要求的强管控地段的，设置专家建议模块，并从专家建议模块中获取这些收车的基础信息，能够充分利用一线运营人员的经验，能够提高收车预警的准确性。
在一个实施例中，终端可以从专家建议模块中，获取目标区域对应的收车风险度。具体的，终端可以从专家建议模块中存储的区域与收车风险度的映射关系中，查询目标区域对应的收车风险度。
在一个实施例中，终端可以从专家建议模块中，获取当前时间对应的时间管控强度。在一个示例中，终端可以从专家建议模块中存储的时间与时间管控强度的映射关系中，查询当前时间对应的时间管控强度。在另一个示例中，当前时间包括当前日期和当前时间段。例如，当前时间为周五10点，其中当前日期为周五，当前时间段为10点。终端可以从专家建议模块中存储的日期与时间管控强度的映射关系中，查询当前日期对应的日期管控强度。终端可以从专家建议模块中存储的时间段与时间管控强度的映射关系中，查询当前时间段对应的时间段管控强度。然后，终端基于日期管控强度和时间段管控强度，确定当前日期对应的时间管控强度。例如，终端在预设的日期管控强度、时间段管控强度和时间管控强度的映射关系中，查询当前对应的时间管控强度。例如，终端基于日期管控强度、时间段管控强度和预设的计算规则，计算当前对应的时间管控强度。
在一个实施例中，A区域的日期与时间管控强度的映射关系可以如表1所示。A区域的收车主要发生的时间段为工作日的早晨8:00-10:00，该时间段对应的时间段管控强度的值大于其他时间段。
表1 A区域的日期与时间管控强度的映射关系
在一个实施例中，终端可以从专家建议模块中，获取该区块对应的管控区块等级。具体的，终端可以从专家建议模块中存储的区块与管控区块等级的映射关系中，查询该区块对应的管控区块等级。其中，区块与管控区块等级的映射关系可以为：强管控区块对应的管控区块等级为3，非强管控区块对应的管控区块等级为0。强管控区块包括历史收车区块和额外已知收车区块。强管控区块可以为学校门口。
在一个实施例中，终端可以从专家建议模块中，获取该区块对应的兴趣点热度等级。具体的，终端可以从专家建议模块中存储的区块与兴趣点热度等级的映射关系中，查询该区块对应的兴趣点热度等级。其中，区块与兴趣点热度等级的映射关系可以为：人流密集兴趣点区块对应的兴趣点热度等级为2，路口狭窄兴趣点区块对应的兴趣点热度等级为1，其他兴趣点区块对应的兴趣点热度等级为0。人流密集兴趣点区块为包含学校、商场等人流密集，容易出现车辆堆积的兴趣点的区块。路口狭窄兴趣点区块为包含宽度小于预设宽度阈值的在兴趣点预设范围内的路口的区块。例如，B公司100米外小十字路口的道路宽度不及10米，如果出现车辆无序停放4辆车以上就会堵塞交通，包含该路口的区块为路口狭窄兴趣点区块。人流密集兴趣点区块和路口狭窄兴趣点区块均可以通过路网数据筛选得到。
在一个实施例中，每隔预设时间间隔，终端获取在该时间间隔内目标区域内各共享车辆对应的位置信息。然后，终端基于各共享车辆对应的位置信息，将移动距离小于预设移动误差的共享车辆，作为停放车辆。然后，终端根据各停放车辆对应的位置信息，确定各停放车辆位于的区块。然后，针对每一个区块，终端计算位于该区块的停放车辆的数量，得到该区块的实时车辆数量。其中，移动误差随时间间隔的变化而变化。例如，当时间间隔为1分钟时，移动误差为30米。
在一个实施例中，在确定各停放车辆位于的区块后，终端以区块作为key，车辆编码作为value，保存到{区块：[车辆编码，车辆编码]}map中。A城市B城区中C区块的实时车辆数量为20可以表示为：A城市-B城区-C区块：20。
在一个示例中，当满足预设的收车预警判断条件时，在区块不满足预设收车告警条件的情况下，终端获取该区块对应的收车影响参数。其中，收车预警判断条件为进行收车预警判断的条件，可以为时间条件。例如，收车预警判断条件为当前时间为每天的6:00-20:00的整点。
在一个实施例中，当收到预设事件信息时，终端基于所述预设事件信息，发送收车风险度预设调整指令。具体的，当收到预设事件信息时，终端生成包含所述预设事件信息的收车风险度预设调整指令，并发送收车风险度预设调整指令。其中，预设事件信息用于表示对共享车辆管控的强度的影响大于预设影响阈值的预设事件的信息。例如，预设事件可以为城市创城。收车风险度预设调整指令用于指示用户（可以为运营人员、专家）根据该预设事件调整收车风险度。
在一个实施例中，共享车辆上的电子控制单元（Electronic Control Unit，ECU）和全球定位系统（Global Positioning System，GPS）模块实时上报车辆上报信息。终端通过共享车辆上的电子控制单元和全球定位系统模块实时获取车辆上报信息。其中，车辆上报信息包括车辆编号、位置信息、车辆型号、电量和车辆状态。车辆上报信息是判断收车的最关键底层数据。在一个示例中，针对每一个共享车辆，终端可以根据该共享车辆对应的车辆状态，在预设的车辆状态和采集信息时间的映射关系中，查询该共享车辆对应的采集信息时间。其中，采集信息时间为终端获取车辆上报信息的间隔时间。例如，车辆状态和采集信息时间的映射关系可以为：车辆静止对应的采集信息时间为30秒，车辆移动对应的采集信息时间为5秒。可以理解的是，采集信息时间可以与车辆上报时间相同。车辆上报时间为共享车辆上报车辆上报信息的时间间隔。
步骤103，基于当前的收车预警模型和各收车影响参数，确定该区块对应的收车概率。
其中，收车预警模型至少包含各收车影响参数的权重参数。权重参数基于预设的模型更新策略和目标区域的真实收车信息更新得到。
在本申请实施例中，收车预警模型用于预测当前时间某区块是否会出现收车现象。收车预警模型可以为数学模型，也可以为神经网络模型。收车预警模型是基于实时更新的收车预警样本训练得到的。收车预警样本包括：历史收车风险度、历史时间管控强度、历史管控区块等级、历史兴趣点热度等级、历史实时车辆数量权重和历史收车情况。这样，收车预警模型根据实际样本实时更新，通过收车真实地点数据，来回溯收车算法的准确度，并自动调节收车区块判定的各项权重，能够提高收车预警的准确性。
在一个示例中，终端将各收车影响参数输入至当前的收车预警模型，得到该区块对应的收车概率。
在一个示例中，终端从当前的收车预警模型中，获取各收车影响参数的权重参数。然后，针对每一个收车影响参数，终端将该收车影响参数与该收车影响参数的权重参数相乘，得到该收车影响参数对应的乘积。然后，终端将各收车影响参数对应的乘积相加，得到该区块对应的收车概率。
在一个实施例中，终端确定该区块对应的收车概率，可以表示为：
收车概率=f(收车风险度,时间管控强度,管控区块等级,兴趣点热度等级,实时车辆数量)
收车概率=w1*收车风险度+w2*时间管控强度+w3*管控区块等级+w4*兴趣点热度等级+w5*实时车辆数量
其中，w1,w2,w3,w4,w5是权重参数，用于调整每个影响因素对收车概率的影响程度。这些权重参数通过实际数据和模型训练确定。
在一个示例中，终端根据收车预警样本，拟合各收车影响参数的权重参数。
在一个示例中，终端根据收车预警样本，更新收车预警模型中各收车影响参数的权重参数。
步骤104，当收车概率大于预设的收车概率阈值时，将该区块作为预测收车区块，生成包含预测收车区块的收车预警信息。
在本申请实施例中，预测收车区块为即将发生收车现象的区块。例如，收车预警信息可以为“A城市B区C区块即将出现共享车辆被收车，车辆编号如下…。请尽快前往C区块进行合规排放”。
上述共享车辆的收车告警方法中，将投放共享车辆的区域划分成多个区块，先确定各区块是否满足收车告警条件，仅针对不满足收车告警条件的区块，通过获取到的多方面的收车影响参数和至少包含各收车影响参数的权重参数的当前的收车预警模型，确定该区块的收车概率，并收车概率大于收车概率阈值的区块作为预测收车区块，生成相应的收车预警信息，不仅进行收车告警，还提前进行收车预警，及时提醒运营人员共享车辆被收车。而且，本方法仅针对不满足预设收车告警条件的区块进行预警，能够避免对区块收车的在短时间内的重复告警，提高提醒运营人员共享车辆被收车的合理性。并且，本方法能够使共享车辆城市运营更加精细化，也能够让一线运营人员及时感知出现了收车现象，及时介入处理，有效的减少了收车的数量，还有效避免了车辆无序停放引发的交通拥堵，增强了对公司运营能力的信任，也解除了由于共享车辆运营不当引发的撤城危机。
在一个实施例中，如图2所示，收车告警条件包含实时收车告警条件，确定各区块是否满足预设收车告警条件的具体过程以下步骤：
步骤201，基于预设筛选条件，在目标区域内各共享车辆中筛选未开锁且移动的目标车辆。
在本申请实施例中，筛选条件可以为非故障车辆、且非维保车辆、且非订单中车辆。
在一个示例中，当满足预设的实时收车告警判断条件时，终端基于预设筛选条件，在目标区域内各共享车辆中筛选未开锁且移动的目标车辆。其中，实时收车告警判断条件进行实时收车告警判断的条件，可以为时间条件。例如，实时收车告警判断条件为每隔5分钟。
步骤202，针对每一个目标车辆，根据预设的第一历史时间段内该目标车辆的位置信息，计算该目标车辆的车辆轨迹和速度。
在本申请实施例中，第一历史时间段可以与实时收车告警判断条件对应，可以为5分钟。位置信息包括各时间对应的位置点。针对每一个目标车辆，终端按照时间顺序，将预设的第一历史时间段内该目标车辆的各位置点进行排序，得到该目标车辆的初始轨迹。然后，终端对初始轨迹中的各位置点进行卡曼尔滤波，得到该目标车辆的车辆轨迹。然后，终端根据该目标车辆的车辆轨迹，计算该目标车辆的速度。这样，通过卡曼尔滤波去除车辆轨迹中的无效位置点，能够提高车辆轨迹的准确性和精度，进而提高共享车辆实时收车告警的准确性。
步骤203，根据各目标车辆的车辆轨迹和速度，确定各区块是否满足预设的实时收车告警条件。
该方法还包括以下步骤：在区块满足预设的实时收车告警条件的情况下，根据各目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息。
在本申请实施例中，实时收车告警条件用于判断当前是否正在发生收车事件。实时收车告警条件可以为一个条件，例如，实时收车告警条件为第一收车告警条件或第二收车告警条件。实时收车告警条件也可以为多个条件，满足其中任一条件均属于满足实时收车告警条件。实时收车告警信息用于表示某地当前正在发生收车事件。收车区块为当前正在发生收车事件的地点。
上述共享车辆的收车告警方法中，收车告警条件包含实时收车告警条件，基于预设筛选条件，在目标区域内各共享车辆中筛选未开锁且移动的目标车辆；针对每一个目标车辆，根据预设的第一历史时间段内该目标车辆的位置信息，计算该目标车辆的车辆轨迹和速度；根据各目标车辆的车辆轨迹和速度，确定各区块是否满足预设的实时收车告警条件；在区块满足预设的实时收车告警条件的情况下，根据各目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息。这样，本方法在对收车进行预测和预警之前，先通过筛选未开锁且移动的目标车辆，并根据各目标车辆的轨迹和速度，确定各区块是否满足预设的实时收车告警条件，并对满足实时收车告警条件的区块，生成包含收车区块的实时收车告警信息，对共享车辆被收车进行实时判断，进行收车的实时告警，能够进一步提高提醒运营人员共享车辆被收车的及时性。并且，本方法能够将在每个小时启动的收车预警和实时进行的收车告警结合，避免由于预警方案的触发因子较多造成的很大的漏报，能够进一步提高提醒运营人员共享车辆被收车的准确性。
在一个实施例中，如图3所示，实时收车告警条件包括第一收车告警条件，根据各目标车辆的车辆轨迹和速度，确定各区块是否满足预设的实时收车告警条件的具体过程包括以下步骤：
步骤301，当存在多个目标车辆的车辆轨迹相同、速度的差值小于预设速度差阈值、且速度均大于预设移动速度阈值的持续时间超过预设共同移动时间阈值时，将该多个目标车辆构成共同移动车辆组。
在本申请实施例中，例如，移动速度阈值为8千米/小时，共同移动时间阈值为2分钟。共同移动车辆组包括多个共同快速移动的未开锁目标车辆。
步骤302，若存在共同移动车辆组仅包括非挪车工车辆，则确定各区块满足预设的第一收车告警条件。
步骤303，若不存在共同移动车辆组、或所有共同移动车辆组均包括挪车工车辆，则确定各区块不满足预设的第一收车告警条件。
在本申请实施例中，挪车工车辆为运维工或挪车工的车辆。非挪车工车辆为非运维工或挪车工的车辆。
上述共享车辆的收车告警方法中，当存在多个目标车辆的车辆轨迹相同、速度的差值小于预设速度差阈值、且速度均大于预设移动速度阈值的持续时间超过预设共同移动时间阈值时，将该多个目标车辆构成共同移动车辆组；若存在共同移动车辆组仅包括非挪车工车辆，则确定各区块满足预设的第一收车告警条件；若不存在共同移动车辆组、或所有共同移动车辆组均包括挪车工车辆，则确定各区块不满足预设的第一收车告警条件。这样，通过判断是否存在多辆未开锁且移动的目标车辆一起高速移动，判断是否存在共享车辆被收车，进行实时收车告警，更加符合实际情况，能够进一步提高提醒运营人员共享车辆被收车的准确性。
在一个实施例中，如图4所示，实时收车告警条件包括第二收车告警条件，根据各目标车辆的车辆轨迹和速度，确定各区块是否满足预设的实时收车告警条件的具体过程包括以下步骤：
步骤401，若存在目标车辆的速度大于预设移动速度阈值、且开始移动点位于收车强管控区域，则确定各区块满足预设的第二收车告警条件。
步骤402，若所有目标车辆的速度均小于或等于预设移动速度阈值、或速度大于预设移动速度阈值的目标车辆的开始移动点均不位于收车强管控区域，则确定各区块不满足预设的第二收车告警条件。
在本申请实施例中，终端根据各目标车辆的车辆轨迹，分别确定根据各目标车辆的开始移动点。其中，开始移动点为未开锁的目标车辆开始移动的位置。收车强管控区域可以为强管控区块。
上述共享车辆的收车告警方法中，若存在目标车辆的速度大于预设移动速度阈值、且开始移动点位于收车强管控区域，则确定该目标区域满足预设的第二收车告警条件；若所有目标车辆的速度均小于或等于预设移动速度阈值、或速度大于预设移动速度阈值的目标车辆的开始移动点均不位于收车强管控区域，则确定各区块不满足预设的第二收车告警条件。这样，通过判断是否存在未开锁且移动的目标车辆不仅高速移动，还最终停放在已知的收车强管控区域，判断是否存在共享车辆被收车，进行实时收车告警，更加符合实际情况，能够进一步提高提醒运营人员共享车辆被收车的准确性。
在一个实施例中，如图5所示，根据各目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息的具体过程包括以下步骤：
步骤501，确定满足预设的实时收车告警条件的目标车辆，并将各满足预设的实时收车告警条件的目标车辆对应的开始移动点所在的区块，作为各目标车辆对应的收车区块。
在本申请实施例中，在实时收车告警条件为第一收车告警条件的情况下，终端确定仅包括非挪车工车辆的共同移动车辆组中的目标车辆，为满足预设的实时收车告警条件的目标车辆。
步骤502，针对每一个收车区块，将该收车区块对应的目标车辆的车辆编号，作为该收车区块对应的收车车辆编号。
步骤503，生成包含该收车区块和该收车区块对应的收车车辆编号的实时收车告警信息。
在一个实施例中，在实时收车告警条件为第一收车告警条件的情况下，实时收车告警信息为“A城市B区C区块附近共享车辆正在被收车，目前已经收了D辆，车辆编号如下…。请尽快前往C区块与收车负责人员进行沟通并进行车辆合规排放”。在实时收车告警条件为第二收车告警条件的情况下，实时收车告警信息为“A城市B区C区块附近共享车辆正在被收车，目前已经收了E辆，车辆编号如下…。请尽快前往C区块与收车负责人员进行沟通并进行车辆合规排放”。其中，D为在实时收车告警条件为第一收车告警条件的情况下的已经收车数量，可以为仅包括非挪车工车辆的共同移动车辆组中的目标车辆的数量。E为在实时收车告警条件为第二收车告警条件的情况下的已经收车数量，可以为速度大于预设移动速度阈值、且开始移动点位于收车强管控区域的目标车辆的数量，也可以为1。实时收车告警信息还可以包括已经收车数量。
上述共享车辆的收车告警方法中，确定满足预设的实时收车告警条件的目标车辆，并将各满足预设的实时收车告警条件的目标车辆对应的开始移动点所在的区块，作为各目标车辆对应的收车区块；针对每一个收车区块，将该收车区块对应的目标车辆的车辆编号，作为该收车区块对应的收车车辆编号；生成包含该收车区块和该收车区块对应的收车车辆编号的实时收车告警信息。这样，通过满足预设的实时收车告警条件的目标车辆对应的开始移动点，确定收车区块，再针对每一个收车区块生成一个包含该收车区块和该收车区块对应的收车车辆编号的实时收车告警信息，更加符合实际情况，能够进一步提高提醒运营人员共享车辆被收车的准确性，也能够避免实时收车告警信息过多造成的提高提醒运营人员共享车辆被收车的效果降低。
在一个实施例中，如图6所示，该方法还包括以下步骤：
步骤601，当满足预设的堆积告警判断条件时，将预设的第二历史时间段内移动距离超过预设移动距离阈值的未开锁且移动的目标车辆，作为备选堆积车辆。
步骤602，若存在超过预设第一堆积车辆数量阈值的备选堆积车辆的最后移动点位于相同区块、且备选堆积车辆均为非挪车工车辆，则将这些备选堆积车辆的最后移动点位于的区块，作为新增堆积区块。
在本申请实施例中，堆积告警判断条件为进行收车堆积告警判断的条件，可以为时间条件。例如，堆积告警判断条件为当前时间为每天晚上9点。第二历史时间段可以与堆积告警判断条件对应，例如，堆积告警判断条件为当前时间为每天晚上9点，第二历史时间段可以为过去一天或当天。例如，移动距离阈值为200米。可以理解的是，未开锁且移动的目标车辆可以通过步骤201确定。终端根据备选堆积车辆的车辆轨迹，确定备选堆积车辆的最后移动点。
在一个实施例中，若存在备选堆积车辆的最后移动点位于的区块相同、且备选堆积车辆均为非挪车工车辆，则终端将该备选堆积车辆的最后移动点位于的区块，作为备选堆积区块。然后，针对每一个备选堆积区块，终端确定该备选堆积区块对应的备选堆积车辆中非最后移动点漂移进入该备选堆积区块的备选堆积车辆的数量。若备选堆积车辆的数量超过预设第一堆积车辆数量阈值，则终端将该备选堆积区块，作为新增堆积区块。
步骤603，将已知堆积区块和新增堆积区块，构成收车堆积区块。
步骤604，针对每一个收车堆积区块，当该收车堆积区块内的静止车辆的数量大于预设第二堆积车辆数量阈值时，生成包含该收车堆积区块的收车堆积告警信息。
在本申请实施例中，收车堆积区块为共享车辆被收车后堆积暂扣的共享车辆的地点。收车堆积区块可以是交警队，也可以是城边的多个临时停放点。新增堆积区块为未知的堆积区块。已知堆积区块为一线城市运营人员通过历史领回车经验、关系维护及城市运营中碰到收车停放点等多种方法知道的收车堆积区块。第二堆积车辆数量阈值可以与第一堆积车辆数量阈值相同，也可以不同。例如，第一堆积车辆数量阈值和第二堆积车辆数量阈值可以均为3。例如，收车堆积告警信息为“A城市B区今日出现了共享车辆被收车，车辆编号如下…。车辆堆积点在F收车堆积区块，请尽快前往F收车堆积区块与收车负责人员进行沟通并领回车辆”。
上述共享车辆的收车告警方法中，当满足预设的堆积告警判断条件时，将预设的第二历史时间段内移动距离超过预设移动距离阈值的未开锁且移动的目标车辆，作为备选堆积车辆；若存在超过预设第一堆积车辆数量阈值的备选堆积车辆的最后移动点位于相同区块、且备选堆积车辆均为非挪车工车辆，则将这些备选堆积车辆的最后移动点位于的区块，作为新增堆积区块；将已知堆积区块和新增堆积区块，构成收车堆积区块；针对每一个收车堆积区块，当该收车堆积区块内的静止车辆的数量大于预设第二堆积车辆数量阈值时，生成包含该收车堆积区块的收车堆积告警信息。这样，本方法不仅进行收车的提前预警和实时告警，还通过收车堆积地堆积车辆数量的变化进行收车堆积的告警，告警更加全面，能够进一步提高提醒运营人员共享车辆被收车的准确性和全面性。并且，本方法不仅考虑根据个人经验已知的收车堆积地，还根据随时间更新的车辆轨迹，通过判断是否存在大量进行远距离移动的非挪车工车辆的未开锁目标车辆的移动轨迹趋同，判断新增的未知的收车堆积地，并将趋同的移动轨迹的最后移动点所在的相同区块作为新增堆积区块，及时更新收车堆积地信息，能够提高收车堆积地的全面性，也更加符合实际情况，从而进一步提高提醒运营人员共享车辆被收车的准确性和全面性。
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共享车辆的收车告警方法的共享车辆的收车告警装置。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共享车辆的收车告警装置实施例中的具体限定可以参见上文中对于共享车辆的收车告警方法的限定，在此不再赘述。
在一个示例性的实施例中，如图7所示，提供了一种共享车辆的收车告警装置700，包括：第一确定模块710、获取模块720、第二确定模块730和第一生成模块740，其中：
第一确定模块710，用于针对目标区域包含的各区块，确定所述各区块是否满足预设收车告警条件；
获取模块720，用于在所述区块不满足预设收车告警条件的情况下，获取所述区块对应的收车影响参数；所述收车影响参数至少包含所述目标区域对应的收车风险度、当前时间对应的时间管控强度、所述区块对应的管控区块等级、所述区块对应的兴趣点热度等级和所述区块的实时车辆数量中的一种或多种；
第二确定模块730，用于基于当前的收车预警模型和各所述收车影响参数，确定所述区块对应的收车概率；所述收车预警模型至少包含各所述收车影响参数的权重参数；所述权重参数基于预设的模型更新策略和所述目标区域的真实收车信息更新得到；
第一生成模块740，用于当所述收车概率大于预设的收车概率阈值时，将所述区块作为预测收车区块，生成包含所述预测收车区块的收车预警信息。
可选的，所述收车告警条件包含实时收车告警条件，所述第一确定模块710，具体用于：
基于预设筛选条件，在所述目标区域内各共享车辆中筛选未开锁且移动的目标车辆；
针对每一个目标车辆，根据预设的第一历史时间段内所述目标车辆的位置信息，计算所述目标车辆的车辆轨迹和速度；
根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件；
所述装置还包括：
第二生成模块，用于在所述区块满足预设的实时收车告警条件的情况下，根据各所述目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息。
可选的，所述实时收车告警条件包括第一收车告警条件，所述第一确定模块710，具体用于：
当存在多个目标车辆的车辆轨迹相同、速度的差值小于预设速度差阈值、且速度均大于预设移动速度阈值的持续时间超过预设共同移动时间阈值时，将所述多个目标车辆构成共同移动车辆组；
若存在共同移动车辆组仅包括非挪车工车辆，则确定所述各区块满足预设的第一收车告警条件；
若不存在共同移动车辆组、或所有共同移动车辆组均包括挪车工车辆，则确定所述各区块不满足预设的第一收车告警条件。
可选的，所述实时收车告警条件包括第二收车告警条件，所述第一确定模块710，具体用于：
若存在目标车辆的速度大于预设移动速度阈值、且开始移动点位于收车强管控区域，则确定所述各区块满足预设的第二收车告警条件；
若所有目标车辆的速度均小于或等于预设移动速度阈值、或速度大于预设移动速度阈值的目标车辆的开始移动点均不位于收车强管控区域，则确定所述各区块不满足预设的第二收车告警条件。
可选的，所述第二生成模块，具体用于：
确定满足预设的实时收车告警条件的目标车辆，并将各所述满足预设的实时收车告警条件的目标车辆对应的开始移动点所在的区块，作为各所述目标车辆对应的收车区块；
针对每一个收车区块，将所述收车区块对应的目标车辆的车辆编号，作为所述收车区块对应的收车车辆编号；
生成包含所述收车区块和所述收车区块对应的收车车辆编号的实时收车告警信息。
可选的，所述装置700还包括：
第三确定模块，用于当满足预设的堆积告警判断条件时，将预设的第二历史时间段内移动距离超过预设移动距离阈值的未开锁且移动的目标车辆，作为备选堆积车辆；
第四确定模块，用于若存在超过预设第一堆积车辆数量阈值的备选堆积车辆的最后移动点位于相同区块、且所述备选堆积车辆均为非挪车工车辆，则将所述备选堆积车辆的最后移动点位于的区块，作为新增堆积区块；
第五确定模块，用于将已知堆积区块和所述新增堆积区块，构成收车堆积区块；
第三生成模块，用于针对每一个收车堆积区块，当所述收车堆积区块内的静止车辆的数量大于预设第二堆积车辆数量阈值时，生成包含所述收车堆积区块的收车堆积告警信息。
上述共享车辆的收车告警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。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。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、显示单元和输入装置通过输入/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和计算机程序。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进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种共享车辆的收车告警方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8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。
在一个示例性的实施例中，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上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
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，且相关数据的收集、使用和处理需要符合相关规定。
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 Access Memory，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 (10)
1.一种共享车辆的收车告警方法，其特征在于，所述方法包括：
针对目标区域包含的各区块，确定所述各区块是否满足预设收车告警条件；
在所述区块不满足预设收车告警条件的情况下，获取所述区块对应的收车影响参数；所述收车影响参数至少包含所述目标区域对应的收车风险度、当前时间对应的时间管控强度、所述区块对应的管控区块等级、所述区块对应的兴趣点热度等级和所述区块的实时车辆数量中的一种或多种；
基于当前的收车预警模型和各所述收车影响参数，确定所述区块对应的收车概率；所述收车预警模型至少包含各所述收车影响参数的权重参数；所述权重参数基于预设的模型更新策略和所述目标区域的真实收车信息更新得到；
当所述收车概率大于预设的收车概率阈值时，将所述区块作为预测收车区块，生成包含所述预测收车区块的收车预警信息。
2.根据权利要求1所述的方法，其特征在于，所述收车告警条件包含实时收车告警条件，所述确定所述各区块是否满足预设收车告警条件，包括：
基于预设筛选条件，在所述目标区域内各共享车辆中筛选未开锁且移动的目标车辆；
针对每一个目标车辆，根据预设的第一历史时间段内所述目标车辆的位置信息，计算所述目标车辆的车辆轨迹和速度；
根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件；
所述方法还包括：
在所述区块满足预设的实时收车告警条件的情况下，根据各所述目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息。
3.根据权利要求2所述的方法，其特征在于，所述实时收车告警条件包括第一收车告警条件，所述根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件，包括：
当存在多个目标车辆的车辆轨迹相同、速度的差值小于预设速度差阈值、且速度均大于预设移动速度阈值的持续时间超过预设共同移动时间阈值时，将所述多个目标车辆构成共同移动车辆组；
若存在共同移动车辆组仅包括非挪车工车辆，则确定所述各区块满足预设的第一收车告警条件；
若不存在共同移动车辆组、或所有共同移动车辆组均包括挪车工车辆，则确定所述各区块不满足预设的第一收车告警条件。
4.根据权利要求2所述的方法，其特征在于，所述实时收车告警条件包括第二收车告警条件，所述根据各所述目标车辆的车辆轨迹和速度，确定所述各区块是否满足预设的实时收车告警条件，包括：
若存在目标车辆的速度大于预设移动速度阈值、且开始移动点位于收车强管控区域，则确定所述各区块满足预设的第二收车告警条件；
若所有目标车辆的速度均小于或等于预设移动速度阈值、或速度大于预设移动速度阈值的目标车辆的开始移动点均不位于收车强管控区域，则确定所述各区块不满足预设的第二收车告警条件。
5.根据权利要求2所述的方法，其特征在于，所述根据各所述目标车辆的车辆轨迹，生成包含收车区块的实时收车告警信息，包括：
确定满足预设的实时收车告警条件的目标车辆，并将各所述满足预设的实时收车告警条件的目标车辆对应的开始移动点所在的区块，作为各所述目标车辆对应的收车区块；
针对每一个收车区块，将所述收车区块对应的目标车辆的车辆编号，作为所述收车区块对应的收车车辆编号；
生成包含所述收车区块和所述收车区块对应的收车车辆编号的实时收车告警信息。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当满足预设的堆积告警判断条件时，将预设的第二历史时间段内移动距离超过预设移动距离阈值的未开锁且移动的目标车辆，作为备选堆积车辆；
若存在超过预设第一堆积车辆数量阈值的备选堆积车辆的最后移动点位于相同区块、且所述备选堆积车辆均为非挪车工车辆，则将所述备选堆积车辆的最后移动点位于的区块，作为新增堆积区块；
将已知堆积区块和所述新增堆积区块，构成收车堆积区块；
针对每一个收车堆积区块，当所述收车堆积区块内的静止车辆的数量大于预设第二堆积车辆数量阈值时，生成包含所述收车堆积区块的收车堆积告警信息。
7.一种共享车辆的收车告警装置，其特征在于，所述装置包括：
第一确定模块，用于针对目标区域包含的各区块，确定所述各区块是否满足预设收车告警条件；
获取模块，用于在所述区块不满足预设收车告警条件的情况下，获取所述区块对应的收车影响参数；所述收车影响参数至少包含所述目标区域对应的收车风险度、当前时间对应的时间管控强度、所述区块对应的管控区块等级、所述区块对应的兴趣点热度等级和所述区块的实时车辆数量中的一种或多种；
第二确定模块，用于基于当前的收车预警模型和各所述收车影响参数，确定所述区块对应的收车概率；所述收车预警模型至少包含各所述收车影响参数的权重参数；所述权重参数基于预设的模型更新策略和所述目标区域的真实收车信息更新得到；
第一生成模块，用于当所述收车概率大于预设的收车概率阈值时，将所述区块作为预测收车区块，生成包含所述预测收车区块的收车预警信息。
8.一种计算机设备，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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品，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至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410284233.2A CN117877239B (zh) | 2024-03-13 | 2024-03-13 | 共享车辆的收车告警方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410284233.2A CN117877239B (zh) | 2024-03-13 | 2024-03-13 | 共享车辆的收车告警方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117877239A CN117877239A (zh) | 2024-04-12 |
| CN117877239B true CN117877239B (zh) | 2024-06-18 |
Family
ID=90590486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410284233.2A Active CN117877239B (zh) | 2024-03-13 | 2024-03-13 | 共享车辆的收车告警方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117877239B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108597216A (zh) * | 2018-04-26 | 2018-09-28 | 北京摩拜科技有限公司 | 车辆管理方法、服务器、车辆、客户端及系统 |
| CN110428255A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 一种基于区块链的车辆数据管理方法及装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107040895B (zh) * | 2017-05-12 | 2018-02-02 | 北京帮带西东网络科技有限公司 | 基于无桩车辆的电子围栏控制方法 |
| WO2019204144A1 (en) * | 2018-04-16 | 2019-10-24 | Bird Rides, Inc. | On-demand rental of electric vehicles |
| JP7367955B2 (ja) * | 2019-06-06 | 2023-10-24 | 国立大学法人 奈良先端科学技術大学院大学 | 車両共用サービス円滑化システム及び方法 |
| CN110807849B (zh) * | 2019-10-25 | 2021-12-24 | 汉海信息技术(上海)有限公司 | 车辆管理方法、装置、电子设备及系统 |
| CN113706200B (zh) * | 2021-08-30 | 2024-02-13 | 连尚(北京)网络科技有限公司 | 用于确定单车调度计划的方法、设备、介质及程序产品 |
| CN114973632A (zh) * | 2022-04-06 | 2022-08-30 | 宁波小遛共享信息科技有限公司 | 共享车辆的停车方法、装置、计算机设备及可读存储介质 |
| CN116363854B (zh) * | 2023-05-31 | 2023-10-24 | 北京阿帕科蓝科技有限公司 | 共享出行车辆调度方法、装置和计算机设备 |
| CN116453324A (zh) * | 2023-06-15 | 2023-07-18 | 北京阿帕科蓝科技有限公司 | 一种共享车辆运维方法、系统和存储介质 |
-
2024
- 2024-03-13 CN CN202410284233.2A patent/CN117877239B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108597216A (zh) * | 2018-04-26 | 2018-09-28 | 北京摩拜科技有限公司 | 车辆管理方法、服务器、车辆、客户端及系统 |
| CN110428255A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 一种基于区块链的车辆数据管理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117877239A (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Neilson et al. | Systematic review of the literature on big data in the transportation domain: Concepts and applications | |
| Nagy et al. | Survey on traffic prediction in smart cities | |
| Rahman et al. | Analysis of bus travel time distributions for varying horizons and real-time applications | |
| US20200149914A1 (en) | Method and system for utilizing a trip history | |
| Nocera et al. | Assessing carbon emissions from road transport through traffic flow estimators | |
| CN103020222B (zh) | 用于车辆gps数据分析与异常监测的可视挖掘方法 | |
| Necula | Analyzing traffic patterns on street segments based on GPS data using R | |
| CN112801552A (zh) | 基于交通大数据挖掘和智能分析的网约车和巡游车的监管方法 | |
| Ma et al. | Evolution regularity mining and gating control method of urban recurrent traffic congestion: a literature review | |
| Wang et al. | Digital roadway interactive visualization and evaluation network applications to WSDOT operational data usage. | |
| CN114510826A (zh) | 车辆排放结构分解方法、装置、电子设备及存储介质 | |
| CN111914940B (zh) | 一种共享车辆站点分群聚类方法、系统、装置及存储介质 | |
| Yang et al. | Toward a real‐time smart parking data management and prediction (SPDMP) system by attributes representation learning | |
| Kong et al. | TBI2Flow: Travel behavioral inertia based long-term taxi passenger flow prediction | |
| Tang et al. | Estimating hotspots using a Gaussian mixture model from large-scale taxi GPS trace data | |
| US20240176471A1 (en) | Intelligent zoning | |
| Cavallaro et al. | Measuring the impact of COVID-19 restrictions on mobility: A real case study from Italy | |
| CN117877239B (zh) | 共享车辆的收车告警方法、装置、计算机设备和存储介质 | |
| Tang et al. | Multidimensional analysis of atypical events in cyber-physical data | |
| Bakkal et al. | Modeling and querying trajectories using Neo4j spatial and TimeTree for carpool matching | |
| CN116703132A (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
| CN109255953B (zh) | 基于区域的活动车辆分布展示方法及系统 | |
| CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
| CN116611678A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| Choudhry et al. | Inferring truck activities using privacy-preserving truck trajectories data |
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 |