CN104599002B - 预测订单价值的方法及设备 - Google Patents
预测订单价值的方法及设备 Download PDFInfo
- Publication number
- CN104599002B CN104599002B CN201510079224.0A CN201510079224A CN104599002B CN 104599002 B CN104599002 B CN 104599002B CN 201510079224 A CN201510079224 A CN 201510079224A CN 104599002 B CN104599002 B CN 104599002B
- Authority
- CN
- China
- Prior art keywords
- order
- value
- new
- historical
- user
- 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 20
- 238000013507 mapping Methods 0.000 claims abstract description 36
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了一种预测订单价值的方法及设备,该方法包括:获取历史订单中的与订单价值相关联的特征;生成所述特征与所述订单价值的映射模型;以及基于所述映射模型以及新订单的数据,预测所述新订单的订单价值。根据本公开的实施例,能够解决相关技术中出租车***难以独立于地图敏感地、准确地预估***订单数据的问题。
Description
技术领域
本公开的实施例涉及***预测领域,具体涉及一种预测订单价值的方法及设备。
背景技术
目前,随着人们生活水平的提高,出租车使用量越来越大,城市出租车已成为重要的交通工具。并且随着智能设备特别是智能导航以及智能手机的普及,出租车***平台的使用已经越来越普遍,并且对人们的出行带来了极大便利。
在出租车***平台上,由于出租车司机和乘客之间存在信息不对称问题,因此需要对用户所下的订单的价值进行估计,其中订单价值包括里程和价格信息。现有的出租车***的里程以及价格信息通常依赖于地图软件,因此对地图数据的要求较高。并且基于地图数据的预估***无法考虑其它不可预知的因素的影响,例如工作日、高峰时段、核心路段交通状况以及天气等复杂情况。因此,设计和研发一种对出租车***中的订单独立于地图数据进行准确预估的方法是很有必要的。
发明内容
本公开的实施例旨在提供一种预测订单价值的方法及设备,能够解决相关技术中出租车***难以独立于地图敏感地、准确地预估***订单数据的问题。
根据本公开的一个方面,提供了一种预测订单价值的方法,包括:获取历史订单中的与订单价值相关联的特征;生成所述特征与所述订单价值的映射模型;以及基于所述映射模型以及新订单的数据,预测所述新订单的订单价值。
在一个实施例中,该方法还包括:利用新订单的数据对所述映射模型进行更新。
在一个实施例中,所述与订单价值相关联的特征包括以下的至少一个:用户订单起点经度、用户订单起点纬度、用户订单终点经度、用户订单终点纬度以及用户订单开始时间。
在一个实施例中,基于所述映射模型以及新订单的数据,预测所述新订单的订单价值包括:提取所述新订单的与订单价值相关联的特征;以及基于所述新订单的特征以及所述映射模型,确定所述新订单的订单价值。
在一个实施例中,基于所述映射模型以及新订单的数据,预测所述新订单的订单价值包括:将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的平均值。
在一个实施例中,基于所述映射模型以及新订单的数据,预测所述新订单的订单价值包括:将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的加权平均值。
在一个实施例中,在所述新订单与历史订单的特征之间的距离度量小于阈值时,确定所述历史订单与所述新订单相关联。
在一个实施例中,所述距离度量包括马氏距离和欧式距离。
在一个实施例中,根据高斯分布设定所述阈值。
根据本公开的实施例的另一方面,提出了一种用于预测订单价值的设备。该设备包括:获取装置,被配置为获取历史订单中的与订单价值相关联的特征;生成装置,被配置为生成所述特征与所述订单价值的映射模型;以及预测装置,被配置为基于所述映射模型以及新订单的数据,预测所述新订单的订单价值。
在一个实施例中,该设备还包括:更新装置,被配置为利用新订单的数据对所述映射模型进行更新。
在一个实施例中,所述与订单价值相关联的特征包括以下的至少一个:用户订单起点经度、用户订单起点纬度、用户订单终点经度、用户订单终点纬度以及用户订单开始时间。
在一个实施例中,所述预测装置包括:提取模块,被配置为提取所述新订单的与订单价值相关联的特征;以及确定模块,被配置为基于所述新订单的特征以及所述映射模型,确定所述新订单的订单价值。
在一个实施例中,所述预测装置被配置为:将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的平均值。
在一个实施例中,所述预测装置被配置为:将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的加权平均值。
在一个实施例中,预测装置还被配置为:在所述新订单与历史订单的特征之间的距离度量小于阈值时,确定所述历史订单与所述新订单相关联。
在一个实施例中,所述距离度量包括马氏距离和欧式距离。
在一个实施例中,预测装置还被配置为根据高斯分布设定所述阈值。
附图说明
此处所说明的附图用来提供对本公开的进一步理解,构成本申请的一部分,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。在附图中:
图1是图示了根据本公开的实施例的预测订单价值的方法的流程图;
图2是图示了实现根据图1的用于预测订单价值的***架构示意图;以及
图3是图示了根据本公开的实施例的预测订单价值的设备的结构框图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1是图示了根据本公开的实施例的预测订单价值的方法100的流程图,其中包括如下的步骤S101至步骤S103。
如图1所示,在步骤S101,获取历史订单中的与订单价值相关联的特征。在步骤S102,生成所述特征与所述订单价值的映射模型。而且,在步骤S103,基于所述映射模型以及新订单的数据,预测所述新订单的订单价值。在一个实例中,订单价值包括里程和价格信息
在现有的出租车平台***中,由于使用用户的数量日益增多,出租车平台***累计了大量的订单信息。订单信息中包括出发地、目的地、出发时间、里程、价格等各种信息。因此,出租车平台***能够通过获得的历史订单数据建立数学模型。
在步骤S101处,与订单价值相关联的特征包括以下的至少一个:用户订单起点经度、用户订单起点纬度、用户订单终点经度、用户订单终点纬度以及用户订单开始时间等。
订单特征的集合可以用下式来表示,
Oi={sxi,syi,exi,eyi,ti} (式1)
其中,i=1,2,3,...n。Oi表示第i个订单的特征集合;sx表示订单起点经度;sy表示订单起点纬度;ex表示订单终点经度;ey表示订单终点纬度以及t表示订单开始时间。
在步骤S101处,在获取大量的订单的特征之后,建立特征与所述订单价值的映射模型,例如分别建立该订单的里程与该订单的特征之间的映射关系{Di,Oi},以及订单价格与该订单的特征之间的映射关系(Pi,Oi},其中Di表示第i个订单的里程,Pi表示第i个订单的价格,Oi表示第i个订单的特征。
而且,方法100还可以利用新订单的数据对映射模型进行更新。在一个实施例中,步骤S101和S102对历史数据的处理可以离线进行。
在步骤S103中,新订单输入至出租车平台***,出租车***需要对新订单的价值进行预测。其中基于映射模型以及新订单的数据预测新订单的价值包括:提取所述新订单的与订单价值相关联的特征;以及基于所述新订单的特征以及所述映射模型,确定所述新订单的订单价值。
在一个示例中,用户发送的新订单的特征提取为:
Op={sxp,syp,exp,eyp,tp} (式2)
Op表示新订单的特征集合;sx表示订单起点经度;sy表示订单起点纬度;ex表示订单终点经度;ey表示订单终点纬度以及t表示订单开始时间。
在一个实施例中,基于映射模型以及新订单的数据,预测所述新订单的订单价值包括:将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的平均值。
例如,新订单的里程和价格分别如下式所示:
其中Dp表示新订单的里程,Pp表示新订单的价格,Op表示新订单的特征,Oj表示第j个订单的特征,Dj表示第j个订单的里程,Pj表示第j个订单的价格,ω(Op,Oj)表示距离度量,其中距离度量可以包括马氏距离和欧式距离,W为常数值。
欧氏距离为通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
马氏距离是表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系(例如:订单的起点信息会带来户订单开始时间有关的信息,因为两者是有关联的)并且是尺度无关的(scale-invariant),即独立于测量尺度。
通过(式5)可以看出,当新订单与历史订单的特征之间的距离度量小于设定阈值时,判定所述历史订单与所述新订单相关联,即通过这些相关联的订单计算新订单的价值。其中(式5)中的W值可以通过高斯分布设定,即判定上述马氏距离或欧氏距离最大概率分布的数据值来设定W。
通过(式3)-(式5)可以看出在该实施例中,对于与新订单相关联的订单数据均取值为1,采用其平均值计算新订单的里程和价格。
在一些情况下,由于历史订单与新订单的关联程度相差较大,因此考虑加权值会使该预测更准确。例如在判定当新订单与历史订单的特征之间的马氏距离或欧氏距离小于设定阈值之后,可以设定在其马氏距离或欧氏距离为不同值时,取不同的权重值,例如在历史订单起点和终点与新订单相同时,使其权重值为最大。考虑不同的权重值可以使订单预测更准确。
因此,在一个实施例中,订单价值确定为与所述新订单相关联的历史订单的里程和价格的加权平均值。
图2是图示了实现根据图1的用于预测订单价值的***架构示意图。如图所示,用户通过出租车平台***201打车,累积历史订单数据。因此在订单集合数据202包括大量历史订单数据。
根据本公开的一个实施例,预测***203包括用于预测订单价值的***。该预测***203结合历史订单数据以及新订单数据对新订单的里程和价格进行预测,预测过程包括:获取历史订单中的与订单价值相关联的特征;生成所述特征与所述订单价值的映射模型;以及基于所述映射模型以及新订单的数据,预测所述新订单的订单价值。
随后该预测***203将新订单预测的里程和价格反馈至用户。
图3是图示了根据本公开的实施例的预测订单价值的设备300的结构框图。
该设备300包括获取装置301,被配置为获取历史订单中的与订单价值相关联的特征;生成装置302,被配置为生成所述特征与所述订单价值的映射模型;以及预测装置303,被配置为基于所述映射模型以及新订单的数据,预测所述新订单的订单价值。
在一个实施例中,该设备300还包括:更新装置被配置为利用新订单的数据对所述映射模型进行更新。
在一个实施例中,与订单价值相关联的特征包括以下的至少一个:用户订单起点经度、用户订单起点纬度、用户订单终点经度、用户订单终点纬度以及用户订单开始时间。
在一个实施例中,所述预测装置303包括:提取模块,被配置为提取所述新订单的与订单价值相关联的特征;以及确定模块,被配置为基于所述新订单的特征以及所述映射模型,确定所述新订单的订单价值。
在一个实施例中,所述预测装置303进一步被配置为将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的平均值。
在一个实施例中,所述预测装置303进一步被配置为将所述新订单的订单价值确定为与所述新订单相关联的历史订单的订单价值的加权平均值。
在一个实施例中,所述预测装置303进一步被配置为:在所述新订单与历史订单的特征之间的距离度量小于阈值时,确定所述历史订单与所述新订单相关联。
在一个实施例中,所述距离度量包括马氏距离和欧式距离。
在一个实施例中,所述预测装置303进一步被配置为根据高斯分布设定所述阈值。
显然,本领域的技术人员应该明白,上述的本公开的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本公开不限制于任何特定的硬件和软件结合。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种预测订单价值的方法,包括:
获取历史订单中的与订单价值相关联的特征,其中所述订单价值包括行驶里程;
生成所述特征与所述订单价值的映射模型;以及
基于所述映射模型以及新订单的数据,预测所述新订单的订单价值;
利用新订单的数据对所述映射模型进行更新;
其中基于所述映射模型以及新订单的数据,预测所述新订单的订单价值包括:
响应于所述新订单与历史订单的特征之间的距离度量小于阈值,确定所述历史订单与所述新订单相关联;
将所述新订单的订单价值确定为与所述新订单相关联的所述历史订单的订单价值的平均值;
其中所述与订单价值相关联的特征包括以下的至少一个:
用户订单起点经度、用户订单起点纬度、用户订单终点经度、用户订单终点纬度以及用户订单开始时间。
2.根据权利要求1所述的方法,其中基于所述映射模型以及新订单的数据,预测所述新订单的订单价值还包括:
提取所述新订单的与订单价值相关联的特征。
3.根据权利要求1所述的方法,其中所述历史订单的订单价值的平均值为所述历史订单的订单价值的加权平均值。
4.根据权利要求1所述的方法,其中所述距离度量包括马氏距离和欧式距离。
5.根据权利要求1所述的方法,其中根据高斯分布设定所述阈值。
6.一种预测订单价值的设备,包括:
获取装置,被配置为获取历史订单中的与订单价值相关联的特征,其中所述订单价值包括行驶里程;
生成装置,被配置为生成所述特征与所述订单价值的映射模型;以及
预测装置,被配置为基于所述映射模型以及新订单的数据,预测所述新订单的订单价值;
更新装置,被配置为利用新订单的数据对所述映射模型进行更新;
其中所述预测装置被配置为:
响应于所述新订单与历史订单的特征之间的距离度量小于阈值,确定所述历史订单与所述新订单相关联;
将所述新订单的订单价值确定为与所述新订单相关联的所述历史订单的订单价值的平均值;
其中所述与订单价值相关联的特征包括以下的至少一个:
用户订单起点经度、用户订单起点纬度、用户订单终点经度、用户订单终点纬度以及用户订单开始时间。
7.根据权利要求6所述的设备,其中所述预测装置还包括:
提取模块,被配置为提取所述新订单的与订单价值相关联的特征。
8.根据权利要求6所述的设备,其中所述历史订单的订单价值的平均值为所述历史订单的订单价值的加权平均值。
9.根据权利要求6所述的设备,其中所述距离度量包括马氏距离和欧式距离。
10.根据权利要求6所述的设备,其中预测装置还被配置为根据高斯分布设定所述阈值。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510079224.0A CN104599002B (zh) | 2015-02-13 | 2015-02-13 | 预测订单价值的方法及设备 |
SG11201704715YA SG11201704715YA (en) | 2014-12-09 | 2015-12-09 | User maintenance system and method |
US15/533,994 US20170364933A1 (en) | 2014-12-09 | 2015-12-09 | User maintenance system and method |
GB1709115.8A GB2547395A (en) | 2014-12-09 | 2015-12-09 | User maintenance system and method |
PCT/CN2015/096820 WO2016091173A1 (zh) | 2014-12-09 | 2015-12-09 | 一种用户维护***及方法 |
PH12017501080A PH12017501080A1 (en) | 2014-12-09 | 2017-06-08 | User maintenance system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510079224.0A CN104599002B (zh) | 2015-02-13 | 2015-02-13 | 预测订单价值的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104599002A CN104599002A (zh) | 2015-05-06 |
CN104599002B true CN104599002B (zh) | 2020-10-13 |
Family
ID=53124770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510079224.0A Active CN104599002B (zh) | 2014-12-09 | 2015-02-13 | 预测订单价值的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104599002B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170364933A1 (en) * | 2014-12-09 | 2017-12-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | User maintenance system and method |
WO2018223272A1 (en) * | 2017-06-05 | 2018-12-13 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for price estimation using machine learning techniques |
JP6797943B2 (ja) | 2017-06-16 | 2020-12-09 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | サービスリクエストを割り振るシステムおよび方法 |
CN109146211A (zh) * | 2017-06-16 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 订单的分配、模型的训练方法及装置 |
WO2019201344A1 (en) * | 2018-04-19 | 2019-10-24 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for transport pricing |
CN111260103A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种订单信息动态调整方法和装置 |
CN109508461A (zh) * | 2018-12-29 | 2019-03-22 | 重庆猪八戒网络有限公司 | 基于中文自然语言处理的订单价格预测方法、终端及介质 |
CN113139803A (zh) * | 2021-04-08 | 2021-07-20 | 北京京东振世信息技术有限公司 | 订单信息生成方法、装置、电子设备和计算机可读介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298737A (zh) * | 2011-08-16 | 2011-12-28 | 上海交通大学 | 面向客户承诺的订单管理***和订单管理方法 |
CN103188598A (zh) * | 2011-12-27 | 2013-07-03 | 中国电信股份有限公司 | 智能群呼抢答约车方法、***及出租车约车平台 |
US20140101024A1 (en) * | 2012-10-04 | 2014-04-10 | Sap Ag | Predicting financial outcome |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1340178A4 (en) * | 2000-11-02 | 2005-06-08 | Cybersource Corp | METHOD AND APPARATUS FOR EVALUATING THE RISK OF FRAUD IN AN ELECTRONIC COMMERCIAL TRANSACTION |
CN103310286A (zh) * | 2013-06-25 | 2013-09-18 | 浙江大学 | 一种具有时间序列特性的产品订单预测方法及装置 |
CN103942433A (zh) * | 2014-04-21 | 2014-07-23 | 南京市测绘勘察研究院有限公司 | 一种基于历史资料分析的建筑物沉降预测方法 |
CN103984998A (zh) * | 2014-05-30 | 2014-08-13 | 成都德迈安科技有限公司 | 基于云服务平台大数据挖掘的销售预测方法 |
-
2015
- 2015-02-13 CN CN201510079224.0A patent/CN104599002B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298737A (zh) * | 2011-08-16 | 2011-12-28 | 上海交通大学 | 面向客户承诺的订单管理***和订单管理方法 |
CN103188598A (zh) * | 2011-12-27 | 2013-07-03 | 中国电信股份有限公司 | 智能群呼抢答约车方法、***及出租车约车平台 |
US20140101024A1 (en) * | 2012-10-04 | 2014-04-10 | Sap Ag | Predicting financial outcome |
Also Published As
Publication number | Publication date |
---|---|
CN104599002A (zh) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104599002B (zh) | 预测订单价值的方法及设备 | |
CN108399564B (zh) | 信用评分方法及装置 | |
CN109598566B (zh) | 下单预测方法、装置、计算机设备和计算机可读存储介质 | |
CN111435088A (zh) | 一种道路匹配方法、装置、电子设备及存储介质 | |
CN109308538B (zh) | 成交转化率预测方法及装置 | |
CN107341166B (zh) | 一种车载app的推荐方法及*** | |
CN112509317B (zh) | 基于机器学习算法的公交实时到站预测方法、装置和设备 | |
JP2017228091A (ja) | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム | |
CN110751395B (zh) | 一种旅客行程状态确定方法、装置及服务器 | |
CN111476389A (zh) | 一种预估接单等待时长的方法及装置 | |
CN110674208B (zh) | 用于确定用户的职住地信息的方法和装置 | |
CN112926630B (zh) | 路线规划方法、装置、电子设备以及计算机可读介质 | |
CN116030617A (zh) | 一种基于公路od数据进行车流量预测的方法及装置 | |
CN108665723B (zh) | 一种信息获取方法及装置 | |
CN111310961A (zh) | 数据预测方法、装置、电子设备和计算机可读存储介质 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN111613052B (zh) | 一种交通状况确定方法、装置、电子设备及存储介质 | |
CN113284337B (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
CN110837903A (zh) | 一种轨道交通短期客流预测方法、***及电子设备 | |
CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN113689125A (zh) | 信息推送方法和装置 | |
CN111105284B (zh) | 订单处理方法、装置、m层订单处理模型、电子设备及储存介质 | |
CN110146102B (zh) | 路径规划方法、装置、设备和存储介质 | |
CN112685531A (zh) | 车辆匹配方法和装置、计算设备以及计算机可读存储介质 | |
CN113051490A (zh) | 新增兴趣点预测模型训练、新增兴趣点预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |