CN107402931A - 一种出行目的地推荐方法和装置 - Google Patents
一种出行目的地推荐方法和装置 Download PDFInfo
- Publication number
- CN107402931A CN107402931A CN201610340879.3A CN201610340879A CN107402931A CN 107402931 A CN107402931 A CN 107402931A CN 201610340879 A CN201610340879 A CN 201610340879A CN 107402931 A CN107402931 A CN 107402931A
- Authority
- CN
- China
- Prior art keywords
- information
- mrow
- probability
- destination
- destination information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Databases & Information Systems (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种出行目的地推荐方法和装置。该方法包括接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;将每个目的地信息以及所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出待推荐的目的地信息。本发明基于终端的历史订单信息,预测在打车软件被开启的启动时间点终端的目的地信息,以使用户无需进行复杂的操作即可选择要到达的目的地,能有效地提高用户体验。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种出行目的地推荐方法和装置。
背景技术
目前,将人从当前所在地引导到目的地进行道路引导的导航装置、或对周边设施进行检索的信息提供装置等车载信息已得到普及。就打车服务而言,用户在开启打车软件使用打车业务时,为了利用这些设备的导航功能,需要手动输入需要达到的目的地。
然而有时候目的地信息的输入非常繁琐,需要花费时间,而且有时候还容易出错,导致用户体验差。
发明内容
针对现有技术中的缺陷,本发明提供了一种出行目的地推荐方法和装置,解决了在使用打车业务时用户每次都要手动输入目的地信息,导致用户体验差的问题。
第一方面,本发明提出了一种出行目的地推荐方法,包括:
接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;
根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;
根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;
将每个目的地信息以及所述UE选择选择所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出向用户推荐的目的地信息。
优选地,所述历史订单信息包括:至少一个目的地信息和每个目的地信息的下单时间点;
相应地,所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的目的地信息的概率的步骤具体包括:
根据所述下单时间点获取每个目的地信息的在时间域上的分布数据;
根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率。
优选地,所述根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率的步骤具体包括:
根据所述分布数据获取每个目的地信息的概率密度函数;
根据所述概率密度函数建立概率确定模型,并根据所述概率确定模块和所述启动时间点确定所述UE选择每个目的地信息的概率。
优选地,所述概率确定模型为
其中,n≥1,T为所述启动时间点,Xi为历史订单信息中的第i个目的地信息,P(Xi│T)为在所述启动时间点所述UE选择第i个目的地信息的概率,P(Xi)为所述UE选择第i个目的地信息的概率,f(t)为所述概率密度函数。
优选地,在所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的各目的地信息的概率的步骤之前,该方法还包括:
根据所述历史订单信息获取各目的地信息的出现次数;
根据所述出现次数从各目的地信息中筛选出出现次数大于或者等于预设阈值的目的地信息。
第二方面,本发明还提出了一种出行目的地推荐装置,包括:
接收模块,用于接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;
获取模块,用于根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;
确定模块,用于根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;
发送模块,用于将每个目的地信息以及所述UE选择选择所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出向用户推荐的目的地信息。
优选地,所述历史订单信息包括:至少一个目的地信息和每个目的地信息的下单时间点;
相应地,所述确定模块,还用于根据所述下单时间点获取每个目的地信息的在时间域上的分布数据;根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率。
优选地,所述确定模块,还用于根据所述分布数据获取每个目的地信息的概率密度函数;根据所述概率密度函数建立概率确定模型,并根据所述概率确定模块和所述启动时间点确定所述UE选择每个目的地信息的概率。
优选地,所述概率确定模型为
其中,n≥1,T为所述启动时间点,Xi为历史订单信息中的第i个目的地信息,P(Xi│T)为在所述启动时间点所述UE选择第i个目的地信息的概率,P(Xi)为所述UE选择第i个目的地信息的概率,f(t)为所述概率密度函数。
优选地,该装置还包括:筛选模块;
所述筛选模块,用于在所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的各目的地信息的概率前,根据所述历史订单信息获取各目的地信息的出现次数;根据所述出现次数从各目的地信息中筛选出出现次数大于或者等于预设阈值的目的地信息。
由上述技术方案可知,本发明提出的出行目的地推荐方法基于终端的历史订单信息,预测在打车软件被开启的启动时间点终端的目的地信息,以使用户无需进行复杂的操作即可选择要到达的目的地,能有效地提高用户体验。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1是本公开一实施例提供的出行目的地推荐方法的流程示意图;
图2是本公开一实施例提供的出行目的地推荐方法中一目的地信息的分布数据示意图;
图3是本公开一实施例提供的出行目的地推荐方法中另一目的地信息的分布数据示意图;
图4是本公开一实施例提供的出行目的地推荐方法中下单时间的向量化的表示示意图;
图5是本公开一实施例提供的出行目的地推荐方法中下单时间的向量转换的表示示意图;
图6是本公开一实施例提供的出行目的地推荐装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例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的一部分实施例,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做出创造性劳动的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。
以下对本发明实施例中提及的部分词语进行举例说明。
本发明实施例中提及的用户设备(User Equipment,简称UE)是指呼叫服务方,如交通工具叫车服务中的乘客,所使用的移动终端或个人计算机(Personal Computer,简称PC)等设备。例如智能手机、个人数码助理(PDA)、平板电脑、笔记本电脑、车载电脑(carputer)、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、Gear VR)等。
本发明实施例中提及的终端为提供服务方,如交通工具叫车服务中的司机,所使用的用于接单的移动终端或PC端等设备。诸如上述呼叫服务方所使用各设备。因此,本实施例中,第一终端为第一个司机所持的移动终端,第二终端为第二个司机所持的终端,……,第N终端为第N个司机所持的终端。本实施例中,为了区别乘客和司机,分别采用用户设备UE和终端来分别表示乘客和司机所持的移动终端等设备。
图1是本公开一实施例提供的出行目的地推荐方法的流程示意图,参照图1,该方法包括:
110、服务器接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;
可理解的是,服务器在接收到UE的目的地推荐请求信息之后,将会对目的地推荐请求信息进行识别,获取该UE的标识以及和启动时间点,必要时还会获取该UE的位置信息以及位置信息与时间信息之间的对应关系。
120、根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;
可理解的是,在识别该UE的身份后,服务器将在数据库中提取与该UE关联的历史订单信息,或者是通过加载的方式获取与该UE关联的历史订单信息;
另外,此处的预设时间可以为1周、10天等,具体可视情况而定,此处不再进行限定。
130、根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;
需要说明的是,由于每个终端之前的历史订单信息不尽相同,因此,预测该UE在启动时间点选择各目的地信息的概率的结果也不相同。
140、将每个目的地信息以及所述UE选择选择所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出向用户推荐的目的地信息。
可理解的是,服务器把计算获取的UE选择每个目的地信息的概率与对应目的地信息进行关联后,发送至UE。UE在接收到服务器发送的信息后将根据预设的阈值对各目的地信息进行筛选出,并将筛选出的目的地信息展示在首屏目的地推荐中。
举例来说,服务器发送的目的地信息包括A、B和C,其中,A、B和C被UE选中的概率分别为a、b和c,假设UE中的预设阈值d与a、b、c的大小关系为,a<b<d<c,则UE将把与c对应的目的地信息C展示在首屏目的地推荐中。
本发明基于终端的历史订单信息,预测在打车软件被开启的启动时间点终端的目的地信息,以使用户无需进行复杂的操作即可选择要到达的目的地,能有效地提高用户体验。
表1为本实施例中历史订单信息的示例,历史订单信息包括:至少一个目的地信息和每个目的地信息的下单时间点;
参照表1,历史订单信息中包括:中关村软件园6号门、金谷园1号楼等;下单时间点包括:2015/1210 10:05等;
2015/12/10 10:05 | 中关村软件园6号门 |
2015/12/10 15:58 | 中关村软件园6号门 |
2015/12/10 18:52 | 金谷园1号楼 |
2015/12/11 18:57 | 金谷园1号楼 |
2015/12/11 9:43 | 中关村软件园6号门 |
2015/12/14 10:05 | 中关村软件园6号门 |
2015/12/14 20:27 | 金谷园1号楼 |
2015/12/14 9:57 | 中关村软件园6号门 |
2015/12/15 18:02 | 金谷园1号楼 |
2015/12/15 19:00 | 知春路 |
2015/12/15 21:03 | 金谷园1号楼 |
2015/12/15 9:54 | 中关村软件园6号门 |
2015/12/16 19:18 | 金谷园1号楼 |
2015/12/16 9:56 | 中关村软件园6号门 |
2015/12/17 18:38 | 五道口购物中心 |
2015/12/17 9:56 | 中关村软件园6号门 |
2015/12/18 18:11 | 金谷园1号楼 |
2015/12/18 22:30 | 首都机场 |
2015/12/18 8:41 | 中关村软件园6号门 |
表1
图2和图3分别为本公开一实施例提供的出行目的地推荐方法中一目的地信息的分布数据示意图,下面参照图2和图3,对步骤130进行详细说明:
根据所述下单时间点获取每个目的地信息的在时间域上的分布数据;
可理解的是,图2和图3中的横坐标为时间,纵坐标为频率;由图2可知,以中关村软件园6号门为目的地信息时,终端的下单时间点集中在9点、10点;
由图3可知,以金谷园1号楼为目的地信息时,终端的下单时间点集中在18-21点。
根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率。
本实施例中,步骤130具体包括:
根据所述分布数据获取每个目的地信息的概率密度函数;
根据所述概率密度函数建立概率确定模型,并根据所述概率确定模块和所述启动时间点确定所述UE选择每个目的地信息的概率。
下面对步骤130进行详细说明:
本发明通过每个目的地信息的在时间域上的分布数据,预估每个目的地信的概率密度函数f(t)。
上述概率确定模型为
其中,n≥1,T为所述启动时间点,Xi为历史订单信息中的第i个目的地信息,P(Xi│T)为在所述启动时间点所述UE选择第i个目的地信息的概率,P(Xi)为所述UE选择第i个目的地信息的概率,f(t)为所述概率密度函数。
进一步地,本步骤中关于f(t)的确定,有若干种可选方案,以高斯分布为例进行说明,如下:
这里假设终端历史上,发单去同一目的地的时间分布服从N(μ,σ2),其中μ和σ分别是该目的地历史时间的均值和标准差。
密度函数:
分布函数:
按照上面的N(μ,σ2)的分布函数进行计算,得到以下公式:
P(T|Xi)=F(T+Δt)-F(T-Δt)
接下来转换成标准正太分布,根据定理,
则:
所以,
为了提高预测的支持度和置信度,在步骤130之前,该方法还包括:
根据所述历史订单信息获取各目的地信息的出现次数;
需要说明的是,对历史订单信中的同一目的地信息进行累加,即可获取每个目的地信息的出现次数。
根据所述出现次数从各目的地信息中筛选出出现次数大于或者等于预设阈值的目的地信息。
此处的预设阈值可以视情况而定,其与上述的预设时间有关联关系,例如,在上述的预设时间较大时,此处预设阈值则相对也较大;在上述的预设时间较小时,预设阈值相对也要变小;两者的对应关系此处不再进行限定。
为了提高优化本推荐方法,在UE检测到服务器发送每个目的地信息被选择的概率均低于终端设置的阈值时,而无法生成需要推荐的目的地信息时,则向服务器反馈无推荐信息;
服务器在接收到无推荐信息时,则对关于出现次数的预设阈值进行调整,以使向UE发送的各目的地信息的概率中存在符合要求的概率,防止出现没有推荐目的地的情况。
可理解的是,由于每个用户本身的出行数据比较稀疏,再加上不够均匀,就像上述的例子,除了两个比较集中的目的地外,其他几个目的地仅仅出现1~2次,这样带来的一个问题就是,会使拟合出的正态分布函数的标准差σ极小。
为此本发明对标准差σ增加一个惩罚系数:
其中c为一目的地信息出现的次数。
进一步地,虽然理论上,正态分布的值域是(-∞,+∞),但实际上,处于(-3σ,+3σ)区间的概率已经达到0.999。
为此,本发明对超过(-3σ,+3σ)区间的概率,设定一个极小值0.0001。
下面对本发明的原理进行详细说明:
对上述表1进行处理,处理步骤包括:
1、去除日期,只保留时间;
2、将时间进行数字化,比如:9:30->9.5,22:20->22.3,获得表2。
表2
目的地 | 时间分布 |
中关村软件园6号门 | 8.7,9.7,9.9,9.9,9.9,10,10.1,10.1,16 |
金谷园1号楼 | 18,18.2,18.9,19,19.3,20.5,21.1 |
知春路 | 19 |
五道口购物中心 | 18.6 |
首都机场 | 22.5 |
可以看出,除个别噪声点外,规律非常明显:早上9~10点发发单去往公司(中关村软件园),晚上18~21点回家(金谷园)。
为了量化每个目的地的时间分布的紧凑/稀疏程度及该目的地的频繁程度,本发明采用3个统计指标:均值e、标准差d、频率f。
上面三个变量中,均值e的计算比较困难,显然不能将所有时刻简单地加和求求平均,比如:时刻8点、9点、10点,那么平均时刻应该是9点;时刻23点、0点、4点,则平均时刻是1点。
图4和图5分别为本公开一实施例提供的出行目的地推荐方法中下单时间的向量化和向量转换的表示示意图,下面参照图4和图5对下单时间转化为向量的表示法进行详细说明:
圆盘表示时钟表盘,两个坐标轴分别为x、y轴,图4上的三个向量由上至下分别表示的时刻是:3点、22点、23点,圆弧箭头表示时钟的方向。
那么,上面三个时刻的平均时刻,可以将这三个向量进行加和,和向量落在的表盘上的位置即是平均时刻,如图5:
3点、22点、23点三个时刻的平均时刻是0点,和向量落在的表盘上的位置也恰好是0点。
具体计算步骤如下:
Step1:第i个时刻xi的向量表示
(cosθi,sinθi)
Step2:计算n个时刻对应的向量的和向量
Step3:计算和向量与x轴的夹角:
Step4:将θt转换为对应的时刻:
假设用户历史上去过A、B、C三个地方,当前时刻为T,那么需要计算三个条件概率:
P(A|T),P(B|T),P(C|T)如果某一个概率以绝对优势胜出,且有足够的支持度,则理应作为首屏推荐予以展示。
直接计算P(A|T)比较困难,我们采用贝叶斯公式进行变换
我们用Xi代表第i个地址,则根据全概率公式,
最后,
以表1中的数据为例:
首先根据表1中的数据计算获取下面的表3;
目的地 | 时间分布 | 分布指标 |
中关村软件园6号门 | 8.7,9.7,9.9,9.9,9.9,10,10.1,10.1,16 | e=10.5,d=2,f=0.47 |
金谷园1号楼 | 18,18.2,18.9,19,19.3,20.5,21.1 | e=19.3,d=0.96,f=0.37 |
知春路 | 19 | e=19,d=0,f=0.05 |
五道口购物中心 | 18.6 | e=18.6,d=0,f=0.05 |
首都机场 | 22.5 | e=22.5,d=0,f=0.05 |
表3
假设当前时刻T=9点
P(T=9|X=中关村软件园6号门)=0.3,P(X=中关村软件园6号门)=0.47
P(T=9|X=金谷园1号楼)=0.05,P(X=金谷园1号楼)=0.37
P(T=9|X=知春路)=0.02,P(X=知春路)=0.05
P(T=9|X=五道口购物中心)=0.02,P(X=五道口购物中心)=0.05
P(T=9|X=首都机场)=0.01,P(X=首都机场)=0.05
最后,各目的地的概率如下:
P(X=中关村软件园6号门|T=9点)=0.88125
P(X=金谷园1号楼|T=9点)=0.115625
P(X=知春路|T=9点)=0.00625
P(X=五道口购物中心|T=9点)=0.00625
P(X=首都机场|T=9点)=0.003125
由服务器将上述获得的数据发送至UE,假设UE中的概率阈值为0.88,则“中关村软件园6号门”将出现在首屏目的地推荐中。
对于方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施方式并不受所描述的动作顺序的限制,因为依据本发明实施方式,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于优选实施方式,所涉及的动作并不一定是本发明实施方式所必须的。
图6为了本公开一实施例提供的出行目的地推荐装置的结构示意图,参照图6,该装置包括:
接收模块610,用于接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;
获取模块620,用于根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;
确定模块630,用于根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;
发送模块640,用于将每个目的地信息以及所述UE选择选择所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出向用户推荐的目的地信息。
本发明基于终端的历史订单信息,预测在打车软件被开启的启动时间点终端的目的地信息,以使用户无需进行复杂的操作即可选择要到达的目的地,能有效地提高用户体验。
本实施例中,历史订单信息包括:至少一个目的地信息和每个目的地信息的下单时间点;
相应地,所述确定模块630,还用于根据所述下单时间点获取每个目的地信息的在时间域上的分布数据;根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率。
在一可行实施例中,确定模块630,还用于根据所述分布数据获取每个目的地信息的概率密度函数;根据所述概率密度函数建立概率确定模型,并根据所述概率确定模块和所述启动时间点确定所述UE选择每个目的地信息的概率。
在一可行实施例中,概率确定模型为
其中,n≥1,T为所述启动时间点,Xi为历史订单信息中的第i个目的地信息,P(Xi│T)为在所述启动时间点所述UE选择第i个目的地信息的概率,P(Xi)为所述UE选择第i个目的地信息的概率,f(t)为所述概率密度函数。
在一可行实施例中,该装置还包括:筛选模块;
所述筛选模块,用于在所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的各目的地信息的概率前,根据所述历史订单信息获取各目的地信息的出现次数;根据所述出现次数从各目的地信息中筛选出出现次数大于或者等于预设阈值的目的地信息。
对于装置实施方式而言,由于其与方法实施方式基本相似,所以描述的比较简单,相关之处参见方法实施方式的部分说明即可。
应当注意的是,在本发明的装置的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本发明不受限于此,可以根据需要对各个部件进行重新划分或者组合。
本发明的各个部件实施方式可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本装置中,PC通过实现因特网对设备或者装置远程控制,精准的控制设备或者装置每个操作的步骤。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样实现本发明的程序可以存储在计算机可读介质上,并且程序产生的文件或文档具有可统计性,产生数据报告和cpk报告等,能对功放进行批量测试并统计。应该注意的是上述实施方式对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施方式。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种出行目的地推荐方法,其特征在于,包括:
接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;
根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;
根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;
将每个目的地信息以及所述UE选择选择所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出向用户推荐的目的地信息。
2.根据权利要求1所述的方法,其特征在于,所述历史订单信息包括:至少一个目的地信息和每个目的地信息的下单时间点;
相应地,所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的目的地信息的概率的步骤具体包括:
根据所述下单时间点获取每个目的地信息的在时间域上的分布数据;
根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率。
3.根据权利要求2所述的方法,其特征在于,所述根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率的步骤具体包括:
根据所述分布数据获取每个目的地信息的概率密度函数;
根据所述概率密度函数建立概率确定模型,并根据所述概率确定模块和所述启动时间点确定所述UE选择每个目的地信息的概率。
4.根据权利要求3所述的方法,其特征在于,所述概率确定模型为
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>|</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>|</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
其中,n≥1,T为所述启动时间点,Xi为历史订单信息中的第i个目的地信息,P(Xi│T)为在所述启动时间点所述UE选择第i个目的地信息的概率,P(Xi)为所述UE选择第i个目的地信息的概率,f(t)为所述概率密度函数。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的各目的地信息的概率的步骤之前,该方法还包括:
根据所述历史订单信息获取各目的地信息的出现次数;
根据所述出现次数从各目的地信息中筛选出出现次数大于或者等于预设阈值的目的地信息。
6.一种出行目的地推荐装置,其特征在于,包括:
接收模块,用于接收UE在启动打车软件时发送的目的地推荐请求信息,所述目的地推荐请求信息携带所述UE的标识和启动时间点;
获取模块,用于根据所述UE的标识和所述启动时间点获取预设时间内与所述UE的标识关联的历史订单信息;
确定模块,用于根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中各目的地信息的概率;
发送模块,用于将每个目的地信息以及所述UE选择选择所述目的地信息的概率发送至所述UE,以使所述UE根据所述概率从各目的地信息中筛选出向用户推荐的目的地信息。
7.根据权利要求6所述的装置,其特征在于,所述历史订单信息包括:至少一个目的地信息和每个目的地信息的下单时间点;
相应地,所述确定模块,还用于根据所述下单时间点获取每个目的地信息的在时间域上的分布数据;根据所述分布数据和所述启动时间点确定所述UE选择每个目的地信息的概率。
8.根据权利要求7所述的装置,其特征在于,所述确定模块,还用于根据所述分布数据获取每个目的地信息的概率密度函数;根据所述概率密度函数建立概率确定模型,并根据所述概率确定模块和所述启动时间点确定所述UE选择每个目的地信息的概率。
9.根据权利要求8所述的装置,其特征在于,所述概率确定模型为
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>|</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>|</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
其中,n≥1,T为所述启动时间点,Xi为历史订单信息中的第i个目的地信息,P(Xi│T)为在所述启动时间点所述UE选择第i个目的地信息的概率,P(Xi)为所述UE选择第i个目的地信息的概率,f(t)为所述概率密度函数。
10.根据权利要求6-9任一项所述的装置,其特征在于,该装置还包括:筛选模块;
所述筛选模块,用于在所述根据所述历史订单信息和所述启动时间点,确定所述UE选择所述历史订单信息中的各目的地信息的概率前,根据所述历史订单信息获取各目的地信息的出现次数;根据所述出现次数从各目的地信息中筛选出出现次数大于或者等于预设阈值的目的地信息。
Priority Applications (14)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340879.3A CN107402931A (zh) | 2016-05-19 | 2016-05-19 | 一种出行目的地推荐方法和装置 |
KR1020187006029A KR20180037015A (ko) | 2015-08-20 | 2016-08-22 | 과거의 주문들에 기초하여 현재의 주문과 관련된 정보를 결정하기 위한 시스템 및 방법 |
PCT/CN2016/096222 WO2017028821A1 (zh) | 2015-08-20 | 2016-08-22 | 根据历史订单预测当前订单信息的方法及*** |
GB1802571.8A GB2556780A (en) | 2015-08-20 | 2016-08-22 | Method and system for predicting current order information on the basis of historical order |
EP16836685.4A EP3340092A4 (en) | 2015-08-20 | 2016-08-22 | Method and system for predicting current order information on the basis of historical order |
AU2016309857A AU2016309857A1 (en) | 2015-08-20 | 2016-08-22 | Systems and methods for determining information related to a current order based on historical orders |
JP2018508657A JP2018528535A (ja) | 2015-08-20 | 2016-08-22 | 過去の注文に基づき現在の注文に関係がある情報を決定するためのシステムおよび方法 |
SG11201801375UA SG11201801375UA (en) | 2015-08-20 | 2016-08-22 | Systems and methods for determining information related to a current order based on historical orders |
US15/896,035 US20180181910A1 (en) | 2015-08-20 | 2018-02-13 | Systems and methods for determining information related to a current order based on historical orders |
PH12018550018A PH12018550018A1 (en) | 2015-08-20 | 2018-02-20 | Systems and methods for determining information related to a current order based on historical orders |
HK18113333.9A HK1254330A1 (zh) | 2015-08-20 | 2018-10-18 | 根據歷史訂單預測當前訂單信息的方法及系統 |
AU2019101777A AU2019101777A4 (en) | 2015-08-20 | 2019-11-20 | Systems and methods for determining information related to a current order based on historical orders |
AU2019268117A AU2019268117A1 (en) | 2015-08-20 | 2019-11-20 | Systems and methods for determining information related to a current order based on historical orders |
JP2020009028A JP6878629B2 (ja) | 2015-08-20 | 2020-01-23 | 過去の注文に基づき現在の注文に関係がある情報を決定するためのシステムおよび方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340879.3A CN107402931A (zh) | 2016-05-19 | 2016-05-19 | 一种出行目的地推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107402931A true CN107402931A (zh) | 2017-11-28 |
Family
ID=60389249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610340879.3A Pending CN107402931A (zh) | 2015-08-20 | 2016-05-19 | 一种出行目的地推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107402931A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949068A (zh) * | 2019-01-09 | 2019-06-28 | 深圳北斗应用技术研究院有限公司 | 一种基于预测结果的实时拼车方法和装置 |
CN109992726A (zh) * | 2018-10-17 | 2019-07-09 | 招商银行股份有限公司 | 位置预测方法、装置及可读存储介质 |
WO2019183844A1 (en) * | 2018-03-28 | 2019-10-03 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for determining passenger-seeking ride-sourcing vehicle navigation |
WO2020000277A1 (en) * | 2018-06-28 | 2020-01-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for predicting destination in online to offline service |
CN110689158A (zh) * | 2018-07-05 | 2020-01-14 | 北京嘀嘀无限科技发展有限公司 | 一种对目的地进行预测的方法、装置及存储介质 |
CN110796278A (zh) * | 2019-10-22 | 2020-02-14 | 上海钧正网络科技有限公司 | 信息处理方法、装置、终端及可读存储介质 |
CN110889732A (zh) * | 2018-09-07 | 2020-03-17 | 北京嘀嘀无限科技发展有限公司 | 外卖订单生成方法、装置及设备 |
CN111142719A (zh) * | 2018-11-02 | 2020-05-12 | 北京嘀嘀无限科技发展有限公司 | 一种服务推送方法及装置 |
CN111310961A (zh) * | 2018-12-12 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据预测方法、装置、电子设备和计算机可读存储介质 |
CN111835810A (zh) * | 2019-09-24 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推送方法、装置、电子设备及存储介质 |
CN111859169A (zh) * | 2019-06-05 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推荐方法和*** |
CN112055867A (zh) * | 2018-05-18 | 2020-12-08 | 北京嘀嘀无限科技发展有限公司 | 用于推荐个性化上车位置的***和方法 |
CN112182430A (zh) * | 2020-09-22 | 2021-01-05 | 汉海信息技术(上海)有限公司 | 一种地点推荐的方法、装置、电子设备及存储介质 |
CN112883291A (zh) * | 2021-02-05 | 2021-06-01 | 上海钧正网络科技有限公司 | 目的地位置的推荐方法、装置和服务器 |
CN113050856A (zh) * | 2021-03-23 | 2021-06-29 | 北京嘀嘀无限科技发展有限公司 | 交互方法、交互装置、存储介质和电子设备 |
CN112236787B (zh) * | 2018-06-08 | 2024-06-11 | 北京嘀嘀无限科技发展有限公司 | 用于生成个性化目的地推荐的***和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100082227A1 (en) * | 2008-09-17 | 2010-04-01 | Harman Becker Automotive Systems Gmbh | Method for displaying traffic density information |
CN103674042A (zh) * | 2012-09-18 | 2014-03-26 | 三星电子(中国)研发中心 | 基于用户建模的路径引导***和方法 |
CN104520881A (zh) * | 2012-06-22 | 2015-04-15 | 谷歌公司 | 基于访问可能性对附近目的地排名以及从位置历史来预测对地点的未来访问 |
CN104599217A (zh) * | 2015-01-27 | 2015-05-06 | 北京嘀嘀无限科技发展有限公司 | 用于确定乘客的当前目的地的方法及设备 |
CN104899252A (zh) * | 2015-05-12 | 2015-09-09 | 北京嘀嘀无限科技发展有限公司 | 一种信息推送的方法及装置 |
-
2016
- 2016-05-19 CN CN201610340879.3A patent/CN107402931A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100082227A1 (en) * | 2008-09-17 | 2010-04-01 | Harman Becker Automotive Systems Gmbh | Method for displaying traffic density information |
CN104520881A (zh) * | 2012-06-22 | 2015-04-15 | 谷歌公司 | 基于访问可能性对附近目的地排名以及从位置历史来预测对地点的未来访问 |
CN103674042A (zh) * | 2012-09-18 | 2014-03-26 | 三星电子(中国)研发中心 | 基于用户建模的路径引导***和方法 |
CN104599217A (zh) * | 2015-01-27 | 2015-05-06 | 北京嘀嘀无限科技发展有限公司 | 用于确定乘客的当前目的地的方法及设备 |
CN104899252A (zh) * | 2015-05-12 | 2015-09-09 | 北京嘀嘀无限科技发展有限公司 | 一种信息推送的方法及装置 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11094028B2 (en) | 2018-03-28 | 2021-08-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for determining passenger-seeking ride-sourcing vehicle navigation |
WO2019183844A1 (en) * | 2018-03-28 | 2019-10-03 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for determining passenger-seeking ride-sourcing vehicle navigation |
CN112055867A (zh) * | 2018-05-18 | 2020-12-08 | 北京嘀嘀无限科技发展有限公司 | 用于推荐个性化上车位置的***和方法 |
CN112055867B (zh) * | 2018-05-18 | 2024-05-07 | 北京嘀嘀无限科技发展有限公司 | 用于推荐个性化上车位置的***和方法 |
CN112236787B (zh) * | 2018-06-08 | 2024-06-11 | 北京嘀嘀无限科技发展有限公司 | 用于生成个性化目的地推荐的***和方法 |
WO2020000277A1 (en) * | 2018-06-28 | 2020-01-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for predicting destination in online to offline service |
CN110869951B (zh) * | 2018-06-28 | 2023-11-14 | 北京嘀嘀无限科技发展有限公司 | 预测线上到线下服务中目的地的***和方法 |
CN110869951A (zh) * | 2018-06-28 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 预测线上到线下服务中目的地的***和方法 |
CN110689158A (zh) * | 2018-07-05 | 2020-01-14 | 北京嘀嘀无限科技发展有限公司 | 一种对目的地进行预测的方法、装置及存储介质 |
CN110689158B (zh) * | 2018-07-05 | 2022-05-31 | 北京嘀嘀无限科技发展有限公司 | 一种对目的地进行预测的方法、装置及存储介质 |
CN110889732A (zh) * | 2018-09-07 | 2020-03-17 | 北京嘀嘀无限科技发展有限公司 | 外卖订单生成方法、装置及设备 |
CN109992726A (zh) * | 2018-10-17 | 2019-07-09 | 招商银行股份有限公司 | 位置预测方法、装置及可读存储介质 |
CN111142719A (zh) * | 2018-11-02 | 2020-05-12 | 北京嘀嘀无限科技发展有限公司 | 一种服务推送方法及装置 |
CN111310961A (zh) * | 2018-12-12 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据预测方法、装置、电子设备和计算机可读存储介质 |
CN109949068A (zh) * | 2019-01-09 | 2019-06-28 | 深圳北斗应用技术研究院有限公司 | 一种基于预测结果的实时拼车方法和装置 |
CN111859169A (zh) * | 2019-06-05 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推荐方法和*** |
CN111835810A (zh) * | 2019-09-24 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种目的地推送方法、装置、电子设备及存储介质 |
CN110796278A (zh) * | 2019-10-22 | 2020-02-14 | 上海钧正网络科技有限公司 | 信息处理方法、装置、终端及可读存储介质 |
CN110796278B (zh) * | 2019-10-22 | 2021-09-07 | 上海钧正网络科技有限公司 | 信息处理方法、装置、终端及可读存储介质 |
CN112182430A (zh) * | 2020-09-22 | 2021-01-05 | 汉海信息技术(上海)有限公司 | 一种地点推荐的方法、装置、电子设备及存储介质 |
CN112883291A (zh) * | 2021-02-05 | 2021-06-01 | 上海钧正网络科技有限公司 | 目的地位置的推荐方法、装置和服务器 |
CN113050856A (zh) * | 2021-03-23 | 2021-06-29 | 北京嘀嘀无限科技发展有限公司 | 交互方法、交互装置、存储介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107402931A (zh) | 一种出行目的地推荐方法和装置 | |
CN107798412B (zh) | 一种路线推荐方法和装置 | |
CN104715285B (zh) | 处理订单的方法和设备 | |
CN109151168B (zh) | 乘车码的切换方法、装置、移动终端及可读存储介质 | |
US9280252B1 (en) | Configuring an application task list of an application based on previous selections of application tasks | |
EP3252705A1 (en) | Order allocation system and method | |
CN109377329A (zh) | 一种房源推荐方法、装置、存储介质及电子设备 | |
CN107230046A (zh) | 一种出行信息的提示方法及移动终端 | |
CN106919993A (zh) | 一种基于历史数据的高准确性默认目的地预测方法及装置 | |
CN106997577A (zh) | 一种订单策略动态调整方法及装置 | |
CN108292308A (zh) | 根据移动习惯为用户推荐车辆/乘客资源 | |
CN114298770A (zh) | 充电站推荐方法、设备、存储介质及程序产品 | |
US11651320B2 (en) | Presentation device and presentation method | |
CN109684624A (zh) | 一种自动识别订单地址路区的方法和装置 | |
CN109302492A (zh) | 用于推荐服务位置的方法、设备和计算机可读存储介质 | |
CN104202457A (zh) | 手机通讯录的智能排序方法 | |
Wang et al. | Province-level estimation of waste mobile phones in China and location planning of recycling centers | |
CN107895537A (zh) | 一种电子地图的显示方法、相关装置及存储介质 | |
CN114596105A (zh) | 一种充电用户信用的评估方法、装置、设备以及介质 | |
CN109658187A (zh) | 推荐云服务商的方法、装置、存储介质及电子设备 | |
CN106327179A (zh) | 乘车支付方法及装置 | |
CN113723712B (zh) | 风电功率预测方法、***、设备及介质 | |
CN107357797A (zh) | 一种信息推送方法及装置 | |
CN105608921A (zh) | 在电子装置中提示公共交通线路的方法和设备 | |
CN109344247A (zh) | 用于输出信息的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201215 Address after: No.8, Dongbei Wangxi Road, Haidian District, Beijing 100193 Applicant after: BEIJING DIDI INFINITY TECHNOLOGY AND DEVELOPMENT Co.,Ltd. Address before: Room 219-23, 2 / F, block D, comprehensive service area, Nangang Industrial Zone, Tianjin Economic and Technological Development Zone, Binhai New Area, Tianjin 300480 Applicant before: Didi (China) Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220118 |
|
AD01 | Patent right deemed abandoned |