CN111859173A - 一种上车点推荐方法和*** - Google Patents
一种上车点推荐方法和*** Download PDFInfo
- Publication number
- CN111859173A CN111859173A CN201911012937.XA CN201911012937A CN111859173A CN 111859173 A CN111859173 A CN 111859173A CN 201911012937 A CN201911012937 A CN 201911012937A CN 111859173 A CN111859173 A CN 111859173A
- Authority
- CN
- China
- Prior art keywords
- point
- candidate
- pick
- boarding
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012549 training Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 235000019687 Lamb Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种上车点推荐方法，所述方法由至少一个处理器执行，上车点推荐方法包括基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点。判断所述多个候选上车点中每个候选上车点在当前时刻是否属于安全上车点，是，则将该候选上车点加入安全上车点集合；其中，安全上车点的停车风险小于预设的阈值，基于所述安全上车点集合确定与所述当前订单相关的推荐上车点。本申请可以避免司机接载用户时受到违停处罚。
Description
技术领域
本申请涉及网约车领域，特别涉及一种上车点推荐方法和***。
背景技术
目前，使用网约车出行的用户越来越普遍。在网约车服务中，一般是用户设置好出行起始位置，并发送服务请求，司机接到服务请求后，根据用户设置的起始位置到该位置接载用户。如果该起始位置处于违停路段，司机在该位置停靠就会有较高的处罚风险。因此，有必要提供一种推荐上车点的方法，以避免司机到违停风险较高的路段接载用户，减少司机因违停问题受到的处罚。
发明内容
本申请实施例之一提供一种上车点推荐方法。所述方法由至少一个处理器执行，所述上车点推荐方法包括：基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点；判断所述多个候选上车点中每个候选上车点在当前时刻是否属于安全上车点，是，则将该候选上车点加入安全上车点集合；其中，安全上车点的停车风险小于预设的阈值；基于所述安全上车点集合确定与所述当前订单相关的推荐上车点。
在一些实施例中，所述判断每个候选上车点在当前时刻是否属于安全上车点，还包括：获取违停路段信息；当所述当前订单的至少一个位置信息位于所述违停路段，确定与当前订单相关的多个候选上车点在当前时刻的停车风险是否小于所述阈值，将所述停车风险小于所述阈值的候选上车点加入所述安全上车点集合。
在一些实施例中，所述基所述判断每个候选上车点在当前时刻是否属于安全上车点，还包括：获取违停路段信息；当所述当前订单的至少一个位置信息位于非违停路段，将与当前订单相关的多个候选上车点加入所述安全上车点集合。
在一些实施例中，所述停车风险为一段时间内，与所述候选上车点相关的罚单数量和与所述候选上车点相关的订单总量的比值。
在一些实施例中，所述违停路段信息至少包括以下一种或者多种的组合：具有禁停标志的违停路段信息、违停罚单中的路段信息、违停电子眼拍摄的路段信息和用户上报的禁停路段信息。
在一些实施例中，所述基于所述安全上车点集合确定与所述当前订单相关的推荐上车点，包括：获取所述安全上车点集合中的所述候选上车点的特征信息；基于所述特征信息确定所述推荐上车点。
在一些实施例中，所述特征信息包括以下一种或者多种的组合：候选上车点与所述当前订单的至少一个位置之间的距离、候选上车点与用户当前位置之间的距离、所述当前订单的至少一个位置没有确定为推荐上车点的次数、所述当前订单的至少一个位置确定为推荐上车点的次数、所述当前订单的至少一个位置的热度和候选上车点的热度。
在一些实施例中，所述基于所述特征信息确定所述推荐上车点，包括：获取推荐模型；基于所述推荐模型确定所述推荐上车点。
在一些实施例中，所述获取推荐模型，包括：获取一定时间段内的历史订单中的上车点，提取所述上车点的特征信息；确定所述历史订单中的上车点的相关性分值；基于所述特征信息和所述相关性分值训练所述推荐模型。
在一些实施例中，所述基于所述推荐模型确定所述推荐上车点，包括：将所述安全上车点集合中的所述候选上车点的特征信息输入所述推荐模型；基于所述推荐模型确定所述候选上车点的排序；基于所述排序确定所述推荐上车点。
在一些实施例中，所述推荐模型为Lambdamart排序模型。
本申请实施例之一提供一种上车点推荐***，包括：获取模块，用于基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点；安全上车点集合确定模块，用于判断每个候选上车点在当前时刻是否属于安全上车点，是，则将该候选上车点加入安全上车点集合；其中，安全上车点的停车风险小于预设的阈值；推荐模块，用于基于所述安全上车点集合确定与当前订单相关的推荐上车点。
本申请实施例之一提供一种上车点推荐装置，包括至少一个存储介质及至少一个处理器；所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令，以实现如前所述的上车点推荐方法。
本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如前所述的上车点推荐方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的上车点推荐***的应用场景示意图；
图2是根据本申请一些实施例所示的上车点推荐***的模块图；
图3是根据本申请一些实施例所示的推荐上车点的方法的示例性流程图；
图4是根据本申请一些实施例所示的训练推荐模型方法的示例性流程图；
图5是根据本申请一些实施例所示的另一种推荐上车点的方法的示例性流程图；
图6是根据本申请一些实施例所示的推荐上车点的方法的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“***”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的***所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的运输***，不同的运输***包括但不限于陆地、海洋、航空、航天等中的一种或几种的组合。例如，出租车、专车、顺风车、巴士、代驾、火车、动车、高铁、船舶、飞机、热气球、无人驾驶的交通工具、收/送快递等应用了管理和/或分配的运输***。本申请的不同实施例应用场景包括但不限于网页、浏览器插件、客户端、定制***、企业内部分析***、人工智能机器人等中的一种或几种的组合。应当理解的是，本申请的***及方法的应用场景仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。例如，其他类似的引导用户停车***。
本申请描述的“乘客”、“乘客端”、“用户终端”、“顾客”、“需求者”、“服务需求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的，是指需要或者订购服务的一方，可以是个人，也可以是工具。同样地，本申请描述的“司机”、“司机端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的，是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外，本申请描述的“用户”可以是需要或者订购服务的一方，也可以是提供服务或者协助提供服务的一方。
图1所示为根据本申请一些实施例所示的上车点推荐***的应用场景示意图。图1是根据本申请的一些实施例所示的一种按需服务***100的示意图。例如，按需服务***100可以是一个为交通运输服务提供服务的平台。按需服务***100可以包括服务器110、一个或一个以上用户终端120、存储设备130、网络150和信息源140。服务器110可以包括一个处理引擎112。
在一些实施例中，服务器110可以是一个单个的服务器或者一个服务器群组。所述服务器群可以是集中式的或分布式的(例如，服务器110可以是一个分布式的***)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络150访问存储在存储设备130、用户终端120中的信息和/或数据。再例如，服务器110可以直接连接到存储设备130、用户终端120以访问存储的信息和/或数据。在一些实施例中，服务器110可以在一个云平台上实现。仅仅举个例子，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。
在一些实施例中，服务器110可以包括一个处理引擎112。处理引擎112可以处理与服务请求相关的信息和/或数据以执行本申请描述的一个或多个功能。例如，处理引擎112可以判断候选上车点是否是安全上车点，还可以根据安全上车点集合推荐上车点。在一些实施例中，处理引擎112可以包括一个或多个处理器(例如，单核处理器或多核处理器)。仅仅举个例子，处理引擎112可以包括一个或多个硬件处理器，例如中央处理器(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理器(GPU)、物理运算处理器(PPU)、数字信号处理器(DSP)、现场可编辑门阵列(FPGA)、可编辑逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或上述举例的任意组合。
用户终端120可以是直接与服务订单相关联的个人、工具或其他实体，例如服务订单的请求者。用户终端120可以是乘客。在本申请中，“乘客”和“服务请求端”可以互换使用。在一些实施例中，用户终端120可以包括但不限于台式电脑120-1、笔记本电脑120-2，车载内置设备120-3、移动设备120-4等或其任意组合。用户终端120可以在线发送服务请求。例如，用户终端120可以基于当前所在位置及目的地发送网约车订单。在一些实施例中，车载内置设备120-3可以包括但不限于个车载电脑、车载抬头显示(HUD)、车载自动诊断***(OBD)等或其任意组合。在一些实施例中，移动设备120-4可以包括但不限于智能手机、个人数码助理(PersonalDigital Assistance，PDA)、平板电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备、显示增强设备等或其任意组合。在一些实施例中，用户终端120可以将服务订单信息发送至按需服务***100中的一个或多个设备中。例如，用户终端120可以将服务订单信息发送至服务器110进行处理。用户终端120也可以包括上述类似的设备中的一种或多种。
存储设备130可以存储数据和/或指令。在一些实施例中，存储设备130可以存储从用户终端120获得的数据。在一些实施例中，存储设备130可以存储供服务器110执行或使用的数据和/或指令，服务器110可以通过执行或使用所述数据和/或指令以实现本申请描述的示例性方法。在一些实施例中，存储设备130可以包括大容量存储器、可移动存储器、挥发性读写存储器、只读存储器(ROM)等或上述举例的任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态硬盘等。示例性的可移动存储器可以包括闪存盘、软盘、光盘、记忆卡、压缩硬盘、磁带等。示例性的挥发性只读存储器可以包括随机存储器(RAM)。示例性的随机存储器可以包括动态随机存储器(DRAM)、双数据率同步动态随机存储器(DDRSDRAM)、静态随机存储器(SRAM)、可控硅随机存储器(T-RAM)和零电容存储器(Z-RAM)等。示例性的只读存储器可以包括掩蔽型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、压缩硬盘只读存储器(CD-ROM)和数字多功能硬盘只读存储器等。在一些实施例中，存储设备130可以在一个云平台上实现。仅仅举个例子，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。
在一些实施例中，存储设备130可以与网络150连接以实现与按需服务***100中的一个或多个部件(例如，服务器110、用户终端120等)之间的通信。按需服务***100的一个或多个部件可以通过网络150访问存储在存储设备130中的数据或指令。在一些实施例中，存储设备130可以直接与按需服务***100的一个或多个部件(例如，服务器110、用户终端120等)连接或通信。在一些实施例中，存储设备130可以是服务器110的一部分。
网络150可以促进信息和/或数据的交换。在一些实施例中，按需服务***100中的一个或多个部件(例如，服务器110、存储设备130、用户终端120等)可以通过网络150向按需服务100中的其他部件发送信息和/或数据。例如，服务器110可以通过网络150从用户终端120获取/得到请求。在一些实施例中，网络150可以是有线网络或无线网络中的任意一种，或其组合。例如，网络150可以包括电缆网络、有线网络、光纤网络、远程通信网络、内联网、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或上述举例的任意组合。在一些实施例中，网络150可以包括一个或多个网络接入点。例如，网络150可能包括有线或无线网络接入点，如基站和/或互联网交换点150-1、150-2等等。通过接入点，按需服务***100的一个或多个部件可能连接到网络150以交换数据和/或信息。
信息源140是为按需服务***100提供其他信息的一个源。信息源160可以用于为***提供与服务相关的信息，例如，天气情况、交通信息、法律法规信息、新闻信息、生活资讯、生活指南信息等。信息源140可以是一个单独的中央服务器的形式存在，也可以是以多个通过网络连接的服务器的形式存在，还可以是以大量的个人设备形式存在。当信息源140以大量个人设备形式存在时，这些设备可以通过一种用户生成内容(user-generatedcontents)的方式，例如向云端服务器上传文字、语音、图像、视频等，从而是云端服务器连通与其连接的众多个人设备一起组成信息源140。
图2是根据本申请一些实施例所示的上车点推荐***的模块图。
如图2所示，该上车点推荐***可以包括获取模块210、安全上车点集合确定模块220、推荐模块230和训练模块240。在一些实施例中，获取模块210、安全上车点集合确定模块220、推荐模块230和训练模块240可以设置在服务器110中。
获取模块210可以用于基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点。在一些实施例中，当前订单的至少一个位置信息可以是用户发送服务请求时预设的上车点位置。例如，可以是用户手动添加的上车点位置，也可以是用户在地图上用大头针定扎的位置，也可以是用户的当前定位位置，还可以是根据用户的历史订单确定的历史上车点位置等。在一些实施例中，可以将所述当前订单的至少一个位置信息确定为候选上车点，判断该候选上车点是否为安全上车点。在一些实施例中，可以基于所述当前订单的至少一个位置信息确定多个相关的候选上车点。在一些实施例中，可以基于当前订单的至少一个位置信息确定一定地理范围，将该范围内的常用上车点位置确定为候选上车点。在一些实施例中，可以根据当前订单的至少一个位置信息，将历史订单中与该位置相关的上车点确定为候选上车点。
安全上车点集合确定模块220可以用于判断每个候选上车点在当前时刻是否属于安全上车点，是，则将该候选上车点加入安全上车点集合。其中，安全上车点的停车风险小于预设的阈值。在一些实施例中，违停路段信息可以包括具有禁停标志的违停路段信息、违停罚单中的路段信息、违停电子眼拍摄的路段信息和用户上报的禁停路段信息中的一种或几种的组合。在一些实施例中，安全上车点集合确定模块220还用于获取违停路段信息，当所述当前订单的至少一个位置信息位于违停路段，确定与当前订单相关的多个候选上车点在当前时刻的停车风险是否小于所述阈值，将所述停车风险小于所述阈值的候选上车点加入所述安全上车点集合。在一些实施例中，安全上车点集合确定模块220还用于获取违停路段信息，当所述当前订单的至少一个位置信息位于非违停路段，将与当前订单相关的多个候选上车点加入所述安全上车点集合。在一些实施例中，所述停车风险可以为一段时间内，与所述候选上车点相关的罚单数量和与所述候选上车点相关的订单总量的比值。例如，可以获取一段时间内，以该候选上车点为起始点的订单的数量，以及其中接到违停罚单的数量，根据接到违停罚单的数量与以该候选上车点为起始点的订单的数量的比值，得到该候选上车点的停车风险。如果在该候选上车点接到的违停罚单的数量与该候选上车点的订单数量的比值较大，也就是该候选上车点得到违停罚单的概率较大，则该候选上车点的违停风险较大。如果该候选上车点接到违停罚单的概率较小，则该候选上车点相对较为安全。
推荐模块230可以用于基于所述安全上车点集合确定与当前订单相关的推荐上车点。在一些实施例中，推荐模块230还用于获取所述安全上车点集合中的所述候选上车点的特征信息，基于所述特征信息确定所述推荐上车点。在一些实施例中，特征信息包括候选上车点与所述当前订单的至少一个位置之间的距离、候选上车点与用户当前位置之间的距离、所述当前订单的至少一个位置没有确定为推荐上车点的次数、所述当前订单的至少一个位置确定为推荐上车点的次数、所述当前订单的至少一个位置的热度和候选上车点的热度等中的一种或几种的组合。在一些实施例中，推荐模块230还用于获取推荐模型，基于所述推荐模型确定所述推荐上车点。推荐模型可以是训练好的机器学习模型。在一些实施例中，推荐模块230还用于将所述安全上车点集合中的所述候选上车点的特征信息输入所述推荐模型，基于所述推荐模型确定所述候选上车点的排序，基于所述排序确定所述推荐上车点。
训练模块240可以用于获取一定时间段内的历史订单中的上车点，提取所述上车点的特征信息，确定所述历史订单中的上车点的相关性分值。基于所述特征信息和所述相关性分值训练所述推荐模型。在一些实施例中，推荐模型可以是分类及回归树(Classification And Regression Tree，CART)、迭代二叉树三代(IterativeDichotomiser 3，ID3)、C4.5算法、随机森林算法、深度学习模型、支持向量机(SVM)等机器模型。在一些实施例中，推荐模型可以为Lambdamart排序模型。例如，可以将历史订单中的上车点的特征信息作为模型输入，相关性分值作为模型输出，对Lambdamart模型进行训练得到推荐模型。
应当理解，图2所示的***及其模块可以利用各种方式来实现。例如，在一些实施例中，***及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行***，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和***可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的***及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要注意的是，以上对于候选项显示、确定***及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该***的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子***与其他模块连接。例如，在一些实施例中，例如，图2中披露的获取模块210、安全上车点集合确定模块220、推荐模块230和训练模块240可以是一个***中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，安全上车点集合确定模块220、推荐模块230可以是两个模块，也可以是一个模块同时具有确定安全上车点集合和推荐上车点的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。
图3所示为根据本申请一些实施例所示的推荐上车点的方法示例性流程图。如图3所示，该推荐上车点的方法300可以包括：
步骤310，可以基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点。在一些实施例中，步骤310可以由获取模块210执行。在一些实施例中，当前订单的至少一个位置信息可以是用户发送服务请求时预设的上车点位置。例如，可以是用户手动添加的上车点位置，也可以是用户在地图上用大头针定扎的位置，也可以是用户的当前定位位置，还可以是根据用户的历史订单确定的历史上车点位置等。在一些实施例中，可以将所述当前订单的至少一个位置信息确定为候选上车点，判断该候选上车点是否为安全上车点。在一些实施例中，可以基于所述当前订单的至少一个位置信息确定多个相关的候选上车点。在一些实施例中，可以基于当前订单的至少一个位置信息确定一定地理范围，将该范围内的常用上车点位置确定为候选上车点。例如，根据当前订单的至少一个位置信息将以该位置为中心，周边500米范围内，大多用户常用的上车点位置确定为候选上车点。在一些实施例中，可以根据当前订单的至少一个位置信息，将历史订单中与该位置相关的上车点确定为候选上车点。例如，服务请求中以该位置为预设上车点，但在历史订单中，用户的实际上车点位置可能是其他附近的上车点，可以将与该位置相关的历史上车点确定为候选上车点。在一些实施例中，候选上车点可以根据用户的个人习惯确定。例如，将该位置附近，该用户较常用的上车点确定为候选上车点。在一些实施例中，当前订单可以有多个用户输入的多个上车点位置。服务器可以根据每个用户输入的上车点获取与该上车点相关的多个候选上车点，并确定相应的安全上车点集合，以进一步确定相应的推荐上车点。在一些实施例中，可以获取当前订单的多个位置信息，根据所述多个位置信息确定多个相应的推荐上车点。
步骤320，可以判断所述多个候选上车点中每个候选上车点在当前时刻是否属于安全上车点。如果是，则执行步骤330，将该候选上车点加入安全上车点集合。在一些实施例中，步骤320和步骤330可以由安全上车点集合确定模块220执行。在一些实施例中，安全上车点可以是停车风险小于预设阈值的上车点。例如，安全上车点可以是违停风险较小的上车点，以避免司机在违停路段接载乘客，方便司机接单。在一些实施例中，所述停车风险可以为一段时间内，与所述候选上车点相关的罚单数量和与所述候选上车点相关的订单总量的比值。例如，可以获取一段时间内，以该候选上车点为起始点的订单的数量，以及其中接到违停罚单的数量，根据接到违停罚单的数量与以该候选上车点为起始点的订单的数量的比值，得到该候选上车点的停车风险。如果在该候选上车点接到的违停罚单的数量与该候选上车点的订单数量的比值较大，也就是该候选上车点得到违停罚单的概率较大，则该候选上车点的违停风险较大。如果该候选上车点接到违停罚单的概率较小，则该候选上车点相对较为安全。在一些实施例中，可以预设安全阈值，将停车风险小于该阈值的上车点确定为安全上车点。并将多个安全上车点组合为安全上车点集合。在一些实施例中，阈值可以是固定值，也可以是根据停车风险排序确定，例如，排序中前20％的候选上车点为安全上车点集合，或是排序中后20％的候选上车点为安全上车点集合。
在一些实施例中，可以先获取违停路段信息，当所述当前订单的至少一个位置信息位于所述违停路段，确定与当前订单相关的多个候选上车点在当前时刻的停车风险是否小于所述阈值，将所述停车风险小于所述阈值的候选上车点加入所述安全上车点集合。在一些实施例中，违停路段信息可以包括具有禁停标志的违停路段信息、违停罚单中的路段信息、违停电子眼拍摄的路段信息和用户上报的禁停路段信息中的一种或几种的组合。在一些实施例中，禁停标志可以包括禁停标牌和禁停黄线。在一些实施例中，可以利用行车记录仪拍摄的行车图像，从行车图像中获取具有禁停标牌和禁停黄线的路段信息。在一些实施例中，可以获取交通***的违停罚单信息，从中获取违停的路段信息。在一些实施例中，可以获取拍摄违停行为的电子眼监控的位置信息，获取违停电子眼拍摄的路段信息。在一些实施例中，违停路段信息可以包括禁停位置的定位信息、禁停位置的道路名称、禁停道路的方向等信息。在一些实施例中，可以根据所述当前订单的至少一个位置信息确定该位置信息是否处于违停路段。例如，根据该位置的定位坐标确定该位置是否处于违停路段上。在一些实施例中，当所述当前订单的至少一个位置信息位于所述违停路段，确定与该位置信息相关的候选上车点的停车风险，将停车风险大于安全阈值的候选剔除，将停车风险小于安全阈值的候选上车点作为安全上车点加入安全上车点集合。例如，根据用户发送的服务请求，获取当前服务订单中用户设置的上车点位置信息，根据该上车点位置信息确定多个候选上车点。并且根据该用户设置的上车点位置信息判定该位置是否处于违停路段上，如果该上车点位于违停路段上，计算每个候选上车点的违停风险，将违停风险小的候选上车点作为安全上车点组成安全上车点集合，以便于根据安全上车点集合为用户推荐上车点，以得到违停风险小的上车点，便于司机接载用户。
在一些实施例中，可以获取违停路段信息，当所述当前订单的至少一个位置信息位于非违停路段，将与当前订单相关的多个候选上车点加入所述安全上车点集合。例如，获取当前服务订单中用户设置的上车点位置信息，根据该用户设置的上车点位置信息判定该位置是否处于违停路段上，如果该上车点不在违停路段上，则该上车点位置为安全的，可以将该上车点和与该上车点相关的候选上车点直接确定为安全上车点。
在一些实施例中，可以进一步基于当前时刻候选上车点的当前属性，判断每个候选上车点是否属于安全上车点。例如，某些路段会在一段时间内是允许停车的，在其他时间段内时不允许停车的。或是在工作日内是允许停车的，而在非工作日是不允许停车的。在判断每个候选上车点是否属于安全上车点时，可以加入时间因素，判断在当前时刻某候选上车点是否属于安全上车点。在一些实施例中，可以根据交通***中的历史违停罚单中的时间信息、禁停路段信息中的时间信息或用户上报禁停信息中的时间信息确定某候选上车点在当前时刻是否是安全上车点。例如，判断某上车点是否安全时，可以确定当前时刻该上车点是否收到过违停罚单，结合当前时刻和违停路段信息确定某上车点在当前时刻的违停风险，基于当前时刻的违停风险判断该上车点在当前时刻是否是安全上车点。又例如，某候选上车点的违停风险较高，但在当前时间段内，该上车点没有接收过违停罚单，或根据禁停路段信息中的时间信息可以确定该上车点在当前时间段内可以停车，则可以确定该上车点在当前时刻违停风险很小，在当前时刻为安全上车点。在一些实施例中，可以将全天的时间进行分段，得到每个时间段内候选上车点的违停风险，以便于快速确定候选上车点在某时刻是否是安全上车点。例如，可以将全天划分为若干个时间段：凌晨4点到早上7点，上午8点到中午11点，中午12点到下午14点，下午14点到晚上20点，晚上21点到凌晨3点。计算该上车点在每个时间段内的违停风险。具体计算可以根据每个时间段内历史交通信息中的违停罚单数量，在历史订单中每个对应时间内以该候选上车点为起始点的订单的数量的比值，得到该候选上车点在每个时间段内的停车风险。在一些实施例中，还可以通过建立模型确定当前时刻候选上车点的停车风险。例如，通过历史违停罚单中的路段信息和时间信息、禁停路段信息中的路段信息和时间信息、历史人工上报信息中的路段信息和时间信息等历史数据进行建模或是进行机器学习建立模型以确定当前时刻候选上车点的停车风险。在一些实施例中，可以定期或不定期更新该模型，进一步提高计算的准确性。例如，历史当前时刻中没有违停罚单，该上车点在当前时刻违停风险很低，但是最近出现了当前时间段的违停罚单，可以通过更新历史数据的方式来更新模型，优化模型参数，提高模型计算的准确性。
步骤340，可以基于所述安全上车点集合确定与所述当前订单相关的推荐上车点。在一些实施例中，步骤340可以由推荐模块230执行。在一些实施例中，可以获取所述安全上车点集合中的所述候选上车点的特征信息。基于所述特征信息确定所述推荐上车点。例如，根据特征信息对候选上车点进行排序，将排序靠前的候选上车点确定为推荐上车点。在一些实施例中，候选上车点的特征信息可以包括候选上车点与所述当前订单的至少一个位置之间的距离、候选上车点与用户当前位置之间的距离、所述当前订单的至少一个位置没有确定为推荐上车点的次数、所述当前订单的至少一个位置确定为推荐上车点的次数、所述当前订单的至少一个位置的热度和候选上车点的热度中的一种或几种的组合。例如，根据订单中用户设置的上车点与候选上车点之间的距离、候选上车点与用户当前位置的距离、该上车点确定为推荐上车点的次数、该上车点在一定时间内作为推荐上车点出现的次数、候选上车点在一定时间内作为推荐上车点出现的次数等特征信息计算候选上车点的相关性分值，确定候选上车点的排序，将排序最靠近的候选上车点作为推荐上车点。在一些实施例中，可以通过给不同的特征信息设置不同的权重值来计算候选上车点的相关性分值。在一些实施例中，可以通过建立模型或建立函数的方式来计算候选上车点的得分。在一些实施例中，还可以通过机器的方式训练推荐模型计算候选上车点的相关性分值，得到候选上车点的排序。
图4所示为根据本申请一些实施例所示的训练推荐模型的方法示例性流程图。如图4所示，该训练推荐模型的方法400可以包括：
步骤410，可以获取一定时间段内的历史订单中的上车点，提取所述上车点的特征信息。在一些实施例中，步骤410可以由训练模块240执行。在一些实施例中，一定时间段内的历史订单可以是半年内的历史订单、一年内的历史订单或三年内的历史订单等。在一些实施例中，历史订单中的上车点可以直接从***100的后台数据中获取。***后台中的订单可以包括正在运行的订单、刚完结的订单、已提交订单、暂存订单等***内已生成已保存的订单。在一些实施例中，上车点可以包括拼车订单、专车订单、快车订单、顺风车订单、出租车订单等订单中的上车点。在一些实施例中，特征信息可以包括候选上车点与所述当前订单的至少一个位置之间的距离、候选上车点与用户当前位置之间的距离、所述当前订单的至少一个位置没有确定为推荐上车点的次数、所述当前订单的至少一个位置确定为推荐上车点的次数、所述当前订单的至少一个位置的热度和候选上车点的热度中的一种或几种的组合。
步骤420，可以确定所述历史订单中的上车点的相关性分值。在一些实施例中，步骤420可以由训练模块240执行。在一些实施例中，可以根据上车点的特征信息确定对应上车点的相关性分值。在一些实施例中，相关性分值可以是人为根据经验对每个上车点进行的相关性打分。例如，A候选上车点人工打分5分，B上车点人工打分3分。人为给不同的候选上车点打分后，将每个候选上车点的相关性分值存储起来作为模型训练的输出。
步骤430，可以基于所述特征信息和所述相关性分值训练所述推荐模型。在一些实施例中，步骤430可以由训练模块240执行。在一些实施例中，可以将历史订单中的上车点的特征信息和对应的相关性分值作为训练样本，将特征信息作为模型输入，相关性分值作为模型输出，对模型进行训练得到推荐模型。在一些实施例中，推荐模型可以是分类及回归树(Classification And Regression Tree，CART)、迭代二叉树三代(IterativeDichotomiser 3，ID3)、C4.5算法、随机森林算法、深度学习模型、支持向量机(SVM)等机器模型。在一些实施例中，推荐模型可以为Lambdamart 排序模型。例如，可以将历史订单中的上车点的特征信息作为模型输入，相关性分值作为模型输出，对Lambdamart模型进行训练得到推荐模型。
图5所示为根据本申请一些实施例所示的推荐上车点的方法示例性流程图。如图5所示，该推荐上车点的方法500可以包括：
步骤510，可以将所述安全上车点集合中的所述候选上车点的特征信息输入所述推荐模型。在一些实施例中，步骤510可以由推荐模块230执行。在一些实施例中，可以获取当前订单相关的一个位置信息，根据该位置信息相关的多个候选上车点确定安全上车点集合，可以获取安全上车点集合中的候选上车点的特征信息，将候选上车点的特征信息作为输入数据输入推荐模型中。
步骤520，可以基于所述推荐模型确定所述候选上车点的排序。在一些实施例中，步骤520可以由推荐模块230执行。在一些实施例中，推荐模型可以是训练好的机器模型。在一些实施例中，推荐模型可以是Lambdamart排序模型经过训练后得到的。在一些实施例中，推荐模型的输出可以为候选上车点的排序结果。例如，可以根据相关性分值确定候选上车点的排序结果。
步骤530，基于所述排序确定所述推荐上车点。在一些实施例中，步骤530可以由推荐模块230执行。在一些实施例中，可以将排序结果中排在第一位的候选上车点确定为推荐上车点。
图6所示为根据本申请一些实施例所示的推荐上车点的方法示例性流程图。如图6所示，该推荐上车点的方法600可以包括：
步骤610，用户终端获取与当前订单相关的至少一个位置信息。在一些实施例中，步骤610可以由终端获取模块执行。在一些实施例中，用户可以通过用户终端设置上车点位置，并发送订单请求。在一些实施例中，用户终端可以是移动设备，例如，智能手机、个人数码助理(Personal Digital Assistance，PDA)、平板电脑、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等。在一些实施例中，用户终端可以是发送服务请求的客户端，也可以包括接收订单提供服务的司机端。在一些实施例中，用户终端可以将与当前订单相关的至少一个位置信息发送至服务器。在一些实施例中，用户终端可以从服务器获得服务订单中的至少一个位置信息。
步骤620，获取基于所述当前订单的至少一个位置信息确定的推荐上车点。在一些实施例中，步骤620可以由接收模块执行。在一些实施例中，用户终端可以获取服务器确定的推荐上车点。在一些实施例中，服务器可以根据当前订单的至少一个位置信息确定的推荐上车点，具体方法可以参考前述流程300和流程500的描述。
在一些实施例中，用户终端或服务器可以获取违停路段信息，当所述当前订单的至少一个位置信息位于违停路段时，在用户终端上提示用户所述当前订单的至少一个位置有违停风险。例如，服务器可以发送短信，提示司机端当前订单的至少一个位置有违停风险。
步骤630，在用户终端上输出所述推荐上车点。在一些实施例中，步骤630可以由输出模块执行。在一些实施例中，服务器可以将确定的推荐上车点发送至用户终端，在用户终端上显示给用户。例如，服务器确定推荐上车点后，可以在当前订单中将用户设置的至少一个位置信息更新为推荐上车点，以便用户根据推荐上车点乘车，或便于司机文件推荐上车点接载乘客。
本申请实施例可能带来的有益效果包括但不限于：(1)本申请可以减少司机接载客户时因违停而受到处罚的概率；(2)本申请的技术方案可以建立安全上车点集合，根据安全上车点集合为客户推荐上车点。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的***组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的***。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (24)
1.一种上车点推荐方法，所述方法由至少一个处理器执行，其特征在于，所述方法包括：
基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点；
判断所述多个候选上车点中每个候选上车点在当前时刻是否属于安全上车点，是，则将该候选上车点加入安全上车点集合；其中，安全上车点的停车风险小于预设的阈值；
基于所述安全上车点集合确定与所述当前订单相关的推荐上车点。
2.如权利要求1所述的方法，其特征在于，所述判断每个候选上车点在当前时刻是否属于安全上车点，还包括：
获取违停路段信息；
当所述当前订单的至少一个位置信息位于所述违停路段，确定与当前订单相关的多个候选上车点在当前时刻的停车风险是否小于所述阈值，将所述停车风险小于所述阈值的候选上车点加入所述安全上车点集合。
3.如权利要求1所述的方法，其特征在于，所述基所述判断每个候选上车点在当前时刻是否属于安全上车点，还包括：
获取违停路段信息；
当所述当前订单的至少一个位置信息位于非违停路段，将与当前订单相关的多个候选上车点加入所述安全上车点集合。
4.如权利要求1所述的方法，其特征在于，
所述停车风险为一段时间内，与所述候选上车点相关的罚单数量和与所述候选上车点相关的订单总量的比值。
5.如权利要求2所述的方法，其特征在于，
所述违停路段信息至少包括以下一种或者多种的组合：具有禁停标志的违停路段信息、违停罚单中的路段信息、违停电子眼拍摄的路段信息和用户上报的禁停路段信息。
6.如权利要求1所述的方法，其特征在于，所述基于所述安全上车点集合确定与所述当前订单相关的推荐上车点，包括：
获取所述安全上车点集合中的所述候选上车点的特征信息；
基于所述特征信息确定所述推荐上车点。
7.如权利要求6所述的方法，其特征在于，所述特征信息包括以下一种或者多种的组合：
候选上车点与所述当前订单的至少一个位置之间的距离、候选上车点与用户当前位置之间的距离、所述当前订单的至少一个位置没有确定为推荐上车点的次数、所述当前订单的至少一个位置确定为推荐上车点的次数、所述当前订单的至少一个位置的热度和候选上车点的热度。
8.如权利要求6所述的方法，其特征在于，所述基于所述特征信息确定所述推荐上车点，包括：
获取推荐模型；
基于所述推荐模型确定所述推荐上车点。
9.如权利要求8所述的方法，其特征在于，所述获取推荐模型，包括：
获取一定时间段内的历史订单中的上车点，提取所述上车点的特征信息；
确定所述历史订单中的上车点的相关性分值；
基于所述特征信息和所述相关性分值训练所述推荐模型。
10.如权利要求8所述的方法，其特征在于，所述基于所述推荐模型确定所述推荐上车点，包括：
将所述安全上车点集合中的所述候选上车点的特征信息输入所述推荐模型；
基于所述推荐模型确定所述候选上车点的排序；
基于所述排序确定所述推荐上车点。
11.如权利要求8所述的方法，其特征在于，
所述推荐模型为Lambdamart排序模型。
12.一种上车点推荐***，其特征在于，包括：
获取模块，用于基于当前订单的至少一个位置信息，获取与当前订单相关的多个候选上车点；
安全上车点集合确定模块，用于判断每个候选上车点在当前时刻是否属于安全上车点，是，则将该候选上车点加入安全上车点集合；其中，安全上车点的停车风险小于预设的阈值；
推荐模块，用于基于所述安全上车点集合确定与当前订单相关的推荐上车点。
13.如权利要求12所述的***，其特征在于，所述安全上车点集合确定模块还用于：
获取违停路段信息；
当所述当前订单的至少一个位置信息位于违停路段，确定与当前订单相关的多个候选上车点在当前时刻的停车风险是否小于所述阈值，将所述停车风险小于所述阈值的候选上车点加入所述安全上车点集合。
14.如权利要求12所述的***，其特征在于，所述安全上车点集合确定模块还用于：
获取违停路段信息；
当所述当前订单的至少一个位置信息位于非违停路段，将与当前订单相关的多个候选上车点加入所述安全上车点集合。
15.如权利要求12所述的***，其特征在于，
所述停车风险为一段时间内处于历史当前时刻，与所述候选上车点相关的罚单数量和与所述候选上车点相关的订单总量的比值。
16.如权利要求15所述的***，其特征在于：
所述违停路段信息至少包括以下一种或者多种的组合：具有禁停标志的违停路段信息、违停罚单中的路段信息、违停电子眼拍摄的路段信息和用户上报的禁停路段信息。
17.如权利要求12所述的***，其特征在于，所述推荐模块还用于：
获取所述安全上车点集合中的所述候选上车点的特征信息；
基于所述特征信息确定所述推荐上车点。
18.如权利要求17所述的***，其特征在于，所述特征信息包括以下一种或者多种的组合：
候选上车点与所述当前订单的至少一个位置之间的距离、候选上车点与用户当前位置之间的距离、所述当前订单的至少一个位置没有确定为推荐上车点的次数、所述当前订单的至少一个位置确定为推荐上车点的次数、所述当前订单的至少一个位置的热度和候选上车点的热度。
19.如权利要求17所述的***，其特征在于，所述推荐模块还用于：
获取推荐模型；
基于所述推荐模型确定所述推荐上车点。
20.如权利要求17所述的***，其特征在于，所述***还包括训练模块，所述训练模块用于：
获取一定时间段内的历史订单中的上车点，提取所述上车点的特征信息；
确定所述历史订单中的上车点的相关性分值；
基于所述特征信息和所述相关性分值训练所述推荐模型。
21.如权利要求19所述的***，其特征在于，所述推荐模块还用于：
将所述安全上车点集合中的所述候选上车点的特征信息输入所述推荐模型；
基于所述推荐模型确定所述候选上车点的排序；
基于所述排序确定所述推荐上车点。
22.如权利要求19所述的***，其特征在于，
所述推荐模型为Lambdamart排序模型。
23.一种上车点推荐装置，其特征在于，包括至少一个存储介质及至少一个处理器；
所述至少一个存储介质用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令，以实现权利要求1～11中任一项所述的上车点推荐方法。
24.一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，实现如权利要求1～11中任一项所述的上车点推荐方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911012937.XA CN111859173A (zh) | 2019-10-23 | 2019-10-23 | 一种上车点推荐方法和*** |
| PCT/CN2020/122966 WO2021078216A1 (zh) | 2019-10-23 | 2020-10-22 | 一种上车点推荐方法和*** |
| US17/660,408 US20220248170A1 (en) | 2019-10-23 | 2022-04-23 | Methods and systems for recommending pick-up points |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911012937.XA CN111859173A (zh) | 2019-10-23 | 2019-10-23 | 一种上车点推荐方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111859173A true CN111859173A (zh) | 2020-10-30 |
Family
ID=72970713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911012937.XA Pending CN111859173A (zh) | 2019-10-23 | 2019-10-23 | 一种上车点推荐方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111859173A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112650928A (zh) * | 2020-12-30 | 2021-04-13 | 北京嘀嘀无限科技发展有限公司 | 推荐停靠位置的方法、装置、设备、介质和程序产品 |
| CN112650876A (zh) * | 2020-12-30 | 2021-04-13 | 北京嘀嘀无限科技发展有限公司 | 图像处理方法、装置、电子设备、存储介质和程序产品 |
| CN112650927A (zh) * | 2020-12-30 | 2021-04-13 | 北京嘀嘀无限科技发展有限公司 | 管理候选乘车点的方法、装置、电子设备和存储介质 |
| CN112668892A (zh) * | 2020-12-30 | 2021-04-16 | 北京嘀嘀无限科技发展有限公司 | 确定停车风险的方法、装置、电子设备和存储介质 |
| CN112699316A (zh) * | 2020-12-30 | 2021-04-23 | 北京嘀嘀无限科技发展有限公司 | 停靠位置推荐的方法和装置 |
| CN112991810A (zh) * | 2021-02-03 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 停车位置确定方法、装置、存储介质和电子设备 |
| CN112991727A (zh) * | 2021-02-22 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 目标位置确定方法和装置 |
| CN113012455A (zh) * | 2021-02-25 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 风险路段确定方法、装置、电子设备和可读存储介质 |
| CN113033978A (zh) * | 2021-03-10 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 停车风险确定方法、位置推荐方法、装置和电子设备 |
| CN113624233A (zh) * | 2021-07-28 | 2021-11-09 | 深圳市优必选科技股份有限公司 | 导航目标点检测方法、装置、可读存储介质及服务器 |
| CN115795184A (zh) * | 2023-02-06 | 2023-03-14 | 北京合思信息技术有限公司 | 一种基于rpa的场景化上车点推荐方法和装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130345958A1 (en) * | 2012-06-26 | 2013-12-26 | Microsoft Corporation | Computing Recommendations for Stopping During a Trip |
| CN107735825A (zh) * | 2014-12-02 | 2018-02-23 | 凯文·孙林·王 | 合法停车的方法和*** |
| CN108364498A (zh) * | 2018-02-09 | 2018-08-03 | 维沃移动通信有限公司 | 一种停车提示方法、服务器及终端 |
| CN108765933A (zh) * | 2018-07-18 | 2018-11-06 | 北京三快在线科技有限公司 | 一种推荐上车点的方法、装置、设备及存储介质 |
| CN109062928A (zh) * | 2018-06-11 | 2018-12-21 | 北京嘀嘀无限科技发展有限公司 | 一种提示推荐上车点的方法及*** |
| CN109115237A (zh) * | 2018-08-27 | 2019-01-01 | 北京优酷科技有限公司 | 一种乘车位置推荐方法及服务器 |
| CN109308537A (zh) * | 2017-07-26 | 2019-02-05 | 北京嘀嘀无限科技发展有限公司 | 站点推荐方法及装置 |
| CN109583607A (zh) * | 2018-06-29 | 2019-04-05 | 张文 | 网约车对接方法、终端设备、存储介质及*** |
| CN110175779A (zh) * | 2019-05-27 | 2019-08-27 | 北京三快在线科技有限公司 | 一种业务执行的方法及装置 |
| CN110232832A (zh) * | 2019-05-10 | 2019-09-13 | 深圳市轱辘汽车维修技术有限公司 | 一种停车位推荐方法及装置 |
-
2019
- 2019-10-23 CN CN201911012937.XA patent/CN111859173A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130345958A1 (en) * | 2012-06-26 | 2013-12-26 | Microsoft Corporation | Computing Recommendations for Stopping During a Trip |
| CN107735825A (zh) * | 2014-12-02 | 2018-02-23 | 凯文·孙林·王 | 合法停车的方法和*** |
| CN109308537A (zh) * | 2017-07-26 | 2019-02-05 | 北京嘀嘀无限科技发展有限公司 | 站点推荐方法及装置 |
| CN108364498A (zh) * | 2018-02-09 | 2018-08-03 | 维沃移动通信有限公司 | 一种停车提示方法、服务器及终端 |
| CN109062928A (zh) * | 2018-06-11 | 2018-12-21 | 北京嘀嘀无限科技发展有限公司 | 一种提示推荐上车点的方法及*** |
| CN109583607A (zh) * | 2018-06-29 | 2019-04-05 | 张文 | 网约车对接方法、终端设备、存储介质及*** |
| CN108765933A (zh) * | 2018-07-18 | 2018-11-06 | 北京三快在线科技有限公司 | 一种推荐上车点的方法、装置、设备及存储介质 |
| CN109115237A (zh) * | 2018-08-27 | 2019-01-01 | 北京优酷科技有限公司 | 一种乘车位置推荐方法及服务器 |
| CN110232832A (zh) * | 2019-05-10 | 2019-09-13 | 深圳市轱辘汽车维修技术有限公司 | 一种停车位推荐方法及装置 |
| CN110175779A (zh) * | 2019-05-27 | 2019-08-27 | 北京三快在线科技有限公司 | 一种业务执行的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张跃威;屈卫东;: "出租车载客点个性化推荐算法", 计算机***应用, no. 06 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112650927B (zh) * | 2020-12-30 | 2024-05-14 | 北京嘀嘀无限科技发展有限公司 | 管理候选乘车点的方法、装置、电子设备和存储介质 |
| CN112650876A (zh) * | 2020-12-30 | 2021-04-13 | 北京嘀嘀无限科技发展有限公司 | 图像处理方法、装置、电子设备、存储介质和程序产品 |
| CN112650927A (zh) * | 2020-12-30 | 2021-04-13 | 北京嘀嘀无限科技发展有限公司 | 管理候选乘车点的方法、装置、电子设备和存储介质 |
| CN112668892A (zh) * | 2020-12-30 | 2021-04-16 | 北京嘀嘀无限科技发展有限公司 | 确定停车风险的方法、装置、电子设备和存储介质 |
| CN112699316A (zh) * | 2020-12-30 | 2021-04-23 | 北京嘀嘀无限科技发展有限公司 | 停靠位置推荐的方法和装置 |
| CN112650928A (zh) * | 2020-12-30 | 2021-04-13 | 北京嘀嘀无限科技发展有限公司 | 推荐停靠位置的方法、装置、设备、介质和程序产品 |
| CN112991810A (zh) * | 2021-02-03 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 停车位置确定方法、装置、存储介质和电子设备 |
| CN112991727A (zh) * | 2021-02-22 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 目标位置确定方法和装置 |
| CN113012455B (zh) * | 2021-02-25 | 2022-05-13 | 北京嘀嘀无限科技发展有限公司 | 风险路段确定方法、装置、电子设备和可读存储介质 |
| CN113012455A (zh) * | 2021-02-25 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 风险路段确定方法、装置、电子设备和可读存储介质 |
| CN113033978A (zh) * | 2021-03-10 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 停车风险确定方法、位置推荐方法、装置和电子设备 |
| CN113624233A (zh) * | 2021-07-28 | 2021-11-09 | 深圳市优必选科技股份有限公司 | 导航目标点检测方法、装置、可读存储介质及服务器 |
| CN115795184A (zh) * | 2023-02-06 | 2023-03-14 | 北京合思信息技术有限公司 | 一种基于rpa的场景化上车点推荐方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111859173A (zh) | 一种上车点推荐方法和*** | |
| CN111861618A (zh) | 一种上车点推荐方法和*** | |
| CN109416878B (zh) | 用于推荐预计到达时间的***和方法 | |
| US11279368B2 (en) | System and method for determining safety score of driver | |
| US20200050938A1 (en) | Systems and methods for improvement of index prediction and model building | |
| CN111179577B (zh) | 一种确定上车地点的方法及*** | |
| US20200300650A1 (en) | Systems and methods for determining an estimated time of arrival for online to offline services | |
| US20190392390A1 (en) | Systems and methods for allocating orders in an online on-demand service | |
| CN111210036B (zh) | 一种确定推荐上车点的方法和*** | |
| CN112270427A (zh) | 一种推荐上车点的方法和*** | |
| US20200193357A1 (en) | Systems and methods for allocating service requests | |
| CN111932341A (zh) | 一种确定拼车订单的方法和*** | |
| CN111984753A (zh) | 一种提醒用户的方法和*** | |
| CN111859178B (zh) | 一种推荐上车点的方法和*** | |
| CN111861077A (zh) | 一种用户驾驶习惯确定及服务信息推送方法和*** | |
| CN110914856B (zh) | 用于确定线上到线下服务的营销策略的***和方法 | |
| JP2020533713A (ja) | 少なくとも１つの保険会社を推奨するための人口知能システムおよび方法 | |
| CN110998618A (zh) | 车辆管理方法和*** | |
| CN111861619A (zh) | 一种共享车辆的推荐方法和*** | |
| CN111860903A (zh) | 一种确定预估到达时间的方法和*** | |
| CN111400425A (zh) | 一种路径自动优化选择的方法和*** | |
| CN111881369B (zh) | 一种推荐上车点名称准确性检测方法和*** | |
| WO2018232690A1 (en) | SYSTEMS AND METHODS FOR EVALUATING VEHICLE VALUE | |
| CN111858788A (zh) | 一种拼车上车点的推荐方法和*** | |
| CN111881367A (zh) | 一种推荐上车点方法及*** |
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 |