CN111862473B - 还车信息处理方法、装置、设备及存储介质 - Google Patents
还车信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111862473B CN111862473B CN201911414835.0A CN201911414835A CN111862473B CN 111862473 B CN111862473 B CN 111862473B CN 201911414835 A CN201911414835 A CN 201911414835A CN 111862473 B CN111862473 B CN 111862473B
- Authority
- CN
- China
- Prior art keywords
- area
- car returning
- information
- sample
- car
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/0042—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
- G07F17/0057—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects for the hiring or rent of vehicles, e.g. cars, bicycles or wheelchairs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种还车信息处理方法、装置、设备及存储介质,涉及数据处理技术领域。该方法通过获取用户还车位置对应的预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,确定预设还车区域对应的还车冗余值,从而根据预设还车区域、以及还车冗余值,确定目标还车区域,其中,通过计算预设还车区域对应的还车冗余值,根据冗余值和预设还车区域共同确定目标还车区域,可以有效扩大用户还车范围,从而提高用户还车效率,提高用户还车体验度。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种还车信息处理方法、装置、设备及存储介质。
背景技术
共享服务类应用因其服务的便利性,受到较多用户的喜好。例如:共享汽车、共享单车、共享充电宝等。在共享服务中,用户在使用完共享产品后需自觉的将共享产品归还至指定的区域,以便于其他用户的使用、以及产品的统一维护。如何提高用户还车效率、增强用户体验度,成为共享服务平台需要关注的重点。
现有技术中,用户需要根据指定的产品归还区域,将产品归还。但是,在产品定点归还时,由于定点区域面积有限或定位不准确等因素会造成用户无法成功归还,从而导致共享产品归还效率较低,同时降低了用户体验度。
发明内容
有鉴于此,本申请实施例的目的在于提供一种还车信息处理方法、装置、设备及存储介质,用于解决现有技术中存在的共享产品归还效率较低的问题。
第一方面,本申请实施例提供了一种还车信息处理方法,包括:
获取用户还车位置对应的预设还车区域的特征信息;
根据所述预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,计算所述预设还车区域对应的冗余值;
根据所述冗余值和所述预设还车区域,确定目标还车区域;
根据所述用户还车位置以及所述目标还车区域,确定所述用户还车位置是否在所述目标还车区域内。
可选地,所述冗余模型为采用下述方式训练得到的模型:
获取预设的样本还车区域的特征信息;
根据所述样本还车区域的特征信息,确定所述样本还车区域对应的冗余值;
根据所述样本还车区域的特征信息以及所述样本还车区域对应的冗余值,进行模型训练,得到所述冗余模型。
可选地,所述样本还车区域的特征信息包括:路况信息和车辆信息;
所述根据所述样本还车区域的特征信息,确定所述样本还车区域对应的冗余值,包括:
根据所述路况信息和所述车辆信息,确定所述样本还车区域对应的初始冗余值;
根据所述初始冗余值,确定所述样本还车区域对应的冗余值。
可选地,所述路况信息包括如下至少一种信息:所述样本还车区域的道路宽度、所述样本还车区域距离预设范围内的住宅区面积占比、所述样本还车区域距离最近的商业区的距离、所述样本还车区域内的历史人流量信息、所述样本还车区域的位置特征;
所述车辆信息包括如下至少一种信息:所述样本还车区域的停车数量、所述样本还车区域的车辆流出信息、所述样本还车区域的车辆流入信息。
可选地,所述样本还车区域的特征信息还包括:所述样本还车区域的交通管控信息;
所述根据所述初始冗余值,确定所述样本还车区域对应的冗余值,包括:
根据所述交通管控信息,确定所述样本还车区域对应的最大冗余值;
根据所述最大冗余值,对所述初始冗余值进行调节,得到所述样本还车区域对应的冗余值,所述样本还车区域对应的冗余值小于或等于所述最大冗余值。
可选地,所述根据所述冗余值和所述预设还车区域,确定目标还车区域之前,上述方法还包括;
获取用户的信息;
根据所述用户的信息、对所述预设还车区域对应的冗余值进行调整,得到调整后的冗余值;
根据所述调整后的冗余值和所述预设还车区域,确定目标还车区域;
可选地,所述用户的信息包括:所述用户的信用信息,和/或,所述用户的历史订单信息。
第二方面,本申请实施例提供了一种还车信息处理装置,包括:获取模块、计算模块、确定模块;
所述获取模块,用于获取用户还车位置对应的预设还车区域的特征信息;
所述计算模块,用于根据所述预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,计算所述预设还车区域对应的冗余值;
所述确定模块,用于根据所述冗余值和所述预设还车区域,确定目标还车区域;根据所述用户还车位置以及所述目标还车区域,确定所述用户还车位置是否在所述目标还车区域内。
可选地,还包括训练模块;
所述获取模块,还用于获取预设的样本还车区域的特征信息;
所述确定模块,还用于根据所述样本还车区域的特征信息,确定所述样本还车区域对应的冗余值;
所述训练模块,用于根据所述样本还车区域的特征信息以及所述样本还车区域对应的冗余值,进行模型训练,得到所述冗余模型。
可选地,所述样本还车区域的特征信息包括:路况信息和车辆信息;
所述确定模块,具体用于根据所述路况信息和所述车辆信息,确定所述样本还车区域对应的初始冗余值;根据所述初始冗余值,确定所述样本还车区域对应的冗余值。
可选地,所述路况信息包括如下至少一种信息:所述样本还车区域的道路宽度、所述样本还车区域距离预设范围内的住宅区面积占比、所述样本还车区域距离最近的商业区的距离、所述样本还车区域内的历史人流量信息、所述样本还车区域的位置特征;
所述车辆信息包括如下至少一种信息:所述样本还车区域的停车数量、所述样本还车区域的车辆流出信息、所述样本还车区域的车辆流入信息。
可选地,还包括调整模块;所述样本还车区域的特征信息还包括:所述样本还车区域的交通管控信息;
所述确定模块,还具体用于根据所述交通管控信息,确定所述样本还车区域对应的最大冗余值;
所述调整模块,用于根据所述最大冗余值,对所述初始冗余值进行调节,得到所述样本还车区域对应的冗余值,所述样本还车区域对应的冗余值小于或等于所述最大冗余值。
可选地,还包括调整模块;
所述获取模块,还用于获取用户的信息;
所述调整模块,用于根据所述用户的信息、对所述预设还车区域对应的冗余值进行调整,得到调整后的冗余值;
所述确定模块,还用于根据所述调整后的冗余值和所述预设还车区域,确定目标还车区域。
可选地,所述用户的信息包括:所述用户的信用信息,和/或,所述用户的历史订单信息。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行时执行如第一方面中提供的还车信息处理方法的步骤。
第四方面,本申请实施例提供了一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面提供的还车信息处理方法的步骤。
本申请的有益效果:
本申请实施例所提供的还车信息处理方法、装置、设备及存储介质,通过获取用户还车位置对应的预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,确定预设还车区域对应的还车冗余值,从而根据预设还车区域、以及还车冗余值,确定目标还车区域,其中,通过计算预设还车区域对应的还车冗余值,根据冗余值和预设还车区域共同确定目标还车区域,可以有效扩大用户还车范围,从而提高用户还车效率,提高用户还车体验度。
其次,通过采用交通管控信息对样本还车区域对应的初始冗余值进行调整,可以使得确定出的样本还车区域的冗余值精确度更高,从而使得根据样本还车区域的特征信息、以及样本还车区域的冗余值训练得到的冗余模型精确度更高。
另外,根据用户的信息,对采用冗余模型预测得到的用户在预设还车区域对应的冗余值进行调整,可以使得计算得到的冗余值灵活性更高,更加人性化,从而可以有效提高用户的体验度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种还车信息处理***的框图;
图2为本申请实施例提供的一种电子设备的示例性硬件和软件组件的示意图;
图3为本申请实施例提供的一种还车信息处理方法的流程示意图;
图4为本申请实施例提供的另一种还车信息处理方法的流程示意图;
图5为本申请实施例提供的另一种还车信息处理方法的流程示意图;
图6为本申请实施例提供的另一种还车信息处理方法的流程示意图;
图7为本申请实施例提供的又一种还车信息处理方法的流程示意图;
图8为本申请实施例提供的一种还车信息处理装置的示意图;
图9为本申请实施例提供的另一种还车信息处理装置的示意图;
图10为本申请实施例提供的另一种还车信息处理装置的示意图;
图11为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域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,都属于本申请保护的范围。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
图1为本申请实施例提供的一种还车信息处理***的框图。例如,还车信息处理***可以是用于诸如共享汽车、共享单车、共享电动车等提供共享服务的互联网服务平台等。
还车信息处理***可以包括服务器110、网络120、用户终端130和数据库140中的一种或多种,服务器110中可以包括执行指令操作的处理器。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式***)。在一些实施例中,服务器110相对于终端,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问存储在用户终端130、或数据库140、或其任意组合中的信息和/或数据。作为另一示例,服务器110可以直接连接到用户终端130和数据库140中至少一个,以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务器110可以在具有本申请中图2所示的一个或多个组件的电子设备200上实现。
在一些实施例中,服务器110可以包括处理器。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等,或其任意组合。
网络120可以用于信息和/或数据的交换。在一些实施例中,还车信息处理***中的一个或多个组件(例如,服务器110,用户终端130和数据库140)可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从用户终端130获取用户还车信息。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络120可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(WirelessLocal Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(WideArea Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,服务数据处理***的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
数据库140可以存储数据和/或指令。在一些实施例中,数据库140可以存储从用户终端130获得的数据。在一些实施例中,数据库140可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库140可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random AccessMemory,RAM);RAM可以包括动态RAM(Dynamic Random Access Memory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDR SDRAM);静态RAM(StaticRandom-Access Memory,SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-OnlyMemory,MROM)、可编程ROM(Programmable Read-Only Memory,PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory,PEROM)、电可擦除可编程ROM(ElectricallyErasable Programmable read only memory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库140可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库140可以连接到网络120以与还车信息处理***(例如,服务器110,用户终端130等)中的一个或多个组件通信。还车信息处理***中的一个或多个组件可以经由网络120访问存储在数据库140中的数据或指令。在一些实施例中,数据库140可以直接连接到还车信息处理***中的一个或多个组件(例如,服务器110,用户终端130等);或者,在一些实施例中,数据库140也可以是服务器110的一部分。
图2为本申请实施例提供的一种电子设备的示例性硬件和软件组件的示意图。
例如,处理器可以用于电子设备200上,并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的还车信息处理方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230、和不同形式的存储介质240,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口250。
为了便于说明,在电子设备200中仅描述了一个处理器。然而,应当注意,本申请中的电子设备200还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备200的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
图3为本申请实施例提供的一种还车信息处理方法的流程示意图,本方法的执行主体可以是计算机、服务器等具有数据处理功能的设备,如图3所示,本申请提供的还车信息处理方法,可以包括:
S101、获取用户还车位置对应的预设还车区域的特征信息。
可选地,还车位置可以指允许还车的地点,用户可以在还车位置对应的预设还车区域内的任意位置进行还车。可以根据用户还车位置,确定该还车位置所对应的预设还车区域。例如:用户还车位置为A商场,而A商场所对应的预设还车区域为A商场门口的广场,那么,根据还车位置与预设还车区域的对应关系,可以确定用户还车位置对应的预设还车区域。
可选地,服务器可以通过用户终端获取用户当前对应的还车位置,根据用户当前对应的还车位置,确定该还车位置对应的预设还车区域,从而获取预设还车区域的特征信息。可选地,预设还车区域的特征信息可以从服务器后台数据库中实时获取。具体地预设还车区域的特征信息可以参照下文中的具体实施例进行理解。
S102、根据预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,计算预设还车区域对应的冗余值。
可选地,还车区域的冗余模型,可以通过历史样本还车区域的特征信息、与样本还车区域的还车冗余值的对应关系训练得到。将上述步骤S101中获取的用户还车位置对应的预设还车区域的特征信息,输入预先训练的还车区域的冗余模型中,从而可以根据还车区域的特征信息与还车冗余值的对应关系,计算得到该预设还车区域对应的冗余值。
需要说明的是,通过获取还车区域的冗余值,可以进一步扩大还车区域的大小,有效避免因还车区域面积局限所造成的用户还车效率低的问题,影响用户还车体验度。
可选地,预设还车区域的特征信息可以为实时采集的,其可能存在动态变化的特征信息,所以,同一预设还车区域在不同时间段对应的冗余值可以是不同的。例如:当早晚高峰时,预设还车区域A对应的冗余值可能较大,以满足更多的用户顺利还车,而当早晚高峰之间的时间段时,用户用车停车的频率较小,此时对应的冗余值可能也较小。通过动态冗余值的设定,可以使得用户对应的预设还车区域灵活性更高,更能满足用户的还车需求,提高用户的还车效率和还车体验度。
S103、根据冗余值和预设还车区域,确定目标还车区域。
可选地,将预设还车区域与预设还车区域对应的冗余值进行累加,可以得到目标还车区域,也即确定出了用户在还车位置对应的目标还车区域。例如:用户在A商场的预设还车区域为A商场门口的广场,而计算得到的冗余值为A商场门口的休息区,那么用户在A商场对应的目标还车区域即为:A商场门口的广场和A商场门口的休息区。
S104、根据用户还车位置以及目标还车区域,确定用户还车位置是否在目标还车区域内。
可选地,可以将上述获取的用户还车位置以及计算得到的目标还车区域进行比较,确定用户还车位置是否处于目标还车区域内。
在一些实施例中,可以根据用户还车位置是否在目标还车区域的确定结果,确定是否对用户还车位置进行还车调度。若用户还车位置在目标还车区域,则不对用户还车位置进行还车调度;若用户还车位置不在目标还车区域,则对用户还车位置进行还车调度。
其中,对用户还车位置进行还车调度可以包括:确定用户还车位置的还车调度数据,例如:还车调度费用。
可选地,为了使得用户可以将车归还至目标还车区域,避免产生还车调度费用。用户在还车时,可以在用户终端界面显示用户还车位置是否在目标还车区域内,其中,可以通过信息提示的方式进行显示(当用户还车后,反馈当前还车位置在目标还车区域,或者当前还车位置不在目标还车区域的信息给用户),或者是通过地图的方式进行显示(地图显示当前还车位置与目标还车区域的包含关系等)。这样,当用户通过终界面显示的提示信息确定还车位置不在目标还车区域时,可以调整还车位置,以使得还车位置处于目标还车区域内。其中,通过确定还车区域对应的冗余值扩大还车区域面积,可以降低调整还车位置的次数,有效提高用户还车效率。
可选地,本申请提供的还车信息处理方法可以应用于,例如共享单车、共享电动车、共享汽车等不同类型共享车中,以确定共享车在预设还车区域的还车冗余值。当然,也可以不限于应用于共享车中,对于共享充电宝、共享雨伞等需要定点归还的共享产品,均可以采用本申请的方法确定产品在预设归还区域的冗余值,以扩大产品归还范围,提高用户归还效率和归还体验度。
综上,本实施例提供的还车信息处理方法,通过获取用户还车位置对应的预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,确定预设还车区域对应的还车冗余值,从而根据预设还车区域、以及还车冗余值,确定目标还车区域,其中,通过计算预设还车区域对应的还车冗余值,根据冗余值和预设还车区域共同确定目标还车区域,可以有效扩大用户还车范围,从而提高用户还车效率,提高用户还车体验度。
图4为本申请实施例提供的另一种还车信息处理方法的流程示意图,可选地,如图4所示,上述步骤S102中的冗余模型可以为采用下述方式训练得到的模型:
S201、获取预设的样本还车区域的特征信息。
S202、根据样本还车区域的特征信息,确定样本还车区域对应的冗余值。
S203、根据样本还车区域的特征信息以及样本还车区域对应的冗余值,进行模型训练,得到冗余模型。
可选地,可以从服务器后台数据库中获取预设样本还车区域的特征信息,根据样本还车区域的特征信息,计算样本还车区域对应的冗余值,构建样本还车区域的特征信息与样本还车区域对应的冗余值的映射关系。进一步地,将样本还车区域的特征信息、样本区域对应的冗余值作为模型的输入,进行模型训练,得到冗余模型。从而可以根据冗余模型所具有的,样本还车区域的特征信息与样本还车区域对应的冗余值的映射关系,对任意的还车区域的冗余值进行预测。
可选地,上述模型训练方法为常规模型训练方法,模型训练的具体过程不做详细说明。对于不同的应用领域,模型训练的输入可以是与应用领域对应的样本数据。
图5为本申请实施例提供的另一种还车信息处理方法的流程示意图,可选地,上述步骤S201中,样本还车区域的特征信息可以包括:路况信息和车辆信息。
步骤S202中,根据样本还车区域的特征信息,确定样本还车区域对应的冗余值,可以包括:
S301、根据路况信息和车辆信息,确定样本还车区域对应的初始冗余值。
可选地,路况信息也即样本还车区域所对应的路况信息,例如:道路宽度、人流量等。车辆信息也即样本还车区域的车辆信息,例如:车辆流动情况等。根据不同的路况信息和车辆信息,确定的样本还车区域的初始冗余值是不同的。例如:道路越宽、车辆流入越多,还车区域用户用车还车的可能性越大,对应的,得到的初始冗余值越大,以满足用户的还车需求。
可选地,可以根据获取的样本还车区域的路况信息和车辆信息,确定该样本还车区域对应的初始冗余值。
S302、根据初始冗余值,确定样本还车区域对应的冗余值。
在一些实施例中,为了保证还车区域对应的冗余值的合理性、以及满足符合道路交通规划等条件,需要对上述确定的初始冗余值进行调整,以调整后的冗余值作为样本还车区域对应的冗余值。具体过程可以参照下文实施例进行理解。
进一步地,可以将样本还车区域的路况信息和车辆信息、以及确定出的样本还车区域对应的冗余值作为输入,训练得到冗余模型。可选地,样本还车区域可以包括多个,可以根据每个样本还车区域的特征信息及对应的冗余值,训练获取冗余模型。
可选地,路况信息可以包括如下至少一种信息:样本还车区域的道路宽度、样本还车区域距离预设范围内的住宅区面积占比、样本还车区域距离最近的商业区的距离、样本还车区域内的历史人流量信息、样本还车区域的位置特征。
可选地,样本还车区域距离预设范围内的住宅区面积占比,其中,本实施中,预设范围可以为1公里,也即获取样本还车区域附近1公里范围内的住宅面积占比,当然,也可以不限于1公里,但是预设范围的取值也不能过大,取值过大时,数据的参考意义将过小。样本还车区域的位置特征可以为样本还车区域所在位置的地理特征,例如:小区门口或者是公司门口等。
可选地,当样本还车区域的道路宽度越宽、距离预设范围内的住宅区面积占比较大、距离最近的商业区的距离越近、历史人流量较大、位置接近小区、公司等人流较大的地方时,对应的样本还车区域的冗余值越大。相反,则样本还车区域的冗余值越小。
车辆信息可以包括如下至少一种信息:样本还车区域的停车数量、样本还车区域的车辆流出信息、样本还车区域的车辆流入信息。
当样本还车区域的停车数量较多、车辆流入流出较为频繁,则对应的样本还车区域的冗余值也越大。
另外,样本还车区域的特征信息还可以包括时间信息,对于不同的时间段,同一个样本还车区域的冗余值也可以不同,例如:高峰期时,用户用车和还车的频率较高,对应的冗余值可以较大等。
综合上述样本还车区域的多个特征信息,以及该多个特征信息与冗余值之间的对应关系,可以训练获取冗余模型。当然,还车区域的特征信息也可以不限于上述所列举的,还可以包括更多类型的特征信息,参考特征信息越多,训练得到的冗余模型的精确度更高。
图6为本申请实施例提供的另一种还车信息处理方法的流程示意图,可选地,样本还车区域的特征信息还可以包括:样本还车区域的交通管控信息。
上述步骤S302中,根据初始冗余值,确定样本还车区域对应的冗余值,可以包括:
S401、根据交通管控信息,确定样本还车区域对应的最大冗余值。
可选地,为了保证还车区域的合理性,避免影响道路交通管理等。对于任意的还车区域,其对应的冗余值均可以存在上限值。可以根据交通管控信息,获取样本还车区域对应的最大冗余值。其中,交通管控信息可以是根据还车区域的位置特征、道路特征等信息确定的。对于不同的还车区域,其对应的最大冗余值可以是不同的。
S402、根据最大冗余值,对初始冗余值进行调节,得到样本还车区域对应的冗余值,样本还车区域对应的冗余值小于或等于最大冗余值。
可选地,若上述计算得到的样本还车区域的初始冗余值大于该最大冗余值,可以将初始冗余值调整为最大冗余值,以该最大冗余值作为样本还车区域对应的冗余值。而当样本还车区域的初始冗余值小于或等于该最大冗余值,则将该初始冗余值作为样本还车区域对应的冗余值。
图7为本申请实施例提供的又一种还车信息处理方法的流程示意图,可选地,步骤S103中,根据冗余值和预设还车区域,确定目标还车区域之前,本申请的方法还可以包括;
S501、获取用户的信息。
在一些实施例中,不同的用户在同一还车区域对应的还车冗余值也可以是不同的,为了使得采用冗余模型预测得到的用户在预设还车区域对应的冗余值更加精确,本实施例中,还可以根据用户的个人信息,对通过冗余模型预测得到的用户在还车区域对应的冗余值进行适应性调整,以使得冗余值的计算结果更加人性化,提高用户的体验度。
可选地,服务器可以通过用户终端获取用户的信息,用户的信息可以包括:用户的信用信息,和/或,用户的历史订单信息。其中,用户的信用信息也即用户的用车信誉分值,用户在用车后归还至指定还车区域,其对应的用车信誉分值越高;相反,用户在用车后不将车归还至指定位置,乱停乱放,其对应的用车信誉分值越低。用户的历史订单信息可以为用户用车单量信息、以及用户在指定位置还车单量信息,根据用户用车单量信息、以及用户在指定位置还车单量信息,可以计算得到用户定点还车率。
S502、根据用户的信息、对预设还车区域对应的冗余值进行调整,得到调整后的冗余值。
S503、根据调整后的冗余值和预设还车区域,确定目标还车区域。
可选地,用户的用车信誉分值越高、且用户定点还车率越高,其对应的还车冗余值越大。可以根据获取的用户的信息,对上述预测得到的用户还车位置对应的预设还车区域的冗余值进行调整,得到调整后的冗余值。从而可以根据该调整后的冗余值、及预设还车区域,确定用户还车位置对应的目标还车区域。
综上,本实施例提供的还车信息处理方法,通过获取用户还车位置对应的预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,确定预设还车区域对应的还车冗余值,从而根据预设还车区域、以及还车冗余值,确定目标还车区域,其中,通过计算预设还车区域对应的还车冗余值,根据冗余值和预设还车区域共同确定目标还车区域,可以有效扩大用户还车范围,从而提高用户还车效率,提高用户还车体验度。
其次,通过采用交通管控信息对样本还车区域对应的初始冗余值进行调整,可以使得确定出的样本还车区域的冗余值精确度更高,从而使得根据样本还车区域的特征信息、以及样本还车区域的冗余值训练得到的冗余模型精确度更高。
另外,根据用户的信息,对采用冗余模型预测得到的用户在预设还车区域对应的冗余值进行调整,可以使得计算得到的冗余值灵活性更高,更加人性化,从而可以有效提高用户的体验度。
下述对用以执行的本申请所提供的还车信息处理方法的装置、设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图8为本申请实施例提供的一种还车信息处理装置的示意图,如图8所示,该装置可以包括:获取模块601、计算模块602、确定模块603;
获取模块601,用于获取用户还车位置对应的预设还车区域的特征信息;
计算模块602,用于根据预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,计算预设还车区域对应的冗余值;
确定模块603,用于根据冗余值和预设还车区域,确定目标还车区域;根据用户还车位置以及目标还车区域,确定用户还车位置是否在目标还车区域内。
可选地,如图9所示,上述装置还包括训练模块604;
获取模块601,还用于获取预设的样本还车区域的特征信息;
确定模块603,还用于根据样本还车区域的特征信息,确定样本还车区域对应的冗余值;
训练模块604,用于根据样本还车区域的特征信息以及样本还车区域对应的冗余值,进行模型训练,得到冗余模型。
可选地,样本还车区域的特征信息包括:路况信息和车辆信息;
确定模块603,具体用于根据路况信息和车辆信息,确定样本还车区域对应的初始冗余值;根据初始冗余值,确定样本还车区域对应的冗余值。
可选地,路况信息包括如下至少一种信息:样本还车区域的道路宽度、样本还车区域距离预设范围内的住宅区面积占比、样本还车区域距离最近的商业区的距离、样本还车区域内的历史人流量信息、样本还车区域的位置特征;
车辆信息包括如下至少一种信息:样本还车区域的停车数量、样本还车区域的车辆流出信息、样本还车区域的车辆流入信息。
可选地,如图10所示,装置还包括调整模块605;样本还车区域的特征信息还包括:样本还车区域的交通管控信息;
确定模块603,还具体用于根据交通管控信息,确定样本还车区域对应的最大冗余值;
调整模块605,用于根据最大冗余值,对初始冗余值进行调节,得到样本还车区域对应的冗余值,样本还车区域对应的冗余值小于或等于最大冗余值。
可选地,获取模块601,还用于获取用户的信息;
可选地,在一些实施例中,参照图10,该装置还包括调整模块605,上述调整模块605,还用于根据用户的信息、对预设还车区域对应的冗余值进行调整,得到调整后的冗余值;
确定模块603,还用于根据调整后的冗余值和预设还车区域,确定目标还车区域。
可选地,用户的信息包括:用户的信用信息,和/或,用户的历史订单信息。
上述装置可用于执行上述方法实施例提供的方法,具体实现方式和技术效果类似,这里不再赘述。
图11为本申请实施例提供的电子设备的结构示意图,如图11所示,该电子设备可以包括:处理器901和存储器902,其中:存储器902用于存储程序,处理器901调用存储器902存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
该装置可以集成于终端或服务器等设备,本申请中不作限制。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种还车信息处理方法,其特征在于,应用于共享设备,包括:
获取用户还车位置对应的预设还车区域的特征信息;
根据所述预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,计算所述预设还车区域对应的冗余值,其中,所述冗余模型采用样本还车区域的特征信息以及所述样本还车区域对应的冗余值训练得到;
根据所述冗余值和所述预设还车区域,确定目标还车区域;
根据所述用户还车位置以及所述目标还车区域,确定所述用户还车位置是否在所述目标还车区域内;
其中,所述样本还车区域的特征信息包括:路况信息和车辆信息;
所述车辆信息包括:所述样本还车区域的停车数量、所述样本还车区域的车辆流出信息、所述样本还车区域的车辆流入信息。
2.根据权利要求1所述的方法,其特征在于,所述冗余模型为采用下述方式训练得到的模型:
获取预设的样本还车区域的特征信息;
根据所述样本还车区域的特征信息,确定所述样本还车区域对应的冗余值;
根据所述样本还车区域的特征信息以及所述样本还车区域对应的冗余值,进行模型训练,得到所述冗余模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述样本还车区域的特征信息,确定所述样本还车区域对应的冗余值,包括:
根据所述路况信息和所述车辆信息,确定所述样本还车区域对应的初始冗余值;
根据所述初始冗余值,确定所述样本还车区域对应的冗余值。
4.根据权利要求3所述的方法,其特征在于,所述路况信息包括如下至少一种信息:所述样本还车区域的道路宽度、所述样本还车区域距离预设范围内的住宅区面积占比、所述样本还车区域距离最近的商业区的距离、所述样本还车区域内的历史人流量信息、所述样本还车区域的位置特征。
5.根据权利要求3所述的方法,其特征在于,所述样本还车区域的特征信息还包括:所述样本还车区域的交通管控信息;
所述根据所述初始冗余值,确定所述样本还车区域对应的冗余值,包括:
根据所述交通管控信息,确定所述样本还车区域对应的最大冗余值;
根据所述最大冗余值,对所述初始冗余值进行调节,得到所述样本还车区域对应的冗余值,所述样本还车区域对应的冗余值小于或等于所述最大冗余值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述冗余值和所述预设还车区域,确定目标还车区域之前,所述方法还包括;
获取用户的信息;
根据所述用户的信息、对所述预设还车区域对应的冗余值进行调整,得到调整后的冗余值;
根据所述调整后的冗余值和所述预设还车区域,确定目标还车区域。
7.根据权利要求6所述的方法,其特征在于,所述用户的信息包括:所述用户的信用信息,和/或,所述用户的历史订单信息。
8.一种还车信息处理装置,其特征在于,应用于共享设备,包括:获取模块、计算模块、确定模块;
所述获取模块,用于获取用户还车位置对应的预设还车区域的特征信息;
所述计算模块,用于根据所述预设还车区域的特征信息,采用预先训练的还车区域的冗余模型,计算所述预设还车区域对应的冗余值,其中,所述冗余模型采用样本还车区域的特征信息以及所述样本还车区域对应的冗余值训练得到;
所述确定模块,用于根据所述冗余值和所述预设还车区域,确定目标还车区域;根据所述用户还车位置以及所述目标还车区域,确定所述用户还车位置是否在所述目标还车区域内;
其中,所述样本还车区域的特征信息包括:路况信息和车辆信息;
所述车辆信息包括:所述样本还车区域的停车数量、所述样本还车区域的车辆流出信息、所述样本还车区域的车辆流入信息。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至7任一项所述的还车信息处理方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的还车信息处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911414835.0A CN111862473B (zh) | 2019-12-31 | 2019-12-31 | 还车信息处理方法、装置、设备及存储介质 |
PCT/CN2020/139958 WO2021136147A1 (zh) | 2019-12-31 | 2020-12-28 | 一种共享设备的预设区域定位方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911414835.0A CN111862473B (zh) | 2019-12-31 | 2019-12-31 | 还车信息处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111862473A CN111862473A (zh) | 2020-10-30 |
CN111862473B true CN111862473B (zh) | 2022-04-26 |
Family
ID=72970763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911414835.0A Active CN111862473B (zh) | 2019-12-31 | 2019-12-31 | 还车信息处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862473B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021136147A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京骑胜科技有限公司 | 一种共享设备的预设区域定位方法和*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5606656B2 (ja) * | 2012-06-27 | 2014-10-15 | 三菱電機株式会社 | 測位装置 |
JP6023555B2 (ja) * | 2012-11-08 | 2016-11-09 | 矢崎エナジーシステム株式会社 | 車載器、乗務時間算出方法、及びプログラム |
CN105513216B (zh) * | 2016-01-29 | 2018-05-25 | 汤峰 | 自行车借还***及自行车借还车方法 |
CN107154114B (zh) * | 2017-04-11 | 2019-10-18 | 杭州西游科技有限公司 | 一种电动自行车无桩租赁***及租还车方法 |
CN107257538A (zh) * | 2017-06-08 | 2017-10-17 | 杭州排山信息科技有限公司 | 一种蓝牙电子桩及其控制方法和装置 |
CN108417013B (zh) * | 2017-08-21 | 2020-10-30 | 杭州创屹机电科技有限公司 | 共享单车还车方法及装置 |
CN107657812B (zh) * | 2017-08-29 | 2021-10-29 | 耀灵人工智能(浙江)有限公司 | 一种根据交通流量预测进行动态规划停车位的方法 |
US20190080612A1 (en) * | 2017-09-14 | 2019-03-14 | Qualcomm Incorporated | Navigation techniques for autonomous and semi-autonomous vehicles |
-
2019
- 2019-12-31 CN CN201911414835.0A patent/CN111862473B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111862473A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104021667B (zh) | 整合预约服务与实时打车的出租车合乘调度***及调度方法 | |
Mei et al. | Better lucky than rich? Comparative analysis of parking reservation and parking charge | |
Erden et al. | Adaptive V2G peak shaving and smart charging control for grid integration of PEVs | |
WO2018228110A1 (en) | Systems and methods for transport capacity scheduling | |
CN112580889A (zh) | 服务资源预估方法、装置、电子设备及存储介质 | |
JP2016200984A (ja) | 共用車両管理装置 | |
CN111859171A (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN111106635A (zh) | 一种充电方式的确定方法和装置 | |
CN111862473B (zh) | 还车信息处理方法、装置、设备及存储介质 | |
CN115988421A (zh) | 一种基于时间权重聚类的职住地估计方法及装置 | |
CN112329965A (zh) | 乘车服务调度方法、装置、电子设备及存储介质 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
CN106382036B (zh) | 一种停车管理方法、***及终端 | |
CN111832600A (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN108877276B (zh) | 快速预测公交行驶时间方法、装置及计算机终端 | |
CN114254856A (zh) | 基于蜂巢图实现的共享单车运维调度方法及*** | |
JP6776669B2 (ja) | 共用車両管理方法および共用車両管理装置 | |
CN112287503A (zh) | 用于交通需求预测的动态空间网络构建方法 | |
CN112736941A (zh) | 一种基于移动储能电动汽车的可调度容量预测方法及装置 | |
CN110837919A (zh) | 公交供给情况判定方法及装置 | |
JP2022521665A (ja) | 輸送方法および装置 | |
CN111222933A (zh) | 一种信息推送方法以及信息推送装置 | |
CN111861829A (zh) | 基于共享设备的提示方法、装置、电子设备及存储介质 | |
CN111242711A (zh) | 信息提示方法、装置、电子设备和存储介质 | |
CN111612286A (zh) | 一种订单分配方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220318 Address after: 311199 Room 301, No. 108, Xincheng Road, Nanyuan street, Hangzhou, Zhejiang Applicant after: HANGZHOU QINGQI SCIENCE AND TECHNOLOGY Co.,Ltd. Address before: Room 203, 2 / F, building 34, yard 8, Dongbei Wangxi Road, Haidian District, Beijing 100193 Applicant before: Beijing Qisheng Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |