CN112036695A - 天气信息的预测方法、装置、可读存储介质和电子设备 - Google Patents
天气信息的预测方法、装置、可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN112036695A CN112036695A CN202010739014.0A CN202010739014A CN112036695A CN 112036695 A CN112036695 A CN 112036695A CN 202010739014 A CN202010739014 A CN 202010739014A CN 112036695 A CN112036695 A CN 112036695A
- Authority
- CN
- China
- Prior art keywords
- weather information
- distribution
- determining
- processor
- speed
- 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 61
- 238000013145 classification model Methods 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 241001137251 Corvidae Species 0.000 description 1
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000015108 pies Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种天气信息的预测方法、装置、可读存储介质和电子设备。本发明实施例通过接收来自任一配送区域内多个目标配送资源终端的数据；解析所述数据，获取设定时间段内目标配送资源的平均实时速度；确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。通过上述方法，可以通过设定时间段内配送区域内平均实时速度与历史平均速的差值，自动确定该配送区域在下一时刻的天气，减少了人力资源的浪费，并且提高了该配送区域的天气信息的准确性。
Description
技术领域
本发明涉及数据处理领域，具体涉及一种天气信息的预测方法、装置、可读存储介质和电子设备。
背景技术
随着科技的发展，社会的进步，快递、外卖等行业给人们的日常生活带来了越来越多的便利，在配送过程中，配送区域的天气信息会响应该配送区域的配送压力、配送难度、以及配送时间等。
在现有技术中，通常情况下，通过以下两种情况获取天气信息，情况一、通过天气服务平台获取天气信息；情况二、通过配送区域的站长进行人工实时反馈；具体的，通过情况一获取天气信息时，由于天气服务平台获取的天气信息为较大区域的天气信息，无法具体获知每个配送区域的具体天气情况，因此可能存在获取到的天气信息不准确的问题；而通过情况二获取天气信息时会耗费大量人力资源。
发明内容
有鉴于此,本发明实施例提供了一种天气信息的预测方法、装置、可读存储介质和电子设备，能够提高配送区域的天气信息的准确性，并且减少人力资源的浪费。
第一方面，本发明实施例提供了一种天气信息的预测方法，该方法包括：接收来自任一配送区域内多个目标配送资源终端的数据；通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
结合第一方面，本发明实施例在第一方面的第一种实现方式中，所述通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度，具体包括：所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；根据所述多个实时速度确定所述平均实时速度。
结合第一方面的第一种实现方式，本发明实施例在第一方面的第二种实现方式中，通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
结合第一方面，本发明实施例在第一方面的第三种实现方式中，所述通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息，具体包括：确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
结合第一方面，本发明实施例在第一方面的第四种实现方式中，所述通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息，具体包括：将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
结合第四种实现方式，本发明实施例在第一方面的第五种实现方式中，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
第二方面，本发明实施例提供了一种天气信息的预测装置，该装置包括：接收单元，用于接收来自任一配送区域内多个目标配送资源终端的数据；获取单元，用于通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；处理单元，用于通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；确定单元，用于通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面或第一方面任一种实现中中任一项所述的方法。
第四方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：接收来自任一配送区域内多个目标配送资源终端的数据；通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
结合第四方面，本发明实施例在第四方面的第一种实现方式中，所述处理器具体执行如下步骤：所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；根据所述多个实时速度确定所述平均实时速度。
结合第四方面的第一种实现方式，本发明实施例在第四方面的第二种实现方式中，所述处理器还执行如下步骤：通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
结合第四方面，本发明实施例在第四方面的第三种实现方式中，所述处理器具体执行如下步骤：确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
结合第四方面，本发明实施例在第四方面的第四种实现方式中，所述处理器具体执行如下步骤：将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
结合第四方面，本发明实施例在第四方面的第五种实现方式中，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
本发明实施例通过接收来自任一配送区域内多个目标配送资源终端的数据；通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。通过上述方法，可以通过设定时间段内配送区域内平均实时速度与历史平均速的差值，自动确定该配送区域在下一时刻的天气，减少了人力资源的浪费，并且提高了该配送区域的天气信息的准确性。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1是本发明第一实施例的天气信息的预测方法流程图；
图2是本发明第二实施例的天气信息的预测方法流程图；
图3是本发明第三实施例的应用场景图；
图4是本发明第四实施例的天气信息的预测装置示意图；
图5是本发明第五实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在现有技术中，通常通过以下两种情况获取天气信息，包括：
情况一、通过天气服务平台获取天气信息；具体的，通过情况一获取天气信息时，由于天气服务平台获取的天气信息为较大区域的天气信息，无法具体获知每个配送区域的具体天气情况，因此可能存在获取到的天气信息不准确的问题；例如，配送区域为北京市海淀区学清路，通过天气服务平台只能获取到区一级行政范围，例如，北京市海淀区的天气信息，而无法具体获取到学清路的具体天气情况，假设海淀区的天气信息小雨，可是海淀区的面积很大，学清路有可能是晴天，没有下雨，若将海淀区的天气信息设置为学清路的天气信息，会造成获取到的天气信息不准确的问题。
情况二、通过配送区域的站长进行人工实时反馈；而通过情况二获取天气信息时会耗费大量人力资源。
图1是本发明第一实施例的天气信息的预测方法的流程图。如图1所示，具体包括如下步骤：
步骤S100、接收来自任一配送区域内多个目标配送资源终端的数据。
在一种可能的实现方式中，所述任一配送区域可以区、街道、商圈、或者配送站点覆盖的范围，所述目标资源配送终端可以为骑手的手机，也可以为自动配送终端的终端设备，本发明实施例对其不做限定。
在一种可能的实现方式中，所述数据为所述目标配送资源的轨迹数据。
步骤S101、通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度。
具体的，所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；根据所述多个实时速度确定所述平均实时速度。
举例说明，假设配送区域内包括5个目标配送资源，在实际应用中可能为几十个、几百个、或者几千个，此处只是实例性说明，5个目标配送资源分别为目标配送资源1、目标配送资源2、目标配送资源3、目标配送资源4和目标配送资源5，假设设定时间为2019年12月4日9点至9点5分，其中，2019年12月4日为工作日，通过目标配送资源终端的轨迹确定出每个目标配送资源的多个实时速度，然后确定出每个目标配送资源的平均速度，假设目标配送资源1的平均速度为15km/h、目标配送资源2的平均速度为25km/h、目标配送资源3的平均速度为20km/h、目标配送资源4的平均速度为23km/h、目标配送资源5的平均速度为17km/h，然后通过每个目标配送资源的平均速度，确定出该配送区域的平均实时速度，即(15km/h+25km/h+20km/h+23km/h+17km/h)/5＝20km/h。
步骤S102、通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的。
本发明实施例中，所述天气信息与目标配送资源的速度具有自然规律上的联系，例如，标准天气信息为晴天时，目标配送资源的配送速度不受天气的影响，配送速度较快；当天气变差时，会影响目标配送资源的速度，而且天气越差，目标配送资源的速度越慢，例如，暴风雨时目标配送资源的速度相比晴天时慢。
本发明实施例中，所述历史平均速度可以为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的平均速度确定的，也可以是根据所述任一配送区域内多个所述目标配送资源终端的中位值确定的，还可以是根据所述任一配送区域内多个所述目标配送资源终端的6分位值确定的，本发明实施例对其不做限定，具体根据实际情况确定。
举例说明，假设历史平均数据为25km/h，所述历史平均速度为标准天气，即晴天时相同区域内、相同类型日(例如工作日、节假日)、相同时段的目标配送资源的平均速度。
步骤S103、通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
具体的，可以通过以下两种方式确定下一时刻的天气信息，包括：
方式一、确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
举例说明，预先设置天气等级，每个天气等级对应设定的差值范围，例如，表1所示：
表1
| 天气等级 | 天气信息 | 差值范围 |
| 1 | 小雨 | 1-5 |
| 2 | 中雨 | 6-10 |
| 3 | 暴雨 | 10-15 |
| 4 | 暴风雨 | 16-20 |
假设任一配送区域内设定时段对应的历史平均数据为25km/h，设定时段的平均实时速度为20km/h，两者的差值为5，查询上述表1可知，该配送区域在设定时段的天气为小雨，将小雨确定为该配送区域的天气信息。
方式二、将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
举例说明，首先获取设定区域内的目标配送资源的位置信息、时间信息、第三方天气信息、以及根据历史数据获取的差值，以及历史数据通过人工标定的天气信息训练分类模型，其中，所述时间信息具体包括工作日或节假日、时间片等，所述设定区域可以为行政区、商圈或站点，将所述商圈对应的站点所负责的所有商户的经纬度聚合成为一个中心点，以该中心点覆盖范围3km的范围可以称为一个商圈。
在一种可能的实现方式中，当需要确定设定区域的天气信息时，需要获取设定时段内目标配送资源的位置信息、时间信息、第三方天气信息、以及根据历史数据获取的差值，将上述数据发送到预先训练好的分类模型，通过所述分类模型确定该设定区域的天气。
在一种可能的实现方式中，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项，本发明实施例对其不做限定。
本发明实施例中，根据上述步骤S103确定出天气信息后，将所述天气信息分配给任务分配平台或目标配送资源终端，所述任务分配平台还可以称为控制终端，控制终端接收到天气信息后，可以根据天气信息进行任务的调度；目标配送资源终端接收到天气信息后，可以根据天气信息判断自身的配送情况，判断自身承接任务的数量等，具体根据实际情况确定，本发明实施例对其不做限定。
图2是本发明第二实施例的另一种天气信息的预测方法的流程图。在步骤S100之后，该方法还包括如下步骤：
步骤S104、通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
举例说明，将速度小于设定值或大于设定值的数据过滤掉，例如，小于1km/h，或者大于60km/h时，为偏差数据，需要过滤掉。
图3是本发明第三实施例的应用场景图，包括服务器和目标配送资源终端，其中，所述服务器还可以称为平台、***等，目标配送资源终端可以为手机、平板等可以定位目标配送资源位置的设备，所述服务器为至少一个，所述目标配送资源终端的数量为多个，服务器接收来自目标配送资源终端的数据；通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。通过上述方法，可以通过设定时间段内配送区域内平均实时速度与历史平均速的差值，自动确定该配送区域在下一时刻的天气，减少了人力资源的浪费，并且提高了该配送区域的天气信息的准确性。
图4是本发明第四实施例的天气信息的预测装置的示意图。如图4所示，本实施例的装置包括接收单元41、获取单元42、处理单元43和确定单元44。其中，接收单元41，用于接收来自任一配送区域内多个目标配送资源终端的数据；获取单元42，用于通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；处理单元43，用于通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；确定单元44，用于通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
进一步地，所述获取单元42具体用于：所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；根据所述多个实时速度确定所述平均实时速度。
进一步地，所述装置还包括：过滤单元，用于通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
进一步地，所述确定单元44具体用于：确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
进一步地，所述确定单元44具体还用于：将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
进一步地，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
图5是本发明第五实施例的电子设备的示意图。在本实施例中，电子设备为服务器。应理解，还可以为其他电子设备，如树莓派。如图5所示，该电子设备：至少包括一个处理器501；以及，与至少一个处理器501通信连接的存储器502；以及，与扫描装置通信连接的通信组件503，通信组件503在处理器501的控制下接收和发送数据；其中，存储器502存储有可被至少一个处理器501执行的指令，指令被至少一个处理器501执行以实现：接收来自任一配送区域内多个目标配送资源终端的数据；通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
进一步地，所述处理器具体执行如下步骤：所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；根据所述多个实时速度确定所述平均实时速度。
进一步地，所述处理器还执行如下步骤：通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
进一步地，所述处理器具体执行如下步骤：确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
进一步地，所述处理器具体执行如下步骤：将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
进一步地，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
具体地，该电子设备包括：一个或多个处理器501以及存储器502，图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接，图5中以通过总线连接为例。存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述天气信息的预测方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器502中，当被一个或者多个处理器501执行时，执行上述任意方法实施例中的天气信息的预测方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本发明的第六实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各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、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
本申请实施例公开了A1、一种天气信息的预测方法，该方法包括：
接收来自任一配送区域内多个目标配送资源终端的数据；
通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；
通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；
通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
A2、如A1所述的方法，所述通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度，具体包括：
所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；
根据所述多个实时速度确定所述平均实时速度。
A3、如A2所述的方法，该方法还包括：
通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
A4、如A1所述的方法，所述通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息，具体包括：
确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；
将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
A5、如A1所述的方法，所述通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息，具体包括：
将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；
通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
A6、如A5所述的方法，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
本申请实施例公开了B1、一种天气信息的预测装置，该装置包括：
接收单元，用于接收来自任一配送区域内多个目标配送资源终端的数据；
获取单元，用于通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；
处理单元，用于通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；
确定单元，用于通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
本申请实施例公开了C1、一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如A1-A6中任一项所述的方法。
本申请实施例公开了D1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：
接收来自任一配送区域内多个目标配送资源终端的数据；
通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；
通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；
通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
D2、如D1所述的电子设备，所述处理器具体执行如下步骤：
所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；
根据所述多个实时速度确定所述平均实时速度。
D3、如D2所述的电子设备，所述处理器还执行如下步骤：
通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
D4、如D1所述的电子设备，所述处理器具体执行如下步骤：
确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；
将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
D5、如D1所述的电子设备，所述处理器具体执行如下步骤：
将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；
通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
D6、如D5所述的电子设备，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
Claims (10)
1.一种天气信息的预测方法，其特征在于，该方法包括：
接收来自任一配送区域内多个目标配送资源终端的数据；
通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；
通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；
通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
2.如权利要求1所述的方法，其特征在于，所述通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度，具体包括：
所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；
根据所述多个实时速度确定所述平均实时速度。
3.如权利要求2所述的方法，其特征在于，该方法还包括：
通过设定方法对所述多个实时速度进行过滤，其中，所述设定方法为卡尔曼滤波。
4.如权利要求1所述的方法，其特征在于，所述通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息，具体包括：
确定所述差值对应的天气等级，根据所述天气等级确定对应的天气信息；
将所述天气信息确定为所述任一配送区域在所述设定时间段的下一时刻的天气信息。
5.如权利要求1所述的方法，其特征在于，所述通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息，具体包括：
将所述差值以及获取的特征数据输入到预先训练的分类模型，其中，所述特征数据包括位置信息、时间信息、第三方天气信息中的至少一项；
通过所述分类模型输出所述任一配送区域在所述设定时间段的下一时刻的天气信息。
6.如权利要求5所述的方法，其特征在于，所述分类模型包括决策树、XGBoost、支持向量机SVM、梯度提升树GBDT中的任一项。
7.一种天气信息的预测装置，其特征在于，该装置包括：
接收单元，用于接收来自任一配送区域内多个目标配送资源终端的数据；
获取单元，用于通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；
处理单元，用于通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；
确定单元，用于通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
8.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-6中任一项所述的方法。
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：
接收来自任一配送区域内多个目标配送资源终端的数据；
通过至少一个处理器解析所述数据，获取设定时间段内目标配送资源的平均实时速度；
通过至少一个处理器确定所述平均实时速度与历史平均速度的差值，其中，所述历史平均速度为标准天气信息下根据所述任一配送区域内多个所述目标配送资源终端的历史速度确定的；
通过所述差值确定所述任一配送区域在所述设定时间段的下一时刻的天气信息。
10.如权利要求9所述的电子设备，其特征在于，所述处理器具体执行如下步骤：
所述通过至少一个处理器解析所述多个目标配送资源终端的轨迹，根据所述轨迹确定设定时间段内所述多个目标配送资源的多个实时速度；
根据所述多个实时速度确定所述平均实时速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010739014.0A CN112036695A (zh) | 2020-07-28 | 2020-07-28 | 天气信息的预测方法、装置、可读存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010739014.0A CN112036695A (zh) | 2020-07-28 | 2020-07-28 | 天气信息的预测方法、装置、可读存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112036695A true CN112036695A (zh) | 2020-12-04 |
Family
ID=73583369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010739014.0A Pending CN112036695A (zh) | 2020-07-28 | 2020-07-28 | 天气信息的预测方法、装置、可读存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112036695A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723755A (zh) * | 2021-07-28 | 2021-11-30 | 叶红 | 一种自然资源建库用外业勘探管理*** |
| CN114048614A (zh) * | 2021-11-16 | 2022-02-15 | 中科三清科技有限公司 | 一种预测环境污染的方法和装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070159355A1 (en) * | 2006-01-10 | 2007-07-12 | Kelly Terence F | Combined personalized traffic and weather report and alert system and method |
| US20130151454A1 (en) * | 2011-12-09 | 2013-06-13 | Wil McCarthy | Weather comfort forecasting for riders of motorcycles and other exposed-rider vehicles |
| CN105866862A (zh) * | 2015-08-14 | 2016-08-17 | 乐视致新电子科技（天津）有限公司 | 一种天气预警提醒的实现方法及装置 |
| CN106945667A (zh) * | 2015-09-15 | 2017-07-14 | 罗伯特·博世有限公司 | 用于运行至少一个车辆的方法和设备 |
| US20180018868A1 (en) * | 2015-04-03 | 2018-01-18 | Alibaba Group Holding Limited | Logistics monitoring method and device |
| CN109141463A (zh) * | 2018-09-10 | 2019-01-04 | 贵州民族大学 | 一种基于天气预报的骑行导航*** |
| CN109636276A (zh) * | 2018-11-29 | 2019-04-16 | 拉扎斯网络科技（上海）有限公司 | 评估配送资源能力、订单分配、配送资源调度方法及装置 |
| CN110378522A (zh) * | 2019-07-02 | 2019-10-25 | 北京三快在线科技有限公司 | 预测配送状态信息的方法、装置、存储介质及电子设备 |
| CN110390409A (zh) * | 2018-04-17 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 配送方案的确定方法、装置以及计算机可读存储介质 |
| CN110443429A (zh) * | 2019-08-13 | 2019-11-12 | 拉扎斯网络科技（上海）有限公司 | 降雨区域的确定方法、装置、电子设备及存储介质 |
| CN110807136A (zh) * | 2019-10-22 | 2020-02-18 | 拉扎斯网络科技（上海）有限公司 | 数据处理方法、数据处理装置、存储介质和电子设备 |
| US20200066144A1 (en) * | 2016-02-09 | 2020-02-27 | Tomtom Traffic B.V. | Methods and systems for identifying navigable elements affected by weather conditions |
-
2020
- 2020-07-28 CN CN202010739014.0A patent/CN112036695A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070159355A1 (en) * | 2006-01-10 | 2007-07-12 | Kelly Terence F | Combined personalized traffic and weather report and alert system and method |
| US20130151454A1 (en) * | 2011-12-09 | 2013-06-13 | Wil McCarthy | Weather comfort forecasting for riders of motorcycles and other exposed-rider vehicles |
| US20180018868A1 (en) * | 2015-04-03 | 2018-01-18 | Alibaba Group Holding Limited | Logistics monitoring method and device |
| CN105866862A (zh) * | 2015-08-14 | 2016-08-17 | 乐视致新电子科技（天津）有限公司 | 一种天气预警提醒的实现方法及装置 |
| CN106945667A (zh) * | 2015-09-15 | 2017-07-14 | 罗伯特·博世有限公司 | 用于运行至少一个车辆的方法和设备 |
| US20200066144A1 (en) * | 2016-02-09 | 2020-02-27 | Tomtom Traffic B.V. | Methods and systems for identifying navigable elements affected by weather conditions |
| CN110390409A (zh) * | 2018-04-17 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 配送方案的确定方法、装置以及计算机可读存储介质 |
| CN109141463A (zh) * | 2018-09-10 | 2019-01-04 | 贵州民族大学 | 一种基于天气预报的骑行导航*** |
| CN109636276A (zh) * | 2018-11-29 | 2019-04-16 | 拉扎斯网络科技（上海）有限公司 | 评估配送资源能力、订单分配、配送资源调度方法及装置 |
| CN110378522A (zh) * | 2019-07-02 | 2019-10-25 | 北京三快在线科技有限公司 | 预测配送状态信息的方法、装置、存储介质及电子设备 |
| CN110443429A (zh) * | 2019-08-13 | 2019-11-12 | 拉扎斯网络科技（上海）有限公司 | 降雨区域的确定方法、装置、电子设备及存储介质 |
| CN110807136A (zh) * | 2019-10-22 | 2020-02-18 | 拉扎斯网络科技（上海）有限公司 | 数据处理方法、数据处理装置、存储介质和电子设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723755A (zh) * | 2021-07-28 | 2021-11-30 | 叶红 | 一种自然资源建库用外业勘探管理*** |
| CN114048614A (zh) * | 2021-11-16 | 2022-02-15 | 中科三清科技有限公司 | 一种预测环境污染的方法和装置 |
| CN114048614B (zh) * | 2021-11-16 | 2023-01-10 | 中科三清科技有限公司 | 一种预测环境污染的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111444009A (zh) | 一种基于深度强化学习的资源分配方法及装置 | |
| CN105094305A (zh) | 识别用户行为的方法、用户设备及行为识别服务器 | |
| CN111768030B (zh) | 银行运输配送线路规划方法和装置、设备以及介质 | |
| CN109636013B (zh) | 配送范围的生成方法、装置、电子设备和存储介质 | |
| CN110956202B (zh) | 基于分布式学习的图像训练方法、***、介质及智能设备 | |
| CN110046755A (zh) | 调拨仓库的确定方法及设备 | |
| CN110378529B (zh) | 一种数据生成的方法、装置、可读存储介质和电子设备 | |
| CN112036695A (zh) | 天气信息的预测方法、装置、可读存储介质和电子设备 | |
| CN111539780B (zh) | 一种任务处理方法、装置、存储介质和电子设备 | |
| CN111459675B (zh) | 一种数据处理方法、装置、可读存储介质和电子设备 | |
| CN110009155B (zh) | 业务区域配送难度的估计方法、装置和电子设备 | |
| CN111598487A (zh) | 数据处理和模型训练方法、装置、电子设备和存储介质 | |
| US11693380B1 (en) | Distribution methods and distribution systems for greenspace irrigation water of smart cities based on internet of things | |
| CN114187412B (zh) | 高精地图生成方法、装置、电子设备及存储介质 | |
| CN111949795A (zh) | 工单自动分类方法及装置 | |
| CN111127154A (zh) | 订单处理方法、装置、服务器和非易失性存储介质 | |
| CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
| EP3282418A1 (en) | A method and system for facilitating optimization of energy in a distributed environment | |
| CN113689125A (zh) | 信息推送方法和装置 | |
| CN110009287A (zh) | 溢价确定方法、装置、设备及存储介质 | |
| CN111105050B (zh) | 风机维护计划的生成方法、装置、设备及存储介质 | |
| CN111582407B (zh) | 任务处理方法、装置、可读存储介质和电子设备 | |
| CN117350640A (zh) | 一种项目进度管理方法与*** | |
| CN112884189A (zh) | 订单量预测模型的训练方法、装置以及设备 | |
| CN114998570A (zh) | 一种对象检测框的确定方法、装置、存储介质及电子装置 |
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 |