CN112053116A - 一种可拼车订单识别方法和装置 - Google Patents
一种可拼车订单识别方法和装置 Download PDFInfo
- Publication number
- CN112053116A CN112053116A CN202010946998.XA CN202010946998A CN112053116A CN 112053116 A CN112053116 A CN 112053116A CN 202010946998 A CN202010946998 A CN 202010946998A CN 112053116 A CN112053116 A CN 112053116A
- Authority
- CN
- China
- Prior art keywords
- order
- point
- carpooled
- longitude
- latitude
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 60
- 238000012549 training Methods 0.000 claims abstract description 50
- 238000011176 pooling Methods 0.000 claims abstract description 36
- 238000013145 classification model Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- 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
- 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
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种可拼车订单识别方法和装置,包括:获取训练样本集,训练样本集包括正样本和负样本;采用正样本和负样本训练预置分类模型,得到目标可拼车订单识别模型;接收用户输入的货源主订单,确定货源主订单的出发点和目的点;基于货源主订单的出发点和目的点生成线路空间块图,将处于线路空间块图的订单作为待拼车订单;采用货源主订单和待拼车订单,构建待拼车样本对;输入待拼车样本对到目标可拼车订单识别模型中,输出可拼车订单。从而解决了现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题,便于车主快速灵活地获取可拼车订单。
Description
技术领域
本发明涉及订单识别技术领域,尤其涉及一种可拼车订单识别方法和装置。
背景技术
随着物流行业和电子信息技术的快速发展,物流运输行业与电子商务联系日益密切,大量货主和车主通过物流运输交易电子商务平台提供的服务对订单进行拼车运输,这在一定程度上解决小批量货源的货主寻车困难和车主合理配载货物难的问题。
但现有的拼车方案通常是通过发布拼单信息,由车主根据自己的行程对发布的拼单信息进行检索,逐一进行信息匹配为主,无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低。
发明内容
本发明提供了一种可拼车订单识别方法和装置,解决了现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题。
本发明提供的一种可拼车订单识别方法,包括:获取训练样本集,所述训练样本集包括正样本和负样本;采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型;接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;所述线路空间块图包括空间块,所述空间块的类型包括geohash块或***S2块;采用所述货源主订单和所述待拼车订单,构建待拼车样本对;输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
可选地,所述获取训练样本集的步骤,包括:根据预置主订单的出发点经纬度和目的点经纬度,从预置地图中确定规划线路;对所述规划线路执行线路点采样操作,得到主线路点集;采用预置中间点查找算法,从所述主线路点集中确定每个预置子订单的出发点经纬度对应的第一目标中间点,以及每个预置子订单的目的点经纬度对应的第二个目标中间点;采用所述预置子订单的出发点与所述预置子订单的目的点之间的第一连接线,以及与所述预置子订单对应的所述第一目标中间点和所述第二目标中间点之间的第二连接线作为连线样本对;通过特征提取算法分别提取多个所述连线样本对中的目标特征;将所述目标特征满足预设可拼车条件对应的连线样本对作为所述正样本;将所述目标特征不满足所述预设可拼车条件对应的连线样本对作为所述负样本。
可选地,所述对所述规划线路执行线路点采样操作,得到主线路点集的步骤,包括:按一级经纬度从所述规划线路中提取多个线路点;所述线路点包括所述预置主订单的出发点、目的点和多个中间点;对所述多个线路点对应的经纬度进行转换,得到与所述多个线路点分别对应的多个空间块;若多个所述空间块两两之间相连接,则采用所述多个线路点构建主线路点集。
可选地,还包括:若存在两两之间未连接的空间块,则获取所述两两之间未连接的空间块对应的线路点作为待插值线路点;采用插值算法对所述待插值线路点之间的区域进行插值,得到至少一个插值点;采用所述多个线路点和所述至少一个插值点构建所述主线路点集。
可选地,所述采用预置中间点查找算法,从所述主线路点集中确定每个预置子订单的出发点经纬度对应的第一目标中间点,以及每个预置子订单的目的点经纬度对应的第二个目标中间点的步骤,包括:分别按照经度和纬度采用所述主线路点集创建经度键值查询字典和纬度键值查询字典;从所述经度键值字典和所述纬度键值字典中确定键值数量最多的字典作为目标查询字典;采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的出发点经纬度对应的第一目标中间点;采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的目的点经纬度对应的第二目标中间点。
可选地,所述采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型的步骤,包括:依次将所述正样本和所述负样本输入到所述预置分类模型,得到多个分类结果;所述分类结果包括满足预设可拼车条件和不满足预设可拼车条件;判断所述多个分类结果的错误率是否小于预设阈值;若是,则输出目标可拼车订单识别模型。
可选地,还包括:若否,则返回所述获取训练样本集的步骤。
可选地,所述基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单的步骤,包括:确定所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度;基于所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度,确定待运输路径;按一级经纬度从所述待运输路径中提取多个待运输点;所述待运输点包括所述货源主订单的出发点、所述货源主订单的目的点和所述货源主订单的中间点;对所述多个待运输点对应的经纬度进行转换,生成线路空间块图;所述线路空间块图包括与所述多个待运输点分别对应的多个空间块;确定出发点的经纬度和目的点的经纬度都处于所述多个空间块中的子订单作为待拼车订单。
可选地,所述采用所述货源主订单和所述待拼车订单,构建待拼车样本对的步骤,包括:获取所述待拼车订单的出发点和所述待拼车订单的目的点;采用预置中间点查找算法,从所述货源主订单的中间点中确定与所述待拼车订单的出发点的经纬度对应的第三目标中间点,以及与所述待拼车订单的目的点的经纬度对应的第四目标中间点;采用所述待拼车订单的出发点与所述待拼车订单的目的点之间的第一连接线,以及所述第三目标中间点和所述第四目标中间点之间的第二连接线作为待拼车样本对。
本发明还提供了一种可拼车订单识别装置,包括:
训练样本集获取模块,用于获取训练样本集,所述训练样本集包括正样本和负样本;目标可拼车订单识别模型生成模块,用于采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型;货源主订单接收模块,用于接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;待拼车订单确定模块,用于基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;所述线路空间块图包括空间块,所述空间块的类型包括geohash块或*** S2块;待拼车样本对构建模块,用于采用所述货源主订单和所述待拼车订单,构建待拼车样本对;可拼车订单输出模块,用于输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
从以上技术方案可以看出,本发明具有以下优点:
在本发明实施例中,基于训练数据集对预置分类模型的训练,得到目标可拼车订单识别模型,接收用户输入的货源主订单,并确定其出发点和目的点,基于上述出发点和目的点生成线路空间块图,将处于线路空间块图内的订单作为待拼车子订单,采用所述货源主订单和所述待拼车订单,构建待拼车样本对,最后将待拼车样本对输入到目标可拼车识别模型中,判断待拼车订单是否可拼车,若是则显示待拼车订单,从而解决了现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题,便于车主快速灵活地获取可拼车订单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种可拼车订单识别方法的步骤流程图;
图2为本发明可选实施例提供的一种可拼车订单识别方法的步骤流程图;
图3示出了本发明实施例的主线路点集的经纬度示意图;
图4a为本发明实施例的线路点构成的路径示意图;
图4b为本发明实施例线路点的插值过程图;
图5为本发明实施例中的连线样本对示意图;
图6为本发明实施例中的目标特征示意图;
图7a为本发明实施例的连线样本对与正样本的比对示意图;
图7b为本发明可选实施例的连线样本对与正样本的比对示意图;
图8为本发明另一实施例中的连线样本对与负样本的比对示意图;
图9为本发明实施例中的预置分类模型的训练过程流程图;
图10为本发明实施例提供的一种可拼车订单识别装置的结构框图。
具体实施方式
本发明实施例提供了一种可拼车订单识别方法和装置,用于解决现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例提供的一种可拼车订单识别方法的步骤流程图。
本发明提供的一种可拼车订单识别方法,包括:
步骤101,获取训练样本集,所述训练样本集包括正样本和负样本;
在本发明实施例中,为对预置分类模型进行训练,以提高判断订单是否可拼车的准确性,此时需要获取用户预先设置的训练样本集,训练样本集包括了正样本和负样本。
值得一提的是,正样本指的是对应的订单能够拼车,负样本指的是对应的订单不能拼车。
步骤102,采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型;
在具体实现中,通过将所述正样本和所述负样本依次输入到预置分类模型进行分类训练,以得到分类结果,当分类结果满足用户设定的要求时,即可得到目标可拼车订单识别模型。
步骤103,接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;
在得到目标可拼车订单识别模型后,可以接收用户输入的货源主订单,进而根据货源主订单中的记录,确定货源主订单的出发点和目的点,以获取货源主订单出发点的经纬度和目的点的经纬度。
步骤104,基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;
在本发明实施例中,所述线路空间块图包括空间块,所述空间块的类型可以包括但不限于:geohash块或*** S2块等,为检索符合可输入到目标可拼车订单识别模型的待拼车订单,可以根据货源主订单的出发点和目的点,生成线路空间块图,若在线路空间块图内存在需要拼车的订单,则将其订单确定为待拼车订单,以便后续基于目标可拼车识别模型判断待拼车订单识别可拼车。
步骤105,采用所述货源主订单和所述待拼车订单,构建待拼车样本对;
在本申请实施例中,在检测到一个或多个待拼车订单后,为能够进一步检测待拼车订单是否可拼车,可以采用货源主订单与待拼车订单构建待拼车样本对,以便于后续目标可拼车订单识别模型的判断过程。
步骤106,输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
在具体实现中,在构建待拼车样本对之后,将待拼车样本对输入到目标可拼车订单识别模型中,进而判断其中的待拼车订单是否可拼车,若是,则可以显示待拼车订单,由车主决定是否进行拼车。
在本发明实施例中,基于训练数据集对预置分类模型的训练,得到目标可拼车订单识别模型,接收用户输入的货源主订单,并确定其出发点和目的点,基于上述出发点和目的点生成线路空间块图,将处于线路空间块图内的订单作为待拼车子订单,采用所述货源主订单和所述待拼车订单,构建待拼车样本对,最后将待拼车样本对输入到目标可拼车识别模型中,判断待拼车订单是否可拼车,若是则显示待拼车订单,从而解决了现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题,便于车主快速灵活地获取可拼车订单。
请参阅图2,图2为本发明可选实施例提供的一种可拼车订单识别方法的步骤流程图,可以包括以下步骤201-208:
步骤201,获取训练样本集,所述训练样本集包括正样本和负样本;
在本发明实施例中,所述步骤201可以包括以下子步骤S1-S7:
子步骤S1,根据预置主订单的出发点经纬度和目的点经纬度,从预置地图中确定规划线路;
在具体实现中,可以通过导航软件中输入预置主订单的出发点经纬度和目的点经纬度,在预置的地图中生成规划线路。
可选地,还可以根据用户自定义规则确定规划线路。
参见图3,图3示出了本发明实施例的主线路点集的经纬度示意图,其中包括了主线路点集中的部分点的经纬度。
子步骤S2,对所述规划线路执行线路点采样操作,得到主线路点集;
参见图4a,图4a示出了本发明实施例的线路点构成的路径示意图,其中包括出发点、目的点和多个主订单路径中间采样点,所述子步骤S2可以包括以下子步骤:
按一级经纬度从所述规划线路中提取多个线路点;所述线路点包括所述预置主订单的出发点、目的点和多个中间点;
对所述多个线路点对应的经纬度进行转换,得到与所述多个线路点分别对应的多个空间块;
若多个所述空间块两两之间相连接,则采用所述多个线路点构建主线路点集。
值得一提的是,所述geohash块可以通过Geohash算法获得,所述*** S2块可以通过Google S2算法获得,所述Geohash算法和Google S2算法都是将经纬度编码,将二维变一维,给地址位置分区的一种算法。
所述一级经纬度指的是经度或纬度为预设间隔的经纬度。
在本发明实施例中,在获取到规划线路后,还需要对规划线路进行线路点提取,而为了防止后续子订单匹配过程中计算量过大,此时可以根据一级经纬度提取多个规划线路的线路点;再通过预置geohash算法对上述线路点的经纬度进行转换,得到对应的多个空间块。当多个空间块两两之间相互连接,则直接采用多个线路点组成点集,得到主线路点集。
参见图4b,图4b示出了本发明实施例线路点的插值过程图,其中包括了由预置主订单的线路点的经纬度所转换的多个空间块。
进一步地,所述子步骤S2还可以包括以下子步骤:
若存在两两之间未连接的空间块,则获取所述两两之间未连接的空间块对应的线路点作为待插值线路点;
采用插值算法对所述待插值线路点之间的区域进行插值,得到至少一个插值点;
采用所述多个线路点和所述至少一个插值点构建所述主线路点集。
在本发明实施例中,由于一级经纬度之间的距离可能会相隔较远,可能会出现存在两两之间未连接的空间块的情况,此时可以通过获取两两之间未连接的空间块对应的线路点作为待插值线路点,采用插值算法对待插值线路点之间的区域进行插值,以获取多个插值点;采用所述多个线路点和所述至少一个插值点所构成的点集作为主线路点集,从而保持了空间块之间不再断开,保持连贯,进而防止子订单的出发点和目的点落在所述待插值线路点之间的区域,无法检测到该子订单的情况。
其中,插值算法可以采用等距插值算法,或者其他不等距插值算法,本申请对此不作限制。
子步骤S3,采用预置中间点查找算法,从所述主线路点集中确定每个预置子订单的出发点经纬度对应的第一目标中间点,以及每个预置子订单的目的点经纬度对应的第二个目标中间点;
在本发明的一个示例中,所述子步骤S3可以包括以下子步骤:
分别按照经度和纬度采用所述主线路点集创建经度键值查询字典和纬度键值查询字典;
从所述经度键值字典和所述纬度键值字典中确定键值数量最多的字典作为目标查询字典;
采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的出发点经纬度对应的第一目标中间点;
采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的目的点经纬度对应的第二目标中间点。
在本发明实施例中,当获取到主线路点集后,则可以分别按照经度和纬度各创建一个对应的键值查询字典,也就是经度键值查询字典和纬度键值查询字典。
在具体实现中,构建键值查询字典的过程可以如下:
建立经纬度字典键的公式如下:
lonkey_i=|lon_key_x|,min_lon<=x<=max_lon
latkey_i=|lat_key_x|,min_lat<=x<=max_lat
其中:min_lon为当前主订单线路的最小经度;max_lon为当前主订单线路的最大经度;min_lat为当前主订单线路的最小纬度;max_lat为当前主订单线路的最大纬度。
键值查询字典如下:
lonkey_i:
(lon_lonkey_i_x1,lat_latkey_n1_y1)
(lon_lonkey_i_x2,lat_latkey_n2_y2)
(lon_lonkey_i_x3,lat_latkey_n3_y3)
(lon_lonkey_i_x4,lat_latkey_n2_y4)
以经纬度为(103,25)和(104,26)为例,所得到的经度键值字典和纬度键值字典如下:
经度键值字典:
lonkey:103
[103.82381,25.565736]
[103.875265,25.654019]
lonkey:104
[104.355421,25.674809]
[104.907274,25.801758]
[104.988451,25.780516]
纬度键值字典:
latkey:25
[103.82381,25.565736]
[103.875265,25.654019]
[104.355421,25.674809]
[104.907274,25.801758]
[104.988451,25.780516]
latkey:26
[105.704427,26.030069]
[105.90691,26.20362]
[106.368016,26.498424]
[106.432995,26.526775]
从所述经度键值字典和纬度键值字典中选取一个键值数量最多的字典作为目标查询字典,以预置主订单出发地经纬度为:(103.82381,25.565736),目的地经纬度为:(111.9253,33.03928)为例,根据主订单路线获得的经度键值字典和纬度键值字典的键值列表为:
经度键值列表:
dict_keys([103,104,105,106,107,108,109,110,111,112,102,113])
纬度键值列表:
dict_keys([25,26,27,28,29,30,31,32,33,24,34])
可以看到经度键值字典查询得到12个键值,纬度键键值字典查询得到11个键值,所以选经度键值字典更合适。
采用选定的目标查询字典,从所述主线路点集中确定每个所述预置子订单的出发点经纬度对应的第一目标中间点;
采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的目的点经纬度对应的第二目标中间点。
在本发明实施例中,以预置子订单线路为:(106,26)到(111,30)为例,采用上述确定的目标查询字典,即经度键值字典进行查询,所得到的结果为:
依据子订单的出发点查询到的第一结果为:
lonkey:106
[106.368016,26.498424]
[106.432995,26.526775]
[106.56753,26.585955]
[106.683199,26.694735]
[106.802274,26.699852]
[106.904592,26.832105]
依据子订单目的点查询到的第二结果为:
lonkey:111
[111.144582,28.672934]
[111.385084,28.804119]
[111.625586,28.935304]
[111.744527,28.906615]
[111.8709225,29.421682]
[111.93412025,29.6792155]
[111.997318,29.936749]
[111.996426,32.771209]
[111.769822,32.988989]
[111.795469,33.096272]
[111.865764,33.08105]
[111.925304,33.039015]
[111.9253,33.03928]
最后分别计算子订单出发点与上述第一结果中的每个点的欧几里得距离,选择欧几里得距离最小的点作为第一目标中间点,在本例中也就是[106.56753,26.585955];
分别计算子订单出发点与上述第二结果中的每个点的欧几里得距离,选择欧几里得距离最小的点作为第二目标中间点,在本例中也就是[111.99731829.936749]。
子步骤S4,采用所述预置子订单的出发点与所述预置子订单的目的点之间的第一连接线,以及与所述预置子订单对应的所述第一目标中间点和所述第二目标中间点之间的第二连接线作为连线样本对;
参见图5,图5示出了本发明实施例中的连线样本对示意图。
在具体实现中,所述第一目标中间点和第二目标中间点是与子订单出发地目的地分别对应的中间点,而连接子订单出发地和目的地得到子订单出发地目的地连线,也就是第一连接线,连接所述第一目标中间点和第二目标中间点得到与子订单最近的中间点连线,也就是第二连接线,采用第一连接线和第二连接线组合,得到连线样本对。
子步骤S5,通过特征提取算法分别提取多个所述连线样本对中的目标特征;
特征提取算法指的是计算所述连线样本对中的第一连接线和第二连接线之间的相互关系的算法。
参见图6,图6示出了本发明实施例中目标特征示意图,其中主单为主订单,拼单为子订单,目标特征可以包括但不限于以下特征:
特征1:拼车订单出发地到主订单线路上采样点的最短距离sf_mfs_dist
特征2:拼车订单出发地到主订单线路上采样点的最短距离,与主订单区间段线路比
sf_mfs_dist/mfs_mts_dist
特征3:拼车订单出发地到主订单的线路上采样点的最短距离,与拼车订单线路比
sf_mfs_dist/sub_dist
特征4:拼车订单目的地到主订单线路上采样点的最短距离st_mts_dist
特征5:拼车订单目的地到主订单线路上采样点的最短距离,与主订单区间段线路比
st_mts_dist/mfs_mts_dist
特征6:拼车订单目的地到主订单线路上采样点的最短距离,与拼车订单线路比
st_mts_dist/sub_dist
特征7:靠近主订单目的地采样点---->靠近主订单出发地采样点---->拼车目的地,所形成的角度theta1
特征8:靠近主订单出发地采样点---->靠近主订单目的地采样点---->拼车出发地,所形成的角度theta2
特征9:拼车订单直线距离,与主订单直线距离比
sub_dist/main_dist
特征10:拼车订单绕路总距离,与主订单区间段直线距离比
(sf_mfs_dist+sub_dist+st_mts_dist)/mfs_mts_dist
特征11:拼车订单绕路额外距离,与拼车订单直线距离比
(sf_mfs_dist+st_mts_dist)/sub_dist
其中,各项目标特征的缩写为:
(1)main_dist:main_from---->main_to
(2)sub_dist:sub_from---->sub_to
(3)sf_mfs_dist:sub_from---->main_from_sample
(4)sf_mts_dist:sub_from---->main_to_sample
(5)st_mts_dist:sub_to---->main_to_sample
(6)st_mfs_dist:sub_to---->main_from_sample
(7)mfs_mts_dist:main_from_sample---->main_to_sample
子步骤S6,将所述目标特征满足预设可拼车条件对应的连线样本对作为所述正样本;
为便于比对,请参阅图7a和图7b,图7a和图7b分别示出了本发明两个可选实施例的连线样本对与正样本的比对示意图,其中正样本可以在数据显示的最后标注为1,其中未标注的样本为未打标签时的样本,已标注的样本为打过标签后的样本。
在本发明实施例中,在获取到目标特征后,根据用户设置的预设可拼车条件对目标特征进行判断,以确定属于正样本的预置子订单。
例如:目标特征为拼车订单直线距离与主订单直线距离之比,则可以设置预设可拼车条件为拼车订单直线距离与主订单直线距离之比小于某一阈值。
其中,目标特征可以包括多个,每个目标特征都具有对应的预设可拼车条件,当具有多个目标特征时,判定所有目标特征都满足预设可拼车条件的情况下才确定对应的连线样本对为正样本,否则确定为负样本。
子步骤S7,将所述目标特征不满足所述预设可拼车条件对应的连线样本对作为所述负样本。
请参阅图8,图8示出了本发明另一实施例中的连线样本对与负样本的比对示意图,其中负样本可以在数据显示的最后标注为0。
在本发明的另一个示例中,上述步骤102可以替换为以下步骤202-205:
参见图9,图9示出了本发明实施例中的预置分类模型的训练过程流程图。
步骤202,依次将所述正样本和所述负样本输入到所述预置分类模型,得到多个分类结果;
在本发明实施例中,依次将正样本和负样本输入到所述预置分类模型后,每输入一个正样本或者负样本则运行所述预置分类模型一次,得到一个分类结果;所述分类结果包括满足预设可拼车条件和不满足预设可拼车条件。
步骤203,判断所述多个分类结果的错误率是否小于预设阈值;
步骤204,若是,则输出目标可拼车订单识别模型。
当所述预置分类模型的迭代次数达到阈值时,即所有正样本和负样本都输入完成后,根据输出的分类结果与正样本和负样本的正确分类进行比较,当误差小于误差阈值时,则说明此时预置分类模型已经训练完成,可以输出目标可拼车订单识别模型。
值得一提的是,所述误差阈值可以根据实际情况由用户自行设置,本发明实施例对此不作限制。
步骤205,若否,则返回所述获取训练样本集的步骤。
在具体实现中,可能会出现一个训练样本集对预置分类模型进行训练依然无法得到目标可拼车订单识别模型,此时可以返回到获取训练样本集的步骤,重新获取新的训练样本集继续进行模型的训练过程。
可选地,还可以在调整所述预置分类模型的结构后,返回将训练样本集的正样本和负样本输入所述预置分类模型的步骤,本发明实施例对此不作限制。
步骤206,接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;
在本发明实施例中,步骤206的具体实施过程与上述步骤103类似,在此不再赘述。
步骤207,基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;
在本发明实施例中,所述步骤207可以步骤以下子步骤:
确定所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度;
基于所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度,确定待运输路径;
按一级经纬度从所述待运输路径中提取多个待运输点;所述待运输点包括所述货源主订单的出发点、所述货源主订单的目的点和所述货源主订单的中间点;
对所述多个待运输点对应的经纬度进行转换,生成线路空间块图;所述线路空间块图包括与所述多个待运输点分别对应的多个空间块;
确定出发点的经纬度和目的点的经纬度都处于所述多个空间块中的子订单作为待拼车订单。
在具体实现中,基于所述货源主订单的出发点的经纬度和目的点的经纬度,结合预置导航软件或者导航地图,确定待运输路径;基于待运输路径中的各个待运输点转换而来的空间块,通过判断子订单的出发点的经纬度和目的点的经纬度是否都处于空间块内,若是,则确定为待拼车订单。
步骤208,采用所述货源主订单和所述待拼车订单,构建待拼车样本对;
可选地,所述步骤208可以包括以下子步骤:
获取所述待拼车订单的出发点和所述待拼车订单的目的点;
采用预置中间点查找算法,从所述货源主订单的中间点中确定与所述待拼车订单的出发点的经纬度对应的第三目标中间点,以及与所述待拼车订单的目的点的经纬度对应的第四目标中间点;
采用所述待拼车订单的出发点与所述待拼车订单的目的点之间的第一连接线,以及所述第三目标中间点和所述第四目标中间点之间的第二连接线作为待拼车样本对。
在本申请实施例中,由于训练得到的目标可拼车订单识别模型所需要的输入的样本对。为此在基于货源主订单识别出待拼车订单之后,获取待拼车订单的出发点和待拼车订单的目的点,基于上述预置中间点查找算法,从货源主订单的中间点中确定与所述待拼车订单的出发点的经纬度对应的第三目标中间点,以及与所述待拼车订单的目的点的经纬度对应的第四目标中间点;连接待拼车订单的出发点和所述待拼车订单的目的点作为第三连接线,连接第三目标中间点和第四目标中间点作为第四连接线,采用第三连接线和第四连接线作为待拼车样本对。
步骤209,输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
在本发明的另一示例中,在获取到待拼车订单后,将所述待拼车样本对输入到所述目标可拼车订单识别模型中,目标可拼车订单识别模型根据所述待拼车样本对的特征进行分类,以确定其中的待拼车订单是否满足预设可拼车条件,将满足预设可可拼车条件的待拼车订单作为可拼车订单进行输出,在实际操作中还可以展示在屏幕上给车主进行查看,以便车主进行进一步确认是否拼车。
在本发明实施例中,基于训练数据集对预置分类模型的训练,得到目标可拼车订单识别模型,接收用户输入的货源主订单,并确定其出发点和目的点,基于上述出发点和目的点生成线路空间块图,将处于线路空间块图内的订单作为待拼车子订单,采用所述货源主订单和所述待拼车订单,构建待拼车样本对,最后将待拼车样本对输入到目标可拼车识别模型中,判断待拼车订单是否可拼车,若是则显示待拼车订单,从而解决了现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题,便于车主快速灵活地获取可拼车订单。
请参阅图10,图10为本发明可选实施例提供的一种可拼车订单识别装置的结构框图。
一种可拼车订单识别装置,包括:
训练样本集获取模块901,用于获取训练样本集,所述训练样本集包括正样本和负样本;
目标可拼车订单识别模型生成模块902,用于采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型;
货源主订单接收模块903,用于接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;
待拼车订单确定模块904,用于基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;
待拼车样本对构建模块905,用于采用所述货源主订单和所述待拼车订单,构建待拼车样本对;
可拼车订单输出模块906,用于输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
可选地,所述训练样本集获取模块901包括:
规划线路确定子模块,用于根据预置主订单的出发点经纬度和目的点经纬度,从预置地图中确定规划线路;
主线路点集确定子模块,用于对所述规划线路执行线路点采样操作,得到主线路点集;
目标中间点查找子模块,用于采用预置中间点查找算法,从所述主线路点集中确定每个预置子订单的出发点经纬度对应的第一目标中间点,以及每个预置子订单的目的点经纬度对应的第二个目标中间点;
连线样本对生成子模块,用于采用所述预置子订单的出发点与所述预置子订单的目的点之间的第一连接线,以及与所述预置子订单对应的所述第一目标中间点和所述第二目标中间点之间的第二连接线作为连线样本对;
目标特征提取子模块,用于通过特征提取算法分别提取多个所述连线样本对中的目标特征;
正样本确定子模块,用于将所述目标特征满足预设可拼车条件对应的连线样本对作为所述正样本;
负样本子模块,用于将所述目标特征不满足所述预设可拼车条件对应的连线样本对作为所述负样本。
可选地,所述主线路点集确定子模块包括:
线路点提取单元,用于按一级经纬度从所述规划线路中提取多个线路点;所述线路点包括所述预置主订单的出发点、目的点和多个中间点;
空间块确定单元,用于对所述多个线路点对应的经纬度进行转换,得到与所述多个线路点分别对应的多个空间块;所述线路空间块图包括空间块,所述空间块的类型包括geohash块或*** S2块;
第一主线路点集构建单元,用于若多个所述空间块两两之间相连接,则采用所述多个线路点构建主线路点集。
可选地,所述主线路点集确定子模块还包括:
待插值线路点确定单元,用于若存在两两之间未连接的空间块,则获取所述两两之间未连接的空间块对应的线路点作为待插值线路点;
插值点确定单元,用于采用插值算法对所述待插值线路点之间的区域进行插值,得到至少一个插值点;
第二主线路点集构建单元,用于采用所述多个线路点和所述至少一个插值点构建所述主线路点集。
可选地,所述目标中间点查找子模块包括:
字典创建单元,用于分别按照经度和纬度采用所述主线路点集创建经度键值查询字典和纬度键值查询字典;
目标查询字典确定单元,用于从所述经度键值字典和所述纬度键值字典中确定键值数量最多的字典作为目标查询字典;
第一目标中间点确定单元,用于采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的出发点经纬度对应的第一目标中间点;
第二目标中间点确定单元,用于采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的目的点经纬度对应的第二目标中间点。
可选地,所述目标可拼车订单识别模型生成模块902包括:
分类结果确定子模块,用于依次将所述正样本和所述负样本输入到所述预置分类模型,得到多个分类结果;所述分类结果包括满足预设可拼车条件和不满足预设可拼车条件;
错误率判断子模块,用于判断所述多个分类结果的错误率是否小于预设阈值;
目标可拼车订单识别模型生成子模块,用于若是,则输出目标可拼车订单识别模型。
可选地,所述目标可拼车订单识别模型生成模块902还包括:
返回子模块,用于若否,则返回所述获取训练样本集的步骤。
可选地,所述待拼车订单确定模块904包括:
货源主订单经纬度确定子模块,用于确定所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度;
待运输路径确定子模块,用于基于所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度,确定待运输路径;
待运输点提取子模块,用于按一级经纬度从所述待运输路径中提取多个待运输点;所述待运输点包括所述货源主订单的出发点、所述货源主订单的目的点和所述货源主订单的中间点;
线路空间块图生成子模块,用于对所述多个待运输点对应的经纬度进行转换,生成线路空间块图;所述线路空间块图包括与所述多个待运输点分别对应的多个空间块;
待拼车订单确定子模块,用于确定出发点的经纬度和目的点的经纬度都处于所述多个空间块中的子订单作为待拼车订单。
可选地,所述待拼车样本对构建模块905包括:
待拼车订单数据获取子模块,用于获取所述待拼车订单的出发点和所述待拼车订单的目的点;
目标中间点确定子模块,用于采用预置中间点查找算法,从所述货源主订单的中间点中确定与所述待拼车订单的出发点的经纬度对应的第三目标中间点,以及与所述待拼车订单的目的点的经纬度对应的第四目标中间点;
待拼车样本对生成子模块,用于采用所述待拼车订单的出发点与所述待拼车订单的目的点之间的第三连接线,以及所述第三目标中间点和所述第四目标中间点之间的第四连接线作为待拼车样本对。
在本发明实施例中,基于训练数据集对预置分类模型的训练,得到目标可拼车订单识别模型,接收用户输入的货源主订单,并确定其出发点和目的点,基于上述出发点和目的点生成线路空间块图,将处于线路空间块图内的订单作为待拼车子订单,采用所述货源主订单和所述待拼车订单,构建待拼车样本对,最后将待拼车样本对输入到目标可拼车识别模型中,判断待拼车订单是否可拼车,若是则显示待拼车订单,从而解决了现有技术中无法自动识别可拼车订单,车主难以快速灵活地获取可拼车的订单,物流资源的有效利用率较低的技术问题,便于车主快速灵活地获取可拼车订单。
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,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明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。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元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接口,装置或单元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单元可以是或者也可以不是物理上分开的,作为单元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,在本发明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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明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全部或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)执行本发明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、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。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种可拼车订单识别方法,其特征在于,包括:
获取训练样本集,所述训练样本集包括正样本和负样本;
采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型;
接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;
基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;所述线路空间块图包括空间块,所述空间块的类型包括geohash块或*** S2块;
采用所述货源主订单和所述待拼车订单,构建待拼车样本对;
输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
2.根据权利要求1所述的方法,其特征在于,所述获取训练样本集的步骤,包括:
根据预置主订单的出发点经纬度和目的点经纬度,从预置地图中确定规划线路;
对所述规划线路执行线路点采样操作,得到主线路点集;
采用预置中间点查找算法,从所述主线路点集中确定每个预置子订单的出发点经纬度对应的第一目标中间点,以及每个预置子订单的目的点经纬度对应的第二个目标中间点;
采用所述预置子订单的出发点与所述预置子订单的目的点之间的第一连接线,以及与所述预置子订单对应的所述第一目标中间点和所述第二目标中间点之间的第二连接线作为连线样本对;
通过特征提取算法分别提取多个所述连线样本对中的目标特征;
将所述目标特征满足预设可拼车条件对应的连线样本对作为所述正样本;
将所述目标特征不满足所述预设可拼车条件对应的连线样本对作为所述负样本。
3.根据权利要求2所述的方法,其特征在于,所述对所述规划线路执行线路点采样操作,得到主线路点集的步骤,包括:
按一级经纬度从所述规划线路中提取多个线路点;所述线路点包括所述预置主订单的出发点、目的点和多个中间点;
对所述多个线路点对应的经纬度进行转换,得到与所述多个线路点分别对应的多个空间块;
若多个所述空间块两两之间相连接,则采用所述多个线路点构建主线路点集。
4.根据权利要求3所述的方法,其特征在于,还包括:
若存在两两之间未连接的空间块,则获取所述两两之间未连接的空间块对应的线路点作为待插值线路点;
采用插值算法对所述待插值线路点之间的区域进行插值,得到至少一个插值点;
采用所述多个线路点和所述至少一个插值点构建所述主线路点集。
5.根据权利要求2所述的方法,其特征在于,所述采用预置中间点查找算法,从所述主线路点集中确定每个预置子订单的出发点经纬度对应的第一目标中间点,以及每个预置子订单的目的点经纬度对应的第二个目标中间点的步骤,包括:
分别按照经度和纬度采用所述主线路点集创建经度键值查询字典和纬度键值查询字典;
从所述经度键值字典和所述纬度键值字典中确定键值数量最多的字典作为目标查询字典;
采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的出发点经纬度对应的第一目标中间点;
采用所述目标查询字典,从所述主线路点集中确定每个所述预置子订单的目的点经纬度对应的第二目标中间点。
6.根据权利要求1所述的方法,其特征在于,所述采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型的步骤,包括:
依次将所述正样本和所述负样本输入到所述预置分类模型,得到多个分类结果;所述分类结果包括满足预设可拼车条件和不满足预设可拼车条件;
判断所述多个分类结果的错误率是否小于预设阈值;
若是,则输出目标可拼车订单识别模型。
7.根据权利要求6所述的方法,其特征在于,还包括:
若否,则返回所述获取训练样本集的步骤。
8.根据权利要求1所述的方法,其特征在于,所述基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单的步骤,包括:
确定所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度;
基于所述货源主订单的出发点的经纬度和所述货源主订单的目的点的经纬度,确定待运输路径;
按一级经纬度从所述待运输路径中提取多个待运输点;所述待运输点包括所述货源主订单的出发点、所述货源主订单的目的点和所述货源主订单的中间点;
对所述多个待运输点对应的经纬度进行转换,生成线路空间块图;所述线路空间块图包括与所述多个待运输点分别对应的多个空间块;
确定出发点的经纬度和目的点的经纬度都处于所述多个空间块中的子订单作为待拼车订单。
9.根据权利要求8所述的方法,其特征在于,所述采用所述货源主订单和所述待拼车订单,构建待拼车样本对的步骤,包括:
获取所述待拼车订单的出发点和所述待拼车订单的目的点;
采用预置中间点查找算法,从所述货源主订单的中间点中确定与所述待拼车订单的出发点的经纬度对应的第三目标中间点,以及与所述待拼车订单的目的点的经纬度对应的第四目标中间点;
采用所述待拼车订单的出发点与所述待拼车订单的目的点之间的第三连接线,以及所述第三目标中间点和所述第四目标中间点之间的第四连接线作为待拼车样本对。
10.一种可拼车订单识别装置,其特征在于,包括:
训练样本集获取模块,用于获取训练样本集,所述训练样本集包括正样本和负样本;
目标可拼车订单识别模型生成模块,用于采用所述正样本和所述负样本训练预置分类模型,得到目标可拼车订单识别模型;
货源主订单接收模块,用于接收用户输入的货源主订单,确定所述货源主订单的出发点和目的点;
待拼车订单确定模块,用于基于所述货源主订单的出发点和目的点生成线路空间块图,将处于所述线路空间块图的订单作为待拼车订单;所述线路空间块图包括空间块,所述空间块的类型包括geohash块或*** S2块;
待拼车样本对构建模块,用于采用所述货源主订单和所述待拼车订单,构建待拼车样本对;
可拼车订单输出模块,用于输入所述待拼车样本对到所述目标可拼车订单识别模型中,输出可拼车订单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946998.XA CN112053116B (zh) | 2020-09-10 | 2020-09-10 | 一种可拼车订单识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946998.XA CN112053116B (zh) | 2020-09-10 | 2020-09-10 | 一种可拼车订单识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053116A true CN112053116A (zh) | 2020-12-08 |
CN112053116B CN112053116B (zh) | 2023-11-03 |
Family
ID=73610905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010946998.XA Active CN112053116B (zh) | 2020-09-10 | 2020-09-10 | 一种可拼车订单识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053116B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468255A (zh) * | 2023-06-15 | 2023-07-21 | 国网信通亿力科技有限责任公司 | 一种配置化主数据管理*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095373A (zh) * | 2015-06-30 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 一种基于路径的订单推送方法及装置 |
CN105894359A (zh) * | 2016-03-31 | 2016-08-24 | 百度在线网络技术(北京)有限公司 | 订单推送方法、装置及*** |
CN107798403A (zh) * | 2016-09-07 | 2018-03-13 | 北京嘀嘀无限科技发展有限公司 | 一种拼车订单处理方法、服务器、终端设备和*** |
DE102017207124A1 (de) * | 2017-04-27 | 2018-10-31 | Audi Ag | Verfahren zum Betreiben eines Carsharing-Systems und Carsharing-System |
CN109583605A (zh) * | 2017-09-29 | 2019-04-05 | 北京嘀嘀无限科技发展有限公司 | 拼车方法及装置、计算机设备和可读存储介质 |
CN110782301A (zh) * | 2019-02-25 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种拼单方法、装置、电子设备及计算机可读存储介质 |
CN110998648A (zh) * | 2018-08-09 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种分配订单的***和方法 |
CN111415024A (zh) * | 2019-01-04 | 2020-07-14 | 北京嘀嘀无限科技发展有限公司 | 一种到达时间预估方法以及预估装置 |
-
2020
- 2020-09-10 CN CN202010946998.XA patent/CN112053116B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095373A (zh) * | 2015-06-30 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 一种基于路径的订单推送方法及装置 |
CN105894359A (zh) * | 2016-03-31 | 2016-08-24 | 百度在线网络技术(北京)有限公司 | 订单推送方法、装置及*** |
CN107798403A (zh) * | 2016-09-07 | 2018-03-13 | 北京嘀嘀无限科技发展有限公司 | 一种拼车订单处理方法、服务器、终端设备和*** |
DE102017207124A1 (de) * | 2017-04-27 | 2018-10-31 | Audi Ag | Verfahren zum Betreiben eines Carsharing-Systems und Carsharing-System |
CN109583605A (zh) * | 2017-09-29 | 2019-04-05 | 北京嘀嘀无限科技发展有限公司 | 拼车方法及装置、计算机设备和可读存储介质 |
CN110998648A (zh) * | 2018-08-09 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种分配订单的***和方法 |
CN111415024A (zh) * | 2019-01-04 | 2020-07-14 | 北京嘀嘀无限科技发展有限公司 | 一种到达时间预估方法以及预估装置 |
CN110782301A (zh) * | 2019-02-25 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种拼单方法、装置、电子设备及计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468255A (zh) * | 2023-06-15 | 2023-07-21 | 国网信通亿力科技有限责任公司 | 一种配置化主数据管理*** |
CN116468255B (zh) * | 2023-06-15 | 2023-09-08 | 国网信通亿力科技有限责任公司 | 一种配置化主数据管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN112053116B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361188B2 (en) | Method and apparatus for optimizing tag of point of interest | |
CN108038183A (zh) | 结构化实体收录方法、装置、服务器和存储介质 | |
US10480954B2 (en) | Vehicle routing guidance to an authoritative location for a point of interest | |
CN110008973B (zh) | 一种模型训练方法、基于模型确定目标用户的方法及装置 | |
CN113032672A (zh) | 多模态poi特征的提取方法和装置 | |
CN112860993B (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
CN111666427A (zh) | 一种实体关系联合抽取方法、装置、设备及介质 | |
CN114357105B (zh) | 地理预训练模型的预训练方法及模型微调方法 | |
CN107004025A (zh) | 图像检索装置及检索图像的方法 | |
CN110781818B (zh) | 视频分类方法、模型训练方法、装置及设备 | |
CN111861178B (zh) | 服务匹配模型的训练方法、服务匹配方法、设备及介质 | |
CN111461164A (zh) | 样本数据集的扩容方法及模型的训练方法 | |
CN109858031B (zh) | 神经网络模型训练、上下文预测方法及装置 | |
CN114691680A (zh) | 维修案例信息查询方法、装置、电子设备及存储介质 | |
CN112053116A (zh) | 一种可拼车订单识别方法和装置 | |
EP3696686A1 (en) | Feature value generation device, feature value generation method, and feature value generation program | |
CN114913330B (zh) | 点云部件分割方法、装置、电子设备与存储介质 | |
CN116485413A (zh) | 基于区块链的物流信息检索与风险度评测方法 | |
CN116777528A (zh) | 一种商品信息推荐方法、装置、计算机设备和存储介质 | |
CN114756720B (zh) | 时序数据的预测方法及装置 | |
CN116228419A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN113705201B (zh) | 基于文本的事件概率预测评估算法、电子设备及存储介质 | |
CN114332509B (zh) | 图像处理方法、模型训练方法、电子设备及自动驾驶车辆 | |
CN113836446A (zh) | 出行信息的向量化表示方法及装置 | |
CN114429801A (zh) | 数据处理方法、训练方法、识别方法、装置、设备及介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230724 Address after: 6th Floor, Building 3 (A), Wanbo Science and Technology Park, No. 20 Fengxin Road, Yuhuatai District, Nanjing City, Jiangsu Province, 210012 Applicant after: Jiangsu Yunmanman Tongcheng Information Technology Co.,Ltd. Address before: 510000 rooms 301, 302, 303 and 305, building 2, No. 23, Dongpu Yiheng Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou huihuiche Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |