CN112650927B - 管理候选乘车点的方法、装置、电子设备和存储介质 - Google Patents
管理候选乘车点的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112650927B CN112650927B CN202011606983.5A CN202011606983A CN112650927B CN 112650927 B CN112650927 B CN 112650927B CN 202011606983 A CN202011606983 A CN 202011606983A CN 112650927 B CN112650927 B CN 112650927B
- Authority
- CN
- China
- Prior art keywords
- candidate
- point
- ride
- risk
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 35
- 238000010586 diagram Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 238000001914 filtration Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及管理候选乘车点的方法、装置、电子设备和存储介质。在一种方法中,响应于确定由用户指定的乘车点所在路段的停车风险高于第一预定风险阈值,获取乘车点附近的候选乘车点。获取候选乘车点所在的候选路段的候选停车风险。响应于确定候选停车风险不高于第二预定风险阈值,接收候选路段的相邻路段的历史状态。基于相邻路段的历史状态,确定候选乘车点的推荐指标。进一步,提供了相应的装置、电子设备和存储介质。以此方式,可以以更为准确并且有效的方式来管理候选乘车点。进一步,可以推荐更加有助于降低停车风险的候选乘车点。
Description
本公开的各实现方式涉及数据处理,更具体地,涉及用于管理候选乘车点的方法、装置、电子设备和存储介质。
背景技术
随着导航技术以及在线车辆调度技术的发展,目前已经提供了越来越多的驾驶辅助相关的应用。这些应用可以向司机提供导航服务并且将车辆引导至期望的地点。在真实道路环境中,可能会存在禁止停车和限制停车的区域。如果车辆在这些区域停车,则可能会干扰正常的交通秩序并且产生罚单。已经提出了将车辆引导至具有较低停车风险的候选乘车点的技术方案。然而,乘客对于这些候选乘车点的满意度较低。此时,如何以更为准确的方式评价候选乘车点的优劣,成为一个研究热点。
发明内容
期望能够开发并实现一种以更为有效的方式来管理候选乘车点的技术方案。期望该技术方案能够与现有应用程序相兼容,并且以更为有效的方式提供更加符合乘客需求的候选乘车点,进而将车辆引导至具有较低停车风险的候选乘车点。
根据本公开的第一方面,提供了一种用于管理候选乘车点的方法。在该方法中,响应于确定由用户指定的乘车点所在路段的停车风险高于第一预定风险阈值,获取乘车点附近的候选乘车点。获取候选乘车点所在的候选路段的候选停车风险。响应于确定候选停车风险不高于第二预定风险阈值,接收候选路段的相邻路段的历史状态。基于相邻路段的历史状态,确定候选乘车点的推荐指标。
根据本公开的第二方面,提供了一种用于管理候选乘车点的装置。该装置包括:候选乘车点获取模块,配置用于响应于确定由用户指定的乘车点所在路段的停车风险高于第一预定风险阈值,获取乘车点附近的候选乘车点;风险获取模块,配置用于获取候选乘车点所在的候选路段的候选停车风险;接收模块,配置用于响应于确定候选停车风险不高于第二预定风险阈值,接收候选路段的相邻路段的历史状态;以及确定模块,配置用于基于相邻路段的历史状态,确定候选乘车点的推荐指标。
根据本公开的第三方面,提供了一种电子设备,包括:存储器和处理器;其中存储器用于存储一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。
附图说明
结合附图并参考以下详细说明,本公开各实现方式的特征、优点及其他方面将变得更加明显,在此以示例性而非限制性的方式示出了本公开的若干实现方式。在附图中:
图1示意性示出了其中可以使用根据本公开的一个示例性实现方式的技术方案的道路环境的框图;
图2示意性示出了根据本公开的示例性实现方式的用于管理候选乘车点的过程的框图;
图3示意性示出了根据本公开的示例性实现方式的用于管理候选乘车点的方法的流程图;
图4示意性示出了根据本公开的示例性实现方式的确定用于确定候选乘车点的候选停车风险的过程的框图;
图5示意性示出了根据本公开的示例性实现方式的道路中的风险分布的框图;
图6示意性示出了根据本公开的示例性实现方式的用于确定候选乘车点的推荐指标的过程的框图;
图7示意性示出了根据本公开的示例性实现方式的多个候选乘车点的分布的框图;以及
图8示意性示出了根据本公开的示例性实现的用于管理候选乘车点的计算设备/服务器的框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实现。虽然附图中显示了本公开的优选实现,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实现所限制。相反,提供这些实现是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实现”和“一个实现”表示“至少一个示例实现”。术语“另一实现”表示“至少一个另外的实现”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
在下文中,首先参见图1描述根据本公开的一个示例性实现方式的应用环境。图1示意性示出了其中可以使用根据本公开的一个示例性实现方式的技术方案的道路环境100的框图。真实道路环境中可以包括多个道路,关于在道路两旁是否可以停车,不同的道路可以具有不同的规定。例如,道路110两侧可以设置有多个交通标志。具体地,交通标志120可以表示禁止车辆长时间停车,并且交通标志122可以表示禁止车辆停车。同时,在道路附近还可以设置摄像头130,并且在道路110的路面上可以绘制有不同的图案,用于指示有关禁止、限制停车的多种规定。当司机驾驶车辆140在道路110上行驶时,有时可能会忽略这些交通标志,进而导致出现违章停车罚单或者引发其他交通事故。
目前已经提出了向司机提供候选乘车点的技术方案。在一个技术方案中,可以确定由乘客指定的乘车点附近的多个候选乘车点,并且向司机推荐风险较低的候选乘车点。然而,真实道路中可能存在复杂的路况,并且禁止停车、限制停车的区域可能会零散地分布。这导致推荐候选乘车点并不能有效地降低停车风险。因而,期望可以以更为准确并且有效的方式来管理候选乘车点。
为了至少部分地解决上述技术方案中的不足,根据本公开的示例性实现方式,可以分别为停车点附近的多个候选乘车点设置推荐指标。将会理解,当车辆在禁止停车和/或限制停车区域停车时,可能会阻塞交通甚至引起交通事故。因而,应当提醒司机相关的停车风险,并且将司机引导至风险较低的候选乘车点。具体地,基于候选乘车点所在位置处的候选停车风险是否满足预定条件,来管理候选乘车点。首先参见图2提供根据本公开的一个示例性实现方式的技术方案的概要。
在本公开的上下文中,将以在线车辆分配应用为示例描述用于管理候选乘车点的更多细节。具体地,乘客可以使用在线车辆分配应用来呼叫车辆,指定用于搭载乘客的上车点,并且可以指定下车点。为了方便描述,可以将上车点和下车点统称为乘车点。如果乘车点位于禁止停车或者限制停车道路,则可能扰乱正常的交通秩序、引发道路危险并且产生罚单。根据本公开的一个示例性实现方式,如果用户指定的乘车点处的停车风险较高,则可以在停车点附近寻找一个或多个候选乘车点,并且为每个候选乘车点确定相应的推荐指标。
图2示意性示出了根据本公开的示例性实现方式的用于管理候选乘车点的过程200的框图。如图2所示,道路110可以包括多个路段(例如,路段230、222、232、…、以及212),并且可以确定每个路段的停车风险。假设用户指定的乘车点210所在的路段212具有较高停车风险214(例如,高于第一预定风险阈值),则可以在该乘车点210附近确定候选乘车点220。可以获取候选乘车点220所在的候选路段222的候选停车风险224。可以针对候选停车风险224设置预定的判断条件(例如,基于第二预定风险阈值的判断条件)。如果候选停车风险224不高于第二预定风险阈值(例如,候选停车风险224为零),则可以接收候选路段222的相邻路段230(和232)的历史状态240(例如,包括历史罚单242和历史订单244)。继而,可以基于相邻路段230的历史状态240,确定候选乘车点220的推荐指标250。
由于相邻路段230和232是与候选路段222将连接的路段,相邻路段230和232的停车风险可能会传播至候选路段222。因而,利用本公开的示例性实现方式,可以基于相邻路段230和232的停车风险,来确定候选乘车点220的推荐指标250。以此方式,可以基于候选路段222附近的其他路段的停车风险,来确定候选路段222的推荐指标250。从而,可以综合考虑道路110沿线的风险分布,并且以更为准确的方式和更为精细的粒度,确定候选乘车点220的推荐指标250。在下文中,将参见图3描述根据本公开的一个示例性实现方式的更多细节。
图3示意性示出了根据本公开的示例性实现方式的用于管理候选乘车点的方法300的流程图。在框310处,响应于确定由用户指定的乘车点210所在路段212的停车风险214高于第一预定风险阈值,获取乘车点210附近的候选乘车点220。根据本公开的一个示例性实现方式,可以按照预定的规则来确定各个路段的停车风险。例如,可以将道路110划分为多个路段,并且基于机器学习技术来预测在各个路段中的风险。以此方式,只需要基于路段212的标识符,即可迅速确定路段212的停车风险214。类似地,可以基于其他路段的标识符,分别确定其他路段的停车风险。
可以预先指定第一预定风险阈值,例如,可以将该阈值设置为1%。将会理解,在此的1%仅仅是示意性的,可以根据不同的道路环境来设置其他的数值。数值越小,则触发提供候选乘车点的过程的条件越容易满足,因而较小的数值可以有助于降低违章停车风险。数值越大,则触发提供候选乘车点的过程的条件越难以满足,这表示更加倾向于支持乘客根据自身体验选择期望的乘车点。根据本公开的一个示例性实现方式,可以在降低风险和提高乘客体验两方面进行平衡,并且将第一预定风险阈值设置为适当的数值。
根据本公开的一个示例性实现方式,可以基于多种方式来获取乘车点210附近的一个或多个候选乘车点220。具体地,可以确定乘车点210所在的道路110,并且在道路110沿线,按照预定间隔获取乘车点210附近的至少一个候选乘车点。具体地,可以从乘车点210出发,并且分别沿着两个相反方向,以预定间隔获取多个候选乘车点。可以预先指定候选乘车点的数量,例如,可以指定获取乘车点210附近的10个(或者其他数量)的候选乘车点。又例如,可以指定在找到风险较低(例如,风险为零或者低于预定数值)的多个候选乘车点时,停止获取候选乘车点的过程。
根据本公开的一个示例性实现方式,路段的长度可以被设置为20米(或者其他数值),并且预定间隔可以被设置为小于路段的长度,例如,设置为10米(或者其他数值)。利用本公开的示例性实现方式,可以方便并且有效地获取乘车点210附近的多个候选乘车点。
继续参见图3,在框320处,获取候选乘车点220所在的候选路段222的候选停车风险224。根据本公开的一个示例性实现方式,可以按照与框310中类似的方式,基于候选路段222的标识符,来确定该候选路段222的候选停车风险224。
在图3的框330处,响应于确定候选停车风险224不高于第二预定风险阈值,接收候选路段222的相邻路段230(和232)的历史状态232。可以预先设置第二预定风险阈值,例如,可以将第二预定风险阈值设置为0(或者接近于0的其他数值)以便指示低风险。如果候选停车风险224不高于该阈值,则表示在候选路段222处停车的风险较低。根据本公开的一个示例性实现方式,考虑了相邻路段之间的风险传播(也即,高风险路段的风险可以传播至低风险路段),因而可以接收相邻路段230的历史状态240,并且进行进一步处理。
为方便起见,在下文中将仅以一个相邻路段230为示例进行描述,针对另一相邻路段232的处理也是类似的。根据本公开的一个示例性实现方式,历史状态240可以包括在相邻路段230内产生的历史罚单242的数量以及历史订单244的数量。在此的历史罚单242是指在过去的某个时间段(例如,1个月或者其他时间间隔)内,在相邻路段230内产生的历史罚单,并且历史订单244是指在过去的某个时间段(例如,1个月或者其他时间间隔)内,在相邻路段230内产生的历史订单。在此,历史罚单242和历史订单244的类型应当是一致的,如果历史订单244是在上车过程中产生的订单,则历史罚单242是在上车过程中产生的罚单。
将会理解,在实际道路环境中可能会出现候选停车风险224的预测与候选路段222的历史状态不一致的情况。此时,由于历史状态可以更加准确地反映历史停车风险,因而可以基于候选路段222的历史状态确定候选停车风险224。在下文中,将参见图4描述有关确定候选停车风险的更多细节。
图4示意性示出了根据本公开的示例性实现方式的确定用于确定候选乘车点的候选停车风险的过程400的框图。如图4所示,可以基于机器学***均值来更新候选停车风险224。又例如,可以分别为两个风险设置不同的权重,以便更新候选停车风险224。如果预测的风险与历史风险相一致,则可以直接预测的风险作为候选停车风险224,而无需上述更新过程。
根据本公开的一个示例性实现方式,可以基于各个路段的历史状态,来生成描述风险分布的热力图。在下文中,参见图5描述有关风险分布的更多细节。图5示意性示出了根据本公开的示例性实现方式的道路中的风险分布500的框图。如图5所示,可以分别使用图例510、512和514来表示高风险区域、中风险区域和低风险区域。例如,可以基于在各个路段相关的历史状态来生成相应的风险分布。具体地,区域520表示高风险区域,区域522表示中风险区域,并且区域524表示低风险区域。将会理解,在此的每个区域可以包括一个或多个路段。
利用本公开的示例性实现方式,可以以方便并且有效的方式存储路网中的各个道路中的各个路段的风险分布。如果发现某个路段的预测的停车风险与如图5所示的风险分布图不一致,则可以基于该风险分布图来更新该路段的预测的停车风险。以此方式,可以基于真实历史数据来纠正预测中的偏差,进而获得更加准确的结果。
返回图3,在框340处,基于相邻路段230的历史状态240,确定候选乘车点220的推荐指标250。例如,可以基于历史订单数量以及历史罚单数量,确定推荐指标250。具体地,可以基于历史订单数量以及历史罚单数量的比值,来确定推荐指标250。换言之,导致罚单的订单数量在总订单数量中的比例越小,则推荐指标越高。利用本公开的示例性实现方式,可以基于风险传播规则,利用相邻路段230的真实历史数据,来确定候选乘车点220的推荐指标250。
利用上文描述的方法300,在候选路段222的候选停车风险224较低的情况下,可以基于风险传播规则,利用相邻路段的历史状态来确定候选乘车点的推荐指标。以此方式,可以更加准确地评估候选乘车点220是否适合于作为推荐的乘车点。
根据本公开的一个示例性实现方式,可以基于多个条件来针对获取的候选乘车点进行过滤。如果候选乘车点满足过滤条件,则将该候选乘车点加入候选列表;否则,丢弃该候选乘车点。根据本公开的一个示例性实现方式,提供候选乘车点的目的在于降低停车风险,因而可以朝向降低风险的方向,设置过滤条件。根据本公开的一个示例性实现方式,可以基于历史罚单数量和历史订单数量来设置过滤条件。具体地,如果历史罚单数量低于预定罚单阈值并且历史订单数量高于预定订单阈值,则表示相邻路段230的历史风险较低,并且候选乘车点220有助于降低停车风险。因而,可以将候选路段222内的候选乘车点220添加至候选列表。
根据本公开的一个示例性实现方式,过滤条件可以包括:停车风险214高于第三预定风险阈值。在此,第三预定风险阈值可以是预先指定的较高数值(例如,2%)。该过滤条件表示,在乘车点210的停车风险214过高时,可以直接将具有较低风险的候选乘车点220添加至候选列表。以此方式,可以将有助于降低停车风险的更多候选乘车点添加至候选列表。
根据本公开的一个示例性实现方式,上文描述的第一、第二和第三预定风险阈值可以具有不同的数值。第一预定风险阈值用于表示启动方法300的较高风险。第二预定风险阈值用于表示低风险,例如可以被设置为0或者接近于0的数值。第三预定风险阈值可以表示更高风险,当乘车点210的停车风险214高于该第三预定风险阈值时,可以直接将有助于降低停车风险的更多候选乘车点添加至候选列表。根据本公开的一个示例性实现方式,可以存在如下关系:第二预定风险阈值<第一预定风险阈值<第三预定风险阈值。
根据本公开的一个示例性实现方式,过滤条件可以包括:乘车点210所在的路段212的相邻路段内存在历史罚单。该过滤条件可以表示,如果乘车点210周围路段的历史风险较高,则可以立即将具有较低风险的候选乘车点220添加至候选列表。
上文已经描述在候选停车风险不高于第二预定风险阈值时如何设置推荐指标和生成候选列表。在下文中,将参见图6描述有关候选停车风险224高于第二预定风险阈值时的处理过程。图6示意性示出了根据本公开的示例性实现方式的用于确定候选乘车点的推荐指标的过程600的框图。如图6所示,如果确定候选乘车点220的候选停车风险610高于第二预定风险阈值(例如,非零),则可以基于候选停车风险610来确定推荐指标250。在此实现方式中,候选停车风险610非零表示候选乘车点220所在的候选路段222本身存在停车风险,因而此时不必考虑风险传播,而是可以直接基于候选停车风险610来设置推荐指标250。
将会理解,在此的候选停车风险610是基于机器学习技术获得的预测值,并且可能会出现预测值与历史状态不一致的情况。此时,如果确定候选停车风险与候选路段的历史状态不一致,则基于候选路段的历史状态确定推荐指标。具体地,可以接收候选路段222的历史状态,并且基于上文参见图5描述的风险分布图,来更新候选停车风险610。进一步,可以基于更新后的候选停车风险610来确定推荐指标250。利用本公开的示例性实现方式,可以使得候选乘车点220的推荐指标250充分反映该候选乘车点220所在的候选路段222的历史风险。以此方式,可以更加准确地衡量候选乘车点220的优劣。
根据本公开的一个示例性实现方式,可以基于乘车点210的停车风险214与候选乘车点220的候选停车风险224之间的差异,来设置过滤规则。具体地,如果乘车点210的停车风险214与候选乘车点220的候选停车风险224之间的差异不低于预定比例阈值(例如,20%或者其他数值),将候选乘车点220添加至候选列表。上述过滤条件表示,如果候选乘车点220可以将停车风险降低预定比例,则可以将该候选乘车点220添加至候选列表。以此方式,可以向候选列表中添加有助于降低停车风险的更多候选乘车点。
上文已经描述了基于候选乘车点220的风险因素来设置推荐指标250的过程。根据本公开的一个示例性实现方式,还可以考虑乘客在乘车点210与候选乘车点220之间移动的是否方便,来更新推荐指标250。具体地,可以确定乘车点210与候选乘车点220之间的便利度。将会理解,在此的便利度可以表示在乘车点210和候选乘车点220之间移动是否会造成乘客的过多负担。在乘车点是上车点的情况下,如果乘客可以容易地到达候选乘车点,则表示便利度较高。如果乘客需要步行大段距离甚至需要导航指引才能到达候选乘车点,则表示便利度较低。
根据本公开的一个示例性实现方式,在已经基于风险因素确定了候选乘车点220的推荐指标250之后,可以利用便利度来更新推荐指标250。例如,便利度越高,则推荐指标越高;便利度越低则推荐指标越低。根据本公开的一个示例性实现方式,可以分别为候选乘车点的风险因素和相关的便利度因素进行加权,以便确定候选乘车点220的推荐指标250。
根据本公开的一个示例性实现方式,便利度可以包括多方面内容,例如可以包括以下至少任一项:乘车点210与候选乘车点220之间的可达距离、可视距离、转弯数量、天桥数量、地道数量、以及人行横道数量。在下文中,将参见图7描述基于便利度来更新推荐指标的更多细节。图7示意性示出了根据本公开的示例性实现方式的多个候选乘车点的分布700的框图。如图所示,假设乘客指定了位于火车站710正门外的乘车点210。由于该乘车点210的停车风险高于第一预定风险阈值,可以基于上文描述的方法300来确定多个候选乘车点720、722、724、和726。
如上文所述,可以分别基于各个候选乘车点的风险因素来确定各个候选乘车点的推荐指标。进一步,可以基于与候选乘车点相关的便利度来更新推荐指标。根据本公开的一个示例性实现方式,便利度可以包括乘车点与候选乘车点之间的可达距离。在此的可达距离是指乘客在乘车点和候选乘车点之间移动的真实距离。在乘车点是上车点的情况下,乘客可以从乘车点步行至候选乘车点,此时所经过的距离为可达距离。
如图7所示,当乘客从乘车点210步行至候选乘车点720时,则两个点之间的直线距离即为可达距离。当乘客从乘车点210步行至候选乘车点722时,乘客需要沿着道路执行并且左转,此时可达距离包括转弯前后的两个直线距离。根据本公开的一个示例性实现方式,可以为可达距离较短的候选乘车点赋予较高的推荐指标,并且可以为可达距离较长的候选乘车点赋予较低的推荐指标。此时,候选乘车点720的推荐指标将高于候选乘车点722的推荐指标。
根据本公开的一个示例性实现方式,便利度可以包括乘车点和候选乘车点之间的可视距离。在乘车点为下车点的情况下,在此的可视距离是指在候选乘车点到原始指定的乘车点的沿着视线方向的距离。如果在候选乘车点处不能看到原始指定的乘车点,则可以将可视距离设置为“无穷大”。假设乘客指定在火车站710正门外的乘车点210下车,在候选乘车点720、722和726处都可以看到乘车点210。由于建筑712的遮挡,在候选乘车点724处并不能看到乘车点210。此时,如果向乘客推荐候选乘车点724,则会导致乘客难以找到自己的目的地进而造成诸多不便。
因而,可以为可视距离较短的候选乘车点赋予较高的推荐指标,并且可以为可视距离较长的候选乘车点赋予较低的推荐指标。此时,候选乘车点724的推荐指标将低于其他候选乘车点720、722和726的推荐指标。
根据本公开的一个示例性实现方式,便利度可以包括在乘车点和候选乘车点之间的转弯数量。例如,从候选乘车点722到达乘车点210需要1次转弯,而从候选乘车点720和724到达乘车点210不需要转弯。此时,可以为转弯数量较多的候选乘车点赋予较低的推荐指标。
根据本公开的一个示例性实现方式,便利度可以包括在乘车点和候选乘车点之间的天桥数量、地道数量、或者人行横道数量。将会理解,在乘客过马路时需要使用上述跨路交通设施。跨路交通设施的数量越大则表示乘客从候选乘车点到达乘车点需要过马路的次数越多。因而,可以基于上述交通设施的数量来更新推荐指标。例如,可以为需要较多跨路交通设施的候选乘车点赋予较低的推荐指标,并且可以为需要较少跨路交通设施的候选乘车点赋予较高的推荐指标。
根据本公开的一个示例性实现方式,可以分别为便利度的多个方面设置不同的权重。例如,天桥和地道可能用严重损害乘客体验,因而可以为天桥和地道设置较高的权重。又例如,相对于天桥和地道而言,乘客更倾向于使用人行横道,因而可以为人行横道设置中等权重,等等。具体地,可以分别基于可达距离、可视距离、转弯数量、天桥数量、地道数量、以及人行横道数量的相应权重,来更新候选乘车点720至726的推荐指标。
根据本公开的一个示例性实现方式,可以进一步基于候选乘车点是否被其他乘客选择,来更新推荐指标。例如,可以确定候选乘车点230被指定相同乘车点210的历史用户所选择的选择状态,进而基于选择状态,更新推荐指标。如果确定候选乘车点230被历史用户选择,则可以提高推荐指标。将会理解,如果某个候选乘车点在过去的时间段内(例如,1个月)被更多的乘客选择,则表示该候选乘车点更有助于提高出行体验,因而可以将该候选乘车点的推荐指标更新至较高的数值。又例如,如果确定候选乘车点未被历史用户选择,降低推荐指标。具体地,如果某个候选乘车点从来未被其他乘客选择,可以将该候选乘车点的推荐指标更新至较低的数值。
根据本公开的一个示例性实现方式,在已经按照上文描述的方法设置了各个推荐指标之后,可以按照候选列表中的候选乘车点的推荐指标来执行排序。例如,可以将具有较高推荐指标的候选乘车点排列在靠前位置,并且将具有较低推荐指标的候选乘车点排列在靠后位置。进一步,可以基于排序的候选列表,向用户推荐候选乘车点。例如,可以向用户推荐排列在前三名的候选乘车点。
继续参见图7的示例,假设候选乘车点720至726具有相同的风险,在利用便利度更新推荐指标之后,由于各个候选乘车点的推荐指标的排序如下:候选乘车点720>候选乘车点722>候选乘车点726>候选乘车点724。因而,可以优先地向乘客推荐候选乘车点720。此时,乘客仅需直行即可到达原始指定的乘车点210,而并不需要拐弯也无需使用天桥、地道和人行横道等交通设施。
将会理解,上文仅以示例方式描述了在车辆分配应用中确定停车风险的过程。根据本公开的一个示例性实现方式,还可以在其他应用中使用上文描述的技术方案。例如,可以在车辆导航应用中使用上文描述的技术方案。假设司机输入的目的地位于高风险路段,则可以向司机提示停车风险,并且向司机推荐多个候选乘车点(例如,允许停车路段或者停车场等)。
上文已经参见图2至图7描述了用于确定停车风险的方法的过程。根据本公开的示例性实现方式,提供了一种用于管理候选乘车点的装置。该装置包括:候选乘车点获取模块,配置用于响应于确定由用户指定的乘车点所在路段的停车风险高于第一预定风险阈值,获取乘车点附近的候选乘车点;风险获取模块,配置用于获取候选乘车点所在的候选路段的候选停车风险;接收模块,配置用于响应于确定候选停车风险不高于第二预定风险阈值,接收候选路段的相邻路段的历史状态;以及确定模块,配置用于基于相邻路段的历史状态,确定候选乘车点的推荐指标。
根据本公开的一个示例性实现方式,历史状态包括在相邻路段内产生的历史订单数量以及历史罚单数量,以及确定模块包括:推荐指标确定模块,配置用于基于历史订单数量以及历史罚单数量,确定推荐指标。
根据本公开的一个示例性实现方式,风险获取模块包括:第一获取模块,配置用于响应于确定候选路段的停车风险预测与候选路段的历史状态不一致,基于候选路段的历史状态来确定候选停车风险;以及第二获取模块,配置用于响应于确定候选路段的停车风险预测与候选路段的历史状态相一致,基于停车风险预测来确定候选停车风险。
根据本公开的一个示例性实现方式,该装置进一步包括列表生成模块,配置用于:响应于确定历史罚单数量低于预定罚单阈值并且历史订单数量高于预定订单阈值,将候选乘车点添加至候选列表。
根据本公开的一个示例性实现方式,列表生成模块进一步配置用于响应于以下至少任一项,将候选乘车点添加至候选列表:停车风险高于第三预定风险阈值;以及乘车点所在的路段的相邻路段内存在历史罚单。
根据本公开的一个示例性实现方式,该装置进一步包括:推荐指标确定模块,配置用于响应于确定候选停车风险高于第二预定风险阈值,基于候选停车风险来确定推荐指标。
根据本公开的一个示例性实现方式,推荐指标确定模块进一步包括:历史状态接收模块,配置用于接收候选路段的历史状态;比较模块,配置用于响应于确定候选停车风险与候选路段的历史状态不一致,基于候选路段的历史状态确定推荐指标。
根据本公开的一个示例性实现方式,该装置进一步包括:差异确定模块,配置用于确定停车风险与候选停车风险之间的差异;以及列表生成模块进一步配置用于响应于确定差异不低于预定比例阈值,将候选乘车点添加至候选列表。
根据本公开的一个示例性实现方式,确定模块进一步包括:便利度确定模块,配置用于确定乘车点与候选乘车点之间的便利度;以及更新模块,配置用于基于便利度来更新推荐指标。
根据本公开的一个示例性实现方式,便利度包括以下至少任一项:乘车点与候选乘车点之间的可达距离、可视距离、转弯数量、天桥数量、地道数量、以及人行横道数量。
根据本公开的一个示例性实现方式,该装置进一步包括:选择状态确定模块,配置用于确定候选乘车点被指定乘车点的历史用户所选择的选择状态;以及更新模块进一步配置用于基于选择状态,更新推荐指标。
根据本公开的一个示例性实现方式,更新模块进一步执行以下至少任一项:响应于确定候选乘车点被历史用户选择,提高推荐指标;以及响应于确定候选乘车点未被历史用户选择,降低推荐指标。
根据本公开的一个示例性实现方式,该装置进一步包括:排序模块,配置用于按照候选列表中的候选乘车点的推荐指标,排序候选列表;以及推荐模块,配置用于基于排序的候选列表,向用户推荐候选乘车点。
根据本公开的一个示例性实现方式,乘车点包括上车点和下车点中的至少任一项,以及候选乘车点获取模块包括:道路确定模块,配置用于确定乘车点所在的道路;以及划分模块,配置用于在道路沿线,按照预定间隔获取乘车点附近的至少一个候选乘车点,预定间隔小于路段的长度。
图8示意性示出了根据本公开的示例性实现的用于管理候选乘车点的计算设备/服务器800的框图。应当理解,图8所示出的计算设备/服务器800仅仅是示例性的,而不应当构成对本文所描述的实施例的功能和范围的任何限制。
如图8所示,计算设备/服务器800是通用计算设备的形式。计算设备/服务器800的组件可以包括但不限于一个或多个处理器或处理单元810、存储器820、存储设备830、一个或多个通信单元840、一个或多个输入设备850以及一个或多个输出设备860。处理单元810可以是实际或虚拟处理器并且能够根据存储器820中存储的程序来执行各种处理。在多处理器***中,多个处理单元并行执行计算机可执行指令,以提高计算设备/服务器800的并行处理能力。
计算设备/服务器800通常包括多个计算机存储介质。这样的介质可以是计算设备/服务器800可访问的任何可以获得的介质,包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器820可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如,只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备830可以是可拆卸或不可拆卸的介质,并且可以包括机器可读介质,诸如闪存驱动、磁盘或者任何其他介质,其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在计算设备/服务器800内被访问。
计算设备/服务器800可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图8中示出,可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中,每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器820可以包括计算机程序产品825,其具有一个或多个程序模块,这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。
通信单元840实现通过通信介质与其他计算设备进行通信。附加地,计算设备/服务器800的组件的功能可以以单个计算集群或多个计算机器来实现,这些计算机器能够通过通信连接进行通信。因此,计算设备/服务器800可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。
输入设备850可以是一个或多个输入设备,例如鼠标、键盘、追踪球等。输出设备860可以是一个或多个输出设备,例如显示器、扬声器、打印机等。计算设备/服务器800还可以根据需要通过通信单元840与一个或多个外部设备(未示出)进行通信,外部设备诸如存储设备、显示设备等,与一个或多个使得用户与计算设备/服务器800交互的设备进行通信,或者与使得计算设备/服务器800与一个或多个其他计算设备通信的任何设备(例如,网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。
根据本公开的示例性实现方式,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现上文描述的方法。
这里参照根据本公开实现的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实现的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实现,上述说明是示例性的,并非穷尽性的,并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文公开的各实现。
Claims (30)
1.一种用于管理候选乘车点的方法,包括:
响应于确定由用户指定的乘车点所在路段的停车风险高于第一预定风险阈值,获取所述乘车点附近的候选乘车点;
获取所述候选乘车点所在的候选路段的候选停车风险;
响应于确定所述候选停车风险不高于第二预定风险阈值,接收所述候选路段的相邻路段的历史状态;以及
基于所述相邻路段的所述历史状态,确定所述候选乘车点的推荐指标。
2.根据权利要求1所述的方法,其中所述历史状态包括在所述相邻路段内产生的历史订单数量以及历史罚单数量,以及确定所述推荐指标包括:
基于所述历史订单数量以及所述历史罚单数量,确定所述推荐指标。
3.根据权利要求1所述的方法,其中获取所述候选停车风险进一步包括以下至少任一项:
响应于确定所述候选路段的停车风险预测与所述候选路段的历史状态不一致,基于所述候选路段的所述历史状态来确定所述候选停车风险;以及
响应于确定所述候选路段的停车风险预测与所述候选路段的历史状态相一致,基于所述停车风险预测来确定所述候选停车风险。
4.根据权利要求2所述的方法,进一步包括:响应于确定所述历史罚单数量低于预定罚单阈值并且所述历史订单数量高于预定订单阈值,将所述候选乘车点添加至候选列表。
5.根据权利要求1所述的方法,进一步包括响应于以下至少任一项,将所述候选乘车点添加至候选列表:
所述停车风险高于第三预定风险阈值;以及
所述乘车点所在的所述路段的相邻路段内存在历史罚单。
6.根据权利要求1所述的方法,进一步包括:响应于确定所述候选停车风险高于所述第二预定风险阈值,基于所述候选停车风险来确定所述推荐指标。
7.根据权利要求6所述的方法,其中基于所述候选停车风险来确定所述推荐指标进一步包括:
接收所述候选路段的历史状态;
响应于确定所述候选停车风险与所述候选路段的所述历史状态不一致,基于所述候选路段的所述历史状态确定所述推荐指标。
8.根据权利要求6所述的方法,进一步包括:
确定所述停车风险与所述候选停车风险之间的差异;以及
响应于确定所述差异不低于预定比例阈值,将所述候选乘车点添加至候选列表。
9.根据权利要求4所述的方法,其中确定所述推荐指标进一步包括:
确定所述乘车点与所述候选乘车点之间的便利度;以及
基于所述便利度来更新所述推荐指标。
10.根据权利要求9所述的方法,其中所述便利度包括以下至少任一项:所述乘车点与所述候选乘车点之间的可达距离、可视距离、转弯数量、天桥数量、地道数量、以及人行横道数量。
11.根据权利要求9所述的方法,其中确定所述推荐指标进一步包括:
确定所述候选乘车点被指定所述乘车点的历史用户所选择的选择状态;以及
基于所述选择状态,更新所述推荐指标。
12.根据权利要求11所述的方法,其中基于所述选择状态来更新所述推荐指标包括以下至少任一项:
响应于确定所述候选乘车点被所述历史用户选择,提高所述推荐指标;以及
响应于确定所述候选乘车点未被所述历史用户选择,降低所述推荐指标。
13.根据权利要求9所述的方法,进一步包括:
按照所述候选列表中的候选乘车点的推荐指标,排序所述候选列表;以及
基于排序的所述候选列表,向所述用户推荐候选乘车点。
14.根据权利要求1所述的方法,其中所述乘车点包括上车点和下车点中的至少任一项,以及获取所述候选乘车点包括:
确定所述乘车点所在的道路;以及
在所述道路沿线,按照预定间隔获取所述乘车点附近的至少一个候选乘车点,所述预定间隔小于所述路段的长度。
15.一种用于管理候选乘车点的装置,包括:
候选乘车点获取模块,配置用于响应于确定由用户指定的乘车点所在路段的停车风险高于第一预定风险阈值,获取所述乘车点附近的候选乘车点;
风险获取模块,配置用于获取所述候选乘车点所在的候选路段的候选停车风险;
接收模块,配置用于响应于确定所述候选停车风险不高于第二预定风险阈值,接收所述候选路段的相邻路段的历史状态;以及
确定模块,配置用于基于所述相邻路段的所述历史状态,确定所述候选乘车点的推荐指标。
16.根据权利要求15所述的装置,其中所述历史状态包括在所述相邻路段内产生的历史订单数量以及历史罚单数量,以及确定模块包括:推荐指标确定模块,配置用于基于所述历史订单数量以及所述历史罚单数量,确定所述推荐指标。
17.根据权利要求15所述的装置,其中风险获取模块包括:第一获取模块,配置用于响应于确定所述候选路段的停车风险预测与所述候选路段的历史状态不一致,基于所述候选路段的所述历史状态来确定所述候选停车风险;以及第二获取模块,配置用于响应于确定所述候选路段的停车风险预测与所述候选路段的历史状态相一致,基于所述停车风险预测来确定所述候选停车风险。
18.根据权利要求16所述的装置,进一步包括列表生成模块,配置用于:响应于确定所述历史罚单数量低于预定罚单阈值并且所述历史订单数量高于预定订单阈值,将所述候选乘车点添加至候选列表。
19.根据权利要求18所述的装置,其中所述列表生成模块进一步配置用于响应于以下至少任一项,将所述候选乘车点添加至候选列表:所述停车风险高于第三预定风险阈值;以及所述乘车点所在的所述路段的相邻路段内存在历史罚单。
20.根据权利要求15所述的装置,进一步包括推荐指标确定模块,配置用于:响应于确定所述候选停车风险高于所述第二预定风险阈值,基于所述候选停车风险来确定所述推荐指标。
21.根据权利要求20所述的装置,其中所述推荐指标确定模块进一步包括:历史状态接收模块,配置用于接收所述候选路段的历史状态;比较模块,配置用于响应于确定所述候选停车风险与所述候选路段的所述历史状态不一致,基于所述候选路段的所述历史状态确定所述推荐指标。
22.根据权利要求20所述的装置,进一步包括:差异确定模块,配置用于确定所述停车风险与所述候选停车风险之间的差异;以及列表生成模块响应于确定所述差异不低于预定比例阈值,将所述候选乘车点添加至候选列表。
23.根据权利要求18所述的装置,其中所述确定模块进一步包括:便利度确定模块,配置用于确定所述乘车点与所述候选乘车点之间的便利度;以及更新模块,配置用于基于所述便利度来更新所述推荐指标。
24.根据权利要求23所述的装置,其中所述便利度包括以下至少任一项:所述乘车点与所述候选乘车点之间的可达距离、可视距离、转弯数量、天桥数量、地道数量、以及人行横道数量。
25.根据权利要求23所述的装置,进一步包括:选择状态确定模块,配置用于确定所述候选乘车点被指定所述乘车点的历史用户所选择的选择状态;以及所述更新模块进一步配置用于基于所述选择状态,更新所述推荐指标。
26.根据权利要求25所述的装置,其中所述更新模块进一步被配置用于执行以下至少任一项:响应于确定所述候选乘车点被所述历史用户选择,提高所述推荐指标;以及响应于确定所述候选乘车点未被所述历史用户选择,降低所述推荐指标。
27.根据权利要求23所述的装置,进一步包括:排序模块,配置用于按照所述候选列表中的候选乘车点的推荐指标,排序所述候选列表;以及推荐模块,配置用于基于排序的所述候选列表,向所述用户推荐候选乘车点。
28.根据权利要求15所述的装置,其中所述乘车点包括上车点和下车点中的至少任一项,以及所述候选乘车点获取模块包括:道路确定模块,配置用于确定所述乘车点所在的道路;以及划分模块,配置用于在所述道路沿线,按照预定间隔获取所述乘车点附近的至少一个候选乘车点,所述预定间隔小于所述路段的长度。
29.一种电子设备,包括:
存储器和处理器;
其中所述存储器用于存储一条或多条计算机指令,其中所述一条或多条计算机指令被所述处理器执行以实现根据权利要求1至14中任一项所述的方法。
30.一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中所述一条或多条计算机指令被处理器执行以实现根据权利要求1至14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606983.5A CN112650927B (zh) | 2020-12-30 | 2020-12-30 | 管理候选乘车点的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606983.5A CN112650927B (zh) | 2020-12-30 | 2020-12-30 | 管理候选乘车点的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112650927A CN112650927A (zh) | 2021-04-13 |
CN112650927B true CN112650927B (zh) | 2024-05-14 |
Family
ID=75364315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011606983.5A Active CN112650927B (zh) | 2020-12-30 | 2020-12-30 | 管理候选乘车点的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112650927B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016049812A1 (en) * | 2014-09-29 | 2016-04-07 | Bayerische Motoren Werke Aktiengesellschaft | Automatic parking warning system |
DE102017213073A1 (de) * | 2017-07-28 | 2019-01-31 | Ford Global Technologies, Llc | Verfahren zum Ermitteln eines Anhalteorts eines Kraftfahrzeugs |
CN111814071A (zh) * | 2019-12-25 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 上车点推荐方法、装置、存储介质及电子设备 |
CN111861618A (zh) * | 2019-10-23 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种上车点推荐方法和*** |
CN111859173A (zh) * | 2019-10-23 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种上车点推荐方法和*** |
CN111984753A (zh) * | 2020-08-19 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 一种提醒用户的方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11425530B2 (en) * | 2016-08-18 | 2022-08-23 | Allstate Insurance Company | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles |
-
2020
- 2020-12-30 CN CN202011606983.5A patent/CN112650927B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016049812A1 (en) * | 2014-09-29 | 2016-04-07 | Bayerische Motoren Werke Aktiengesellschaft | Automatic parking warning system |
DE102017213073A1 (de) * | 2017-07-28 | 2019-01-31 | Ford Global Technologies, Llc | Verfahren zum Ermitteln eines Anhalteorts eines Kraftfahrzeugs |
CN111861618A (zh) * | 2019-10-23 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种上车点推荐方法和*** |
CN111859173A (zh) * | 2019-10-23 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种上车点推荐方法和*** |
CN111814071A (zh) * | 2019-12-25 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 上车点推荐方法、装置、存储介质及电子设备 |
CN111984753A (zh) * | 2020-08-19 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 一种提醒用户的方法和*** |
Non-Patent Citations (2)
Title |
---|
"Exploiting Optimization Mechanism for Pick-up Points Recommendations";Jing Sun等;《2017 International Conference on Computer Systems, Electronics and Control (ICCSEC)》;1180-1184 * |
基于LightGBM的乘客候车路段推荐方法;康军;张凡;段宗涛;黄山;;测控技术(第02期);61-67 * |
Also Published As
Publication number | Publication date |
---|---|
CN112650927A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9524640B2 (en) | Traffic simulation system and traffic simulation program | |
WO2014152554A1 (en) | Lane-level vehicle navigation for vehicle routing and traffic management | |
JP2019032174A (ja) | 情報処理システムおよび情報処理方法 | |
Sil et al. | Modeling 85th percentile speed using spatially evaluated free-flow vehicles for consistency-based geometric design | |
Guo et al. | Review of roundabout capacity based on gap acceptance | |
CN112885145A (zh) | 路口风险预警的方法和装置 | |
JP6786376B2 (ja) | 評価装置、評価方法及び評価プログラム | |
Kapski et al. | ESTIMATING THE PARAMETERS OF TRAFFIC FLOWS ON THE BASIS OF PROCESSING OF LOCALIZATION DATA ON THE MOVEMENT OF VEHICLES. | |
Mohapatra et al. | Estimation of U-turn capacity at median openings | |
JP2019028526A (ja) | 混雑予測装置 | |
JP2020123259A (ja) | 自動運転プログラム評価システム、及び自動運転プログラム評価方法 | |
Li et al. | MADM-based smart parking guidance algorithm | |
Patnaik et al. | Development of roundabout entry capacity model using INAGA method for heterogeneous traffic flow conditions | |
Fatema et al. | Validation of probabilistic model for design of freeway entrance speed change lanes | |
CN112766544A (zh) | 用于优化用户的行程的方法、装置、电子设备、存储介质和计算机程序产品 | |
CN112650927B (zh) | 管理候选乘车点的方法、装置、电子设备和存储介质 | |
Chu et al. | Discrete choice models for gap acceptance at urban expressway merge sections considering safety, road geometry, and traffic conditions | |
Aydın | Method for modeling lane-based driving discipline of drivers on divided multilane urban roads | |
CN113012455B (zh) | 风险路段确定方法、装置、电子设备和可读存储介质 | |
CN112668892B (zh) | 确定停车风险的方法、装置、电子设备和存储介质 | |
Forde et al. | Validation and sensitivity analysis of a developed midblock vehicular delay model | |
Pigman et al. | Optimal highway safety improvement investments by dynamic programming | |
Hellinga et al. | Analytical method for estimating delays to vehicles traversing single-lane roundabouts as a function of vehicle and pedestrian volumes | |
CN112001097A (zh) | 自动驾驶仿真结果的分析和可视化方法和计算机设备 | |
Giuffrè et al. | Methodological frontier in operational analysis for roundabouts: A review |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |