CN117975708A - 停车提示方法、装置、计算机设备和存储介质 - Google Patents
停车提示方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117975708A CN117975708A CN202410364652.7A CN202410364652A CN117975708A CN 117975708 A CN117975708 A CN 117975708A CN 202410364652 A CN202410364652 A CN 202410364652A CN 117975708 A CN117975708 A CN 117975708A
- Authority
- CN
- China
- Prior art keywords
- station
- target
- vehicle
- parking
- sub
- 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 70
- 238000012216 screening Methods 0.000 claims abstract description 73
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 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
- 238000007781 pre-processing Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种停车提示方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:响应于车辆的停车操作,获取车辆的当前停车位置,当前停车位置包括经度以及纬度;基于经度以及纬度计算目标子区域,目标子区域包括车辆所在的第一子区域以及第一子区域的关联子区域;在目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;基于各目标车站的距离信息确定待推荐车站,并推送待推荐车站。通过采用本方法,可以基于用户终端当前的停车操作,实时调度不同子区域的车辆,为用户终端提供合适的停车位置,合理引导车辆的停车位置,可以减少车辆的集中停放,提高城市的交通效率以及车辆的利用率。
Description
技术领域
本申请涉及停车推荐技术领域,特别是涉及一种停车提示方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
目前,共享单车在城市出行中扮演着重要角色。然而,由于用户停车不当和不均匀分布,往往出现一些地区拥挤而另一些地区缺车的情况,降低了共享单车的利用率。
相关技术中,共享单车***是通过固定的车辆调度策略,例如基于经验的人工调度或基于规则的算法对各车辆进行调度,由于人工调度或者规则算法的调度基于是预先确定好的,车辆调度的时效性较差,导致车辆调度效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实时监测和响应潮汐性停车区域的变化,保证车辆调度效率的停车提示方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种停车提示方法。所述方法包括:
响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
在其中一个实施例中,所述方法还包括:
将所述车辆在所述当前停车位置对应的车辆使用资源数值,确定为所述车辆在所述待推荐车站的车辆使用资源数值。
在其中一个实施例中,所述基于所述经度以及纬度计算目标子区域,包括:
基于所述车辆的当前停车位置包含的经度以及纬度,计算所述车辆所在的第一子区域;
基于所述第一子区域,确定所述第一子区域的各关联子区域。
在其中一个实施例中,所述基于所述车辆的当前停车位置包含的经度以及纬度,计算所述车辆所在的第一子区域,包括:
基于预设的三角函数以及弧度制的纬度,计算目标三角函数值,并基于所述目标三角函数值和地球半径,计算当前纬度半径;
通过所述当前纬度半径、所述弧度制的经度以及所述当前停车位置对应的中心位置的经度,计算与所述中心位置的横向距离;
基于所述地球半径、弧度制的纬度以及中心位置的纬度,计算与所述中心位置的纵向距离;
根据所述与所述中心位置的横向距离以及预设子区域长度信息,计算第一坐标轴索引值;以及根据所述与所述中心位置的纵向距离以及所述预设子区域长度信息,计算第二坐标轴索引值;
基于所述第一坐标轴索引值以及所述第二坐标轴索引值,得到所述车辆所在的第一子区域的区块位置索引。
在其中一个实施例中,所述基于所述第一子区域,确定所述第一子区域的各关联子区域,包括:
基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域;确定与所述第一子区域属于同一聚类的子区域,为所述第一子区域的关联子区域;
和/或,确定与所述第一子区域相邻的各子区域为所述第一子区域的关联子区域。
在其中一个实施例中,所述基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域,包括:
针对每一统计时间类型中的每一时间范围的各子区域,获取所述子区域在所述时间范围的车辆流入量、车辆流出量以及兴趣点数量;
根据图像转换参数,分别对所述车辆流入量、所述车辆流出量以及所述兴趣点数量图像转换处理,得到所述子区域的像素数据;
基于各所述子区域的像素数据生成车辆数据图像,并通过所述图像分割算法对所述车辆数据图像中包含的各个子区域进行聚类,得到聚类后的多个子区域。
在其中一个实施例中,所述在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站,包括:
针对每一目标子区域,根据所述目标子区域的车辆保有量以及所述目标子区域的停车区域面积,计算所述目标子区域的停车密度;
基于所述目标子区域的停车密度以及所述目标子区域的车辆保有量,计算所述目标子区域的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的目标子区域为待筛选目标子区域;
针对所述待筛选目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
在其中一个实施例中,所述在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站,包括:
针对目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;
基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
在其中一个实施例中,所述基于各目标车站的距离信息确定待推荐车站,包括:
针对于每一目标车站,计算所述目标车站与所述当前停车位置的距离;
确定所述距离满足目标距离条件的车站为待推荐车站。
在其中一个实施例中,所述方法还包括:
响应于用户对各所述待推荐车站的触发操作,确定所述触发操作对应的目标推荐车站;
计算所述目标推荐车站与所述当前停车位置之间的距离,并基于所述距离计算待发放资源数据,向所述车辆对应的用户账户推送待发放资源数据。
第二方面,本申请还提供了一种停车提示装置。所述装置包括:
第一获取模块,用于响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
第一计算模块,用于基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
第一筛选模块,用于在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
第一推荐模块,用于基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
在其中一个实施例中,所述装置还包括:
第一确定模块,用于将所述车辆在所述当前停车位置对应的车辆使用资源数值,确定为所述车辆在所述待推荐车站的车辆使用资源数值。
在其中一个实施例中,所述第一计算模块,具体用于:
基于所述车辆的当前停车位置包含的经度以及纬度,计算所述车辆所在的第一子区域;
基于所述第一子区域,确定所述第一子区域的各关联子区域。
在其中一个实施例中,所述第一计算模块,具体用于:
基于预设的三角函数以及弧度制的纬度,计算目标三角函数值,并基于所述目标三角函数值和地球半径,计算当前纬度半径;
通过所述当前纬度半径、所述弧度制的经度以及所述当前停车位置对应的中心位置的经度,计算与所述中心位置的横向距离;
基于所述地球半径、弧度制的纬度以及中心位置的纬度,计算与所述中心位置的纵向距离;
根据所述与所述中心位置的横向距离以及预设子区域长度信息,计算第一坐标轴索引值;以及根据所述与所述中心位置的纵向距离以及所述预设子区域长度信息,计算第二坐标轴索引值;
基于所述第一坐标轴索引值以及所述第二坐标轴索引值,得到所述车辆所在的第一子区域的区块位置索引。
在其中一个实施例中,所述第一计算模块,具体用于:基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域;确定与所述第一子区域属于同一聚类的子区域,为所述第一子区域的关联子区域;
和/或,确定与所述第一子区域相邻的各子区域为所述第一子区域的关联子区域。
在其中一个实施例中,所述第一计算模块,具体用于:
针对每一统计时间类型中的每一时间范围的各子区域,获取所述子区域在所述时间范围的车辆流入量、车辆流出量以及兴趣点数量;
根据图像转换参数,分别对所述车辆流入量、所述车辆流出量以及所述兴趣点数量图像转换处理,得到所述子区域的像素数据;
基于各所述子区域的像素数据生成车辆数据图像,并通过所述图像分割算法对所述车辆数据图像中包含的各个子区域进行聚类,得到聚类后的多个子区域。
在其中一个实施例中,所述第一筛选模块,具体用于:
针对每一目标子区域,根据所述目标子区域的车辆保有量以及所述目标子区域的停车区域面积,计算所述目标子区域的停车密度;
基于所述目标子区域的停车密度以及所述目标子区域的车辆保有量,计算所述目标子区域的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的目标子区域为待筛选目标子区域;
针对所述待筛选目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
在其中一个实施例中,所述第一筛选模块,具体用于:
针对目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;
基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
在其中一个实施例中,第一推荐模块,具体用于:针对于每一目标车站,计算所述目标车站与所述当前停车位置的距离;
确定所述距离满足目标距离条件的车站为待推荐车站。
在其中一个实施例中,所述装置还包括:
目标推荐车站确定模块,用于响应于用户对各所述待推荐车站的触发操作,确定所述触发操作对应的目标推荐车站;
第二计算模块,用于计算所述目标推荐车站与所述当前停车位置之间的距离,并基于所述距离计算待发放资源数据,向所述车辆对应的用户账户推送待发放资源数据。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
上述停车提示方法、装置、计算机设备、存储介质和计算机程序产品,该方法包括:响应于车辆的停车操作,获取车辆的当前停车位置,当前停车位置包括经度以及纬度;基于经度以及纬度计算目标子区域,目标子区域包括车辆所在的第一子区域以及第一子区域的关联子区域;在目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;基于各目标车站的距离信息确定待推荐车站,并推送待推荐车站。通过采用本方法,可以基于用户终端当前的停车操作,实时调度不同子区域的车辆,为用户终端提供合适的停车位置,合理引导车辆的停车位置,可以减少车辆的集中停放,提高城市的交通效率以及车辆的利用率。
附图说明
图1为一个实施例中停车提示方法的流程示意图;
图2为一个实施例中确定目标子区域步骤的流程示意图;
图3为一个实施例中确定区块位置索引步骤的流程示意图;
图4为一个实施例中确定关联子区域步骤的流程示意图;
图5为一个实施例中聚类步骤的流程示意图;
图6为一个实施例中筛选目标车站步骤的流程示意图;
图7为一个实施例中筛选目标车站步骤的流程示意图;
图8为一个实施例中确定待推荐车站步骤的流程示意图;
图9为一个实施例中推送资源数据步骤的流程示意图;
图10为一个实施例中停车提示装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种停车提示方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现,上述终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该停车提示方法包括以下步骤:
步骤102,响应于车辆的停车操作,获取车辆的当前停车位置。
其中,当前停车位置包括经度以及纬度车辆可以是用户终端当前使用的车辆,例如可以是共享单车;车辆的停车操作可以是用户终端触发的停车操作,例如可以是在停车车站(停车点)触发的停车操作;当前停车位置可以是用户终端在触发车辆的停车操作之后的车辆的当前位置。
具体地,用户可以在终端上触发停车操作,终端响应于该停车操作,可以获取该停车操作对应的车辆的当前停车位置,也就是说,终端响应于车辆的停车操作,可以获取该停车操作对应的车辆的当前所在位置的经纬度信息。
步骤104,基于经度以及纬度计算目标子区域。
其中,目标子区域包括车辆所在的第一子区域以及第一子区域的关联子区域。目标子区域可以是用于确定待推荐车站的停车区域,车辆所在的第一子区域可以是车辆当前所在位置所对应的停车区域,第一子区域的关联子区域可以是与该第一子区域存在关联关系的停车区域,例如可以包括与该第一子区域相邻的多个停车区域,也可以包括与该第一子区域的区域特征相似的多个停车区域。
具体地,终端可以基于车辆当前位置所对应的经度以及纬度,计算车辆所在的第一子区域以及该第一子区域的关联子区域。
步骤106,在目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站。
其中,目标子区域包含的各车站可以是位置处于该目标子区域内的车站,过载量筛选条件可以是基于过载量对各个车站进行筛选的条件,可以是基于过载量对各个子区域进行筛选的条件;过载量可以是基于车辆保有量以及停车密度计算得到的参数。
具体地,终端可以基于过载量筛选条件在目标子区域包含的各车站中进行筛选,将满足过载量筛选条件的车站确定为目标车站。在一个示例中,终端可以计算目标子区域包含的子区域的过载量,并基于各个子区域的过载量对各个子区域进行筛选,得到满足过载量筛选条件的子区域,并基于满足过载量筛选条件的子区域包含的各个车站的过载量进行筛选,得到满足过载量筛选条件的目标车站。
在另一个示例中,终端可以分别计算该目标子区域包含的各车站的过载量,并基于各个车站的过载量和过载量筛选条件进行筛选,将满足过载量筛选条件的车站确定为目标车站。
步骤108,基于各目标车站的距离信息确定待推荐车站,并推送待推荐车站。
其中,目标车站的距离信息表示该目标车站与车辆的当前停车位置之间的距离信息,该距离可以是地理距离信息,也可以是根据地图确定的从当前停车位置行驶至该目标车站的行驶距离;待推荐车站可以是为用户终端推荐的停车车站。
具体地,针对于每一个目标车站,终端可以通过预设的距离算法,计算该目标车站与该车辆的当前停车位置之间的距离,并将该计算出的距离确定该目标车站的距离信息。这样,终端可以基于各个目标车站的距离信息,在各个车站中进行筛选,得到目标数目的待推荐车站,并向用户账户推送该目标数目的待推荐车站。
在一个示例中,终端向用户账户推送该目标数目的待推荐车站的过程可以是,终端基于该待推荐车站的标识信息生成停车提示信息,并在终端上显示该停车提示信息。
上述停车提示方法中,响应于车辆的停车操作,获取车辆的当前停车位置,当前停车位置包括经度以及纬度。基于经度以及纬度计算目标子区域,目标子区域包括车辆所在的第一子区域以及第一子区域的关联子区域。在目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站。基于各目标车站的距离信息确定待推荐车站,并推送待推荐车站。通过采用本方法,可以基于用户终端当前的停车操作,实时调度不同子区域的车辆,为用户终端提供合适的停车位置,合理引导车辆的停车位置,可以减少车辆的集中停放,提高城市的交通效率以及车辆的利用率。
在其中一个实施例中,该停车提示方法还包括:
将车辆在当前停车位置对应的车辆使用资源数值,确定为车辆在待推荐车站的车辆使用资源数值。
其中,车辆使用资源数值可以是用户账户使用车辆所需要进行交互的资源值。
具体地,终端响应车辆的停车操作,可以获取该车辆的当前停车位置以及该当前停车位置对应的车辆使用资源数值;这样,终端可以将当前停车位置的车辆使用资源数值确定为车辆在行驶至待推荐车站的车辆使用资源数值。
在一个示例中,终端响应于车辆的停车操作,在检测到车辆从当前停车位置向待推荐车站行驶后,可以生成资源数据停止统计指令,资源数据停止统计指令用于停止统计用户账户的车辆使用资源数值,即免除用户账户从当前停车位置至待推荐车站之间的车辆使用资源数值。
在另一个示例中,终端可以基于预设的资源算法,计算车辆从当前停车位置至待推荐车站位置的目标车辆使用资源数值,并在用户终端触发车辆的还车操作后,获取车辆在还车操作对应的位置的车辆使用资源数值,并计算该车辆在还车操作对应的位置的车辆使用资源数值与目标车辆使用资源数值之间的资源数值差值,并将计算出的资源数值差值确定为车辆对应的车辆使用资源数值,并从使用该车辆的用户账户中扣除该资源数值差值。
本实施例中,通过对用户账户对应的车辆使用资源数值的灵活调整,可以保证用户的用车体验,更利用用户配合车辆的合理调度,保证车辆的利用率以及车站的过载问题。
在一个实施例中,如图2所示,步骤“基于经度以及纬度计算目标子区域”的具体处理过程,包括:
步骤202,基于车辆的当前停车位置包含的经度以及纬度,计算车辆所在的第一子区域。
具体地,终端可以获取车辆的当前停车位置的经度以及当前停车位置的纬度,并通过预设的子区域确定算法,计算该车辆所在的第一子区域。其中,车辆的当前停车位置可以位于目标区域内,该目标区域可以包括多个子区域,该目标区域可以是一个城市的区域,各个子区域可以是对该城市的区域按照预设子区域边长进行划分得到的子区域。
步骤204,基于第一子区域,确定第一子区域的各关联子区域。
其中,第一子区域的各关联子区域可以是与该第一子区域存在关联关系的区域,例如可以是与该第一子区域相邻的多个停车区域,也可以包括与该第一子区域的区域特征相似的多个停车区域。
具体地,终端可以基于确定出的车辆所在的第一子区域,确定与该第一子区域存在关联关系的各关联子区域。这样,终端可以将第一子区域以及第一子区域的各关联子区域确定为目标子区域。
本实施例中,通过确定一个或者多个目标子区域,可以为后续确定待推荐车站提供可靠的数据基础。
在一个实施例中,如图3所示,步骤202“基于车辆的当前停车位置包含的经度以及纬度,计算车辆所在的第一子区域”的具体处理过程,包括:
步骤302,根据经度、纬度以及弧度制转换角度,计算弧度制的经度以及弧度制纬度;基于预设的三角函数以及弧度制的纬度,计算目标三角函数值,并基于目标三角函数值和地球半径,计算当前纬度半径。
其中,弧度制转换角度可以是用于进行不同类型的坐标系之间的转换参数,例如可以转换为弧度制的转换参数,例如可以是radius scale,弧度制的经度可以是转换为弧度坐标系的经度,纬度可以是转换为弧度坐标系的纬度;预设的三角函数可以是cos函数;地球半径可以是预先配置的地球半径参数(earth scale)。
具体地,终端可以基于弧度制转换角度分别对当前停车位置的经度以及纬度进行弧度制转换,得到弧度制的经度以及弧度制纬度;终端可以将经度与弧度制转换角度的积值作为弧度制的经度;终端可以将纬度与弧度制转换角度的积值作为弧度制的纬度。这样,终端可以通过预设的三角函数得到弧度制的纬度的目标三角函数值,并计算目标三角函数值和地球半径的积值,将该积值确定为当前纬度半径。
步骤304,通过当前纬度半径、弧度制的经度以及当前停车位置对应的中心位置的经度,计算与中心位置的横向距离。
其中,当前停车位置对应的中心位置是当前停车位置所在的区域的中心位置点,当前停车位置所在的区域可以是包含该当前停车位置的目标区域,该目标区域可以是一个城市的区域,或者是一个县区的区域等等。与中心位置的横向距离可以是当前停车位置相对于中心位置的横向距离。该目标区域可以包括多个子区域,各个子区域可以是对该城市的区域按照预设子区域边长进行划分得到的子区域。
具体地,终端可以基于弧度制的经度与当前停车位置对应的中心位置的经度,计算该弧度制的经度与当前停车位置对应的中心位置的经度之间的经度差值,并计算该经度差值与当前纬度半径之间的积值,终端可以将计算出的积值确定为与中心位置的横向距离。
步骤306,基于地球半径、弧度制的纬度以及中心位置的纬度,计算与中心位置的纵向距离。
其中,与中心位置的纵向距离可以是当前停车位置相对于中心位置的纵向距离。
具体地,终端可以基于弧度制的纬度与当前停车位置对应的中心位置的纬度,计算该弧度制的纬度与当前停车位置对应的中心位置的纬度之间的纬度差值,并计算该纬度差值与预设的地球半径之间的积值,终端可以将计算出的积值确定为与中心位置的纵向距离。
步骤308,根据与中心位置的横向距离以及预设子区域长度信息,计算第一坐标轴索引值。以及根据与中心位置的纵向距离以及预设子区域长度信息,计算第二坐标轴索引值。
其中,预设子区域长度信息可以是对目标区域进行子区域划分时的预设子区域边长,也就是说,终端可以按照预设子区域长度信息将目标区域划分为多个子区域,各个子区域的边长的数值与预设子区域长度信息所表征的数值一致。第一坐标轴索引值可以是横向坐标轴的索引值(横向坐标值),例如在目标区域内的横向的索引,第二坐标轴索引值可以是纵向坐标轴的索引值(纵向坐标值)。
具体地,终端可以根据计算出的与中心位置的横向距离,以及预设的子区域长度信息,例如可以计算与中心位置的横向距离和预设的子区域长度信息的商值,终端可以基于该计算出的商值以及目标取整函数,确定第一坐标轴索引值;终端可以根据计算出的与中心位置的纵向距离,以及预设的子区域长度信息,例如可以计算与中心位置的纵向距离和预设的子区域长度信息的商值,终端可以基于计算出的商值以及目标取整函数,确定第二坐标轴索引值。其中,目标取整函数可以是round()函数。
步骤310,基于第一坐标轴索引值以及第二坐标轴索引值,得到车辆所在的第一子区域的区块位置索引。
其中,车辆所在的第一子区域的区块位置索引可以是第一子区域在目标区域内的区块位置索引,目标区域可以被划分为多个区块(子区域)。
具体地,终端可以将第一坐标轴索引值以及第二坐标轴索引值确定为车辆所在的第一子区域的区块位置索引。
在一个示例中,终端可通过以下公式计算当前纬度半径(current_lat_radius):
longitude_rad=longitude×RADIUS_SCALE,
latitude_rad =latitude×RADIUS_SCALE,
current_lat_radius= EARTH_RADIUS×cos(latitude_rad),
其中,longitude表示当前停车位置的经度,latitude表示当前停车位置的纬度,RADIUS_SCALE表示弧度制转换角度,longitude_rad表示弧度制的经度,latitude_rad表示弧度制的纬度,current_lat_radius表示当前纬度半径,EARTH_RADIUS表示地球半径,cos(latitude_rad)可以是在预设的三角函数是cos函数的情况下的目标三角函数值。
终端可通过以下公式计算第一坐标轴索引值(x_index)以及第二坐标轴索引值(y_index):
x_dist=current_lat_radius×(longitude_rad-center_longitude),
y_dist=EARTH_RADIUS×(latitude_rad-center_latitude),
x_index=round(x_dist/ step_dist),
y_index=round(y_dist/ step_dist),
其中,x_dist表示与中心位置的横向距离,center_longitude表示当前停车位置对应的中心位置的经度,y_dist表示与中心位置的纵向距离,center_latitude表示当前停车位置对应的中心位置的纬度,step_dist表示预设子区域长度信息。在一个示例中,EARTH_RADIUS = 6372800 ,RADIUS_SCALE = math.pi/180,step_dist = 500,即每个区块(子区域)的面积为250000平方米。
本实施例中,通过车辆的当前停车位置的经纬度计算车辆的区块位置索引,可以保证计算出的区块位置索引的准确性。
在一个实施例中,如图4所示,步骤“基于第一子区域,确定第一子区域的各关联子区域”的具体处理过程,包括:
步骤402,基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域;确定与第一子区域属于同一聚类的子区域,为第一子区域的关联子区域。
其中,当前停车区域可以是包含该当前停车位置的目标区域,即当前停车位置所在的区域。
具体地,终端可以通过聚类算法对目标区域包含的多个子区域进行聚类处理,得到聚类后的多个子区域。在一个示例中,终端可以得到分别属于不同聚类的多个子区域,终端可以确定第一子区域所属于的聚类,并确定该第一子区域所属于的聚类所包含的其他子区域,并将该聚类所包含的其他子区域确定为该第一子区域的关联子区域。
和/或,步骤404,确定与第一子区域相邻的各子区域为第一子区域的关联子区域。
具体地,终端可以将与第一子区域相邻的各子区域为第一子区域的关联子区域。在一个示例中,终端可以将第一子区域周围的八个邻居子区域确定该第一子区域的关联子区域。
需要说明的是,本公开并不对上述步骤402以及步骤404的执行顺序进行限定,在一个示例中,可以仅执行步骤402,在另一个示例中,可以仅执行步骤404,在另一个示例中,可以执行402以及步骤404。本领域技术人员可以基于实际应用场景具体确定。
本实施例中,可以保证确定出的第一子区域的关联子区域的可靠性。
在一个实施例中,如图5所示,步骤“基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域”的具体处理过程,包括:
步骤502,针对每一统计时间类型中的每一时间范围的各子区域,获取子区域在时间范围的车辆流入量、车辆流出量以及兴趣点数量。
其中,统计时间类型可以是统计日期的类型,例如可以包括第一统计日期类型以及第二统计日期类型,第一统计日期类型可以是工作日,第二统计日期类型可以是非工作日;每一时间范围可以是将一天划分为多个相等的时间段,例如可以是半小时为一个时间范围,车辆流入量可以是平均车辆流入量,即该车辆对应的停车时间在该时间范围内,且停车位置在该子区域内的车辆的数目;车辆流出量可以是车辆的开始使用时间在该时间范围内,且车辆的起始位置在该子区域内,停车位置不在该子区域内的车辆的数目;兴趣点数量可以是该子区域内的标志性地理点数目,例如可以是标志性建筑的数目,例如可以包括医院、超市、学校等等。
具体地,针对于每一统计时间类型中每一个时间范围分别对应的每一个子区域,终端可以基于目标时间段的车辆订单数据进行统计,确定该子区域在该时间统计类型的时间范围的车辆流入量、车辆流出量以及兴趣点数量。其中,车辆订单数据可以包括车辆的开始使用时间、停车时间、车辆的起始位置以及车辆的停车位置。
步骤504,根据图像转换算法,分别对车辆流入量、车辆流出量以及兴趣点数量进行图像转换处理,得到子区域的像素数据。
其中,图像转换算法可以是根据数据最大值、数据最小值以及图像转换参数进行数据转换,将数据转换为图像的像素点的转换算法,图像转换参数例如可以是255。该子区域的像素数据包括多个像素点,每一像素点的数据可以包括多个通道的通道值。
具体地,终端可以获取车辆流入量对应的车辆最大流入量以及车辆最小流入量,这样,终端可以分别计算车辆流入量与车辆最小流入量的第一差值,以及车辆最大流入量与车辆流入量的第二差值,并计算第一差值与第二差值的比值,并计算该比值与图像转换参数之间的第一积值,确定该第一积值可以是图像的第一通道的通道值;同样地,针对于车辆流出量,终端可以获取车辆流出量对应的车辆最大流出量以及车辆最小流出量,这样,终端可以分别计算车辆流出量与车辆最小流出量的第一差值,以及车辆最大流出量与车辆流出量的第二差值,并计算第一差值与第二差值的比值,并计算该比值与图像转换参数之间的第二积值,确定该第二积值可以是图像的第二通道的通道值;针对于兴趣点数量(poi数量),终端可以获取兴趣点数量对应的最大兴趣点数量以及最小兴趣点数量,这样,终端可以分别计算兴趣点数量与最小兴趣点数量的第一差值,以及最大兴趣点数量与兴趣点数量的第二差值,并计算第一差值与第二差值的比值,并计算该比值与图像转换参数之间的第三积值,确定该第三积值可以是图像的第三通道的通道值。基于第一通道的通道值、第二通道的通道值以及第三通道的通道值,终端可以得到该子区域对应的像素点的像素数据。
步骤506,基于各子区域的像素数据生成车辆数据图像,并通过图像分割算法对车辆数据图像中包含的各个子区域进行聚类,得到聚类后的多个子区域。
其中,车辆数据图像可以是RGB模式的图像,第一通道可以是R通道,第二通道可以是G通道,第三通道可以是B通道。聚类后的多个子区域中属于同一聚类的各个子区域之间的用户行为模式满足相似条件,以及poi满足相似条件。
具体地,各子区域的像素数据可以是一个像素点,基于各个子区域分别对应的多个像素点,终端可以生成车辆数据图像,针对于车辆数据图像,终端可以基于预设的图像分割算法对车辆数据图像进行分割,得到多个子图像,也就是通过图像分割算法对车辆数据图像包含的多个子像素点分别对应的子区域进行聚类。这样,终端可以将属于同一子图像中的各个像素点分别对应的各个子区域作为属于同一聚类的子区域。
本实施例中,通过将车辆数据转换生成图像,并对图像进行聚类得到多个聚类,可以保证对各个子区域进行聚类的准确性,能够将用户行为模式满足相似条件,以及poi满足相似条件的子区域划分至同一聚类。
在一个实施例中,如图6所示,步骤“在目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站”的具体处理过程,包括:
步骤602,针对每一目标子区域,根据目标子区域的车辆保有量以及目标子区域的停车区域面积,计算目标子区域的停车密度。
其中,目标子区域的车辆保有量可以是每一时间范围对应的车辆保有量,该车辆保有量可以基于该时间范围对应的时段开始车辆停靠数量、当前时间范围内的车辆骑入数量以及当前时间范围的车辆骑出数量确定的。
具体地,针对于每一目标子区域,可以获取当前时间范围对应的时段开始车辆停靠数量、当前时间范围内的车辆骑入数量以及当前时间范围的车辆骑出数量,并计算车辆保有量。这样,终端可以基于车辆保有量以及停车区域面积,计算目标子区域的停车密度。在一个示例中,终端可以将车辆保有量与停车区域面积的比值,确定为该目标子区域的停车密度。
步骤604,基于目标子区域的停车密度以及目标子区域的车辆保有量,计算目标子区域的停车过载参数。
其中,目标子区域的停车过载参数可以是该目标子区域的过载量评价分数。
具体地,终端可以基于标准分数算法分别对目标子区域的停车密度以及目标子区域的车辆保有量进行标准化计算,得到停车密度的标准化结果以及车辆保有量的标准化结果。这样,终端可以基于停车密度的标准化结果以及车辆保有量的标准化结果,得到目标子区域的停车过载参数。
其中,标准分数算法可以是Z值(z-score,z-values, normal score)算法,终端通过标准分数算法进行标准化处理的过程可以是,终端可以获取目标子区域的停车密度,以及平均停车密度,并计算停车密度与平均停车密度之间的停车密度差值,计算停车密度差值与停车密度的标准差之间的比值,并将该比值确定为停车密度的标准化结果;同样地,终端可以获取目标子区域的车辆保有量,以及平均车辆保有量,并计算车辆保有量与平均车辆保有量之间的车辆保有量差值,计算车辆保有量差值与车辆保有量的标准差之间的比值,并将该比值确定为车辆保有量的标准化结果。基于此,终端可以计算车辆保有量的标准化结果与停车密度的标准化结果之间的和值,将该和值确定为该目标子区域的停车过载参数。
步骤606,确定停车过载参数小于或者等于预设的停车过载阈值的目标子区域为待筛选目标子区域。
其中,预设的停车过载阈值可以是基于实际应用场景确定的阈值。
具体地,终端可以基于预设的停车过载阈值对各个目标子区域进行筛选,在各个目标子区域中,剔除停车过载参数大于预设的停车过载阈值的目标子区域,保留停车过载参数小于或者等于预设的停车过载阈值的目标子区域,将停车过载参数小于或者等于预设的停车过载阈值的目标子区域确定为待筛选目标子区域。
步骤608,针对待筛选目标子区域包含的每一车站,根据车站的车辆保有量以及车站的停车区域面积,计算车站的停车密度;基于车站的停车密度以及车站的车辆保有量,计算车站的停车过载参数。
具体地,待筛选目标子区域可以包括多个停车车站,针对于每一停车车站,终端可以获取当前时间范围对应的时段开始车辆停靠数量、当前时间范围内的车辆骑入数量以及当前时间范围的车辆骑出数量,并计算车辆保有量。这样,终端可以基于车辆保有量以及停车区域面积,计算该车站的停车密度。在一个示例中,终端可以将车辆保有量与停车区域面积的比值,确定为该车站的停车密度。终端可以获取车站的停车密度,以及平均停车密度,并计算停车密度与平均停车密度之间的停车密度差值,计算停车密度差值与停车密度的标准差之间的比值,并将该比值确定为停车密度的标准化结果;同样地,终端可以获取车站的车辆保有量,以及平均车辆保有量,并计算车辆保有量与平均车辆保有量之间的车辆保有量差值,计算车辆保有量差值与车辆保有量的标准差之间的比值,并将该比值确定为车辆保有量的标准化结果。基于此,终端可以计算车辆保有量的标准化结果与停车密度的标准化结果之间的和值,将该和值确定为该车站的停车过载参数。
步骤610,确定停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
具体地,终端可以基于预设的停车过载阈值对各个车站进行筛选,在各个车站中,剔除停车过载参数大于预设的停车过载阈值的车站,保留停车过载参数小于或者等于预设的停车过载阈值的车站,将停车过载参数小于或者等于预设的停车过载阈值的车站确定为满足过载量筛选条件的目标车站。
本实施例中,通过基于停车过载参数对各个目标子区域进行筛选,再在满足条件的目标子区域中基于停车过载参数对各个停车车站进行筛选,可以保证筛选的效率。
在一个实施例中,如图7所示,步骤“在目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站”的具体处理过程,包括:
步骤702,针对目标子区域包含的每一车站,根据车站的车辆保有量以及车站的停车区域面积,计算车站的停车密度。
其中,车站的车辆保有量可以是每一时间范围对应的车辆保有量,该车辆保有量可以基于该时间范围对应的时段开始车辆停靠数量、当前时间范围内的车辆骑入数量以及当前时间范围的车辆骑出数量确定的。
具体地,针对于每一车站,可以获取当前时间范围对应的时段开始车辆停靠数量、当前时间范围内的车辆骑入数量以及当前时间范围的车辆骑出数量,并计算车辆保有量。这样,终端可以基于车辆保有量以及该车站的停车区域面积,计算车站的停车密度。在一个示例中,终端可以将车辆保有量与该车站的停车区域面积的比值,确定为该车站的停车密度。
步骤704,基于车站的停车密度以及车站的车辆保有量,计算车站的停车过载参数。
其中,车站的停车过载参数可以是该车站的过载量评价分数。
具体地,终端可以基于标准分数算法分别对车站的停车密度以及车站的车辆保有量进行标准化计算,得到停车密度的标准化结果以及车辆保有量的标准化结果。这样,终端可以基于停车密度的标准化结果以及车辆保有量的标准化结果,得到车站的停车过载参数。
其中,标准分数算法可以是Z值(z-score,z-values, normal score)算法,终端通过标准分数算法进行标准化处理的过程可以是,终端可以获取车站的停车密度,以及平均停车密度,并计算停车密度与平均停车密度之间的停车密度差值,计算停车密度差值与停车密度的标准差之间的比值,并将该比值确定为停车密度的标准化结果;同样地,终端可以获取车站的车辆保有量,以及平均车辆保有量,并计算车辆保有量与平均车辆保有量之间的车辆保有量差值,计算车辆保有量差值与车辆保有量的标准差之间的比值,并将该比值确定为车辆保有量的标准化结果。基于此,终端可以计算车辆保有量的标准化结果与停车密度的标准化结果之间的和值,将该和值确定为该车站的停车过载参数。
步骤706,确定停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
具体地,终端可以基于预设的停车过载阈值对各个车站进行筛选,在各个车站中,剔除停车过载参数大于预设的停车过载阈值的车站,保留停车过载参数小于或者等于预设的停车过载阈值的车站,将停车过载参数小于或者等于预设的停车过载阈值的车站确定为满足过载量筛选条件的目标车站。
本实施例中,通过停车过载参数对各个目标子区域包含的各个停车车站记进行筛选,可以保证筛选得到的目标车站的准确性。
在一个实施例中,如图8所示,步骤“基于各目标车站的距离信息确定待推荐车站”的具体处理过程,包括:
步骤802,针对于每一目标车站,计算目标车站与当前停车位置的距离。
具体地,终端可以分别计算各个目标车站与当前停车位置的距离,例如可以是目标车站的地理位置与该当前停车位置的地理位置之间的距离,例如可以是直线距离。在一个示例中,终端可以根据目标车站所在的目标区域的地图数据,计算该当前停车位置行驶至该目标车站的行驶距离等等。
步骤804,确定距离满足目标距离条件的车站为待推荐车站。
其中,目标距离条件的内容可以是距离小于预设距离阈值,目标距离条件还可以是基于距离的从小到大的顺序,将各个目标车站进行排序,将前目标数目个车站确定为满足目标距离条件的待推荐车站,在一个示例中,目标数目可以是3,也可以是5等等。
具体地,基于各个目标车站的距离,终端可以将距离小于预设距离阈值的车站确定为满足目标距离条件的车站;终端还可以基于各个目标车站与当前停车位置之间的距离的从小到大的顺序,将各个目标车站进行排序,得到目标车站序列,这样,终端可以将前目标数目的目标车站确定为满足目标距离条件的车站。基于此,终端可以将满足目标距离条件的车站确定为待推荐车站,并向用户账户推送该待推荐车站。
本实施例中,通过距离确定向用户账户推送的待推荐车站,可以保证用户的停车体验,也可以更好地实现不同区域内的车辆调度。
在一个实施例中,如图9所示,该停车提示方法还包括:
步骤902,响应于用户对各待推荐车站的触发操作,确定触发操作对应的目标推荐车站。
具体地,终端可以响应于用户对多个待推荐车站中的目标推荐车站的标识信息的触发,确定用户的触发操作对应的目标推荐车站,即确定用户选择的目标推荐车站。
步骤904,计算目标推荐车站与当前停车位置之间的距离,并基于距离计算待发放资源数据,向车辆对应的用户账户推送待发放资源数据。
具体地,终端可以计算目标推荐车站与当前停车位置之间的距离,并将距离确定为权重因子,基于该权重因子计算待发放资源数据。这样,终端可以向用户账户下发该待发放资源数据。
本实施例中,通过向用户账户下发资源数据,可以提升用户对停车调度的配合,保证用户的停车体验,更好地实现不同区域内的车辆调度。
以下,结合一个具体实施例详细描述上述停车提示方法的具体执行过程:
随着计算机技术的不断发展,依托于计算机技术的共享单车也在城市出行方面起到了越来越重要的作用。由于用户停车不当和不均匀分布,往往出现一些地区拥挤而另一些地区缺车的情况,降低了共享单车的利用率。
本实施例中提供的停车提示方法,包括:
数据获取与预处理,具体地,终端可以获取目标区域的目标时间段的车辆订单数据,该目标时间段可以是历史三个月,目标区域可以是当前停车位置所在的城市,也可以是预先确定的城市,车辆订单数据可以是用户用车信息,该用户用车信息可以包括车辆订单的开始时间、车辆订单的结束时间、车辆订单的起始位置的经纬度以及车辆订单的结束位置的经纬度。终端可以将各个车辆订单的时间戳转换为时间范围(时间段)索引,终端可以将每三十分钟划分至同一时段,即每一天可以被切分为48个时段。终端可以分别确定车辆订单的起始位置对应的区块位置索引,以及车辆订单的结束位置对应的区块位置索引(index_x,index_y)。即,终端将订单起始经纬度和订单结束经纬度分别转换为区块索引(index_x,index_y)。
在一个示例中,终端对经纬度进行转换处理,得到区块位置索引的过程可以是如下所示:
终端可通过以下公式计算当前纬度半径(current_lat_radius):
longitude_rad=longitude×RADIUS_SCALE,
latitude_rad =latitude×RADIUS_SCALE,
current_lat_radius= EARTH_RADIUS×cos(latitude_rad),
其中,longitude表示当前停车位置的经度,latitude表示当前停车位置的纬度,RADIUS_SCALE表示弧度制转换角度,longitude_rad表示弧度制的经度,latitude_rad表示弧度制的纬度,current_lat_radius表示当前纬度半径,EARTH_RADIUS表示地球半径,cos(latitude_rad)可以是在预设的三角函数是cos函数的情况下的目标三角函数值。
终端可通过以下公式计算第一坐标轴索引值(x_index)以及第二坐标轴索引值(y_index):
x_dist=current_lat_radius×(longitude_rad-center_longitude),
y_dist=EARTH_RADIUS×(latitude_rad-center_latitude),
x_index=round(x_dist/ step_dist),
y_index=round(y_dist/ step_dist),
其中,x_dist表示与中心位置的横向距离,center_longitude表示当前停车位置对应的中心位置的经度,y_dist表示与中心位置的纵向距离,center_latitude表示当前停车位置对应的中心位置的纬度,step_dist表示预设子区域长度信息。在一个示例中,EARTH_RADIUS = 6372800 ,RADIUS_SCALE = math.pi/180,step_dist = 500,即每个区块(子区域)的面积为250000平方米。
也就是说,终端可以将经度和纬度的值转换为弧度制,计算当前纬度的半径,计算相对于中心点(中心位置)的横向距离和纵向距离,得到区块索引。
具体地,终端还可以生成各个区块的区块特征,并基于各个区块的区块特征实现相似区块的聚类。终端可以根据统计时间类型分为工作日类型,每一集非工作日类型,即休息日。
针对每一统计时间类型,终端可以统计每个区块每个时段的平均车辆流入数量、平均车辆流出数量以及 poi数量,记作fi=(in, out, n), 其中i为时段索引,取值为0-47。in为订单流入数,即平均车辆流入数量;out为订单流出数,即平均车辆流出数量;n为poi数量,即区块内的兴趣点数量。
通过以下公式进行转换,可以通过min-max归一化后扩大255倍,实现将数值转换为RGB色彩模型:
N(ini)=(ini-inmin)/(inmax-inmin)×255,
N(outi)=(outi-outmin)/(outmax-outmin)×255,
N(ni)=(ni-nmin)/(nmax-nmin)×255,
其中,ini表示车辆流入量,inmin表示车辆最小流入量,inmax表示车辆最大流入量;outi表示车辆流出量,outmin表示车辆最小流出量,outmax表示车辆最出流入量;ni表示兴趣点数量,nmin表示最小兴趣点数量,nmax表示最大兴趣点数量;N(ini)表示第一通道的通道值,N(outi)表示第二通道的通道值,N(ni)表示第三通道的通道值。
终端可以将上述特征转换为RGB模式的图像,每个区块视为一个像素。采用图像分割算法对图像进行分割,能够将用户行为模式和poi相近的区块划分到同一类中,实现聚类。
具体地,终端还可以实现停车过量区域实时识别。
终端可以确定停车区在时段i车辆保有量(可记为Wi)为Wi=ai+ini-outi,其中,i为时段,ai为时段开始车辆停靠数量,in为时段i当前车辆骑入数量,out位时段i当前车辆骑出数量。停车区在时段i的停车密度(可记为Di),Di=Wi/Si,其中,Si为停车区面积。停车过载参数(可记为Oi)可以通过以下公式计算:
Oi=Zscore(Di)+ Zscore(Wi)。
以下,本实施例还提供的停车提示方法还包括车辆过载区域挖掘的步骤:终端可以针对于聚类后的各个子区域,针对每一个子区域中的每一个车站,终端可以计算该车站的车辆保有量W以及车辆密度D,并计算该车站的过载量得分O。如果车站的过载量得分大于threshold,则终端可以确定该车站是停车过载的车站。其中,threshold可以是城市过载量得分的75分位数。
以下,本实施例还提供的停车提示方法还包括用户停车指导的车辆动态再平衡的步骤:
终端可以基于用户骑行车辆的经纬度坐标计算用户停车车站的推荐列表,具体地,终端可以基于用户骑行车辆的经纬度,计算当前用户所在车站的区块位置索引,以及该当前用户所在车站的区块位置索引相邻的八个邻居区块,筛选上述区块中未停车过载的车站,并计算未停车过载的车站与当前停车位置之间的距离,如果距离小于threshold(预设距离阈值),则终端可以将该车站添加至待推荐车站列表中。终端在获取待推荐车站列表后,可以基于距离的从小到大的顺序,选择前目标数目的车站确定为待推荐车站。
当用户在当前过载车站点击停车按钮时,给用户推送推荐停车车站列表,同时终端可以免除用户账户的后续骑行资源数据,并根据dis作为权重随机给用户发放骑行福利。
本实施例提供的停车提示方法,可以提高共享单车利用率:通过共享单车实时车辆过载区域挖掘及用户停车推荐指导***,***能够合理分布共享单车,避免出现拥挤或缺车的情况,提高共享单车的利用率。优化用户体验:用户通过***提供的停车指导,可以快速找到合适的停车位置,节省时间和精力,提高用户体验。减少交通拥堵:通过合理引导共享单车的停放位置,***能够减少共享单车集中在特定区域,避免拥堵和交通阻塞,提高城市交通效率。
也就是说,本实施例提供的停车提示方法,可以具有广泛的应用前景,可提高共享单车的利用率和用户体验,减少交通拥堵,促进城市可持续发展,能够实时挖掘共享单车潮汐性区域的模式,并能以较低成本实现实时调度车辆以满足用户需求,提高***的效率和用户体验。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的停车提示方法的停车提示装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个停车提示装置实施例中的具体限定可以参见上文中对于停车提示方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种停车提示装置1000,包括:第一获取模块1002、第一计算模块1004、第一筛选模块1006和第一推荐模块1008,其中:
第一获取模块1002,用于响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
第一计算模块1004,用于基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
第一筛选模块1006,用于在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
第一推荐模块1008,用于基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
在其中一个实施例中,所述装置还包括:
第一确定模块,用于将所述车辆在所述当前停车位置对应的车辆使用资源数值,确定为所述车辆在所述待推荐车站的车辆使用资源数值。
在其中一个实施例中,所述第一计算模块,具体用于:
基于所述车辆的当前停车位置包含的经度以及纬度,计算所述车辆所在的第一子区域;
基于所述第一子区域,确定所述第一子区域的各关联子区域。
在其中一个实施例中,所述第一计算模块,具体用于:
基于预设的三角函数以及弧度制的纬度,计算目标三角函数值,并基于所述目标三角函数值和地球半径,计算当前纬度半径;
通过所述当前纬度半径、所述弧度制的经度以及所述当前停车位置对应的中心位置的经度,计算与所述中心位置的横向距离;
基于所述地球半径、弧度制的纬度以及中心位置的纬度,计算与所述中心位置的纵向距离;
根据所述与所述中心位置的横向距离以及预设子区域长度信息,计算第一坐标轴索引值;以及根据所述与所述中心位置的纵向距离以及所述预设子区域长度信息,计算第二坐标轴索引值;
基于所述第一坐标轴索引值以及所述第二坐标轴索引值,得到所述车辆所在的第一子区域的区块位置索引。
在其中一个实施例中,所述第一计算模块,具体用于:基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域;确定与所述第一子区域属于同一聚类的子区域,为所述第一子区域的关联子区域;
和/或,确定与所述第一子区域相邻的各子区域为所述第一子区域的关联子区域。
在其中一个实施例中,所述第一计算模块,具体用于:
针对每一统计时间类型中的每一时间范围的各子区域,获取所述子区域在所述时间范围的车辆流入量、车辆流出量以及兴趣点数量;
根据图像转换参数,分别对所述车辆流入量、所述车辆流出量以及所述兴趣点数量图像转换处理,得到所述子区域的像素数据;
基于各所述子区域的像素数据生成车辆数据图像,并通过所述图像分割算法对所述车辆数据图像中包含的各个子区域进行聚类,得到聚类后的多个子区域。
在其中一个实施例中,所述第一筛选模块,具体用于:
针对每一目标子区域,根据所述目标子区域的车辆保有量以及所述目标子区域的停车区域面积,计算所述目标子区域的停车密度;
基于所述目标子区域的停车密度以及所述目标子区域的车辆保有量,计算所述目标子区域的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的目标子区域为待筛选目标子区域;
针对所述待筛选目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
在其中一个实施例中,所述第一筛选模块,具体用于:
针对目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;
基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
在其中一个实施例中,第一推荐模块,具体用于:针对于每一目标车站,计算所述目标车站与所述当前停车位置的距离;
确定所述距离满足目标距离条件的车站为待推荐车站。
在其中一个实施例中,所述装置还包括:
目标推荐车站确定模块,用于响应于用户对各所述待推荐车站的触发操作,确定所述触发操作对应的目标推荐车站;
第二计算模块,用于计算所述目标推荐车站与所述当前停车位置之间的距离,并基于所述距离计算待发放资源数据,向所述车辆对应的用户账户推送待发放资源数据。
上述停车提示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种停车提示方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (14)
1.一种停车提示方法,其特征在于,所述方法包括:
响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述车辆在所述当前停车位置对应的车辆使用资源数值,确定为所述车辆在所述待推荐车站的车辆使用资源数值。
3.根据权利要求1所述的方法,其特征在于,所述基于所述经度以及纬度计算目标子区域,包括:
基于所述车辆的当前停车位置包含的经度以及纬度,计算所述车辆所在的第一子区域;
基于所述第一子区域,确定所述第一子区域的各关联子区域。
4.根据权利要求3所述的方法,其特征在于,所述基于所述车辆的当前停车位置包含的经度以及纬度,计算所述车辆所在的第一子区域,包括:
根据所述经度、所述纬度以及弧度制转换角度,计算弧度制的经度及弧度制纬度;基于预设的三角函数以及所述弧度制的纬度,计算目标三角函数值,并基于所述目标三角函数值和地球半径,计算当前纬度半径;
通过所述当前纬度半径、所述弧度制的经度以及所述当前停车位置对应的中心位置的经度,计算与所述中心位置的横向距离;
基于所述地球半径、弧度制的纬度以及中心位置的纬度,计算与所述中心位置的纵向距离;
根据所述与所述中心位置的横向距离以及预设子区域长度信息,计算第一坐标轴索引值;以及根据所述与所述中心位置的纵向距离以及所述预设子区域长度信息,计算第二坐标轴索引值;
基于所述第一坐标轴索引值以及所述第二坐标轴索引值,得到所述车辆所在的第一子区域的区块位置索引。
5.根据权利要求3所述的方法,其特征在于,所述基于所述第一子区域,确定所述第一子区域的各关联子区域,包括:
基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域;确定与所述第一子区域属于同一聚类的子区域,为所述第一子区域的关联子区域;
和/或,确定与所述第一子区域相邻的各子区域为所述第一子区域的关联子区域。
6.根据权利要求5所述的方法,其特征在于,所述基于聚类算法对当前停车区域包含的多个子区域进行聚类,得到聚类后的多个子区域,包括:
针对每一统计时间类型中的每一时间范围的各子区域,获取所述子区域在所述时间范围的车辆流入量、车辆流出量以及兴趣点数量;
根据图像转换参数,分别对所述车辆流入量、所述车辆流出量以及所述兴趣点数量图像转换处理,得到所述子区域的像素数据;
基于各所述子区域的像素数据生成车辆数据图像,并通过所述图像分割算法对所述车辆数据图像中包含的各个子区域进行聚类,得到聚类后的多个子区域。
7.根据权利要求1所述的方法,其特征在于,所述在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站,包括:
针对每一目标子区域,根据所述目标子区域的车辆保有量以及所述目标子区域的停车区域面积,计算所述目标子区域的停车密度;
基于所述目标子区域的停车密度以及所述目标子区域的车辆保有量,计算所述目标子区域的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的目标子区域为待筛选目标子区域;
针对所述待筛选目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
8.根据权利要求1所述的方法,其特征在于,所述在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站,包括:
针对目标子区域包含的每一车站,根据所述车站的车辆保有量以及所述车站的停车区域面积,计算所述车站的停车密度;
基于所述车站的停车密度以及所述车站的车辆保有量,计算所述车站的停车过载参数;
确定所述停车过载参数小于或者等于预设的停车过载阈值的车站为满足过载量筛选条件的目标车站。
9.根据权利要求1所述的方法,其特征在于,所述基于各目标车站的距离信息确定待推荐车站,包括:
针对于每一目标车站,计算所述目标车站与所述当前停车位置的距离;
确定所述距离满足目标距离条件的车站为待推荐车站。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于用户对各所述待推荐车站的触发操作,确定所述触发操作对应的目标推荐车站;
计算所述目标推荐车站与所述当前停车位置之间的距离,并基于所述距离计算待发放资源数据,向所述车辆对应的用户账户推送待发放资源数据。
11.一种停车提示装置,其特征在于,所述装置包括:
第一获取模块,用于响应于车辆的停车操作,获取所述车辆的当前停车位置,所述当前停车位置包括经度以及纬度;
第一计算模块,用于基于所述经度以及纬度计算目标子区域,所述目标子区域包括所述车辆所在的第一子区域以及所述第一子区域的关联子区域;
第一筛选模块,用于在所述目标子区域包含的各车站进行筛选,确定满足过载量筛选条件的目标车站;
第一推荐模块,用于基于各目标车站的距离信息确定待推荐车站,并推送所述待推荐车站。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
14.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410364652.7A CN117975708B (zh) | 2024-03-28 | 2024-03-28 | 停车提示方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410364652.7A CN117975708B (zh) | 2024-03-28 | 2024-03-28 | 停车提示方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117975708A true CN117975708A (zh) | 2024-05-03 |
CN117975708B CN117975708B (zh) | 2024-06-18 |
Family
ID=90846252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410364652.7A Active CN117975708B (zh) | 2024-03-28 | 2024-03-28 | 停车提示方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117975708B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035750A (zh) * | 2018-08-30 | 2018-12-18 | 江苏大学 | 一种共享单车乱停乱放的调运方法 |
CN109063957A (zh) * | 2018-06-22 | 2018-12-21 | 南京师范大学 | 一种共享单车动态调度方法和*** |
CN110909260A (zh) * | 2019-11-12 | 2020-03-24 | 浙江大搜车软件技术有限公司 | 车辆显示方法、装置、计算机可读存储介质和计算机设备 |
CN111127944A (zh) * | 2019-12-27 | 2020-05-08 | 中国联合网络通信集团有限公司 | 共享单车停放区域推荐方法、装置、***及存储介质 |
CN113053094A (zh) * | 2021-02-03 | 2021-06-29 | 西安宏源视讯设备有限责任公司 | 一种共享单车规范化放置方法及*** |
CN114038230A (zh) * | 2021-10-25 | 2022-02-11 | 深圳市神州路路通网络科技有限公司 | 共享停车场车位推荐方法、***、计算机设备及储存介质 |
CN116363854A (zh) * | 2023-05-31 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 共享出行车辆调度方法、装置和计算机设备 |
KR20230160108A (ko) * | 2022-05-16 | 2023-11-23 | 이용석 | 거주자 주차면에 대한 공유 주차 안내 시스템 |
CN117312396A (zh) * | 2022-06-21 | 2023-12-29 | 中移(上海)信息通信科技有限公司 | 一种车道定位方法及装置、电子设备和可读存储介质 |
CN117636681A (zh) * | 2023-12-14 | 2024-03-01 | 浙江远图技术股份有限公司 | 一种停车场推荐方法、装置、电子设备及存储介质 |
-
2024
- 2024-03-28 CN CN202410364652.7A patent/CN117975708B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063957A (zh) * | 2018-06-22 | 2018-12-21 | 南京师范大学 | 一种共享单车动态调度方法和*** |
CN109035750A (zh) * | 2018-08-30 | 2018-12-18 | 江苏大学 | 一种共享单车乱停乱放的调运方法 |
CN110909260A (zh) * | 2019-11-12 | 2020-03-24 | 浙江大搜车软件技术有限公司 | 车辆显示方法、装置、计算机可读存储介质和计算机设备 |
CN111127944A (zh) * | 2019-12-27 | 2020-05-08 | 中国联合网络通信集团有限公司 | 共享单车停放区域推荐方法、装置、***及存储介质 |
CN113053094A (zh) * | 2021-02-03 | 2021-06-29 | 西安宏源视讯设备有限责任公司 | 一种共享单车规范化放置方法及*** |
CN114038230A (zh) * | 2021-10-25 | 2022-02-11 | 深圳市神州路路通网络科技有限公司 | 共享停车场车位推荐方法、***、计算机设备及储存介质 |
KR20230160108A (ko) * | 2022-05-16 | 2023-11-23 | 이용석 | 거주자 주차면에 대한 공유 주차 안내 시스템 |
CN117312396A (zh) * | 2022-06-21 | 2023-12-29 | 中移(上海)信息通信科技有限公司 | 一种车道定位方法及装置、电子设备和可读存储介质 |
CN116363854A (zh) * | 2023-05-31 | 2023-06-30 | 北京阿帕科蓝科技有限公司 | 共享出行车辆调度方法、装置和计算机设备 |
CN117636681A (zh) * | 2023-12-14 | 2024-03-01 | 浙江远图技术股份有限公司 | 一种停车场推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117975708B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alexander et al. | Assessing the impact of real-time ridesharing on urban traffic using mobile phone data | |
Lai et al. | Urban traffic Coulomb’s law: A new approach for taxi route recommendation | |
CN108960590A (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
Jiang et al. | Large-scale taxi O/D visual analytics for understanding metropolitan human movement patterns | |
CN110209686A (zh) | 数据的存储、查询方法及装置 | |
Ma et al. | Modeling and analysis of daily driving patterns of taxis in reshuffled ride-hailing service market | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、***及存储介质 | |
KR102467375B1 (ko) | 개선된 트래픽 상황 시각화를 위한 시스템 및 방법 | |
CN104024801A (zh) | 使用有界地理区域用于导航的方法和*** | |
Wang et al. | User recruitment system for efficient photo collection in mobile crowdsensing | |
Balmer et al. | Value of incorporating geospatial information into the prediction of on-street parking occupancy–A case study | |
CN116363854A (zh) | 共享出行车辆调度方法、装置和计算机设备 | |
CN111210134B (zh) | 服务区域划分方法、装置、服务器和可读存储介质 | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN111860922A (zh) | 一种服务站部署控制方法、装置、电子设备及存储介质 | |
CN117975708B (zh) | 停车提示方法、装置、计算机设备和存储介质 | |
Chandio et al. | An approach for map-matching strategy of GPS-trajectories based on the locality of road networks | |
Dash et al. | From Mobile Phone Data to Transport Network--Gaining Insight about Human Mobility | |
US9098386B1 (en) | System, method, and computer program for determining a subjective distance between two locations | |
CN114417167A (zh) | 一种停车时段推荐方法及装置 | |
CN111222933A (zh) | 一种信息推送方法以及信息推送装置 | |
Liu et al. | Dynamic balance between demand-and-supply of urban taxis over trajectories | |
CN115759660A (zh) | 一种无人驾驶车辆的调度方法、装置、设备和介质 | |
CN111861092B (zh) | 一种停放区域风险识别方法、装置、电子设备及存储介质 | |
CN117877239B (zh) | 共享车辆的收车告警方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |