[發明專利]確定停靠位置的方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202011530769.6
• 申請日: 2020-12-22
• 公開（公告）號: CN112598146A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 劉棟
• 申請（專利權）人: 南京領行科技股份有限公司
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06Q30/06;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 楊愛平

1.一種確定停靠位置的方法，應用于網約車平臺，其特征在于，包括：

獲取預設區域范圍在第一預設時段內對應的多個目標歷史約車訂單；

根據多個所述目標歷史約車訂單分別對應的實際停靠位置，生成用于確定目標停靠位置的預設模型；

根據所述預設模型以及目標區域范圍在第二預設時段內的多個第二歷史約車訂單，確定所述目標區域范圍對應的所述目標停靠位置。

2.根據權利要求1所述的確定停靠位置的方法，其特征在于，所述獲取預設區域范圍在第一預設時段內對應的多個目標歷史約車訂單，包括：

基于與實際停靠位置所對應的速度關聯的第一策略和/或與實際停靠位置和預約停靠位置的關系所關聯的第二策略，在所述預設區域范圍在第一預設時段內對應的第一歷史約車訂單中進行篩選，獲取多個所述目標歷史約車訂單；

其中，在基于所述第一策略進行篩選時，過濾所述實際停靠位置所對應的速度大于預設速度閾值的所述第一歷史約車訂單；在基于所述第二策略進行篩選時，過濾所述實際停靠位置和所述預約停靠位置之間的距離大于預設距離閾值的所述第一歷史約車訂單。

3.根據權利要求1所述的確定停靠位置的方法，其特征在于，所述實際停靠位置包括實際乘車位置和/或實際下車位置，所述目標停靠位置包括目標乘車位置和/或目標下車位置；

所述根據多個所述目標歷史約車訂單分別對應的實際停靠位置，生成用于確定目標停靠位置的預設模型，包括以下方案其中之一：

根據多個所述目標歷史約車訂單分別對應的所述實際乘車位置，生成用于確定所述目標乘車位置和/或所述目標下車位置的所述預設模型；

根據多個所述目標歷史約車訂單分別對應的所述實際下車位置，生成用于確定所述目標乘車位置和/或所述目標下車位置的所述預設模型；

根據多個所述目標歷史約車訂單分別對應的所述實際乘車位置和所述實際下車位置，生成用于確定所述目標乘車位置和/或所述目標下車位置的所述預設模型；

其中，所述實際乘車位置和所述實際下車位置均包括經緯度信息以及方向信息。

4.根據權利要求1或3所述的確定停靠位置的方法，其特征在于，所述根據多個所述目標歷史約車訂單分別對應的實際停靠位置，生成用于確定目標停靠位置的預設模型，包括：

基于預設聚類算法，根據多個所述目標歷史約車訂單分別對應的所述實際停靠位置，隨機生成N個聚類中心點，每個所述聚類中心點對應于一所述實際停靠位置；

根據所述N個聚類中心點，基于所述預設聚類算法進行模型訓練，生成所述預設模型。

5.根據權利要求4所述的確定停靠位置的方法，其特征在于，所述根據所述N個聚類中心點，基于所述預設聚類算法進行模型訓練，生成所述預設模型，包括：

基于所述預設聚類算法，對所述N個聚類中心點進行計算以進行模型訓練，在經過一次模型訓練后獲取對應于M個預測停靠位置的M個聚類中心點，并確定所述M個預測停靠位置所對應的預測準確率，M小于或者等于N；

在所述預測準確率大于或者等于預設準確率閾值的情況下，基于所述預設聚類算法生成所述預設模型；

在所述預測準確率小于所述預設準確率閾值的情況下，調整所述預設聚類算法對應的聚類參數，基于所述聚類參數調整后的所述預設聚類算法再次對所述N個聚類中心點進行模型訓練并在獲取所述預測停靠位置后驗證預測準確率，在經過至少兩次模型訓練且所述預測準確率大于或者等于所述預設準確率閾值時，基于進行至少一次所述聚類參數調整后的所述預設聚類算法生成所述預設模型；

其中，每次模型訓練所對應的所述聚類參數不同，且每次模型訓練對應于至少一次計算，每次計算所確定的所述聚類中心點為下一次計算對應的初始聚類中心點。

6.根據權利要求1所述的確定停靠位置的方法，其特征在于，所述根據所述預設模型以及目標區域范圍在第二預設時段內的多個第二歷史約車訂單，確定所述目標區域范圍對應的所述目標停靠位置，包括：

獲取所述目標區域范圍在第二預設時段內的多個所述第二歷史約車訂單分別對應的所述實際停靠位置；

將所述目標區域范圍在第二預設時段內對應的所述實際停靠位置輸入所述預設模型，獲取所述預設模型輸出的所述目標區域范圍對應的所述目標停靠位置。