基于司機軌跡進行司機常駐點挖掘的方法
【專利摘要】本發(fā)明涉及出租車運力調度【技術領域】，具體公開了一種基于司機軌跡進行司機常駐點挖掘的方法，該方法包括：在預設的時間周期內獲取司機軌跡信息，形成司機信息集合；根據(jù)所述司機信息集合計算出某一司機在所述時間周期內的常駐點。本發(fā)明的上述技術方案可以根據(jù)司機的行駛軌跡自動識別司機的常駐點，提高了定位的準確度。
【專利說明】基于司機軌跡進行司機常駐點挖掘的方法

【技術領域】
[0001] 本發(fā)明涉及出租車智能【技術領域】，尤其涉及一種基于司機軌跡進行司機常駐點挖 掘的方法。

【背景技術】
[0002] 當前隨著智能設備，特別是智能導航、智能手機的普及，給人們的出行帶來了極大 的便利。司機能從平臺得到想要的訂單，來降低自己的空駛率，提升運營效率。對于社會而 言則節(jié)約了溝通成本，減少了能源消耗。
[0003] 當前叫車軟件的普及，給人們出行的叫車需求帶來了極大的便利。在現(xiàn)有的技術 中，司機可以通過設定常駐點來獲取常駐點附近的訂單，節(jié)省了運營成本。
[0004] 但現(xiàn)有的叫車軟件在進行常駐點的設定時，需要司機手動輸入常駐點，而且操作 過程繁瑣，信息容易出錯，司機無法輸入正確的位置信息，在分配訂單的過程時會出現(xiàn)不匹 配的情況，影響了司機與乘客的體驗感。


【發(fā)明內容】

[0005] 本發(fā)明要解決的技術問題是：通過技術的手段自動識別出司機的常駐點，以及在 該常駐點的停留時間，解決了常駐點的設定問題。
[0006] 為了解決上述技術問題，本發(fā)明所采用的技術方案是：一種基于司機軌跡進行司 機常駐點挖掘的方法，包括：
[0007] 在預設的時間周期內獲取司機軌跡信息，形成司機信息集合；
[0008] 根據(jù)所述司機信息集合計算出某一司機在所述時間周期內的常駐點。
[0009] 優(yōu)選的，所述司機信息集合包括：司機編號、上報時間、當前位置以及在當前位置 的停留時間；
[0010] 采用聚類算法來計算出常駐點，所述聚類算法自定義一段距離和一段時間，根據(jù) 所述司機信息集合中的經(jīng)緯度和停留時間自動將該距離和時間內的經(jīng)緯度歸為某一司機 的常駐密度區(qū)域。
[0011] 優(yōu)選的，所述聚類算法為Dbscan聚類算法；
[0012] 利用所述Dbscan聚類算法計算司機常駐點的步驟如下：
[0013] 步驟一，預設一時間周期T，設在所述時間周期T內獲取某一司機的軌跡信息，并 形成一司機信息集合，在所述司機信息集合中包含有η個經(jīng)緯度坐標，將每個經(jīng)緯度坐標 作為司機的常駐候選點A^A2......An；
[0014] 步驟二，計算每個常駐候選點到其他候選點的總距離，刪除總距離最長的常駐候 選點，當剩余的常駐候選點數(shù)量小于f時，執(zhí)行步驟三，否則重復步驟二；
[0015] 步驟三，如果任意兩個常駐候選點之間的距離大于一距離閾值，則認為司機無常 駐點，否則執(zhí)行步驟四；
[0016] 步驟四，步驟四，將剩余的所述常駐候選點通過求平均值計算出常駐點。
[0017] 優(yōu)選的，在所述步驟一中，所述常駐候選點的設定可以根據(jù)在所述常駐候選點的 停留時間；
[0018] 在所述步驟四之前，還可以通過設定時間閾值來進一步篩選常駐候選點。
[0019] 優(yōu)選的，所述距離閾值取值為1000米至5000米。
[0020] 本發(fā)明的上述技術方案能達到如下效果：
[0021] 1、本發(fā)明可以根據(jù)司機的行駛軌跡自動識別司機的常駐點，提高了定位的準確 度，節(jié)省了人力；
[0022] 2、本發(fā)明可以使司機在常駐點接到最合適的訂單，節(jié)省運營成本，增加收益；乘客 的需求得到更好的滿足，同時派車業(yè)務的效率達到最優(yōu)狀態(tài)。

【專利附圖】

【附圖說明】
[0023] 圖1為本發(fā)明的一實施例的方法流程圖；
[0024] 圖2為本發(fā)明采用Dbscan聚類算法計算常駐點的流程圖；
[0025] 圖3為本發(fā)明獲取的司機常駐候選點分布圖。

【具體實施方式】
[0026] 下面結合附圖和具體實施例對本發(fā)明作進一步說明，以使本領域的技術人員可以 更好的理解本發(fā)明并能予以實施，但所舉實施例不作為對本發(fā)明的限定。
[0027] 本發(fā)明的工作原理是：利用計算司機的軌跡信息，提取出司機的常駐點，從而實現(xiàn) 對該司機的順風車訂單推薦。
[0028] 本發(fā)明的一種基于司機軌跡進行司機常駐點的挖掘方法，包括：
[0029] 在預設的時間周期內獲取司機軌跡信息，形成一司機信息集合；
[0030] 時間周期可以為1周到一個月，一般時間越長，計算越準確，具體的時間周期在此 不做限定；
[0031] 根據(jù)司機信息集合計算出某一司機在所述時間周期內的常駐點。
[0032] 司機信息集合包括：司機編號、上報時間、當前位置以及在當前位置的停留時間；
[0033] 采用聚類算法來計算出常駐點，所述聚類算法自定義一段距離和一段時間，根據(jù) 司機信息集合中的經(jīng)緯度和停留時間自動將該距離和時間內的經(jīng)緯度歸為某一司機的常 駐密度區(qū)域。
[0034] 為提高計算的準確性，可采用Dbscan聚類算法，實際情況下不局限于任何聚類算 法。
[0035] 如圖2所示，利用Dbscan聚類算法計算司機常駐點的步驟如下：
[0036] 步驟一，預設一時間周期T，設在所述時間周期T內獲取某一司機的軌跡信息，并 形成一司機信息集合，在所述司機信息集合中包含有η個經(jīng)緯度坐標，將每個經(jīng)緯度坐標 作為司機的常駐候選點A^A2......An；
[0037] 在一種情況下，常駐候選點可以為每天司機開啟APP和關閉APP時上傳的地點，每 天可能會有兩個常駐候選點被記錄，有的司機一天可能會在一段時間內關閉APP然后再開 啟APP，這樣一天可能就有四個常駐候選點被記錄，每天常駐候選點的記錄數(shù)量以司機開啟 APP和關閉APP時上傳的經(jīng)緯度數(shù)量為準，按照此方法算出來的常駐點，一般是司機的家庭 住址，因為司機一般在離開家或者到家的時候才會開啟APP或者關閉APP ;
[0038] 在另一種情況下，常駐候選點的選擇并不一定是司機開啟APP或者關閉APP時上 傳的經(jīng)緯度，而是將APP系統(tǒng)中每隔一段時間自動上傳的地點全部作為常駐候選點，然后 將停留在常駐候選點的時間大于一閾值的點留下，因為這樣算出的常駐點有可能是司機午 飯停留的地點或者其他地點，常駐候選點的設定方式在此不做具體限定。
[0039] 步驟二，計算每個常駐候選點到其他候選點的總距離，刪除總距離最長的常駐候 選點，當剩余的常駐候選點數(shù)量小于f時，執(zhí)行步驟三，否則重復步驟二；
[0040] 步驟三，如果任意兩個常駐候選點之間的距離大于一距離閾值，則認為司機無常 駐點，否則執(zhí)行步驟四；
[0041] 步驟一到步驟三為常駐密度區(qū)域的計算步驟。
[0042] 步驟二到步驟三可以理解為一種去噪的方法，對于所有的常駐點候選點，計算其 到其他點的總距離?？偩嚯x最大的點，可以作為一個噪聲點去除，因為這個點距離可能的中 心點最遠，循環(huán)的按照這種方法去噪，保留的點更趨近于司機的常駐點，該循環(huán)可以通過如 下方法判斷是否結束：即剩余的所有候選點，兩兩之間的最大距離不超過一個定義的閾值， 一般這個閾值為1公里到5公里。于是，假如有N個常駐點候選點，通過這種循環(huán)的方法， 可以過濾掉1/4到3/4的噪聲點。
[0043] 參見圖3,圖上方的6個點會被先后作為噪聲點去除，越靠上的點被過濾得越快。
[0044] 步驟四，將剩余的所述常駐候選點通過求平均數(shù)計算出常駐點。
[0045] 幾何平均數(shù)是指η個觀察值連乘積的η次方根，也可以通過其他算法求出常駐點， 方法在此不作具體限定。
[0046] 在所述步驟一中，所述常駐候選點的設定可以根據(jù)在所述常駐候選點的停留時 間；
[0047] 在所述步驟四之前，還可以通過設定時間閾值來進一步篩選常駐候選點。
[0048] 具體的，可以先刪除在所述常駐候選點的停留時間小于一時間閾值的常駐候選 點，將剩余的所述常駐候選點通過求幾何平均值的方法計算出常駐點。
[0049] 例如停留時間在5分鐘之內的點可能是司機路過某一地點時上傳的點，因此不能 作為計算常駐點的數(shù)據(jù)。時間閾值可以為15分鐘、30分鐘或者更長，具體的數(shù)值在此不做 限定。
[0050] 具體實施例一：
[0051] 以北京司機王師傅為例。王師傅家住北京西北旺，每天上午9點出班，晚上8點收 班。每天出班后會習慣性的打開軟件，開始一天的工作。于是每天的軌跡中，王師傅的軌跡 為"家一地點1 一地點2......地點η-家"。
[0052] 在叫車軟件的服務器端或呼叫中心的服務器端，都存儲某一司機大量上報的軌跡 信息。一般，從司機那里收集到的一段時間的信息集合格式如下：
[0053] 編號 司機手機號 時間 經(jīng)度 緯度

【權利要求】
1. 一種基于司機軌跡進行司機常駐點挖掘的方法，其特征在于，包括： 在預設的時間周期內獲取司機軌跡信息，形成司機信息集合； 根據(jù)所述司機信息集合計算出某一司機在所述時間周期內的常駐點。
2. 如權利要求1所述的方法，其特征在于，所述司機信息集合包括：司機編號、上報時 間、當前位置以及在當前位置的停留時間； 采用聚類算法來計算出常駐點，所述聚類算法自定義一段距離和一段時間，根據(jù)所述 司機信息集合中的經(jīng)緯度和停留時間自動將該距離和時間內的經(jīng)緯度歸為某一司機的常 駐密度區(qū)域。
3. 如權利要求2所述的系統(tǒng)，其特征在于，所述聚類算法為Dbscan聚類算法； 利用所述Dbscan聚類算法計算司機常駐點的步驟如下： 步驟一，預設一時間周期T，設在所述時間周期T內獲取某一司機的軌跡信息，并形成 一司機信息集合，在所述司機信息集合中包含有η個經(jīng)緯度坐標，將每個經(jīng)緯度坐標作為 司機的常駐候選點4、Α2......Α η ； 步驟二，計算每個常駐候選點到其他候選點的總距離，刪除總距離最長的常駐候選點， 當剩余的常駐候選點數(shù)量小于f時，執(zhí)行步驟三，否則重復步驟二； 步驟三，如果任意兩個常駐候選點之間的距離大于一距離閾值，則認為司機無常駐點， 否則執(zhí)行步驟四； 步驟四，將剩余的所述常駐候選點通過求平均數(shù)計算出常駐點。
4. 如權利要求3所述的方法，其特征在于， 在所述步驟一中，所述常駐候選點的設定可以根據(jù)在所述常駐候選點的停留時間； 在所述步驟四之前，還可以通過設定時間閾值來進一步篩選常駐候選點。
5. 如權利要求3所述的方法，其特征在于， 所述距離閾值取值為1000米至5000米。
【文檔編號】G06F17/30GK104156489SQ201410437102
【公開日】2014年11月19日 申請日期:2014年8月29日 優(yōu)先權日:2014年8月29日
【發(fā)明者】劉章勛 申請人:北京嘀嘀無限科技發(fā)展有限公司