[发明专利]基于司机轨迹进行司机常驻点挖掘的方法

说明书

技术领域

本发明涉及出租车智能技术领域，尤其涉及一种基于司机轨迹进行司机常驻点挖掘的方法。

背景技术

当前随着智能设备，特别是智能导航、智能手机的普及，给人们的出行带来了极大的便利。司机能从平台得到想要的订单，来降低自己的空驶率，提升运营效率。对于社会而言则节约了沟通成本，减少了能源消耗。

当前叫车软件的普及，给人们出行的叫车需求带来了极大的便利。在现有的技术中，司机可以通过设定常驻点来获取常驻点附近的订单，节省了运营成本。

但现有的叫车软件在进行常驻点的设定时，需要司机手动输入常驻点，而且操作过程繁琐，信息容易出错，司机无法输入正确的位置信息，在分配订单的过程时会出现不匹配的情况，影响了司机与乘客的体验感。

发明内容

本发明要解决的技术问题是：通过技术的手段自动识别出司机的常驻点，以及在该常驻点的停留时间，解决了常驻点的设定问题。

为了解决上述技术问题，本发明所采用的技术方案是：一种基于司机轨迹进行司机常驻点挖掘的方法，包括：

在预设的时间周期内获取司机轨迹信息，形成司机信息集合；

根据所述司机信息集合计算出某一司机在所述时间周期内的常驻点。

优选的，所述司机信息集合包括：司机编号、上报时间、当前位置以及在当前位置的停留时间；

采用聚类算法来计算出常驻点，所述聚类算法自定义一段距离和一段时间，根据所述司机信息集合中的经纬度和停留时间自动将该距离和时间内的经纬度归为某一司机的常驻密度区域。

优选的，所述聚类算法为Dbscan聚类算法；

利用所述Dbscan聚类算法计算司机常驻点的步骤如下：

步骤一，预设一时间周期T，设在所述时间周期T内获取某一司机的轨迹信息，并形成一司机信息集合，在所述司机信息集合中包含有n个经纬度坐标，将每个经纬度坐标作为司机的常驻候选点A₁、A₂······A_n；

步骤二，计算每个常驻候选点到其他候选点的总距离，删除总距离最长的常驻候选点，当剩余的常驻候选点数量小于时，执行步骤三，否则重复步骤二；

步骤三，如果任意两个常驻候选点之间的距离大于一距离阈值，则认为司机无常驻点，否则执行步骤四；

步骤四，步骤四，将剩余的所述常驻候选点通过求平均值计算出常驻点。

优选的，在所述步骤一中，所述常驻候选点的设定可以根据在所述常驻候选点的停留时间；

在所述步骤四之前，还可以通过设定时间阈值来进一步筛选常驻候选点。

优选的，所述距离阈值取值为1000米至5000米。

本发明的上述技术方案能达到如下效果：

1、本发明可以根据司机的行驶轨迹自动识别司机的常驻点，提高了定位的准确度，节省了人力；

2、本发明可以使司机在常驻点接到最合适的订单，节省运营成本，增加收益；乘客的需求得到更好的满足，同时派车业务的效率达到最优状态。

附图说明

图1为本发明的一实施例的方法流程图；

图2为本发明采用Dbscan聚类算法计算常驻点的流程图；

图3为本发明获取的司机常驻候选点分布图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

本发明的工作原理是：利用计算司机的轨迹信息，提取出司机的常驻点，从而实现对该司机的顺风车订单推荐。

本发明的一种基于司机轨迹进行司机常驻点的挖掘方法，包括：

在预设的时间周期内获取司机轨迹信息，形成一司机信息集合；

时间周期可以为1周到一个月，一般时间越长，计算越准确，具体的时间周期在此不做限定；

根据司机信息集合计算出某一司机在所述时间周期内的常驻点。

司机信息集合包括：司机编号、上报时间、当前位置以及在当前位置的停留时间；

采用聚类算法来计算出常驻点，所述聚类算法自定义一段距离和一段时间，根据司机信息集合中的经纬度和停留时间自动将该距离和时间内的经纬度归为某一司机的常驻密度区域。

为提高计算的准确性，可采用Dbscan聚类算法，实际情况下不局限于任何聚类算法。

如图2所示，利用Dbscan聚类算法计算司机常驻点的步骤如下：