一种出行信息推送方法及装置与流程

本发明涉及通信技术领域，尤其涉及一种出行信息推送方法及装置。

背景技术：

目前，随着智能手机和平板电脑的兴起，大众注意力向移动终端迁移，商家通过服务器向用户设备推送信息，比传统的电视广告达到更好的营销效果。随着互联网与生活关联日益密切，商家的促销活动不仅在商场(线下)进行，还扩展到了互联网(线上)。在互联网上以推送各种信息的方式吸引用户。

移动互联网改变了用户的出行方式，越来越多的用户使用打车软件叫车。打车软件的服务器推送出行信息给用户，以方便用户通过打车软件出行。

然而，现有的出行信息推送方法向用户设备推送出行信息的时刻是随机选择的，导致出行信息推送时间过早而失效。现有方法没有根据用户的历史订单数据有计划地推送出行信息，用户体验较差，订单成交率低。

技术实现要素：

针对现有技术现有的出行信息推送时刻随机，导致出行信息失效、订单成交率低的缺陷，本发明提供一种出行信息推送方法及装置。

一种出行信息推送方法，包括：

获取目标用户设备的第一预设时间段的历史出行订单信息，所述历史出行订单信息至少包括复数个用户历史出行时刻；

根据所述复数个用户历史出行时刻预测出用户的出行时刻；

在预测出的用户出行时刻之前的第二预设时间内将出行信息推送至目标用户设备。

可选地，所述根据所述复数个用户历史出行时刻预测出用户的出行时刻包括：

用向量表示所述目标用户设备的每个历史出行时刻；

获取所述复数个用户历史出行时刻的和向量；

以所述和向量表示的时刻为用户的出行时刻；

其中，平面坐标系用于表示时钟表盘，x轴的正方向代表0点，y轴的正方向代表6点，x轴的负方向代表12点，y轴的负方向代表18点，在该时钟表盘上标注向量用于表示所述目标用户设备的每个历史出行时刻。

可选地，所述用向量表示所述目标用户设备的每个历史出行时刻，包括：

用向量(cosθi,sinθi)表示所述目标用户设备的第i个历史出行时刻xi；

所述获取复数个用户历史出行时刻的和向量；其中，所述和向量是按公式(一)获取的：

所述以所述和向量表示的时刻为用户的出行时刻；其中，所述用户的出行时刻是按公式(二)获取的：

其中，

θt是按公式(三)计算的：

其中，n为大于等于2的整数；θt为预测出的用户出行时刻的向量与x轴的夹角。

可选地，所述根据所述复数个用户历史出行时刻预测出用户的出行时刻包括：

获取用户各个历史出行时刻的时间距离；

以与所有历史出行时刻时间距离的平方和最小的时刻为用户的出行时刻；

其中，所述各个历史出行时刻的时间距离是按公式(四)获取的：

distance(t1,t2)＝-||t1-t2|-12|+12；公式(四)

根据公式(五)确定与所有历史出行时刻时间距离的平方和最小的时刻：

其中，t1代表用户第一历史出行时刻，t2代表用户第二历史出行时刻；l(xt)为预测出的用户出行时刻与历史出行时刻距离的平方和；xi为用户的第i个历史出行时刻；xt为预测出的用户出行时刻。

可选地，所述以与所有历史出行时刻时间距离的平方和最小的时刻是按公式(六)计算得到的：

使l(xt)'为零，求解得到的xt为预测出的用户出行时刻。一种出行信息推送装置，包括：

历史出行订单信息获取单元，用于获取目标用户设备的第一预设时间段的历史出行订单信息，所述历史出行订单信息至少包括复数个用户历史出行时刻；

出行时刻预测单元，用于根据所述复数个用户历史出行时刻预测出用户的出行时刻；

出行信息推送单元，用于在预测出的用户出行时刻之前的第二预设时间内将出行信息推送至目标用户设备。

可选地，所述出行时刻预测单元，进一步用于用向量表示所述目标用户设备的每个历史出行时刻；

获取所述复数个用户历史出行时刻的和向量；

以所述和向量表示的时刻为用户的出行时刻；

其中，平面坐标系用于表示时钟表盘，x轴的正方向代表0点，y轴的正方向代表6点，x轴的负方向代表12点，y轴的负方向代表18点，在该时钟表盘上标注向量用于表示所述目标用户设备的每个历史出行时刻。

可选地，所述用向量表示所述目标用户设备的每个历史出行时刻，包括：

用向量(cosθi,sinθi)表示所述目标用户设备的第i个历史出行时刻xi；

所述获取复数个用户历史出行时刻的和向量；其中，所述和向量是按公式(一)获取的：

所述以所述和向量表示的时刻为用户的出行时刻；其中，所述用户的出行时刻是按公式(二)获取的：

其中，

θt是按公式(三)计算的：

其中，n为大于等于2的整数；θt为预测出的用户出行时刻的向量与x轴的夹角。

可选地，所述出行时刻预测单元，进一步用于获取用户各个历史出行时刻的时间距离；

以与所有历史出行时刻时间距离的平方和最小的时刻为用户的出行时刻；

其中，各个历史出行时刻的时间距离是按公式(四)获取的：

distance(t1,t2)＝-||t1-t2|-12|+12；公式(四)

根据公式(五)确定与所有历史出行时刻时间距离的平方和最小的时刻：

其中，t1代表用户第一历史出行时刻，t2代表用户第二历史出行时刻；l(xt)为预测出的用户出行时刻与历史出行时刻距离的平方和；xi为用户的第i个历史出行时刻；xt为预测出的用户出行时刻。

可选地，所述以与所有历史出行时刻时间距离的平方和最小的时刻是按公式(六)计算得到的：

使l(xt)'为零，求解得到的xt为预测出的用户出行时刻。

由上述技术方案可知，本发明提供一种出行信息推送方法及装置，根据用户预设时间段内的的历史订单信息预测用户的出行时刻，在出行时刻之前将出行信息发送至目标用户设备，避免向用户设备过早地发送出行信息导致信息失效，提升用户体验，提高了订单的发单量。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1是本公开一实施例提供的一种出行信息推送方法的流程示意图；

图2是本公开一实施例的用向量表示出行时刻的示意图；

图3是本公开一实施例提供的一种出行信息推送装置的结构示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

本公开实施例中提及的用户设备(userequipment，简称ue)指安装有app应用(例如打车app)的移动终端设备。例如智能手机、个人数码助理(pda)、平板电脑、车载电脑(carputer)、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如googleglass、oculusrift、hololens、gearvr)等。

如图1所示，为本公开一实施例提供的一种出行信息推送方法的流程示意图，该方法包括如下步骤：

s11：获取目标用户设备的第一预设时间段的历史出行订单信息，所述历史出行订单信息至少包括复数个用户历史出行时刻；

s12：根据所述复数个用户历史出行时刻预测出用户的出行时刻；

s13：在预测出的用户出行时刻之前的第二预设时间内将出行信息推送至目标用户设备。

需要说明的是，本实施例中的出行信息包括交通信息、优惠信息等，可在预测出的用户出行时刻的30分钟(或其他预设时间)前将出行信息推送至目标用户设备。

本实施例的出行信息推送方法，根据用户预设时间段内的历史订单信息预测用户的出行时刻，在出行时刻之前将出行信息发送至目标用户设备，避免向用户设备过早地发送出行信息导致信息失效，提升用户体验，提高了订单的发单量。

在一种可选的实施方式中，通过建立向量模型预测用户出行时刻，所述根据所述复数个用户历史出行时刻预测出用户的出行时刻包括：

用向量表示所述目标用户设备的每个历史出行时刻；

获取所述复数个用户历史出行时刻的和向量；

以所述和向量表示的时刻为用户的出行时刻；

其中，平面坐标系(如图2所示)用于表示时钟表盘，x轴的正方向代表0点，y轴的正方向代表6点，x轴的负方向代表12点，y轴的负方向代表18点，在该时钟表盘上标注向量用于表示所述目标用户设备的每个历史出行时刻。

以图2示出的为例，图2中有3个历史出行时刻，分别是3点，22点和23点，用向量表示上述历史出行时刻，采用向量求和的方法预测用户的出行时刻。

进一步地，所述用向量表示所述目标用户设备的每个历史出行时刻，包括：

用向量(cosθi,sinθi)表示所述目标用户设备的第i个历史出行时刻xi；

所述获取复数个用户历史出行时刻的和向量；

其中，所述和向量是按公式(一)获取的：

所述以所述和向量表示的时刻为用户的出行时刻；其中，所述用户的出行时刻是按公式(二)获取的：

其中，

θt是按公式(三)计算的：

其中，n为大于等于2的整数；θt为预测出的用户出行时刻的向量与x轴的夹角。

在另一种可选的实施方式中，通过建立大数据机器学习模型预测用户的出行时刻，所述根据所述复数个用户历史出行时刻预测出用户的出行时刻包括：

获取用户各个历史出行时刻的时间距离；

以与所有历史出行时刻距离的平方和最小的时刻为用户的出行时刻；

其中，所述各个历史出行时刻的时间距离是按公式(四)获取的：

distance(t1,t2)＝-||t1-t2|-12|+12；公式(四)

根据公式(五)确定与所有历史出行时刻时间距离的平方和最小的时刻：

其中，t1代表用户第一历史出行时刻，t2代表用户第二历史出行时刻；l(xt)为预测出的用户出行时刻与历史出行时刻距离的平方和；xi为用户的第i个历史出行时刻；xt为预测出的用户出行时刻。

需要说明的是，本实施例引入了时刻的距离的概念，以下具体说明如何推导计算获取各个历史出行时刻的距离的公式(五)。

各个历史出行时刻的距离为distance(t1,t2)，该距离大于等于零且小于等于12。

当|t1-t2|≤12时，distance(t1,t2)＝|t1-t2|；

当|t1-t2|＞12时；distance(t1,t2)＝24-|t1-t2|。

用绝对值表示：distance(t1,t2)＝c×||t1-t2|+a|+b。

可得，a＝-12,b＝12,c＝-1；

推得，distance(t1,t2)＝-||t1-t2|-12|+12。

所以，公式(五)

进一步地，所述以与所有历史出行时刻时间距离的平方和最小的时刻是按公式(六)计算得到的：

使l(xt)'为零，求解得到的xt为预测出的用户出行时刻。

以下具体说明如何求解l(xt)'＝0。

采用分段讨论求解绝对值方程的方式求解l(xt)'＝0，具体为：

(1)解出令每个绝对值表达式为0的点：

对每个xi，有两个绝对值方程，|xt-xi|＝0和||xt-xi|-12|＝0，解得xt＝xi和xt＝xi±12，这样得到了三个点xi-12、xi、xi+12。

(2)将这些点依次排列起来，将数轴分成若干段，依次讨论x落在每一段的情况，将绝对值解开：

将所有xi构成的绝对值方程的解的集合{xi-12,xi,xi+12|i＝1,2,...,n}进行排序，过滤掉小于0和大于等于24的值。实际上，{xi-12,xi,xi+12}中只有两个大于0小于24，这样，上述集合有2n个元素，记为一个有序序列(a1,a2,...a2n)，在该序列中增加0和24，构成序列(0，a1，a2，...a2n，24)，将数轴分为2n+1个区间，依次讨论x落在每一段的情况，求解绝对值方程。

(3)求解后，验证所得的解是否落在开始讨论的区间，过滤不合理的解。

在实际应用中，可以采用golang框架，以applicationprograminterface的方式，预测用户的出行时刻。

需要说明的是，上述向量模型预测出行时刻计算量小，精度较低；而上述大数据机器学习模型计算量较大，精度较高，可以根据实际需要利用上述任一模型预测用户的出行时刻。

在实际应用中，可采用python编程的方式求解绝对值方程，具体为：

序列将数轴分为的2n+1个区间为

用结构体structsection{floatmin,floatmid,floatmax}表示每个区间上面所有区间用section[]数组表示；

对section[]数组中的每一个区间si{min,mid,max}求解上面的方程；

由于该方程解开绝对值后，为一元一次方程，最后一定能写成的形式，解得接下来的关键就是通过程序利用区间的条件，解开绝对值后求出a和b。

如图3所示，为本公开一实施例提供的一种出行信息推送装置的结构示意图，该装置包括：

历史出行订单信息获取单元31，用于获取目标用户设备的第一预设时间段的历史出行订单信息，所述历史出行订单信息至少包括复数个用户历史出行时刻；

出行时刻预测单元32，用于根据所述复数个用户历史出行时刻预测出用户的出行时刻；

出行信息推送单元33，用于在预测出的用户出行时刻之前的第二预设时间内将出行信息推送至目标用户设备。

需要说明的是，在实际应用中，可将上述出行信息推送装置设置在服务器上，并采用远程过程调用rpc框架。

在一种可选的实施方式中，所述出行时刻预测单元，进一步用于用向量表示所述目标用户设备的每个历史出行时刻；

获取所述复数个用户历史出行时刻的和向量；

以所述和向量表示的时刻为用户的出行时刻；

其中，平面坐标系用于表示时钟表盘，x轴的正方向代表0点，y轴的正方向代表6点，x轴的负方向代表12点，y轴的负方向代表18点，在该时钟表盘上标注向量用于表示所述目标用户设备的每个历史出行时刻。

进一步地，所述用向量表示所述目标用户设备的每个历史出行时刻，包括：

用向量(cosθi,sinθi)表示所述目标用户设备的第i个历史出行时刻xi；

所述获取复数个用户历史出行时刻的和向量；其中，所述和向量是按公式(一)获取的：

所述以所述和向量表示的时刻为用户的出行时刻；其中，所述用户的出行时刻是按公式(二)获取的：

其中，

θt是按公式(三)计算的：

其中，n为大于等于2的整数；θt为预测出的用户出行时刻的向量与x轴的夹角。

在另一种可选的实施方式中，所述出行时刻预测单元，进一步用于获取用户各个历史出行时刻的时间距离；

以与所有历史出行时刻距离的平方和最小的时刻为用户的出行时刻；

其中，所述各个历史出行时刻的时间距离是按公式(四)获取的：

distance(t1,t2)＝-||t1-t2|-12|+12；公式(四)

根据公式(五)确定与所有历史出行时刻时间距离的平方和最小的时刻：

其中，t1代表用户第一历史出行时刻，t2代表用户第二历史出行时刻；l(xt)为预测出的用户出行时刻与历史出行时刻距离的平方和；xi为用户的第i个历史出行时刻；xt为预测出的用户出行时刻。

进一步地，所述以与所有历史出行时刻时间距离的平方和最小的时刻是按公式(六)计算得到的：

使l(xt)'为零，求解得到的xt为预测出的用户出行时刻。

本实施例公开的出行信息推送装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

本发明提供一种出行信息推送方法及装置，根据用户预设时间段内的的历史订单信息预测用户的出行时刻，在出行时刻之前将出行信息发送至目标用户设备，避免向用户设备过早地发送出行信息导致信息失效，提升用户体验，提高了订单的发单量。

应当注意的是，在本公开的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本公开不受限于此，可以根据需要对各个部件进行重新划分或者组合，例如，可以将一些部件组合为单个部件，或者可以将一些部件进一步分解为更多的子部件。

本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开实施例的装置中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包括”不排除存在未列在权利要求中的元件或步骤。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。

以上实施方式仅适于说明本公开，而并非对本公开的限制，有关技术领域的普通技术人员，在不脱离本公开的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本公开的范畴，本公开的专利保护范围应由权利要求限定。