确定停靠位置的方法、装置、电子设备及可读存储介质与流程

本发明涉及网络约车技术领域，尤其涉及一种确定停靠位置的方法、装置、电子设备及可读存储介质。

背景技术：

随着互联网技术的发展，网络约车逐步融入人们的日常生活。网络约车具有出行便利、及时的优点，大大提高了乘客的打车效率，解决了人们出行难的问题，使得人们的出行变的越来越方便。

但是城市中有很多地方不允许上下车，往往需要司乘双方沟通，找到便于上下车的地方停靠以保证乘客的上下车，浪费了司乘双方的时间，同时可能会增加车辆的空跑里程，降低运营效率。

技术实现要素：

本发明实施例提供了一种确定停靠位置的方法、装置、电子设备及可读存储介质，以解决现有技术在接驾或者送驾时需要司乘双方沟通确定乘车或者下车位置，浪费司乘双方的时间以及降低运行效率的问题。

为了解决上述技术问题，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种确定停靠位置的方法，应用于网约车平台，包括：

获取预设区域范围在第一预设时段内对应的多个目标历史约车订单；

根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型；

根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置。

可选的，所述获取预设区域范围在第一预设时段内对应的多个目标历史约车订单，包括：

基于与实际停靠位置所对应的速度关联的第一策略和/或与实际停靠位置和预约停靠位置的关系所关联的第二策略，在所述预设区域范围在第一预设时段内对应的第一历史约车订单中进行筛选，获取多个所述目标历史约车订单；

其中，在基于所述第一策略进行筛选时，过滤所述实际停靠位置所对应的速度大于预设速度阈值的所述第一历史约车订单；在基于所述第二策略进行筛选时，过滤所述实际停靠位置和所述预约停靠位置之间的距离大于预设距离阈值的所述第一历史约车订单。

可选的，所述实际停靠位置包括实际乘车位置和/或实际下车位置，所述目标停靠位置包括目标乘车位置和/或目标下车位置；

所述根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型，包括以下方案其中之一：

根据多个所述目标历史约车订单分别对应的所述实际乘车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

根据多个所述目标历史约车订单分别对应的所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

根据多个所述目标历史约车订单分别对应的所述实际乘车位置和所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

其中，所述实际乘车位置和所述实际下车位置均包括经纬度信息以及方向信息。

可选的，所述根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型，包括：

基于预设聚类算法，根据多个所述目标历史约车订单分别对应的所述实际停靠位置，随机生成n个聚类中心点，每个所述聚类中心点对应于一所述实际停靠位置；

根据所述n个聚类中心点，基于所述预设聚类算法进行模型训练，生成所述预设模型。

可选的，所述根据所述n个聚类中心点，基于所述预设聚类算法进行模型训练，生成所述预设模型，包括：

基于所述预设聚类算法，对所述n个聚类中心点进行计算以进行模型训练，在经过一次模型训练后获取对应于m个预测停靠位置的m个聚类中心点，并确定所述m个预测停靠位置所对应的预测准确率，m小于或者等于n；

在所述预测准确率大于或者等于预设准确率阈值的情况下，基于所述预设聚类算法生成所述预设模型；

在所述预测准确率小于所述预设准确率阈值的情况下，调整所述预设聚类算法对应的聚类参数，基于所述聚类参数调整后的所述预设聚类算法再次对所述n个聚类中心点进行模型训练并在获取所述预测停靠位置后验证预测准确率，在经过至少两次模型训练且所述预测准确率大于或者等于所述预设准确率阈值时，基于进行至少一次所述聚类参数调整后的所述预设聚类算法生成所述预设模型；

其中，每次模型训练所对应的所述聚类参数不同，且每次模型训练对应于至少一次计算，每次计算所确定的所述聚类中心点为下一次计算对应的初始聚类中心点。

可选的，所述根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置，包括：

获取所述目标区域范围在第二预设时段内的多个所述第二历史约车订单分别对应的所述实际停靠位置；

将所述目标区域范围在第二预设时段内对应的所述实际停靠位置输入所述预设模型，获取所述预设模型输出的所述目标区域范围对应的所述目标停靠位置。

可选的，所述方法还包括：

获取客户端在所述目标区域范围内所对应的目标预约停靠位置；

在所述目标区域范围对应的所述目标停靠位置中确定与所述目标预约停靠位置对应的第一目标停靠位置，生成所述目标预约停靠位置至所述第一目标停靠位置之间的导航路径，将所述导航路径发送至所述客户端。

第二方面，本发明实施例提供一种确定停靠位置的装置，应用于网约车平台，包括：

第一获取模块，用于获取预设区域范围在第一预设时段内对应的多个目标历史约车订单；

生成模块，用于根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型；

确定模块，用于根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置。

可选的，所述第一获取模块进一步用于：

基于与实际停靠位置所对应的速度关联的第一策略和/或与实际停靠位置和预约停靠位置的关系所关联的第二策略，在所述预设区域范围在第一预设时段内对应的第一历史约车订单中进行筛选，获取多个所述目标历史约车订单；

其中，在基于所述第一策略进行筛选时，过滤所述实际停靠位置所对应的速度大于预设速度阈值的所述第一历史约车订单；在基于所述第二策略进行筛选时，过滤所述实际停靠位置和所述预约停靠位置之间的距离大于预设距离阈值的所述第一历史约车订单。

可选的，所述实际停靠位置包括实际乘车位置和/或实际下车位置，所述目标停靠位置包括目标乘车位置和/或目标下车位置；

所述生成模块包括以下子模块其中之一：

第一生成子模块，用于根据多个所述目标历史约车订单分别对应的所述实际乘车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

第二生成子模块，用于根据多个所述目标历史约车订单分别对应的所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

第三生成子模块，用于根据多个所述目标历史约车订单分别对应的所述实际乘车位置和所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

其中，所述实际乘车位置和所述实际下车位置均包括经纬度信息以及方向信息。

可选的，所述生成模块包括：

第一处理子模块，用于基于预设聚类算法，根据多个所述目标历史约车订单分别对应的所述实际停靠位置，随机生成n个聚类中心点，每个所述聚类中心点对应于一所述实际停靠位置；

第二处理子模块，用于根据所述n个聚类中心点，基于所述预设聚类算法进行模型训练，生成所述预设模型。

可选的，所述第二处理子模块包括：

第一处理单元，用于基于所述预设聚类算法，对所述n个聚类中心点进行计算以进行模型训练，在经过一次模型训练后获取对应于m个预测停靠位置的m个聚类中心点，并确定所述m个预测停靠位置所对应的预测准确率，m小于或者等于n；

第二处理单元，用于在所述预测准确率大于或者等于预设准确率阈值的情况下，基于所述预设聚类算法生成所述预设模型；

第三处理单元，用于在所述预测准确率小于所述预设准确率阈值的情况下，调整所述预设聚类算法对应的聚类参数，基于所述聚类参数调整后的所述预设聚类算法再次对所述n个聚类中心点进行模型训练并在获取所述预测停靠位置后验证预测准确率，在经过至少两次模型训练且所述预测准确率大于或者等于所述预设准确率阈值时，基于进行至少一次所述聚类参数调整后的所述预设聚类算法生成所述预设模型；

其中，每次模型训练所对应的所述聚类参数不同，且每次模型训练对应于至少一次计算，每次计算所确定的所述聚类中心点为下一次计算对应的初始聚类中心点。

可选的，所述确定模块包括：

第一获取子模块，用于获取所述目标区域范围在第二预设时段内的多个所述第二历史约车订单分别对应的所述实际停靠位置；

第二获取子模块，用于将所述目标区域范围在第二预设时段内对应的所述实际停靠位置输入所述预设模型，获取所述预设模型输出的所述目标区域范围对应的所述目标停靠位置。

可选的，所述装置还包括：

第二获取模块，用于获取客户端在所述目标区域范围内所对应的目标预约停靠位置；

生成发送模块，用于在所述目标区域范围对应的所述目标停靠位置中确定与所述目标预约停靠位置对应的第一目标停靠位置，生成所述目标预约停靠位置至所述第一目标停靠位置之间的导航路径，将所述导航路径发送至所述客户端。

第三方面，本发明实施例提供了一种电子设备，所述电子设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的确定停靠位置的方法中的步骤。

第四方面，本发明实施例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如上所述的确定停靠位置的方法中的步骤。

本发明实施例中，通过获取预设区域范围在第一预设时段内对应的多个目标历史约车订单，根据多个目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型，根据预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定目标区域范围对应的目标停靠位置，可以实现为司乘双方提供合适的上下车点，指导司机顺利接驾送驾、指导乘车用户在合适地点乘车，节省司乘双方时间，提高车辆运营效率，且可以供司机巡游时参考，辅助司机在高频上下车地区巡游，提高接单率，减少空驶里程。

附图说明

图1为本发明实施例提供的确定停靠位置的方法示意图；

图2为本发明实施例提供的确定停靠位置的方法一具体实施流程图；

图3为本发明实施例提供的确定停靠位置的装置示意图；

图4为本发明实施例提供的电子设备的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，均属于本发明保护的范围。

本发明实施例通过利用用户的乘车行为信息以及车辆端上报的真实上下车点位置信息，确定频繁上下车点，为司乘双方推荐合适的乘车、下车位置，提高用户体验以及车辆运营效率。

下面对本发明实施例提供的确定停靠位置的方法进行详细介绍，如图1所示，本发明实施例提供的确定停靠位置的方法应用于网约车平台，包括：

步骤101、获取预设区域范围在第一预设时段内对应的多个目标历史约车订单。

网约车平台首先针对预设区域范围，获取第一预设时段内对应的多个目标历史约车订单，这里的目标历史约车订单为满足预设条件的且已完成的订单。预设区域范围可以为某个城市对应的范围、城市中某个辖区对应的范围或者根据划分规则所确定的某个区域对应的范围。第一预设时段可以为当前时刻之前的某一时段，如当前时刻之前的某一周、某一个月或者某一天。在针对预设区域范围，获取第一预设时段内对应的多个目标历史约车订单之后，可以根据所获取的目标历史约车订单执行步骤102。

步骤102、根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型。

在获取多个目标历史约车订单之后，可以针对每个目标历史约车订单，获取实际停靠位置，这里的实际停靠位置可以包括实际乘车位置和/或实际下车位置。其中，在获取实际乘车位置和/或实际下车位置时，可以根据车辆端上报的信息获取。具体为：车辆端可以按照预设周期(如3s)向数据库上报速度信息以及实际位置信息(可以包括实际经纬度信息以及方向信息)，车辆端在接驾成功(即乘客上车)之后，可以向网约车平台上报第一通知信息，网约车平台根据第一通知信息从数据库获取当前车辆端所上报的最新的实际位置信息，将最新的实际位置信息确定为实际乘车位置。相应的，车辆端在送驾成功(即乘客下车)之后，可以向网约车平台上报第二通知信息，网约车平台根据第二通知信息从数据库获取当前车辆端所上报的最新的实际位置信息，将最新的实际位置信息确定为实际下车位置。也可以在车辆端接驾成功(即乘客上车)之后，向网约车平台上报第一通知信息，同时向数据库上报速度信息以及实际位置信息；相应的，在车辆端送驾成功(即乘客下车)之后，可以向网约车平台上报第二通知信息，同时向数据库上报速度信息以及实际位置信息。还可以是车辆端在按照预设周期上报信息的基础上，同时根据第一通知信息和第二通知信息上报信息。

在获取多个目标历史约车订单分别对应的实际停靠位置之后，可以根据所获取的实际停靠位置生成预设模型，这里的预设模型为用于预测目标停靠位置的模型，目标停靠位置可以包括目标乘车位置(频繁上车点)和/或目标下车位置(频繁下车点)，通过生成预设模型，可以实现对频繁上车点和/或频繁下车点的预测。

需要说明的是，可以根据不同时段对应的多个目标历史约车订单进行预设模型的更新或者重新生成预设模型，即可以在根据当前第一预设时段内对应的多个目标历史约车订单生成预设模型之后，根据下一个第一预设时段内对应的多个目标历史约车订单对预设模型进行更新，以使得预设模型趋于完善，或者，根据下一个第一预设时段内对应的多个目标历史约车订单重新生成预设模型。各第一预设时段对应的时长可以相等或者不等，相应的，各第一预设时段对应的目标历史约车订单的数量也可以相等或者不等。

步骤103、根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置。

在生成预约模型之后，可以针对目标区域范围，获取第二预设时段内的多个第二历史约车订单，根据第二预设时段内的多个第二历史约车订单以及预设模型，确定目标区域范围对应的目标停靠位置。其中，目标区域范围可以为预设区域范围、区别于预设区域范围的其他区域范围、包括预设区域范围的区域范围或者位于预设区域范围内的区域范围。第二预设时段可以与第一预设时段相同或者相区别，也可以为包括第一预设时段的时段或者位于第一预设时段内的时段。

其中，在确定目标区域范围对应的目标停靠位置时，可以在多个第二历史约车订单中提取需求信息，将提取出的信息输入预设模型中，输出目标区域范围对应的目标停靠位置。

需要说明的是，由于预设模型可以定期更新或者重新生成，在根据预设模型获取目标区域范围对应的目标停靠位置时，可以采用最新的预设模型进行计算，以输出目标停靠位置。这样，可以基于目标区域范围内的历史约车情况以及最新的预设模型，确定目标停靠位置，保证目标停靠位置的预测准确性以及有效性。

本发明实施例中，通过获取预设区域范围内对应的多个目标历史约车订单，根据多个目标历史约车订单分别对应的实际停靠位置生成用于确定目标停靠位置的预设模型，根据预设模型以及目标区域范围内对应的多个第二历史约车订单，确定目标区域范围对应的目标停靠位置，可以实现提供合适的上下车点，节约司乘沟通时间，同时可以为巡游司机提供停靠参考，提升用户体验，节约司乘时间，提高运营效率。

在本发明一可选实施例中，所述获取预设区域范围在第一预设时段内对应的多个目标历史约车订单，包括：

基于与实际停靠位置所对应的速度关联的第一策略和/或与实际停靠位置和预约停靠位置的关系所关联的第二策略，在所述预设区域范围在第一预设时段内对应的第一历史约车订单中进行筛选，获取多个所述目标历史约车订单；

其中，在基于所述第一策略进行筛选时，过滤所述实际停靠位置所对应的速度大于预设速度阈值的所述第一历史约车订单；在基于所述第二策略进行筛选时，过滤所述实际停靠位置和所述预约停靠位置之间的距离大于预设距离阈值的所述第一历史约车订单。

在针对预设区域范围，获取第一预设时段内对应的多个目标历史约车订单时，可以首先获取第一预设时段内对应的全部的且已经完成的第一历史约车订单，生成第一历史约车订单集合，然后针对第一历史约车订单集合，采用第一策略和第二策略中的至少一种策略，在第一历史约车订单集合中筛选满足预设条件的多个目标历史约车订单，以实现进行数据清洗。

在采用第一策略在第一历史约车订单集合中进行筛选时，可以过滤掉第一历史约车订单集合中实际停靠位置所对应的速度大于预设速度阈值的第一历史约车订单。为了保证乘车过程中的安全性，车辆在停靠时的车速需要小于或者等于预设速度阈值，优选的，车辆速度可以为零，进而可以保证司乘人员的安全性。若第一历史约车订单在实际停靠位置处所对应的速度大于预设速度阈值，则可以判定第一历史约车订单属于异常数据，将这部分数据过滤。由于车辆端可以向数据库上报速度信息以及实际位置信息，同时可以在接驾成功(可对应于实际乘车位置)或者送驾成功(可对应于实际下车位置)之后，向网约车平台上报通知信息，因此网约车平台可以基于数据库获取实际停靠位置处所对应的速度。

在采用第二策略在第一历史约车订单集合中进行筛选时，可以过滤掉第一历史约车订单集合中实际停靠位置和预约停靠位置之间的距离大于预设距离阈值的第一历史约车订单。预约停靠位置为约车订单中对应的预约上车位置和预约下车位置，若第一历史约车订单的预约上车位置和实际上车位置之间的距离大于预设距离阈值，和/或，预约下车位置和实际下车位置之间的距离大于预设距离阈值，则可以确定第一历史约车订单属于异常数据，将这部分数据过滤。其中，预约停靠位置可以基于约车订单获取，实际停靠位置可以由车辆端上报。

在采用第一策略和第二策略在第一历史约车订单集合中进行筛选时，可以过滤掉第一历史约车订单集合中实际停靠位置所对应的速度大于预设速度阈值的第一历史约车订单，同时过滤掉第一历史约车订单集合中实际停靠位置和预约停靠位置之间的距离大于预设距离阈值的第一历史约车订单。

需要说明的是，针对目标区域范围而言，第二预设时段内的多个第二历史约车订单为经过数据清洗之后所获取的历史约车订单，数据清洗的具体过程可参见上述过程，这里不再阐述。

本发明实施例中，通过获取预设区域范围在第一预设时段内对应的第一历史约车订单，根据第一策略和/或第二策略在第一历史约车订单中筛选满足预设条件的目标历史约车订单，可以实现进行数据清洗，剔除异常数据，以获取满足预设条件的目标历史约车订单。

在本发明一可选实施例中，所述实际停靠位置包括实际乘车位置和/或实际下车位置，所述目标停靠位置包括目标乘车位置和/或目标下车位置；

所述根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型，包括以下方案其中之一：

根据多个所述目标历史约车订单分别对应的所述实际乘车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

根据多个所述目标历史约车订单分别对应的所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

根据多个所述目标历史约车订单分别对应的所述实际乘车位置和所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

其中，所述实际乘车位置和所述实际下车位置均包括经纬度信息以及方向信息。

本发明实施例中的实际停靠位置包括实际乘车位置和/或实际下车位置，相应的，目标停靠位置包括目标乘车位置和/或目标下车位置。在根据多个目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型时，可以基于多个目标历史约车订单分别对应的实际乘车位置和/或实际下车位置生成预约模型。下面对生成预设模型的几种情况进行介绍。

网约车平台可以获取多个目标历史约车订单分别对应的实际乘车位置，根据多个目标历史约车订单分别对应的实际乘车位置，生成用于确定目标乘车位置的预设模型，此时可以实现基于乘车点预测频繁上车点，且可以保证预测的准确度。或者，根据多个目标历史约车订单分别对应的实际乘车位置，生成用于确定目标下车位置的预设模型，此时可以实现基于乘车点预测频繁下车点。或者，根据多个目标历史约车订单分别对应的实际乘车位置，生成用于确定目标乘车位置和目标下车位置的预设模型，此时可以实现基于乘车点预测频繁上下车点。

网约车平台也可以获取多个目标历史约车订单分别对应的实际下车位置，根据多个目标历史约车订单分别对应的实际下车位置，生成用于确定目标下车位置的预设模型，此时可以实现基于下车点预测频繁下车点，且可以保证预测的准确度。例如，实际乘车位置为小区门口，实际下车位置为小区内，根据实际乘车位置预测的下车点位于小区外，根据实际下车位置预测的下车点位于小区内部，则根据下车位置预测下车点的准确率高于根据乘车位置预测下车点的准确率。或者，根据多个目标历史约车订单分别对应的实际下车位置，生成用于确定目标乘车位置的预设模型，此时可以实现基于下车点预测频繁上车点。或者，根据多个目标历史约车订单分别对应的实际下车位置，生成用于确定目标乘车位置和目标下车位置的预设模型，此时可以实现基于下车点预测频繁上下车点。

网约车平台还可以获取多个目标历史约车订单分别对应的实际乘车位置和实际下车位置，根据多个目标历史约车订单分别对应的实际下车位置，生成用于确定目标下车位置的预设模型，根据多个目标历史约车订单分别对应的实际乘车位置，生成用于确定目标乘车位置的预设模型，此时可以实现基于乘车点预测频繁上车点，基于下车点预测频繁下车点，且可以保证预测的准确度。或者，根据多个目标历史约车订单分别对应的实际下车位置，生成用于确定目标乘车位置的预设模型，根据多个目标历史约车订单分别对应的实际乘车位置，生成用于确定目标下车位置的预设模型。或者，根据多个目标历史约车订单分别对应的实际下车位置，生成用于确定目标乘车位置和目标下车位置的预设模型。或者，根据多个目标历史约车订单分别对应的实际乘车位置，生成用于确定目标乘车位置和目标下车位置的预设模型。或者，根据多个目标历史约车订单分别对应的实际下车位置和实际乘车位置，生成用于确定目标下车位置的预设模型。或者，根据多个目标历史约车订单分别对应的实际下车位置和实际乘车位置，生成用于确定目标乘车位置的预设模型。当然还可以有其他生成预设模型的方式，这里不再一一列举。

其中，实际乘车位置和实际下车位置均包括经纬度信息以及方向信息，相应的，目标下车位置和目标乘车位置均包括经纬度信息以及方向信息，其中经纬度信息用于标识地点，方向信息可以在区分马路两侧时提供帮助。

本发明实施例中，可以基于多个目标历史约车订单分别对应的实际乘车位置和/或实际下车位置，生成用于确定目标乘车位置和/或目标下车位置的预设模型，可以实现预设模型生成的多样化，提供多种生成策略以供选择。

在本发明一可选实施例中，所述根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型，包括：

基于预设聚类算法，根据多个所述目标历史约车订单分别对应的所述实际停靠位置，随机生成n个聚类中心点，每个所述聚类中心点对应于一所述实际停靠位置；

根据所述n个聚类中心点，基于所述预设聚类算法进行模型训练，生成所述预设模型。

在生成预设模型时，可以基于预设聚类算，根据多个目标历史约车订单分别对应的实际停靠位置随机确定对应于n个实际停靠位置的n个聚类中心点。在确定n个聚类中心点之后，可以根据n个聚类中心点，基于预设聚类算法进行模型训练，以生成用于确定目标停靠位置的预设模型。

其中，实际停靠位置可以为实际乘车位置和/或实际下车位置，可以根据实际乘车位置和/或实际下车位置，生成用于确定目标乘车位置和/或目标下车位置的预设模型，详细介绍可参见上述实施例，在此不再进一步阐述。

可选的，所述根据所述n个聚类中心点，基于所述预设聚类算法进行模型训练，生成所述预设模型，包括：

基于所述预设聚类算法，对所述n个聚类中心点进行计算以进行模型训练，在经过一次模型训练后获取对应于m个预测停靠位置的m个聚类中心点，并确定所述m个预测停靠位置所对应的预测准确率，m小于或者等于n；

在所述预测准确率大于或者等于预设准确率阈值的情况下，基于所述预设聚类算法生成所述预设模型；

在所述预测准确率小于所述预设准确率阈值的情况下，调整所述预设聚类算法对应的聚类参数，基于所述聚类参数调整后的所述预设聚类算法再次对所述n个聚类中心点进行模型训练并在获取所述预测停靠位置后验证预测准确率，在经过至少两次模型训练且所述预测准确率大于或者等于所述预设准确率阈值时，基于进行至少一次所述聚类参数调整后的所述预设聚类算法生成所述预设模型；

其中，每次模型训练所对应的所述聚类参数不同，且每次模型训练对应于至少一次计算，每次计算所确定的所述聚类中心点为下一次计算对应的初始聚类中心点。

在基于预设聚类算法生成预设模型时，可以基于预设聚类算法，对n个聚类中心点进行至少一次模型训练，针对每次模型训练可以获取预测停靠位置，然后验证预测停靠位置的预测准确率，在预测准确率大于或者等于预设准确率阈值时，确定模型训练成熟，在预测准确率小于预设准确率阈值时，调整预设聚类算法对应的聚类参数，并进行下一次模型训练。

下面对模型训练的过程进行详细介绍，首先基于预设聚类算法，对n个聚类中心点进行计算以进行模型训练，在经过一次模型训练后获取对应于m个预测停靠位置的m个聚类中心点，然后检测m个预测停靠位置所对应的预测准确率，若预测准确率大于或者等于预设准确率阈值，可以基于预设聚类算法生成预设模型，即通过一次训练确定预设模型。

针对预测准确率小于预设准确率阈值的情况，可以调整预设聚类算法对应的聚类参数，然后基于聚类参数调整后的预设聚类算法再次对n个聚类中心点进行模型训练并在获取预测停靠位置后验证预测准确率，在预测准确率仍小于预设准确率阈值时，继续调整预设聚类算法对应的聚类参数，以根据n个聚类中心点进行下一次模型训练，直至预测准确率大于或者等于预设准确率阈值时，确定模型训练完成，可以基于进行至少一次聚类参数调整后的预设聚类算法生成预设模型。

其中，针对每次模型训练，所对应的聚类参数不同，即除首次模型训练之外，每次进行模型训练之前需要调整聚类参数。且针对每次模型训练，可以对应于至少一次计算，每次计算所确定的聚类中心点为下一次计算对应的初始聚类中心点。

需要说明的是，预设聚类算法可以包括meanshift聚类算法、k-means聚类算法、dbscan(density-basedspatialclusteringofapplicationswithnoise，具有噪声的基于密度的)聚类算法、optics(orderingpointstoidentifytheclusteringstructure，对点排序确定簇结构)聚类算法等。针对每次模型训练而言，所获取的聚类中心点的数目可以相同或者不同，且在预测准确率大于或者等于预设准确率阈值时，聚类中心点的数目l小于或者等于n。

下面以预设聚类算法为meanshift聚类算法为例，对根据n个聚类中心点，进行模型训练的过程进行阐述。

步骤1、基于meanshift聚类算法，根据多个实际停靠位置(可以包括实际乘车位置和/或实际下车位置)随机生成n个聚类中心点，每个聚类中心点对应于一个center。步骤2、针对每个聚类中心点，找出距离center在bandwidth(带宽)之内的所有点，记做集合p，这些点属于簇c，如，可以想象成以center画个球(对应于三维情况)，球的半径就是bandwidth，球体里面的点都是集合p。步骤3、以center为中心点，计算从center开始到集合p中每个元素的向量，将这些向量相加，得到向量shift。步骤4、把中心点center沿着shift的方向移动，移动距离是||shift||，将移动之后的center确定为第一聚类中心点。然后基于第一聚类中心点再次重复步骤2、3、4，直到shift的值不小于预设阈值(迭代到收敛)，记住此时的center，确定此时的center为此次模型训练对应的聚类中心点，即预测的常用上车点和/或下车点。然后针对此次模型训练确定所对应的预测准确率，并基于预测准确率执行后续操作。其中，bandwidth可以为meanshift聚类算法的聚类参数，在进行下一次模型训练之前，可以调节bandwidth，即调节半径。

本发明实施例中，基于预设聚类算法，根据多个目标历史约车订单分别对应的实际停靠位置随机生成n个聚类中心点，根据n个聚类中心点，基于预设聚类算法执行迭代计算生成预设模型，可以保证基于预设模型进行频繁上下车点的预测，以实现为司乘双方提供频繁上下车点，提高运营效率。

在本发明一可选实施例中，所述根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置，包括：

获取所述目标区域范围在第二预设时段内的多个所述第二历史约车订单分别对应的所述实际停靠位置；

将所述目标区域范围在第二预设时段内对应的所述实际停靠位置输入所述预设模型，获取所述预设模型输出的所述目标区域范围对应的所述目标停靠位置。

在生成预设模型之后，在根据预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定目标区域范围对应的目标停靠位置时，可以针对目标区域范围在第二预设时段内的多个第二历史约车订单，分别获取实际停靠位置，然后将目标区域范围在第二预设时段内对应的实际停靠位置输入预设模型中，通过预设模型输出目标区域范围对应的目标停靠位置。其中预设模型可以针对多个实际停靠位置进行计算，输出目标停靠位置，目标停靠位置的数量小于或者等于实际停靠位置。

本实施例中，通过将目标区域范围在第二预设时段内对应的实际停靠位置输入预设模型中，由预设模型进行计算输出目标区域范围对应的目标停靠位置，可以实现基于预设模型预测目标区域范围对应的目标停靠位置，实现为司乘双方提供频繁上下车点，指导司机顺利接驾送驾、指导乘车用户在合适地点乘车，节省司乘双方时间，提高车辆运营效率，且可以供司机巡游时参考，辅助司机在高频上下车地区巡游，提高接单率，减少空驶里程。

在本发明一可选实施例中，所述方法还包括：

获取客户端在所述目标区域范围内所对应的目标预约停靠位置；

在所述目标区域范围对应的所述目标停靠位置中确定与所述目标预约停靠位置对应的第一目标停靠位置，生成所述目标预约停靠位置至所述第一目标停靠位置之间的导航路径，将所述导航路径发送至所述客户端。

本发明实施例中的客户端可以为司机客户端和/或乘客客户端，目标预约停靠位置包括预约乘车位置和/或预约下车位置。在获取目标区域范围内客户端所对应的目标预约停靠位置时，可以针对司机客户端或者乘客客户端，获取预约乘车位置和/或预约下车位置。其中，与目标预约停靠位置对应的第一目标停靠位置，可以理解为与目标预约停靠位置距离最近的目标停靠位置。

在目标预约停靠位置包括预约乘车位置时，可以在目标区域范围对应的目标停靠位置中确定与预约乘车位置距离最近的第一目标停靠位置，且第一目标停靠位置优选为目标乘车位置，根据预约乘车位置以及第一目标停靠位置生成预约乘车位置至第一目标停靠位置的导航路径，将所生成的导航路径发送至司机客户端和/或乘客客户端。其中，导航路径可以包括车辆行驶路径和行人行驶路径，在将导航路径发送至司机客户端时，将车辆行驶路径发送至司机客户端，在将导航路径发送至乘客客户端时，将行人行驶路径发送至乘客客户端。通过向司机客户端发送导航路径，可以使得司机顺利接驾，通过向乘客客户端发送导航路径，可以实现提供合适的上车点供用户参考，以保证司机顺利接到乘客。

在目标预约停靠位置包括预约下车位置时，可以在目标区域范围对应的目标停靠位置中确定与预约下车位置距离最近的第一目标停靠位置，且第一目标停靠位置优选为目标下车位置，根据预约下车位置以及第一目标停靠位置生成预约下车位置至第一目标停靠位置的导航路径，将所生成的导航路径发送至司机客户端，也可以发送至乘客客户端。通过向司机客户端发送导航路径，可以使得司机顺利到达距离预约下车位置最近的可停靠位置，实现顺利送驾，通过向乘客客户端发送导航路径，可以便于乘客了解行程信息。

在目标预约停靠位置包括预约乘车位置以及预约下车位置时，可以在目标区域范围对应的目标停靠位置中确定第一目标停靠位置，第一目标停靠位置包括与预约乘车位置距离最近的目标乘车位置以及与预约下车位置距离最近的目标下车位置。根据预约乘车位置以及与预约乘车位置距离最近的目标乘车位置，生成预约乘车位置至目标乘车位置的导航路径，将所生成的导航路径发送至司机客户端和/或乘客客户端。根据预约下车位置以及与预约下车位置距离最近的目标下车位置，生成预约下车位置至目标下车位置的导航路径，将所生成的导航路径发送至司机客户端，也可以发送至乘客客户端。通过向司机客户端和/或乘客客户端发送导航路径，使得司机顺利接驾、送驾，提供合适的上车点供用户参考，提升乘车用户以及司机的体验。

本发明实施例中，通过生成预约停靠位置至目标停靠位置之间的导航路径，将导航路径发送至司机客户端和/或乘客客户端，可以使得司机顺利接驾和/或送驾，提供合适的上车点供用户参考，便于用户了解行程信息，提升乘车用户以及司机的体验。

下面通过一具体实例对本发明实施例提供的确定停靠位置的方法进行介绍，如图2所示，包括：

步骤201、获取城市a在某段时间内对应的第一历史约车订单，生成第一历史约车订单集合。

步骤202、获取城市a对应的城市边界信息。

步骤203、根据第一历史约车订单集合中各第一历史约车订单在停靠时对应的速度信息、各第一历史约车订单的实际停靠位置与预约停靠位置之间的距离信息、各第一历史约车订单运行范围信息以及城市边界信息，在第一历史约车订单集合中剔除异常数据以进行数据清洗获取目标历史约车订单。其中，异常数据包括停靠时所对应的速度大于预设速度阈值的第一历史约车订单、实际停靠位置和预约停靠位置之间的距离大于预设距离阈值的第一历史约车订单以及运营范围超出城市边界信息的第一历史约车订单。

步骤204、基于预设聚类算法，根据多个目标历史约车订单分别对应的实际停靠位置，随机生成n个聚类中心点，每个聚类中心点对应于一实际停靠位置。

步骤205、根据n个聚类中心点，基于预设聚类算法进行模型训练，生成预设模型。

步骤206、根据预设模型以及城市b在某个时段内的多个经过数据清洗的第二历史约车订单，确定城市b对应的目标停靠位置。

上述过程，可以首先进行数据清洗，在数据清洗之后通过清洗之后的数据生成预设模型，并基于预设模型预测目标停靠位置，可以实现为司乘双方提供频繁上下车点，指导司机顺利接驾送驾、指导乘车用户在合适地点乘车，节省司乘双方时间，提高车辆运营效率。

以上为本发明实施例提供的确定停靠位置的方法的整体实施过程，通过获取预设区域范围在第一预设时段内对应的多个目标历史约车订单，根据多个目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型，根据预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定目标区域范围对应的所述目标停靠位置，可以实现为司乘双方提供合适的上下车点，指导司机顺利接驾送驾、指导乘车用户在合适地点乘车，节省司乘双方时间，提高车辆运营效率，且可以供司机巡游时参考，辅助司机在高频上下车地区巡游，提高接单率，减少空驶里程。

上面针对本发明实施例提供的确定停靠位置的方法进行了详细描述，下面继续对本发明实施例提供的确定停靠位置的装置进行描述。

依据本发明实施例的另一方面，提供了一种确定停靠位置的装置，该装置能实现上述确定停靠位置的方法实施例中的具体细节，并能达到相同的技术效果。

如图3所示，本发明实施例提供的确定停靠位置的装置，应用于网约车平台，包括：

第一获取模块301，用于获取预设区域范围在第一预设时段内对应的多个目标历史约车订单；

生成模块302，用于根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型；

确定模块303，用于根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置。

可选的，所述第一获取模块进一步用于：

基于与实际停靠位置所对应的速度关联的第一策略和/或与实际停靠位置和预约停靠位置的关系所关联的第二策略，在所述预设区域范围在第一预设时段内对应的第一历史约车订单中进行筛选，获取多个所述目标历史约车订单；

其中，在基于所述第一策略进行筛选时，过滤所述实际停靠位置所对应的速度大于预设速度阈值的所述第一历史约车订单；在基于所述第二策略进行筛选时，过滤所述实际停靠位置和所述预约停靠位置之间的距离大于预设距离阈值的所述第一历史约车订单。

可选的，所述实际停靠位置包括实际乘车位置和/或实际下车位置，所述目标停靠位置包括目标乘车位置和/或目标下车位置；

所述生成模块包括以下子模块其中之一：

第一生成子模块，用于根据多个所述目标历史约车订单分别对应的所述实际乘车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

第二生成子模块，用于根据多个所述目标历史约车订单分别对应的所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

第三生成子模块，用于根据多个所述目标历史约车订单分别对应的所述实际乘车位置和所述实际下车位置，生成用于确定所述目标乘车位置和/或所述目标下车位置的所述预设模型；

其中，所述实际乘车位置和所述实际下车位置均包括经纬度信息以及方向信息。

可选的，所述生成模块包括：

第一处理子模块，用于基于预设聚类算法，根据多个所述目标历史约车订单分别对应的所述实际停靠位置，随机生成n个聚类中心点，每个所述聚类中心点对应于一所述实际停靠位置；

第二处理子模块，用于根据所述n个聚类中心点，基于所述预设聚类算法进行模型训练，生成所述预设模型。

可选的，所述第二处理子模块包括：

第一处理单元，用于基于所述预设聚类算法，对所述n个聚类中心点进行计算以进行模型训练，在经过一次模型训练后获取对应于m个预测停靠位置的m个聚类中心点，并确定所述m个预测停靠位置所对应的预测准确率，m小于或者等于n；

第二处理单元，用于在所述预测准确率大于或者等于预设准确率阈值的情况下，基于所述预设聚类算法生成所述预设模型；

第三处理单元，用于在所述预测准确率小于所述预设准确率阈值的情况下，调整所述预设聚类算法对应的聚类参数，基于所述聚类参数调整后的所述预设聚类算法再次对所述n个聚类中心点进行模型训练并在获取所述预测停靠位置后验证预测准确率，在经过至少两次模型训练且所述预测准确率大于或者等于所述预设准确率阈值时，基于进行至少一次所述聚类参数调整后的所述预设聚类算法生成所述预设模型；

其中，每次模型训练所对应的所述聚类参数不同，且每次模型训练对应于至少一次计算，每次计算所确定的所述聚类中心点为下一次计算对应的初始聚类中心点。

可选的，所述确定模块包括：

第一获取子模块，用于获取所述目标区域范围在第二预设时段内的多个所述第二历史约车订单分别对应的所述实际停靠位置；

第二获取子模块，用于将所述目标区域范围在第二预设时段内对应的所述实际停靠位置输入所述预设模型，获取所述预设模型输出的所述目标区域范围对应的所述目标停靠位置。

可选的，所述装置还包括：

第二获取模块，用于获取客户端在所述目标区域范围内所对应的目标预约停靠位置；

生成发送模块，用于在所述目标区域范围对应的所述目标停靠位置中确定与所述目标预约停靠位置对应的第一目标停靠位置，生成所述目标预约停靠位置至所述第一目标停靠位置之间的导航路径，将所述导航路径发送至所述客户端。

对于确定停靠位置的装置实施例而言，由于其与确定停靠位置的方法实施例基本相似，相关之处参见方法实施例的部分说明即可，为避免重复，这里便不再进行赘述。

依据本发明实施例的又一方面，提供了一种电子设备，该电子设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述确定停靠位置的方法中的步骤。

举例如下，图4示出了一种电子设备的实体结构示意图。

如图4所示，该电子设备400可以包括：处理器(processor)410、通信接口(communicationsinterface)420、存储器(memory)430和通信总线440，其中，处理器410、通信接口420以及存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：获取预设区域范围在第一预设时段内对应的多个目标历史约车订单；根据多个所述目标历史约车订单分别对应的实际停靠位置，生成用于确定目标停靠位置的预设模型；根据所述预设模型以及目标区域范围在第二预设时段内的多个第二历史约车订单，确定所述目标区域范围对应的所述目标停靠位置。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

依据本发明实施例的再一方面，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以执行上述确定停靠位置的方法中的步骤，例如：计算机可读存储介质还可以实现本发明方法部分的其他实施过程，这里不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。