一种商用车运输行业信息的处理方法、装置、设备及介质与流程

1.本发明涉及智能决策、统计模型领域，具体涉及一种商用车运输行业信息的处理方法、装置、设备及介质。


背景技术：

2.由于商用车的运输效率高，在运输行业对商用车的服务需求大，但是商用车在不同运输行业承担的运输责任不同。在实际的业务开展中，车辆的运输行业、货物种类受到更多的关注，以便于向司机或车辆提供精准有效的增值服务。
3.业务人员在车辆租赁期间填写车辆用途资料，当车辆的运输行业在固定的情况下，车辆每次可按照相同的行驶路线进行货物的配送。但是，当车辆的运输行业在发生变化的情况下，例如，部分车辆无固定的配送货源，导致车辆每次都按照不同的行驶路线进行货物的配送。当车辆每次的行驶路线不同时，无法准确的获取到车辆的运输行业信息，无法满足物流运输行业的需求。


技术实现要素：

4.本发明提出一种商用车运输行业信息的处理方法、装置、设备及介质，可用于解决现有当车辆每次的行驶路线不同时，无法准确的获取到车辆的运输行业信息的问题，并可提出如下的技术方案。
5.本发明可提出一种商用车运输行业信息的处理方法，包括：
6.获取车辆的登记信息，根据所述登记信息获取车辆的登记行业类别；
7.采集车辆的历史行驶路线信息，根据所述历史行驶路线信息采集车辆的历史停留位置信息；
8.分析所述历史行驶路线信息和所述历史停留位置信息，获得行业类别特征；
9.比较所述行业类别特征和所述登记行业类别；当所述行业类别特征与所述登记行业类别一致时，将所述登记行业类别作为所述车辆的运输行业类别，并予以输出；
10.当所述行业类别特征与所述登记行业类别不一致时，根据所述历史行驶路线信息和所述历史停留位置信息，生成车辆的历史活动区域标签和历史行驶路线轨迹标签；将所述历史活动区域标签和所述历史行驶路线轨迹标签输入至dbscan密度聚类算法模型中，获取所述车辆的预测行业类别，将所述预测行业类别作为所述车辆的运输行业类别，并予以输出。
11.本发明还可提出一种商用车运输行业信息的处理装置，包括：
12.获取单元，用于获取车辆的登记信息，根据所述登记信息获取车辆的登记行业类别；
13.采集单元，用于采集车辆的历史行驶路线信息，根据所述历史行驶路线信息采集车辆的历史停留位置信息；
14.分析单元，用于分析所述历史行驶路线信息和所述历史停留位置信息，获得行业
类别特征；
15.比较单元，用于比较所述行业类别特征和所述登记行业类别；当所述行业类别特征与所述登记行业类别一致时，将所述登记行业类别作为所述车辆的运输行业类别，并予以输出；
16.预测单元，用于当所述行业类别特征与所述登记行业类别不一致时，根据所述历史行驶路线信息和所述历史停留位置信息，生成车辆的历史活动区域标签和历史行驶路线轨迹标签；将所述历史活动区域标签和所述历史行驶路线轨迹标签输入至dbscan密度聚类算法模型中，获取所述车辆的预测行业类别，将所述预测行业类别作为所述车辆的运输行业类别，并予以输出。
17.本发明还可提出一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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述所述商用车运输行业信息的处理方法的步骤。
18.本发明还可提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述商用车运输行业信息的处理方法的步骤。
19.本发明提出一种商用车运输行业信息的处理方法、装置、设备及介质，本技术可通过对行业类别特征与登记行业类别进行对比。当车辆的行业类别特征与登记行业类别不一致时，可将活动区域标签和行驶路线轨迹标签输入至dbscan密度聚类算法模型中，dbscan密度聚类算法模型预测出车辆的预测行业类别，将车辆的预测行业类别作为车辆的运输行业类别并输出。当车辆的行业类别特征与登记行业类别一致时，可将登记行业类别作为车辆的运输行业类别。当车辆的行业类别特征与登记行业类别不一致时，可选取dbscan密度聚类算法模型预测出车辆的预测行业类别，并将预测行业类别作为车辆的运输行业类别。通过行业类别特征与登记行业类别的对比，以实现车辆的运输行业类别的预测和判断。
附图说明
20.图1是本发明一实施例中商用车运输行业信息的处理方法的一应用环境示意图；
21.图2是本发明一实施例中商用车运输行业信息的处理方法的一流程示意图；
22.图3是图2中步骤s40的一具体实施方式流程示意图；
23.图4是图2中步骤s50的一具体实施方式流程示意图；
24.图5是图2中步骤s50的又一具体实施方式流程示意图；
25.图6是本发明一实施例中商用车运输行业信息的处理方法的又一流程示意图；
26.图7是本发明一实施例中商用车运输行业信息的处理装置的一结构示意图；
27.图8是本发明一实施例中计算机设备的一结构示意图。
具体实施方式
28.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
29.需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
30.本发明实施例提供的商用车运输行业信息的处理方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务端进行通信。服务端可以通过客户端获取车辆的登记信息，根据登记信息获取车辆的登记行业类别；采集车辆的历史行驶路线信息，根据历史行驶路线信息采集车辆的历史停留位置信息；分析历史行驶路线信息和历史停留位置信息，获得行业类别特征；比较行业类别特征和登记行业类别；当行业类别特征与登记行业类别一致时，将登记行业类别作为车辆的运输行业类别，并予以输出；当行业类别特征与登记行业类别不一致时，根据历史行驶路线信息和历史停留位置信息，生成车辆的历史活动区域标签和历史行驶路线轨迹标签；将历史活动区域标签和历史行驶路线轨迹标签输入至dbscan密度聚类算法模型中，获取车辆的预测行业类别，将预测行业类别作为车辆的运输行业类别，并予以输出。在本发明中，提出一种商用车运输行业信息的处理方法，可通过历史行驶路线信息、历史停留位置信息和停留时长信息判断车辆的行业类别特征。当车辆的行业类别特征与登记行业类别相同时，可将登记行业类别作为车辆的运输行业类别，并输出车辆的运输行业类别。当车辆的行业类别特征实时发生变化时，即行业类别特征与登记行业类别不同时，可选取dbscan密度聚类算法模型预测出车辆的预测行业类别，并将预测行业类别作为车辆的运输行业类别，可输出车辆预测的运输行业类别。
31.请参阅图2所示，图2是本发明一实施例提供的商用车运输行业信息的处理方法的一个流程示意图，可包括有如下的步骤：
32.步骤s10、获取车辆的登记信息，根据所述登记信息获取车辆的登记行业类别。
33.在一些实施例中，可获取车辆的登记信息，客户可提供业务材料及过往业务材料证明录入计算机系统中。可从客户提供的业务材料中，提取关键字作为车辆的登记行业类别。例如，可将业务材料中的车辆标识信息、出发地、目的地、运营合同、登记行业类别、每段业务行程开始时间、运力里程等信息进行提取，获取车辆的登记行业类别。
34.步骤s20、采集车辆的历史行驶路线信息，根据所述历史行驶路线信息采集车辆的历史停留位置信息。
35.在一些实施例中，可通过gps(global positioning system，全球定位系统)导航和/或bds(beidou navigation satellite system，北斗卫星导航系统)，采集车辆的历史行驶路线信息。即可通过全球定位系统导航采集车辆的历史行驶路线信息，或者可通过北斗卫星导航系统采集车辆的历史行驶路线信息，或者可通过全球定位系统和北斗卫星导航系统采集车辆的历史行驶路线信息。可根据历史行驶路线信息提取出车辆的每一个停留位置，并且可记录每一个停留位置处的停留时长，即可采集车辆的历史停留位置信息和停留时长信息。行驶路线上的停留位置可表征车辆的装卸货地点，停留位置处的停留时长可表征车辆的装卸货时长。
36.步骤s30、分析所述历史行驶路线信息和所述历史停留位置信息，获得行业类别特征。
37.在一些实施例中，提取历史行驶路线信息，分析出车辆的行业类别特征。在车辆的
历史行驶路线信息，可从地图信息上提取行驶路线周边的仓库存储货物的类别，从而可分析出车辆的行业类别特征。行业类别特征可反应运输行业类别的特点。例如，当车辆的历史行驶路线信息中存在水果店时，可初步分析出车辆的行业类别特征为果蔬运输业。当车辆的历史行驶路线信息中存在肉类存储时，可初步的分析出车辆的行业类别特征为冷冻运输业。当车辆的历史行驶路线信息中存在养殖场时，可初步的分析出车辆的行业类别特征为饲料运输业。进一步的，可判断出行业类别特征与登记行业类别是否一致。
38.步骤s40、比较所述行业类别特征和所述登记行业类别；当所述行业类别特征与所述登记行业类别一致时，将所述登记行业类别作为所述车辆的运输行业类别，并予以输出。
39.请参阅图3，图3是图2中步骤s40的一具体实施方式流程示意图。步骤s40可包括有以下的子步骤。
40.步骤s401、根据所述历史行驶路线信息，获取所述第一行业类别特征，比较第一行业类别特征与登记行业类别是否一致。
41.步骤s402、根据所述历史停留位置信息，获取所述第二行业类别特征，比较第二行业类别特征与登记行业类别是否一致。行业类别特征包括第一行业类别特征和第二行业类别特征。
42.步骤s403、当第二行业类别特征与登记行业类别一致时，将所述登记行业类别作为车辆的运输行业类别，并予以输出。
43.当第一行业类别特征与登记行业类别不一致时和/或第二行业类别特征与登记行业类别一致时，可进入步骤s50中。
44.在一些实施例中，当第一行业类别特征和登记行业类别一致时，说明行驶路线周边的仓库存储货物的类别与登记行业类别一致。车辆实际的运输行业与车辆登记时的登记行业类别是否一致，还需要通过历史停留位置信息进一步的进行判断。例如，当可根据历史停留位置信息，历史停留位置信息可表征车辆的装卸货地点，通过车辆的停留地点仓库处的货物类别，可分析车辆的第二行业类别特征。进一步的，可判断出第第二行业类别特征与运输行业信息是否一致。
45.在一些实施例中，当第二行业类别特征与登记行业类别一致时，可表示车辆实际的运输行业与车辆登记时的登记行业类别一致，此时可输出车辆的运输行业类别。当第一行业类别特征与登记行业类别一致时，并且当第二行业类别特征与登记行业类别一致时，即当车辆每次的运输行业类别都相同时，可将车辆的历史行驶路线信息表征为快递快运。每次快递快运的历史行驶路线信息、历史停留位置信息和停留时长信息都相同。即表明快递快运的车辆每次运送的货物种类和数量相同，快递快运的车辆每次的历史行驶路线信息、历史停留位置信息和停留时长信息固定。
46.步骤s50、当所述行业类别特征与所述登记行业类别不一致时，根据所述历史行驶路线信息和所述历史停留位置信息，生成车辆的历史活动区域标签和历史行驶路线轨迹标签；将所述历史活动区域标签和所述历史行驶路线轨迹标签输入至dbscan密度聚类算法模型中，获取所述车辆的预测行业类别，将所述预测行业类别作为所述车辆的运输行业类别，并予以输出。
47.在一些实施例中，在当第一行业类别特征与登记行业类别不一致时，或者当第二行业类别特征与登记行业类别不一致时，当车辆每次的运输行业类别都不相同时，可表示
出车辆实际的运输行业与车辆登记时的运输行业信息不一致。可将车辆的历史行驶路线信息表征为零担运输，每次零担运输的历史行驶路线信息、历史停留位置信息和停留时长信息都实时发生变化。可在行驶路线上，根据不同的停留时长信息赋予历史停留位置信息不同的权重。例如，可将停留时长较长的历史停留位置信息赋予大的权重，可将停留时长较短的历史停留位置信息赋予小的权重。可根据历史停留位置信息的权重、停留时长信息的权重，赋予活动区域标签、行驶路线轨迹标签不同的权重，以实现在dbscan密度聚类算法模型中占据更大的比例，以更好的预测出车辆的运输行业类别。dbscan密度聚类算法模型的特点是用一个点的领域范围内存在着的邻居点数目，以精确衡量得出该点所在的领域的密度。dbscan算法几乎都可以直接的找到样本点及其附近的全部的密集的区域,以实现通过活动区域标签和行驶路线轨迹标签进行车辆的运输行业类别的预测。
48.请参阅图4所示，图4是图2中步骤s50的一具体实施方式流程示意图。在一些实施例中，步骤s50可包括如下的子步骤。
49.步骤s501、提取所述历史行驶路线信息的每一条行驶路径的起点和终点；每一个起点和终点都表征对应的行业类别。
50.步骤s502、根据每一条行驶路径所述起点和终点，获取所述第一行业类别特征。
51.步骤s503、当每一条行驶路径的起点和终点所表征的行业类别相同，则将该行业类别作为第一行业类别特征。
52.步骤s504、当每一条行驶路径的起点和终点所表征的行业类别不同，则将零担运输作为第一行业类别特征。
53.请参阅图5所示，图5是图2中步骤s50的又一具体实施方式流程示意图。在一些实施例中，步骤s50可包括如下的子步骤。
54.步骤s511、根据所述历史停留位置信息提取每一条行驶路径的停留位置；每一个停留位置都表征对应的行业类别。
55.步骤s512、根据每一条行驶路径的停留位置，获取所述第二行业类别特征。
56.步骤s513、当每一条行驶路径的停留位置所表征的行业类别相同，则将该行业类别作为第二行业类别特征。
57.步骤s514、当每一条行驶路径的停留位置所表征的行业类别不同，则将零担运输作为第二行业类别特征。
58.表一：快运快递和零担运输商用车的运输行业信息表
59.[0060][0061]
请参阅图6所示，图6是本发明一实施例提供的商用车运输行业信息的处理方法的又一个流程示意图，可包括有如下的步骤：
[0062]
步骤s60、进行外呼校验。
[0063]
在一些实施例中，将车辆的运输行业类别发送至商用车运输行业信息的处理装置上，商用车运输行业信息的处理装置进行外呼校验，通过电话连线，判断运输行业类别与车辆当前的运输行业类别是否一致。通过电话连线的方式，可最终确定车辆实际的运输行业类别，并判断其与车辆的登记行业类别或者车辆的预测行业类别是否一致。在通过全球定位系统导航和/或北斗卫星导航系统采集车辆的历史行驶路线信息自动判断之后，进一步的通过商用车运输行业信息的处理装置电话连线的方式，增加了对车辆的运输行业类别进行判断的准确性。
[0064]
步骤s70、当所述运输行业类别与车辆当前的运输行业类别一致时，匹配车辆的保险增值服务。
[0065]
在一些实施例中，当运输行业类别与车辆当前的运输行业类别一致时，车辆实际的运输行业类别与登记行业类别或者预测行业类别一致，匹配车辆的保险增值服务。
[0066]
步骤s80、当所述运输行业类别与车辆当前的运输行业类别不一致时，修改商用车运输行业信息的处理装置中车辆的运输行业类别。
[0067]
在一些实施例中，当所述运输行业类别与车辆当前的运输行业类别不一致时，车辆实际的运输行业类别与登记行业类别或者预测行业类别不一致时，可修订商用车运输行业信息的处理装置中车辆的运输行业类别。
[0068]
在另一些实施例中，可预先设定第一阈值时间，用于指示满足预测车辆运输行业类别所需的时长。当停留时长大于第一阈值时间时，根据不同的所述历史停留位置信息，生成车辆的活动区域标签，根据不同的所述停留时长信息，赋予所述活动区域标签不同的权重。将所述活动区域标签和所述行驶路线轨迹标签输入至dbscan密度聚类算法模型中，dbscan密度聚类算法模型输出车辆的预测行业类别。
[0069]
可见，在上述方案中，可根据车辆的登记信息，获取车辆的登记行业类别。可通过全球定位系统和/或者北斗卫星导航系统采集车辆的历史行驶路线信息，并可从车辆的历史行驶路线信息中，获取车辆的历史停留位置信息以及停留时长信息。可通过对行业类别特征与登记行业类别进行对比。当车辆的行业类别特征与登记行业类别不一致时，可将活
动区域标签和行驶路线轨迹标签输入至dbscan密度聚类算法模型中，dbscan密度聚类算法模型预测出车辆的预测行业类别，将车辆的预测行业类别作为车辆的运输行业类别并输出。当车辆的行业类别特征与登记行业类别一致时，可将登记行业类别作为车辆的运输行业类别。当车辆的行业类别特征与登记行业类别不一致时，可选取dbscan密度聚类算法模型预测出车辆的预测行业类别，并将预测行业类别作为车辆的运输行业类别。通过行业类别特征与登记行业类别的对比，以实现车辆的运输行业类别的预测和判断。
[0070]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0071]
请参阅图7，本发明提出一种商用车运输行业商用车运输行业信息的处理装置。在一些实施例中，所述商用车运输行业信息的处理装置100，可包括有获取单元101、采集单元102、分析单元103、比较单元104和预测单元105。各功能模块详细说明如下。
[0072]
获取单元101，用于获取车辆的登记信息，根据所述登记信息获取车辆的登记行业类别。
[0073]
采集单元102，用于采集车辆的历史行驶路线信息，根据所述历史行驶路线信息采集车辆的历史停留位置信息和停留时长信息。
[0074]
分析单元103，用于分析所述历史行驶路线信息和所述历史停留位置信息，获得行业类别特征。
[0075]
比较单元104，用于比较所述行业类别特征和所述登记行业类别；当所述行业类别特征与所述登记行业类别一致时，将所述登记行业类别作为所述车辆的运输行业类别，并予以输出。
[0076]
预测单元105，用于当所述行业类别特征与所述登记行业类别不一致时，根据所述历史停留位置信息，生成车辆的活动区域标签；根据所述历史行驶路线信息、所述历史停留位置信息和所述停留时长信息，生成行驶路线轨迹标签；将所述活动区域标签和所述行驶路线轨迹标签输入至dbscan密度聚类算法模型中，dbscan密度聚类算法模型输出车辆的预测行业类别，将所述预测行业类别作为所述车辆的运输行业类别，并予以输出。
[0077]
在一具体实施例中，获取单元101具体用于：
[0078]
在一些实施例中，可获取车辆的登记信息，客户可提供业务材料及过往业务材料证明录入计算机系统中。可从客户提供的业务材料中，提取关键字作为车辆的登记行业类别。例如，可将业务材料中的车辆标识信息、出发地、目的地、运营合同、登记行业类别、每段业务行程开始时间、运力里程等信息进行提取，获取车辆的登记行业类别。
[0079]
在一具体实施例中，采集单元102可具体用于：
[0080]
在一些实施例中，可通过gps导航和/或bds，采集车辆的历史行驶路线信息。可根据历史行驶路线信息提取出车辆的每一个停留位置，并且可记录每一个停留位置处的停留时长，即可采集车辆的历史停留位置信息和停留时长信息。行驶路线上的停留位置可表征车辆的装卸货地点，停留位置处的停留时长可表征车辆的装卸货时长。
[0081]
在一具体实施例中，分析单元103可具体用于：
[0082]
在一些实施例中，提取历史行驶路线信息，分析出车辆的行业类别特征。在车辆的历史行驶路线信息，可从地图信息上提取行驶路线周边的仓库存储货物的类别，从而可分
析出车辆的行业类别特征。行业类别特征可反应运输行业类别的特点。例如，当车辆的历史行驶路线信息中存在水果店时，可初步分析出车辆的行业类别特征为果蔬运输业。当车辆的历史行驶路线信息中存在肉类存储时，可初步的分析出车辆的行业类别特征为冷冻运输业。当车辆的历史行驶路线信息中存在养殖场时，可初步的分析出车辆的行业类别特征为饲料运输业。进一步的，可判断出行业类别特征与登记行业类别是否一致。
[0083]
在一具体实施例中，比较单元104可具体用于：
[0084]
在一些实施例中，当第一行业类别特征和登记行业类别一致时，说明行驶路线周边的仓库存储货物的类别与登记行业类别一致。车辆实际的运输行业与车辆登记时的登记行业类别是否一致，还需要通过历史停留位置信息进一步的进行判断。例如，当可根据历史停留位置信息，历史停留位置信息可表征车辆的装卸货地点，通过车辆的停留地点仓库处的货物类别，可分析车辆的第二行业类别特征。进一步的，可判断出第第二行业类别特征与运输行业信息是否一致。
[0085]
在一些实施例中，当第二行业类别特征与登记行业类别一致时，可表示车辆实际的运输行业与车辆登记时的登记行业类别一致，此时可输出车辆的运输行业类别。当第一行业类别特征与登记行业类别一致时，并且当第二行业类别特征与登记行业类别一致时，即当车辆每次的运输行业类别都相同时，可将车辆的历史行驶路线信息表征为快递快运。每次快递快运的历史行驶路线信息、历史停留位置信息和停留时长信息都相同。即表明快递快运的车辆每次运送的货物种类和数量相同，快递快运的车辆每次的历史行驶路线信息、历史停留位置信息和停留时长信息固定。
[0086]
在一具体实施例中，预测单元105还可具体用于：
[0087]
输出车辆的运输行业类别至商用车运输行业信息的处理装置，商用车运输行业信息的处理装置进行外呼校验。
[0088]
当所述运输行业类别与车辆当前的运输行业类别一致时，匹配车辆的保险增值服务。
[0089]
当所述运输行业类别与车辆当前的运输行业类别不一致时，修订商用车运输行业信息的处理装置中车辆的运输行业类别。
[0090]
在一具体实施例中，预测单元105可具体用于：
[0091]
在一些实施例中，可在行驶路线上，根据不同的停留时长信息赋予历史停留位置信息不同的权重。例如，可将停留时长较长的历史停留位置信息赋予大的权重，可将停留时长较短的历史停留位置信息赋予小的权重。可根据历史停留位置信息的权重、停留时长信息的权重，赋予活动区域标签、行驶路线轨迹标签不同的权重，以实现在dbscan密度聚类算法模型中占据更大的比例，以更好的预测出车辆的运输行业类别。
[0092]
关于商用车运输行业信息的处理装置的具体限定可以参见上文中对于商用车运输行业信息的处理方法的限定，在此不再赘述。上述商用车运输行业信息的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0093]
在一个实施例中，提供了一种计算机设备，该计算机设备200可以是服务端，其内部结构图可以如图8所示。该计算机设备200包括通过系统总线连接的处理器201、存储器
202、网络接口204和数据库。其中，该计算机设备200的处理器201用于提供计算和控制能力。该计算机设备200的存储器202包括非易失性和/或易失性存储介质、内存储器203。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备200的网络接口用于与外部的客户端通过网络连接通信。该计算机程序被处理器执行时以实现一种商用车运输行业商用车运输行业信息的处理方法服务端侧的功能或步骤。
[0094]
在一个实施例中，提供了一种计算机设备200，包括存储器202、处理器201及存储在存储器上并可在处理器上运行的计算机程序，处理器201执行计算机程序时实现以下步骤：
[0095]
获取车辆的登记信息，根据所述登记信息获取车辆的登记行业类别；
[0096]
采集车辆的历史行驶路线信息，根据所述历史行驶路线信息采集车辆的历史停留位置信息；
[0097]
分析所述历史行驶路线信息和所述历史停留位置信息，获得行业类别特征；
[0098]
比较所述行业类别特征和所述登记行业类别；当所述行业类别特征与所述登记行业类别一致时，将所述登记行业类别作为所述车辆的运输行业类别，并予以输出；
[0099]
当所述行业类别特征与所述登记行业类别不一致时，根据所述历史行驶路线信息和所述历史停留位置信息，生成车辆的历史活动区域标签和历史行驶路线轨迹标签；将所述历史活动区域标签和所述历史行驶路线轨迹标签输入至dbscan密度聚类算法模型中，获取所述车辆的预测行业类别，将所述预测行业类别作为所述车辆的运输行业类别，并予以输出。
[0100]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0101]
获取车辆的登记信息，根据所述登记信息获取车辆的登记行业类别；
[0102]
采集车辆的历史行驶路线信息，根据所述历史行驶路线信息采集车辆的历史停留位置信息；
[0103]
分析所述历史行驶路线信息和所述历史停留位置信息，获得行业类别特征；
[0104]
比较所述行业类别特征和所述登记行业类别；当所述行业类别特征与所述登记行业类别一致时，将所述登记行业类别作为所述车辆的运输行业类别，并予以输出；
[0105]
当所述行业类别特征与所述登记行业类别不一致时，根据所述历史行驶路线信息和所述历史停留位置信息，生成车辆的历史活动区域标签和历史行驶路线轨迹标签；将所述历史活动区域标签和所述历史行驶路线轨迹标签输入至dbscan密度聚类算法模型中，获取所述车辆的预测行业类别，将所述预测行业类别作为所述车辆的运输行业类别，并予以输出。
[0106]
需要说明的是，上述关于计算机可读存储介质或计算机设备所能实现的功能或步骤，可对应参阅前述方法实施例中，服务端侧以及客户端侧的相关描述，为避免重复，这里不再一一描述。
[0107]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，
本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0108]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明，本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案，例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0109]
除说明书所述的技术特征外，其余技术特征为本领域技术人员的已知技术，为突出本发明的创新特点，其余技术特征在此不再赘述。