一种位置名称的生成方法、装置、电子设备及存储介质与流程

本技术涉及网约车，尤其涉及一种位置名称的生成方法、装置、电子设备及存储介质。

背景技术：

1、随着互联网技术的发展，越来越多的应用程序通过显示特定的位置坐标，实现向用户推荐位置坐标，例如在网约车场景中，在用户打开出行类应用程序的客户端，出行类应用程序往往会展示当前定位点周边的推荐上车点，用户可以利用推荐上车点进行网约车订单下单操作；又例如，用户在等待接单车辆时，跟随用户的实时位置，展示用户周边的各个推荐上车点，用户可以选择任意一个推荐上车点作为本次出行需求的接驾位置。

2、目前，传统上车点的名称通常是采用单一规则生成的，如根据用户的当前位置附近的兴趣点(point of interest，poi)数据或路网数据，静态生成上车点的名称，如“xx大厦东侧”、“yy商场南门”等。由于传统方法采用的单一规则考虑的因素较少，经常会出现上车点的名称错误、不显著，甚至用室内poi命名等问题，导致用户找不到其选择的上车点，从而降低了出行效率和用户体验度。

技术实现思路

1、本技术实施例提供一种位置名称的生成方法、装置、电子设备及存储介质，用以根据用户的历史行为数据和实时位置，为用户动态生成上车点的名称，使得该名称能满足不同用户的不同习惯，从而减少用户寻找上车点的时间，提高出行效率和用户满意度。

2、本技术实施例提供的具体技术方案如下：

3、第一方面，本技术实施例提供一种位置名称的生成方法，包括：

4、获取用户的出行需求，其中，出行需求包括所述用户的当前位置和出行时间；

5、基于所述出行需求的上车点，从所述用户的历史行为数据中，筛选出预设范围内的各参考兴趣点poi，其中，所述上车点是基于所述当前位置，通过预设上车点推荐规则为所述用户推荐的，所述各参考poi中的任一参考poi是所述用户历史搜索过或历史订单使用过的poi；

6、根据所述出行需求、所述各参考poi对应的用户行为特征，以及poi热度特征，生成所述上车点的名称；

7、其中，任一用户行为特征表征所述用户对所述任一用户行为特征对应的参考poi的偏好程度；所述poi热度特征是基于预设时间段内各用户的历史数据，对所述历史数据中的各poi进行热度特征提取得到的，所述历史数据包括搜索日志数据和历史订单数据。

8、采用本技术实施例提供的一种位置名称的生成方法，可以根据用户的历史行为数据中各参考poi对应的用户行为特征、出行需求包括的用户的当前位置和出行时间，以及基于预设时间段内各用户的历史数据，对历史数据中的各poi进行热度特征提取得到的poi热度特征，为用户动态生成上车点的名称，其中，各参考poi中的任一参考poi是用户历史搜索过或历史订单使用过的poi；这样，该上车点名称兼顾了用户行为特征，以及历史数据中各候选poi对应的poi热度特征，因此，可以使得生成的上车点名称能满足不同用户的不同习惯，从而减少用户寻找上车点的时间，提高了出行效率和用户满意度。

9、在一种可能的实现方式中，所述根据所述出行需求、所述各参考poi对应的用户行为特征，以及poi热度特征，生成所述上车点的名称，包括：

10、将所述出行需求、所述各参考poi对应的用户行为特征、所述上车点、所述上车点与所述用户之间的距离及相对位置关系，以及所述poi热度特征，输入预设上车点名称生成模型；

11、通过所述上车点名称生成模型，基于所述出行需求、所述各参考poi对应的用户行为特征、所述上车点、所述距离及相对位置关系，以及所述poi热度特征，从所述各参考poi和所述历史数据中的各poi中，筛选出目标poi；

12、基于所述目标poi的名称，以及所述目标poi与所述当前位置之间的位置关系，生成所述上车点的名称。

13、上述方法，通过预先训练上车点名称生成模型，使得模型具备不同用户的个性化行为特征，以及全局poi热度特征，从而使得基于上车点名称生成模型生成的上车点名称可以根据用户特征动态变化，做到千人千面。

14、在一种可能的实现方式中，所述根据所述出行需求、所述各参考poi对应的用户行为特征，以及poi热度特征，生成所述上车点的名称之前，还包括：

15、基于所述上车点、所述当前位置，确定所述用户与所述上车点之间的距离；

16、基于所述上车点和所述当前位置，利用路网数据，判断所述用户与所述上车点之间是否存在道路，并基于判断结果得到所述用户与所述上车点之间的相对位置关系。

17、在一种可能的实现方式中，通过如下方式得到所述各参考poi中任一参考poi对应的用户行为特征：

18、基于所述历史行为数据，统计所述历史行为数据中所述任一参考poi的搜索累积次数，以及统计所述任一参考poi作为起点的起点累积次数；

19、将所述任一参考poi的搜索累积次数和所述起点累积次数，作为所述任一参考poi对应的用户行为特征。

20、上述方法，通过基于用户的历史行为数据，得到各参考poi对应的用户行为特征，以便在生成上车点的名称时，兼顾考虑用户的行为特征，从而使得生成的上车点名称千人千面，更能满足用户的习惯，从而减少寻找到上车点的时间，提高出行效率和用户满意度。

21、在一种可能的实现方式中，通过如下方式得到所述poi热度特征：

22、基于所述各用户的历史数据，统计得到所述历史数据中各起点poi对应的第一热度特征，以及各终点poi对应的第二热度特征；

23、从所述历史订单数据中筛选出跨城订单数据，并基于所述跨城订单数据，统计得到所述跨城订单数据中各终点poi的累积使用次数，并分别确定所述各终点poi的累积使用次数与所述跨城订单数据的总订单数的跨城poi比率；

24、将各第一热度特征、各第二热度特征、各累积使用次数和各跨城poi比率，确定为所述poi热度特征。

25、上述方法，通过基于各用户的历史数据，得到全局的poi特度特征，以便在生成上车点的名称时，兼顾考虑全局poi热度特征，从而使得生成的上车点名称更具广泛认知度、显著性，从而减少寻找到上车点的时间，提高出行效率和用户满意度。

26、在一种可能的实现方式中，基于所述各用户的历史数据，统计得到所述历史数据中各起点poi对应的第一热度特征，以及各终点poi对应的第二热度特征，包括：

27、基于所述历史数据，采用预设poi热度特征提取规则中的第一时间段、第二时间段和第三时间段，分别统计所述历史数据中各起点poi对应的累积次数，以及各终点poi对应的累积次数；

28、针对所述各起点poi中的每个起点poi执行如下操作：基于所述各起点poi中的任一起点poi的任一累积次数，采用所述poi热度特征提取规则中的特征提取规则，得到所述任一起点poi的任一累积次数对应的时间段的第一子热度特征，并将各第一子热度特征作为所述任一起点poi对应的第一热度特征；

29、针对所述各终点poi中的每个终点poi执行如下操作：基于所述各终点poi中的任一终点poi的任一累积次数，采用所述poi热度特征提取规则中的特征提取规则，得到所述任一终点poi的任一累积次数对应的时间段的第二子热度特征，并将各第二子热度特征作为所述任一终点poi对应的第二热度特征。

30、在一种可能的实现方式中，所述获取用户的当前位置和出行需求之后，所述基于所述出行需求的上车点，从所述用户的历史行为数据中，筛选出预设范围内的各参考兴趣点poi之前，还包括：

31、基于所述当前位置和所述上车点推荐规则，为所述用户推荐针对所述出行需求的上车点。

32、第二方面，本技术实施例提供一种位置名称的生成装置，包括：

33、获取模块，用于获取用户的出行需求，其中，出行需求包括所述用户的当前位置和出行时间；

34、筛选模块，用于基于所述出行需求的上车点，从所述用户的历史行为数据中，筛选出预设范围内的各参考兴趣点poi，其中，所述上车点是基于所述当前位置，通过预设上车点推荐规则为所述用户推荐的，所述各参考poi中的任一参考poi是所述用户历史搜索过或历史订单使用过的poi；

35、位置名称生成模块，用于根据所述出行需求、所述各参考poi对应的用户行为特征，以及poi热度特征，生成所述上车点的名称；

36、其中，任一用户行为特征表征所述用户对所述任一用户行为特征对应的参考poi的偏好程度；所述poi热度特征是基于预设时间段内各用户的历史数据，对所述历史数据中的各poi进行热度特征提取得到的，所述历史数据包括搜索日志数据和历史订单数据。

37、在一种可能的实现方式中，所述位置名称生成模块具体用于：

38、将所述出行需求、所述各参考poi对应的用户行为特征、所述上车点、所述上车点与所述用户之间的距离及相对位置关系，以及所述poi热度特征，输入预设上车点名称生成模型；

39、通过所述上车点名称生成模型，基于所述出行需求、所述各参考poi对应的用户行为特征、所述上车点、所述距离及相对位置关系，以及所述poi热度特征，从所述各参考poi和所述历史数据中的各poi中，筛选出目标poi；

40、基于所述目标poi的名称，以及所述目标poi与所述当前位置之间的位置关系，生成所述上车点的名称。

41、在一种可能的实现方式中，所述根据所述出行需求、所述各参考poi对应的用户行为特征，以及poi热度特征，生成所述上车点的名称之前，所述位置名称生成模块还用于：

42、基于所述上车点、所述当前位置，确定所述用户与所述上车点之间的距离；

43、基于所述上车点和所述当前位置，利用路网数据，判断所述用户与所述上车点之间是否存在道路，并基于判断结果得到所述用户与所述上车点之间的相对位置关系。

44、在一种可能的实现方式中，所述位置名称生成模块用于，通过如下方式得到所述各参考poi中任一参考poi对应的用户行为特征：

45、基于所述历史行为数据，统计所述历史行为数据中所述任一参考poi的搜索累积次数，以及统计所述任一参考poi作为起点的起点累积次数；

46、将所述任一参考poi的搜索累积次数和所述起点累积次数，作为所述任一参考poi对应的用户行为特征。

47、在一种可能的实现方式中，所述位置名称生成模块用于，通过如下方式得到所述poi热度特征：

48、基于所述各用户的历史数据，统计得到所述历史数据中各起点poi对应的第一热度特征，以及各终点poi对应的第二热度特征；

49、从所述历史订单数据中筛选出跨城订单数据，并基于所述跨城订单数据，统计得到所述跨城订单数据中各终点poi的累积使用次数，并分别确定所述各终点poi的累积使用次数与所述跨城订单数据的总订单数的跨城poi比率；

50、将各第一热度特征、各第二热度特征、各累积使用次数和各跨城poi比率，确定为所述poi热度特征。

51、在一种可能的实现方式中，所述位置名称生成模块具体用于：

52、基于所述历史数据，采用预设poi热度特征提取规则中的第一时间段、第二时间段和第三时间段，分别统计所述历史数据中各起点poi对应的累积次数，以及各终点poi对应的累积次数；

53、针对所述各起点poi中的每个起点poi执行如下操作：基于所述各起点poi中的任一起点poi的任一累积次数，采用所述poi热度特征提取规则中的特征提取规则，得到所述任一起点poi的任一累积次数对应的时间段的第一子热度特征，并将各第一子热度特征作为所述任一起点poi对应的第一热度特征；

54、针对所述各终点poi中的每个终点poi执行如下操作：基于所述各终点poi中的任一终点poi的任一累积次数，采用所述poi热度特征提取规则中的特征提取规则，得到所述任一终点poi的任一累积次数对应的时间段的第二子热度特征，并将各第二子热度特征作为所述任一终点poi对应的第二热度特征。

55、在一种可能的实现方式中，所述获取用户的当前位置和出行需求之后，所述基于所述出行需求的上车点，从所述用户的历史行为数据中，筛选出预设范围内的各参考兴趣点poi之前，所述获取模块还用于：

56、基于所述当前位置和所述上车点推荐规则，为所述用户推荐针对所述出行需求的上车点。

57、第三方面，本技术实施例提供一种电子设备，包括：

58、存储器，用于存储计算机程序或指令；

59、处理器，用于执行所述存储器中的计算机程序或指令，使得如第一方面中任一所述的方法被执行。

60、第四方面，本技术实施例提供一种计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行上述第一方面中任一项所述的方法。

61、第五方面，本技术实施例提供一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行第一方面中任一项所述的方法。

62、另外，第二方面至第五方面中任意一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

63、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。