本申请涉及汽车辅助功能技术领域，特别涉及一种用车出行时间预测方法、装置、服务器及存储介质，其中，包括：获取用户的用车数据集；识别用车数据集中满足有效用车条件的有效出行时间数据；根据有效出行时间数据的个数计算聚类算法的最小包含点数，并根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径；根据聚类算法的扫描半径和最小包含点数进行密度聚类，得到每个有效出行时间段的一个或多个聚类时间，基于每个有效出行时间段的一个或多个聚类时间预测用户的用车出行时间。由此，解决了相关技术中无法更加精准的预测用户多样性的用车时间，导致无法满足用户的用车需求，用户体验感较差等问题。用户体验感较差等问题。用户体验感较差等问题。
【技术实现步骤摘要】
用车出行时间预测方法、装置、服务器及存储介质
[0001]本申请涉及汽车辅助功能
，特别涉及一种用车出行时间预测方法、装置、服务器及存储介质。
技术介绍
[0002]目前针对出行时间预测的方法是基于位置的数字地图、导航系统服务的相关功能，被广泛应用于打车平台、外卖配送、公交车出行等平台上，如打车平台显示预计车辆达到乘客所在位置所需的时间、到达目的地所需要的时间和金钱；外卖配送平台会显示外卖送达的大致时间范围；公交出行中可以通过相关平台查询车辆到站情况以及预计多久到达用户所在站台，给用户提供了极大的便利。
[0003]相关技术中，关于车辆的出行时间预测方法有如下两种方式：(1)计算出用户在某个时间段出行的概率，主要是将时间划分为若干段，根据历史记录计算出车辆在各个时间段内的出现概率，从而预测出用户的大体出行时间，但是通过固定时间段的预测较为机械化，无法根据用户的用车需求及时调整，降低用户使用体验。(2)主要是针对通勤者所采用固定的模式满足用户上下班及中途用车，但是无法满足用户非工作日的多样化出现时间预测，降低用户的使用体验。
技术实现思路
[0004]本申请提供一种用车出行时间预测方法、装置、服务器及存储介质，以解决相关技术中无法更加精准的预测用户多样性的用车时间，导致无法满足用户的用车需求，用户体验感较差等问题。
[0005]本申请第一方面实施例提供一种用车出行时间预测方法，所述方法应用于服务器，包括以下步骤：获取用户的用车数据集；识别所述用车数据集中满足有效用车条件的有效出行时间数据；根据所述用车数据集中有效出行时间数据的个数计算聚类算法的最小包含点数，并根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径；根据所述聚类算法的所述扫描半径和所述最小包含点数对用户的有效出行时间数据进行密度聚类，得到每个有效出行时间段的一个或多个聚类时间，基于每个有效出行时间段的一个或多个聚类时间预测所述用户的用车出行时间。
[0006]根据上述技术手段，本申请实施例通过获取用户的用车数据集，识别用车数据集中满足有效用车条件的有效出行时间数据，并根据用车数据集中有效出行时间数据的个数计算聚类算法的最小包含点数，并根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径，通过聚类算法的扫描半径和最小包含点数对用户的有效出行时间数据进行密度聚类，得到有效出行时段的聚类时间，基于此预测用户的用车出行时间，采用密度聚类算法可以更加高效更加精准的预测出用户多样性的用车时间，满足用户的用车需求，提升用户的用车体验。
[0007]可选地，所述基于每个有效出行时间段的一个或多个聚类时间预测所述用户的用
车出行时间，包括：根据所述每个有效出行时间段的一个或多个聚类时间计算所述每个有效出行时间段的聚类时间均值，将所述聚类时间均值作为所述有效出行时间段的用车出行时间的预测时间。
[0008]根据上述技术手段，本申请实施例根据每个有效出行时间段的聚类时间计算每个有效出行时间段的聚类时间均值，并将其作为有效出行时间段的用车出行时间的预测时间，可以更加高效更加精准的预测出用户多样性的用车时间，满足用户的用车需求，提升用户的用车体验。
[0009]可选地，所述根据所述用车数据集中有效出行时间数据的个数计算聚类算法的最小包含点数，包括：获取每个用户的有效出行时间数据的个数；根据第一预设比例因子和所述每个用户的有效出行时间数据的个数计算得到所述聚类算法的最小包含点数。
[0010]可选地，所述根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径，包括：获取每个用户的有效出行时间数据的开始时间对应位置之间的平均距离；根据第二预设比例因子和所述每个用户的有效出行时间数据的开始时间对应位置之间的平均距离计算得到所述聚类算法的扫描半径。
[0011]可选地，所述获取用户的用车数据集，包括：获取用户的用车日志数据；识别所述用车日志数据中所有出行时间数据的日期类型；根据所述日期类型对所述所有出行时间数据进行分类，得到分类结果，根据所述分类结果构建每个日期类型对应的用车数据集。
[0012]根据上述技术手段，本申请实施例通过获取用户的用车日志数据识别出其中所有出行时间数据的日期类型，根据日期类型对所有出行时间数据进行分类，得到分类结果并根据分类结果构建每个日期类型对应的用车数据集，便于从中找出相关规律，能够更加高效更加精准的预测出用户多样性的用车时间，满足用户的用车需求，提升用户的用车体验。
[0013]可选地，所述有效用车条件为每次出行时间距离上次行车完毕关闭发动机时间的时间间隔大于预设时长。
[0014]根据上述技术手段，本申请实施例的有效用车时间为每次出行时间距离上次行车完毕关闭发动机时间的时间间隔大于设定的时长，以此来判定是否是有效用车时间，避免由于其他原因操作造成干扰，导致无法准确预测出用户的有效用车时间。
[0015]本申请第二方面实施例提供一种用车出行时间预测方法，所述方法应用于服务器，包括以下步骤：获取用户的身份标识；以所述身份标识为索引，查询预设数据库，得到所述身份标识匹配的预测数据，基于所述预测数据预测所述用户的用车出行时间，其中，所述预设数据库包括基于用户的用车数据集和聚类算法预测的用车出行时间的预测数据。
[0016]可选地，所述基于所述预测数据预测所述用户的用车出行时间，包括：检测当前时间与所述预测数据中任意预测时间之间的时间间隔是否小于预设间隔；若是，则发送所述用户在预测时间的用车出行提醒至所述用户的用户终端。
[0017]可选地，在发送所述用户在预测时间的用车出行提醒至所述用户的用户终端的同时，还包括：根据所述预测时间生成车辆的启动服务时间；发送所述启动服务时间至所述用户终端，并在当前时间到达所述启动服务时间时，控制所述车辆启动对应服务。
[0018]可选地，在发送启动服务时间至所述用户终端之后，还包括：根据所述用户的修改指令修改所述启动服务时间。
[0019]本申请第三方面实施例提供一种用车出行时间预测装置，所述装置应用于服务
器，包括：第一获取模块，用于获取用户的用车数据集；识别模块，用于识别所述用车数据集中满足有效用车条件的有效出行时间数据；计算模块，用于根据所述用车数据集中有效出行时间数据的个数计算聚类算法的最小包含点数，并根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径；第一预测模块，用于根据所述聚类算法的所述扫描半径和所述最小包含点数对用户的有效出行时间数据进行密度聚类，得到每个有效出行时间段的一个或多个聚类时间，基于每个有效出行时间段的一个或多个聚类时间预测所述用户的用车出行时间。
[0020]本申请第四方面实施例提供一种用车出行时间预测装置，所述装置应用于服务器，包括：第二获取模块，用于获取用户的身份标识；第二预测模块，用于以所述身份标识为索引，查询预设数据库，得到所述身份标识匹配的预测数据，基于所述预测数据预本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用车出行时间预测方法，其特征在于，所述方法应用于服务器，包括以下步骤：获取用户的用车数据集；识别所述用车数据集中满足有效用车条件的有效出行时间数据；根据所述用车数据集中有效出行时间数据的个数计算聚类算法的最小包含点数，并根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径；根据所述聚类算法的所述扫描半径和所述最小包含点数对用户的有效出行时间数据进行密度聚类，得到每个有效出行时间段的一个或多个聚类时间，基于每个有效出行时间段的一个或多个聚类时间预测所述用户的用车出行时间。2.根据权利要求1所述的方法，其特征在于，所述基于每个有效出行时间段的一个或多个聚类时间预测所述用户的用车出行时间，包括：根据所述每个有效出行时间段的一个或多个聚类时间计算所述每个有效出行时间段的聚类时间均值，将所述聚类时间均值作为所述有效出行时间段的用车出行时间的预测时间。3.根据权利要求1所述的方法，其特征在于，所述根据所述用车数据集中有效出行时间数据的个数计算聚类算法的最小包含点数，包括：获取每个用户的有效出行时间数据的个数；根据第一预设比例因子和所述每个用户的有效出行时间数据的个数计算得到所述聚类算法的最小包含点数。4.根据权利要求1所述的方法，其特征在于，所述根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径，包括：获取每个用户的有效出行时间数据的开始时间对应位置之间的平均距离；根据第二预设比例因子和所述每个用户的有效出行时间数据的开始时间对应位置之间的平均距离计算得到所述聚类算法的扫描半径。5.根据权利要求1所述的方法，其特征在于，所述获取用户的用车数据集，包括：获取用户的用车日志数据；识别所述用车日志数据中所有出行时间数据的日期类型；根据所述日期类型对所述所有出行时间数据进行分类，得到分类结果，根据所述分类结果构建每个日期类型对应的用车数据集。6.根据权利要求1
‑
5任意一项所述的方法，其特征在于，所述有效用车条件为每次出行时间距离上次行车完毕关闭发动机时间的时间间隔大于预设时长。7.一种用车出行时间预测方法，其特征在于，所述方法应用于服务器，其中，所述方法包括以下步骤：获取用户的身份标识；以所述身份标识为索引，查询预设数据库，得到所述身份标识匹配的预测数据，基于所述预测数据预测所述用户的用车出行时间，其中，所...
【专利技术属性】
技术研发人员：袁章凯，陶世国，何静，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。