本技術(shù)涉及商用車油耗分析,具體涉及一種常跑路線確定方法、裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì)。
背景技術(shù):
1、在進(jìn)行商用車油耗分析對比時,往往需要找到時間段相近且車型相同、路線相同的車來進(jìn)行對比分析,以通過對路線相同的車進(jìn)行對比來分析出油耗有問題的原因。目前尋找相同路線的車主要通過經(jīng)緯度的直接對比來實現(xiàn),但是如果車輛數(shù)量龐大,那么所需要對比的數(shù)據(jù)量就會非常大,且經(jīng)緯度也不是完全相同以致無法直接對比,因此需要先進(jìn)行對齊再進(jìn)行一個個對比;上述操作不僅計算復(fù)雜度高,以致需要花費大量計算資源和時間,而計算資源通常較為昂貴,也即計算成本較高,且經(jīng)緯度對齊方法較易產(chǎn)生錯誤,進(jìn)而導(dǎo)致無法找到相同路線的車來實現(xiàn)油耗分析??梢?,要找到兩條經(jīng)緯度完全一致的車輛且在指定時間范圍內(nèi)的路線難度極大,而大部分情況則是部分相同或者包含關(guān)系,因此油耗對比分析就需要找到其中相同的部分。
2、為了解決上述問題提出了常跑路線(即指定時間范圍內(nèi)一臺車輛經(jīng)常跑的路線)這一概念,通過對車輛貼上常跑路線標(biāo)簽可以快速過濾出要對比的車輛以及要對比的共同路線范圍的經(jīng)緯度,進(jìn)而可以大幅度提高相同路線車輛的搜索效率和準(zhǔn)確率。相關(guān)技術(shù)中,往往通過人工觀察的方法來確定常跑路線,但其不僅可靠性和準(zhǔn)確性較差,且進(jìn)行大規(guī)模數(shù)據(jù)處理時,計算效率還較低。
技術(shù)實現(xiàn)思路
1、本技術(shù)提供一種常跑路線確定方法、裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì),可以解決現(xiàn)有技術(shù)中存在的因通過人工觀察確定常跑路線而導(dǎo)致的可靠性、準(zhǔn)確性以及效率低的技術(shù)問題。
2、第一方面,本技術(shù)實施例提供一種常跑路線確定方法,所述常跑路線確定方法包括:
3、獲取與目標(biāo)總路線對應(yīng)的多條目標(biāo)子路線;
4、針對每條目標(biāo)子路線,利用第一對數(shù)函數(shù)模型計算得到與所述目標(biāo)子路線出現(xiàn)的目標(biāo)頻次對應(yīng)的頻次衰減值;
5、利用第二對數(shù)函數(shù)模型計算得到與所述目標(biāo)子路線的目標(biāo)路線長度對應(yīng)的路線長度衰減值;
6、基于所述頻次衰減值和所述路線長度衰減值確定出目標(biāo)子路線的得分;
7、將得分最高的目標(biāo)子路線作為常跑路線。
8、結(jié)合第一方面,在一種實施方式中,所述第一對數(shù)函數(shù)模型為:
9、n′=loga(n)
10、式中,b′表示頻次衰減值,b表示目標(biāo)頻次,a表示第一對數(shù)函數(shù)模型的底數(shù),底數(shù)a基于目標(biāo)總路線中出現(xiàn)次數(shù)最多的地點對應(yīng)的出現(xiàn)頻次與目標(biāo)總路線中所包含的地點總數(shù)量間的目標(biāo)比值確定,且底數(shù)a為正整數(shù)。
11、結(jié)合第一方面,在一種實施方式中,底數(shù)a與目標(biāo)比值為反比關(guān)系。
12、結(jié)合第一方面,在一種實施方式中,所述底數(shù)a基于目標(biāo)總路線中出現(xiàn)次數(shù)最多的地點對應(yīng)的出現(xiàn)頻次與目標(biāo)總路線中所包含的地點總數(shù)量間的比值確定,包括:
13、當(dāng)所述出現(xiàn)頻次與所述地點總數(shù)量間的目標(biāo)比值小于第一比值閾值,將數(shù)字2作為底數(shù)a;
14、當(dāng)所述出現(xiàn)頻次與所述地點總數(shù)量間的目標(biāo)比值不小于第一比值閾值且小于第二比值閾值,將數(shù)字3作為底數(shù)a,其中,所述第一比值閾值小于所述第二比值閾值;
15、當(dāng)所述出現(xiàn)頻次與所述地點總數(shù)量間的目標(biāo)比值不小于第二比值閾值,將數(shù)字5作為底數(shù)a。
16、結(jié)合第一方面,在一種實施方式中,所述第二對數(shù)函數(shù)模型為:
17、m′=log2(m)
18、式中,m′表示路線長度衰減值,m表示目標(biāo)路線長度。
19、結(jié)合第一方面,在一種實施方式中,所述基于所述頻次衰減值和所述路線長度衰減值確定出目標(biāo)子路線的得分,包括:
20、將所述頻次衰減值n′和所述路線長度衰減值m′代入第一計算公式,得到目標(biāo)子路線的得分,所述第一計算公式為:
21、f=n′×m′
22、式中,f表示目標(biāo)子路線的得分。
23、第二方面,本技術(shù)實施例提供了一種常跑路線確定裝置,所述常跑路線確定裝置包括:
24、路線獲取模塊,其用于獲取與目標(biāo)總路線對應(yīng)的多條目標(biāo)子路線;
25、第一計算模塊,其用于針對每條目標(biāo)子路線,利用第一對數(shù)函數(shù)模型計算得到與所述目標(biāo)子路線出現(xiàn)的目標(biāo)頻次對應(yīng)的頻次衰減值;
26、第二計算模塊,其用于利用第二對數(shù)函數(shù)模型計算得到與所述目標(biāo)子路線的目標(biāo)路線長度對應(yīng)的路線長度衰減值;
27、路線確定模塊,其用于基于所述頻次衰減值和所述路線長度衰減值確定出目標(biāo)子路線的得分;將得分最高的目標(biāo)子路線作為常跑路線。
28、結(jié)合第二方面,在一種實施方式中,所述第一對數(shù)函數(shù)模型為:
29、n′=loga(n)
30、式中,n′表示頻次衰減值,n表示目標(biāo)頻次,a表示第一對數(shù)函數(shù)模型的底數(shù),底數(shù)a基于目標(biāo)總路線中出現(xiàn)次數(shù)最多的地點對應(yīng)的出現(xiàn)頻次與目標(biāo)總路線中所包含的地點總數(shù)量間的目標(biāo)比值確定,且底數(shù)a為正整數(shù)。
31、結(jié)合第二方面,在一種實施方式中,底數(shù)a與目標(biāo)比值為反比關(guān)系。
32、結(jié)合第二方面,在一種實施方式中,所述第一計算模塊具體用于:
33、當(dāng)所述出現(xiàn)頻次與所述地點總數(shù)量間的目標(biāo)比值小于第一比值閾值,將數(shù)字2作為底數(shù)a;
34、當(dāng)所述出現(xiàn)頻次與所述地點總數(shù)量間的目標(biāo)比值不小于第一比值閾值且小于第二比值閾值,將數(shù)字3作為底數(shù)a,其中,所述第一比值閾值小于所述第二比值閾值;
35、當(dāng)所述出現(xiàn)頻次與所述地點總數(shù)量間的目標(biāo)比值不小于第二比值閾值,將數(shù)字5作為底數(shù)a。
36、結(jié)合第二方面,在一種實施方式中,所述第二對數(shù)函數(shù)模型為:
37、m′=log2(m)
38、式中,m′表示路線長度衰減值,m表示目標(biāo)路線長度。
39、結(jié)合第二方面,在一種實施方式中,所述路線確定模塊具體用于:
40、將所述頻次衰減值n′和所述路線長度衰減值m′代入第一計算公式,得到目標(biāo)子路線的得分,所述第一計算公式為:
41、f=n′×m′
42、式中,f表示目標(biāo)子路線的得分。
43、第三方面,本技術(shù)實施例提供了一種常跑路線確定設(shè)備,所述常跑路線確定設(shè)備包括處理器、存儲器以及存儲在所述存儲器上并可被所述處理器執(zhí)行的常跑路線確定程序,其中所述常跑路線確定程序被所述處理器執(zhí)行時,實現(xiàn)如前述的常跑路線確定方法的步驟。
44、第四方面,本技術(shù)實施例提供了一種計算機(jī)可讀存儲介質(zhì),所述計算機(jī)可讀存儲介質(zhì)上存儲有常跑路線確定程序,其中所述常跑路線確定程序被處理器執(zhí)行時,實現(xiàn)如前述的常跑路線確定方法的步驟。
45、本技術(shù)實施例提供的技術(shù)方案帶來的有益效果包括:
46、通過對數(shù)函數(shù)自動計算出目標(biāo)總路線中每條目標(biāo)子路線的得分,以降低極端數(shù)據(jù)對常跑路線的影響,進(jìn)而提升常跑路線計算的可靠性和準(zhǔn)確性,即利用第一對數(shù)函數(shù)模型計算得到與目標(biāo)子路線出現(xiàn)的目標(biāo)頻次計算出對應(yīng)的頻次衰減值以及利用第二對數(shù)函數(shù)模型計算得到與目標(biāo)子路線的目標(biāo)路線長度對應(yīng)的路線長度衰減值;再基于頻次衰減值和路線長度衰減值即可計算出目標(biāo)子路線的得分,并將得分最高的目標(biāo)子路線作為常跑路線,無需人工參與計算,可有效提升常跑路線的計算效率,解決了相關(guān)技術(shù)中存在的因通過人工觀察確定常跑路線而導(dǎo)致的可靠性、準(zhǔn)確性以及效率低的技術(shù)問題。