一种洗车站管理方法和系统
文献发布时间:2024-04-18 20:01:30
技术领域
本说明书涉及智能洗车管理技术领域,特别涉及一种洗车站管理方法和系统。
背景技术
随着车辆的数量的与日俱增,人们对洗车的需求也越来越大,连锁洗车站也越来越多。连锁洗车站分为自动站、自助站、标准站和旗舰站等。每种洗车站包含一个或多个洗车间。洗车间分为自动洗车间、自主洗车间以及人工洗车间等。不同的连锁洗车站所包含的洗车间存在差异,为用户提供不同的洗车服务。但是,目前缺乏给用户提供相关的洗车建议和洗车引导,不能充分满足用户的不同的洗车需求,影响用户体验。
CN106485845B提供了一种自助洗车方法及自助洗车系统,该方法通过中控系统自动控制洗车过程并将洗车过程的数据传回后台管理平台,可供移动终端查看,实现用户对洗车过程的实时监控,便于用户快捷找到最近的洗车点,但该方法缺乏给用户提供相关的洗车建议和洗车引导,当用户不了解连锁洗车站的各种分类或处于陌生城市时,会影响用户的体验和评价。
因此,希望提供一种洗车站管理方法和系统,有助于充分满足用户的不同的洗车需求,提升用户的使用体验。
发明内容
本说明书实施例之一提供一种洗车站管理方法,所述方法包括:获取用户的车辆清洗记录和车辆出行数据;基于所述车辆清洗记录和所述车辆出行数据,评估所述用户的预估洗车需求;基于所述预估洗车需求和用户请求数据,向所述用户推送至少一个推荐清洗方案,所述至少一个推荐清洗方案至少包括至少一个推荐洗车店、清洗时间和清洗程度;基于目标清洗方案,对所述用户进行洗车导航,以及向目标洗车店发送所述用户的洗车预约信息,其中,所述目标清洗方案为所述用户选择的所述推荐清洗方案。
本说明书实施例之一提供一种洗车站管理系统,所述系统包括:获取模块,用于获取用户的车辆清洗记录和车辆出行数据;评估模块,用于基于所述车辆清洗记录和所述车辆出行数据,评估所述用户的预估洗车需求;推送模块,用于基于所述预估洗车需求和用户请求数据,向所述用户推送至少一个推荐清洗方案,所述至少一个推荐清洗方案至少包括至少一个推荐洗车店、清洗时间和清洗程度;以及,导航模块,用于基于目标清洗方案,对所述用户进行洗车导航,以及向目标洗车店发送所述用户的洗车预约信息,其中,所述目标清洗方案为所述用户选择的所述推荐清洗方案。
本说明书实施例之一提供一种洗车站管理装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上述实施例中任一项所述的洗车站管理方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述实施例中任一项所述的洗车站管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的洗车站管理系统的示例性模块图;
图2是根据本说明书一些实施例所示的洗车站管理方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定预估洗车需求的示例性流程图;
图4是根据本说明书一些实施例所示的预测洗车店的繁忙度的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
用户在洗车服务过程中,无法实时监控洗车过程,CN106485845B通过中控系统自动控制洗车过程并将洗车过程的数据传回后台管理平台,可供移动终端查看,可以实现用户对洗车过程的实时监控,便于用户快捷找到最近的洗车点,但该方法缺乏给用户提供相关的洗车建议和洗车引导,当用户不了解连锁洗车站的各种分类或处于陌生城市时,会影响用户的体验和评价。因此,本说明书一些实施例通过车辆清洗记录和车辆出行数据评估用户洗车需求,从而向用户推送推荐清洗方案,并对用户进行洗车导航,可以充分满足用户不同的洗车需求,提升用户使用体验。
图1是根据本说明书一些实施例所示的洗车站管理系统的示例性模块图。
在一些实施例中,洗车站管理系统100可以包括获取模块110、评估模块120、推送模块130和导航模块140。
在一些实施例中,获取模块110可以用于获取用户的车辆清洗记录和车辆出行数据。
在一些实施例中,评估模块120可以用于基于车辆清洗记录和车辆出行数据,评估用户的预估洗车需求。
在一些实施例中,评估模块120还可以用于基于车辆清洗记录和车辆出行数据,通过脏污预测模型预测用户的车辆的预估脏污程度,脏污预测模型为机器学习模型;基于车辆清洗记录,确定用户的脏污接受度数据;基于脏污接受度数据和预估脏污程度,确定预估洗车需求,更多内容可以参见图3及其相关描述。
推送模块130可以用于基于预估洗车需求和用户请求数据,向用户推送至少一个推荐清洗方案。
在一些实施例中,推送模块130还可以用于获取第一区域内的至少一个洗车店的客流信息;基于客流信息,预测未来时段第二区域内的至少一个洗车店的繁忙度;基于用户请求数据,将预估洗车需求发送至用户进行确认;基于目标洗车需求和至少一个洗车店的繁忙度,向用户推送至少一个推荐清洗方案,更多内容可以参见图2及其相关描述。
在一些实施例中,至少一个推荐清洗方案还可以包括至少一个推荐洗车店的推荐排序,推送模块130还可以用于基于至少一个推荐洗车店的便捷度、用户的洗车偏好和至少一个推荐洗车店的繁忙度,进行加权求和确定至少一个推荐洗车店的推荐评分;基于推荐评分确定推荐排序,更多内容可以参见图2及其相关描述。
导航模块140可以用于基于目标清洗方案,对用户进行洗车导航,以及向目标洗车店发送用户的洗车预约信息。目标清洗方案可以是用户选择的推荐清洗方案。
在一些实施例中,洗车站管理系统100可以包括网络和/或其他连接系统与外部资源的组成部分。洗车站管理系统100可以通过网络获取与洗车站管理系统100相关的数据和/或信息。例如,洗车站管理系统100可以通过网络获取不同道路的监控图像的相关监控数据等。
在一些实施例中,洗车站管理系统100还可以包括用户终端、车辆终端等。用户终端可以指用户使用的一个或多个终端设备或软件。用户可以指车辆的使用者、洗车站的管理者或操作者等。车辆终端可以指车辆包括的可以与用户进行交互的终端设备等。
关于洗车站管理系统100的更多描述可以参见图2至图4的相关描述。
应当理解,图1所示的系统及其模块可以利用各种方式来实现。需要注意的是,以上对于洗车站管理系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的获取模块110、评估模块120、推送模块130和导航模块140可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的洗车站管理方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由洗车站管理系统100执行。
步骤210,获取用户的车辆清洗记录和车辆出行数据。
在一些实施例中,车辆清洗记录可以反映历史时间用户的车辆清洗的相关数据。车辆清洗记录可以包括车辆的清洗时间、清洗地点、清洗时的车辆脏污程度、清洗程度等中的一种或多种数据。其中,车辆脏污程度可以指车辆沾染污渍达到的状态,包括车辆部分脏污以及脏污部分的位置、车辆全面脏污等。清洗程度的更多细节,可以参看图2下述的相关描述。
在一些实施例中,车辆出行数据可以用于反映车辆在历史时间段内的使用情况。车辆出行数据可以包括车辆的出行频次、出行的范围等中的一种或多种数据。在一些实施例中,洗车站管理系统可以获取车辆的从上一次洗车到现在的车辆出行数据,以确定车辆从上一次洗车到现在的使用情况。
在一些实施例中,洗车站管理系统可以通过网络、与车辆终端进行通信、用户人工输入等多种方式获取车辆清洗记录。
在一些实施例中,洗车站管理系统也可以通过多种方式获取车辆出行数据。在一些实施例中,洗车站管理系统可以向用户请求获取车辆定位信息的相关权限,若用户授予了相关权限,则洗车站管理系统可以通过车辆定位信息获取车辆出行数据。
在一些实施例中,洗车站管理系统还可以根据用户过去的车辆清洗记录推测车辆出行数据。例如,用户过去的车辆清洗记录可以包括该车辆在哪些洗车店洗车,则洗车站管理系统可以根据洗车店的范围推测车辆的出行的范围。又例如,洗车站管理系统还可以根据多次洗车时的历史脏污程度预估该车辆的出行频次,历史脏污程度越高,预估车辆的出行频次也就越高。
步骤220,基于车辆清洗记录和车辆出行数据,评估用户的预估洗车需求。
预估洗车需求可以为预测的用户在短时间内对洗车的需求程度。在一些实施例中,预估洗车需求可以包括用户是否需要洗车、清洗程度等一个或多个需求。其中,清洗程度可以包括简单清洗、全面清洗、深度清洗等多个程度。
在一些实施例中,洗车站管理系统可以通过多种方式评估用户的预估洗车需求。例如,洗车站管理系统可以根据车辆清洗记录和车辆出行数据构建用户车辆特征向量,在需求向量数据库中检索,检索到与用户车辆特征向量相似的历史车辆特征向量,将该历史车辆特征向量对应的洗车需求确定为预估洗车需求。其中,需求向量数据库中存储有多个历史车辆特征向量及对应的多个参考预估洗车需求。历史车辆特征向量基于历史车辆清洗记录和历史车辆出行数据构建的。参考预估洗车需求可以基于历史洗车需求构建的,也可以是由人工标注确定的。
在一些实施例中,洗车站管理系统可以根据车辆清洗记录,确定不同天气情况下该用户的车辆清洗时间间隔、清洗程度,总结用户的洗车规律。洗车站管理系统可以根据上一次洗车到现在的车辆出行数据、车辆清洗时间间隔和/或天气情况等,并基于洗车规律评估用户的预估洗车需求。
确定预估洗车需求的其他实现方式,可以参看下述图3及其相关描述。
步骤230,基于预估洗车需求和用户请求数据,向用户推送至少一个推荐清洗方案。
在一些实施例中,用户请求数据可以为用户发送的洗车请求。在一些实施例中,用户请求数据可以包括用户期望的洗车时间、洗车区域、用户洗车偏好等多种信息。例如,用户洗车偏好可以包括用户对于洗车店类型、规模等方面的偏好。
在一些实施例中,洗车站管理系统可以接收来自用户终端的用户请求数据。相对应的,用户可以通过用户终端输入洗车请求,以使用户终端发送用户请求数据至洗车站管理系统。需要说明的是,在一些实施例中,洗车站管理系统还可以将预估洗车需求发送给用户,以使用户确认洗车需求。确认洗车需求的更多细节,可以参看下述相关描述。
推荐清洗方案可以为针对用户的洗车需求所推测的洗车方案。
在一些实施例中,推荐清洗方案可以至少包括至少一个推荐洗车店、清洗时间和清洗程度。示例性的,推荐清洗方案中的每一个推荐洗车店可以包括该洗车店的位置、洗车店的规划路径、洗车店的清洗服务品类、洗车价格等该洗车店的相关信息。清洗时间可以包括每一个推荐洗车店对应的用户出发时间、达到时间、洗车花费时间等时间相关信息。清洗程度的更多细节,可以参看图2上述的相关描述。
在一些实施例中,洗车站管理系统可以基于预估洗车需求和用户请求数据,通过多种方式确定一个或多个推荐清洗方案。例如,洗车站管理系统可以基于预估洗车需求和用户请求数据建立需求特征向量,在方案推荐向量数据库中检索历史需求特征向量,将满足相似度阈值的历史需求特征向量对应的参考清洗方案,确定为一个或多个推荐清洗方案。其中,方案推荐向量数据库中存储有多个历史需求特征向量及对应的多个参考清洗方案。历史特征向量可以基于历史洗车需求和历史用户请求数据构建的。参考清洗方案可以基于历史清洗方案构建的,也可以由人工设定。
在一些实施例中,响应于用户发出的洗车请求,洗车站管理系统可以将预估洗车需求推送给用户进行确认。响应于用户请求数据中用户确认的实际洗车需求,洗车站管理系统可以选择附近距离较近的一个或多个洗车店作为至少一个推荐洗车店,可以将用户的空闲时间和/或洗车店比较空闲的时间作为洗车时间,并且可以根据用户的实际洗车需求确定相应的洗车程度,从而向用户推送至少一个推荐清洗方案。
在一些实施例中,洗车站管理系统可以获取第一区域内的至少一个洗车店的客流信息,基于客流信息,预测未来时段第二区域内的至少一个洗车店的繁忙度;基于用户请求数据,将预估洗车需求发送至用户进行确认;基于目标洗车需求和至少一个洗车店的繁忙度,向用户推送至少一个推荐清洗方案。
第一区域可以为至少一个洗车店所在的预设区域,如包括了多个洗车店的城市主城区所对应的范围。第二区域可以为车辆所在位置的预设区域,如以车辆为中心距离预设半径的区域。其中,预设半径可以根据洗车需求确定。例如,洗车需求中用户期望的洗车时间距离越近,则预设半径可以越小,以便第二区域的范围越小,用户可以更快速地到达洗车店进行汽车。在一些实施例中,第一区域的范围可以大于或等于第二区域的范围。在一些实施例中,第二区域可以包括在第一区域内。
客流信息可以指经过该区域和/或洗车店的人流量,其用于反映区域和/或洗车店的繁忙度。如客流量越大,说明当前区域内洗车人数可能越多,当前洗车店也可能越繁忙。由于一个区域中多个洗车店存在一定的关联性,则该区域内在单位时间内的不同洗车店的客流量也是相关的。当需要预测较小区域的第二区域的内的至少一个洗车店的繁忙度时,洗车站管理系统可以基于较大区域的第一区域内的至少一个洗车店的客流信息进行预测。
在一些实施例中,洗车站管理系统可以基于网络或大数据等多种方式获取洗车店的客流信息。例如,洗车站管理系统可以与洗车店的用户终端建立通讯,获取其在单位时间内接待的客户数量,从而确定该洗车店的客流信息。
未来时段可以为从当前时刻经过预设时长的时间段,如未来1小时、未来3小时等。至少一个洗车店的繁忙度可以反映该洗车店在某一未来时段接待客户的程度,如繁忙度越高,该洗车店在该未来时刻接待的客人的数量越多。
由于一个区域内的所有洗车店的客流量都是有所关联的,在一些实施例中,洗车站管理系统可以通过基于大区域(如第一区域)的客流信息,预测车辆所对应的小区域(如第二区域)在未来时段内的繁忙度。也就是说,洗车站管理系统可以基于大区域的客流信息进行预测,但是推荐洗车店时只需要考虑用户车辆附近小区域内的洗车店的繁忙度。
在一些实施例中,洗车站管理系统可以通过多种方式,预测出第二区域内的洗车店在未来时段内的繁忙度。例如,洗车站管理系统可以基于客流信息,在客流繁忙对应表中查找与该客流信息相近的历史客流信息,并确定与历史客流信息对应的第二区域内的洗车店的历史繁忙度。其中,客流繁忙对应表可以基于第一区域内的历史客流信息以及对应的第二区域内的洗车店的历史繁忙度建立,历史客流信息和历史繁忙度均可以由洗车站管理系统通过网络或人工输入等方式获得。
预测未来时段第二区域内的至少一个洗车店的繁忙度的更多实现方式,可以参看下述图4及其相关描述。
在一些实施例中,洗车站管理系统可以响应于接收到来自用户终端的用户请求数据,将预估洗车需求发送至用户终端,以供用户进行确认。相对应的,用户也可以通过用户终端向洗车站管理系统反馈确认的洗车需求。在一些实施例中,若用户不认可预估洗车需求,用户可以通过用户终端向洗车站管理系统反馈实际洗车需求。
目标洗车需求为用户基于预估洗车需求确定的洗车需求。在一些实施例中,响应于接收到用户反馈,若用户认可预估洗车需求(如,用户确认清洗程度、认可洗车时间段等),洗车站管理系统可以将预估洗车需求作为目标洗车需求;若用户不认可预估洗车需求,则洗车站管理系统可以将用户反馈的实际洗车需求作为目标洗车需求。
在一些实施例中,洗车站管理系统可以在多种场景下向用户推送至少一个推荐清洗方案。
在一些实施例中,洗车站管理系统可以在用户主动发出洗车请求(即接收到用户请求数据)时,为用户推送至少一个推荐清洗方案。示例性的,洗车站管理系统可以基于目标洗车需求和未来时段第二区域内的至少一个洗车店的繁忙度,将满足目标洗车需求且繁忙度低于预设繁忙度阈值的洗车店确定为至少一个推荐清洗方案内的推荐洗车店,并向用户推荐。其中,预设繁忙度阈值可以根据经验确定。
在一些实施例中,洗车站管理系统还可以基于目标洗车需求,未来时段第二区域内的至少一个洗车店的繁忙度、不同洗车店与车辆当前位置的距离、用户的洗车偏好等,将至少一个便捷度高,且相对符合用户的洗车偏好的洗车店确定为至少一个推荐清洗方案内的推荐洗车店,并向用户推荐。
在一些实施例中,洗车店的便捷度可以基于前往洗车店的交通时长和等候时长确定。
在一些实施例中,便捷度可以影响洗车店的推荐程度,如洗车店的便捷度越高,洗车店越容易被推荐。在一些实施例中,便捷度可以受到前往洗车店的交通时长和等候时长的影响。例如,前往洗车店的交通时长越长,和/或等候时长越长,该洗车店的便捷度越低。其中,前往洗车店的交通时长可以为车辆从当前位置开始出发,行驶到洗车店所需要花费的时间。等候时长可以为用户从到达洗车店开始,直到洗车店开始洗车所需要花费的时间。
在一些实施例中,洗车站管理系统可以通过车辆定位信息或车辆的定位装置等多种方式确定车辆的当前位置;再基于车辆的当前位置和洗车店的位置,和/或道路的拥挤程度等多种交通因素,确定前往洗车店的交通时长。其中,洗车站管理系统可以通过道路的监控图像获取道路的拥挤程度等多种交通因素。在一些实施例中,洗车站管理系统可以基于上述获取到洗车店的繁忙度,推测该洗车店的等待时长。在一些实施例中,洗车站管理系统还可以通过洗车店的用户终端获取待洗车的数量、当前被洗车的测量的清洗程度等,推测该洗车店的等待时长。
在本说明书实施例中,基于前往洗车店的交通时长和等候时长,确定洗车店对于用户车辆的便捷度,可以提高确定推荐清洗方案的准确性,进而可以更准确地为用户推荐合适的洗车店,满足用户的洗车需求。
在一些实施例中,响应于车辆的车辆脏污程度超过脏污阈值(如需要全面清洗的阈值),洗车站管理系统可以将该车辆对应的预估洗车需求通过用户终端推送给该用户进行洗车提醒。其中,脏污阈值可以基于人工经验或是历史洗车数据中车辆需要清洗的脏污程度确定。
在一些实施例中,响应于用户对洗车需求的确认(目标洗车需求),洗车站管理系统可以基于目标洗车需求、未来时段第二区域内的至少一个洗车店的繁忙度,将至少一个在认可的洗车时间段内,便捷度达到预设便捷度阈值,且满足目标洗车需求的洗车店确定为至少一个推荐清洗方案内的推荐洗车店,并向用户推荐。
在本说明书实施例中,基于目标洗车需求和至少一个洗车店的繁忙度,确定至少一个推荐清洗方案,可以提高确定的推荐清洗方案的准确性,进而针对性地满足用户的洗车需求。
在一些实施例中,至少一个推荐清洗方案还可以包括至少一个推荐洗车店的推荐排序。推荐排序通过以下方式进行确定:洗车站管理系统可以基于至少一个推荐洗车店的便捷度、用户的洗车偏好和至少一个推荐洗车店的繁忙度,进行加权求和确定至少一个推荐洗车店的推荐评分,繁忙度的权重基于目标洗车需求确定;基于推荐评分,确定推荐排序。
推荐排序为洗车站管理系统为用户推送推荐洗车店的先后顺序。至少一个推荐洗车店可以为上述推荐清洗方案中的洗车店。至少一个推荐洗车店的便捷度、至少一个推荐洗车店的繁忙度的具体内容和确定方式,可以参见图2上述的洗车店的便捷度和繁忙度的相关描述。
由于影响因子(推荐洗车店的便捷度、用户的洗车偏好、推荐洗车店的繁忙度)均会影响该推荐洗车店的推荐程度,而不同的影响因子的影响程度会因为场景的不同导致影响程度发生变换。在一些实施例中,洗车站管理系统可以为各个影响因子设定对应的权重,基于影响因子对应的值和对应的权重,通过加权求和确定至少一个推荐洗车店的推荐评分。洗车站管理系统可以基于推荐评分确定至少一个推荐洗车店的推荐排序。例如,基于推荐清洗方案中的至少一个推荐洗车店的推荐评分,按照推荐评分从大到小进行排序,确定推荐排序。
在一些实施例中,至少一个推荐洗车店的繁忙度的权重可以基于目标洗车需求确定。示例性的,用户确认的目标洗车需求中,若需求的清洗程度越高,则洗车需要的耗时越长,为了让用户尽快完成洗车,洗车站管理系统在确定推荐排序时,可以为推荐洗车店的繁忙度设定较大的权重,以使空闲的洗车店的推荐排序优先。相对应的,洗车站管理系统在确定推荐排序时,可以为至少一个推荐洗车店的便捷度和用户的洗车偏好设定相对较小的权重。
在本说明书实施例中,基于推荐洗车店的便捷度、用户的洗车偏好和推荐洗车店的繁忙度,确定推荐洗车店的推荐评分和推荐排序,可以使确定的推荐清洗方案包括的信息更全面,进而提高用户的使用体验。
步骤240,基于目标清洗方案,对用户进行洗车导航,以及向目标洗车店发送用户的洗车预约信息。
目标清洗方案为用户选择的推荐清洗方案。目标洗车店可以为用户选择的推荐清洗方案中的任意一个推荐洗车店,或是,推荐排序中排序优先的洗车店。
在一些实施例中,洗车站管理系统可以接收到用户选择的推荐清洗方案,并将其作为目标清洗方案,该目标清洗方案中可以包括目标洗车店的相关信息(如洗车店的位置、联系方式等)、目标清洗时间和目标清洗程度等信息。
在一些实施例中,洗车站管理系统可以根据目标清洗方案中的目标清洗时间指导用户出发去洗车,还可以基于洗车店的位置和车辆的当前位置,为用户规划并展示前进路径(如,交通时间最短的路径等),以指导用户车辆根据前进路径到达目标洗车店。
在一些实施例中,在车辆出发前往目标洗车店时,洗车站管理系统可以基于目标洗车店的用户终端,向用户终端发送洗车预约信息,以便目标洗车店可以及时准备洗车人员、洗车材料等,提高用户的洗车体验。
在本说明书实施例中,通过洗车站管理方法,可以基于车辆清洗记录、车辆出行数据,确定用户的预估洗车需求,进而向用户推送至少一个推荐清洗方案,可以充分满足用户的不同的洗车需求,提升用户的使用体验。
图3是根据本说明书一些实施例所示的确定预估洗车需求的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由洗车站管理系统100执行。
步骤310,基于车辆清洗记录和车辆出行数据,通过脏污预测模型预测用户的车辆的预估脏污程度。
关于车辆清洗记录和车辆出行数据的更多内容可以参见图2及其相关描述。
预估脏污程度可以指用于表征车辆预计的脏污情况的数据。在一些实施例中,预估脏污程度可以基于车辆脏污面积、颜色深度、清洗复杂度等多种数据确定。例如,预估脏污程度可以为基于车辆脏污面积、颜色深度、清洗复杂度等通过加权求和得到的数值,通过预设表将得到的数值转化为0-10之间的数值。数值越大,表示预估脏污程度越大。
预设表可以为预设的预估脏污程度与加权求和等得到的数值之间的对应关系的表。预设表以及加权的权重可以基于系统预设或人工经验确定。在一些实施例中,车辆脏污面积越大、颜色越浅、清洗复杂度越大,对应的预估脏污程度的数值越大。
在一些实施例中,脏污预测模型可以是机器学习模型,例如,深度神经网络模型(Deep Neural Networks,DNN)等。在一些实施例中,脏污预测模型的输入可以包括车辆清洗记录、车辆出行数据;输出可以包括车辆的预估脏污程度。其中,车辆清洗记录可以为用户上一次的车辆清洗记录。
在一些实施例中,脏污预测模型可以通过大量带有第一标签的第一训练样本训练得到。第一训练样本可以包括历史车辆清洗记录和历史车辆出行记录,第一训练样本的第一标签可以包括历史时间洗车时的实际车辆脏污程度。在一些实施例中,第一训练样本的第一标签可以通过对历史时间洗车时拍摄的用户车辆的图像进行分析得到。
在一些实施例中,可以将多个带有第一标签的第一训练样本输入初始脏污预测模型,通过标签和初始脏污预测模型的预测结果构建损失函数,基于损失函数的迭代更新初始脏污预测模型,当初始脏污预测模型的损失函数满足预设条件时脏污预测模型训练完成,其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
步骤320,基于车辆清洗记录,确定用户的脏污接受度数据。
脏污接受度数据可以指用户对车辆的不同的脏污情况的接受程度。例如,车辆的不同的脏污程度,对于用户来说清洗的必要性不同(如必须清洗、可洗可不洗、不用清洗等)。
在一些实施例中,脏污接受度数据可以表示为:(无需清洗a→b)、(简单清洗b→c)、(全面清洗c→d)、……等。其中,a、b、c、d为车辆依次递增的不同的脏污程度。
在一些实施例中,洗车站管理系统可以对用户的车辆历史清洗记录中清洗时车辆的脏污程度、清洗程度进行统计,确定用户对车辆的不同的脏污程度的脏污接受度数据。例如,车辆历史清洗记录中,脏污程度为5时,清洗程度为简单清洗;脏污程度为6时,清洗程度为简单清洗;脏污程度为7时,清洗程度为全面清洗;脏污程度为5、6时都对应简单清洗,可知,脏污程度为5时,该脏污程度对应的脏污接受度数据可能是可洗可不洗,脏污程度为7时对应的脏污接受度数据是必须清洗。
步骤330,基于脏污接受度数据和预估脏污程度,确定预估洗车需求。
关于预估洗车需求的更多内容可以参见图2及其相关描述。
在一些实施例中,洗车站管理系统可以根据车辆的预估脏污程度与脏污接受度数据进行比对,确定预估洗车需求。例如,预估脏污程度为7时对应的脏污接受度数据是必须清洗,洗车站管理系统可以确定需要清洗及全面清洗等多个预估洗车需求。
本说明书一些实施例中,洗车站管理系统通过车辆清洗记录和车辆出行数据通过模型确定车辆的预估脏污程度,可以无需用户上传车辆脏污程度。基于用户的脏污接受度数据和预估脏污程度,确定预估洗车需求,有助于后续主动为用户提供洗车引导,充分满足用户的不同的洗车需求,提升用户的使用体验。
在一些实施例中,预估洗车需求可以相关于当前天气情况、当前时间特征、前往最近洗车店的便捷度和未来时段第二区域内的至少一个洗车店的繁忙度。
当前天气情况可以指当天的天气数据。在一些实施例中,洗车站管理系统可以通过网络访问天气预报的相关网站以获取当前天气情况。
当前时间特征可以指当天的时间数据,例如时刻数据、日期数据等。在一些实施例中,洗车站管理系统可以通过网络访问互联网的时间以获取当前时间特征。
前往最近洗车店的便捷度可以指用户从当前位置前往最近洗车店的便捷程度。关于便捷度的更多内容可以参见图2的相关描述。
在一些实施例中,洗车站管理系统可以根据当前天气情况,确定预估洗车需求中的清洗程度的调整幅度。例如,预估洗车需求的清洗程度为全面清洗,清洗当天天气情况为阴天,可能下雨,将导致车辆清洗完短时间内变脏,洗车站管理系统可以将预估洗车需求的清洗程度由全面清洗调整为简单清洗。又例如,预估洗车需求的清洗程度为全面清洗,清洗当天天气情况为雨天,将导致车辆清洗完快速变脏,洗车站管理系统可以将预估洗车需求的清洗程度由全面清洗调整为不清洗。又例如,清洗当天天气情况为晴天,用户可能更有意向洗车,洗车站管理系统可以将预估洗车需求中的清洗程度调高。
在一些实施例中,洗车站管理系统可以根据当前时间特征调整洗车需求。例如,预估洗车需求的洗车必要性为可洗可不洗,当前时间特征为工作时间段,用户洗车概率较低,洗车站管理系统可以将可洗可不洗调整为不清洗。又例如,当前时间特征为周末,用户闲暇时间较多可能更有意向洗车,洗车站管理系统可以将预估洗车需求中的清洗程度调高。
在一些实施例中,洗车站管理系统可以根据前往最近洗车店的便捷度调整洗车需求。例如,前往最近洗车店的便捷度较高,用户可能越有意向选择洗车,洗车站管理系统可以将预估洗车需求中的清洗程度调高。
在一些实施例中,洗车站管理系统可以根据未来时段第二区域内的至少一个洗车店的繁忙度调整洗车需求。例如,未来时段第二区域内的至少一个洗车店的繁忙度较高,用户等候时间较长,选择洗车的意向可能较低,洗车站管理系统可以将预估洗车需求中的清洗程度调低。
预估洗车需求、未来时段第二区域内的至少一个洗车店的繁忙度的更多细节参看图2的相关描述。
本说明书一些实施例,通过当前天气情况、当前时间特征、前往最近洗车店的便捷度和未来时段第二区域内的至少一个洗车店的繁忙度调整预估洗车需求,有助于根据实际情况,灵活调整预估洗车需求,进一步提高确定的预估洗车需求的准确性,有利于后续向用户提供更合适的洗车引导。
图4是根据本说明书一些实施例所示的预测洗车店的繁忙度的示例性示意图。
在一些实施例中,如图4所示,洗车站管理系统可以基于客流信息410,构建洗车店负荷图谱420;基于洗车店负荷图谱420,通过闲忙分析模型430预测未来时段第二区域内的至少一个洗车店的繁忙度440。
在一些实施例中,客流信息410可以影响至少一个洗车店的未来时段的负荷。如客流量越大,洗车店未来时段能够接纳的客户越少,负荷也就越大。客流信息410可以为第一区域内的至少一个洗车店的客流信息,客流信息410的更多细节可以参看上述图2及其相关描述。
洗车店负荷图谱420是由节点(如节点420-1等)和边(如边420-2等)组成的数据结构,边连接节点,节点和边可以具有属性。洗车店负荷图谱420的节点表示洗车管理系统中的第一区域内的至少一个洗车店,洗车店负荷图谱420的边表示节点之间的至少一条道路。
节点特征可以反映对应节点洗车店的相关洗车的状态特征。在一些实施例中,洗车店负荷图谱420的节点特征可以包括:该节点洗车店的对应的位置、该节点洗车店的对应的客流情况、该节点洗车店的对应的容量等。其中,该节点洗车店的对应的客流情况可以包括该洗车店在不同时段的客流量、老客户的洗车频率、新客户的数量等相关信息。该节点洗车店的对应的容量可以为该洗车店可以同时为多少车辆进行清洗服务。
边特征可以反应对应2个节点洗车店之间的至少一条道路的相关特征。在一些实施例中,洗车店负荷图谱420的边特征可以包括:对应2个节点洗车店之间的至少一条道路的长度、对应2个节点洗车店之间的至少一条道路上的车流量等特征。
在一些实施例中,洗车站管理系统可以通过网络、人工输入等多种方式,获取节点洗车店的对应的位置、该节点洗车店的对应的历史客流情况、该节点洗车店的对应的历史容量等节点特征相关的数据,并基于上述节点特征相关的数据确定节点特征。
在一些实施例中,洗车站管理系统可以通过网络、人工输入等多种方式,获取对应2个节点洗车店之间的道路的长度、对应2个节点洗车店之间的道路上的历史车流量等边特征相关的数据,确定边特征。洗车站管理系统可以基于上述获取的相关信息,构建洗车店负荷图谱420。
在一些实施例中,洗车店负荷图谱420的边特征还可以包括道路所在区域的天气情况,洗车店负荷图谱420的节点特征还包括当日前来洗车的用户的车辆脏污程度。
在一些实施例中,道路所在区域的天气情况会影响道路所在区域的用户的洗车意愿,进而影响未来时段第二区域内的至少一个洗车店的繁忙度。例如,道路所在区域的天气情况越好,道路所在区域的用户的洗车意愿越高,未来时段第二区域内的至少一个洗车店的繁忙度也会越高。
在一些实施例中,当日前来洗车的用户的车辆脏污程度也会影响未来时段第二区域内的至少一个洗车店的繁忙度。例如,前来洗车的车辆脏污程度平均值越高,说明当前时段车辆普遍偏脏,用户的洗车意愿也会越高,使得未来时段第二区域内的至少一个洗车店的繁忙度也会越高。
天气情况和车辆脏污程度的获取方式,可以参看上述图2-图3及其相关描述。
在本说明书实施例中,通过考虑到道路所在区域的天气情况和当日前来洗车的用户的车辆脏污程度对用户洗车意愿的影响,进而提高构建的洗车店负荷图谱的全面性,从而有利于后续可以更准确地预测未来时段第二区域内的至少一个洗车店的繁忙度,为用户提供更合适的推荐清洗方案。
在一些实施例中,闲忙分析模型430可以是机器学习模型,如图神经网络模型(GNN)等。
闲忙分析模型430的输入可以是洗车店负荷图谱420,输出可以是未来时段第二区域内的至少一个洗车店的繁忙度440(即至少一个节点的繁忙度)。其中,洗车站管理系统可以在洗车店负荷图谱420中,对第二区域内的至少一个洗车店(至少一个节点)进行标记。闲忙分析模型430的输出为标记的至少一个节点对应的至少一个洗车店的繁忙度,未标记的至少一个节点不进行输出。
在一些实施例中,未来时段第二区域内的至少一个洗车店的繁忙度440可以表示为当前正在接受洗车和等待洗车的总车辆数与洗车店容量之间的比值。例如,比值越大,表明未来时段第二区域内的至少一个洗车店的繁忙度440越大。示例性的,当比值小于1时,可以说明该洗车店的门店容量未满,用户即到即洗,无需等待,即洗车店的繁忙度较低。比值大于1时,说明用户需要等待进行洗车,即洗车店的繁忙度较高,大于1的比值越小,等待时长越短,大于1的比值越大,等待时长越长。
在一些实施例中,未来时段第二区域内的至少一个洗车店的繁忙度440还可以有其他的表示方式,更多细节可以参看上述图2及其相关描述。
在一些实施例中,闲忙分析模型430可以基于训练数据训练获得。训练数据包括第二训练样本以及第二标签。例如,第二训练样本可以是基于历史时间的历史数据第一区域内的至少一个洗车店的历史客流信息构建的历史洗车店负荷图谱,历史洗车店负荷图谱的节点及节点特征、边及边特征与该洗车店负荷图谱类似,第二训练样本的第二标签可以为历史未来时段第二区域内的至少一个洗车店的历史繁忙度。该历史繁忙度可以通过网络或人工标注等方式获取。历史未来时段为历史时间对应的未来时段。闲忙分析模型的训练过程与脏污预测模型类似,更多内容可以参见图3。
在本说明书实施例中,通过构建洗车店负荷图谱,并基于闲忙分析模型预测预测未来时段第二区域内的至少一个洗车店的繁忙度,可以使预测得到的洗车店的繁忙度更符合实际情况,提高了预测的繁忙度的准确率,有利于后续为用户推荐更合适的洗车店,提高用户的使用体验。
本说明书的一个或多个实施例中还提供一种洗车站管理装置,包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行所述计算机指令中的至少部分指令以实如上任一实施例所述的洗车站管理方法。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如上任一实施例所述的洗车站管理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
- 一种静态双亲动态双疏无氟透明涂层的制备方法
- 一种用于超高强度钢的防护涂料及超高强度钢防护涂层的制备方法
- 一种高强度高透明的芳杂环聚合物树脂及其制备方法和在纤维或薄膜的应用
- 一种透明高强度疏冰涂层及其制备方法和应用
- 一种疏冰涂层及其制备方法和应用