本發(fā)明涉及網(wǎng)約車，具體涉及基于供需關(guān)系評估地理區(qū)域熱力的方法、裝置及存儲介質(zhì)。
背景技術(shù)：
：：1、地理區(qū)域熱力評估（簡稱熱力圖）指的是通過業(yè)務(wù)數(shù)據(jù)的大小和分布來評估某一類業(yè)務(wù)場景冷熱情況的計算技術(shù)，通常通過可視化工具使用從冷色到暖色的漸變色來代表從低值到高值的變化，它可以表現(xiàn)出數(shù)據(jù)在地理空間分布上的集中趨勢或者異常情況，熱力圖廣泛應(yīng)用于多種領(lǐng)域，包括地理信息系統(tǒng)、生物信息學(xué)、網(wǎng)絡(luò)流量分析等，比如在網(wǎng)約車行業(yè)中，通常使用熱力圖來展示城市中某一區(qū)域的乘客用車需求的密集程度，可以用來評估訂單熱點區(qū)域。2、當(dāng)前業(yè)界熱力圖實現(xiàn)方案比較多，但通常聚焦于某一業(yè)務(wù)場景，采集相關(guān)地理區(qū)域的數(shù)據(jù)，例如人口密度、交通流量、商品銷售數(shù)量等任何于地理位置相關(guān)的數(shù)據(jù)，然后對采集的數(shù)據(jù)進(jìn)行清洗和計算，確保數(shù)據(jù)的準(zhǔn)確性和一致性，處理后的結(jié)果數(shù)據(jù)應(yīng)該包含地理位置信息（如經(jīng)緯度）和需要展示的數(shù)值，最后選擇合適的可視化工具構(gòu)建熱力圖；現(xiàn)有的方法因為數(shù)據(jù)維度單一、地理區(qū)域劃分邏輯會被平臺或工具限制等因素，而無法適配復(fù)雜多元化的業(yè)務(wù)場景。技術(shù)實現(xiàn)思路1、有鑒于此，本發(fā)明的目的在于提供基于供需關(guān)系評估地理區(qū)域熱力的方法、裝置及存儲介質(zhì)，以解決現(xiàn)有方法由于數(shù)據(jù)維度單一、地理區(qū)域劃分邏輯會被平臺或工具限制等因素，而無法適配復(fù)雜多元化的業(yè)務(wù)場景的問題。2、根據(jù)本發(fā)明實施例的第一方面，提供基于供需關(guān)系評估地理區(qū)域熱力的方法，所述方法包括：3、基于供需關(guān)系評估地理區(qū)域熱力的方法，其特征在于，所述方法包括：4、獲取歷史n天以及當(dāng)前實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)；5、將歷史n天的每一天都平均劃分為x個時間段，每個時間段的長度為y，對x個時間段按照先后順序進(jìn)行編號；將歷史n天中具有相同編號的時間段作為一個時間維度，共x個時間維度，每個時間維度中包括n個相同編號的時間段；6、根據(jù)歷史n天的網(wǎng)約車訂單數(shù)據(jù)獲取每天所有乘客訂單的下單時間，根據(jù)下單時間將乘客訂單分類到每天不同編號的時間段中；7、根據(jù)歷史n天的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)分別獲取每個時間維度中每個乘客訂單的司機(jī)訂單收入金額以及對應(yīng)的司機(jī)訂單服務(wù)時長，以及獲取每個時間段的司機(jī)聽單時長；8、對所述每個乘客訂單的司機(jī)訂單收入金額、司機(jī)訂單服務(wù)時長以及每個時間段的司機(jī)聽單時長進(jìn)行異常值替換；9、基于替換后的司機(jī)訂單收入金額獲取每個時間維度的總訂單收入金額，基于替換后的司機(jī)訂單服務(wù)時長獲取每個時間維度的總司機(jī)訂單服務(wù)時長；基于替換后的司機(jī)聽單時長獲取每個時間維度的總聽單時長；10、選擇任意一個時間維度以及相鄰的未來兩個時間維度作為一個時間窗，遍歷x個時間維度，得到x個時間窗；11、根據(jù)每個時間窗的三個時間維度的總訂單收入金額、總司機(jī)訂單服務(wù)時長以及總聽單時長獲取對應(yīng)時間窗維度下的歷史iph；12、根據(jù)所述當(dāng)前實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)獲取當(dāng)前時間維度下的實時iph；13、分別設(shè)置歷史數(shù)據(jù)權(quán)重以及實時數(shù)據(jù)權(quán)重，基于同一時間維度下的歷史iph、實時iph、歷史數(shù)據(jù)權(quán)重以及實時數(shù)據(jù)權(quán)重得到對應(yīng)時間窗維度下的最終融合iph；14、獲取任意城市的歷史p天的x個時間維度的iph，選取最大的iph作為城市最大iph；基于該城市所有蜂巢區(qū)域的對應(yīng)時間窗維度下的最終融合iph以及城市最大iph進(jìn)行該城市所有蜂巢區(qū)域?qū)?yīng)時間窗維度下的熱力渲染。15、優(yōu)選地，16、所述對所述每個乘客訂單的司機(jī)訂單收入金額、司機(jī)訂單服務(wù)時長以及每個時間段的司機(jī)聽單時長進(jìn)行異常值替換包括：17、根據(jù)所述每個乘客訂單的司機(jī)訂單收入金額以及司機(jī)訂單服務(wù)時長獲取每個乘客訂單對應(yīng)的服務(wù)iph；18、基于三西格馬定律篩選異常的服務(wù)iph以及異常的司機(jī)聽單時長，對于異常的服務(wù)iph對應(yīng)的司機(jī)訂單收入金額以及司機(jī)訂單服務(wù)時長替換為預(yù)設(shè)的標(biāo)準(zhǔn)司機(jī)訂單收入金額以及預(yù)設(shè)的標(biāo)準(zhǔn)司機(jī)訂單服務(wù)時長，對于異常的司機(jī)聽單時長替換為預(yù)設(shè)的標(biāo)準(zhǔn)司機(jī)聽單時長。19、優(yōu)選地，20、所述基于三西格馬定律篩選異常的服務(wù)iph以及異常的司機(jī)聽單時長包括：21、根據(jù)每個時間維度下的所有服務(wù)iph獲取每個時間維度下的平均iph，根據(jù)平均iph獲取iph標(biāo)準(zhǔn)差；22、根據(jù)所述平均iph以及iph標(biāo)準(zhǔn)差確定iph標(biāo)準(zhǔn)范圍；23、若任意的服務(wù)iph不在所述iph標(biāo)準(zhǔn)范圍內(nèi)，則該服務(wù)iph為異常的服務(wù)iph；24、根據(jù)每個時間維度下的所有司機(jī)聽單時長獲取每個時間維度下的平均聽單時長，根據(jù)平均聽單時長獲取聽單時長標(biāo)準(zhǔn)差；25、根據(jù)所述平均聽單時長以及聽單時長標(biāo)準(zhǔn)差確定聽單時長標(biāo)準(zhǔn)范圍；26、若任意的司機(jī)聽單時長不在所述聽單時長標(biāo)準(zhǔn)差內(nèi)，則該司機(jī)聽單時長為異常的司機(jī)聽單時長；27、所述預(yù)設(shè)的標(biāo)準(zhǔn)司機(jī)訂單收入金額、預(yù)設(shè)的標(biāo)準(zhǔn)司機(jī)訂單服務(wù)時長以及預(yù)設(shè)的標(biāo)準(zhǔn)司機(jī)聽單時長分別為每個時間維度下的平均司機(jī)訂單收入金額、平均司機(jī)訂單服務(wù)時長以及平均聽單時長。28、優(yōu)選地，29、所述根據(jù)每個時間窗的三個時間維度的總訂單收入金額、總司機(jī)訂單服務(wù)時長以及總聽單時長獲取對應(yīng)時間窗維度下的歷史iph包括：30、根據(jù)每個時間窗中三個時間維度的總訂單收入金額得到時間窗訂單收入金額，根據(jù)每個時間窗中三個時間維度的總聽單時長得到時間窗司機(jī)訂單服務(wù)時長，根據(jù)每個時間窗中三個時間維度的總聽單時長得到時間窗聽單時長；31、根據(jù)時間窗訂單收入金額、時間窗司機(jī)訂單服務(wù)時長以及時間窗聽單時長獲取每個時間窗的iph，將每個時間窗的iph作為對應(yīng)時間窗維度下的歷史iph。32、優(yōu)選地，33、所述根據(jù)所述當(dāng)前實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)獲取當(dāng)前時間維度下的實時iph包括：34、獲取當(dāng)前時刻前z個時間段，每個時間段的長度為y；35、根據(jù)當(dāng)前實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)獲取前z個時間段的司機(jī)訂單總收入金額、司機(jī)訂單總服務(wù)時長以及司機(jī)聽單總時長，基于所述前z個時間段的司機(jī)訂單總收入金額、司機(jī)訂單總服務(wù)時長以及司機(jī)聽單總時長獲取前z個時間段對應(yīng)的時間維度下的實時iph。36、優(yōu)選地，37、所述基于該城市所有蜂巢區(qū)域的對應(yīng)時間窗維度下的最終融合iph以及城市最大iph進(jìn)行該城市所有蜂巢區(qū)域?qū)?yīng)時間窗維度的熱力渲染包括：38、將該城市的任意蜂巢區(qū)域作為目標(biāo)蜂巢區(qū)域；39、獲取目標(biāo)蜂巢區(qū)域周邊鄰近的f個蜂巢區(qū)域，并分別獲取周邊鄰近的f個蜂巢區(qū)域各自的對應(yīng)時間窗維度下的最終融合iph；40、基于鄰近的f個蜂巢區(qū)域的對應(yīng)時間窗維度下的最終融合iph以及該城市最大iph分別得到f個蜂巢區(qū)域的熱力等級，選取f個熱力等級中最小的一個作為目標(biāo)蜂巢區(qū)域?qū)?yīng)時間窗維度下的熱力等級，遍歷該城市所有的蜂巢區(qū)域，得到所有蜂巢區(qū)域?qū)?yīng)時間窗維度下的熱力等級，根據(jù)該城市所有蜂巢區(qū)域?qū)?yīng)時間窗維度下的熱力等級在城市地圖上進(jìn)行對應(yīng)時間窗維度的熱力渲染。41、優(yōu)選地，42、所述獲取歷史n天以及當(dāng)天實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)包括：43、通過業(yè)務(wù)系統(tǒng)獲取歷史n天以及當(dāng)天實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)，并通過tablestore和mysql進(jìn)行存儲；44、對mysql中的數(shù)據(jù)通過阿里云數(shù)據(jù)傳輸工具dts同步至數(shù)據(jù)通道datahub中，對tablestore中的數(shù)據(jù)通過實時計算flink同步至數(shù)據(jù)通道datahub中；45、通過flink作業(yè)對所述數(shù)據(jù)通道datahub中的數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)匯聚寫入數(shù)據(jù)倉庫maxcompute中，供后續(xù)計算使用。46、優(yōu)選地，還包括：47、對于城市的所有蜂巢區(qū)域的熱力等級數(shù)據(jù)，通過dataworks數(shù)據(jù)集成工具周期性同時寫入redis和tablestore；通過redis?geo和tablestore索引提供蜂巢區(qū)域圈選和蜂巢區(qū)域熱力等級數(shù)據(jù)查詢api，供下游業(yè)務(wù)使用；48、司機(jī)端及其他業(yè)務(wù)系統(tǒng)通過數(shù)據(jù)中心api查詢蜂巢區(qū)域熱力等級，進(jìn)行展示或者功能應(yīng)用。49、根據(jù)本發(fā)明實施例的第二方面，提供基于供需關(guān)系評估地理區(qū)域熱力的裝置，所述裝置包括：50、數(shù)據(jù)獲取模塊：用于獲取歷史n天以及當(dāng)前實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)；51、時間維度劃分模塊：用于將歷史n天的每一天都平均劃分為x個時間段，每個時間段的長度為y，對x個時間段按照先后順序進(jìn)行編號；將歷史n天中具有相同編號的時間段作為一個時間維度，共x個時間維度，每個時間維度中包括n個相同編號的時間段；52、訂單分類模塊：用于根據(jù)歷史n天的網(wǎng)約車訂單數(shù)據(jù)獲取每天所有乘客訂單的下單時間，根據(jù)下單時間將乘客訂單分類到每天不同編號的時間段中；53、維度數(shù)據(jù)獲取模塊：用于根據(jù)歷史n天的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)分別獲取每個時間維度中每個乘客訂單的司機(jī)訂單收入金額以及對應(yīng)的司機(jī)訂單服務(wù)時長，以及獲取每個時間段的司機(jī)聽單時長；54、異常值替換模塊：用于對所述每個乘客訂單的司機(jī)訂單收入金額、司機(jī)訂單服務(wù)時長以及每個時間段的司機(jī)聽單時長進(jìn)行異常值替換；55、維度平均數(shù)據(jù)獲取模塊：用于基于替換后的司機(jī)訂單收入金額獲取每個時間維度的總訂單收入金額，基于替換后的司機(jī)訂單服務(wù)時長獲取每個時間維度的總司機(jī)訂單服務(wù)時長；基于替換后的司機(jī)聽單時長獲取每個時間維度的總聽單時長；56、時間窗劃分模塊：用于選擇任意一個時間維度以及相鄰的未來兩個時間維度作為一個時間窗，遍歷x個時間維度，得到x個時間窗；57、歷史iph獲取模塊：用于根據(jù)每個時間窗的三個時間維度的總訂單收入金額、總司機(jī)訂單服務(wù)時長以及總聽單時長獲取對應(yīng)時間窗維度下的歷史iph；58、實時iph獲取模塊：用于根據(jù)所述當(dāng)前實時的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)獲取當(dāng)前時間維度下的實時iph；59、融合iph獲取模塊：用于分別設(shè)置歷史數(shù)據(jù)權(quán)重以及實時數(shù)據(jù)權(quán)重，基于同一時間維度下的歷史iph、實時iph、歷史數(shù)據(jù)權(quán)重以及實時數(shù)據(jù)權(quán)重得到對應(yīng)時間窗維度下的最終融合iph；60、蜂巢熱力獲取模塊：用于獲取任意城市的歷史p天的x個時間維度的iph，選取最大的iph作為城市最大iph；基于該城市所有蜂巢區(qū)域的對應(yīng)時間窗維度下的最終融合iph以及城市最大iph進(jìn)行該城市所有蜂巢區(qū)域?qū)?yīng)時間窗維度下的熱力渲染。61、根據(jù)本發(fā)明實施例的第三方面，提供一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被主控器執(zhí)行時，實現(xiàn)上述方法中的各個步驟。62、本發(fā)明的實施例提供的技術(shù)方案可以包括以下有益效果：63、本技術(shù)通過獲取歷史一段時間的網(wǎng)約車訂單數(shù)據(jù)以及司機(jī)運行服務(wù)軌跡數(shù)據(jù)，同時進(jìn)行時間維度的劃分，通過提取每個時間維度的司機(jī)訂單收入金額、司機(jī)訂單服務(wù)時長以及司機(jī)聽單時長，獲取不同時間維度下的歷史iph，最后根據(jù)設(shè)置的權(quán)重將同一時間維度下的歷史iph與實時iph進(jìn)行融合；本技術(shù)結(jié)合時間、空間、司機(jī)、渠道、價格及外在客觀因素等數(shù)據(jù)綜合評估區(qū)域內(nèi)用車需求和司機(jī)運力供給關(guān)系，更加貼合實際場景的冷熱情況，規(guī)避傳統(tǒng)熱力算法下產(chǎn)生的單多車多、單少無車、單多低價、單少高價等多元場景無法覆蓋的弊端，能夠有效提高乘客用車需求的達(dá)成率，并降低網(wǎng)約車司機(jī)空駛的情況，同時結(jié)合細(xì)粒度時間區(qū)間的歷史、實時的蜂巢統(tǒng)計數(shù)據(jù)，根據(jù)合適權(quán)重分布既能夠兼顧不同空間區(qū)域、不同時段的歷史周期性規(guī)律，也能夠考慮當(dāng)前實時的突發(fā)變化，解決了傳統(tǒng)熱力計算方案的單一維度的不足；基于iph指標(biāo)計算熱力等級是以司機(jī)收入為導(dǎo)向，更契合司機(jī)意愿和服務(wù)目標(biāo)，相對于其他平臺依據(jù)訂單熱力，更加有效的提高司機(jī)體驗和收入，規(guī)避訂單多收入少的場景。64、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。當(dāng)前第1頁12當(dāng)前第1頁12