基于车联网的商用车细分市场识别方法、设备和介质与流程

1.本发明涉及数据挖掘技术领域，尤其涉及一种基于车联网的商用车细分市场识别方法、设备和介质。


背景技术：

2.随着商用车行业潜在客户需求和使用场景改变、营销结构转变、数字化转型带来的技术革新等变化，商用车已进入强者竞争时代，传统粗放式增长方式已不复存在。企业面临如何快速判断、深耕商用车的使用场景，即“细分市场”这一重要课题，以达成定位细分市场份额空间、规划和迭代产品功能、降低经营成本、挖掘车主需求的后市场价值、寻找新增值空间等目标。
3.以货车为例，目前商用车企业仅根据车辆的型号、主观经验、调研问卷或跟车走访来划分商用车所属细分市场。但由于同一型号车辆对应多个细分市场、调研存在非系统性误差、跟车走访无法覆盖全量、调研结果滞后性等原因，造成了细分市场判断准确率低、时间和人力投入成本高、定义和变更及时性差等问题。导致企业面临如下问题：销量去向难判断；典型车辆难寻找；销售问题难定位，难以科学评价产品和服务；终端客户难增值，产品和服务推送策略不科学。
4.基于上述问题，急需要提供一种高效且准确的商用车细分市场识别方法。


技术实现要素：

5.本发明提供一种基于车联网的商用车细分市场识别方法、设备和介质，以提供一种高效且准确的商用车细分市场识别方案。
6.第一方面，本发明提供了一种基于车联网的商用车细分市场识别方法，包括：获取一商用车具有装卸货行为的多个目标停车位置；获取所述多个目标停车位置中每个目标停车位置所辐射的关联位置点，并根据所述关联位置点对应的细分市场和权重，确定所述商用车在每个目标停车位置所属的细分市场和初始权重；根据所述商用车在每个目标停车位置所属的细分市场和初始权重，采用关联规则算法计算每个细分市场的支持度；根据每个细分市场的支持度和每个细分市场对应的所述关联位置点个数，识别所述商用车所属的细分市场和最终权重。
7.第二方面，本发明还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任一所述的基于车联网的商用车细分市场识别方法。
8.第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该
程序被处理器执行时实现本发明任一所述的基于车联网的商用车细分市场识别方法。
9.本发明首先获取商用车具有装卸货行为的多个目标停车位置以及关联位置点，从而得到每个目标停车位置所属的细分市场和初始权重；再结合关联规则算法计算每个细分市场的支持度，从而关联了不同目标停车位置所述的细分市场；最后结合每个细分市场对应的所述位置点个数，识别所述商用车所属的细分市场和最终权重，从而考虑到商用车在每种细分市场下的停车频率，科学、准确地识别细分市场及最终权重。本实施通过对基于车联网的停车位置进行识别得到细分市场，实现了细分市场识别的自动化，提高了识别效率。
附图说明
10.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
11.图1是本发明实施例提供的一种基于车联网的商用车细分市场识别方法的流程图；图2是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
12.为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
13.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
14.在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
15.本发明实施例提供一种基于车联网的商用车细分市场识别方法，适用于对商用车自动划分细分市场的情况，本实施例由电子设备执行。该方法的流程图如图1所示，本实施例提供的方法具体包括：s110、获取一商用车具有装卸货行为的多个目标停车位置。
16.在汽车新车型分类中，商用车指用于运送人员和货物的汽车，并且可以牵引挂车，包括所有载货汽车和9座以上的客车。商用车细分市场是指：商用车企业根据市场需求以及自身客户的使用车辆的需求和场景用途为标准，将市场上的客户划分为若干客户群，每一
个客户群构成一个子市场，不同子市场存在明显的需求和使用场景的差异，该子市场定义为商用车的细分市场。以商用车的重型货车为例，可分为如下细分市场类型（按照运送货物的特点进行划分）：中长途煤炭运输、站台煤炭运输、砂石料运输、轿车运输、普货运输、绿通物流、冷链物流、快递物流、危险品运输、集装箱运输、混凝土运输、渣土运输。本实施例任选一辆商用车进行细分市场的识别。
17.商用车细分市场识别的判断是基于该车辆在某停车区域有装卸货的行为动作，参见表1。
18.表1 商用车细分市场定义举例为了方便描述和区分，将具有装卸货行为的停车位置称为目标停车位置。可选的，可以通过商用车载重的变化确定具有装卸货行为的多个目标停车位置。由于载重数据无法获取或者不准确，本实施例优选采用商用车实时上报的车联网数据：定位信息，确定多个目标停车位置。优选的，基于车联网获取一商用车的多个定位信息（经度和纬度），并选取超过设定时长维持不变的多个目标定位信息（包括目标经度和目标纬度）；对所述多个目标定位信息进行聚类，得到所述多个目标停车位置。设定时长可以根据商用车装卸获取的平均时长确定。
19.在实际应用场景中，不同行政区域（例如省）之间一般为高速、山或河流，商用车几乎不会在边界处装卸货，因此，在对所述多个目标定位信息进行聚类得到所述多个目标停车位置时，需要确定每个目标定位信息所属的行政区域；对属于同一行政区域的目标定位信息进行聚类，得到所述多个目标停车位置。
20.现有的聚类算法需要采用三角函数计算目标定位信息之间的距离，本实施用乘法和加减法替代三角函数，以简化运算。具体的，对所述多个目标定位信息进行聚类，得到所述多个目标停车位置，包括：根据多个目标定位信息目标经度和目标纬度，计算经度差和纬度差；根据所述经度差、纬度差、单位经度的大地距离和单位纬度的大地距离，计算多个目标定位信息之间的距离；根据所述多个目标定位信息之间的距离对所述多个目标定位信息进行聚类，得到所述多个目标停车位置。改进后的距离计算公式如下：((x[0]-y[0])2)
×
a ((x[1]-y[1])2)
×
b其中，x[0]、x[1]是一个目标定位信息的目标经度和目标纬度，y[0]、y[1]是另一个目标定位信息的目标经度和目标纬度，a是单位经度的大地距离，b是单位纬度的大地距离。由于不同位置的经度和纬度间隔不同，本实施例采用中国范围内单位经度的平均大地距离，以及单位纬度的平均大地距离。
[0021]
本实施例中的聚类算法为基于密度的聚类算法，对具体的聚类算法不作限定。示例性的，使用dbscan(density-based spatial clustering of applications with noise)密度聚类算法对所述多个目标定位信息进行聚类。
[0022]
首先，任选一个目标定位信息a（未被访问）作为核心对象开始，找出与其距离（可采用改进后的距离计算公式）在eps=
ϵ
（邻域的距离阈值）内的所有minpts（每个簇的目标定位信息数）个点，如果附近点的数量≥minpts，则当前点与a形成一个簇，并且出发a被标记
为已访问。然后递归，以相同的方法处理该簇内所有未被标记为已访问的点，从而对簇进行扩展。如果附近点的数量 《 minpts，则该点暂时被标记作为噪声点。如果簇充分地被扩展，即簇内的所有点被标记为已访问，然后可用同样的算法去处理未被访问的点。其中，
ϵ
默认值为0.5，minpts默认值为5。
[0023]
经过聚类后得到k个簇，获取每个簇的质心，该质心定义为“目标停车位置”，表示商用车的高频停车位置。通过shapely库函数构造多边形对象，该对象的centroid属性返回其质心。
[0024]
s120、获取所述多个目标停车位置中每个目标停车位置所辐射的关联位置点，并根据所述关联位置点对应的细分市场和权重，确定所述商用车在每个目标停车位置所属的细分市场和初始权重。
[0025]
由于商用车可能会在目标停车位置的附近装卸货，则以每个目标停车位置为中心按照设定半径辐射一块区域，将该区域内的位置点（poi）称为关联位置点（包括目标停车位置）。
[0026]
在一可选实施方式中，每个关联位置点对应有细分市场和细分市场的权重，表示对应细分市场的程度。例如“加油站”对应细分市场“危险品运输”，权重为1；“建筑用地”对应细分市场“砂石料运输”，权重为0.3，“混凝土运输”，权重为0.4，“渣土运输”，权重为0.3。然后，采用权重计分法计算所述商用车在每个目标停车位置所属的细分市场和初始权重。为了方便描述和区分，将根据关联位置点对应的细分市场和权重确定的权重称为初始权重，将后续根据细分市场支持度确定的权重称为最终权重。
[0027]
参见下式：其中，wi
x
为一关联位置点对应wi细分市场的权重，x为关联位置点的序号，为一目标停车位置所辐射的所有关联位置点对应wi细分市场的总权重，为一目标停车位置所辐射的所有关联位置点对应wj细分市场的总权重，为一目标停车位置所辐射的所有关联位置点对应wn细分市场的总权重。wi为一目标停车位置所属wi细分市场的初始权重。依次类推可以得到每个目标停车位置所属每个细分市场的初始权重。
[0028]
在另一可选实施方式中，无法直接得到关联位置点对应的细分市场和权重，则首先对关联位置点的名称进行分词处理，得到多个关键词。为体现不同关联位置点的特点，基于tf-idf（term frequency
–
inverse document frequency）算法提取关联位置点名称的关键词。然后，根据每个关键词对应的细分市场和权重，确定所述商用车在每个目标停车位置所属的细分市场和初始权重。具体的，根据分类规则库确定每个关键词对应的细分市场和权重，并确定所述关联位置点对应的细分市场和权重；根据所述关联位置点对应的细分市场和权重，采用权重计分法计算所述商用车在每个目标停车位置所属的细分市场和初始权重。
[0029]
表2示出了分类规则库，其包括关键词、所述关键词对应的细分市场和权重。
[0030]
表2 细分市场分类规则库示例将一个关联位置点的所有关键词对应的各细分市场和权重对应相加，得到该关联位置点对应的各细分市场的权重。然后参见上述可选实施方式，采用权重计分法计算细分市场和初始权重，本实施方式不再赘述。
[0031]
在一可选实施方式中，在获取一商用车具有装卸货行为的多个目标停车位置之前，还包括：获取所述商用车的公告型号；根据所述公告型号确定待选的细分市场集合。现有技术中，商用车的公告型号能够反映车型和用途等信息，则可以初步根据公告型号确定多个可能的细分市场，构成细分市场集合。基于此，根据所述关联位置点对应的细分市场和权重，确定所述商用车在每个目标停车位置所属的细分市场和初始权重，包括：根据所述关联位置点对应的细分市场和权重，从所述细分市场集合中确定所述商用车在每个目标停车位置所属的细分市场和初始权重。通过设置细分市场集合，可以减少运算量。
[0032]
s130、根据所述商用车在每个目标停车位置所属的细分市场和初始权重，采用关联规则算法计算每个细分市场的支持度。
[0033]
s120是针对每个目标停车位置得到细分市场及权重，而商用车一般会有多个目标停车位置，则采用关联规则算法关联多个目标停车位置，从而得到该商用车的每个细分市场的支持度。
[0034]
以所述商用车所属的细分市场作为项，频繁项集为一项集，采用关联规则算法（例如apriori关联算法）计算每个细分市场的初始支持度。为了方便描述和区分，将根据关联规则算法直接得到的每个细分市场的支持度称为初始支持度。本实施例在关联规则算法的基础上进行改进，根据每个细分市场的初始支持度和所述初始权重，得到最终的支持度。
[0035]
本实施例中，频繁项集为一项集，需扫描一次商用车的目标停车位置对应的所有细分市场，得到支持度大于等于0.05的所有细分市场分类一项集{market
x
}，从而获取该商用车的每个细分市场的初始支持度。将每个目标停车位置所属的细分市场和初始权重，按照同一细分市场将初始权重相加，得到同一细分市场的总初始权重。再将同一细分市场的初始支持度与总初始权重相乘，得到最终的支持度。
[0036]
s140、根据每个细分市场的支持度和每个细分市场对应的所述关联位置点个数，识别所述商用车所属的细分市场和最终权重。
[0037]
一种细分市场对应的关联位置点个数，表示在辐射区域内商用车出现的频率，侧面表征了商用车属于该细分市场的程度。在实际应用中，在统计出所有辐射区域中各关联位置点的细分市场后，可以分别汇总每个细分市场的关联位置点，得到每个细分市场对应的关联位置点个数，参见下式识别商用车所属的细分市场和最终权重。
[0038]
其中，w
cvi
为商用车cv所属wi细分市场的最终权重，sup_i为商用车cv的wi细分市场的支持度，sup_m为商用车cv的第wm个细分市场的支持度，par_m为第wm个细分市场对应的关联位置点个数，par_i为wi细分市场对应的关联位置点个数，n为细分市场的个数。
[0039]
本发明实施例首先获取商用车具有装卸货行为的多个目标停车位置以及关联位置点，从而得到每个目标停车位置所属的细分市场和初始权重；再结合关联规则算法计算每个细分市场的支持度，从而关联了不同目标停车位置所述的细分市场；最后结合每个细分市场对应的所述位置点个数，识别所述商用车所属的细分市场和最终权重，从而考虑到商用车在每种细分市场下的停车频率，科学、准确地识别细分市场及最终权重。本实施通过对基于车联网的停车位置进行识别得到细分市场，实现了细分市场识别的自动化，提高了识别效率。
[0040]
图2为本发明实施例提供的一种电子设备的结构示意图，如图2所示，该设备包括处理器40、存储器41、输入装置42和输出装置43；设备中处理器40的数量可以是一个或多个，图2中以一个处理器40为例；设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图2中以通过总线连接为例。
[0041]
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于车联网的商用车细分市场识别方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的基于车联网的商用车细分市场识别方法。
[0042]
存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0043]
输入装置42可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
[0044]
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例的燃料电池流阻值函数训练方法或燃料电池流阻值预测方法。
[0045]
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（ram）、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以
是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0046]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0047]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0048]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
[0049]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。