用于线上到线下服务的系统和方法.pdf

《用于线上到线下服务的系统和方法.pdf》由会员分享，可在线阅读，更多相关《用于线上到线下服务的系统和方法.pdf（51页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201980000865.9 (22)申请日 2019.05.29 (66)本国优先权数据 201810551267.8 2018.05.31 CN 201810675073.9 2018.06.27 CN (85)PCT国际申请进入国家阶段日 2019.06.19 (86)PCT国际申请的申请数据 PCT/CN2019/088969 2019.05.29 (87)PCT国际申请的公布数据 WO2019/228391 EN 2019.12.05 (71)申请人 北京嘀嘀无限科技发。

2、展有限公司 地址 100193 北京市海淀区东北旺路西路8 号院34号楼 (72)发明人 杨瑞飞薛永刚王靖文 (74)专利代理机构 成都七星天知识产权代理有 限公司 51253 代理人 袁春晓 (51)Int.Cl. G06F 16/29(2006.01) (54)发明名称 用于线上到线下服务的系统和方法 (57)摘要 提供了用于确定兴趣点(POI)位置的系统和 方法。 所述方法可以包括获取目标POI的至少两 个历史定位记录， 并通过对所述至少两个历史定 位记录中的所述至少两组历史坐标执行中心聚 类过程的至少一次迭代， 来确定所述目标POI的 至少一组目标坐标。 还提供了用于确定POI的系 统。

3、和方法。 所述方法可以包括获取定位点的一组 坐标并获取包括POI和所述POI的基本信息的候 选POI集合。 所述方法还可以包括确定所述候选 POI集合中每个POI的至少两个特征， 以及基于所 述至少两个特征和机器学习模型， 从从所述候选 POI集合中确定与所述定位点相关的目标POI。 权利要求书7页 说明书29页 附图14页 CN 110785751 A 2020.02.11 CN 110785751 A 1.一种用于确定兴趣点(POI)位置的系统， 包括： 至少一个存储介质， 包括用于确定所述兴趣点的所述位置的一组指令； 以及 与所述存储介质通信的至少一个处理器， 其中， 当执行所述一组指令。

4、时， 所述至少一个 处理器被指示为： 获取目标兴趣点的至少两个历史定位记录， 所述至少两个历史定位记录中的每个历史 定位记录包括一组目标兴趣点的历史坐标； 以及 通过对所述至少两个历史定位记录中的所述至少两组历史坐标执行中心聚类过程的 至少一次迭代， 来确定所述目标兴趣点的至少一组目标坐标， 其中 所述至少一组目标坐标中的每组目标坐标由所述中心聚类过程的所述至少一次迭代 中的迭代确定。 2.根据权利要求1所述的系统， 其中为了确定所述目标兴趣点的所述至少一组目标坐 标， 所述至少一个处理器还被指示为： 对于所述中心聚类过程的所述至少一次迭代中的每次迭代， 在所述迭代的至少一次迭代聚类操作之后获。

5、取一个簇， 其中， 所述簇包括至少两个历 史候选定位记录； 以及 基于所述簇的所述至少两个历史候选定位记录， 确定最接近所述簇的中心的一组历史 坐标作为所述目标兴趣点的一组目标坐标。 3.根据权利要求2所述的系统， 其中对于所述中心聚类过程的所述至少一次迭代中的 每次迭代， 为了在所述迭代的所述至少一次迭代聚类操作后获取所述簇， 所述至少一个处 理器还被指示为： 在第一迭代中， 确定所述目标兴趣点的所述至少两个历史定位记录中的所述至少两组 历史坐标的一组平均坐标； 在所述至少两组历史坐标中， 确定最接近所述一组平均坐标的一组历史坐标作为第一 迭代聚类操作的中心； 以及 基于所述第一迭代聚类操作。

6、的所述中心， 在所述迭代的至少一次迭代聚类操作之后获 取所述簇。 4.根据权利要求1至3中任一项所述的系统， 其中为了确定所述目标兴趣点的所述至少 一组目标坐标， 所述至少一个处理器还被指示为： 执行包括至少两次迭代聚类操作的迭代， 以确定所述目标兴趣点的所述至少一组目标 坐标中的一组目标坐标， 其中， 所述至少两次迭代聚类操作中的每次迭代聚类操作包括： 确定第一簇的一组平均坐标， 所述第一簇包括所述目标兴趣点的所述至少两个历史定 位记录中的所述至少两组历史坐标； 确定第二簇， 其中所述第二簇包括在所述第二簇的中心的预定距离内的历史坐标， 并 且所述第二簇的所述中心是最接近所述第一簇的所述一组。

7、平均坐标的一组历史坐标； 指定所述第二簇作为新的第一簇； 确定所述第二簇是否满足迭代停止条件； 以及 响应于确定所述第二簇满足所述迭代停止条件， 确定最接近所述第二簇的一组平均坐标的一组历史坐标作为所述目标兴趣点的所述 至少一组目标坐标中的一组目标坐标。 权利要求书 1/7 页 2 CN 110785751 A 2 5.根据权利要求4所述的系统， 其中在指定所述第二簇作为所述新的第一簇之前， 所述 至少一个处理器还被指示为： 确定所述第二簇是否满足预设置信度条件； 以及 响应于确定所述第二簇满足所述预设置信度条件， 指定所述第二簇为所述新的第一簇。 6.根据权利要求4所述的系统， 其中在指定所。

8、述第二簇作为所述新的第一簇之前， 所述 至少一个处理器还被指示为： 确定所述第二簇是否满足预设置信度条件； 以及 响应于确定所述第二簇不满足所述预设置信度条件， 从所述目标兴趣点的所述至少两个历史定位记录中删除所述第二簇中的所述历史坐 标。 7.根据权利要求5或6所述的系统， 其中所述预设置信度条件包括以下至少一个： 所述第二簇中的历史定位记录数量大于第一阈值； 所述第二簇中第一设定时长内的历史定位记录数量大于第二阈值； 或者 所述第二簇中第一设定时长内与所述历史定位记录相关的订单数量大于第三阈值。 8.根据权利要求5至7中任一项所述的系统， 其中所述至少一个处理器还被指示为： 基于业务模式确。

9、定所述业务模式的所述预设置信度条件。 9.根据权利要求4所述的系统， 其中所述迭代停止条件包括以下至少一个： 所述第二簇中的历史定位记录数量与所述新的第二簇中的历史定位记录数量相同； 迭代聚类操作数量大于第四阈值； 或者 所述第二簇的中心与所述新的第二簇的中心之间的距离小于距离阈值。 10.根据权利要求4所述的系统， 其中所述至少一个处理器还被指示为： 从所述目标兴趣点的所述至少两个历史定位记录中删除所述第二簇中的所述历史坐 标。 11.根据权利要求6或10所述的系统， 其中所述至少一个处理器还被指示为： 更新所述第一簇来执行所述中心聚类过程的所述至少一次迭代中的迭代， 直到所述第 一簇不满足。

10、预设置信度条件； 或者 获取新的目标兴趣点的至少两个历史定位记录， 以执行所述中心聚类过程的至少一次 迭代来确定所述新的目标兴趣点的至少一组目标坐标。 12.根据权利要求1所述的系统， 其中所述至少一个处理器还被指示为： 从用户的用户终端获取与所述目标兴趣点相关的关键词信息； 将所述目标兴趣点的至少一组目标坐标发送到所述用户终端； 从所述用户终端获取从至少一组目标坐标中选择的一组目标坐标； 以及 确定所述选择的一组目标坐标作为所述用户的起始位置或目的地。 13.一种用于确定兴趣点(POI)的系统， 包括： 至少一个存储介质， 包括用于确定所述兴趣点的一组指令； 以及 与所述存储介质通信的至少一。

11、个处理器， 其中， 当执行所述一组指令时， 所述至少一个 处理器被指示为： 获取定位点的一组坐标； 权利要求书 2/7 页 3 CN 110785751 A 3 获取包括至少两个兴趣点和所述至少两个兴趣点的基本信息的候选兴趣点集合， 其 中， 所述至少两个兴趣点在所述定位点的预定距离内； 确定所述候选兴趣点集合中所述至少两个兴趣点中每个兴趣点的至少两个特征； 以及 基于所述至少两个特征和机器学习模型， 从所述候选兴趣点集合中确定与所述定位点 相关的目标兴趣点。 14.根据权利要求13所述的系统， 其中所述至少两个兴趣点的所述基本信息包括所述 至少两个兴趣点中每个兴趣点的所述兴趣点的名称、 所述。

12、兴趣点的类别或所述兴趣点的ID 中的至少一个。 15.根据权利要求13或14所述的系统， 其中所述至少两个兴趣点中每个兴趣点的所述 至少两个特征包括以下至少一个： 从所述兴趣点到所述定位点的距离、 所述兴趣点名称的显示、 所述兴趣点地址的显示、 用户到达所述兴趣点的频率、 使用所述兴趣点作为至少两个打车服务的目的地的频率、 与 所述兴趣点相关的品牌、 与所述兴趣点相关的商店、 所述兴趣点是否具有父子节点、 所述兴 趣点是否包括面状数据或者在打车服务中所述兴趣点作为引导点与实际上车点之间的距 离。 16.根据权利要求13至15中任一项所述的系统， 其中所述机器学习模型包括分类模型。 17.根据权。

13、利要求13至16中任一项所述的系统， 其中为了确定所述目标兴趣点， 所述至 少一个处理器还被指示为： 对于所述候选兴趣点集合中的所述至少两个兴趣点中的每个兴趣点， 基于所述兴趣点 的所述至少两个特征和所述机器学习模型， 确定代表所述兴趣点是所述目标兴趣点的概 率； 以及 确定在所述候选兴趣点集合的所述至少两个兴趣点中具有最大概率的兴趣点作为所 述目标兴趣点。 18.根据权利要求17所述的系统， 其中对于所述至少两个兴趣点中的每个兴趣点， 为了 确定所述概率， 所述至少一个处理器还被指示为： 获取至少两个训练样本， 所述至少两个训练样本包括至少两组历史坐标和对应的所使 用的兴趣点； 基于所述至少。

14、两个训练样本训练所述机器学习模型； 以及 基于所述训练好的机器学习模型确定所述至少两个兴趣点中每个兴趣点的所述概率。 19.根据权利要求18所述的系统， 其中为了基于所述训练好的机器学习模型确定所述 至少两个兴趣点中每个兴趣点的所述概率， 所述至少一个处理器还被指示为： 对于所述至少两个兴趣点中的每个兴趣点， 基于所述训练好的机器学习模型和所述兴 趣点的所述至少两个特征确定所述概率， 而不参考所述至少两个兴趣点中任何其他兴趣点 的任何先前输出。 20.根据权利要求18所述的系统， 其中为了训练所述机器学习模型， 所述至少一个处理 器还被指示为： 修正所述至少两个训练样本以获取训练集合； 以及 。

15、基于所述训练集合训练所述机器学习模型。 21.根据权利要求20所述的系统， 其中为了修正所述至少两个训练样本， 所述至少一个 权利要求书 3/7 页 4 CN 110785751 A 4 处理器还被指示为： 自动删除所述至少两个训练样本中的错误数据， 其中所述错误数据包括用户选择的错 误兴趣点或兴趣点的错误特征。 22.根据权利要求13至20中任一项所述的系统， 其中所述至少一个处理器还被指示为： 将信号发送到与用户相关的终端， 以指示所述终端显示所述目标兴趣点。 23.一种用于确定兴趣点(POI)的位置的方法， 其在具有至少一个处理器和至少一个非 暂时性存储介质的计算设备上实现， 所述方法包。

16、括： 获取目标兴趣点的至少两个历史定位记录， 所述至少两个历史定位记录中的每个历史 定位记录包括一组目标兴趣点的历史坐标； 以及 通过对所述至少两个历史定位记录中的所述至少两组历史坐标执行中心聚类过程的 至少一次迭代， 来确定所述目标兴趣点的至少一组目标坐标， 其中 所述至少一组目标坐标中的每组目标坐标由所述中心聚类过程的所述至少一次迭代 中的迭代确定。 24.根据权利要求23所述的方法， 其中所述通过对所述至少两个历史定位记录中的所 述至少两组历史坐标执行中心聚类过程的至少一次迭代， 来确定所述目标兴趣点的至少一 组目标坐标包括： 对于所述中心聚类过程的所述至少一次迭代中的每次迭代， 在所述。

17、迭代的至少一次迭代聚类操作之后获取一个簇， 其中， 所述簇包括至少两个历 史候选定位记录； 以及 基于所述簇的所述至少两个历史候选定位记录， 确定最接近所述簇的中心的一组历史 坐标作为所述目标兴趣点的一组目标坐标。 25.根据权利要求24所述的方法， 其中所述在所述迭代的至少一次迭代聚类操作之后 获取一个簇包括： 在第一迭代中， 确定所述目标兴趣点的所述至少两个历史定位记录中的所述至少两组 历史坐标的一组平均坐标； 在所述至少两组历史坐标中， 确定最接近所述一组平均坐标的一组历史坐标作为第一 迭代聚类操作的中心； 以及 基于所述第一迭代聚类操作的所述中心， 在所述迭代的至少一次迭代聚类操作之后。

18、获 取所述簇。 26.根据权利要求23至25中任一项所述的方法， 其中所述通过对所述至少两个历史定 位记录中的所述至少两组历史坐标执行中心聚类过程的至少一次迭代， 来确定所述目标兴 趣点的至少一组目标坐标包括： 执行包括至少两次迭代聚类操作的迭代， 以确定所述目标兴趣点的所述至少一组目标 坐标中的一组目标坐标， 其中， 所述至少两次迭代聚类操作中的每次迭代聚类操作包括： 确定第一簇的一组平均坐标， 所述第一簇包括所述目标兴趣点的所述至少两个历史定 位记录中的所述至少两组历史坐标； 确定第二簇， 其中所述第二簇包括在所述第二簇的中心的预定距离内的历史坐标， 并 且所述第二簇的所述中心是最接近所述。

19、第一簇的所述一组平均坐标的一组历史坐标； 指定所述第二簇作为新的第一簇； 权利要求书 4/7 页 5 CN 110785751 A 5 确定所述第二簇是否满足迭代停止条件； 以及 响应于确定所述第二簇满足所述迭代停止条件， 确定最接近所述第二簇的一组平均坐 标的一组历史坐标作为所述目标兴趣点的所述至少一组目标坐标中的一组目标坐标。 27.根据权利要求26所述的方法， 其中在指定所述第二簇作为所述新的第一簇之前， 所 述方法还包括： 确定所述第二簇是否满足预设置信度条件； 以及 响应于确定所述第二簇满足所述预设置信度条件， 指定所述第二簇为所述新的第一簇。 28.根据权利要求26所述的方法， 其。

20、中在指定所述第二簇作为所述新的第一簇之前， 所 述方法还包括： 确定所述第二簇是否满足预设置信度条件； 以及 响应于确定所述第二簇不满足所述预设置信度条件， 从所述目标兴趣点的所述至少两个历史定位记录中删除所述第二簇中的所述历史坐 标。 29.根据权利要求27或28所述的方法， 其中所述预设置信度条件包括以下至少一个： 所述第二簇中的历史定位记录数量大于第一阈值； 所述第二簇中第一设定时长内的历史定位记录数量大于第二阈值； 或者 所述第二簇中第一设定时长内与所述历史定位记录相关的订单数量大于第三阈值。 30.根据权利要求27至29中任一项所述的方法， 还包括： 基于业务模式确定所述业务模式的所。

21、述预设置信度条件。 31.根据权利要求26所述的方法， 其中所述迭代停止条件包括以下至少一个： 所述第二簇中的历史定位记录数量与所述新的第二簇中的历史定位记录数量相同； 迭代聚类操作数量大于第四阈值； 或者 所述第二簇的中心与所述新的第二簇的中心之间的距离小于距离阈值。 32.根据权利要求26所述的方法， 还包括： 从所述目标兴趣点的所述至少两个历史定位记录中删除所述第二簇中的所述历史坐 标。 33.根据权利要求28或32所述的方法， 还包括： 更新所述第一簇来执行所述中心聚类过程的所述至少一次迭代中的迭代， 直到所述第 一簇不满足预设置信度条件； 或者 获取新的目标兴趣点的至少两个历史定位记。

22、录， 以执行所述中心聚类过程的至少一次 迭代来确定所述新的目标兴趣点的至少一组目标坐标。 34.根据权利要求23所述的方法， 还包括： 从用户的用户终端获取与所述目标兴趣点相关的关键词信息； 将所述目标兴趣点的至少一组目标坐标发送到所述用户终端； 从所述用户终端获取从至少一组目标坐标中选择的一组目标坐标； 以及 确定所述选择的一组目标坐标作为所述用户的起始位置或目的地。 35.一种用于确定兴趣点(POI)的方法， 在具有至少一个处理器和至少一个非暂时性存 储介质的计算设备上实现， 所述方法包括： 权利要求书 5/7 页 6 CN 110785751 A 6 获取定位点的一组坐标； 获取包括至少。

23、两个兴趣点和所述至少两个兴趣点的基本信息的候选兴趣点集合， 其 中， 所述至少两个兴趣点在所述定位点的预定距离内； 确定所述候选兴趣点集合中所述至少两个兴趣点中每个兴趣点的至少两个特征； 以及 基于所述至少两个特征和机器学习模型， 从所述候选兴趣点集合中确定与所述定位点 相关的目标兴趣点。 36.根据权利要求35所述的方法， 其中所述至少两个兴趣点的所述基本信息包括所述 至少两个兴趣点中每个兴趣点的所述兴趣点的名称、 所述兴趣点的类别或所述兴趣点的ID 中的至少一个。 37.根据权利要求35或36所述的方法， 其中所述至少两个兴趣点的所述至少两个特征 包括以下至少一个： 从所述兴趣点到所述定位。

24、点的距离、 所述兴趣点名称的显示、 所述兴趣点地址的显示、 用户到达所述兴趣点的频率、 使用所述兴趣点作为至少两个打车服务的目的地的频率、 与 所述兴趣点相关的品牌、 与所述兴趣点相关的商店、 所述兴趣点是否具有父子节点、 所述兴 趣点是否包括面状数据或者在打车服务中所述兴趣点作为引导点与实际上车点之间的距 离。 38.根据权利要求35至37中任一项所述的方法， 其中所述机器学习模型包括分类模型。 39.根据权利要求35至38中任一项所述的方法， 其中所述基于所述至少两个特征和机 器学习模型， 从所述候选兴趣点集合中确定与所述定位点相关的目标兴趣点包括： 对于所述候选兴趣点集合中的所述至少两个。

25、兴趣点中的每个兴趣点， 基于所述兴趣点 的所述至少两个特征和所述机器学习模型， 确定代表所述兴趣点是所述目标兴趣点的概 率； 以及 确定在所述候选兴趣点集合的所述至少两个兴趣点中具有最大概率的兴趣点作为所 述目标兴趣点。 40.根据权利要求39所述的方法， 其中对于所述至少两个兴趣点中的每个兴趣点， 所述 确定所述概率包括： 获取至少两个训练样本， 所述至少两个训练样本包括至少两组历史坐标和对应的所使 用的兴趣点； 基于所述至少两个训练样本训练所述机器学习模型； 以及 基于所述训练好的机器学习模型确定所述至少两个兴趣点中的每个兴趣点的所述概 率。 41.根据权利要求40所述的方法， 其中所述基。

26、于所述训练好的机器学习模型确定所述 至少两个兴趣点中的每个兴趣点的所述概率包括： 对于所述至少两个兴趣点中的每个兴趣点， 基于所述训练好的机器学习模型和所述兴 趣点的所述至少两个特征确定所述概率， 而不参考所述至少两个兴趣点中任何其他兴趣点 的任何先前输出。 42.根据权利要求40所述的方法， 其中所述基于所述至少两个训练样本训练所述机器 学习模型包括： 修正所述至少两个训练样本以获取训练集合； 以及 权利要求书 6/7 页 7 CN 110785751 A 7 基于所述训练集合训练所述机器学习模型。 43.根据权利要求42所述的方法， 其中所述修正所述至少两个训练样本以获取训练集 合包括： 。

27、自动删除所述至少两个训练样本中的错误数据， 其中所述错误数据包括用户选择的错 误兴趣点或兴趣点的错误特征。 44.根据权利要求35至42中任一项所述的方法， 还包括： 将信号发送到与用户相关的终端， 以指示所述终端显示所述目标兴趣点。 45.一种用于确定兴趣点(POI)位置的系统， 包括： 获取模块， 被配置为获取目标兴趣点的至少两个历史定位记录， 所述至少两个历史定 位记录中的每个历史定位记录包括一组目标兴趣点的历史坐标； 以及 处理模块， 被配置为通过对所述至少两个历史定位记录中的所述至少两组历史坐标执 行中心聚类过程的至少一次迭代， 来确定所述目标兴趣点的至少一组目标坐标， 其中 所述至。

28、少一组目标坐标中的每组目标坐标由所述中心聚类过程的所述至少一次迭代 中的迭代确定。 46.一种用于确定兴趣点(POI)的系统， 包括： 获取模块， 被配置为获取定位点的一组坐标； 候选兴趣点确定模块， 被配置为获取包括至少两个兴趣点和所述至少两个兴趣点的基 本信息的候选兴趣点集合， 其中， 所述至少两个兴趣点在所述定位点的预定距离内； 特征确定模块， 被配置为确定所述候选兴趣点集合中所述至少两个兴趣点中每个兴趣 点的至少两个特征； 以及 目标兴趣点确定模块， 被配置为基于所述至少两个特征和机器学习模型， 从所述候选 兴趣点集合中确定与所述定位点相关的目标兴趣点。 47.一种非暂时性计算机可读介。

29、质， 包括至少一组指令， 其中当由至少一个处理器执行 时， 所述至少一组指令指示所述至少一个处理器实现方法， 所述方法包括： 获取目标兴趣点(POI)的至少两个历史定位记录， 所述至少两个历史定位记录中的每 个历史定位记录包括一组目标兴趣点的历史坐标； 以及 通过对所述至少两个历史定位记录中的所述至少两组历史坐标执行中心聚类过程的 至少一次迭代， 来确定所述目标兴趣点的至少一组目标坐标， 其中 所述至少一组目标坐标中的每组目标坐标由所述中心聚类过程的所述至少一次迭代 中的迭代确定。 48.一种非暂时性计算机可读介质， 包括至少一组指令， 其中当由至少一个处理器执行 时， 所述至少一组指令指示所。

30、述至少一个处理器实现方法， 所述方法包括： 获取定位点的一组坐标； 获取包括至少两个兴趣点和所述至少两个兴趣点的基本信息的候选兴趣点(POI)集 合， 其中， 所述至少两个兴趣点在所述定位点的预定距离内； 确定所述候选兴趣点集合中所述至少两个兴趣点中每个兴趣点的至少两个特征； 以及 基于所述至少两个特征和机器学习模型， 从所述候选兴趣点集合中确定与所述定位点 相关的目标兴趣点。 权利要求书 7/7 页 8 CN 110785751 A 8 用于线上到线下服务的系统和方法 相关申请的交叉引用 0001 本申请要求于2018年5月31日提交的申请号为201810551267.8的中国专利申请以 及。

31、2018年6月27日提交的申请号为201810675073.9的中国专利申请的优先权， 其全部内容 通过引用结合于此。 技术领域 0002 本公开总体上涉及线上到线下服务， 尤其涉及用于确定与兴趣点(POI)匹配的位 置的系统和方法， 以及用于确定与位置匹配的POI的系统和方法。 背景技术 0003 打车应用(APP)为人们带来了很多便利。 用户可以通过打车APP输入或确认POI(例 如， 起始位置和/或目的地)， 并且可以确定POI对应的位置。 例如， 用户(例如， 乘客)可以使 用标针来确定在打车APP上显示的在地图上的位置。 又例如， 可以基于POI的名称自动确定 POI对应的位置。 服。

32、务提供者(例如， 司机)可以在与起始位置相关的POI对应的位置处接载 用户， 并且将用户带到与目的地相关的POI对应的位置。 然而， 在一些情况下， 所确定的POI 对应的位置可能远离POI对应的实际位置， 这可能使服务提供者难以找到正确的起始位置 和/或目的地。 0004 在定位过程中， 对于具有已知经纬度的定位点， 该定位点附近通常有很多POI。 例 如， POI可以是大楼、 商铺、 公交站等。 传统的POI确定方法是将地图划分为至少两个区块， 并 为一个区块内的所有定位点指定相同的POI， 或者选择最接近该定位点的POI。 确定与定位 点相关的POI的准确性通常是有问题的且需要改进。 0。

33、005 因此， 期望提供用于确定与已知POI准确匹配的位置的系统和方法， 以及用于准确 地确定与已知位置匹配的POI的系统和方法。 发明内容 0006 根据本公开的一个方面， 提供了一种用于确定兴趣点(POI)位置的系统。 所述系统 可以包括至少一个存储介质， 包括用于确定所述POI的所述位置的一组指令， 以及与所述存 储介质通信的至少一个处理器。 当执行所述一组指令时， 所述至少一个处理器可以被指示 为获取目标POI的至少两个历史定位记录。 所述至少两个历史定位记录中的每个历史定位 记录包括一组目标POI的历史坐标。 所述至少一个处理器还可以被指示为， 通过对所述至少 两个历史定位记录中的所。

34、述至少两组历史坐标执行中心聚类过程的至少一次迭代， 来确定 所述目标POI的至少一组目标坐标。 所述至少一组目标坐标中的每组目标坐标由所述中心 聚类过程的所述至少一次迭代中的迭代确定。 0007 在一些实施例中， 为了确定所述目标POI的所述至少一组目标坐标， 所述至少一个 处理器还可以被指示为， 对于所述中心聚类过程的所述至少一次迭代中的每次迭代， 在所 述迭代的至少一次迭代聚类操作之后获取一个簇。 所述簇可以包括至少两个历史候选定位 说明书 1/29 页 9 CN 110785751 A 9 记录。 所述至少一个处理器还可以被指示为基于所述簇的所述至少两个历史候选定位记 录， 确定最接近所。

35、述簇的中心的一组历史坐标作为所述目标POI的一组目标坐标。 0008 在一些实施例中， 对于所述中心聚类过程的所述至少一次迭代中的每次迭代， 为 了在所述迭代的所述至少一次迭代聚类操作后获取所述簇， 所述至少一个处理器还可以被 指示为， 在第一迭代中， 确定所述目标POI的所述至少两个历史定位记录中的所述至少两组 历史坐标的一组平均坐标。 所述至少一个处理器可以被指示为在所述至少两组历史坐标 中， 确定最接近所述一组平均坐标的一组历史坐标作为第一迭代聚类操作的中心， 以及基 于所述第一迭代聚类操作的所述中心， 在所述迭代的至少一次迭代聚类操作之后获取所述 簇。 0009 在一些实施例中， 为了。

36、确定所述目标POI的所述至少一组目标坐标， 所述至少一个 处理器还可以被指示为执行包括至少两次迭代聚类操作的迭代， 以确定所述目标POI的所 述至少一组目标坐标中的一组目标坐标。 所述至少两次迭代聚类操作中的每次迭代聚类操 作可以包括确定第一簇的一组平均坐标， 所述第一簇包括所述目标POI的所述至少两个历 史定位记录中的所述至少两组历史坐标， 以及确定第二簇。 所述第二簇包括在所述第二簇 的中心的预定距离内的历史坐标， 并且所述第二簇的所述中心是最接近所述第一簇的所述 一组平均坐标的一组历史坐标。 所述至少两次迭代聚类操作中的每次迭代聚类操作还可以 包括指定所述第二簇作为新的第一簇以及确定所述。

37、第二簇是否满足迭代停止条件。 所述至 少两次迭代聚类操作中的每次迭代聚类操作还可以包括响应于确定所述第二簇满足所述 迭代停止条件， 确定最接近所述第二簇的一组平均坐标的一组历史坐标作为所述目标POI 的所述至少一组目标坐标中的一组目标坐标。 0010 在一些实施例中， 在指定所述第二簇作为所述新的第一簇之前， 所述至少一个处 理器还可以被指示为确定所述第二簇是否满足预设置信度条件。 所述至少一个处理器还可 以被指示为响应于确定所述第二簇满足所述预设置信度条件， 指定所述第二簇为所述新的 第一簇。 0011 在一些实施例中， 在指定所述第二簇作为所述新的第一簇之前， 所述至少一个处 理器还可以被。

38、指示为确定所述第二簇是否满足预设置信度条件。 所述至少一个处理器还可 以被指示为响应于确定所述第二簇不满足所述预设置信度条件， 从所述目标POI的所述至 少两个历史定位记录中删除所述第二簇中的所述历史坐标。 0012 在一些实施例中， 所述预设置信度条件可以包括以下至少一个： 所述第二簇中的 历史定位记录数量大于第一阈值； 所述第二簇中第一设定时长内的历史定位记录数量大于 第二阈值； 或者， 所述第二簇中第一设定时长内与所述历史定位记录相关的订单数量大于 第三阈值。 0013 在一些实施例中， 所述至少一个处理器还可以被指示为基于业务模式确定所述业 务模式的所述预设置信度条件。 0014 在一。

39、些实施例中， 所述迭代停止条件可以包括以下至少一个： 所述第二簇中的历 史定位记录数量与所述新的第二簇中的历史定位记录数量相同； 迭代聚类操作数量大于第 四阈值； 或者所述第二簇的中心与所述新的第二簇的中心之间的距离小于距离阈值。 0015 在一些实施例中， 所述至少一个处理器还可以被指示为从所述目标POI的所述至 少两个历史定位记录中删除所述第二簇中的所述历史坐标。 说明书 2/29 页 10 CN 110785751 A 10 0016 在一些实施例中， 所述至少一个处理器还可以被指示为更新所述第一簇来执行所 述中心聚类过程的所述至少一次迭代中的迭代， 直到所述第一簇不满足预设置信度条件，。

40、 或者获取新的目标POI的至少两个历史定位记录， 以执行所述中心聚类过程的至少一次迭 代来确定所述新的目标POI的至少一组目标坐标。 0017 在一些实施例中， 所述至少一个处理器还可以被指示为从用户的用户终端获取与 所述目标POI相关的关键词信息， 并将所述目标POI的至少一组目标坐标发送到所述用户终 端。 在一些实施例中， 所述至少一个处理器还可以被指示为从所述用户终端获取从至少一 组目标坐标中选择的一组目标坐标， 以及确定所述选择的一组目标坐标作为所述用户的起 始位置或目的地。 0018 根据本公开的另一方面， 提供了一种用于确定兴趣点(POI)的系统。 所述系统可以 包括至少一个存储介。

41、质， 包括用于确定POI的一组指令， 以及与所述存储介质通信的至少一 个处理器， 其中， 当执行所述一组指令时， 所述至少一个处理器可以被指示为获取定位点的 一组坐标， 并获取包括至少两个POI和所述至少两个POI的基本信息的候选POI集合， 其中， 所述至少两个POI在所述定位点的预定距离内。 所述至少一个处理器还可以被指示为确定 所述候选POI集合中所述至少两个POI中每个POI的至少两个特征， 并基于所述至少两个特 征和机器学习模型， 从所述候选POI集合中确定与所述定位点相关的目标POI。 0019 在一些实施例中， 所述至少两个POI的所述基本信息包括所述至少两个POI中每个 POI。

42、的所述POI的名称、 所述POI的类别或所述POI的ID中的至少一个。 0020 在一些实施例中， 所述至少两个POI中每个POI的所述至少两个特征包括以下至少 一个： 从所述POI到所述定位点的距离、 所述POI名称的显示、 所述POI地址的显示、 用户到达 所述POI的频率、 使用所述POI作为至少两个打车服务的目的地的频率、 与所述POI相关的品 牌、 与所述POI相关的商店、 所述POI是否具有父子节点、 所述POI是否包括面状数据或者在 打车服务中所述POI作为引导点与实际上车点之间的距离。 0021 在一些实施例中， 所述机器学习模型可以包括分类模型。 0022 在一些实施例中， 。

43、为了确定所述目标POI， 所述至少一个处理器还可以被指示为对 于所述候选POI集合中的所述至少两个POI中的每个POI， 基于所述POI的所述至少两个特征 和所述机器学习模型， 确定代表所述POI是所述目标POI的概率。 所述至少一个处理器还可 以被指示为确定在所述候选POI集合的所述至少两个POI中具有最大概率的POI作为所述目 标POI。 0023 在一些实施例中， 对于所述至少两个POI中的每个POI， 为了确定所述概率， 所述至 少一个处理器还可以被指示为获取至少两个训练样本， 所述至少两个训练样本包括至少两 组历史坐标和对应的所使用的POI， 基于所述至少两个训练样本训练所述机器学习。

44、模型， 以 及基于所述训练好的机器学习模型确定所述至少两个POI中每个POI的所述概率。 0024 在一些实施例中， 为了基于所述训练好的机器学习模型确定所述至少两个POI中 每个POI的所述概率， 所述至少一个处理器还可以被指示为对于所述至少两个POI中的每个 POI， 基于所述训练好的机器学习模型和所述POI的所述至少两个特征确定所述概率， 而不 参考所述至少两个POI中任何其他POI的任何先前输出。 0025 在一些实施例中， 为了训练所述机器学习模型， 所述至少一个处理器还可以被指 示为修正所述至少两个训练样本以获取训练集合以及基于所述训练集合训练所述机器学 说明书 3/29 页 11。

45、 CN 110785751 A 11 习模型。 0026 在一些实施例中， 为了修正所述至少两个训练样本， 所述至少一个处理器还可以 被指示为自动删除所述至少两个训练样本中的错误数据， 其中所述错误数据包括用户选择 的错误POI或POI的错误特征。 0027 在一些实施例中， 所述至少一个处理器还可以被指示将信号发送到与用户相关的 终端， 以指示所述终端显示所述目标POI。 0028 根据又一示例， 提供了一种用于确定POI的方法。 所述方法可以在具有至少一个处 理器和至少一个非暂时性存储介质的计算设备上实现。 所述方法可以包括获取目标POI的 至少两个历史定位记录。 所述至少两个历史定位记录。

46、中的每个历史定位记录包括一组目标 POI的历史坐标。 所述方法还可以包括通过对所述至少两个历史定位记录中的所述至少两 组历史坐标执行中心聚类过程的至少一次迭代， 来确定所述目标POI的至少一组目标坐标。 所述至少一组目标坐标中的每组目标坐标由所述中心聚类过程的所述至少一次迭代中的 迭代确定。 0029 根据本公开的又一方面， 提供了一种用于确定兴趣点(POI)的方法。 所述方法可以 在具有至少一个处理器和至少一个非暂时性存储介质的计算设备上实现。 所述方法可以包 括获取定位点的一组坐标并获取包括至少两个POI和所述至少两个POI的基本信息的候选 POI集合。 所述至少两个POI在所述定位点的预。

47、定距离内。 所述方法还可以包括确定所述候 选POI集合中所述至少两个POI中每个POI的至少两个特征， 以及基于所述至少两个特征和 机器学习模型， 从所述候选POI集合中确定与所述定位点相关的目标POI。 0030 根据本公开的又一方面， 提供了一种用于确定POI的系统。 所述系统可以包括获取 模块， 被配置为获取目标POI的至少两个历史定位记录。 所述至少两个历史定位记录中的每 个历史定位记录包括一组目标POI的历史坐标。 所述系统还可以包括处理模块， 被配置为通 过对所述至少两个历史定位记录中的所述至少两组历史坐标执行中心聚类过程的至少一 次迭代， 来确定所述目标POI的至少一组目标坐标。。

48、 所述至少一组目标坐标中的每组目标坐 标由所述中心聚类过程的所述至少一次迭代中的迭代确定。 0031 根据本公开的又一方面， 提供了一种用于确定兴趣点(POI)的系统。 所述系统可以 包括获取模块， 被配置为获取定位点的一组坐标。 所述系统还可以包括候选POI确定模块， 被配置为获取包括至少两个POI和所述至少两个POI的基本信息的候选POI集合。 所述至少 两个POI在所述定位点的预定距离内。 所述系统还可以包括特征确定模块， 被配置为确定所 述候选POI集合中所述至少两个POI中每个POI的至少两个特征。 所述系统还可以包括目标 POI确定模块， 被配置为基于所述至少两个特征和机器学习模型。

49、， 从所述候选POI集合中确 定与所述定位点相关的目标POI。 0032 根据本公开的又一方面， 提供了一种非暂时性计算机可读介质。 所述非暂时性计 算机可读介质可以包括至少一组指令。 当由至少一个处理器执行时， 所述至少一组指令指 示所述至少一个处理器实现方法。 所述方法可以包括获取目标POI的至少两个历史定位记 录。 所述至少两个历史定位记录中的每个历史定位记录包括一组目标POI的历史坐标。 所述 方法还可以包括通过对所述至少两个历史定位记录中的所述至少两组历史坐标执行中心 聚类过程的至少一次迭代， 来确定所述目标POI的至少一组目标坐标。 所述至少一组目标坐 标中的每组目标坐标由所述中心。

50、聚类过程的所述至少一次迭代中的迭代确定。 说明书 4/29 页 12 CN 110785751 A 12 0033 根据本公开的又一方面， 提供了一种非暂时性计算机可读介质。 所述非暂时性计 算机可读介质可以包括至少一组指令。 当由至少一个处理器执行时， 所述至少一组指令指 示所述至少一个处理器实现方法。 所述方法可以包括获取定位点的一组坐标并获取包括至 少两个POI和所述至少两个POI的基本信息的候选POI集合。 所述至少两个POI在所述定位点 的预定距离内。 所述方法还可以包括确定所述候选POI集合中所述至少两个POI中每个POI 的至少两个特征， 以及基于所述至少两个特征和机器学习模型，。