行车好友的推荐方法、系统、电子设备和存储介质与流程

1.本发明涉及车辆物联网领域，尤其涉及一种行车好友的推荐方法、系统、电子设备和存储介质。


背景技术：

2.随着互联网的高速发展，以及手机等移动终端的普及，各种社交应用或具备社交功能的应用层出不穷，人们彼此间沟通的渠道也变得越来越快捷且丰富多彩。
3.目前，车辆用户之间也需要通过进一步的沟通，以满足拓展交际范围和人脉的需求。现有一般是采用社交软件，用户画像、距离、在线时间等来对车辆用户进行好友推荐。但是，这种推荐方式往往由于车辆用户间兴趣爱好不同、性格不合等原因导致交友失败，使得行车好友推荐的精准度不高，用户的体验感不佳。


技术实现要素：

4.本发明要解决的技术问题是为了克服现有技术中行车好友推荐的精准度不高的缺陷，提供一种行车好友的推荐方法、系统、电子设备和存储介质。
5.本发明是通过下述技术方案来解决上述技术问题：
6.本发明提供一种行车好友的推荐方法，所述推荐方法包括：
7.获取第一车辆的第一行车数据和第一用户数据；
8.获取第二车辆的第二行车数据和第二用户数据；
9.基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；
10.若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。
11.本发明还提供一种行车好友的推荐系统，所述推荐系统包括：
12.第一获取模块，用于获取第一车辆的第一行车数据和第一用户数据；
13.第二获取模块，用于获取第二车辆的第二行车数据和第二用户数据；
14.确定模块，用于基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；
15.推荐模块，用于若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。
16.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的行车好友的推荐方法。
17.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的行车好友的推荐方法。
18.本发明的积极进步效果在于：
19.本发明提供一种行车好友的推荐方法、系统、电子设备和存储介质，行车好友的推荐方法基于第一车辆的行车数据和第二车辆的行车数据，确定第一车辆和所述第二车辆的关联指数进行行车好友的推荐，使得能够依靠车辆作为媒介，在不同的场景进行好友推荐，从而提高行车好友推荐的精准度，进而提升用户的体验。
附图说明
20.图1为本发明实施例1的行车好友的推荐方法的流程图。
21.图2为本发明实施例1中的步骤s102中获取第二车辆的行车数据的步骤的流程图。
22.图3为本发明实施例1中的步骤s103的第一流程图。
23.图4为本发明实施例1中的步骤s103的第二流程图。
24.图5为本发明实施例2的行车好友的推荐系统的模块示意图。
25.图6为本发明实施例2中的第二获取模块2的模块示意图。
26.图7为本发明实施例2中的确定模块3的模块示意图。
27.图8为本发明实施例2中的第六获取单元34的模块示意图。
28.图9为本发明实施例3的电子设备的结构示意图。
具体实施方式
29.下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
30.实施例1
31.如图1所示，本实施例公开了一种行车好友的推荐方法，所述推荐方法包括：
32.步骤s101、获取第一车辆的第一行车数据和第一用户数据；
33.步骤s102、获取第二车辆的第二行车数据和第二用户数据；
34.具体地，第一行车数据和第二行车数据包括但不仅限于车辆的位置信息，行车轨迹，用户数据包括但不仅限于用户的姓名、年龄，每一辆车可对应一个用户，且用户可授权分享车辆的行车数据和用户数据至云端。
35.步骤s103、基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；
36.步骤s104、若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。
37.具体地，在将对应的第二用户作为行车好友推荐给第一用户时，可以通过车辆终端显示界面将推荐车辆信息和推荐理由进行展示，以使得用户更加直观地看到推荐的推荐车辆信息和推荐理由。
38.在本方案中，基于第一车辆的行车数据和第二车辆的行车数据，确定第一车辆和所述第二车辆的关联指数进行行车好友的推荐，使得能够依靠车辆作为媒介，在不同的场景进行好友推荐，从而提高行车好友推荐的精准度，进而提升用户的体验。
39.如图2所示，在一可实施的方式中，步骤s102中获取第二车辆的行车数据的步骤包括：
40.步骤s1021、获取所述第一车辆的位置信息；
41.步骤s1022、根据所述第一车辆的位置信息，获取预设范围的经纬度；
42.步骤s1023、获取所述第二车辆的经纬度；
43.步骤s1024、判断所述第二车辆的经纬度是否在预设范围的经纬度内，若是，则执行步骤s1025；若否，则不获取所述第二车辆的第二行车数据；
44.步骤s1025、获取所述第二车辆的第二行车数据。
45.具体地，第一车辆的位置和第二车辆的位置可以在车辆终端的显示屏中通过地图界面的形式进行显示。以第一车辆为中心，则能够在车辆终端的显示屏中的地图界面看到有多辆车显示在第一车辆周围。若第二车辆的经纬度在预设范围的经纬度内，则第二车辆可在车辆终端的显示屏的地图界面中显示。即根据第一辆车的位置，能够在云端查询到在地图范围内符合推荐标准的第二车辆。
46.在本方案中，一般情况下，两车相距的距离越小关联指数越高，通过获取预设范围的经纬度内的车辆作为第二车辆，进一步提高行车好友推荐的精准度，进而提升用户的体验。
47.在一可实施的方式中，若所述第二车辆为多辆，在步骤s103之后，所述推荐方法包括：
48.对所述关联指数从高到低进行排序；
49.所述预设条件包括所述关联指数属于排序最靠前的若干个。
50.具体地，当第二车辆为多辆车时，可以通过多辆车的关联指数按照从高到低进行排序，如，第一车辆为车辆a，第二车辆为5辆时，分别为车辆b、车辆c、车辆d、车辆e、车辆f，且车辆b、车辆c、车辆d、车辆e、车辆f与车辆a的关联指数对应为85、90、80、93、100，则关联指数从高到低进行排序为：车辆f、车辆e、车辆c、车辆b、车辆d。若预设条件为推荐关联指数排序最靠前的前3辆时，则应推荐车辆f的用户、车辆e的用户、车辆c的用户作为车辆a的行车好友。在推荐时，若该车辆的用户已是车辆a的用户的行车好友时，则不进行推荐。本方案，当第二车辆为多辆车时通过多辆车的关联指数按照从高到低进行排序，选取关联指数排序最靠前的若干个进行推荐，进一步提高行车好友推荐的精准度。
51.在一可实施的方式中，所述推荐方法还包括：
52.排序最靠前的若干个所述关联指数对应的第二用户按照预设规则来确定推荐顺序；
53.其中，所述预设规则包括当所述第一车辆和所述第二车辆的关联指数的差值大于第二预设阈值时，按照关联指数从大到小的顺序确定推荐顺序；
54.所述预设规则还包括当所述第一车辆和所述第二车辆的关联指数的差值小于第二预设阈值时，则根据其他推荐参数的来确定推荐顺序；
55.所述其他推荐参数包括所述第一车辆和所述第二车辆的车型匹配度、所述第一车辆和所述第二车辆的起点之间的距离和/或终点之间的距离、所述第一车辆和所述第二车辆的车辆操控的相似度、所述第一车辆和所述第二车辆的车辆播放多媒体信息的相似度。
56.具体地，其他推荐参数还包括用户的、用户的画像数据、车辆的型号、用户生活的区域等，如，社交应用的数据可以为用户在社交应用中发表的动态内容、用户的聊天内容等，用户的画像数据可以为用户的年龄、性别、生活的区域等。
57.本方案中，当第一车辆和所述第二车辆的关联指数的差值大于第二预设阈值时，
按照关联指数从大到小的顺序确定推荐顺序，当所述第一车辆和所述第二车辆的关联指数的差值小于第二预设阈值时，则根据其他推荐参数的来确定推荐顺序，通过预设不同的规则来对车辆进行推荐，并且还引入多种推荐参数，从而能够从多维度地考量用户的匹配度。
58.如图3所示，在一可实施的方式中，步骤s103包括：
59.步骤s10311、将所述行车数据按照时间段进行划分，以得到若干所述时间段的行车数据；
60.步骤s10312、获取每个所述时间段的关联指数；
61.步骤s10313、基于每个所述时间段的关联指数按照公式计算所述第一车辆和所述第二车辆的关联指数；
62.其中，x表征所述第一车辆和所述第二车辆的关联指数；i表征第i个时间段；xi表征每个所述时间段的关联指数；ki表征每个所述时间段的关联指数对应的衰减系数，且ki取值与i成负相关，0≤ki≤1。
63.在一具体的实施方式中，将行车数据按照24小时进行划分，得到5个时间段的行车数据，假设第一个24小时的关联指数为95且对应的衰减系数为1.0，第二个24小时的关联指数为90且对应的衰减系数为0.9，第三个24小时的关联指数为96且对应的衰减系数为0.8，第三个24小时的关联指数为86且对应的衰减系数为0.7，第四个24小时的关联指数为100且对应的衰减系数为0.6，第五个24小时的关联指数为96且对应的衰减系数为0.5，则对应的衰减系数为0.6，第五个24小时的关联指数为96且对应的衰减系数为0.5，则
64.本方案中，每个时间段的关联指数对应的衰减系数ki与时间的新鲜度成正比，即越靠近当前的时间，ki取值越大。
65.本方案中，通过对关联指数加入了时间的维度，不同时间段内的关联指数对应的衰减系数ki不同，从而进一步提高了行车好友推荐的精准度。
66.如图4所示，在一可实施的方式中，行车数据包括行车轨迹，步骤s103包括：
67.步骤s10321、基于所述第一车辆的行车轨迹和所述第二车辆的行车轨迹，获取相匹配的轨迹点的数量；
68.步骤s10322、根据所述数量，确定所述第一车辆和所述第二车辆的关联指数。
69.在一可实施的方式中，获取相匹配的轨迹点的数量的步骤包括：
70.获取第一坐标位置和第一行车时间；所述第一坐标位置为所述第一车辆的第一行车轨迹点的位置信息；所述第一行车时间为所述第一车辆的第一行车轨迹点对应的行车时间；
71.获取第二坐标位置和第二行车时间；所述第二坐标位置为所述第二车辆的第二行车轨迹点的位置信息；所述第一行车时间和所述第二行车时间相同；
72.基于所述第一坐标位置和所述第二坐标位置，确定所述第一车辆的第一行车轨迹点和所述第二车辆的第二行车轨迹点的距离；
73.若所述距离小于第三预设阈值，则确定所述第一车辆的第一行车轨迹点和所述第二车辆的第二行车轨迹点相匹配，并记录相匹配的轨迹点的数量。
74.具体地，若第一车辆的第一行车轨迹点和第二车辆的第二行车轨迹点的距离小于预设阈值，如，预设阈值为0.2m时，则确定第一车辆的第一行车轨迹点和第二车辆的第二行
车轨迹点相匹配，即认为第一车辆在第一行车轨迹点时与第二车辆同行或者擦肩而过。在一具体的实施例中，如从当天车辆a的行车数据中获知车辆a与车辆b相匹配的轨迹点的数量为83个，则假设关联指数为83。
75.在本方案中，通过两辆车相匹配的轨迹点的数量来确定关联指数，能够准确地获得两辆车的关联指数，从而进一步提高了行车好友推荐的精准度。
76.实施例2
77.如图5所示，本实施例公开了一种行车好友的推荐系统，所述推荐系统包括：
78.第一获取模块1，用于获取第一车辆的第一行车数据和第一用户数据；
79.第二获取模块2，用于获取第二车辆的第二行车数据和第二用户数据；
80.具体地，第一行车数据和第二行车数据包括但不仅限于车辆的位置信息，行车轨迹，用户数据包括但不仅限于用户的姓名、年龄，每一辆车可对应一个用户，且用户可授权分享车辆的行车数据和用户数据至云端。
81.确定模块3，用于基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；
82.推荐模块4，用于若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。
83.具体地，在将对应的第二用户作为行车好友推荐给第一用户时，可以通过车辆终端显示界面将推荐车辆信息和推荐理由进行展示，以使得用户更加直观地看到推荐的推荐车辆信息和推荐理由。
84.在本方案中，基于第一车辆的行车数据和第二车辆的行车数据，确定第一车辆和所述第二车辆的关联指数进行行车好友的推荐，使得能够依靠车辆作为媒介，在不同的场景进行好友推荐，从而提高行车好友推荐的精准度，进而提升用户的体验。
85.如图6所示，在一可实施的方式中，第二获取模块2包括：
86.第一获取单元21、获取所述第一车辆的位置信息；
87.第二获取单元22、根据所述第一车辆的位置信息，获取预设范围的经纬度；
88.第三获取单元23、获取所述第二车辆的经纬度；
89.判断单元24、判断所述第二车辆的经纬度是否在预设范围的经纬度内，若是，则调用第四获取单元；
90.第四获取单元25、用于获取所述第二车辆的第二行车数据。
91.具体地，第一车辆的位置和第二车辆的位置可以在车辆终端的显示屏中通过地图界面的形式进行显示。以第一车辆为中心，则能够在车辆终端的显示屏中的地图界面看到有多辆车显示在第一车辆周围。若第二车辆的经纬度在预设范围的经纬度内，则第二车辆可在车辆终端的显示屏的地图界面中显示。即根据第一辆车的位置，能够在云端查询到在地图范围内符合推荐标准的第二车辆。
92.在本方案中，一般情况下，两车相距的距离越小关联指数越高，通过获取预设范围的经纬度内的车辆作为第二车辆，进一步提高行车好友推荐的精准度，进而提升用户的体验。
93.在一可实施的方式中，若所述第二车辆为多辆，行车好友的推荐系统还包括：
94.排序模块5，用于对所述关联指数从高到低进行排序；
95.所述预设条件包括所述关联指数属于排序最靠前的若干个。
96.具体地，当第二车辆为多辆车时，可以通过多辆车的关联指数按照从高到低进行排序，如，第一车辆为车辆a，第二车辆为5辆时，分别为车辆b、车辆c、车辆d、车辆e、车辆f，且车辆b、车辆c、车辆d、车辆e、车辆f与车辆a的关联指数对应为85、90、80、93、100，则关联指数从高到低进行排序为：车辆f、车辆e、车辆c、车辆b、车辆d。若预设条件为推荐关联指数排序最靠前的前3辆时，则应推荐车辆f的用户、车辆e的用户、车辆c的用户作为车辆a的行车好友。在推荐时，若该车辆的用户已是车辆a的用户的行车好友时，则不进行推荐。本方案，当第二车辆为多辆车时通过多辆车的关联指数按照从高到低进行排序，选取关联指数排序最靠前的若干个进行推荐，进一步提高行车好友推荐的精准度。
97.在一可实施的方式中，所述推荐系统还包括：
98.推荐模块4，还用于排序最靠前的若干个所述关联指数对应的第二用户按照预设规则来确定推荐顺序；
99.其中，所述预设规则包括当所述第一车辆和所述第二车辆的关联指数的差值大于第二预设阈值时，按照关联指数从大到小的顺序确定推荐顺序；
100.所述预设规则还包括当所述第一车辆和所述第二车辆的关联指数的差值小于第二预设阈值时，则根据其他推荐参数的来确定推荐顺序；
101.所述其他推荐参数包括所述第一车辆和所述第二车辆的车型匹配度、所述第一车辆和所述第二车辆的起点之间的距离和/或终点之间的距离、所述第一车辆和所述第二车辆的车辆操控的相似度、所述第一车辆和所述第二车辆的车辆播放多媒体信息的相似度。
102.具体地，其他推荐参数还包括用户的、用户的画像数据、车辆的型号、用户生活的区域等，如，社交应用的数据可以为用户在社交应用中发表的动态内容、用户的聊天内容等，用户的画像数据可以为用户的年龄、性别、生活的区域等。
103.本方案中，当第一车辆和所述第二车辆的关联指数的差值大于第二预设阈值时，按照关联指数从大到小的顺序确定推荐顺序，当所述第一车辆和所述第二车辆的关联指数的差值小于第二预设阈值时，则根据其他推荐参数的来确定推荐顺序，通过预设不同的规则来对车辆进行推荐，并且还引入多种推荐参数，从而能够从多维度地考量用户的匹配度。
104.如图7所示，在一可实施的方式中，确定模块3包括：
105.划分单元31、将所述行车数据按照时间段进行划分，以得到若干所述时间段的行车数据；
106.第五获取单元32、获取每个所述时间段的关联指数；
107.计算单元33、基于每个所述时间段的关联指数按照公式计算所述第一车辆和所述第二车辆的关联指数；
108.其中，x表征所述第一车辆和所述第二车辆的关联指数；i表征第i个时间段；xi表征每个所述时间段的关联指数；ki表征每个所述时间段的关联指数对应的衰减系数，且ki取值与i成负相关，0≤ki≤1。
109.在一具体的实施方式中，将行车数据按照24小时进行划分，得到5个时间段的行车数据，假设第一个24小时的关联指数为95且对应的衰减系数为1.0，第二个24小时的关联指数为90且对应的衰减系数为0.9，第三个24小时的关联指数为96且对应的衰减系数为0.8，第三个24小时的关联指数为86且对应的衰减系数为0.7，第四个24小时的关联指数为100且
对应的衰减系数为0.6，第五个24小时的关联指数为96且对应的衰减系数为0.5，则对应的衰减系数为0.6，第五个24小时的关联指数为96且对应的衰减系数为0.5，则
110.本方案中，每个时间段的关联指数对应的衰减系数ki与时间的新鲜度成正比，即越靠近当前的时间，ki取值越大。
111.本方案中，通过对关联指数加入了时间的维度，不同时间段内的关联指数对应的衰减系数ki不同，从而进一步提高了行车好友推荐的精准度。
112.如图7所示，在一可实施的方式中，行车数据包括行车轨迹，确定模块3包括：
113.第六获取单元34、基于所述第一车辆的行车轨迹和所述第二车辆的行车轨迹，获取相匹配的轨迹点的数量；
114.确定单元35、根据所述数量，确定所述第一车辆和所述第二车辆的关联指数。
115.如图8所示，在一可实施的方式中，第六获取单元34包括：
116.第一获取子单元341，用于获取第一坐标位置和第一行车时间；所述第一坐标位置为所述第一车辆的第一行车轨迹点的位置信息；所述第一行车时间为所述第一车辆的第一行车轨迹点对应的行车时间；
117.第二获取子单元342，用于获取第二坐标位置和第二行车时间；所述第二坐标位置为所述第二车辆的第二行车轨迹点的位置信息；所述第一行车时间和所述第二行车时间相同；
118.第一确定子单元343，用于基于所述第一坐标位置和所述第二坐标位置，确定所述第一车辆的第一行车轨迹点和所述第二车辆的第二行车轨迹点的距离；
119.第二确定子单元344，用于若所述距离小于第三预设阈值，则确定所述第一车辆的第一行车轨迹点和所述第二车辆的第二行车轨迹点相匹配，并记录相匹配的轨迹点的数量。
120.具体地，若第一车辆的第一行车轨迹点和第二车辆的第二行车轨迹点的距离小于预设阈值，如，预设阈值为0.2m时，则确定第一车辆的第一行车轨迹点和第二车辆的第二行车轨迹点相匹配，即认为第一车辆在第一行车轨迹点时与第二车辆同行或者擦肩而过。在一具体的实施例中，如从当天车辆a的行车数据中获知车辆a与车辆b相匹配的轨迹点的数量为83个，则假设关联指数为83。
121.在本方案中，通过两辆车相匹配的轨迹点的数量来确定关联指数，能够准确地获得两辆车的关联指数，从而进一步提高了行车好友推荐的精准度。
122.实施例3
123.图9为本发明实施例3提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例1所提供的行车好友的推荐方法。图9显示的电子设备40仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
124.如图9所示，电子设备40可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备40的组件可以包括但不限于：上述至少一个处理器41、上述至少一个存储器42、连接不同系统组件(包括存储器42和处理器41)的总线43。
125.总线43包括数据总线、地址总线和控制总线。
126.存储器42可以包括易失性存储器，例如随机存取存储器(ram)421和/或高速缓存
存储器422，还可以进一步包括只读存储器(rom)423。
127.存储器42还可以包括具有一组(至少一个)程序模块424的程序/实用工具425，这样的程序模块424包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
128.处理器41通过运行存储在存储器42中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1所提供的行车好友的推荐方法。
129.电子设备40也可以与一个或多个外部设备44(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口45进行。并且，模型生成的设备40还可以通过网络适配器46与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器46通过总线43与模型生成的设备40的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备40使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
130.应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
131.实施例4
132.本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1所提供的行车好友的推荐方法。
133.其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
134.在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1所提供的行车好友的推荐方法。
135.其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
136.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

技术特征：
1.一种行车好友的推荐方法，其特征在于，所述推荐方法包括：获取第一车辆的第一行车数据和第一用户数据；获取第二车辆的第二行车数据和第二用户数据；基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。2.如权利要求1所述的行车好友的推荐方法，所述获取第二车辆的行车数据的步骤包括：获取所述第一车辆的位置信息；根据所述第一车辆的位置信息，获取预设范围的经纬度；获取所述第二车辆的经纬度；判断所述第二车辆的经纬度是否在预设范围的经纬度内，若是，则获取所述第二车辆的第二行车数据。3.如权利要求1所述的行车好友的推荐方法，若所述第二车辆为多辆，则在所述确定所述第一车辆和所述第二车辆的关联指数的步骤之后，所述推荐方法还包括：对所述关联指数从高到低进行排序；所述预设条件包括所述关联指数属于排序最靠前的若干个。4.如权利要求3所述的行车好友的推荐方法，所述推荐方法还包括：排序最靠前的若干个所述关联指数对应的第二用户按照预设规则来确定推荐顺序；其中，所述预设规则包括当所述第一车辆和所述第二车辆的关联指数的差值大于第二预设阈值时，按照关联指数从大到小的顺序确定推荐顺序；所述预设规则还包括当所述第一车辆和所述第二车辆的关联指数的差值小于第二预设阈值时，则根据其他推荐参数的来确定推荐顺序；所述其他推荐参数包括所述第一车辆和所述第二车辆的车型匹配度、所述第一车辆和所述第二车辆的起点之间的距离和/或终点之间的距离、所述第一车辆和所述第二车辆的车辆操控的相似度、所述第一车辆和所述第二车辆的车辆播放多媒体信息的相似度。5.如权利要求1所述的行车好友的推荐方法，所述基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数的步骤包括：将所述行车数据按照时间段进行划分，以得到若干所述时间段的行车数据；获取每个所述时间段的关联指数；基于每个所述时间段的关联指数按照公式计算所述第一车辆和所述第二车辆的关联指数；其中，x表征所述第一车辆和所述第二车辆的关联指数；i表征第i个时间段；x
i
表征每个所述时间段的关联指数；k
i
表征每个所述时间段的关联指数对应的衰减系数，且k
i
取值与i成负相关，0≤k
i
≤1。6.如权利要求1所述的行车好友的推荐方法，所述行车数据包括行车轨迹，所述基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数的步
骤包括：基于所述第一车辆的行车轨迹和所述第二车辆的行车轨迹，获取相匹配的轨迹点的数量；根据所述数量，确定所述第一车辆和所述第二车辆的关联指数。7.如权利要求6所述的行车好友的推荐方法，所述获取相匹配的轨迹点的数量的步骤包括：获取第一坐标位置和第一行车时间；所述第一坐标位置为所述第一车辆的第一行车轨迹点的位置信息；所述第一行车时间为所述第一车辆的第一行车轨迹点对应的行车时间；获取第二坐标位置和第二行车时间；所述第二坐标位置为所述第二车辆的第二行车轨迹点的位置信息；所述第一行车时间和所述第二行车时间相同；基于所述第一坐标位置和所述第二坐标位置，确定所述第一车辆的第一行车轨迹点和所述第二车辆的第二行车轨迹点的距离；若所述距离小于第三预设阈值，则确定所述第一车辆的第一行车轨迹点和所述第二车辆的第二行车轨迹点相匹配，并记录相匹配的轨迹点的数量。8.一种行车好友的推荐系统，其特征在于，所述推荐系统包括：第一获取模块，用于获取第一车辆的第一行车数据和第一用户数据；第二获取模块，用于获取第二车辆的第二行车数据和第二用户数据；确定模块，用于基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；推荐模块，用于若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的行车好友的推荐方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的行车好友的推荐方法。

技术总结
本发明公开了一种行车好友的推荐方法、系统、电子设备和存储介质，所述推荐方法包括：获取第一车辆的第一行车数据和第一用户数据；获取第二车辆的第二行车数据和第二用户数据；基于所述第一行车数据和所述第二行车数据，确定所述第一车辆和所述第二车辆的关联指数；若所述关联指数符合预设条件，则将对应的所述第二用户作为行车好友推荐给所述第一用户。本发明能够依靠车辆作为媒介，在不同的场景进行好友推荐，从而提高行车好友推荐的精准度，进而提升用户的体验。升用户的体验。升用户的体验。


技术研发人员：方建伟
受保护的技术使用者：上海博泰悦臻网络技术服务有限公司
技术研发日：2022.01.29
技术公布日：2023/8/9