[发明专利]一种基于车辆历史轨迹的个性化路线推荐方法

说明书

本发明公开了一种基于车辆历史轨迹的个性化路线推荐方法，该方法是：首先建立一个分场景路径时间预测模型，热门路径采用KNN预测，非热门路径采用GBDT算法预测；接着，采用最优化的思想，利用梯度下降方法建模用户偏好；最后根据用户偏好进行个性化推荐。推荐过程中，一方面，本发明将协同过滤思想引入了进来，通过寻找相似的用户，利用相似用户的历史轨迹进行推荐；另一方面，我们也可以将其认为是一个导航问题，只不过不是普通导航，而是一个个性化导航，此时，建立一个多权重道路网图，在这个多权重路网图上，根据用户偏好向量，利用迪杰斯特拉算法求得一条总开销最小的路径，即最满足用户偏好的路径。

技术领域

本发明涉及智能交通以及数据挖掘领域，尤其是指一种基于车辆历史轨迹的个性化路线推荐方法。

背景技术

随着智能手机、全球定位系统(Global Positioning System，GPS)设备、物联网通信、WIFI等定位技术的迅速发展和广泛普及，基于位置的信息服务得到了迅猛发展。路径导航作为智能交通的重要组成部分，在我们的日常生活中伴有重要角色，目前市面上已经涌现出了很多优秀的导航软件，比如高德，凯立德，百度地图等等。这些导航软件通过精准的定位可以给人们提供非常详细的导航信息，极大地方便了人们出行。然而随着科学技术不断发展，人们生活水平的不断提高，现在人们已经不再满足于一种“一视同仁”的导航服务了，而更希望获得一种“量身定做”的路径导航体验，个性化路线推荐成为大势所趋。

现在人们出行时，除了考虑距离、时间情况外，还有可能会考虑油耗、拥堵情况、收费情况、路面整洁情况、红绿灯情况甚至路径上是否有上下坡等等情况。众多的考虑因素，对应了不同的偏好人群。如果能有效的捕获用户的驾驶偏好，从而进行一个“量身定做”的出行路线推荐，那么人们出行的导航服务体验将会得到一个质的提升。

轨迹挖掘作为数据挖掘技术在智能交通中一个最典型的应用，已经成功被应用到了城市热点发现，出租车乘客发现等领域，并取得了不错效果。基于轨迹的个性化路线推荐作为近两年的一个研究热点，已有不少人开始研究。大家的主要研究点为：1)如何准确的预测出用户在某条路径的动态开销值(动态，就是随着时间变化而不固定的值，比如时间，油耗等)，从而便于建模用户偏好；2)寻找出一种好的建模用户偏好的方法，能够准确建模用户驾驶偏好；3)根据用户偏好情况，进行个性化推荐。

本专利针对个性化路线推荐问题，提出了自己的解决方法。首先建立一个分场景路径时间预测模型，热门路径采用KNN预测，非热门路径采用GBDT算法预测；接着，采用最优化的思想，利用梯度下降方法建模用户偏好；最后根据用户偏好进行个性化推荐。推荐过程中，一方面，本专利将协同过滤思想引入了进来，通过寻找相似的用户，利用相似用户的历史轨迹进行推荐；另一方面，我们也可以将其认为是一个导航问题，只不过不是普通导航，而是一个个性化导航，此时，建立一个多权重道路网图，在这个多权重路网图上，根据用户偏好向量，利用迪杰斯特拉算法求得一条总开销最小的路径，即最满足用户偏好的路径。

发明内容

本发明的目的在于对现有的导航软件做一个补充，提出了一种基于车辆历史轨迹的个性化路线推荐方法。本发明首先提出自己的时间预测模型，接着分场景建模用户偏好，最后从两方面实现个性化推荐，一方面利用协同过滤思想寻找相似用户，利用相似用户轨迹进行推荐；另一方面，根据偏好向量在路网图上导航出最满足偏好的路径。第一种情况适用于有相似用户以及有相应历史轨迹的情况；第二种情况适用于没有相应历史轨迹的情况。

为实现上述目的，本发明所提供的技术方案为：一种基于车辆历史轨迹的个性化路线推荐方法，包括以下步骤：

1)对轨迹数据进行预处理：包括轨迹恢复、轨迹分割、去除浮动点、地图匹配等；

2)分场景进行路径时间预测，热门路径采用KNN算法预测，非热门路径采用GBDT预测模型；

3)获取用户每条轨迹相对偏好，并对用户所有轨迹根据其相对偏好进行聚类，获得用户偏好场景；