[发明专利]一种基于用户行为的车辆目的地预测方法及系统

权利要求书

1.一种基于用户行为的车辆目的地预测方法，其特征在于，包括步骤：

当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；

云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆；

所述车辆目的地预测模型是云端服务器通过执行以下步骤训练获得：

针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；

对历史行驶轨迹数据进行离线数据预处理；

采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；

获得每个聚类的中心点作为该聚类的代表点；

将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；

将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量对应的终点位置作为输出数据，进而将输入数据和输出数据输入到逻辑回归模型中进行训练，最后获得该车辆的车辆目的地预测模型。

2.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述对历史行驶轨迹数据进行离线数据预处理的步骤，其具体为：

对历史行驶轨迹数据进行降噪，去除偏离点和冗余点。

3.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类的步骤，具体包括：

针对历史行驶轨迹数据中的所有终点，根据地球坐标系中的三角函数原理，计算任意两个终点之间的距离；

设定DBSCAN聚类算法的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；

采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类。

4.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述历史行驶轨迹数据包括出发时间、起点、终点，以及行驶过程中的GPS经纬度、GPS精度、GPS数量、车速、时间戳、行驶方向角、海拔。

5.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量的步骤，所抽取的特征包括：起点位置、具体出发时分、上午或下午、星期几以及一年中的第几周。

6.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，在采用DBSCAN聚类算法进行聚类的过程中，聚类准确率设定为90％。

7.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，在采用DBSCAN聚类算法进行聚类的过程中，通过调整所提取特征的数量或者调整所提取特征的类型进行算法优化。

8.一种基于用户行为的车辆目的地预测系统，其特征在于，包括车载模块和云端服务器，所述车载模块用于当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；

所述云端服务器用于采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆；

所述云端服务器包括云端模型训练模块，所述云端模型训练模块用于：

针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；

对历史行驶轨迹数据进行离线数据预处理；

采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；

获得每个聚类的中心点作为该聚类的代表点；

将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；

将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量对应的终点位置作为输出数据，进而将输入数据和输出数据输入到逻辑回归模型中进行训练，最后获得该车辆的车辆目的地预测模型。