[发明专利]一种基于用户出行大数据进行出行方式推荐的方法及系统

说明书

一种基于用户出行大数据进行出行方式推荐的方法及系统，所述方法包括：获取目标用户的当前出行信息，当前出行信息包括起点信息、终点信息、出行方式和出发时间；获取目标用户的社会信息和历史出行信息，所述历史出行信息包括出行方式、出行路线、出行时间；基于所述历史出行信息，判断用户类型，所述用户类型包括第一类用户和第二类用户；基于所述用户类型、社会信息和历史出行信息，确定所述目标用户的聚类模型，所述聚类模型包括第一聚类模型和第二聚类模型；基于所述聚类模型和所述当前出行信息，确定所述目标用户的类内策略集合；基于所述类内策略集合，向目标用户推荐出行方式。本申请提供的方法能够满足为目标用户提供出行建议的需求。

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于用户出行大数据进行出行方式推荐的方法及系统。

背景技术

随着用车服务(例如，网约车、租车等)越来越普遍，用户面对功能相似但产品逻辑不同的出行产品时，会表现出不同的喜好。而这些喜好，受到不同城市、不同时间、不同运力等周围环境的影响，会呈现出不同的结果并最终导致用户的出行需求的满足率高低不同。如何提升用户的需求满足率，即当用户在平台提出发单请求的时候尽可能的得到满足，是非常重要的。

在现有技术中，传统的出行推荐仅局限于利用用户的历史出行数据进行出行方式推荐。但当用户做出出行方式的选择后，却无法为用户推荐当前时空环境下的最优出行方式。此外，对于一些没有历史出行数据，或历史出行数据较少的用户来说，无法基于其历史出行数据进行出行方式推荐。因此，对用户进行聚类并针对不同类型的客户，使用不同的用户数据进行进一步分析，对于扩大出行方式推荐的适用范围是非常重要的。

发明内容

针对现有技术中不能针对用户当前出行方式为用户推荐最优出行方式和为历史出行数据较少的用户进行出行方式推荐的问题，本发明的目的在于提供一种通过聚类模型进行用户分类，并基于分类后的类内产品流转图进行最短距离搜索以推荐出行方式的方法。基于历史出行数据对聚类模型进行训练，并基于该历史出行数据构建类内产品流转图，基于该类内产品流转图和用户当前出行方式为用户推荐最优出行方式。进一步地，可以基于用户实时所处的时空环境，即所处城市各个出行产品的实时供需情况，提高用户的出行需求满足率。

第一方面，本发明披露了一种基于用户出行大数据进行出行方式推荐的方法。该方法包括：获取目标用户的当前出行信息，当前出行信息包括起点信息、终点信息和出发时间；获取目标用户的社会信息和历史出行信息，所述历史出行信息包括出行方式、出行路线、出行时间；基于所述历史出行信息，判断用户类型，所述用户类型包括第一类用户和第二类用户；基于所述用户类型、社会信息和历史出行信息，确定所述目标用户的聚类模型，所述聚类模型包括第一聚类模型和第二聚类模型；基于所述聚类模型和所述当前出行信息，确定所述目标用户的类内策略集合；基于所述类内策略集合，向目标用户推荐出行方式。

在一些实施例中，所述基于所述历史出行信息，判断用户类型，所述用户类型包括第一类用户和第二类用户包括：当所述历史出行信息的量大于或等于第一阈值时，判断所述目标用户为第一类用户；当所述历史出行信息的量小于第一阈值时，判断所述目标用户为第二类用户。

在一些实施例中，所述基于所述用户类型、社会信息和历史出行信息，确定所述目标用户的聚类模型，所述聚类模型包括第一聚类模型和第二聚类模型包括：当所述目标用户为第一类用户时，基于所述出行信息，确定所述目标用户所属的第一聚类模型；当所述目标用户为第二类用户时，基于所述社会信息，确定所述目标用户所属的第二聚类模型。

在一些实施例中，所述第一聚类模型和第二聚类模型通过聚类算法得到。

在一些实施例中，所述第一聚类模型和第二聚类模型通过聚类算法得到包括：基于出行平台，获取多个用户的历史出行信息和社会信息；基于所述历史出行信息，使用X平均算法聚类得到一个或多个第一聚类模型；基于所述社会信息，使用X平均算法聚类得到一个或多个第二聚类模型。