[发明专利]一种基于特征挖掘算法的个性化出行路线推荐方法

说明书

本发明涉及一种基于特征挖掘算法的个性化出行路线推荐方法，包括如下步骤：步骤一、搜集用户基本信息,建立用户数据信息数据库；步骤二、对用户的信息进行分析，建立用户特征模型；步骤三、为用户推荐个性化出行路线,该方法通过将数据分析技术和深度学习技术的结合，基于数据挖掘算法尽可能的发掘用户兴趣特征，提升推荐结果的个性化和满意度，将行驶过的路线加入到检索结果中，再通过用户的反馈进行深度学习，从而得到更加符合用户需求的路径规划结果。同时不仅能记录用户保存行驶过的出行路线，供用户下一次出行时直接使用，还能在准备返程时根据对系统最终推荐的个性化去程路线进行分析直接推送出返程路线，便于用户返程时直接使用。

技术领域

本发明属于个性化路线设定技术领域，具体涉及一种基于特征挖掘算法的个性化出行路线推荐方法。

背景技术

随着移动互联网地图的出现，极大程度地方便了人们的出行，然而面对海量增长的地图数据，信息过量成为最直接问题，提高用户个性化体验的需求变的十分迫切。传统的旅游出行平台存在着推荐路线过多且没有针对性，不具备路线记录功能，也没有返程路线规划等功能，本发明参考传统的路线推荐方法，基于数据分析技术、深度学习技术、人工智能技术等提出一种结合用户习惯、行车轨迹、出行信息等信息的偏向个人喜好的个性化路线推荐方法，利用特征挖掘算法挖掘出车主常用路线信息，为用户提供合适的路线信息。根据挖掘的路线信息,搜索用户历史记录,基于用户特征模型，分析出用户的出行习惯，为用户推荐路线,将路径推荐结果等信息输入到数据库,根据用户需求是否记录并且保存路线以供多次使用，并且通过算法中的关联方法对返程路线进行关联性分析，以便用户直接调用。

目前传统的旅游出行平台主要运用一些路径规划的算法来规划出行路线，并不具备针对性，随着人们生活水平的提高，用户不在只想要单一的路线推荐，而是希望得到更加符合个人喜好的“专属”出行路线推荐。

发明内容

为了克服现实中路况、环境、用户合适度等问题，本发明设计了一种基于特征挖掘算法的个性化出行路线推荐方法。

本发明所述的基于特征挖掘算法的个性化出行路线推荐方法，包括如下步骤：

步骤一、搜集用户基本信息,建立用户数据信息数据库；

步骤二、对用户的信息进行分析，建立用户特征模型；

步骤三、为用户推荐个性化出行路线。

进一步的，：所述步骤一、搜集的用户基本信息包括记录用户出行车辆路线、用户个人信息、环境信息。

进一步的，所述步骤二、对用户的信息进行分析，建立用户特征模型的具体过程是：

步骤1、将收集到的数据信息划分m个不相关的数据块，并发送到n个节点中；通过公示(1)产生全局的候选频繁项集

式中：Op全局的候选频繁项集；∑z为数据格式化因子；m*n为将m划分为n个不相关的数据块；x为局部频繁项集；

上述局部频繁项集的获取过程是：将收集到的数据设为项集C＝{A，B， C，D}，其中A，B，C，D分别代表“时间段”，“天气情况”,“道路情况”，”交通信息”等信息，A，B，C，D每个数据集又分为局部数据项集，例如：A＝{A₁，A₂，A₃，…A_n}，其中A₁，A₂，A₃，A₄分别代表“晴天”“多云”“大雾”“小雨”“大雨”“雪天”等情况，假设最小支持度为 0.4，对局部数据集进行扫描，得到局部频繁数据集如：A_x＝{A₁，A₃，A₅}，生成局部频繁项集X＝{A_x，B_x，C_x，D_x}。