[发明专利]一种共享自动驾驶汽车合乘意愿因素的分析判断方法

权利要求书

1.一种共享自动驾驶汽车合乘意愿因素的分析判断方法，包括分析系统和采用分析系统的数据收集终端，其特征在于，包括以下步骤：

S1：通过数据收集平台、数据收集终端，对合乘用户进行数据收集，收集自动驾驶汽车合乘意愿因素的数据；

S2：数据收集期间，用户可通过数据收集终端或相相关联的平台响应数据收集，分析系统对收集到的数据进行清洗、处理和标准化，用于后续的分析和建模；

S3：从数据中心提取不同数据源的合乘意愿相关的特征，基于收集到的数据和特征，将不同数据源和特征进行融合，并结合车辆的当前状态数据，分析获得合乘决策数据；

S4：整合数据，并建立共享自动驾驶汽车合乘意愿的分析判断模型；

S5：对建立的模型进行评估后，将分析的结构进行可视化展示，实现对合乘意愿因素的分析判断。

2.根据权利要求1所述的共享自动驾驶汽车合乘意愿因素的分析判断方法，其特征在于，所述分析系统包括：

中心部署模块，用于系统集成和部署，并用于实现通过有线或无线方式实现数据通信；

接口模块，用于通过有线或者无线方式，使智能终端与系统相连接，并实现数据传输；

数据综合采集模块，用于采集相关数据源，包括车辆实时位置、交通流量、天气情况以及车内环境信息和乘客偏好数据；

数据融合模块，用于将不同数据源和特征进行融合，提高对共享自动驾驶汽车合乘意愿因素的分析和判断准确度；

合乘意愿因素分析模块：该模块负责使用机器学习算法，分析采集到的数据，得到乘客的合乘意愿因素；包括出行时间、目的地、路线、费用；

合乘意愿判断模块：该模块根据乘客的合乘意愿因素，结合车辆的当前状态和其他外部因素，进行合乘意愿的判断以确定是否能够实现合乘；

合乘决策模块：该模块根据合乘意愿的判断结果，结合车辆的当前状态和其他外部因素，进行最终的合乘决策；

数据预处理模块：用于对原始数据进行清洗、去重、填补缺失值和特征提取预处理操作，以提高后续分析的效果和准确度；

模型训练评估模块：用于对预处理后的数据进行模型训练和评估；

推荐服务模块：用于根据模型预测结果，为乘客推荐合适的合乘服务；

其中，所述接口模块通过所述中心部署模块与所述数据综合采集模块相连接，所述数据综合采集模块通过所述数据处理模块与所述数据融合模块相连接，所述数据融合模块通过所述模型训练评估模块依次连接所述意愿因素分析模块、意愿判断模块和意愿决策模块。

3.根据权利要求2所述的共享自动驾驶汽车合乘意愿因素的分析判断方法，其特征在于，模型训练评估模块的子模块包括模型选择模块、模型训练模块、模型评估模块和模型优化模块；

所述数据预处理模块包括处理转化模块、数据清洗模块、特征提取模块和特征选择模块。

4.根据权利要求2所述的共享自动驾驶汽车合乘意愿因素的分析判断方法，其特征在于，数据预处理模块和数据综合采集模块连接用于实现数据采集和预处理，具体流程为：

首先收集和整理共享自动驾驶汽车相关的数据，包括车辆信息和车内环境信息乘客信息，并进行数据清洗、去重填补缺失值和特征提取预处理操作；

数据融合模块和模型训练评估模块训练获得模型的流程为：

使用经典的机器学习模型或者深度学习模型，对预处理后的数据进行模型训练和评估，其中，具体采用交叉验证或者留出法，将数据集分为训练集和测试集，并根据不同的模型和算法进行训练和评估，以得到最优的模型。

5.根据权利要求2所述的共享自动驾驶汽车合乘意愿因素的分析判断方法，其特征在于，意愿决策模块和意愿判断模块还用于实现推荐服务，用于实现推荐效果和提高用户体验；

推荐服务实现的流程为：

根据模型的预测结果和用户的偏好，选择相应的推荐算法和模型，设计推荐策略和推荐服务的实现方法，用以满足用户的需求，其中，推荐算法具体采用基于内容的推荐、协同过滤推荐或者深度学习推荐算法。