[發(fā)明專利]一種基于車聯(lián)網(wǎng)數(shù)據(jù)的用戶出行喜好分析方法

在審

• 申請?zhí)枺?/td>: 201611193271.9
• 申請日: 2016-12-21
• 公開（公告）號: CN106777169A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 張年超;耿文童;李旭
• 申請（專利權(quán)）人: 北京車網(wǎng)互聯(lián)科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司11401
• 代理人: 巴曉艷

技術(shù)領(lǐng)域

本發(fā)明屬于車聯(lián)網(wǎng)技術(shù)領(lǐng)域，具體涉及一種基于車聯(lián)網(wǎng)數(shù)據(jù)的用戶出行喜好分析方法。

背景技術(shù)

進入21世紀，隨著信息技術(shù)的快速發(fā)展，物聯(lián)網(wǎng)技術(shù)的研究取得了很大的進展。在物聯(lián)網(wǎng)的發(fā)展浪潮中，車聯(lián)網(wǎng)應(yīng)運而生。在車聯(lián)網(wǎng)發(fā)展的這幾年，城市的交通系統(tǒng)正在向著智能化、安全化、全面化邁進。車聯(lián)網(wǎng)承載了車與車(V2V)、車與路(V2R)、車與網(wǎng)(V2I)、車與人(V2H)等的互聯(lián)互通，隨著車聯(lián)網(wǎng)的廣泛普及，汽車除了對溫度、壓力、位置、轉(zhuǎn)速、加速度和振動等各種信息進行實時、準確的測量和控制外，還需要兼顧更多要素——天氣狀況、污染指數(shù)、附近加油站等，以及駕駛員的駕駛水平、出行規(guī)律、出行喜好等。車聯(lián)網(wǎng)的重心逐漸由“以路為本”向“以人為本”轉(zhuǎn)移。因此，“車與人”進行互聯(lián)互通的方式以及二者關(guān)聯(lián)后能夠產(chǎn)生的應(yīng)用價值逐漸引起人們的關(guān)注。

近年來，我國機動車保有量持續(xù)增長，伴隨著車聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，基于機動車駕駛者的數(shù)據(jù)的量級逐漸增大，而在車主的出行喜好方面的研究還不是很多，一方面，車聯(lián)網(wǎng)行業(yè)希望通過基于用戶出行行為的數(shù)據(jù)分析用戶的出行喜好，以此對用戶進行深入了解，挖掘潛在需求，另一方面，用戶希望自身產(chǎn)生的數(shù)據(jù)能對他們自己起到指導(dǎo)建議作用。然而，目前行業(yè)內(nèi)基于車聯(lián)網(wǎng)時空數(shù)據(jù)對用戶出行喜好進行深度挖掘的研究尚且處于起步階段，仍有大量研究工作有待完成。

用戶駕車出行時會產(chǎn)生大量具有空間和時間屬性的數(shù)據(jù)，用戶通常會驅(qū)車前往各種具有不同屬性的地理區(qū)域，停留不同的時長。從這類數(shù)據(jù)中我們可以分析用戶駕車出行喜好，在某一時間區(qū)間內(nèi)，根據(jù)用戶駕車的時段和駐留的時長做出分析，推知其在概率上的興趣點分布，并由此可做一些延伸的應(yīng)用。基于用戶在某一時間段內(nèi)出行所產(chǎn)生的時間、空間數(shù)據(jù)，描繪其可能的興趣分布，旨在刻畫用戶工作時段之外的出行喜好。針對用戶個人可做縱向分析，即分析某用戶更喜歡類型A抑或是類型B；針對用戶群體可做橫向比較，即對于同一類型的POI點，用戶甲和用戶乙誰表現(xiàn)出了更大的興趣。

分析車主的出行喜好，可以使得我們更深入地了解用戶，而非僅僅局限于用戶自身所能提供的如年齡、性別等的基礎(chǔ)數(shù)據(jù)。基于此，我們能夠在各行業(yè)進行深度應(yīng)用。如在保險行業(yè)，不同于對用戶駕駛行為的評價，用戶的出行喜好展現(xiàn)了一個車主更多維度的信息，通過對這些信息進行整合與分析，可以對保險的定價提供更加完備的參考方案。進一步地，通過分析用戶的出行喜好，可以幫助我們深度了解用戶，挖掘用戶基于各種POI類型的潛在需求，從而為用戶提供更加個性化的服務(wù)。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供一種基于車聯(lián)網(wǎng)數(shù)據(jù)的用戶出行喜好分析方法，所述方法基于假定以用戶駐留點的聚點附近各POI類型在該地點所有POI點的占比，表示其前往每一類型POI點的概率為模型，通過用戶的聚點GPS信息進行逆地理編碼，獲知用戶出行地點的空間屬性，隨后根據(jù)用戶的出行行為推測其興趣所在，針對提出的評價指標，依次對用戶在每一POI點的類型作出評分，計算所得的指標權(quán)重值得到用戶在某一POI點類型加權(quán)后的得分，最終將用戶所有POI點類別的得分按照一定順序進行排列，獲得用戶出行喜好；

進一步地，所述方法包括

S1：將用戶的駐留點聚類，具體為對用戶的駐留點進行聚類，確定某地點的中心點，稱為駐留點的聚點；

S2：篩選行程，具體為分析用戶工作之余的出行喜好，刪去用戶以“家”或“公司”為終點的行程，保留其余有效行程；

S3：逆地理編碼，具體為根據(jù)用戶的駐留點的聚點進行逆地理編碼，規(guī)定此過程選取聚點周圍半徑r米內(nèi)的POI；

S4:計算POI類型占比。由上一步得到所有聚點附近r米內(nèi)所包含的各類POI信息與總數(shù)，隨后逐個輸出每一聚點附近各個類型的POI點的數(shù)目，并按類型計算POI點的占比，得到矩陣P；

S5：抽取指標數(shù)據(jù)；

S6：計算每種類型各指標的期望值；

S7：指標數(shù)據(jù)評分，具體為在每一個指標內(nèi)部，首先對用戶數(shù)據(jù)分布情況做出判別，觀測其服從何種分布，將數(shù)據(jù)正態(tài)化，最終基于正態(tài)分布得出用戶在每一類POI點的三種指標下各自的得分；

S8：計算指標權(quán)重、計算各POI類型下的指標權(quán)重；

S9:計算每一POI類型的得分。

進一步地，所述S5具體為抽取用戶駐留點的聚點的在三個指標下的數(shù)據(jù)，所述三個指標分別是：到達次數(shù)Time、停留總時長Dura和駛?cè)胄谐炭倳r長Dura2；