[發明專利]用車類型預測模型建立、信息提供方法及裝置

在審

• 申請號: 201710112649.6
• 申請日: 2017-02-28
• 公開（公告）號: CN106897919A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 劉坤
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京品源專利代理有限公司11332
• 代理人: 孟金喆,胡彬

1.一種用車類型預測模型建立方法，其特征在于，包括：

獲取至少兩個用戶的歷史用車訂單信息；

提取與所述歷史用車訂單信息關聯的用車場景信息；

根據與所述歷史用車訂單信息對應的用車類型以及所述用車場景信息，對設定預測模型進行訓練，生成用車類型預測模型。

2.根據權利要求1所述的方法，其特征在于，所述用車場景信息包括：出行意圖場景信息和客觀場景信息；其中，

所述出行意圖場景信息包括：用車時間類別以及起終點興趣點POI類別；

所述客觀場景信息包括下述至少一項：起終點之間的距離、是否異地、天氣信息及路線擁堵狀況信息。

3.根據權利要求2所述的方法，其特征在于，所述提取與所述歷史用戶訂單信息關聯的用車場景信息，包括：

根據所述歷史用車訂單信息，獲取用車對象的身份標識、用車時間、車輛行駛路線以及起終點信息；

根據所述用車對象的身份標識、用車時間、車輛行駛路線以及起終點信息，調用相匹配的應用程序接口API，獲取所述客觀場景信息；

根據所述用車時間，確定所述用車時間類別；

將所述起終點信息輸入至預先訓練的分類器，獲取與所述起終點信息對應的起終點POI類別。

4.根據權利要求3所述的方法，其特征在于，所述根據所述用車時間，確定所述用車時間類別，包括：

根據由所述用車時間確定的用車日期，獲取第一用車時間類別，其中，所述第一用車時間類別包括：工作日以及節假日；

根據由所述用車時間確定的用車時間段，獲取第二用車時間類別，其中，所述第二用車時間類別包括：早高峰、午間、晚高峰、工作時間以及休息時間；

將所述第一用車時間類別以及所述第二用車時間類別的組合作為所述用車時間類別。

5.根據權利要求3所述的方法，其特征在于，在所述將所述起終點信息輸入至預先訓練的分類器，獲取與所述起終點信息對應的起終點POI類別之前，還包括：

確定POI類別體系，其中，所述POI體系中包括至少兩個POI類別；

對各所述POI類別進行同義詞，和/或下位詞擴展，生成與各所述POI類別分別對應的核心詞集合；

確定與各所述核心詞集合分別對應的前置詞集合以及后置詞集合；

根據與各所述POI類別分別對應核心詞集合、前置詞集合以及后置詞集合，訓練用于獲取起終點POI類別的分類器；

對所述分類器進行消歧處理。

6.根據權利要求1-5任一所述的方法，其特征在于，所述用車場景信息還包括：起終點的常駐點判別信息；

所述提取與所述歷史用戶訂單信息關聯的用車場景信息，還包括：

根據所述用車對象的身份標識，提取所述用車對象的用戶畫像；

獲取與所述用戶畫像對應的常駐點信息；

將所述常駐點信息與所述起終點信息進行匹配，獲取所述起終點的常駐點判別信息。

7.根據權利要求1所述的方法，其特征在于，所述設定預測模型為樸素貝葉斯模型；

在根據與所述歷史用車訂單信息對應的用車類型以及所述用車場景信息，對設定預測模型進行訓練，生成用車類型預測模型之前，包括：

通過公式：構建所述樸素貝葉斯模型；

其中，class_k為第k個用車類型，k∈[1，K]，K為用車類型的總量；scene為與所有用車場景信息對應的場景向量，f^(j)為場景向量中的第j個向量元素，對應于一個用車場景信息；j∈[1，N]，N為所述場景向量中包括的向量元素總量；

根據公式計算所述P(f^(j)|class_k)；

其中，I(x)為指示函數，S_j為第j個向量元素的所有取值的個數，a_jl為第j個向量元素的取值，M為用車類型預測模型中起終點POI類別的個數之和，K表示用車類型個數之和。