[發(fā)明專利]目的地的預(yù)測方法、裝置、終端和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811313047.8
• 申請日: 2018-11-06
• 公開（公告）號: CN109543886B
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計）人: 楊帆
• 申請（專利權(quán)）人: 斑馬網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張子青;劉芳

1.一種目的地的預(yù)測方法，其特征在于，包括：

獲取用戶的出行數(shù)據(jù)，所述出行數(shù)據(jù)包括用戶的出行鏈上所述用戶已出行的多個出行地點和每個出行地點對應(yīng)的出行時間，其中，所述出行鏈?zhǔn)侵笇⒂脩粢惶熘幸贿B串始于的地點、最后以該地點為終點的出行活動順序鏈接起來，所形成的閉合鏈；

將所述出行數(shù)據(jù)輸入到目的地預(yù)測模型中，所述目的地預(yù)測模型輸出所述多個出行地中每個出行地為目的地的概率，將概率最高的出行地作為所述用戶的目的地，其中，所述目的地預(yù)測模型為預(yù)先獲取的根據(jù)用戶的多個出行地點和每個出行地點對應(yīng)的出行時間確定目的地的模型；

其中，所述目的地預(yù)測模型包括長短期記憶網(wǎng)絡(luò)LSTM模型和隱馬爾可夫模型HMM模型；

其中，所述LSTM模型的輸出為所述HMM模型的輸入，所述HMM模型為一階HMM模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述用戶的多個歷史出行鏈，每個歷史出行鏈包括多個出行地點和每個出行地點對應(yīng)的出行時間；

根據(jù)所述多個歷史出行鏈訓(xùn)練得到所述目的地預(yù)測模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取用戶的出行數(shù)據(jù)之后，所述方法還包括：

采用獨熱編碼，對所述出行數(shù)據(jù)進行編碼，得到多個特征向量。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述出行數(shù)據(jù)包括至少三個出行地點和每個出行地點對應(yīng)的出行時間。

5.一種目的地的預(yù)測裝置，其特征在于，包括：

獲取模塊，用于獲取用戶的出行數(shù)據(jù)，所述出行數(shù)據(jù)包括用戶的出行鏈上所述用戶已出行的多個出行地點和每個出行地點對應(yīng)的出行時間，其中，所述出行鏈?zhǔn)侵笇⒂脩粢惶熘幸贿B串始于的地點、最后以該地點為終點的出行活動順序鏈接起來，所形成的閉合鏈；

所述獲取模塊，還用于將所述出行數(shù)據(jù)輸入到目的地預(yù)測模型中，所述目的地預(yù)測模型輸出所述多個出行地中每個出行地為目的地的概率，將概率最高的出行地作為所述用戶的目的地，其中，所述目的地預(yù)測模型為預(yù)先獲取的根據(jù)用戶的多個出行地點和每個出行地點對應(yīng)的出行時間確定目的地的模型；

其中，所述目的地預(yù)測模型包括長短期記憶網(wǎng)絡(luò)LSTM模型和隱馬爾可夫模型HMM模型；

其中，所述LSTM模型的輸出為所述HMM模型的輸入，所述HMM模型為一階HMM模型。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述獲取模塊還用于：

獲取所述用戶的多個歷史出行鏈，每個歷史出行鏈包括多個出行地點和每個出行地點對應(yīng)的出行時間；

訓(xùn)練模塊，用于根據(jù)所述多個歷史出行鏈訓(xùn)練得到所述目的地預(yù)測模型。

7.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括編碼模塊，所述編碼模塊用于：

采用獨熱編碼，對所述出行數(shù)據(jù)進行編碼，得到多個特征向量。

8.一種車載終端，其特征在于，包括：

至少一個處理器和存儲器；所述存儲器存儲計算機執(zhí)行指令；

所述至少一個處理器執(zhí)行所述存儲器存儲的計算機執(zhí)行指令，使得所述至少一個處理器執(zhí)行如權(quán)利要求1至4任一項所述的目的地預(yù)測方法。

9.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)中存儲有計算機執(zhí)行指令，當(dāng)處理器執(zhí)行所述計算機執(zhí)行指令時，實現(xiàn)如權(quán)利要求1至4任一項所述的目的地預(yù)測方法。