[發(fā)明專利]出行方案推薦方法、裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910040578.2
• 申請日: 2019-01-16
• 公開（公告）號: CN111442778A
• 公開（公告）日: 2020-07-24
• 發(fā)明（設(shè)計）人: 劉浩;張攀攀;段建國;熊輝
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 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: 柴海平;劉芳

1.一種出行方案推薦方法，其特征在于，包括：

根據(jù)用戶的用戶畫像信息和出行方式分布信息，當(dāng)前的出行環(huán)境特征信息，以及本次出行的起始點和終止點的特征信息，生成出行特征向量；

將所述出行特征向量輸入出行方案分類模型，計算備選出行方案的得分，所述出行方案分類模型是采用訓(xùn)練集訓(xùn)練得到的；

根據(jù)所述備選出行方案的得分，向所述用戶推薦出行方案。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述出行特征向量輸入出行方案分類模型，計算備選出行方案的得分之前，還包括：

獲取多條歷史出行數(shù)據(jù)，并對所述歷史出行數(shù)據(jù)進(jìn)行特征預(yù)處理；

根據(jù)預(yù)處理后的每條所述歷史出行數(shù)據(jù)，生成對應(yīng)的樣本數(shù)據(jù)，得到由所述多條歷史出行數(shù)據(jù)對應(yīng)的樣本數(shù)據(jù)組成的訓(xùn)練集；

利用所述訓(xùn)練集對預(yù)設(shè)分類模型進(jìn)行模型訓(xùn)練，得到所述出行方案分類模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲取多條歷史出行數(shù)據(jù)，包括：

獲取多條歷史出行信息，所述歷史出行信息至少包括：用戶標(biāo)識、起始點、終止點和出行時間；

獲取每條所述歷史出行信息的用戶標(biāo)識對應(yīng)的用戶畫像信息和出行方式分布信息，每條所述歷史出行信息的出行時間對應(yīng)的出行環(huán)境特征信息，每條所述歷史出行信息的起始點和終止點的特征信息，以及每條所述歷史出行信息對應(yīng)的方案選擇真值數(shù)據(jù)，得到每條歷史出行信息對應(yīng)的歷史出行數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述歷史出行數(shù)據(jù)進(jìn)行特征預(yù)處理，包括：

對所述歷史出行數(shù)據(jù)中的類別型特征進(jìn)行獨熱編碼處理；

對所述歷史出行數(shù)據(jù)中的數(shù)值型特征進(jìn)行異常值處理；

對經(jīng)過異常值處理后的歷史出行數(shù)據(jù)的數(shù)值型特征進(jìn)行歸一化處理。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)預(yù)處理后的某一條所述歷史出行數(shù)據(jù)，生成對應(yīng)的樣本數(shù)據(jù)，包括：

對該條所述歷史出行數(shù)據(jù)中的用戶畫像信息和出行方式分布信息、出行環(huán)境特征信息、起始點和終止點的特征信息，生成該條所述歷史出行數(shù)據(jù)對應(yīng)的出行特征向量；

根據(jù)該條所述歷史出行數(shù)據(jù)中的方案選擇真值數(shù)據(jù)，生成該條所述歷史出行數(shù)據(jù)對應(yīng)的出行特征向量的標(biāo)簽；

將該條所述歷史出行數(shù)據(jù)對應(yīng)的出行特征向量及其標(biāo)簽，作為一條樣本數(shù)據(jù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述對該條所述歷史出行數(shù)據(jù)中的用戶畫像信息和出行方式分布信息、出行環(huán)境特征信息、起始點和終止點的特征信息，生成該條所述歷史出行信息對應(yīng)的出行特征向量，包括：

將該條所述歷史出行信息對應(yīng)的用戶畫像信息和出行方式分布信息、出行環(huán)境特征信息、起始點和終止點的特征信息，拼接生成該條所述歷史出行信息對應(yīng)的原始特征向量；

對所述原始特征向量中的空值特征進(jìn)行數(shù)據(jù)補(bǔ)全，得到所述出行特征向量。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述對所述原始特征向量中的空值特征進(jìn)行數(shù)據(jù)補(bǔ)全，得到所述出行特征向量，包括：

根據(jù)所述原始特征向量中的非空值特征構(gòu)成的非空值特征向量，計算所述非空值特征向量與其他歷史出行數(shù)據(jù)對應(yīng)的特征向量的余弦相似度；

確定對應(yīng)的特征向量與所述非空值特征向量的余弦相似度最大的K個所述其他歷史出行數(shù)據(jù)，作為所述原始特征向量的K個最臨近數(shù)據(jù)，其中K為正整數(shù)；

對于所述原始特征向量的空值特征，用所述K個最臨近數(shù)據(jù)中對應(yīng)特征值的均值或者眾數(shù)進(jìn)行填充。

8.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述歷史出行數(shù)據(jù)中的類別型特征進(jìn)行獨熱編碼處理之前，還包括：

對于每個所述類別型特征的多種類別，計算每種類別的取值占比；將取值占比小于預(yù)設(shè)閾值的類別聚合為一種類別。