[發(fā)明專利]一種層次化的出租車載客推薦方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111101052.4
• 申請日: 2021-09-18
• 公開（公告）號: CN113868553A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設(shè)計(jì)）人: 劉毅志;劉宇軒;王雪松;廖祝華;趙肄江
• 申請（專利權(quán)）人: 湖南科技大學(xué)
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06K9/62
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 譚武藝

1.一種層次化的出租車載客推薦方法，其特征在于，包括：

1)將城區(qū)劃分網(wǎng)格區(qū)域，并從出租車的原始GPS軌跡中挖掘出歷史載客點(diǎn)和POI；

2)將歷史載客點(diǎn)和POI映射到劃分好的網(wǎng)格區(qū)域中，從網(wǎng)格區(qū)域中提取時(shí)空特征向量X并構(gòu)建時(shí)空上下文矩陣；

3)將時(shí)空上下文矩陣輸入到極深因子分解機(jī)模型xDeepFM中進(jìn)行訓(xùn)練，通過訓(xùn)練好的極深因子分解機(jī)模型xDeepFM得到司機(jī)-時(shí)間段-網(wǎng)格區(qū)域載客概率數(shù)據(jù)，再結(jié)合司機(jī)當(dāng)前的時(shí)空信息，獲取司機(jī)載客概率最高且較近的推薦網(wǎng)格區(qū)域，并作為第一層次的推薦結(jié)果輸出；

4)對推薦網(wǎng)格區(qū)域內(nèi)的歷史載客點(diǎn)進(jìn)行時(shí)空分析，獲取代表乘客聚集地的推薦候選載客點(diǎn)，并作為第二層次的推薦結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的層次化的出租車載客推薦方法，其特征在于，步驟2)中從網(wǎng)格區(qū)域中提取的時(shí)空特征向量X包括：司機(jī)特征D，用于區(qū)分司機(jī)，且經(jīng)過one-hot編碼；時(shí)間特征T，訂單在一天內(nèi)對應(yīng)的時(shí)間段，且經(jīng)過one-hot編碼；網(wǎng)格特征G，用于區(qū)分網(wǎng)格區(qū)域，且經(jīng)過one-hot編碼；網(wǎng)格屬性特征A，包括歷史載客點(diǎn)數(shù)量、POI數(shù)量、平均載客時(shí)長、平均載客距離、各類POI類型占比、網(wǎng)格的幾何中心位置，且經(jīng)過歸一化；構(gòu)建的時(shí)空上下文矩陣由時(shí)空特征向量X和目標(biāo)變量Y構(gòu)成，其中目標(biāo)變量Y為司機(jī)在該時(shí)段發(fā)生在該網(wǎng)格的載客次數(shù)。

3.根據(jù)權(quán)利要求2所述的層次化的出租車載客推薦方法，其特征在于，步驟3)包括：

3.1)將時(shí)空上下文矩陣輸入到極深因子分解機(jī)模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的極深因子分解機(jī)模型xDeepFM，訓(xùn)練好的極深因子分解機(jī)模型xDeepFM生成司機(jī)-時(shí)間段-網(wǎng)格區(qū)域載客概率數(shù)據(jù)，所述司機(jī)-時(shí)間段-網(wǎng)格區(qū)域載客概率數(shù)據(jù)描述了司機(jī)在各個(gè)時(shí)間段里對每個(gè)網(wǎng)格區(qū)域的載客概率；

3.2)結(jié)合司機(jī)當(dāng)前的時(shí)空信息，包括司機(jī)當(dāng)前的所在的網(wǎng)格區(qū)域及其相鄰的8個(gè)網(wǎng)格區(qū)域在內(nèi)的9個(gè)網(wǎng)格區(qū)域、司機(jī)當(dāng)前的時(shí)間段；

3.3)根據(jù)所述9個(gè)網(wǎng)格區(qū)域、司機(jī)當(dāng)前的時(shí)間段，與司機(jī)-時(shí)間段-網(wǎng)格區(qū)域載客概率數(shù)據(jù)進(jìn)行匹配，得到所述9個(gè)網(wǎng)格區(qū)域的載客概率，并將9個(gè)網(wǎng)格區(qū)域中載客概率最高的網(wǎng)格區(qū)域作為最終得到的推薦網(wǎng)格區(qū)域，并將推薦網(wǎng)格區(qū)域作為第一層次的推薦結(jié)果輸出。

4.根據(jù)權(quán)利要求3所述的層次化的出租車載客推薦方法，其特征在于，步驟4)包括：

4.1)首先將一天劃分為不同時(shí)間段，將推薦網(wǎng)格區(qū)域內(nèi)的歷史載客點(diǎn)根據(jù)其時(shí)間屬性劃分到相對應(yīng)的時(shí)間段中；然后對不同時(shí)間段內(nèi)的歷史載客點(diǎn)，根據(jù)其空間地理位置，對推薦區(qū)域內(nèi)的歷史載客點(diǎn)進(jìn)行空間聚類分析，得到第一組候選載客點(diǎn)TS[id,Lng,Lat,ts,1]，將簇的中心位置作為候選載客點(diǎn)的地理坐標(biāo)，其中id為候選載客點(diǎn)的編號，(Lng,Lat)為候選載客點(diǎn)的地理坐標(biāo)，ts為劃分候選載客點(diǎn)相對應(yīng)的時(shí)間段；

4.2)考慮推薦區(qū)域中歷史載客點(diǎn)的地理位置，對推薦區(qū)域內(nèi)的歷史載客點(diǎn)根據(jù)其空間屬性進(jìn)行空間聚類分析，在聚類后的簇中，若某一時(shí)間段的歷史載客點(diǎn)數(shù)大于設(shè)置的閾值時(shí)，保留簇到該時(shí)間段，從而得到第二組候選載客點(diǎn)ST[id,Lng,Lat,ts,0]，將簇的中心位置作為候選載客點(diǎn)的地理坐標(biāo)，ts為空間聚類后簇內(nèi)歷史載客點(diǎn)超過閾值時(shí)相對應(yīng)的時(shí)間段，其中id為候選載客點(diǎn)的編號，(Lng,Lat)為候選載客點(diǎn)的地理坐標(biāo)；

4.3)將得到的第一組候選載客點(diǎn)TS[id,Lng,Lat,ts,1]、第二組候選載客點(diǎn)ST[id,Lng,Lat,ts,0]中距離小于預(yù)設(shè)閾值的候選載客點(diǎn)對合并為新的候選載客點(diǎn)，得到最終代表乘客聚集地的推薦候選載客點(diǎn)，并作為第二層次的推薦結(jié)果輸出。

5.根據(jù)權(quán)利要求4所述的層次化的出租車載客推薦方法，其特征在于，步驟4)之后還包括步驟5)，步驟5)包括：對推薦候選載客點(diǎn)的載客概率進(jìn)行載客概率計(jì)算，獲取載客概率最高的推薦候選載客點(diǎn)得到推薦載客點(diǎn)，并作為第三層次的推薦結(jié)果輸出。