[发明专利]一种利用动态价格预测减少网约车费用的乘车推荐系统

权利要求书

1.一种利用动态价格预测减少网约车费用的乘车推荐系统，其特征是：城市区域价格可预测性模块、预测器训练模块和乘车方案推荐模块；

所述的城市区域价格可预测性模块，是基于城市地理数据和网约车历史数据，为不同的城市子区域计算其动态价格可预测性，从而为该区域选择合适的预测器；

所述的预测器训练模块，是根据各个区域的价格可预测性大小，分别选取不同的训练器模型，并根据该区域上的网约车历史数据训练相应的预测器；

所述的乘车方案推荐模块，是在给出一个具体乘车需求的时间地点的情况下，通过预测器预测包括该乘车点周边一定范围内的所有区域在此刻及下一时间段的乘车费用，通过综合比较，用户可以选择最适合的乘车方案，如走一段距离或等一段时间。

2.根据权利要求1所述的一种利用动态价格预测减少网约车费用的乘车推荐系统，其特征是：所述的城市区域价格可预测性模块包括以下步骤：

步骤1：在城市中划出具有代表性的功能区，同时根据城市地理数据将城市细分成多个等方格区域；

步骤2：使用步骤1中划出的各个区域上的网约车历史数据，计算动态价格的真实熵；

步骤3：根据每个区域在步骤2中计算出的熵值，使用法诺不等式计算出该区域的动态价格可预测性。

3.根据权利要求1所述的一种利用动态价格预测减少网约车费用的乘车推荐系统，其特征是，预测器可以预测动态价格在1.0-1.6这个区间内的7个倍率，训练模块包括以下步骤：

步骤1：构建马尔可夫链预测器，使用价格可预测性高区域的网约车历史数据进行训练；

步骤2：收集各区域对应时间的天气数据；

步骤3：构建神经网络预测器，使用价格可预测性较低的区域的网约车历史数据和对应的天气数据进行训练。

4.根据权利要求1所述的一种利用动态价格预测减少网约车费用的乘车推荐系统，其特征是，所述的乘车方案推荐模块包括以下步骤：

步骤1：根据用户乘车需求发出的时间地点和天气信息选择预测器，预测出区域动态价格倍率；

步骤2：计算出该乘车地点周边区域在此刻及下一时间段的乘车费用；

步骤3：整理出更实惠的乘车方案，如在该区域等一段时间或移动到另一个乘车区域，让用户自行选择合适的方案。