[发明专利]用车类型的预测方法及装置

权利要求书

1.一种用车类型的预测方法，其特征在于，包括：

获取用户的历史订单信息，其中所述历史订单信息中包括有用户的各用车类型的用车时间和/或用车地点；

根据所述历史订单信息建立预测模型，并根据所述预测模型对当前时间和/或当前地点下的用车类型进行预测。

2.根据权利要求1所述的预测方法，其特征在于，所述根据所述历史订单信息建立预测模型，并根据所述预测模型对当前时间和/或当前地点下的用车类型进行预测，包括：

对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型；

根据各混合高斯模型，确定当前时间和/或当前地点下的各用车类型的概率密度值；

根据所述各用车类型的概率密度值预测用车类型。

3.根据权利要求2所述的预测方法，其特征在于，根据所述各用车类型的概率密度值预测用车类型，包括：

根据预设的贝叶斯模型和所述各用车类型的概率密度值，计算各用车类型的第一概率；

将各第一概率中概率值最高的用车类型作为预测获得的用车类型。

4.根据权利要求3所述的预测方法，其特征在于，所述将各第一概率中概率值最高的用车类型作为预测获得的用车类型包括：

确定各第一概率中概率值最高的用车类型，并判断该用车类型的概率值是否大于等于第一预设阈值；

若是，则将该用车类型作为预测获得的用车类型并输出。

5.根据权利要求2-4任一项所述的预测方法，其特征在于，所述对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型之前，还包括：

统计历史订单信息中的每一用车类型的次数，并建立马尔科夫模型；

将历史订单信息中的上一次用车类型输入至所述马尔科夫模型，获得各用车类型的第二概率；

确定各第二概率中概率值最高的用车类型，并判断该用车类型的概率值是否大于等于第二预设阈值；

若是，则将该用车类型作为预测获得的用车类型并输出；否则，执行所述对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型的步骤。

6.一种用车类型的预测装置，其特征在于，包括：

信息获取模块，用于获取用户的历史订单信息，其中所述历史订单信息中包括有用户的各用车类型的用车时间和/或用车地点；

预测模块，用于根据所述历史订单信息建立预测模型，并根据所述预测模型对当前时间和/或当前地点下的用车类型进行预测。

7.根据权利要求6所述的预测装置，其特征在于，所述预测模块具体用于：

对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型；

根据各混合高斯模型，确定当前时间和/或当前地点下的各用车类型的概率密度值；

根据所述各用车类型的概率密度值预测用车类型。

8.根据权利要求7所述的预测装置，其特征在于，所述预测模块，具体用于：

根据预设的贝叶斯模型和所述各用车类型的概率密度值，计算各用车类型的第一概率；

将各第一概率中概率值最高的用车类型作为预测获得的用车类型。

9.根据权利要求8所述的预测装置，其特征在于，所述预测模块，具体用于：

确定各第一概率中概率值最高的用车类型，并判断该用车类型的概率值是否大于等于第一预设阈值；

若是，则将该用车类型作为预测获得的用车类型并输出。

10.根据权利要求7-9任一项所述的预测装置，其特征在于，所述预测模块，在对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型之前，还用于：

统计历史订单信息中的每一用车类型的次数，并建立马尔科夫模型；

将历史订单信息中的上一次用车类型输入至所述马尔科夫模型，获得各用车类型的第二概率；

确定各第二概率中概率值最高的用车类型，并判断该用车类型的概率值是否大于等于第二预设阈值；

若是，则将该用车类型作为预测获得的用车类型并输出；否则，执行所述对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型的步骤。