[发明专利]一种基于用户出行大数据进行出行方式推荐的方法及系统

权利要求书

1.一种基于用户出行大数据进行出行方式推荐的方法，其特征在于，所述方法包括：

获取目标用户的当前出行信息，当前出行信息包括起点信息、终点信息、出行方式和出发时间；

获取目标用户的社会信息和历史出行信息，所述历史出行信息包括出行方式、出行路线、出行时间；

基于所述历史出行信息，判断用户类型，所述用户类型包括第一类用户和第二类用户；

基于所述用户类型、社会信息和历史出行信息，确定所述目标用户的聚类模型，所述聚类模型包括第一聚类模型和第二聚类模型；

基于所述聚类模型和所述当前出行信息，确定所述目标用户的类内策略集合；

基于所述类内策略集合，向目标用户推荐出行方式。

2.根据权利要求1所述的方法，其特征在于，所述基于所述历史出行信息，判断用户类型，所述用户类型包括第一类用户和第二类用户包括：

当所述历史出行信息的量大于或等于第一阈值时，判断所述目标用户为第一类用户；

当所述历史出行信息的量小于第一阈值时，判断所述目标用户为第二类用户。

3.根据权利要求1所述的方法，其特征在于，所述基于所述用户类型、社会信息和历史出行信息，确定所述目标用户的聚类模型，所述聚类模型包括第一聚类模型和第二聚类模型包括：

当所述目标用户为第一类用户时，基于所述出行信息，确定所述目标用户所属的第一聚类模型；

当所述目标用户为第二类用户时，基于所述社会信息，确定所述目标用户所属的第二聚类模型。

4.根据权利要求3所述的方法，其特征在于，所述第一聚类模型和第二聚类模型通过聚类算法得到。

5.根据权利要求4所述的方法，其特征在于，所述第一聚类模型和第二聚类模型通过聚类算法得到包括：

基于出行平台，获取多个用户的历史出行信息和社会信息；

基于所述历史出行信息，使用X平均算法聚类得到一个或多个第一聚类模型；

基于所述社会信息，使用X平均算法聚类得到一个或多个第二聚类模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述历史出行信息，使用X平均算法聚类得到一个或多个第一聚类模型包括：

基于所述历史出行信息，抽取预设时间段内所述多个用户的历史出行请求和历史订单信息，统计所述多个用户各个出行产品的需求次数和出行次数；

基于第一时间段的维度，对所述需求次数进行平均和归一化处理，确定各个出行产品在第一时间段的需求次数占比；

基于第一时间段的维度，对所述出行次数进行平均和归一化处理，确定各个出行产品在第一时间段的出行次数占比；

基于所述第一时间段的需求次数占比和出行次数占比，建立用户的出行特征向量；

基于所述多个用户的所述出行特征向量，使用X平均算法进行聚类，确定所述一个或多个第一聚类模型。

7.根据权利要求5所述的方法，其特征在于，所述基于所述社会信息，使用X平均算法聚类得到一个或多个第二聚类模型包括：

基于所述社会信息，抽取多个用户的人口属性信息和社会属性信息，所述人口属性信息包括性别、年龄，所述社会属性信息包括职业、收入；

对人口属性信息和社会属性信息进行数值化处理，建立用户的人口特征向量；

基于所述多个用户的所述人口特征向量，使用X平均算法进行聚类，确定所述一个或多个第二聚类模型。

8.根据权利要求1所述的方法，其特征在于，所述基于所述聚类模型和所述当前出行信息，确定所述目标用户的类内策略集合包括：

基于所述当前出行信息，确定当前出行城市和当前出行方式；

基于所述出行城市和所述聚类模型，获取产品流转图；

获取所述出行城市的出行产品的实时供需情况，更新所述产品流转图；

基于所述当前出行方式，确定所述更新后的产品流转图中的第一节点；

基于最短路径快速搜索算法，提取所述第一节点对应的最短路径；

基于所述最短路径，确定所述目标用户的类内策略集合。