[发明专利]一种电子车票的单边交易费用确定方法、系统及装置

权利要求书

1.一种电子车票的单边交易费用确定方法，其特征在于，应用在公共交通系统中，包括：

设置单边交易费用确定模型，所述单边交易费用确定模型的设置过程为：采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，基于从得到的电子车票的完整数据交易记录提取得到的用户特征及站点特征，采用设置的学习模型进行模型训练测试，得到所述模型；

在电子车票产生单边交易记录时，采用所设置的模型对单边交易记录进行缺失站点记录的确定及对应的费用的确定；

所述采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，根据设置的至少一个应用算法从电子车票的完整数据交易记录提取得到的用户特征及站点特征，从而得到所述模型训练测试需要的样本；

所述设置的学习模型采用了XGBoost学习模型和/或随机森林RF学习模型。

2.如权利要求1所述的确定方法，其特征在于，所述应用算法为多个时，得到所述模型为：

分别采用设置的学习模型对不同应用算法得到的样本进行训练测试，得到不同应用算法对应的测试结果，采用加权方式对不同应用算法得到的测试结果内部融合后，再加权融合不同应用算法之间的测试结果，得到所述模型。

3.如权利要求1所述的确定方法，其特征在于，所述应用算法为：缺失站点多分类算法、划扣金额多分类算法、缺失站点二分类算法和/或划扣金额二分类算法。

4.如权利要求3所述的确定方法，其特征在于，所述缺失站点二分类算法是采用行扩充方式由缺失站点多分类算法转化得到的；

所述划扣金额二分类算法是采用行扩充方式由划扣金额多分类算法转换得到的。

5.如权利要求3所述的确定方法，其特征在于，所述缺失站点二分类算法和所述划扣金额二分类算法计算时，还包括：

将所述电子车票的完整数据交易记录分为历史数据、训练数据及测试数据，其中，历史数据占的比重大于训练数据及测试数据，历史数据用于增加用户特征，而训练数据及测试数据在进行模型训练测试时使用。

6.一种电子车票的单边交易费用确定系统，其特征在于，应用在公共交通系统中，该系统包括：后台处理系统及闸机处理单元，其中，

后台处理系统，用于设置单边交易费用确定模型，将单边交易费用确定模型发送给闸机处理单元，所述单边交易费用确定模型的设置过程为：采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，基于从得到的电子车票的完整数据交易记录提取得到的用户特征及站点特征，采用设置的学习模型进行模型训练测试，得到所述模型；

闸机处理单元，用于从后台处理系统接收所述单边交易费用确定模型，在扫描得到电子车票产生单边交易记录时，采用设置的模型对单边交易记录进行缺失站点记录的确定及对应的费用的确定；

后台处理系统，还用于所述采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，根据设置的至少一个应用算法从电子车票的完整数据交易记录提取得到的用户特征及站点特征，从而得到所述模型训练测试需要的样本；

所述设置的学习模型采用了XGBoost学习模型和/或随机森林RF学习模型。

7.一种电子车票的单边交易费用确定装置，其特征在于，应用在公共交通系统中，该装置包括：模型设置模块及收发模块，其中，

收发模块，用于接收电子车票的数据交易记录；将所述模型发送；

模型设置模块，用于采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，基于从得到的电子车票的完整数据交易记录提取得到的用户特征及站点特征，采用设置的学习模型进行模型训练测试，得到单边交易确定模型；

所述采集电子车票的数据交易记录，进行清洗整合后得到电子车票的完整数据交易记录，设置的至少一个应用算法从电子车票的完整数据交易记录提取得到的用户特征及站点特征，从而得到所述模型训练测试需要的样本；

所述设置的学习模型采用了XGBoost学习模型和/或随机森林RF学习模型。

8.一种利用权利要求1所述的方法的电子车票的单边交易费用确定装置，其特征在于，应用在公共交通系统中，该装置包括：收发模块及处理模块，其中，

收发模块，用于接收单边交易确定模型；

处理模块，用于在扫描得到电子车票产生单边交易记录时，采用设置的模型对单边交易记录进行缺失站点记录的确定及对应费用的确定。