[发明专利]行车行为推荐方法、装置、电子设备及存储介质

权利要求书

1.一种行车行为推荐方法，其特征在于，包括：

获取当前时间、用户驾驶车辆的位置信息及用户驾驶车辆的场景信息；

获取预先构建的目标用户的用户画像；

根据所述当前时间、所述位置信息、所述场景信息、所述目标用户的用户画像及预设的行为推荐模型，得到推荐行车行为；

根据所述推荐行车行为，发送对应的输出指令至所述用户驾驶车辆，以使所述用户驾驶车辆的输出设备输出对应的推荐信息。

2.根据权利要求1所述的行车行为推荐方法，其特征在于，所述目标用户的用户画像包括所述目标用户的驾驶画像、座舱画像、环境画像及出行意图画像中的一种或几种。

3.根据权利要求1所述的行车行为推荐方法，其特征在于，所述根据所述当前时间、所述位置信息、所述场景信息、所述目标用户的用户画像及预设的行为推荐模型，得到推荐行车行为，包括：

获取所述当前时间之前的预定时间内的用户行车行为；

基于所述位置信息、所述场景信息及所述用户行车行为，组成对应的信息序列；

根据所述信息序列、所述目标用户的用户画像及预设的行为推荐模型，得到所述推荐行车行为。

4.根据权利要求3所述的行车行为推荐方法，其特征在于，所述预设的行为推荐模型包括预设的深度学习模型及预设的机器学习模型；

所述根据所述信息序列、所述目标用户的用户画像及预设的行为推荐模型，得到所述推荐行车行为，包括：

根据所述信息序列及所述预设的深度学习模型，召回得到至少一个预测行车行为；

根据所有所述预测行车行为、所述目标用户的用户画像及所述预设的机器学习模型，得到所述推荐行车行为。

5.根据权利要求4所述的行车行为推荐方法，其特征在于，所述根据所有所述预测行车行为、所述目标用户的用户画像及所述预设的机器学习模型，得到所述推荐行车行为，包括：

根据所有所述预测行车行为，获得对应的行为接受评分；

根据所有所述预测行车行为、所有所述行为接受评分、所述目标用户的用户画像及所述预设的机器学习模型，得到所有所述预测行车行为的推荐排序；

根据所有所述预测行车行为的推荐排序，得到所述推荐行车行为。

6.根据权利要求5所述的行车行为推荐方法，其特征在于，在所述根据所述推荐行车行为，发送对应的输出指令至所述用户驾驶车辆，以使所述用户驾驶车辆的输出设备输出对应的推荐信息之后，所述方法还包括：

获取所述目标用户对于所述推荐行车行为的反馈信息；

根据所述反馈信息，调整对应所述推荐行车行为的行为接受评分。

7.一种行车行为推荐装置，其特征在于，包括：

第一获取模块，用于获取当前时间、用户驾驶车辆的位置信息及用户驾驶车辆的场景信息；

第二获取模块，用于获取预先构建的目标用户的用户画像；

行车行为推荐模块，用于根据所述当前时间、所述位置信息、所述场景信息、所述目标用户的用户画像及预设的行为推荐模型，得到推荐行车行为；

发送模块，用于根据所述推荐行车行为，发送对应的输出指令至所述用户驾驶车辆，以使所述用户驾驶车辆的输出设备输出对应的推荐信息。

8.根据权利要求7所述的行车行为推荐装置，其特征在于，所述行车行为推荐模块，具体用于：

获取所述当前时间之前的预定时间内的用户行车行为；

基于所述位置信息、所述场景信息及所述用户行车行为，组成对应的信息序列；

根据所述信息序列、所述目标用户的用户画像及预设的行为推荐模型，得到推荐行车行为。

9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至6中任一项所述的行车行为推荐方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的行车行为推荐方法。