[发明专利]基于多源大数据和机器学习的宜居地图推荐方法和装置

说明书

本发明涉及大数据分析处理技术领域，具体涉及基于多源大数据和机器学习的宜居地图推荐方法和装置。该方法包括获取用户个体属性及行为偏好数据，构建行为特征‑宜居偏好映射模型；基于SVM‑GBRT模型算法，在地图软件中构建个性化宜居地图推荐系统；获取新用户信息，提取用户行为特征进行个性化宜居地图推荐，为用户推荐宜居宜业地评估结果。个性化的宜居地图构建与推荐，实现了面向不同用户的个性化宜居评价，融合个体行为特征和主观偏好的迭代演化模型，并实现了宜居评价的个性化和服务对象的多元化，创新了宜居地图服务模式。

技术领域

本发明涉及大数据分析处理技术领域，尤其涉及一种基于多源大数据和机器学习的宜居地图推荐方法和装置。

背景技术

随着经济的不断发展和城市化建设的不断推进，应用新兴数据源及技术手段助力宜居城市建设已成为新的热点和潮流。

然而，现有城市宜居分析与评价多基于城市整体层面开展，亟需针对居民个性化宜居需求进行拓展和深化。首先，现有城市宜居评价体系多以城市间横向比较或城市自身体检优化为目标，自上而下筛选能够反映城市社会经济核心竞争力和整体形象的指标，对自下而上的、体现居民个体生活体验和内心感受的指标关注不够。其次，近年来随着互联网和大数据技术发展，宜居指标的选取和评价虽已不再局限于以行政区为单元的统计数据，但数据的时空粒度仍比较粗糙，忽略了城市内部不同时间、不同地点宜居性的差异。

其次，“以人为本”是宜居评估和规划建设的基本原则，但现有宜居指标体系构建的理念和方法论要么对居民的感受考虑较少，要么仅考虑居民群感受，呈现出千人一面的评价结果，居民个体的宜居偏好和需求被忽略，评价结果难以体现个体差异性。而且，现有城市宜居分析和评价工作的应用场景比较单一，多用于城市宣传、城市间比较和评估，较少考虑企业和个人等多种 应用场景，企业和居民参与宜居评估、享受宜居评估结果的机会很少。

基于此，亟需面向宜居和智慧城市建设需求，构建基于大数据的城市个性化宜居评价指标体系，研发面向个性化需求的宜居地图构建与推荐技术，开发供城市居民择居择业参考的 APP，从而实现宜居评价的个性化和服务对象的多元化，创新宜居地图服务模式。

发明内容

为解决目前宜居城市评价体系更适应于宏观层面的比较，将居民均质化，忽视了单一数字背后的个性化需求，难以满足城市治理的精细化需求，服务对象较为单一，应用场景亟需拓展的问题，本发明提供了一种基于多源大数据和机器学习算法的个性化宜居地图推荐方法和装置，采用机器学习等方法建立城市居民行为特征-宜居偏好模型，实现个性化宜居地图的构建与推荐，以解决上述技术问题。

为实现上述目的，本发明实施例提供了如下的技术方案：

第一方面，在本发明提供的一个实施例中，提供了一种基于多源大数据和机器学习的宜居地图推荐方法，包括以下步骤：

获取用户个体属性及行为偏好数据，其中，所述用户个体属性包括个人基本属性、家庭属性和行为属性；

基于机器学习算法分析个体属性、家庭属性、行为属性与个体宜居偏好之间的关联，构建行为特征-宜居偏好映射模型；

基于SVM-GBRT模型算法，在地图软件中构建基于特征-宜居偏好映射模型的个性化宜居地图推荐系统；

获取新用户信息，根据新用户注册信息及将所述新用户信息输入所述特征-宜居偏好映射模型获取的用户行为特征进行个性化宜居地图推荐，为用户推荐宜居宜业地评估结果。

作为本发明的进一步方案，所述行为特征-宜居偏好映射模型用于提取影响用户宜居指标权重的有效特征，还用于根据新用户信息反馈数据，输入至特征-宜居偏好映射模型持续迭代与优化。

作为本发明的进一步方案，获取用户个体属性及行为偏好数据之前，还包括基于多源时空行为大数据建设基础数据库，建设的基础数据库包括时空行为大数据和多源基础数据，所述建设基础数据库的方法，包括：

以居民个体和城市基本部件为传感器，获取城市微观空间宜居状态的基本动态信息和居民个体主客观偏好数据。