用车出行行为的预测方法、装置、服务器以及存储介质制造方法及图纸

本发明专利技术实施例公开了一种用车出行行为的预测方法、装置、服务器以及存储介质。该预测方法包括：对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征；根据待预测用户的用户画像特征和所述场景特征进行用车出行预测。采用上述方法，可以实现对用户的个性化用车出行行为进行准确的预测。

Vehicle travel behavior prediction method, device, server and storage medium

The embodiment of the invention discloses a method, a device, a server and a storage medium for predicting the travel behavior of a vehicle. Including the prediction method: treat prediction user scene feature monitoring, to obtain the scene feature prediction instant application scenarios of user's; for car travel forecasting based on user portrait features to be forecast users and the scene feature. By using the method mentioned above, the personalized vehicle travel behavior can be accurately predicted.

【技术实现步骤摘要】
用车出行行为的预测方法、装置、服务器以及存储介质
本专利技术实施例涉及数据处理技术，尤其涉及一种用车出行行为的预测方法、装置、服务器以及存储介质。
技术介绍
随着智能设备的普及以及互联网技术的发展，网上叫车服务已经成为用户出行生活中很重要的一部分，为社会各阶层人士乘车出行提供了便捷高效的服务。用户可以利用智能设备中带有网络叫车功能的应用软件实现即时叫车或者预约车。用户使用网上叫车服务时，通常需要输入起始地点、目的地点以及出行时间，后台服务器根据用户输入的起始地点、目的地点以及出行时间向可网络叫车的车辆派发用车订单，以使得该车辆的司机根据用车订单为用户提供用车服务。然而，用户使用网上叫车服务时，可能会出现长时间的等待接单车辆到达起始地点，或者由于用车需求过高导致长时间无车接单的情况。同时，当用户用车需求过低时，可能会出现可网络叫车的车辆每天接单数量很少，需要长时间的等待用车订单的情况，导致用车效率过低。为了防止上述情况的发生，后台服务器通常会对用户的出行行为进行预测，以提高用车效率。通常情况下，后台服务器会根据用户的历史用车需求对该用户的出行行为进行预测。然而，上述方案对于某些未使用过网上叫车服务的潜在用户并不适用，同时，上述方案也无法实现对于突发情况引起的网上叫车服务的准确预测。
技术实现思路
本专利技术提供一种用车出行行为的预测方法、装置、服务器以及存储介质，以实现对用户的个性化用车出行行为进行准确的预测。第一方面，本专利技术实施例提供了一种用车出行行为的预测方法，包括：对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征；根据待预测用户的用户画像特征和所述场景特征进行用车出行预测。第二方面，本专利技术实施例还提供了一种用车出行行为的预测装置，包括：监测模块，用于对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征；预测模块，用于根据待预测用户的用户画像特征和所述场景特征进行用车出行预测。第三方面，本专利技术实施例还提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的用车出行行为的预测方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，该程序被处理器执行时实现如第一方面所述的用车出行行为的预测方法。本专利技术提供的用车出行行为的预测方法、装置、服务器以及存储介质，通过待预测用户的用户画像特征以及待预测用户当前所处的即时应用场景的场景特征对待预测用户进行用车出行预测的技术方案，实现了可以针对每个待预测用户进行个性化的用车出行预测，不仅可以提高用车出行预测的准确率，还可以针对每个待预测用户个性化的用车出行需求向每个用户提供个性化的用车服务，以提升用户的使用体验。附图说明图1a为本专利技术实施例一提供的用车出行行为的预测方法的流程图；图1b为本专利技术实施例一提供的待预测用户的确定方法的流程图；图2为本专利技术实施例二提供的用车出行行为的预测方法的流程图；图3为本专利技术实施例三提供的用车出行行为的预测方法的流程图；图4为本专利技术实施例四提供的一种用车出行行为的预测装置的结构示意图；图5为本专利技术实施例五提供的一种服务器的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1a为本专利技术实施例一提供的用车出行行为的预测方法的流程图，本实施例可适用于对待预测用户进行个性化用户出行预测的情况，该方法可以由用车出行行为的预测装置来执行，其中该装置可以通过软件和/或硬件的方式实现，并集成在服务器中。其中，该服务器为提供用车出行服务的后台服务器。参考图1a，本实施例提供的预测方法具体包括：S110、对待预测用户进行场景特征监测，以获取待预测用户所处的即时应用场景的场景特征。在本实施例中，即时应用场景为待预测用户当前所处的应用场景，例如天气场景、交通路况状况以及异地场景等。某个应用场景的场景特征为该应用场景下可能出现的各个要素，以天气场景为例，对应的场景特征可以包括：晴天、雨天、阴天以及雪天等，以交通路况状况为例，对应的场景特征可以包括：拥堵、通畅以及发生交通事故等。不同的应用场景下，待预测用户的用车需求可能不同。具体的，待预测用户的选择方式可以根据实际情况进行设定。例如，由服务器的运营者在某些特定的用户中选择待预测用户。又如，根据用户的历史用车出行行为，选择存在用车出行意图的用户作为待预测用户。进一步的，对待预测用户进行场景特征监测时，可以实时对待预测用户的日志流进行跟踪，并根据跟踪结果确定待预测用户的场景特征。其中，该日志流中包括待预测用户的网络行为以及用户所处的位置信息等信息。需要说明的是，对待预测用户进行场景特征监测时，不仅局限于对某一个应用场景的场景特征进行监测。比如可以同时对待预测用户的天气场景和异地场景进行监测。S120、根据待预测用户的用户画像特征和场景特征进行用车出行预测。其中，用户画像特征包括：性别、年龄、学历、收入、职位、所属公司、所属行业、兴趣分类、常用应用软件类型信息、常驻位置信息、本地出行平均距离以及预设间隔内的异地出行数据中的至少一种。根据用户画像特征可以得到用户的虚拟形象。通过对全部历史用车订单的分析，发现用车出行行为与用户个人的用户画像特征有很大的关系，比如在一线城市，本科及以上的用户在全部用车用户中占比46％，同时，在本科以上的用户中，63％的用户使用专车服务。又如，在购物意图场景中，女性用户使用用车出行服务的概率远大于男性用户使用用车出行服务的概率。因此，在对待预测用户进行用车出行预测时，不仅考虑场景特征，还应该考虑用户画像特征，以保证得到的用车出行预测结果更加准确，符合待预测用户的个性化用车需求。进一步的，获取用户画像特征的方式可以包括：获取用户输入的信息和/或获取用户的网络行为数据等方式。例如，获取某一用户的网络行为数据时，发现该用户使用搜索工具搜索的内容通常为：美妆、护肤以及时尚等，而统计全网用户的搜索行为数据后，确认上述搜索内容的用户性别通常为女，因此，确定该用户的性别为女。用车出行预测为对待预测用户是否使用用车出行服务进行预测。其中，待预测用户通过互联网利用客户端中带有用车出行服务的应用软件进行即时叫车或者预约车，服务器根据待预测用户的用车需求向网络中可约车辆的客户端派发订单，以便可约车辆向待预测用户提供用车服务。其中，客户端包括手机、平板电脑等智能设备。具体的，对待预测用户进行用车出行预测时，可以结合待预测用户的用户画像特征以及场景特征。例如，确定待预测用户的常驻位置信息为A市B区，根据待预测用户的场景特征确定该待预测用户当前处于C市D区，那么说明该待预测用户位于异地，进一步的，根据待预测用户的场景特征确定待预测用户当前处于雨天，根据上述条件对该待预测用户进行用车出行预测，并且得到的用车出行预测结果为该待预测用户用车出行的概率为90％。进一步的，根据该用车出行预测结果可以将用车服务优惠信息推送至待预测用户的客户端，以保证待预测用户在体验用车出行服务本文档来自技高网...

【技术保护点】
一种用车出行行为的预测方法，其特征在于，包括：对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征；根据待预测用户的用户画像特征和所述场景特征进行用车出行预测。

【技术特征摘要】
1.一种用车出行行为的预测方法，其特征在于，包括：对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征；根据待预测用户的用户画像特征和所述场景特征进行用车出行预测。2.根据权利要求1所述的预测方法，其特征在于，对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征包括：针对目标用户，按照关键场景特征项进行特征监测；如果所述目标用户的关键场景特征满足设定条件，则确定所述目标用户为待预测用户，获取所述待预测用户所处的即时应用场景的场景特征。3.根据权利要求2所述的预测方法，其特征在于，所述目标用户包括：潜在用车用户、发出历史用车出行订单的用户和/或关注用车服务的用户。4.根据权利要求3所述的预测方法，其特征在于，针对目标用户，按照关键场景特征项进行特征监测之前，还包括：根据潜在用车用户识别模型对第一预设用户群的用户画像特征进行识别，以确定所述第一预设用户群中各用户属于潜在用车用户的概率；根据所述概率选取用户作为所述潜在用车用户。5.根据权利要求2所述的预测方法，其特征在于，针对目标用户，按照关键场景特征项进行特征监测之前，还包括：选取候选应用场景；确定各所述候选应用场景对历史用车出行决策的信息增益；根据所述信息增益从各候选应用场景中确定关键场景。6.根据权利要求5所述的预测方法，其特征在于，所述关键场景包括下述至少一项：天气场景，对应的关键场景特征项包括：用户当前所处位置的设定天气条件；预计出行时间场景，对应的关键场景特征项包括：用户历史出行时间与用户历史出行目的地及其属性信息；异地场景，对应的关键场景特征项包括用户当前所处位置与常驻地位置；目的地场景，对应的关键场景特征项包括用户在当前时段内的地理位置搜索数据。7.根据权利要求2所述的预测方法，其特征在于，针对目标用户，按照关键场景特征项进行特征监测包括：分别对每个所述目标用户进行关键意图场景的特征监测，以获取每个所述目标用户所处的即时应用场景的意图场景特征；和/或根据各所述目标用户的用户画像特征确定客观场景，对所述客观场景的特征进行监测，以获取各所述目标用户所处的即时应用场景的客观场景特征。8.根据权利要求3或4所述的预测方法，其特征在于，针对目标用户，按照关键场景特征项进行特征监测之前，还包括：获取目标用户的用户画像特征；在所述用户画像特征中，获取至少两个目标子画像特征；分别确定每个所述目标子画像特征对应的用户；保存所述目标子画像特征与对应的用户的对应关系表；获取目标子画像特征；在所述对应关系表中，查找与所述目标子画像特征对应的用户筛选更新为目标用户。9.根据权利要求1所述的预测方法，其特征在于，根据待预测用户的用户画像特征和所述场景特征进行用车出行预测之后，还包括：根据用车出行预测结果确定所述待预测用户所在区域的用车调度推荐信息，...

【专利技术属性】
技术研发人员：刘坤，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11