跨区域的出行推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种跨区域的出行推荐方法、装置、电子设备及存储介质，涉及智能交通领域和深度学习领域。具体实现方案为：获取用户的出行请求，所述出行请求包括起始点和终点，所述起点和终点位于不同区域；根据所述用户的出行请求，提取用户特征；根据所述用户特征和预先训练的跨区域出行推荐模型，向所述用户推荐至少一种出行方案。本申请的技术方案，能够弥补现有技术的不足，通过预先训练的跨区域出行推荐模型，和基于用户的出行请求提取的用户特征，提供一种大空间尺度、多模态环境下的跨区域的出行方案的推荐，可以满足用户的跨区域的出行请求，具有非常强的实用性。

【技术实现步骤摘要】
跨区域的出行推荐方法、装置、电子设备及存储介质
本申请涉及计算机技术，尤其涉及智能交通领域和深度学习领域，具体涉及一种跨区域的出行推荐方法、装置、电子设备及存储介质。
技术介绍
现有技术中，跨区域的出行方案的推荐面临着异构和大尺度的问题。异构表现在交通工具差异大，包括飞机、火车、高铁、客车等，而大尺度表现在空间与时间尺度宽，出行距离和出行耗时远超市内出行行程。由于出行工具的多样性、用户出行偏好的差异性，跨区域的出行方案推荐是一个复杂度很高的问题，单一的策略实际上很难建模不同人在不同环境下对于不同出行方式的偏好，最终做出不正确的推荐。因此，亟需提供一种智能化地跨区域的出行推荐方案。
技术实现思路
为了解决上述问题，本申请提供了一种跨区域的出行推荐方法、装置、电子设备及存储介质。根据本申请的一方面，提供了一种跨区域的出行推荐方法，其中，所述方法包括：获取用户的出行请求，所述出行请求包括起始点和终点，所述起点和终点位于不同区域；根据所述用户的出行请求，提取用户特征；>根据所述用户特征和本文档来自技高网...

【技术保护点】
1.一种跨区域的出行推荐方法，其中，所述方法包括：/n获取用户的出行请求，所述出行请求包括起始点和终点，所述起点和终点位于不同区域；/n根据所述用户的出行请求，提取用户特征；/n根据所述用户特征和预先训练的跨区域出行推荐模型，向所述用户推荐至少一种出行方案；。/n

【技术特征摘要】
1.一种跨区域的出行推荐方法，其中，所述方法包括：
获取用户的出行请求，所述出行请求包括起始点和终点，所述起点和终点位于不同区域；
根据所述用户的出行请求，提取用户特征；
根据所述用户特征和预先训练的跨区域出行推荐模型，向所述用户推荐至少一种出行方案；。


2.根据权利要求1所述的方法，其中，根据所述用户的出行请求，提取用户特征，包括：
根据所述出行请求，提取所述用户的出行方案特征、个性化特征以及情景化特征中的至少一种；
和/或所述出行方案包括驾车、高铁、飞机、轮船、电动车、摩托车、单车以及城市公共交通中的至少一种交通方式。


3.根据权利要求2所述的方法，其中，根据所述出行请求，提取所述用户的出行方案特征，包括：
采用底层算路引擎计算所述出行请求中的所述起始点到所述终点的多种出行方案；
抽取所述至少一种出行方案的距离平均值、距离最小值以及距离最大值中的至少一种、所述至少一种出行方案的价格平均值、价格最小值以及价格最大值中的至少一种、所述至少一种出行方案的耗时平均值、耗时最小值以及耗时最大值中的至少一种、各所述出行方案的距离与距离平均值的差值、与距离最小值的差值以及与距离最大值的差值中的至少一种、各所述出行方案的价格与价格均值的差值、与价格最小值的差值、以及与价格最大值的差值中的至少一种、各所述出行方案的耗时与耗时平均值的差值、与耗时最小值的差值、以及与耗时最大值的差值中的至少一种，并进行特征表达，构成所述用户的出行方案特征。


4.根据权利要求2所述的方法，其中，根据所述出行请求，提取所述用户的个性化特征，包括：
采集所述出行请求的用户的性别、年龄、工作类型、受教育程度、收入级别、消费级别和婚姻状况中至少一种，并进行特征表达，得到所述用户的个性化特征。


5.根据权利要求2所述的方法，其中，根据所述出行请求，提取所述用户的情景化特征，包括：
采集所述出行请求中的所述起始点和所述终点之间的总距离、当前时刻、当前星期、当前位置、起点和终点的城市ID、当前省份ID、网络类型、网络运行商类别以及天气信息中的至少一种，并进行特征表达，构成所述用户的情景化特征。


6.根据权利要求1-5任一所述的方法，其中，根据所述出行请求，提取用户的特征之后，根据所述用户的特征和预先训练的跨区域出行推荐模型，向所述用户推荐至少一种出行方案之前，所述方法还包括：
对所述用户的特征中的空值、类别型特征和/或数值型特征进行处理。


7.一种跨区域出行推荐模型的训练方法，其中，所述方法包括：
基于历史出行日志，采集数条用户的跨区域的出行信息；
基于所述数条用户的跨区域的出行信息，提取数条训练数据；
采用所述数条训练数据，训练跨区域出行推荐模型。


8.根据权利要求7所述的方法，其中，基于所述数条用户的跨区域的出行信息，提取数条训练数据，包括：
基于所述数条用户的跨区域的出行信息中的各条所述用户的跨区域的出行信息，提取对应的用户特征；并标注对应的出行方案的概率为1，构成所述训练数据；共得到所述数条训练数据。


9.根据权利要求8所述的方法，其中，基于所述数条用户的跨区域的出行信息中的各条所述用户的跨区域的出行信息，提取对应的用户特征，包括：
根据各条所述用户的跨区域的出行信息，提取对应的所述用户的出行方案特征、个性化特征以及情景化特征中的至少一种。


10.一种跨区域的出行推荐装置，其中，所述装置包括：
获取模块，用于获取用户的出行请求，所述出行请求包括起始点和终点，所述起点和终点位于不同区域；
提取模块，用于根据所述用户的出行请求，提取用户...

【专利技术属性】
技术研发人员：刘浩，张攀攀，段建国，熊辉，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11