一种共享车辆的推荐方法和系统技术方案

本申请涉及提供一种共享车辆的推荐方法和系统。所述方法包括：获取用户特征数据，所述用户特征数据至少包括用户属性；获取当前订单数据，所述当前订单数据至少包括以下中的一种：用户起点信息、与用户起点相关联的共享车辆场站数据和与用户起点相关联的场站中所有共享车辆的数据；以及，基于用户特征数据和当前订单数据，向用户推荐共享车辆。本申请所披露的共享车辆推荐方法，可以根据用户属性采取不同的匹配方式为用户匹配车辆，从而可以为用户推荐匹配度更高的共享车辆，提升了用户满意度。

A recommendation method and system for shared vehicles

【技术实现步骤摘要】
一种共享车辆的推荐方法和系统
本申请涉及出行领域，特别涉及一种共享车辆的推荐方法和系统。
技术介绍
共享汽车的公共服务模式被越来越多的人接受和使用。然而，不同收入、社会背景和驾驶习惯的人对于共享车辆的偏好会有明显的不同。例如，共享汽车的用户包括学生、商旅人士、上班族等，其中商旅人士可能会倾向选择驾驶空间更宽敞的商务车；上班族可能会因为更加追求驾驶感，而倾向选择SUV等汽油动力车；满足驾龄的学生群体出于预算限制可能会选择价格较低的天然气动力或纯电动的车型。现有技术中共享汽车属于“批量投放”的状态，即，用户在共享汽车站点、共享汽车平台页面上看到的基本上都是同一车型，这就造成批量投放的车型闲置浪费，因此，有必要提供一种共享车辆的推荐方法和系统。
技术实现思路
本申请的一个方面提供一种共享车辆的推荐方法。所述方法包括：获取用户特征数据，所述用户特征数据至少包括用户属性；获取当前订单数据，所述当前订单数据至少包括以下中的一种：用户起点信息、与用户起点相关联的共享车辆场站数据和与用户起点相关联的场站中所有共享车辆的数据；以及，基于所述用本文档来自技高网...

【技术保护点】
1.一种共享车辆的推荐方法，其特征在于，所述方法包括：/n获取用户特征数据，所述用户特征数据至少包括用户属性；/n获取当前订单数据，所述当前订单数据至少包括以下中的一种：用户起点信息、与用户起点相关联的共享车辆场站数据和与用户起点相关联的场站中所有共享车辆的数据；/n以及，基于所述用户特征数据和所述当前订单数据，向所述用户推荐共享车辆。/n

【技术特征摘要】
1.一种共享车辆的推荐方法，其特征在于，所述方法包括：
获取用户特征数据，所述用户特征数据至少包括用户属性；
获取当前订单数据，所述当前订单数据至少包括以下中的一种：用户起点信息、与用户起点相关联的共享车辆场站数据和与用户起点相关联的场站中所有共享车辆的数据；
以及，基于所述用户特征数据和所述当前订单数据，向所述用户推荐共享车辆。


2.如权利要求1所述的方法，其特征在于，所述用户属性包括所述用户为新用户或所述用户不为新用户；
若所述用户不为新用户：
所述用户特征数据还包括用户基本特征、驾驶习惯数据和历史订单数据；
若所述用户为新用户：
所述用户特征数据不包括除用户属性之外的其他用户特征数据；或
所述用户特征数据还包括用户基本特征和/或驾驶习惯数据。


3.如权利要求2所述的方法，其特征在于，所述用户基本特征包括以下中的至少一个：性别、年龄、职业和征信记录；
所述驾驶习惯数据包括以下中的至少一个：驾驶行为习惯、对车辆颜色的偏好和对车辆性能的偏好；
所述历史订单数据包括以下中的至少一个：与历史订单相关的车辆数据、服务时间、行程起始点、行程目的地和行程路径。


4.如权利要求2所述的方法，其特征在于，所述基于所述用户特征数据和所述当前订单数据，向所述用户推荐共享车辆包括：
若所述用户不为新用户：
基于所述用户特征数据和所述当前订单数据，确定所述与用户起点相关联的场站中所有共享车辆与所述用户匹配的排序结果；
基于所述排序结果，向所述用户推荐共享车辆。


5.如权利要求4所述的方法，其特征在于，所述基于所述用户特征数据和所述当前订单数据，确定所述与用户起点相关联的场站中所有共享车辆与所述用户匹配的排序结果包括：
利用匹配模型处理所述用户特征数据和所述当前订单数据，得到所述与用户起点相关联的场站中所有共享车辆与所述用户的匹配率；
对所述匹配率进行排序，得到排序结果。


6.如权利要求2所述的方法，其特征在于，所述基于所述用户特征数据和所述当前订单数据，向所述用户推荐共享车辆包括：
若所述用户为新用户且不包括除用户属性之外的其他用户特征数据：
获取所述与用户起点相关联的场站中所有共享车辆历史使用率；
对所述所有共享车辆历史使用率进行排序，得到排序结果；
基于所述排序结果，向所述用户推荐共享车辆。


7.如权利要求2所述的方法，其特征在于，所述基于所述用户特征数据和所述当前订单数据，向所述用户推荐共享车辆包括：
若所述用户为新用户且所述用户特征数据还包括用户基本特征和/或驾驶习惯数据：
获取其他用户的用户特征数据和偏好车辆评分；
利用协同过滤算法处理所述用户特征数据和所述其他用户的用户特征数据，得到所述其他用户与所述用户相似率的排列结果；
基于所述相似率的排列结果和所述偏好车辆评分，得到所述偏好车辆的排列结果；
基于所述偏好车辆的排列结果，筛选出所述与用户起点相关联的场站中的匹配共享车辆；
对所述匹配共享车辆按所述偏好车辆的排列结果进行排序，得到排序结果；
基于所述排序结果，向所述用户推荐共享车辆。


8.如权利要求4～7中任一项所述的方法，其特征在于，所述基于所述排序结果，向所述用户推荐共享车辆包括：
设定车辆推荐阈值；
基于所述排序结果和所述车辆推荐阈值，向所述用户推荐共享车辆。


9.如权利要求8所述的方法，其特征在于，所述基于所述排序结果和所述车辆推荐阈值，向所述用户推荐共享车辆还包括：
基于所述排序结果和所述车辆推荐阈值，优先向所述用户展示排序结果靠前的共享车辆。


10.如权利要求5所述的方法，其特征在于，所述匹配模型包括回归模型；
所述匹配模型通过以下方法获得：
获取用户特征数据、历史订单数据及用户与共享车辆的匹配率样本；其中，将所述用户与共享车辆的匹配率标记作为参考匹配率；
基于所述用户特征数据样本、所述历史订单数据样本及标记结果训练初始模型得到所述匹配模型。


11.如权利要求10所述的方法，其特征在于，所述方法还包括：
获取用户浏览所述推荐的共享车辆、查看所述推荐的共享车辆性能指标、选择所述推荐的共享车辆的数据；
将所述用户浏览所述推荐的共享车辆、查看所述推荐的共享车辆性能指标、选择所述推荐的共享车辆的数据作为训练样本训练所述匹配模型。


12.一种共享车辆的推荐系统，其特征在于，所述系统包括第一获取模块、第二获取模块和推荐模块；其中：...

【专利技术属性】
技术研发人员：孟格思，李敏，王瑜，叶舟，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11