老人用车服务系统及其运行方法技术方案

本申请涉及用车服务的领域，其具体地公开了一种老人用车服务系统及其运行方法，其不同于一般的网约车服务商在派单时主要基于地理位置进行派单，在本申请中考虑到老人用车对于时间的敏感性较低，因此，优先考虑派送车辆是否符合老人的偏好信息。并且，如果仅基于偏好

【技术实现步骤摘要】
老人用车服务系统及其运行方法


[0001]本专利技术涉及用车服务的领域，且更为具体地，涉及一种老人用车服务系统、老人用车服务系统的运行方法。

技术介绍

[0002]网约车，即网络预约出租汽车经营服务的简称，是指以互联网技术为依托构建服务平台，接入符合条件的车辆和驾驶员，通过整合供需信息，提供非巡游的预约出租汽车服务的经营活动。在移动互联网时代，网约车已成为大多数人打车出行的重要途径。
[0003]但是，网约车在极大的便利普通人群出行的同时，渐渐显现出了对老年人群体的不友好，有相当一部分老年人，他们文化水平有限且不会使用智能手机，其中还有一部分老年人的视力听力衰退且身体健康也欠佳，这样会使得老人们在打车时不仅无法享受网约车带来的便利，反而还会因此更难通过传统召车方式出行。并且，不同于一般的网约车服务商在派单时主要基于地理位置进行派单，老人用车对于时间的敏感性较低而且对车辆具有特殊的偏好。因此，如何在老年人打车时，兼顾他们基础信息的同时并根据他们不同的喜好和身体条件状况进行不同的车辆匹配是需要考虑的问题。
[0004]因此，期待一种老人用车服务系统以对待分配的老人与待匹配车辆是否匹配进行准确地判断。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种老人用车服务系统、老人用车服务系统的运行方法，其不同于一般的网约车服务商在派单时主要基于地理位置进行派单，在本申请中考虑到老人用车对于时间的敏感性较低，因此，优先考虑派送车辆是否符合老人的偏好信息。并且，如果仅基于偏好
‑
条件进行完全匹配，则显然会降低老人与车辆的匹配程度，因此，本申请的老人用车服务系统进一步基于其它常规信息进行一定程度上的模糊匹配，通过这样的方式，可以使得待分配的老人与待匹配车辆的匹配程度更高，进而提高老年人用车服务的质量。
[0006]根据本申请的一个方面，提供了一种老人用车服务系统，其包括：
[0007]常用信息获取单元，用于获取待分配老人的常用信息，所述常用信息包括姓名、年龄、性别、身体状态、家庭住址和常用地址；
[0008]常用特征向量构造单元，用于将所述待分配老人的常用信息中的各项信息分别通过第一编码器转化为特征值，以获得由多个特征值构成的常用特征向量；
[0009]偏好信息单元，用于获取待分配老人的偏好信息，所述偏好信息包括是否乘坐轮椅、是否畏寒、是否畏热和是否要求安静；
[0010]偏好向量构造单元，用于将所述待分配老人的偏好信息中的各项信息分别通过第二编码器以转化为特征值，以获得由多个特征值构成的偏好向量；
[0011]关联单元，用于基于所述常用特征向量和所述偏好向量，构造用于表示常用信息
和偏好信息之间的关联的关联矩阵；
[0012]神经网络单元，用于使用卷积神经网络从所述关联矩阵获得关联特征图；
[0013]空间映射单元，用于将所述待分配老人的偏好向量和待匹配车辆的车辆条件向量分别映射到所述关联特征图的特征空间中，以获得偏好特征向量和车辆条件特征向量，其中，所述待匹配车辆的车辆条件向量基于所述待匹配车辆的车辆条件信息生成；
[0014]转移矩阵计算单元，用于计算所述偏好特征向量和所述车辆条件特征向量之间的转移矩阵，其中，所述转移矩阵与所述车辆条件特征向量之间矩阵相乘的结果为所述偏好特征向量，所述转移矩阵用于表示偏好信息和车辆条件信息在所述关联特征图的特征空间中的差异；
[0015]邻域处理单元，用于对所述转移矩阵进行邻域处理，以获得邻域处理后的转移矩阵作为分类矩阵，所述邻域处理包括邻域均值处理和计算差分矩阵处理；以及
[0016]车辆匹配分析单元，用于将所述分类矩阵通过分类器以获得分类结果，所述分类结果用于表示待分配的老人与待匹配车辆是否匹配。
[0017]在上述老人用车服务系统中，所述常用特征向量构造单元，进一步用于：将所述待分配老人的常用信息中的姓名、家庭住址和常用地址通过词嵌入模型以转化为特征值；将所述待分配老人的常用信息中的性别和身体状态通过类别型特征编码器以转化为特征值；将所述待分配老人的常用信息中的年龄进行数字编码器以转化为特征值。
[0018]在上述老人用车服务系统中，所述偏好向量构造单元，进一步用于：将所述待分配老人的偏好信息中的各项信息分别通过类别型特征编码器以转化为特征值，以获得由多个特征值构成的偏好向量。
[0019]在上述老人用车服务系统中，所述关联单元，进一步用于：将所述常用特征向量与所述偏好向量的转置进行矩阵相乘以获得所述关联矩阵。
[0020]在上述老人用车服务系统中，所述邻域处理单元，进一步用于：以如下公式对所述转移矩阵进行邻域处理，以获得邻域处理后的转移矩阵作为分类矩阵；所述公式为：
[0021][0022]在上述老人用车服务系统中，所述卷积神经网络以如下公式对所述关联矩阵进行处理以生成关联特征图；其中，所述公式为：
[0023]f
i
＝active(N
i
×
f
i
‑1+B
i
)
[0024]其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，N
i
为第i层卷积神经网络的卷积核，且B
i
为第i层卷积神经网络的偏置向量，active表示非线性激活函数。
[0025]在上述老人用车服务系统中，所述车辆匹配分析单元，进一步用于：将所述分类矩阵通过一个或多个全连接层以获得分类特征向量；将所述分类特征向量输入Softmax分类函数以获得所述分类特征向量归属于待分配的老人与待匹配车辆匹配的第一概率和所述分类特征向量归属于待分配的老人与待匹配车辆不匹配的第二概率；以及，基于所述第一概率和所述第二概率之间的比较，生成所述分类结果。
[0026]根据本申请的另一方面，一种老人用车服务系统的运行方法，其包括：
[0027]获取待分配老人的常用信息，所述常用信息包括姓名、年龄、性别、身体状态、家庭住址和常用地址；
[0028]将所述待分配老人的常用信息中的各项信息分别通过第一编码器转化为特征值，以获得由多个特征值构成的常用特征向量；
[0029]获取待分配老人的偏好信息，所述偏好信息包括是否乘坐轮椅、是否畏寒、是否畏热和是否要求安静；
[0030]将所述待分配老人的偏好信息中的各项信息分别通过第二编码器以转化为特征值，以获得由多个特征值构成的偏好向量；
[0031]基于所述常用特征向量和所述偏好向量，构造用于表示常用信息和偏好信息之间的关联的关联矩阵；
[0032]使用卷积神经网络从所述关联矩阵获得关联特征图；
[0033]将所述待分配老人的偏好向量和待匹配车辆的车辆条件向量分别映射到所述关联特征图的特征空间中，以获得偏好特征向量和车辆条件特征向量，其中，所述待匹配车辆的车辆条件向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种老人用车服务系统，其特征在于，包括：常用信息获取单元，用于获取待分配老人的常用信息，所述常用信息包括姓名、年龄、性别、身体状态、家庭住址和常用地址；常用特征向量构造单元，用于将所述待分配老人的常用信息中的各项信息分别通过第一编码器转化为特征值，以获得由多个特征值构成的常用特征向量；偏好信息单元，用于获取待分配老人的偏好信息，所述偏好信息包括是否乘坐轮椅、是否畏寒、是否畏热和是否要求安静；偏好向量构造单元，用于将所述待分配老人的偏好信息中的各项信息分别通过第二编码器以转化为特征值，以获得由多个特征值构成的偏好向量；关联单元，用于基于所述常用特征向量和所述偏好向量，构造用于表示常用信息和偏好信息之间的关联的关联矩阵；神经网络单元，用于使用卷积神经网络从所述关联矩阵获得关联特征图；空间映射单元，用于将所述待分配老人的偏好向量和待匹配车辆的车辆条件向量分别映射到所述关联特征图的特征空间中，以获得偏好特征向量和车辆条件特征向量，其中，所述待匹配车辆的车辆条件向量基于所述待匹配车辆的车辆条件信息生成；转移矩阵计算单元，用于计算所述偏好特征向量和所述车辆条件特征向量之间的转移矩阵，其中，所述转移矩阵与所述车辆条件特征向量之间矩阵相乘的结果为所述偏好特征向量，所述转移矩阵用于表示偏好信息和车辆条件信息在所述关联特征图的特征空间中的差异；邻域处理单元，用于对所述转移矩阵进行邻域处理，以获得邻域处理后的转移矩阵作为分类矩阵，所述邻域处理包括邻域均值处理和计算差分矩阵处理；以及车辆匹配分析单元，用于将所述分类矩阵通过分类器以获得分类结果，所述分类结果用于表示待分配的老人与待匹配车辆是否匹配。2.根据权利要求1所述的老人用车服务系统，其中，所述常用特征向量构造单元，进一步用于：将所述待分配老人的常用信息中的姓名、家庭住址和常用地址通过词嵌入模型以转化为特征值；将所述待分配老人的常用信息中的性别和身体状态通过类别型特征编码器以转化为特征值；将所述待分配老人的常用信息中的年龄进行数字编码器以转化为特征值。3.根据权利要求1所述的老人用车服务系统，其中，所述偏好向量构造单元，进一步用于：将所述待分配老人的偏好信息中的各项信息分别通过类别型特征编码器以转化为特征值，以获得由多个特征值构成的偏好向量。4.根据权利要求1所述的老人用车服务系统，其中，所述关联单元，进一步用于：将所述常用特征向量与所述偏好向量的转置进行矩阵相乘以获得所述关联矩阵。5.根据权利要求1所述的老人用车服务系统，其中，所述邻域处理单元，进一步用于：以如下公式对所述转移矩阵进行邻域处理，以获得邻域处理后的转移矩阵作为分类矩阵；所述公式为：
6.根据权利要求1所述的老人用车服务系统，其中，所述卷积神经网络以如下公式对所述关联矩阵进行处理以生成关联特征图；其中，所述公式为：f
i
＝active(N
i
×
f
i
‑1+B
i
)其中，f
i

【专利技术属性】
技术研发人员：薛永伟，赵生辉，
申请(专利权)人：深圳万顺叫车云信息技术有限公司，
类型：发明
国别省市：