一种面向隐私保护的联邦个性化出行服务管理方法及系统技术方案

本发明专利技术公开了一种面向隐私保护的联邦个性化出行服务管理方法及系统，系统包括基础数据层、业务响应层、实时数据层、辅助训练层以及用户交互层，能够完成出行者的出行任务，并提供用户操作的可视化界面以及数据结果的可视化界面。本发明专利技术能够基于联邦学习的方式，辅助系统训练出不同用户的出行模型，在保护用户隐私的前提下，为出行者提供个性化出行方案，可广泛应用于出行信息处理技术领域。广泛应用于出行信息处理技术领域。广泛应用于出行信息处理技术领域。

A federal personalized travel service management method and system for privacy protection

【技术实现步骤摘要】
一种面向隐私保护的联邦个性化出行服务管理方法及系统


[0001]本专利技术涉及出行信息处理
，尤其是一种面向隐私保护的联邦个性化出行服务管理方法及系统。

技术介绍

[0002]随着人工智能技术飞速发展，传统训练系统模型使用的将数据收集，并将数据传输至一个具有高性能的中心点建立模型的方法近来以不再适用。随着人工智能在各行各业的应用落地，对于用户隐私和数据安全的关注度不断提高。数据拥有者只允许数据保存在自己手中，不想上传到中心点，这样数据便成为了各自孤立的孤岛，使得传统训练模型的方式难以得到有效进行，保护数据隐私和安全已成为了人工智能发展的必要趋势。
[0003]联邦学习本质上是一种分布式机器学习框架，其目的是保证数据隐私安全的基础上，实现共同建模，提升机器学习模型的效果。联邦学习解决以上问题的方法为：由每一个数据拥有者训练一个模型，之后让各个数据拥有者的模型彼此交流，最终通过模型聚合得到一个全局模型。在整个联邦学习过程中，首先，客户端进行本地模型训练；其次，客户端将更新后的本地模型参数发送给服务器；再次，服务器对各客户端发送的参数进行聚合；最后，服务器把聚合更新后的参数发送至各客户端。联邦学习以这种方式重复循环，直至整个训练过程收敛。如今，随着人们出行样式不断增多，出行服务的规模不断扩大，涵盖了更多的出行方式，同时大众对数据安全、隐私保护的广泛关注，数据孤岛也正在大量产生，不断一直各类数据的有效共享，使得传统的数据融合机制无法得到有效实施，传统的集中式个性化出行服务系统的运行面临挑战。
专利技术内容
[0004]有鉴于此，本专利技术实施例提供一种面向隐私保护的联邦个性化出行服务管理方法及系统，能够基于联邦学习的方式，辅助系统训练出不同用户的出行模型，在保护用户隐私的前提下，为出行者提供个性化出行方案。
[0005]本专利技术的一方面提供了一种面向隐私保护的联邦个性化出行服务管理方法，包括：
[0006]获取个性化出行服务系统运行的所需数据以及生成数据；
[0007]响应于用户的出行请求，根据所述出行请求采用联邦学习方法确定出行信息和出行方案；
[0008]实时收集相关道路的交通信息，对出行优化模型进行训练；
[0009]根据所述出行信息，通过联邦学习对所述出行优化模型进行训练和更新；
[0010]获取个性化出行服务系统与出行者的交互信息，响应于出行者发出的出行请求以及出行方案的选择指令，完成出行者的出行任务，并提供用户操作的可视化界面以及数据结果的可视化界面。
[0011]可选地，所述获取个性化出行服务系统运行的所需数据以及生成数据，包括：
[0012]获取并存储个性化出行服务系统的用户可公开个人信息数据；
[0013]获取并存储所述个性化出行服务系统的用户出行请求信息数据；
[0014]获取并存储所述个性化出行服务系统各用户的出行选择模型的数据；
[0015]获取并存储出行过程中用户的体验信息和系统实时状态数据。
[0016]可选地，所述响应于用户的出行请求，根据所述出行请求采用联邦学习方法确定出行信息和出行方案，包括：
[0017]获取并响应用户发布出行请求；
[0018]实时采集出行任务进行时的道路实时交通信息和用户个人信息；
[0019]采用联邦学习方法对用户的个人出行信息进行处理；
[0020]响应于用户操作指令，对出行请求的出行数据进行新增管理、撤销管理和修改管理，发布个性化出行方案；
[0021]获取用户对出行过程体验的反馈信息和系统对系统实时状态的反馈信息。
[0022]可选地，所述实时收集相关道路的交通信息，对出行优化模型进行训练，包括：
[0023]根据处理后的数据训练出行优化模型；
[0024]根据接收的本地出行选择模型进行聚合；
[0025]生成所述个性化出行方案。
[0026]本专利技术实施例的另一方面还提供了一种面向隐私保护的联邦个性化出行服务管理系统，包括：
[0027]基础数据层，用于获取个性化出行服务系统运行的所需数据以及生成数据；
[0028]业务响应层，用于响应于用户的出行请求，根据所述出行请求采用联邦学习方法确定出行信息和出行方案；
[0029]实时数据层，用于实时收集相关道路的交通信息，对出行优化模型进行训练；
[0030]辅助训练层，用于根据所述出行信息，通过联邦学习对所述出行优化模型进行训练和更新；
[0031]用户交互层，用于获取个性化出行服务系统与出行者的交互信息，响应于出行者发出的出行请求以及出行方案的选择指令，完成出行者的出行任务，并提供用户操作的可视化界面以及数据结果的可视化界面。
[0032]可选地，所述基础数据层，包括：
[0033]用户信息数据库，用于获取并存储个性化出行服务系统的用户可公开个人信息数据；
[0034]出行信息数据库，用于获取并存储所述个性化出行服务系统的用户出行请求信息数据；
[0035]出行模型数据库，用于获取并存储所述个性化出行服务系统各用户的出行选择模型的数据；
[0036]体验信息数据库，用于获取并存储出行过程中用户的体验信息和系统实时状态数据；
[0037]所述业务响应层，包括：
[0038]出行请求接收模块，用于获取并响应用户发布出行请求；
[0039]实时信息模块，用于实时采集出行任务进行时的道路实时交通信息和用户个人信
息；
[0040]出行信息管理模块，用于采用联邦学习方法对用户的个人出行信息进行处理；
[0041]出行方案推荐与接收模块，用于响应于用户操作指令，对出行请求的出行数据进行新增管理、撤销管理和修改管理，发布个性化出行方案；
[0042]信息反馈模块，用于获取用户对出行过程体验的反馈信息和系统对系统实时状态的反馈信息。
[0043]可选地，所述辅助训练层，包括：
[0044]数据处理与学习模块，用于根据处理后的数据训练出行优化模型；根据接收的本地出行选择模型进行聚合；
[0045]出行方案生成模块，用于生成所述个性化出行方案；
[0046]所述实时数据层，包括：
[0047]用户信息模块，用于支持采集用户个人信息；
[0048]车辆数据模块，用于支持实时采集可能出行路径的交通信息；
[0049]环境数据模块，用于支持实时采集可能出行路径的环境信息。
[0050]可选地，所述用户交互层，包括：
[0051]地理位置交互界面，用于支持用户发布出行请求任务的交互操作和查看地理信息的交互操作；
[0052]地点信息交互界面，用于支持用户根据地理信息或场所功能作为搜索指令进行地点搜索的交互操作；
[0053]出行方案交互界面，用于支持用户对个性化出行方案进行选择的交互操作；
[0054]出行状态交互界面，用于支持用户对出行请求的出行数据管本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向隐私保护的联邦个性化出行服务管理方法，其特征在于，包括：获取个性化出行服务系统运行的所需数据以及生成数据；响应于用户的出行请求，根据所述出行请求采用联邦学习方法确定出行信息和出行方案；实时收集相关道路的交通信息，对出行优化模型进行训练；根据所述出行信息，通过联邦学习对所述出行优化模型进行训练和更新；获取个性化出行服务系统与出行者的交互信息，响应于出行者发出的出行请求以及出行方案的选择指令，完成出行者的出行任务，并提供用户操作的可视化界面以及数据结果的可视化界面。2.根据权利要求1所述的一种面向隐私保护的联邦个性化出行服务管理方法，其特征在于，所述获取个性化出行服务系统运行的所需数据以及生成数据，包括：获取并存储个性化出行服务系统的用户可公开个人信息数据；获取并存储所述个性化出行服务系统的用户出行请求信息数据；获取并存储所述个性化出行服务系统各用户的出行选择模型的数据；获取并存储出行过程中用户的体验信息和系统实时状态数据。3.根据权利要求1所述的一种面向隐私保护的联邦个性化出行服务管理方法，其特征在于，所述响应于用户的出行请求，根据所述出行请求采用联邦学习方法确定出行信息和出行方案，包括：获取并响应用户发布出行请求；实时采集出行任务进行时的道路实时交通信息和用户个人信息；采用联邦学习方法对用户的个人出行信息进行处理；响应于用户操作指令，对出行请求的出行数据进行新增管理、撤销管理和修改管理，发布个性化出行方案；获取用户对出行过程体验的反馈信息和系统对系统实时状态的反馈信息。4.根据权利要求1所述的一种面向隐私保护的联邦个性化出行服务管理方法，其特征在于，所述实时收集相关道路的交通信息，对出行优化模型进行训练，包括：根据处理后的数据训练出行优化模型；根据接收的本地出行选择模型进行聚合；生成所述个性化出行方案。5.一种面向隐私保护的联邦个性化出行服务管理系统，其特征在于，包括：基础数据层，用于获取个性化出行服务系统运行的所需数据以及生成数据；业务响应层，用于响应于用户的出行请求，根据所述出行请求采用联邦学习方法确定出行信息和出行方案；实时数据层，用于实时收集相关道路的交通信息，对出行优化模型进行训练；辅助训练层，用于根据所述出行信息，通过联邦学习对所述出行优化模型进行训练和更新；用户交互层，用于获取个性化出行服务系统与出行者的交互信息，响应于出行者发出的出行请求以及出行方案的选择指令，完成出行者的出行任务，并提供用户操作的可视...

【专利技术属性】
技术研发人员：由林麟，贺俊姝，陈坤旭，何家琪，
申请(专利权)人：中山大学，
类型：发明
国别省市：