一种基于动态定价机制的乘客出行意图挖掘方法技术

本发明专利技术公开了一种基于动态定价机制的乘客出行意图挖掘方法，方法包括以下步骤：城市网格划分，将城市划分为相同大小的若干网格；获取多源城市数据，获取乘客出行订单数据、动态价格系数、POI数据以及公共交通分布数据；特征提取和上下文扩展，基于多源城市数据，进行特征提取，构成特征量，对特征量进行扩展，以使其能表述关于乘客出行意图的上下文信息；乘客出行意图挖掘，使用线性模型进行乘客出行意图挖掘。本发明专利技术考虑了动态定价机制对乘客出行意图挖掘的影响，将乘客出行意图挖掘问题转化为多个二分类问题，具有较高的准确率。具有较高的准确率。具有较高的准确率。

【技术实现步骤摘要】
一种基于动态定价机制的乘客出行意图挖掘方法


[0001]本专利技术属于智能出行服务
，具体涉及一种基于动态定价机制的乘客出行意图挖掘方法。

技术介绍

[0002]近年来，智能移动出行服务变得越来越普及。在许多方面，智能移动出行服务与传统出租车服务是相似的，但数据驱动和动态定价机制这两个新的特点将其与传统出租车服务加以区别。
[0003]智能移动出行服务中，动态定价机制(及其具体体现，即动态价格系数)是该服务的主要特点，且动态定价机制准确、实时地反映了路面供需状况的变化，对于推测乘客出行意图有一定的帮助。
[0004]乘客出行意图挖掘，即根据乘客的出行记录(如上车/下车的时间和地点)推测乘客的出行目的(如通勤上班、通勤回家、购物、娱乐等)。在传统出租车服务中，已有多种乘客出行意图挖掘算法，如根据GPS轨迹数据或其他多源城市数据，采用概率模型或机器学习模型推测乘客出行意图，根据调查、问卷或人口信息，提取特定用户群体的出行偏好并推测该用户群体内部分用户的出行意图等等；但是已有的乘客出行意图挖掘方法，部分是针对特定用户群体对乘客出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态定价机制的乘客出行意图挖掘方法，其特征在于，包括以下步骤：城市网格划分，将城市划分为相同大小的若干网格；获取多源城市数据，获取乘客出行订单记录数据、动态价格系数、POI数据以及公共交通分布数据；特征提取和上下文扩展，基于多源城市数据，进行特征提取，构成特征量，对特征量进行扩展，以使其能表述关于乘客出行意图的上下文信息；乘客出行意图挖掘，使用线性模型进行乘客出行意图挖掘。2.根据权利要求1所述的一种基于动态定价机制的乘客出行意图挖掘方法，其特征在于，乘客出行订单记录数据包括乘客上下车的时间地点；动态价格系数具体为，每个网格内每小时所有订单的平均动态价格系数；动态价格系数可通过群智感知的方法，鼓励司机上传接载订单的动态价格系数；动态价格系数还可通过在城市的不同地区部署多个模拟终端的方法，收集得到；POI数据具体为，乘客上下车地点方圆N内的POI向量；POI数据从在线地图上通过网络爬虫获得；在线地图服务将POI分为若干类别，给定一个地点，该地点方圆N内的不同类别的POI数量，是对该地点的地理特征的一个综合描述，该地点方圆N内的不同类别的POI数量构成POI向量；其中，N的值根据实际实施情况和数据决定；公共交通分布数据具体为，乘客上下车地点方圆N内的公共交通分布向量；公共交通分布数据从在线地图上通过网络爬虫获得；采用A＝{A1，A2，...，A9}表示乘客出行意图，其中A1至A9分别表示娱乐、户外、购物、用餐、教育、交通、通勤回家、生活健康以及通勤上班这9类出行意图；采用p
o
＝(lng
o
，lat
o
，t
o
)表示乘客上车时的经度、纬度以及时间，采用p
d
＝(lng
d
，lat
d
，t
d
)表示乘客下车时的经度、纬度以及时间；采用POI
o
表示上车地点方圆N内不同类别的POI数量组成的向量，采用POI
d
表示下车地点方圆N内的不同类比的POI数量组成的向量；采用BM
o
表示上车地点方圆N内的公共交通的站点数量、线路数量组成的向量，采用BM
d
表示下车地点方圆N内的公共交通的站点数量、线路数量组成的向量。3.根据权利要求2所述的一种基于动态定价机制的乘客出行意图挖掘方法，其特征在于，所述基于动态定价机制的乘客出行意图挖掘方法，基于获取的乘客出行订单记录的上下车的时间地点、动态价格系数、上下车地点方圆N内的POI向量以及上下车地点方圆N内的公共交通分布向量，给定一个输入特征向量预测概率即对于任意乘客订单，给定对应的输入特征向量预测该订单的乘客出行意图y是任意一个可能的出行意图的概率；基于得到的概率，最大的概率所对应的那个出行意图，即任意乘客订单所对应的乘客出行意图。4.根据权利要求2所述的一种基于动态定价机制的乘客出行意图挖掘方法，其特征在于，上下文扩展具体为：基于多源城市数据，进行特征提取，构成特征量，对特征量进行扩展以使其能表述关于乘客出行意图的上下文信息，包括基本订单信息、空间上下文、时间上下文、动态价格上下
文这四种上下文信息；基本订单信息，包括以下特征量：订单持续时间T
od
：从乘客上车至下车所经历的时间，用t
d
和t
o
分别表示下车、上车时间，则T
od
＝t
d
‑
t
o
；订单距离D
od
：从乘客上车至下车所经历的距离。5.根据权利要求4所述的一种基于动态定价机制的乘客出行意图挖掘方法，其特征在于，空间上下文，空间上下文信息描述了与乘客上车、下车地点相关的信息，包括以下特征量：上下车地点方圆N内的公共交通分布向量BM
o
、BM
d
；上下车地点方圆N内的POI向量POI
o
、POI
d
；上下车地点方圆N内的POI独特性向量Uniq
o
和Uniq
a
：对于第i类POI，用N
i
表示这一类POI在全城的总数，用N表示所有POI在全城的总数，用POI
oi
和POI
ai
分别表示POI
o
和POI
d
的第i个分量，用Uniq
oi
和Uniq
ai
分别表示Uniq
o
和Uniq
d
的第i个分量，则：的第i个分量，则：上下车地点方圆N内的POI距离向量Dist
o
和Dist
d
：用POI距离向量来表示每一类POI距离上车或下车地点的最近距离，对于第i类POI，用dmin
oi
或dmin
di
表示所有属于这一类的POI距离上车或下车地点的最近距离，用Dist
oi
和Dist
di
表示Dist
o
和...

【专利技术属性】
技术研发人员：郭穗鸣，邓宝莹，陈超，廖成武，徐恪，
申请(专利权)人：暨南大学，
类型：发明
国别省市：