一种用户出行目的地预测的处理方法、装置及介质制造方法及图纸

本发明专利技术提供了一种用户出行目的地预测的处理方法、装置及介质，根据目标用户的起始点和起始时间，采用基于待训练数据训练后的目的预测模型，对目标用户的终止点进行预测处理；其中，待训练数据的获取方式为：根据待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，求取待测用户对应的总时空熵率；判断总时空熵率是否小于预设熵率，若总时空熵率小于预设熵率，则将待测用户的历史出行轨迹数据作为待训练数据。相比与现有技术，本发明专利技术所提供的方法可针对不同的用户进行个性化目的地预测，且利用本发明专利技术所提供的方法可提高对用户目的地预测的精准度。地预测的精准度。地预测的精准度。

【技术实现步骤摘要】
一种用户出行目的地预测的处理方法、装置及介质


[0001]本专利技术涉及计算机数据处理与分析
，尤其涉及一种用户出行目的地预测的处理方法、装置及介质。

技术介绍

[0002]用户出行目的地的预判已成为当下智能驾驶领域的研究方向之一，这可辅助智能驾驶系统提前向用户推荐目的地的服务，还可提供交通决策，在有效提高交通运输效率、缓解交通堵塞情况下，可改善用户的驾驶体验。
[0003]现有技术中，对于用户出行目的地的预测通常是通过将交通卡口数据构建为交通出行图谱方式实现的，即通过从交通出行图谱中获取到交通出行时空关联规则，而后根据交通出行时空关联规则，确定用户出行目的地的测结果。
[0004]但是，现有技术中所使用的方法预测出来的出行目的地结果具有广泛性，从而导致预测到的出行目的地结果与用户实际欲到达的目的地偏差较大。

技术实现思路

[0005]本专利技术提供一种用户出行目的地预测的处理方法、装置及介质，用于解决现有技术中对用户出行目的地预测不够精准的问题。
[0006]本专利技术的第一方面提供一种用户出行目的地测的处理方法，包括：
[0007]根据目标用户的起始点和起始时间，采用基于待训练数据训练后的目的预测模型，对所述目标用户的终止点进行预测处理；
[0008]其中，所述待训练数据的获取方式为：
[0009]根据待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，求取所述待测用户对应的总时空熵率；
[0010]判断所述总时空熵率是否小于预设熵率，若所述总时空熵率小于预设熵率，则将所述待测用户的历史出行轨迹数据作为所述待训练数据。
[0011]在一种可选的具体实施方式中，所述根据待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，求取所述待测用户对应的总时空熵率，包括：
[0012]获取所述历史出行轨迹数据中的多个行程，以及获取每个所述行程的起终点经纬度和起止时间；
[0013]对每个所述行程的起始点经纬度进行聚类处理，识别获取频繁访问地点FVP集合；所述FVP集合中包括多个FVP；
[0014]采用马尔可夫链，获取所述FVP集合中的每个FVP作为起始点的占比率，以及所述FVP集合的空间转移概率矩阵和时空转移概率矩阵；
[0015]根据所述FVP集合中的每个FVP作为起始点的占比率，以及所述空间转移概率矩阵和所述时空转移概率矩阵，获取所述待测用户对应的总时空熵率。
[0016]在一种可选的具体实施方式中，所述采用马尔可夫链，获取所述FVP集合中的每个
FVP作为起始点的占比率，以及所述FVP集合的空间转移概率矩阵和时空转移概率矩阵，包括：
[0017]根据每个所述行程的起止时间中的出发时间，获取多个时间段；
[0018]采用所述马尔可夫链，分别累计获取所述FVP集合中的每个FVP到所述FVP集合中的每个FVP的空间转移概率；
[0019]采用所述马尔可夫链，以及所述FVP集合中的每个FVP对应的起始时间所在的时间段，分别累计获取所述FVP到所述FVP集合中所述FVP集合中的每个FVP的时空转移概率。
[0020]在一种可选的具体实施方式中，所述根据所述FVP集合中的每个FVP作为起始点的占比率，以及所述空间转移概率矩阵和所述时空转移概率矩阵，获取所述待测用户对应的总时空熵率，包括：
[0021]根据所述空间转移概率矩阵，获取所述FVP集合中的每个FVP的空间熵；
[0022]根据所述时空转移概率矩阵，获取所述FVP集合中的每个FVP的时空熵；
[0023]根据所述FVP集合中的每个FVP作为起始点的占比率，以及所述FVP集合中的每个FVP的空间熵和所述FVP集合中的每个FVP的时空熵，获取所述待测用户对应的总时空熵率。
[0024]在一种可选的具体实施方式中，所述方法还包括：
[0025]确定所述空间转移概率矩阵中的空间自转概率是否大于所述空间转移概率矩阵的平均空间概率，或确定所述时空转移概率矩阵的时空自转概率是否大于所述时空转移概率矩阵的平均时空概率；
[0026]若确定出所述时空自转概率大于所述平均时空转移概率，则将大于所述平均时空转移概率的时空自转移概率对应的FVP，作为目标FVP；
[0027]根据所述目标FVP，对所述空间自转概率矩阵和所述时空自转概率矩阵进行更新处理，并确定所述FVP集合中的每个FVP对应的熵率增长因子。
[0028]在一种可选的具体实施方式中，所述方法还包括：
[0029]若确定出所述空间自转移概率大于所述平均空间转移概率，且所述时空自转移概率小于所述平均时空转移概率，则将所述空间自转移概率大于所述平均空间转移概率，且所述时空自转移概率小于所述平均时空转移概率对应的FVP，作为目标FVP；
[0030]根据所述目标FVP，对所述空间转移概率矩阵进行更新处理，以及确定所述FVP集合中的每个FVP对应的熵率增长因子。
[0031]在一种可选的具体实施方式中，所述方法还包括：
[0032]若所述总时空熵率大于或等于所述预设熵率，则将全部待测用户的历史出行轨迹数据作为所述待训练数据。
[0033]在一种可选的具体实施方式中，所述方法还包括：
[0034]对所述待测用户的历史出行轨迹数据进行预处理；
[0035]则获取所述待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，包括：
[0036]对预处理后的历史出行轨迹数据中的每个行程的起始点经纬度进行聚类处理，识别获取所述FVP集合。
[0037]本专利技术的第二方面提供一种用户出行目的地预测的处理装置，处理装置包括：存储器和至少一个处理器；
[0038]存储器用于存储计算机执行指令；
[0039]至少一个处理器执行存储器器的计算机执行指令，以实现如本专利技术第一方面提供的方法。
[0040]本专利技术的第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如本专利技术的第一方面所提供的方法。
[0041]本专利技术提供了一种用户出行目的地预测的处理方法、装置及介质。通过根据目标用户的起始点和起始时间，采用基于待训练数据训练后的目的预测模型，对目标用户的终止点进行预测处理；其中，待训练数据的获取方式为：根据待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，求取待测用户对应的总时空熵率；判断总时空熵率是否小于预设熵率，若总时空熵率小于预设熵率，则将待测用户的历史出行轨迹数据作为待训练数据。相比于现有技术利用全体用户出行轨迹数据，对目标用户进行出行目的地预测处理的方法而言，本专利技术提供的方法可提高预测的精准度，同时还可实现对用户个性化地预测处理。
附图说明
[0042]图1为本专利技术提供的用户出行目的地预测的处理方法实施例一的流程示意图；
[0043]图2为本专利技术提供的用户出行目的地预测的处理方法的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户出行目的地预测的处理方法，其特征在于，包括：根据目标用户的起始点和起始时间，采用基于待训练数据训练后的目的预测模型，对所述目标用户的终止点进行预测处理；其中，所述待训练数据的获取方式为：根据待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，求取所述待测用户对应的总时空熵率；判断所述总时空熵率是否小于预设熵率，若所述总时空熵率小于预设熵率，则将所述待测用户的历史出行轨迹数据作为所述待训练数据。2.根据权利要求1所述的方法，其特征在于，所述根据待测用户的历史出行轨迹数据中的频繁访问地点FVP集合，求取所述待测用户对应的总时空熵率，包括：获取所述历史出行轨迹数据中的多个行程，以及获取每个所述行程的起终点经纬度和起止时间；对每个所述行程的起始点经纬度进行聚类处理，识别获取频繁访问地点FVP集合；所述FVP集合中包括多个FVP；采用马尔可夫链，获取所述FVP集合中的每个FVP作为起始点的占比率，以及所述FVP集合的空间转移概率矩阵和时空转移概率矩阵；根据所述FVP集合中的每个FVP作为起始点的占比率，以及所述空间转移概率矩阵和所述时空转移概率矩阵，获取所述待测用户对应的总时空熵率。3.根据权利要求2所述的方法，其特征在于，所述采用马尔可夫链，获取所述FVP集合中的每个FVP作为起始点的占比率，以及所述FVP集合的空间转移概率矩阵和时空转移概率矩阵，包括：根据每个所述行程的起止时间中的出发时间，获取多个时间段；采用所述马尔可夫链，分别累计获取所述FVP集合中的每个FVP到所述FVP集合中的每个FVP的空间转移概率；采用所述马尔可夫链，以及所述FVP集合中的每个FVP对应的起始时间所在的时间段，分别累计获取所述FVP到所述FVP集合中所述FVP集合中的每个FVP的时空转移概率。4.根据权利要求2所述的方法，其特征在于，所述根据所述FVP集合中的每个FVP作为起始点的占比率，以及所述空间转移概率矩阵和所述时空转移概率矩阵，获取所述待测用户对应的总时空熵率，包括：根据所述空间转移概率矩阵，获取所述FVP集合中的每个FVP的空间熵；根据所述时空转移概率矩阵，获取所述FVP集合中的每个FVP的时空熵；根据所述FVP集合中的每个FVP作为起始点的占比...

【专利技术属性】
技术研发人员：马柯，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：