【技术实现步骤摘要】
本说明书涉及数据处理，尤其涉及一种露营地识别模型的训练方法及露营地识别方法。
技术介绍
1、随着旅游业的发展，越来越多的人选择通过旅游来来度过闲暇时间。而对于部分人来说，在旅行过程中，相比于居住在酒店、民宿等地点，更倾向于在野外露营。但在野外露营往往需要一个安全、环境适宜的露营地。于是，如何选择露营地，就成了很多用户苦恼的问题。
2、在现有技术中，通常由服务提供商指导用户选择露营地，而服务提供商往往会通过对遥感图像、卫星图像等地图进行分析，来确定露营地。
3、但是，由于遥感图像、卫星图像的质量会受到天气状况、地形起伏等多种因素的影响，精度较差，基于此确定出的露营地较少，难以满足用户的需求。
技术实现思路
1、本说明书提供一种露营地识别模型的训练方法及露营地识别方法，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种露营地识别模型的训练方法，包括：
4、获取在预设的目标区域活动的多个用户的用户数据，以及地理环境数据；所述目标区域包括景区以及公开露营地；所述用户数据包括多个信令数据以及用户消费数据，所述信令数据包括时间戳、位置信息以及关联基站信息；
5、分别对所述多个用户数据进行特征提取，确定多个特征向量；
6、基于聚类算法，从所述多个特征向量中，确定与露营行为对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户；
7、获取所述
8、根据所述地理环境数据以及所述多个过夜点，确定多个露营地特征样本；所述露营地特征样本包括自然环境信息和/或基础设施完善指标和/或交通可达性；
9、基于所述多个露营地特征样本，对露营地识别模型进行训练。
10、优选的，所述基于聚类算法，从所述多个特征向量中，确定与露营行为对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户，包括：
11、基于聚类算法，从所述多个特征向量中，确定与露营行为对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个待选用户；
12、根据所述多个待选用户的用户数据，将所述多个待选用户区分为自驾游用户以及徒步露营用户；
13、将所述自驾游用户和/或所述徒步露营用户确定为目标用户。
14、优选的，所述根据所述多个待选用户的用户数据，将所述多个待选用户区分为自驾游用户以及徒步露营用户，包括：
15、根据所述多个待选用户的信令数据，分别确定每个待选用户往返过夜点的平均速度以及多个瞬时速度；所述过夜点为所述待选用户在预设夜间时段内停留时长大于预设时长，且不属于人类常驻地的区域；
16、针对每个待选用户，当确定该待选用户的平均速度小于预设的平均阈值和/或确定该待选用户的n个瞬时速度小于预设的瞬时阈值时，确定该待选用户为徒步露营用户；n为预设的整数；
17、将所述待选用户中除了所述徒步露营用户之外的待选用户，均确定为自驾游用户。
18、优选的，所述基于所述多个露营地特征样本，对露营地识别模型进行训练，包括：
19、根据每个露营地特征样本对应的待选用户是否为自驾游用户，将所述多个露营地特征样本分为自驾露营样本以及徒步露营样本；
20、基于所述自驾露营样本以及所述徒步露营样本，分别对所述露营地识别模型进行训练，使得所述露营地识别模型在对露营地进行识别时，能够确定所述露营地对应的目标群体，所述目标群体为自驾游用户或徒步露营用户。
21、优选的，所述获取在预设的目标区域活动的多个用户的用户数据，包括：
22、根据预设的目标区域，确定能够为所述目标区域的用户提供通讯服务的至少一个通讯基站；
23、根据所述至少一个通讯基站，获取在所述目标区域活动的多个用户的信令数据；
24、通过设立在所述目标区域内的服务提供商，获取用户在所述服务提供商进行消费的消费数据；
25、将所述消费数据以及所述信令数据，确定为用户数据。
26、优选的，所述分别对所述多个用户数据进行特征提取，确定多个特征向量，包括：
27、对所述多个用户数据进行数据预处理；所述数据预处理包括数据清洗和/或时间序列转换和/或地理编码；
28、基于预设的特征提取算法，从完成预处理的所述多个用户数据中，分别提取多个用户数据对应的行为特征以及消费特征；所述行为特征包括停留时长和/或移动速度和/或信号强度变化数据和/或跨目标区域迁移频率；所述消费特征包括户外装备购买数据和/或野外食品购买数据和/或居住场所选择数据；
29、将多个用户对应的行为特征以及消费特征分别整合为多个特征向量。
30、优选的，所述基于聚类算法，从所述多个特征向量中，确定与背包客对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户，包括：
31、对所述多个特征向量进行聚类，确定多个簇；
32、根据每个簇对应的多个用户数据，从所述多个簇中确定与背包客对应的至少一个目标簇；
33、将所述至少一个目标簇中的多个特征向量，确定为与背包客对应的多个特征向量；
34、将所述多个特征向量分别对应的用户，确定为多个目标用户。
35、优选的，所述根据所述地理环境数据以及所述多个过夜点，确定多个露营地特征样本，包括：
36、根据所述地理环境数据，确定每个过夜点的多个关联特征；所述关联特征包括地形地貌和/或气候条件和/或自然资源丰富度和/或基础设施完善程度；
37、将所述多个过夜点以及多个过夜点的关联特征作为样本，输出到预设的回归算法模型中，并根据所述回归算法模型的输出，从所述多个关联特征中，确定至少一个露营地决策特征，以及每个露营地决策特征的影响权重；
38、分别根据所述多个过夜点的露营地决策特征，确定多个露营地特征样本。
39、优选的，所述基于所述多个露营地特征样本，对露营地识别模型进行训练，包括：
40、将所述多个露营地特征样本划分为训练集以及验证集；
41、基于所述训练集，对露营地识别模型进行训练；
42、通过所述验证集，对所述露营地识别模型的性能指标进行验证；所述性能指标包括泛化能力和/或预测准确率和/或误差指标；
43、当确定所述露营地识别模型的性能指标通过验证时，确定完成训练；
44、当确定所述露营地识别模型的性能指标未通过验证时，返回所述基于所述训练集，对露营地识别模型进行训练。
45、另一方面，本说明书提供了一种露营地识别方法，包括：
46、本文档来自技高网...
【技术保护点】
1.一种露营地识别模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于聚类算法，从所述多个特征向量中，确定与露营行为对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述多个待选用户的用户数据，将所述多个待选用户区分为自驾游用户以及徒步露营用户，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述多个露营地特征样本，对露营地识别模型进行训练，包括：
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述获取在预设的目标区域活动的多个用户的用户数据，包括：
6.根据权利要求1-4任意一项所述的方法，其特征在于，所述分别对所述多个用户数据进行特征提取，确定多个特征向量，包括：
7.根据权利要求1-4任意一项所述的方法，其特征在于，所述基于聚类算法，从所述多个特征向量中，确定与背包客对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户，包括：
8.根据
9.根据权利要求1-4任意一项所述的方法，其特征在于，所述基于所述多个露营地特征样本，对露营地识别模型进行训练，包括：
10.一种露营地识别方法，其特征在于，包括：
11.一种露营地识别模型的训练装置，其特征在于，包括：
12.一种露营地识别装置，其特征在于，包括：
13.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~10任一项所述的方法。
14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~10任一项所述的方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-10任意一项所述的方法。
...【技术特征摘要】
1.一种露营地识别模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于聚类算法，从所述多个特征向量中，确定与露营行为对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述多个待选用户的用户数据，将所述多个待选用户区分为自驾游用户以及徒步露营用户，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述多个露营地特征样本，对露营地识别模型进行训练，包括：
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述获取在预设的目标区域活动的多个用户的用户数据，包括：
6.根据权利要求1-4任意一项所述的方法，其特征在于，所述分别对所述多个用户数据进行特征提取，确定多个特征向量，包括：
7.根据权利要求1-4任意一项所述的方法，其特征在于，所述基于聚类算法，从所述多个特征向量中，确定与背包客对应的多个特征向量，并将所述多个特征向量分别对应的用户，确定为多个目标用户...
【专利技术属性】
技术研发人员：李明宙，莫松谕，梁天鹏，朱轩平，
申请(专利权)人：北京大也智慧数据科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。