【技术实现步骤摘要】
本专利技术提供了基于用户画像的城际公铁联程出行方案生成方法，属于多模式交通出行。
技术介绍
1、随着社会经济的发展和人们生活水平的提高，人们对出行方式的需求也变得越来越多样化和个性化。城际联程出行，尤其是公铁联程出行，作为一种常见的出行方式，具有其独特的需求和挑战。在过去，出行方案的生成往往是基于固定的规则和标准，无法满足不同旅客个性化的需求，导致了出行体验的不尽如人意。
2、传统的出行方案生成方法主要基于静态的数据和规则，缺乏对旅客个性化需求的深入挖掘和理解。而随着大数据和人工智能技术的不断发展，基于用户画像的个性化推荐系统在各个领域得到了广泛的应用。这种系统通过对用户行为数据的分析和挖掘，能够准确把握用户的兴趣、偏好和特点，从而为用户提供个性化的推荐和服务。在交通出行领域，利用用户画像技术来生成个性化的出行方案具有巨大的潜力和发展空间。
3、在目前的乘客公路铁联程出行中，存在着一些可以提升的地方：1)传统的出行方案生成方法往往基于固定的规则和标准，无法灵活地根据旅客的个性化需求进行调整。这导致了生成的出行方案缺乏针对性和灵活性，无法满足不同旅客的多样化需求。2)传统方法主要依赖于静态的数据和历史出行模式，缺乏对实时交通情况和旅客实际需求的准确把握。这导致了生成的出行方案与实际情况不符合，影响了出行效率和体验。3)传统方法往往忽视了旅客个性化需求对出行方案的影响，无法为不同旅客提供个性化的推荐和服务。这导致了出行方案的一致性和普遍性，无法满足旅客的个性化需求。
技术实现思路<
1、本专利技术提供的基于用户画像的城际公铁联程出行方案生成方法，为解决传统公铁联程出行方案生成规则和标准的固化，数据静态化，缺乏个性化推荐的实际问题，专利技术目的在于提供一种基于用户画像的城际公铁联程出行方案生成方法，通过采集乘客出行数据与联程信息，利用k-means聚类算法和基于蜣螂优化算法的双向长短期记忆神经网络算法获得公铁联程乘客的用户画像，并通过改进的深度语义模型基于用户画像预测乘客公铁联程的出行方式，并为乘客推荐个性化的公铁联程出行方案。
2、本专利技术采用如下技术方案：
3、一种基于用户画像的城际公铁联程出行方案生成方法，该方法包括如下步骤：
4、步骤1、获取乘客出行数据，该出行数据为n名乘客一天内通过城际公铁联程进行出行的数据；
5、n名旅客的第i名乘客的历史出行数据(i＝1,2,3,...,n)；
6、历史出行数据包括：高铁出行选择ai、普铁出行选择bi、凌晨出行选择ci、上午出行选择di、下午出行选择ei、晚上出行选择fi、总出行时间gi、总中转小时数hi、除去中转时间后的总出行时间ji、中转次数ki；
7、步骤2、获取联程信息：
8、采集n名乘客一天内通过城际公铁联程进行出行的数据，即第i名乘客的联程信息数据(i＝1,2,3,...,n)，
9、联程信息数据包括高铁票价li、普铁票价mi、汽车票价ni、总票价oi；
10、步骤3、确定用户敏感度标签：
11、基于步骤1所获取的获取乘客出行数据、步骤2所获取的联程信息利用k-means聚类算法获得适合乘客公铁联程的聚类数目k与根据聚类数目k得到的用户敏感度标签；
12、创建用于乘客公铁联程用户敏感度标签建立的dbo-bilstm分类模型；
13、将步骤1所获取的获取乘客出行数据、步骤2所获取的联程信息中的70％划分为训练集剩下的30％划分为验证集并利用训练集与验证集进行乘客的敏感度标签划分模型的训练与预测得到：
14、历史出行数据与联程信息数据中时间敏感型乘客yt；
15、历史出行数据与联程信息数据中时间不敏感型乘客nt；
16、历史出行数据与联程信息数据中价格敏感型乘客yp；
17、历史出行数据与联程信息数据中价格不敏感型乘客np；
18、步骤4、构建出行方式选择库，包括基于步骤s2得到的联程信息数据，可以得到第i名乘客第j次换乘中的出发城市pj,i、到达城市qj,i、乘坐的汽车车次carj,i与火车车次trainj,i，利用词哈希建立乘客公铁联程出行方式选择库；
19、步骤5、出行方式预测与模型训练：
20、基于步骤1所获取的获取乘客出行数据、步骤2所获取的联程信息、步骤3得到不同敏感度的第i名乘客的公铁联程出行方式特征λi如下：
21、λi＝[ai,bi,ci,di,ei,fi,gi,hi,ji,li,mi.ni,oi]
22、以步骤2获得的乘客i的联程信息数据、步骤3获得的乘客敏感度标签通过步骤4建立的乘客公铁联程出行方式选择库构建不同敏感度的第i名乘客的出行方式γ′i
23、γ′i＝[p1,q1,r2,q2,…,pn,qn]
24、对于第i名乘客，其公铁联程出行方式特征为λi，乘客在选定出行目的地后，面临着n种出行方式的选择，将乘客实际完成出行时所使用的出行方式记为γi；根据输入特征λ可以产生一个关于各种出行方式的概率分布p(γ|λ)，其中根据给定输入特征λ的第i种出行方式的选择概率为p(γi|λ)；
25、采用tsm模型通过步骤3中的历史出行数据与联程信息数据中时间敏感型乘客yt、历史出行数据与联程信息数据中时间不敏感型乘客nt、历史出行数据与联程信息数据中价格敏感型乘客yp、历史出行数据与联程信息数据中价格不敏感型乘客np，并结合择概率p(γi|λ)训练预测出行结果；
26、步骤6、出行方案推荐：
27、包括包括步骤1，步骤2与步骤5得到得到第i名乘客的出行方式特征向量γ′i(i＝1,2,3,...,n)和历史出行数据与联程信息数据中时间敏感型乘客yt、历史出行数据与联程信息数据中时间不敏感型乘客nt、历史出行数据与联程信息数据中价格敏感型乘客yp、历史出行数据与联程信息数据中价格不敏感型乘客np的出行特征向量：
28、λyt＝[ayt,byt,cyt,dyt,eyt,fyt,gyt,hyt,jyt,lyt,myt,nyt,oyt]
29、λnt＝[ant,bnt,cnt,dnt,ent,fnt,gnt,hnt,jnt,lnt,mnt,ont]
30、λyp＝[ayp,byp,cyp,dyp,eyp,fyp,gyp,hyp,jyp,lyp,myp,nyp,oyp]
31、λnp＝[anp,bnp,cnp,dnp,enp,fnp,gnp,hnp,jnp,lnp,mnp,nnp,onp]
32、由步骤(5)得到训练好的时间敏感型tsm模型，时间不敏感型tsm模型，价格敏感tsm型模型与价格不敏感型tsm模型；
33、将时间敏感型乘客出行特征向量λyt与乘客的出行方式γi输入到时间敏感型tsm模型中；
34、将时间不敏感型乘客出行特征向量λnt与乘客的出行方式γi输本文档来自技高网...
【技术保护点】
1.一种基于用户画像的城际公铁联程出行方案生成方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于用户画像的城际公铁联程出行方案生成方法，其特征在于，所述步骤1中总出行时间Gi通过下式计算得到：
3.根据权利要求1所述的基于用户画像的城际公铁联程出行方案生成方法，其特征在于，所述步骤4中，通过词哈希进行出行方式选择库的构建，将每个公铁联程出行中出现过的公路出行车次，铁路出行班次与中转城市分别映射到至唯一向量进行表示。
4.根据权利要求1所述的基于用户画像的城际公铁联程出行方案生成方法，其特征在于，所述步骤5与步骤6中，基于建立的公铁联程乘客出行方式预测与出行方案推荐的TSM模型，将乘客公铁联程出行特征与公铁联程出行方式特征通过Transformer编码变成向量，使用DSSM算法的双塔模型提取乘客出行特征与出行方式特征，发掘乘客出行特征与出行方式特征的联系；通过出行特征与出行方式特征的联系；
【技术特征摘要】
1.一种基于用户画像的城际公铁联程出行方案生成方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于用户画像的城际公铁联程出行方案生成方法，其特征在于，所述步骤1中总出行时间gi通过下式计算得到：
3.根据权利要求1所述的基于用户画像的城际公铁联程出行方案生成方法，其特征在于，所述步骤4中，通过词哈希进行出行方式选择库的构建，将每个公铁联程出行中出现过的公路出行车次，铁路出行班次与中转...
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。