【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及汽車用戶通勤行為數(shù)據(jù)計(jì)算方法，具體地，涉及一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成方法和系統(tǒng)。
技術(shù)介紹
1、通勤行為發(fā)生于居住場(chǎng)所和工作場(chǎng)所不處于同一地點(diǎn)時(shí)的行為，上下班需要花費(fèi)一定的時(shí)間，一般采取步行或使用交通工具前往目的地。現(xiàn)有技術(shù)中通勤行為識(shí)別方法包括：基于共享電單車借還數(shù)據(jù)、公共自行車刷卡數(shù)據(jù)進(jìn)行通勤行為識(shí)別；基于設(shè)定好的統(tǒng)計(jì)分類規(guī)則挖掘通勤行為；基于單一機(jī)器學(xué)習(xí)算法挖掘通勤行為。但上述方法存在一定的弊端，例如，共享電單車、公共自行車的使用用戶并不固定，無(wú)法反映單個(gè)用戶的通勤習(xí)慣；基于設(shè)定好的規(guī)則挖掘通勤行為，最后的結(jié)果與設(shè)定的規(guī)則高度相關(guān)，需要豐富準(zhǔn)確的先驗(yàn)知識(shí)進(jìn)行規(guī)則的設(shè)定，得到的結(jié)果也不夠精準(zhǔn)。另一方面，基于用戶互聯(lián)網(wǎng)定位挖掘用戶的通勤行為，但受用戶個(gè)人行為影響較高，當(dāng)用戶關(guān)閉gps定位后就無(wú)法獲得對(duì)應(yīng)信息。為了彌補(bǔ)單一規(guī)則的局限性和不穩(wěn)定性，通過(guò)聚合多種規(guī)則的結(jié)果，但依然需要豐富的先驗(yàn)知識(shí)完成規(guī)則制定。
2、通勤人群中，較多的人群選擇開(kāi)車通勤，申請(qǐng)人更加關(guān)注使用汽車進(jìn)行通勤的行為習(xí)慣，從大量的行程數(shù)據(jù)中分析車輛通勤習(xí)慣，提取相關(guān)信息作為該車的通勤習(xí)慣標(biāo)簽，建立車輛通勤行為標(biāo)簽系統(tǒng)，從而為后續(xù)的更多的車輛分析抑或是市場(chǎng)應(yīng)用等提供參考和依據(jù)。
技術(shù)實(shí)現(xiàn)思路
1、為解決上述問(wèn)題的至少一個(gè)方面，本專利技術(shù)提供一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成方法，包括：基于車輛識(shí)別碼對(duì)車輛行程數(shù)據(jù)進(jìn)行識(shí)別，確定其對(duì)應(yīng)的車輛，所述車輛行程數(shù)據(jù)包括上電信號(hào)、下電信
2、優(yōu)選地，所述基于車輛行程數(shù)據(jù)采用聚類分析方法確定車輛地點(diǎn)標(biāo)簽的步驟還包括：基于車輛行程數(shù)據(jù)的起點(diǎn)信息和終點(diǎn)信息，采用基于無(wú)監(jiān)督的密度聚類方法進(jìn)行車輛起止點(diǎn)聚類，刪除離散點(diǎn)；對(duì)刪除離散點(diǎn)后的車輛行程數(shù)據(jù)基于kmeans算法進(jìn)行二次聚類，并采用輪廓系數(shù)法確定聚類數(shù)；對(duì)各個(gè)車輛起止點(diǎn)聚類進(jìn)行排序，并添加車輛常去地點(diǎn)標(biāo)簽。
3、優(yōu)選地，根據(jù)預(yù)設(shè)的車輛通勤用途模型基于用戶行程數(shù)據(jù)添加通勤標(biāo)簽的步驟還包括：基于車輛行程數(shù)據(jù)進(jìn)行特征值提取生成通勤用途樣本，所述特征值包括車輛的行程率、平均每日行程數(shù)、平均每日里程；采用隨機(jī)森林分類器基于提取的通勤用途樣本進(jìn)行訓(xùn)練生成車輛通勤用途模型；采用車輛通勤用途模型基于車輛行程數(shù)據(jù)識(shí)別通勤車輛并添加通勤用途標(biāo)簽。
4、優(yōu)選地，還包括：基于車輛行程數(shù)據(jù)進(jìn)行特征值提取生成家用車用途樣本，采用隨機(jī)森林分類器基于提取的家用車樣用途本樣本進(jìn)行訓(xùn)練生成家用車用途模型，通過(guò)家用車用途模型基于車輛行程數(shù)據(jù)識(shí)別家用車并添加家用車用途標(biāo)簽；基于車輛行程數(shù)據(jù)進(jìn)行特征值提取生成網(wǎng)約車用途樣本，采用隨機(jī)森林分類器基于提取的網(wǎng)約車樣用途本樣本進(jìn)行訓(xùn)練生成網(wǎng)約車用途模型，通過(guò)網(wǎng)約車用途模型基于車輛行程數(shù)據(jù)識(shí)別網(wǎng)約車并添加網(wǎng)約車用途標(biāo)簽。
5、另一方面，提供一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成系統(tǒng)，包括：數(shù)據(jù)采集模塊，所述數(shù)據(jù)采集模塊用于連接用戶車輛，并接收車輛行程數(shù)據(jù)，所述數(shù)據(jù)采集模塊基于車輛識(shí)別碼對(duì)車輛行程數(shù)據(jù)進(jìn)行識(shí)別，確定其對(duì)應(yīng)的車輛，所述車輛行程數(shù)據(jù)包括上電信號(hào)、下電信號(hào)、行駛時(shí)間、行駛里程、起點(diǎn)信息和終點(diǎn)信息；地點(diǎn)標(biāo)簽添加模塊，所述地點(diǎn)標(biāo)簽添加模塊基于車輛行程數(shù)據(jù)采用聚類分析方法確定車輛常去地點(diǎn)標(biāo)簽；用途標(biāo)簽添加模塊，所述用途標(biāo)簽添加模塊根據(jù)預(yù)設(shè)的車輛通勤用途模型基于車輛行程數(shù)據(jù)確定通勤車輛，并添加通勤用途標(biāo)簽；通勤地址解析模塊，所述通勤地址解析模塊采用逆地址解析接口對(duì)通勤用途標(biāo)簽對(duì)應(yīng)通勤車輛的車輛常去地點(diǎn)標(biāo)簽進(jìn)行解析，確定根據(jù)通勤車輛的家地址信息和公司地址信息；通勤時(shí)間計(jì)算模塊，所述通勤時(shí)間計(jì)算模塊根據(jù)車輛通勤用途標(biāo)簽對(duì)應(yīng)通勤車輛的行駛時(shí)間進(jìn)行統(tǒng)計(jì)分析，并確定頻次最高的時(shí)間段為通勤時(shí)間段，根據(jù)通勤車輛的家地址信息和公司地址信息確定通勤時(shí)間段對(duì)應(yīng)的上班時(shí)間和下班時(shí)間。
6、優(yōu)選地，所述地點(diǎn)標(biāo)簽添加模塊基于用戶行程數(shù)據(jù)進(jìn)行聚類分析確定車輛地點(diǎn)標(biāo)簽的步驟還包括：基于車輛行程數(shù)據(jù)的起點(diǎn)信息和終點(diǎn)信息，采用基于無(wú)監(jiān)督的密度聚類方法進(jìn)行車輛起止點(diǎn)聚類，刪除離散點(diǎn)；對(duì)刪除離散點(diǎn)后的車輛行程數(shù)據(jù)基于kmeans算法進(jìn)行二次聚類，并采用輪廓系數(shù)法確定聚類數(shù)；對(duì)各個(gè)車輛起止點(diǎn)聚類進(jìn)行排序，并添加車輛常去地點(diǎn)標(biāo)簽。
7、優(yōu)選地，所述用途標(biāo)簽添加模塊根據(jù)預(yù)設(shè)的車輛通勤用途模型基于用戶行程數(shù)據(jù)添加通勤標(biāo)簽的步驟還包括：基于車輛行程數(shù)據(jù)進(jìn)行特征值提取生成通勤用途樣本，所述特征值包括車輛的行程率、平均每日行程數(shù)、平均每日里程；采用隨機(jī)森林分類器基于提取的通勤用途樣本進(jìn)行訓(xùn)練生成車輛通勤用途模型；采用車輛通勤用途模型基于車輛行程數(shù)據(jù)識(shí)別通勤車輛并添加通勤用途標(biāo)簽。
8、優(yōu)選地，所述用途標(biāo)簽添加模塊還包括：基于車輛行程數(shù)據(jù)進(jìn)行特征值提取生成家用車用途樣本和網(wǎng)約車用途樣本，采用隨機(jī)森林分類器基于提取的家用車用途樣本和網(wǎng)約車用途樣本進(jìn)行訓(xùn)練生成家用車用途模型和網(wǎng)約車用途模型，通過(guò)家用車用途模型和網(wǎng)約車用途模型基于車輛行程數(shù)據(jù)識(shí)別家用車并添加家用車用途標(biāo)簽和網(wǎng)約車用途標(biāo)簽。
9、本專利技術(shù)的實(shí)施例的基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成方法和系統(tǒng)具有以下有益效果：直接使用更真實(shí)、穩(wěn)定的車輛行程數(shù)據(jù)，車輛數(shù)據(jù)可以基于車輛特性啟動(dòng)熄火等動(dòng)作自動(dòng)獲取，更加真實(shí)穩(wěn)定，受用戶干擾較小；數(shù)據(jù)為動(dòng)態(tài)數(shù)據(jù)，通勤運(yùn)行數(shù)據(jù)測(cè)算結(jié)合里程信息，計(jì)算更為精準(zhǔn)；對(duì)于易于制定規(guī)則的標(biāo)簽，直接使用規(guī)則進(jìn)行計(jì)算，例如上下班時(shí)間等；對(duì)于規(guī)則難以制定或不夠準(zhǔn)確的場(chǎng)景使用算法計(jì)算，例如車輛常去地點(diǎn)和車輛用途等；使用算法模型計(jì)算標(biāo)簽時(shí)，結(jié)合多種模型方法；為了滿足不同出行頻次數(shù)據(jù)，不直接手動(dòng)設(shè)定參數(shù)，而是動(dòng)態(tài)自適應(yīng)的方式進(jìn)行參數(shù)學(xué)習(xí)。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于車輛行程數(shù)據(jù)采用聚類分析方法確定車輛地點(diǎn)標(biāo)簽的步驟還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)預(yù)設(shè)的車輛通勤用途模型基于用戶行程數(shù)據(jù)添加通勤標(biāo)簽的步驟還包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：
5.一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成系統(tǒng)，其特征在于，包括：
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述地點(diǎn)標(biāo)簽添加模塊基于用戶行程數(shù)據(jù)進(jìn)行聚類分析確定車輛地點(diǎn)標(biāo)簽的步驟還包括：
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述用途標(biāo)簽添加模塊根據(jù)預(yù)設(shè)的車輛通勤用途模型基于用戶行程數(shù)據(jù)添加通勤標(biāo)簽的步驟還包括：
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述用途標(biāo)簽添加模塊還包括：基于車輛行程數(shù)據(jù)進(jìn)行特征值提取生成家用車用途樣本和網(wǎng)約車用途樣本，采用隨機(jī)森林分類器基于提取的家用車用途樣本和網(wǎng)約車用途樣本進(jìn)行訓(xùn)練生成家用車用途模型和網(wǎng)約車用途模型，通過(guò)家用
...【技術(shù)特征摘要】
1.一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于車輛行程數(shù)據(jù)采用聚類分析方法確定車輛地點(diǎn)標(biāo)簽的步驟還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)預(yù)設(shè)的車輛通勤用途模型基于用戶行程數(shù)據(jù)添加通勤標(biāo)簽的步驟還包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：
5.一種基于行程數(shù)據(jù)的車輛通勤行為標(biāo)簽生成系統(tǒng)，其特征在于，包括：
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述地點(diǎn)標(biāo)簽添加模塊基于用戶行...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張靜玉，張博，張雨真，楊德軍，陳曉軍，
申請(qǐng)(專利權(quán))人：一汽大眾汽車有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。