【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)預(yù)測，尤其涉及一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法及系統(tǒng)。
技術(shù)介紹
1、目前的游客出行方式推薦算法主要包括兩種類別，一種是根據(jù)歷史出行經(jīng)驗人工制定推薦規(guī)則，但是難以考慮到每個用戶和起終點的出行偏好；另一種是結(jié)合大數(shù)據(jù)參數(shù)采用邏輯斯蒂回歸模型等進(jìn)行出行方式推薦，然而該方法中出行方式比例來表示用戶出行偏好是不準(zhǔn)確的，導(dǎo)致推薦的出行方式不一定是用戶想要的出行方式，推薦準(zhǔn)確度和推薦效率差，因此亟需一種全新的出行路線規(guī)劃方式方法。
2、中國專利文獻(xiàn)cn109918567a公開了一種“出行方式推薦方法及裝置”。方法采用獲取歷史出行數(shù)據(jù)；根據(jù)所述歷史出行數(shù)據(jù)，構(gòu)建圖嵌入模型；所述圖嵌入模型中包括：用戶節(jié)點、起終點節(jié)點和出行方式節(jié)點；所述用戶節(jié)點、所述起終點節(jié)點分別與所述出行方式節(jié)點通過邊連接，邊的權(quán)重為所述用戶節(jié)點或者所述起終點節(jié)點選用出行方式節(jié)點的頻次；根據(jù)各個節(jié)點的初始表征向量，以及各個邊的權(quán)重，構(gòu)建目標(biāo)優(yōu)化函數(shù)；對各個節(jié)點的初始表征向量進(jìn)行調(diào)整，直至目標(biāo)函數(shù)小于預(yù)設(shè)閾值，得到各個節(jié)點的調(diào)整后表征向量；根據(jù)各個節(jié)點的調(diào)整后表征向量進(jìn)行出行方式推薦。但是在路線規(guī)規(guī)劃時，該專利并未考慮到現(xiàn)實影響因素對于出行路線規(guī)劃的影響，致使規(guī)劃結(jié)果不夠精準(zhǔn)。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)主要解決原有的技術(shù)方案出行路線規(guī)劃精度不高的技術(shù)問題，提供一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法及系統(tǒng)，通過權(quán)衡不同用戶在出行路線決策中的影響因子的權(quán)重大小與個性化分配生成相應(yīng)所需出行路線
2、本專利技術(shù)的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：本專利技術(shù)包括以下步驟：s1獲取用戶的預(yù)期出行參數(shù)并構(gòu)建網(wǎng)絡(luò)圖；
3、s2收集出行數(shù)據(jù)并根據(jù)影響因子權(quán)重對所有可行路線進(jìn)行評估；
4、s3根據(jù)評估結(jié)果生成滿足用戶需求的出行路線方案；
5、s4對已生成出行路線方案進(jìn)行預(yù)測校準(zhǔn)并判斷出行路線方案的可行性實現(xiàn)出行規(guī)劃。
6、作為優(yōu)選，所述的步驟s2具體包括：
7、s21列舉并計算不同出行節(jié)點之間的影響因子；
8、s22設(shè)置并分配不同影響因子的權(quán)重；
9、s23將不同天氣狀況設(shè)置為懲罰系數(shù)并獲取影響因子在不同方案中的評估指數(shù)。
10、作為優(yōu)選，所述的步驟s21具體包括，列舉并計算不同出行節(jié)點之間的影響因子將用戶設(shè)定的出行節(jié)點之間的出行因素設(shè)定為評價指標(biāo)，即將節(jié)點之間影響行程的相關(guān)參數(shù)進(jìn)行評價賦值。
11、作為優(yōu)選，所述的步驟s22具體包括，通過ahp層次分析法與critic的組合賦權(quán)方法，用專家主觀賦值與數(shù)據(jù)客觀賦值相結(jié)合的方式獲取不同影響因子的權(quán)重，所述ahp層級分析法進(jìn)行專家主觀判斷賦值的具體為：建立評價指標(biāo)體系；再通過影響因子之間的重要程度比較進(jìn)行專家打分；根據(jù)打分情況計算各影響因子占比；對計算結(jié)果進(jìn)行一致性檢驗。
12、作為優(yōu)選，所述的critic客觀賦值法執(zhí)行步驟如下：設(shè)置n條記錄個m個指標(biāo)；計算m個指標(biāo)的標(biāo)準(zhǔn)差σj和相關(guān)矩陣r；計算m個指標(biāo)包含的信息量和每個指標(biāo)的權(quán)重，結(jié)合ahp層級分析法獲得的權(quán)重和critic客觀賦值法獲得的權(quán)重合并計算獲得任意影響因子的所占比重。
13、作為優(yōu)選，所述的步驟s2還包括，歸一化處理影響因子數(shù)據(jù)消除奇異樣本數(shù)據(jù)，所述歸一化處理影響因子包括正反饋因子和負(fù)反饋因子，針對正反饋因子采用計算公式如下：
14、
15、其中，x為影響因素，max(x)為影響因子最大值，min(x)為影響因子最小值，norm(x)為影響因子歸一化處理結(jié)果；
16、針對負(fù)反饋因子采用計算公式如下：
17、
18、作為優(yōu)選，所述的影響因子權(quán)重中加入以不同天氣情況為基礎(chǔ)的懲罰系數(shù)，結(jié)合影響因子權(quán)重和懲罰系數(shù)對不同方案的影響因子評估指數(shù)進(jìn)行測算，根據(jù)測算結(jié)果調(diào)整路線的合理性。
19、作為優(yōu)選，所述的步驟s4中校準(zhǔn)出行路線包括客流預(yù)測評估算法，所述客流預(yù)測評估算法統(tǒng)計n年內(nèi)在目標(biāo)日前往預(yù)設(shè)目標(biāo)節(jié)點的客流量并放入第一合集；統(tǒng)計每年接近目標(biāo)日m天的客流量放入第二合集；計算歷年接近目標(biāo)日m天的客流擁擠指數(shù)；結(jié)合客流擁擠指數(shù)對預(yù)設(shè)出行路線目標(biāo)日內(nèi)的客流預(yù)測評估指數(shù)進(jìn)行計算。
20、作為優(yōu)選，所述的客流預(yù)測評估算法中包括超圖預(yù)測，所述超圖預(yù)測提取用戶的簽到行為數(shù)據(jù)構(gòu)建成歷史旅游序列，為每個歷史旅游序列構(gòu)建相應(yīng)的超圖，將出行路線超圖進(jìn)行定義，出行路線中的節(jié)點歸入統(tǒng)一集合，以地理距離，時間序列以及poi節(jié)點三個角度構(gòu)建超邊，通過拼接超邊矩陣構(gòu)成超圖最終生成預(yù)測模型進(jìn)行預(yù)測。
21、一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃系統(tǒng)，包括：數(shù)據(jù)采集模塊，包括若干個基站數(shù)據(jù)采集傳輸裝置，與中央處理模塊相連接；中央處理模塊，對出行參數(shù)數(shù)據(jù)進(jìn)行集中處理以生成處理結(jié)果；實時環(huán)境參數(shù)提取模塊，進(jìn)行實時環(huán)境參數(shù)處理，并獲取實時環(huán)境參數(shù)中的提取結(jié)果；預(yù)測模塊，通過實時環(huán)境參數(shù)和出行預(yù)期結(jié)果相互參照獲得合適的出行路線規(guī)劃方案。
22、本專利技術(shù)的有益效果是：本專利技術(shù)通過權(quán)衡不同用戶在不同出行節(jié)點過程中的影響因子的權(quán)重，根據(jù)權(quán)重大小對不同出行節(jié)點的影響因子進(jìn)行賦值，根據(jù)賦值結(jié)果以及不同出行方案的懲罰系數(shù)進(jìn)行測算，獲得若干符合用戶的個性化出行方案。且在測算過程中，加入對不同目標(biāo)節(jié)點前n年的客流預(yù)測評估算法以及超圖預(yù)測，提高出行方案測算結(jié)果的精確度，進(jìn)而提高個性化方案與用戶需求的貼合程度。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，包括以下步驟：S1獲取用戶的預(yù)期出行參數(shù)并構(gòu)建網(wǎng)絡(luò)圖；
2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟S2具體包括：
3.根據(jù)權(quán)利要求2所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟S21具體包括，列舉并計算不同出行節(jié)點之間的影響因子將用戶設(shè)定的出行節(jié)點之間的出行因素設(shè)定為評價指標(biāo)，即將節(jié)點之間影響行程的相關(guān)參數(shù)進(jìn)行評價賦值。
4.根據(jù)權(quán)利要求2或3所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟S22具體包括，通過AHP層次分析法與CRITIC的組合賦權(quán)方法，用專家主觀賦值與數(shù)據(jù)客觀賦值相結(jié)合的方式獲取不同影響因子的權(quán)重，所述AHP層級分析法進(jìn)行專家主觀判斷賦值的具體為：建立評價指標(biāo)體系；再通過影響因子之間的重要程度比較進(jìn)行專家打分；根據(jù)打分情況計算各影響因子占比；對計算結(jié)果進(jìn)行一致性檢驗。
5.根據(jù)權(quán)利要求4所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述CRITIC客觀賦值
6.根據(jù)權(quán)利要求2或3所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟S2還包括，歸一化處理影響因子數(shù)據(jù)消除奇異樣本數(shù)據(jù)，所述歸一化處理影響因子包括正反饋因子和負(fù)反饋因子，針對正反饋因子采用計算公式如下：
7.根據(jù)權(quán)利要求4所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述影響因子權(quán)重中加入以不同天氣情況為基礎(chǔ)的懲罰系數(shù)，結(jié)合影響因子權(quán)重和懲罰系數(shù)對不同方案的影響因子評估指數(shù)進(jìn)行測算，根據(jù)測算結(jié)果調(diào)整路線的合理性。
8.根據(jù)權(quán)利要求7所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟S4中校準(zhǔn)出行路線包括客流預(yù)測評估算法，所述客流預(yù)測評估算法統(tǒng)計n年內(nèi)在目標(biāo)日前往預(yù)設(shè)目標(biāo)節(jié)點的客流量并放入第一合集；統(tǒng)計每年接近目標(biāo)日m天的客流量放入第二合集；計算歷年接近目標(biāo)日m天的客流擁擠指數(shù)；結(jié)合客流擁擠指數(shù)對預(yù)設(shè)出行路線目標(biāo)日內(nèi)的客流預(yù)測評估指數(shù)進(jìn)行計算。
9.根據(jù)權(quán)利要求8所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述客流預(yù)測評估算法中包括超圖預(yù)測，所述超圖預(yù)測提取用戶的簽到行為數(shù)據(jù)構(gòu)建成歷史旅游序列，為每個歷史旅游序列構(gòu)建相應(yīng)的超圖，將出行路線超圖進(jìn)行定義，出行路線中的節(jié)點歸入統(tǒng)一集合，以地理距離，時間序列以及POI節(jié)點三個角度構(gòu)建超邊，通過拼接超邊矩陣構(gòu)成超圖最終生成預(yù)測模型進(jìn)行預(yù)測。
10.一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃系統(tǒng)，適用于權(quán)利要求1至9任一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，包括相連的數(shù)據(jù)采集模塊與中央處理模塊，所述數(shù)據(jù)采集模塊包括若干個基站數(shù)據(jù)采集傳輸裝置，所述中央處理模塊連接有實時環(huán)境參數(shù)提取模塊和預(yù)測模塊，實時環(huán)境參數(shù)提取模塊進(jìn)行實時環(huán)境參數(shù)處理并獲取實時環(huán)境參數(shù)中的提取結(jié)果，預(yù)測模塊通過實時環(huán)境參數(shù)和出行預(yù)期結(jié)果相互參照獲得合適的出行路線規(guī)劃方案。
...【技術(shù)特征摘要】
1.一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，包括以下步驟：s1獲取用戶的預(yù)期出行參數(shù)并構(gòu)建網(wǎng)絡(luò)圖；
2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟s2具體包括：
3.根據(jù)權(quán)利要求2所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟s21具體包括，列舉并計算不同出行節(jié)點之間的影響因子將用戶設(shè)定的出行節(jié)點之間的出行因素設(shè)定為評價指標(biāo)，即將節(jié)點之間影響行程的相關(guān)參數(shù)進(jìn)行評價賦值。
4.根據(jù)權(quán)利要求2或3所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟s22具體包括，通過ahp層次分析法與critic的組合賦權(quán)方法，用專家主觀賦值與數(shù)據(jù)客觀賦值相結(jié)合的方式獲取不同影響因子的權(quán)重，所述ahp層級分析法進(jìn)行專家主觀判斷賦值的具體為：建立評價指標(biāo)體系；再通過影響因子之間的重要程度比較進(jìn)行專家打分；根據(jù)打分情況計算各影響因子占比；對計算結(jié)果進(jìn)行一致性檢驗。
5.根據(jù)權(quán)利要求4所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述critic客觀賦值法執(zhí)行步驟如下：設(shè)置n條記錄個m個指標(biāo)；計算m個指標(biāo)的標(biāo)準(zhǔn)差σj和相關(guān)矩陣r；計算m個指標(biāo)包含的信息量和每個指標(biāo)的權(quán)重，結(jié)合ahp層級分析法獲得的權(quán)重和critic客觀賦值法獲得的權(quán)重合并計算獲得任意影響因子的所占比重。
6.根據(jù)權(quán)利要求2或3所述的一種基于大數(shù)據(jù)預(yù)測評價算法的出行規(guī)劃方法，其特征在于，所述步驟s2還包括，歸一化處理影響因子數(shù)據(jù)消除奇異樣本數(shù)據(jù)，所述歸一化處理影響因子包括正反饋因子和負(fù)反饋因子，針對正反...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李俊，李國華，湯潔，
申請(專利權(quán))人：浙江中控信息產(chǎn)業(yè)股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。