[发明专利]一种基于车联网数据的用户出行喜好分析方法

说明书

技术领域

本发明属于车联网技术领域，具体涉及一种基于车联网数据的用户出行喜好分析方法。

背景技术

进入21世纪，随着信息技术的快速发展，物联网技术的研究取得了很大的进展。在物联网的发展浪潮中，车联网应运而生。在车联网发展的这几年，城市的交通系统正在向着智能化、安全化、全面化迈进。车联网承载了车与车(V2V)、车与路(V2R)、车与网(V2I)、车与人(V2H)等的互联互通，随着车联网的广泛普及，汽车除了对温度、压力、位置、转速、加速度和振动等各种信息进行实时、准确的测量和控制外，还需要兼顾更多要素——天气状况、污染指数、附近加油站等，以及驾驶员的驾驶水平、出行规律、出行喜好等。车联网的重心逐渐由“以路为本”向“以人为本”转移。因此，“车与人”进行互联互通的方式以及二者关联后能够产生的应用价值逐渐引起人们的关注。

近年来，我国机动车保有量持续增长，伴随着车联网技术的不断发展，基于机动车驾驶者的数据的量级逐渐增大，而在车主的出行喜好方面的研究还不是很多，一方面，车联网行业希望通过基于用户出行行为的数据分析用户的出行喜好，以此对用户进行深入了解，挖掘潜在需求，另一方面，用户希望自身产生的数据能对他们自己起到指导建议作用。然而，目前行业内基于车联网时空数据对用户出行喜好进行深度挖掘的研究尚且处于起步阶段，仍有大量研究工作有待完成。

用户驾车出行时会产生大量具有空间和时间属性的数据，用户通常会驱车前往各种具有不同属性的地理区域，停留不同的时长。从这类数据中我们可以分析用户驾车出行喜好，在某一时间区间内，根据用户驾车的时段和驻留的时长做出分析，推知其在概率上的兴趣点分布，并由此可做一些延伸的应用。基于用户在某一时间段内出行所产生的时间、空间数据，描绘其可能的兴趣分布，旨在刻画用户工作时段之外的出行喜好。针对用户个人可做纵向分析，即分析某用户更喜欢类型A抑或是类型B；针对用户群体可做横向比较，即对于同一类型的POI点，用户甲和用户乙谁表现出了更大的兴趣。

分析车主的出行喜好，可以使得我们更深入地了解用户，而非仅仅局限于用户自身所能提供的如年龄、性别等的基础数据。基于此，我们能够在各行业进行深度应用。如在保险行业，不同于对用户驾驶行为的评价，用户的出行喜好展现了一个车主更多维度的信息，通过对这些信息进行整合与分析，可以对保险的定价提供更加完备的参考方案。进一步地，通过分析用户的出行喜好，可以帮助我们深度了解用户，挖掘用户基于各种POI类型的潜在需求，从而为用户提供更加个性化的服务。

发明内容

为了解决上述问题，本发明提供一种基于车联网数据的用户出行喜好分析方法，所述方法基于假定以用户驻留点的聚点附近各POI类型在该地点所有POI点的占比，表示其前往每一类型POI点的概率为模型，通过用户的聚点GPS信息进行逆地理编码，获知用户出行地点的空间属性，随后根据用户的出行行为推测其兴趣所在，针对提出的评价指标，依次对用户在每一POI点的类型作出评分，计算所得的指标权重值得到用户在某一POI点类型加权后的得分，最终将用户所有POI点类别的得分按照一定顺序进行排列，获得用户出行喜好；

进一步地，所述方法包括

S1：将用户的驻留点聚类，具体为对用户的驻留点进行聚类，确定某地点的中心点，称为驻留点的聚点；

S2：筛选行程，具体为分析用户工作之余的出行喜好，删去用户以“家”或“公司”为终点的行程，保留其余有效行程；

S3：逆地理编码，具体为根据用户的驻留点的聚点进行逆地理编码，规定此过程选取聚点周围半径r米内的POI；

S4:计算POI类型占比。由上一步得到所有聚点附近r米内所包含的各类POI信息与总数，随后逐个输出每一聚点附近各个类型的POI点的数目，并按类型计算POI点的占比，得到矩阵P；

S5：抽取指标数据；

S6：计算每种类型各指标的期望值；

S7：指标数据评分，具体为在每一个指标内部，首先对用户数据分布情况做出判别，观测其服从何种分布，将数据正态化，最终基于正态分布得出用户在每一类POI点的三种指标下各自的得分；

S8：计算指标权重、计算各POI类型下的指标权重；

S9:计算每一POI类型的得分。

进一步地，所述S5具体为抽取用户驻留点的聚点的在三个指标下的数据，所述三个指标分别是：到达次数Time、停留总时长Dura和驶入行程总时长Dura2；