[发明专利]基于贝叶斯模型的共享单车目的地预测方法

权利要求书

1.一种基于贝叶斯模型的共享单车目的地预测方法，其特征在于，包括如下步骤：

S10，采集目标用户的实时输入信息和历史出行信息；

S20，对实时输入信息和历史出行信息分别依次进行读写和转化；

S30，根据转化后的实时输入信息和历史出行信息分别构建目标用户的潜在目的地集合和出行特征集合；

S50，根据潜在目的地集合和出行特征集合训练贝叶斯模型，得到预测模型，采用预测模型预测用户到达潜在目的地集合中每个目的地的到达概率；

S60，按照到达概率从大到小的顺序对各个目的地进行排序，输出前m个的目的地。

2.根据权利要求1所述的基于贝叶斯模型的共享单车目的地预测方法，其特征在于，采集目标用户的实时输入信息和历史出行信息包括：

S11，通过共享单车应用平台收集用户的实时输入信息；所述实时输入信息包括用户ID、共享单车ID、起点位置和骑行开始时间；

S12，通过共享单车运营商收集用户一个月内的历史出行信息，所述历史出行信息包括用户ID、共享单车ID、起点位置、终点位置、骑行开始时间和骑行时长。

3.根据权利要求2所述的基于贝叶斯模型的共享单车目的地预测方法，其特征在于，对实时输入信息和历史出行信息分别依次进行读写和转化包括：

S21，将存在遗漏信息属性值的历史出行信息进行删除；

S22，对共享单车GPS定位的经纬度根据GeoHash算法进行二进制转换，并与对应的地理位置进行匹配；所述地理位置包括起点位置和终点位置；

S23，计算各个变量值，对连续性变量进行离散化处理，采用自然间断点分级法分别对变量值的计算结果和离散化处理的结果进行分段处理，得到转化后的实时输入信息和历史出行信息；所述变量值包括用户出行距离、出行次数和出行频率；所述连续性变量包括年龄和距离。

4.根据权利要求3所述的基于贝叶斯模型的共享单车目的地预测方法，其特征在于，根据转化后的实时输入信息和历史出行信息构建目标用户的潜在目的地集合包括：

S31，提取出用户历史出行信息中所有的起点位置和终点位置构成起点集合S和终点集合T；

S32，根据用户历史出行信息中起点和终点位置出现的次数，对起点位置集合按照起点位置出现的频次从大到小的顺序进行排序得到S＝{s₁，s₂，...，s_n}，对终点位置集合按照终点位置出现的频次从大到小的顺序进行排序得到T＝{t₁，t₂，...，t_n}；

S33，根据起点位置间或终点位置间的欧式距离分别对起点位置和终点位置进行相似性归类，将经纬度数据在同一范围内的位置信息进行相似性归类；

S34，在集合S＝{s₁，s₂，...，s_n}和T＝{t₁，t₂，...，t_n}中将s₁和t₁以及与其同一类的位置排除后，继续以出现次数最多的s_i和t_i为基准，计算其与其他位置的欧式距离，距离小于或等于阈值的起点或终点，被认为是与s_i和t_i同一类的位置；i的取值范围为1至n；

S35，重复步骤S34，直到S和T中所有的位置处理完成；

S36，根据处理后的历史终点位置构建用户的潜在目的集合D＝{d₁，d₂，...，d_n}。