[发明专利]基于贝叶斯模型的共享单车目的地预测方法

说明书

本发明公开了一种基于贝叶斯模型的共享单车目的地预测方法，通过采集目标用户的实时输入信息和历史出行信息，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，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，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，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，能够准确灵活地预测目标用户本次出行的目的地，有效缩短了用户的出行时间。

技术领域

本发明涉及物联网技术领域，尤其涉及一种基于贝叶斯模型的共享单车目的地预测方法。

背景技术

受益于共享经济和移动支付的快速发展，共享单车在世界范围内迅速兴起。相比于公共自行车，其取消了对固定租赁站点的限制，使其可在服务范围内的任意地点借还车，增加了其在短距离出行中的优势，并成为了城市交通“第一公里”和“最后一公里”的有效接驳工具。然而，在共享单车带来便利的同时，一系列的运营问题也由此出现，如单车调运不及时、故障频发、故障单车堆积、停放秩序混乱等。这些问题不仅造成了共享单车的供需不平衡、降低了用户的出行体验和满意度，也阻碍了其它交通方式的正常运行。

预测用户出行的终点有以下作用：(1)在共享单车的应用界面为用户提供较为准确的备选终点选项，适应用户起点位置和出行时间的变化，改善用户的出行体验。(2)为单车运营商提供必要的调度信息，使其可以提前调配和管理共享单车以满足用户的出行需求。

现有技术多根据GPS定位获取用户的起点信息，在应用界面仅能将最近几次出行的历史终点位置提供给用户。在出行起终点位置变化较大的情况下，用户需要手动输入相关信息。这种方式一方面会占用用户的出行时间，另一方面又不能灵活地预测用户本次出行的目的地。

发明内容

针对以上问题，本发明提出一种收集数据简便、预测效率高、能够有效提高用户出行体验的基于贝叶斯模型的共享单车目的地预测方法。

为实现本发明的目的，提供一种基于贝叶斯模型的共享单车目的地预测方法，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。

在一个实施例中，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。

在一个实施例中，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；