[发明专利]一种共享单车骑行路线的智能推荐方法

权利要求书

1.一种共享单车骑行路线的智能推荐方法，其特征包括如下步骤：

步骤1，收集多个共享单车用户历史骑行数据，建立原始数据集；所述原始数据集中的数据类型包括非机动车道类型X₁、路内停车段X₂、红绿灯数量X₃、骑行距离X₄、道路等级X₅和路面坡度X₆；

步骤2，根据用户n的历史骑行数据生成带有k条可选路径的可选路径集C_n，并利用式(1)计算用户n从所述可选路径集C_n中选择的路径i的重复系数PS_ni：

式(1)中，ζ_i为路径i中所有路段的集合；l_a为路径i中路段a的长度；L_i为路径i的长度；若路段a在所述可选路径集C_n中用户n未选的路径j上，则令σ_aj＝1，否则，令σ_aj＝0；为可选路径集C_n上的最短路径长度；L_j为可选路径集C_n中路径j的长度；

步骤3，根据用户n的历史骑行数据，假设用户n以路径效用最大化为原则选择路径，则利用式(2)构造路径i的效用函数U_ni：

U_ni＝V_ni+ε_ni (2)

式(2)中，V_ni为用户n选择骑行路径i后的路径效用值；ε_ni为用户n选择路径i的随机效用误差，且服从相互独立的Gumbel分布；并有：

式(3)中，β₀为常数项，X_m表示原始数据集中第m种数据类型的数据；β_m表示第m种数据类型对用户骑行路线选择的影响系数；β_PS表示路径重复系数对用户骑行路线选择的影响系数；

步骤4，根据式(4)得到用户n选择可选路径集C_n中路径i的概率值P(i|C_n)，从而可确定可选路径集C_n中每条路径被选择的概率；

步骤5，根据用户历史评价、安全系数和骑行连续程度构建修正矩阵，用于修正概率值，以确定可选路径集C_n中每条路径被选择的最终概率；

步骤5.1，获取其他用户对可选路径集C_n中每条路径或路段的评价数据并取均值后归一化，得到可选路径集C_n中每条路径或路段的平均评价分数：

步骤5.2，计算安全系数S_ni：

利用式(5)构造共享单车用户n骑行路径i的骑行时间t的危险率函数h(t|X)：

h(t|X)＝h₀(t)g(X) (5)

式(5)中，h₀(t)为骑行时间t的基准危险率，g(X)代表因素X对危险率的影响，并有：

g(X)＝exp(β′₁X₁+β′₂X₂+β′₃X₃) (6)

式(6)中，β′₁-β′₃分别表示用户n的可选路径集C_n中各条路径中非机动车道类型X₁、路内停车段X₂和红绿灯数量X₃对骑行危险率的影响系数；

利用式(7)得到用户n选择路径i在骑行时间t后的安全系数S_ni，从而得到可选路径集C_n中所有路径的安全系数：

步骤5.3，计算骑行连续程度Con：

利用式(8)得到可选路径集C_n中各条路径的骑行连续程度Con：

logCon＝β″₀+β″₃X₃+β″₅X₅+β″₆X₆+ε (8)

式(8)中，β″₀为常数项；β″₃、β″₅和β″₆分别表示用户n的可选路径集C_n中各条路径中红绿灯数量X₃、道路等级X₅和路面坡度X₆对用户骑行连续程度Con的影响系数；ε为骑行连续程度Con的随机效用误差；

步骤5.4，构建修正矩阵：

有各路径的平均评价分数、安全系数、骑行连续程度与每条路径被选择的概率构成修正矩阵r_1k表示第k条路径被选择的概率；r_2k表示第k条路径的用户评价分数；r_3k表示第k条路径的安全系数；r_4k表示第k条路径的骑行连续程度；

步骤5.5，计算出每条路径被选择的最终概率；

利用式(9)确定可选路径集C_n中每条路径被选择的最终概率，并将概率最大值作为最优路径推荐给用户；

[p₁ p₂ … p_k]＝[ω₁ ω₂ ω₃ ω₄]·R (9)

式(9)中，p_k为第k条路径被选择的最终概率；ω₁为修正之前确定的每条路径被选择的概率所占权重；ω₂为用户评价所占权重；ω₃为安全系数所占权重；ω₄为骑行连续程度所占权重，且ω₁+ω₂+ω₃+ω₄＝1。