买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:北京交通大学
摘要:本发明提供一种乘客出行方案推荐模型训练方法、系统及推荐方法及系统,属于城市轨道交通出行智能服务和数字化管理技术领域。本发明首先从时空、频次等多维度形成客群指标和标签体系,构建细粒度客群标签自动化生成方法。基于累计前景理论构建面向个体的出行方案实时推荐模型,通过融合出行时长预测值,实现进行出发时间、到达时间、出行路径和出行时长的联合出行方案实时推荐,提高推荐时效性,为乘客提供出行可预测性诱导服务。因此,本发明对于乘客个性化出行即时决策、行车组织在线调整决策、出行伴随式服务、客流培育等方面具有重要理论和现实意义。
主权项:1.一种城市轨道交通通勤乘客出行方案推荐模型训练方法,其特征在于,包括:依据个体出行时空关系,将数据源进行数据关联与融合,计算路径分时拥挤度,构建个体全出行链信息表;其中,数据源包括自动售检票系统数据、个体乘降行程数据、备选路径集和断面分时满载率数据;定义基准时间段与常出行频次阈值,基于AFC数据利用统计方法判定常频乘客与低频乘客,构建常频乘客数据库与低频乘客数据库;定义身份标识、出行强度、出行时间、出行空间、出行体验和乘客消费多维度指标,建立常频客群指标体系;定义标准通勤乘客、非标准通勤乘客与非通勤乘客三类乘客类别标签,从职住、价值和出行体验角度构建多维度标签体系;选取工作日的出行强度、出发时间和出行空间指标作为特征,根据乘客类别标签数量,设置聚类类别,利用聚类方法生成标准通勤乘客、非标准通勤乘客与非通勤乘客三类乘客类别标签,构建三类乘客类别标签数据库;选取职住标签,根据出行时空特征制定规则,在通勤乘客基础上生成通勤乘客居住地站点与出发地站点职住标签;利用路径出行时长数据表以进站日期特征、进站时间特征、进站量作为输入特征,以出发时间、到达时间、出行时长、出行路径、路径具体信息为输出特征,根据路径拥挤度、全体路径信息表,利用累计前景理论,通过支持向量回归模型进行训练,获取实时路径出行时长预测值,得到出行方案推荐模型;其中,基于累计前景理论,训练出行方案推荐模型,包括:选取路径出行时长数据表中进站时间特征、进站日期特征、进站量特征作为输入特征;利用支持向量回归模型获取路径出行时长实时预测值:实时输出任意日期、任意时间段、任意路径的出行时长预测值;将个体全出行链信息表、全体路径数据、路径分时拥挤度数据、路径出行时长实时预测数据、个体职住标签作为出行方案推荐模型输入数据,获取乘客居住地站点和工作地站点,筛选居住地站点至工作地站点的个体全出行链信息表;根据筛选后的个体全出行链信息表进行到达时刻参照点编辑;根据备选路径集,对居住地站点和工作地站点之间的路径进行检索,获取居住地至工作地备选路径集,对路径进行遍历;定义出发时间序列,结合路径出行时长实时预测值,建立实时路径到达时间序列;对实时到达时间序列中的到达时间进行遍历,构建到达时间的价值函数;对实时到达时间序列中的到达时间进行遍历,构建到达时间的决策函数;对实时到达时间序列中的到达时间进行遍历,构建到达时间的前景值;对居住地至工作地备选路径集进行遍历,直至备选路径集遍历完成;根据备选路径集对应各出发时间序列前景值产生推荐结果。
全文数据:
权利要求:
百度查询: 北京交通大学 乘客出行方案推荐模型训练方法、系统及推荐方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。