乘客出行方案推荐模型训练方法、系统及推荐方法及系统
摘要文本
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。
申请人信息
- 申请人:北京交通大学
- 申请人地址:100044 北京市海淀区西直门外上园村3号
- 发明人: 北京交通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 乘客出行方案推荐模型训练方法、系统及推荐方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311730247.4 |
| 申请日 | 2023/12/15 |
| 公告号 | CN117743683A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G06F16/9535 |
| 权利人 | 北京交通大学 |
| 发明人 | 秦勇; 何洁; 李晓争; 郭建媛; 孙璇; 王子瑜; 孙方; 孙琦; 王月玥; 陈明 |
| 地址 | 北京市海淀区西直门外上园村3号 |
专利主权项内容
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。。微信公众号马克数据网