本發(fā)明涉及信息推薦
技術(shù)領(lǐng)域：
，具體地，涉及基于啟發(fā)式搜索的門到門出行路徑方案個性化推薦方法。
背景技術(shù)：
：交通已經(jīng)成為人類生活、社會生產(chǎn)和經(jīng)濟發(fā)展中的必要工具。近年來，現(xiàn)有的交通體系為人類出行提供了安全、便捷的交通服務，包括公路、鐵路、城市軌道交通、航空等。然而，人類對交通工具依賴性的增加使得交通系統(tǒng)面臨諸多挑戰(zhàn)，例如：道路擁塞、事故頻發(fā)及城市環(huán)境污染問題。隨著城市智能化的推進，交通信息承載了大規(guī)模的海量數(shù)據(jù)，基于大數(shù)據(jù)分析的技術(shù)研究也應運而生。通過數(shù)據(jù)的分析和挖掘，人們能夠及時了解交通狀況、安排規(guī)劃行程，交通資源得以合理的分配，交通安全得到大幅度提高，為城市和生活提供更好的服務。如今，豐富的選擇也帶來了大量的信息過載問題，例如旅客如何選擇最優(yōu)且滿足個人需求的出行路徑；如何從歷史數(shù)據(jù)中發(fā)現(xiàn)并提取有價值的特征，選擇最佳的出行路徑。推薦是解決信息過載的有效手段，根據(jù)個人偏好和需求，為旅客推薦最可能感興趣的結(jié)果，如Amazon書籍、NetFlix電影。傳統(tǒng)推薦中，物品是獨立存在的，具有固定的屬性，而在智能交通服務是對于多種不同交通工具組合路徑的推薦，是受時間影響的動態(tài)商品。因此傳統(tǒng)的推薦并不能很好的應用到出行、路徑及一系列時間敏感商品的個性化推薦中。目前出行路徑方案推薦大部分可分為景點游覽路徑推薦和旅游路線規(guī)劃。景點游覽路徑推薦一般需要借助無線通信、定位技術(shù)等，根據(jù)游覽順序和時間對路徑進行分組，構(gòu)建多樣化的游覽路線，并根據(jù)旅客的偏好和預估游覽時間為其推薦路線；旅游路線規(guī)劃一般是對時間較長的旅游進行整體的規(guī)劃，例如文對省市整體游覽的具體路徑規(guī)劃，結(jié)合旅客的偏好，對一個或多個城市的旅游路線進行規(guī)劃，使得旅客可以更好、更便捷的安排行程。但是，在現(xiàn)有技術(shù)中，基于已有的景點游覽路徑推薦和旅游路徑規(guī)劃的技術(shù)方案，均無法實現(xiàn)門到門出行路徑方案個性化推薦。傳統(tǒng)推薦中物品獨立存在，具有固定屬性，而在智能交通服務中，出行路徑不是單一物品的推薦，而是對于多種不同交通工具組合路徑的推薦，而交通是受時間影響的動態(tài)商品，并且實時出行信息(例如：飛機的價格，高速公路路況等)也會直接影響旅客出行路徑的選擇。因此傳統(tǒng)的推薦并不能很好的應用到出行路徑及一系列時間敏感商品的個性化推薦中。當旅客在售票網(wǎng)站搜索從出發(fā)地到目的地的出行路徑方案時，如果能夠給每位旅客推薦符合其偏好的路徑方案，將可以為旅客節(jié)省瀏覽時間，同時也可以為售票網(wǎng)站帶來更高的轉(zhuǎn)化率。但目前，大多數(shù)的出行路徑推薦是景點游覽路徑推薦和旅游路線規(guī)劃，景點游覽路徑推薦一般需要借助無線通信、定位技術(shù)等，根據(jù)游覽順序和時間對路徑進行分組，并依據(jù)旅客的偏好和預估游覽時間為其推薦路線；旅游路線規(guī)劃則一般是對時間較長的旅游進行整體的規(guī)劃，例如一個或多個城市的旅游路線，使得旅客可以更好、更便捷的安排行程。而門到門的出行路徑方案推薦是指：在旅客提供出發(fā)和到達地點后，針對不同的出行交通工具，在保證旅客需求的同時，實時搜索當前最優(yōu)出行換乘路徑方案，并利用旅客的歷史訂單數(shù)據(jù)分析旅客的隱性偏好，在盡可能短的時間內(nèi)為旅客搜索并推薦最優(yōu)且能夠滿足旅客需求的出行路徑，提供門到門的出行路徑方案個性化推薦。這種基于啟發(fā)式搜索的推薦技術(shù)可以快速、實時的搜索出可行路徑方案，豐富了旅客偏好信息，也可以用在其他具有類似應用場景的推薦技術(shù)中。技術(shù)實現(xiàn)要素：針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于啟發(fā)式搜索的門到門出行路徑方案個性化推薦方法。本發(fā)明中，給定出發(fā)起點和到達終點，使用啟發(fā)式搜索和傳統(tǒng)的推薦算法，組合不同種類的出行交通工具，構(gòu)建實時的公共交通換乘網(wǎng)絡，并根據(jù)旅客的歷史訂單數(shù)據(jù)，分析旅客的隱性偏好，在盡可能短的時間內(nèi)為旅客搜索并推薦最優(yōu)且能夠滿足旅客需求的出行路徑。根據(jù)本發(fā)明提供的一種基于啟發(fā)式搜索的門到門出行路徑方案個性化推薦方法，包括：步驟1：根據(jù)實時交通網(wǎng)絡圖，初始化candidate_path集合和ahead_path集合；步驟2：迭代更新candidate_path集合，直至獲得K條備選路徑,K是給定的備選路徑數(shù)量，K的最大值為起始點s到終點t的路徑總數(shù)；步驟3：對candidate_path集合中的K條備選路徑進行排序；步驟4：輸出已排序的K條備選路徑至ahead_path集合作為推薦路徑。優(yōu)選地，所述步驟1包括：步驟1.1：選擇起始點s和終點t，構(gòu)建實時交通網(wǎng)絡，確定備選路徑的數(shù)量K、有向帶權(quán)圖的權(quán)值數(shù)量、旅客的需求約束；步驟1.2：初始化每個換乘點到t的最短路徑距離，且根據(jù)旅客的需求約束更新每個換乘點到t的約束條件；步驟1.3：初始化每個換乘點到t的可到達距離、起始點s到每個換乘點的投影距離，并初始化candidate_path集合為空集；ahead_path集合初始化為實時交通網(wǎng)絡中，所有以起始點s為源點的有向邊。所述可到達距離的定義為：對于點i、點j，若一距離C大于等于0，且小于等于點i與點j之間的最短距離，則距離C為點i到點j的可到達距離；所述投影距離的定義為：對于起始點s到終點t的一條路徑中的一個點i，則起始點s到點i的投影距離是：起始點s到點i的路徑權(quán)值和，加上點i到終點t的可到達距離，得到的和值。優(yōu)選地，在所述步驟2中，每一次迭代過程包括：步驟2.1：對當前ahead_path集合中的由有向邊構(gòu)成的路徑，按照投影距離由小到大進行排序，如果投影距離相等，則按照路徑權(quán)值和由大到小進行排序，并取出排序后的第一條候選路徑；步驟2.2：如果第一條候選路徑是一條s到t的完整路徑，則將該候選路徑加入到candidate_path集合中作為備選路徑，本次迭代結(jié)束；如果第一條候選路徑不是一條s到t的完整路徑，則取該候選路徑中的最后一個換乘點，列舉所有可行的擴展邊構(gòu)建為ExpandedEdges集合，擴展邊是指該換乘點到下一個換乘點間的路徑；步驟2.3：如果ExpandedEdges集合為空，則步驟2結(jié)束，進入步驟3繼續(xù)執(zhí)行；如果ExpandedEdges集合不為空，則在ExpandedEdges集合中選擇任一條擴展邊構(gòu)成當前路徑，如果當前路徑中有環(huán)，則從ExpandedEdges集合中刪除這條擴展邊；如果當前路徑中沒有環(huán)，則檢查當前路徑的最后一個換乘點是否滿足到t的所有約束條件，如果滿足，則將當前路徑加入到ahead_path集合中作為備選路徑，如果不滿足，則從ExpandedEdges集合中刪除這條擴展邊。優(yōu)選地，步驟3包括：步驟3.1：根據(jù)旅客的歷史訂單得到旅客偏好向量tv，根據(jù)備選路徑的屬性得到備選路徑屬性向量pvk；步驟3.2：計算每條備選路徑屬性向量pvk和旅客偏好向量tv的相似度，并將備選路徑根據(jù)相似度的大小進行排序。優(yōu)選地，所述有向帶權(quán)圖，是指：構(gòu)建帶權(quán)值的公共交通換乘網(wǎng)絡，公共交通換乘網(wǎng)絡中的每個點表示一個換乘車站，每條有向邊表示一種交通工具，而有向邊的方向代表行駛方向，每條有向邊的各個權(quán)值有相應的權(quán)重。優(yōu)選地，所述到t的所有約束條件，包括：換乘點到終點t的可到達距離必須小于等于該換乘點到終點t的最短路徑距離。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：由于路徑搜索問題是NP難問題，無法在多項式時間內(nèi)求解，所以本發(fā)明的技術(shù)難點在如何在較短的時間內(nèi)搜索出K條最優(yōu)的最短路徑，并根據(jù)旅客的偏好進行排序推薦。本發(fā)明可以根據(jù)實時的交通信息及交通網(wǎng)絡，建立公共交通換乘網(wǎng)絡的帶權(quán)有向圖，每條邊表示一種交通工具，每個點表示一個換乘車站，將旅客需求轉(zhuǎn)為路徑約束，在實時交通網(wǎng)絡圖中，使得在較短的時間內(nèi)搜索出K條最優(yōu)最短路徑進行個性化推薦，在較短的時間內(nèi)挖掘旅客的偏好信息，通過歷史訂單數(shù)據(jù)，建立用戶模型，推薦最佳的出行路徑，提升個性化推薦的整體效果，方便旅客的出行。附圖說明通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：圖1為問題的描述。圖2為推薦方法的流程圖。具體實施方式下面結(jié)合具體實施例對本發(fā)明進行詳細說明。以下實施例將有助于本領(lǐng)域的技術(shù)人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應當指出的是，對本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進。這些都屬于本發(fā)明的保護范圍。本發(fā)明提供的基于啟發(fā)式搜索的門到門出行路徑方案個性化推薦方法，根據(jù)實時的交通網(wǎng)絡和交通信息，構(gòu)建帶權(quán)值的公共交通換乘網(wǎng)絡，每個點表示一個換乘車站，每條邊表示一種交通工具(包括飛機、汽車、火車等)，而邊的方向代表行駛方向，每條邊有相應的權(quán)重(例如：可由價格、時間等實時信息計算獲得)；同時將旅客的需求轉(zhuǎn)換為路徑需要滿足的約束條件，并通過最短路徑搜索，在保證滿足約束的同時，選擇最佳的出行換乘方案；最后從旅客以往的訂單數(shù)據(jù)中，建立旅客偏好模型，將旅客偏好與換乘路徑的搜索結(jié)果逐條計算相似度，并根據(jù)相似度排序，將相似度最高的K條路徑方案推薦給旅客。根據(jù)本發(fā)明提供的一種基于啟發(fā)式搜索的門到門出行路徑方案個性化推薦方法，包括：步驟1：根據(jù)實時交通網(wǎng)絡圖，初始化candidate_path集合和ahead_path集合；步驟2：迭代更新candidate_path集合，直至獲得K條備選路徑,K是給定的備選路徑數(shù)量，K的最大值為起始點s到終點t的路徑總數(shù)；步驟3：對candidate_path集合中的K條備選路徑進行排序；步驟4：輸出已排序的K條備選路徑至ahead_path集合作為推薦路徑。進一步地，所述步驟1包括：步驟1.1：選擇起始點s和終點t，構(gòu)建實時交通網(wǎng)絡，確定備選路徑的數(shù)量K、有向帶權(quán)圖的權(quán)值數(shù)量、旅客的需求約束；步驟1.2：初始化每個換乘點到t的最短路徑距離，且根據(jù)旅客的需求約束更新每個換乘點到t的約束條件；步驟1.3：初始化每個換乘點到t的可到達距離、起始點s到每個換乘點的投影距離，并初始化candidate_path集合為空集；ahead_path集合初始化為實時交通網(wǎng)絡中，所有以起始點s為源點的有向邊。所述可到達距離的定義為：對于點i、點j，若一距離C大于等于0，且小于等于點i與點j之間的最短距離，則距離C為點i到點j的可到達距離；所述投影距離的定義為：對于起始點s到終點t的一條路徑中的一個點i，則起始點s到點i的投影距離是：起始點s到點i的路徑權(quán)值和，加上點i到終點t的可到達距離，得到的和值。進一步地，在所述步驟2中，每一次迭代過程包括：步驟2.1：對當前ahead_path集合中的由有向邊構(gòu)成的路徑，按照投影距離由小到大進行排序，如果投影距離相等，則按照路徑權(quán)值和由大到小進行排序，并取出排序后的第一條候選路徑；步驟2.2：如果第一條候選路徑是一條s到t的完整路徑，則將該候選路徑加入到candidate_path集合中作為備選路徑，本次迭代結(jié)束；如果第一條候選路徑不是一條s到t的完整路徑，則取該候選路徑中的最后一個換乘點，列舉所有可行的擴展邊構(gòu)建為ExpandedEdges集合，擴展邊是指該換乘點到下一個換乘點間的路徑；步驟2.3：如果ExpandedEdges集合為空，則步驟2結(jié)束，進入步驟3繼續(xù)執(zhí)行；如果ExpandedEdges集合不為空，則在ExpandedEdges集合中選擇任一條擴展邊構(gòu)成當前路徑，如果當前路徑中有環(huán)，則從ExpandedEdges集合中刪除這條擴展邊；如果當前路徑中沒有環(huán)，則檢查當前路徑的最后一個換乘點是否滿足到t的所有約束條件，如果滿足，則將當前路徑加入到ahead_path集合中作為備選路徑，如果不滿足，則從ExpandedEdges集合中刪除這條擴展邊。進一步地，步驟3包括：步驟3.1：根據(jù)旅客的歷史訂單得到旅客偏好向量tv，根據(jù)備選路徑的屬性得到備選路徑屬性向量pvk；步驟3.2：計算每條備選路徑屬性向量pvk和旅客偏好向量tv的相似度，并將備選路徑根據(jù)相似度的大小進行排序。進一步地，所述有向帶權(quán)圖，是指：構(gòu)建帶權(quán)值的公共交通換乘網(wǎng)絡，公共交通換乘網(wǎng)絡中的每個點表示一個換乘車站，每條有向邊表示一種交通工具，而有向邊的方向代表行駛方向，每條有向邊的各個權(quán)值有相應的權(quán)重。進一步地，所述到t的所有約束條件，包括：換乘點到終點t的可到達距離必須小于該換乘點到終點t的最短路徑距離。下面對本發(fā)明進行更為具體地說明。圖1是由不同種類的交通工具構(gòu)建而成的換乘圖，每個換乘地點之間可以有多種交通工具，例如飛機、鐵路、汽車等。當給定出發(fā)地點和到達地點后，如何在滿足約束需求(例如總票價不可多于1000元)下，使一個旅客在較短的時間內(nèi)獲得一條滿意的出行路徑推薦方案是個難點。表1列出了出行路徑的屬性，包括航空公司、折扣率、出發(fā)和到達時間、總耗時長、總票價和換成次數(shù)等。系統(tǒng)可以改變屬性，并定義屬性，例如還可以有艙位等級(頭等艙、商務艙和經(jīng)濟艙)、飛機類型(大、中、小)。表1出行路徑的屬性列表航空公司CA、MU、CA、HU....折扣率機票價格折扣率(現(xiàn)價/原價)出發(fā)和到達時間(分鐘)例如8:45am，即為8*60+45＝525分鐘總耗時長(分鐘)路徑方案耗費的所有時間總票價(元)路徑方案中乘坐交通工具花費的總費用換乘次數(shù)路徑方案中換乘公交的次數(shù)圖2是門對門出行路徑的個性化推薦流程圖，這里著重闡述出行路徑方案個性化推薦的整體流程和實施方式。首先，根據(jù)旅客的輸入條件和行程約束，實時的構(gòu)建公共交通換乘網(wǎng)絡，并計算每一條有向邊的權(quán)重，包括價格、時間等可疊加的特征，同時權(quán)重歸一化至0‐1的區(qū)間；將旅客的需求，轉(zhuǎn)化為出行路徑的約束條件，例如出行路徑的總耗時、交通工具的總價格等；最后將此問題轉(zhuǎn)換為K條帶約束最短路徑問題(KMCSP)，通過減枝搜索，可以在較短的時間內(nèi)依次生成換乘網(wǎng)絡中的前K條最短路徑，并將其作為備選路徑。其次，根據(jù)旅客的歷史訂單數(shù)據(jù)構(gòu)建旅客的偏好模型，其中包括表1中的屬性。每個屬性對于不同的用戶可能占有不同的權(quán)重，因此計算用戶在每個屬性所做選擇的信息熵，信息熵表示信息的混亂程度，熵值越小代表用戶在這個屬性上的行為越一致，因此具有更加明顯的偏好，對于信息熵越小的屬性，應該賦予它越大的權(quán)重；最后，將備選的出行路徑方案與旅客的偏好模型進行相似度排序，相似度越高的條目越符合用戶的偏好，相似度可以根據(jù)余弦值得出，并將排好序后的出行路徑方案依次薦給用戶即可。以上對本發(fā)明的具體實施例進行了描述。需要理解的是，本發(fā)明并不局限于上述特定實施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變化或修改，這并不影響本發(fā)明的實質(zhì)內(nèi)容。在不沖突的情況下，本申請的實施例和實施例中的特征可以任意相互組合。當前第1頁1 2 3