CN106227884A - 一种基于协同过滤的在线打车推荐方法 - Google Patents

Abstract

本发明公开一种基于协同过滤的在线打车推荐方法，包括以下步骤：1)原始数据预处理，现实GPS数据需要预处理过程，主要是载客起点与终点的提取；2)网格化，包括区域过滤、网格化分割、用户过滤；3)推荐算法，将协同过滤算法引入，利用taxi‑based算法和潜在因子模型给出推荐结果，构造出合理的打分矩阵；4)评价与结果应用：利用传统推荐的topN推荐进行检验，指标为准确率和召回率。本发明的目的是实时分析出租车的GPS数据，通过运行状态的分析，构造刻画出租车行为的打分矩阵，给出租车提供个性化的空载寻客地点推荐。本发明的优点在于传统协同过滤方法的引入，推荐具有个性化，并基于移动特性的模型，更符合实际。

Description

一种基于协同过滤的在线打车推荐方法

技术领域

本发明属于计算机应用领域，特别涉及一种出租车司机寻客地点推荐的技术。

技术背景

随着城市发展中，交通问题首当其冲，打车难与寻客难的现象严重。出租车普遍配备GPS设备，交通终端能获取出租车的位置信息和载客状态信息，通过推荐系统的交通给空载出租车提供寻找乘客的地点具有重要的现实意义，不仅能够有效地减少出租车空载的时间，增加出租车的运行效率，从而提高他们的收入。

针对出租车寻客地点推荐的问题可以如下概括：给定时间点和位置信息，针对具体出租车给出若干地点推荐。近些年常见的推荐做法包括两种：1.通过预测乘客最多的地点作为推荐；2.通过聚类获得热点作为推荐。这两种做法本质是：最流行推荐方法。这种最流行推荐的缺点是：1.最流行地点推荐缺乏对竞争运营的评估，准确不够；2.针对任何出租车，推荐结果都一样，缺乏个性化。

发明内容

本发明的目的是给出租车提供个性化的空载寻客地点推荐，提高准确性并实现个性化推荐。

为此，本发明提出一种基于协同过滤的在线打车推荐方法，包括以下步骤：

1)原始数据预处理，现实GPS数据需要预处理过程，主要是载客起点与终点的提取；

2)网格化，包括区域过滤、网格化分割、用户过滤；

3)推荐算法，将协同过滤算法引入，利用taxi-based算法和潜在因子模型给出推荐结果，重点是构造出合理的打分矩阵；

4)评价与结果应用：评价部分是利用传统推荐的topN推荐进行检验，指标为准确率和召回率，另外，可设计在线司机用户的满意度反馈，取其均值作为评价度量；在实际应用中，将协同过滤得到的结果直接按顺序呈现给用户，同时，利用司机们的反馈来改进打分矩阵的构造。

本发明实时分析出租车的GPS数据，通过运行状态的分析，利用传统推荐系统中的协同过滤技术，构造刻画出租车行为的打分矩阵，给出租车提供个性化的空载寻客地点推荐。本发明的优点在于传统协同过滤方法的引入，推荐具有个性化，并基于移动特性的模型，更符合实际。

附图说明

图1为本发明方法总体流程图。

图2为本发明方法的实验效果图。

图3为本发明实施例网格化示意图。

具体实施方式

本发明提出的基于协同过滤的在线打车推荐方法结合附图及实例详细说明如下：

本发明提出的基于协同过滤的在线打车推荐方法，如图1所示，其中，本发明所给出的基于协同过滤个性化的出租车地点推荐系统框架主要包括4大模块：原始数据预处理模块、网格化模块、推荐算法模块和评价指标应用模块。

各模块具体说明如下：

1)原始GPS轨迹预处理模块：系统目标是进行出租车载客地点推荐，所以我们的模型需要各个出租车有效载客段的起始点信息，这部分的原始GPS轨迹预处理的目的就是提取出这些重要的点，并处理成原始的起点终点矩阵(OD矩阵)。

2)网格化模块：网格法是按距离将地理空间按经纬度划分成一个个网格，然后相应处理，划分阈值的重要参数为网格边长r。

3)推荐算法模块：利用划分的训练集，采用taxi-based和潜在因子模型(LatentFactor Model，简记为LFM)等推荐算法进行推荐，给出租车一个个性化推荐列表，也称之为topN推荐。

4)评价与应用模块：利用划分的测试集，对给出topN结果的推荐评价，利用准确率和召回率来评价指标。在评价系统性能的同时，直接在线为出租车进行地点推荐。

在线打车推荐方法包括以下步骤：

1)原始GPS轨迹预处理：

(1.1)有效载客段的提取：

出租车返回的GPS数据中包含车载信息(比如0表示载客，1表示空载)，我们提取一段有效载客状态，并且设置基本规则：有效载客距离需要满足基本条件Lkm。

Distance((x_origin,y_origin),(x_destination,y_destination))＞L，

其中，(x_origin,y_origin)表示出租车载客起点位置，记GPS所对应的经纬度信息；而(x_destination,y_destination)表示出租车落客地点位置的经纬度。L为预先设定的阈值距离，比如1km以上为有效载客行为。而distance()函数为载客起点和终点的距离函数，通常采用欧式距离。

(1.2)原始起始点获取：

对每辆出租车记录有效载客段的起始点，同时包含时间信息。简单的字段可以表示为：

TaxiId,x_origin,y_origin,timestamp_origin,x_destination,y_destination,timestamp_destination

其中，TaxiId表示出租车的编号；x_origin,y_origin同上解释，为出租车载客起点经纬度位置，timestamp_origin表示载客时的起始时间；对应的，x_destination,y_destination表示乘客下车的经纬度位置，timestamp_destination为乘客下车的时间。

2)网格化

网格法是按距离将地理空间按经纬度划分成一个个网格，然后相应打分计算和过滤处理，其中，我们根据对地点的精度而选取不同网格边长r参数。

(2.1)区域过滤

对于网格化划分后，每个区域我们用(x₁,y₁,x₂,y₂)来表示，x₁为起始的经度值，x₂为区域终止的经度值，而y₁,y₂对应纬度起始和终止的数值。为了方便计算，我们限定上述获取的起始点(x,y)必须在目标区域范围内，即满足下述表达式：

x₁＜x＜x₂,y₁＜y＜y₂

(2.2)网格化

根据网格边长r将目标区域划分成网格，并进行编号，可以从地图左下角开始，一一对应即可，参见图3。网格大小，指的是我们在对区域进行网格化过程中所指定的网格边长。该参数的重要性在于我们划分区域为网格的粒度，讨论这个参数时我们参考街区的概念，城市中街区的程度通常在500-1000米，所以我们设计了500m、750m、1000m参数讨论范围。

(2.3)用户过滤(这时用户即为出租车本身)，从上可以看出，具有载客行为的出租车构成了一次打分，如果太多没有打分的出租车存在会影响计算的准确性，或者运营较少的出租车载客行为可能存在较多偶然性或者非运营行为，因此，为了避免非运营出租车行为影响，保证载客行为有效性，我们设置过滤门槛阈值来处理，以提高系统准确度。过滤门槛根据日常生活经验来获取，比如一辆总共仅仅不到10次载客行为的出租车我们不做考虑，直接过滤掉。

3)推荐算法

(3.1)打分矩阵选取

第一步最关键是构造出出租车对网格打分矩阵，令R表示该出租车在该网格的效用函数，定义为关于一定时间内成功载客数量累加sum的函数R(sum)，并进行归一化处理，在实验时可以取R＝Sum或者如下：

$R\left(sum\right)=\left\{\begin{array}{ccc}1,& if& sum=1\\ 2,& if& 2\&le;sum<4\\ 3,& if& 4\&le;sum<7\\ 4,& if& 7\&le;sum<10\\ 5,& if& 10\&le;sum\end{array}\right.$

(3.2)用户采样

注意到该推荐算法学习参数时涉及大规模矩阵计算，通常较为耗时，在这种场景下，我们可以通过用户均匀采样，从几十万taxi用户数据中随机采样10％，构成taxi-网格地点关系对矩阵，进而缩小矩阵规模来减少计算时间。通过上面网格化步骤与打分矩阵的构造，我们获取了出租车Taxi关于每个地点网格Grid的原始打分矩阵R，列向量上表示不同出租车，那么横向量上表示该车在不用网格出现的几率。

(3.3)推荐算法

1.taxibased算法

利用相似用户(出租车司机)进行rating预测：

$r_{tg}=\underset{j\&Element;N\left(t\right)}{\&Sigma;}{\mathrm{sim}}_{jt}{r}_{jg}$

其中，r_tg表示的时出租车司机t对网格g的打分，对于具有相似路径行为的出租车群，我们用出租车司机j，其中j∈N(t)j表示该出租车司机属于出租车司机最相似的K个出租车司机邻域群内，记为N(t),N表示邻域，该邻域内总的个数为K。。

利用皮尔逊度量计算相似度：

${\mathrm{sim}}_{ij}=\frac{{\&Sigma;}_{u\&Element;U}(r_{ui}-\stackrel{\&OverBar;}{r_u})(r_{uj}-\stackrel{\&OverBar;}{r_u})}{\sqrt{{\&Sigma;}_{u\&Element;U}{(r_{ui}-\stackrel{\&OverBar;}{r_u})}^2}\sqrt{{\&Sigma;}_{u\&Element;U}{(r_{uj}-\stackrel{\&OverBar;}{r_u})}^2}}$

其中sim_tj表示的出租车t与出租车j的相似度，r_ti表示是出租车t对网格i的打分，r_ji表示是出租车j对网格i的打分。

上述相似性计算都是基于3.1步骤设计的打分矩阵的值进行的，而3.2主要为了简化计算复杂度，是可选项。

2.Latent Factor Model潜在因子模型

利用矩阵分解技术进行分值(rating)预测

$\stackrel{\&OverBar;}{r_{ui}}={q_i}^T*p_u$

每一个出租车t都对应一个向量这个向量代表着出租车的潜在兴趣特征；同样地，每一个网格g对应一个向量这个向量代表着网格的潜在特征。

优化目标：

$\underset{q,p}{min}\underset{(u,i,t)\&Element;H}{\&Sigma;}{(r_{ui}-\underset{f=1}{\overset{F}{\&Sigma;}}{q_{i,f}}^T*p_{u,f})}^2+\mathrm{\&lambda;}\left(\right|\left|q_i\right|{|}^2+\left|\right|p_u\left|{|}^2\right)$

采用随机梯度下降学习参数，同时该模型具有易扩展性。

随机梯度下降法迭代方程如下式：

$e_{tg}\stackrel{def}{=}{r}_{tg}-q_g{p}_t$

q_g←q_g+γ·(e_tg·p_t-λ·q_g)

p_t←p_t+γ·(e_tg·q_g-λ·p_t)

其中γ是学习速率，λ是正则化系数，正则化项是为了避免过拟合而引入的，迭代结束的条件是目标函数小于一定的数值。在实验中，我们设置，λ＝0.003，取前后误差小于0.0001作为迭代结束的数值。

通过以上推荐方法我们能够获得完整的评分矩阵R_tg，R_tg的含义是任意出租车taxi对任意地点网格(grid)的评分值。由此，我们可以给出topN推荐列表：对任意出租车，我们选取对其预测评分最top的N个网格地点进行推荐。

4)评价与应用

(4.1)评价：

划分训练集和测试集，给出topN推荐，利用准确率和召回率来评价指标。准确率是推荐实际运营地点与推荐的所有地点的比率，衡量的是推荐系统的查准率；召回率是指推荐的相关地点和所有地点的比率，衡量的是检索系统的查全率。

准确率定义为：

$\mathrm{Pr}ecision=\frac{{\&Sigma;}_{t\&Element;taxiSet}\left|R_t\&cap;T_t\right|}{{\&Sigma;}_{t\&Element;taxiSet}\left|T_t\right|}$

查全率定义为：

$\mathrm{Re}call=\frac{{\&Sigma;}_{t\&Element;taxiSet}\left|R_t\&cap;T_t\right|}{{\&Sigma;}_{t\&Element;taxiSet}\left|T_t\right|}$

其中：taxiSet是测试集中的出租车集合，R_t是我们给出租车t推荐的网格集合，T_t是测试集中用户t有载客行为的网格集合。在设计的框架下，准确率是推荐实际运营地点与推荐的所有地点的比率，衡量的是地点推荐系统的查准率；召回率是指推荐的相关地点和所有地点的比率，衡量的是检索地点推荐系统的查全率。

另外两种方法计算简单，效果也较差，仅仅作为对比给出。通常应用中，我们建议采用LFM(Latent Factor Model潜在因子模型)方法。

(4.2)应用：

在评价系统性能的同时，直接对出租车进行地点推荐。

图2为本发明方法的实验效果图。比较了4种推荐算法：随机random推荐、最流行度most popular推荐、taxi-based推荐和LFM推荐。在封闭数据集的情况下，系统评判性能指标如下：

表1出租车推荐算法性能对比图

分析如下：

1)协同过滤方法远远优于随机推荐，说明我们模型的有效性，能够学习到出租车运行的行为模式，利用其他用户的经验为目标出租车提供建议的思路有效；

2)最流行度推荐算法是目前的主流方法，是我们比较的主要目标，由表格可以看出LFM方法的准确度远远高于最流行度推荐，表1最后一行“提高百分比”计算的是LFM方法相对于最流行推荐的提高量，数值分别是36.9％、45.6％、35.7％、和26.6％，可以看出提升非常明显。LMF优于最流行度推荐，说明了该方法不仅能够有效解决数据稀疏性，而且还能更好地抽取出出租车的潜在兴趣偏好。

3)本次实验中taxi-based方法效果比较一般，因为taxi-based方法中有一个比较重要的参数，即相似出租车的数量K，通过调节适当的K值，会发现效果明显提升，会略高于最流行推荐方法，但低于LMF推荐结果；

4)LMF优于taxi-based方法，原因在于LMF对打分预测更为准确，而taxi-based方法受限于包括相似出租车数目等参数的影响结果会稍微差一些。

Claims (10)

1.一种基于协同过滤的在线打车推荐方法，其特征是包括以下步骤：

S1、原始数据预处理：对GPS数据进行预处理，包括是载客起点与终点的提取；

S2、网格化：包括区域过滤、网格化分割、用户过滤；

S3、推荐算法：将协同过滤算法引入，利用taxi-based算法和潜在因子模型给出推荐结果，构造出合理的打分矩阵；

S4、评价：利用传统推荐的topN推荐进行检验，指标为准确率和召回率。

2.如权利要求1所述的协同过滤的在线打车推荐方法，其特征是：

在步骤S4中，还包括将协同过滤得到的结果直接按顺序呈现给用户，同时，利用司机们的反馈来改进打分矩阵的构造。

3.如权利要求1所述的协同过滤的在线打车推荐方法，其特征是：

在步骤S4中，还包括在线司机用户的满意度反馈，取其均值作为评价度量。

4.如权利要求1所述的协同过滤的在线打车推荐方法，其特征是步骤S1包括：

S1.1、有效载客段的提取：

出租车返回的GPS数据中包含车载信息(比如0表示载客，1表示空载)，我们提取一段有效载客状态，并且设置基本规则：有效载客距离需要满足基本条件Lkm，

Distance((x_origin,y_origin),(x_destination,y_destination))＞L，

其中，(x_origin,y_origin)表示出租车载客起点位置，记GPS所对应的经纬度信息；而(x_destination,y_destination)表示出租车落客地点位置的经纬度，L为预先设定的阈值距离，比如1km以上为有效载客行为，而distance()函数为载客起点和终点的距离函数，通常采用欧式距离；

S1.2、原始起始点获取：

对每辆出租车记录有效载客段的起始点，同时包含时间信息，字段可以表示为：

TaxiId,x_origin,y_origin,timestamp_origin,x_destination,y_destination,timestamp_destination

其中，TaxiId表示出租车的编号；x_origin,y_origin同上解释，为出租车载客起点经纬度位置，timestamp_origin表示载客时的起始时间；对应的，x_destination,y_destination表示乘客下车的经纬度位置，timestamp_destination为乘客下车的时间。

5.如权利要求1所述的协同过滤的在线打车推荐方法，其特征是步骤S2网格法是按距离将地理空间按经纬度划分成一个个网格，然后相应打分计算和过滤处理，其中，我们根据对地点的精度而选取不同网格边长r参数,包括如下步骤：

S2.1、区域过滤：

对于网格化划分后，每个区域我们用(x₁,y₁,x₂,y₂)来表示，x₁为起始的经度值，x₂为区域终止的经度值，而y₁,y₂对应纬度起始和终止的数值，为了方便计算，我们限定上述获取的起始点(x,y)必须在目标区域范围内，即满足下述表达式：

x₁＜x＜x₂,y₁＜y＜y₂

S2.2、网格化：

根据网格边长r将目标区域划分成网格，并进行编号，可以从地图左下角开始，一一对应即可；

S2.3、用户过滤：设置过滤门槛阈值来处理，以提高系统准确度。

6.如权利要求1所述的协同过滤的在线打车推荐方法，其特征是步骤S3包括：

S3.1、打分矩阵选取：

构造出出租车对网格打分矩阵，令R表示该出租车在该网格的效用函数，定义为关于一定时间内成功载客数量累加sum的函数R(sum)，并进行归一化处理，在实验时可以取R＝Sum或者如下：

$R\left(sum\right)=\left\{\begin{array}{ccc}1,& if& sum=1\\ 2,& if& 2\&le;sum<4\\ 3,& if& 4\&le;sum<7\\ 4,& if& 7\&le;sum<10\\ 5,& if& 10\&le;sum\end{array}\right.$

S3.2、用户采样：

通过用户均匀采样，从大量taxi用户数据中随机采样一定比例，构成taxi-网格地点关系对矩阵，进而缩小矩阵规模来减少计算时间；

S3.3、进行推荐计算，获得完整的评分矩阵R_tg，R_tg的含义是任意出租车taxi对任意地点网格的评分值，由此，给出topN推荐列表：对任意出租车，我们对其预测评分最高的N个网格地点进行推荐，N为指定的自然数。

7.如权利要求6所述的协同过滤的在线打车推荐方法，其特征是步骤S3.3中的推荐算法是taxibased算法，包括如下步骤：利用相似用户(出租车司机)进行rating预测：

$r_{tg}=\underset{j\&Element;N\left(t\right)}{\&Sigma;}{\mathrm{sim}}_{jt}{r}_{jg}$

其中，表示的时出租车司机t对网格g的打分，出租车司机j表示与出租车司机t相似的K个出租车司机群，记为N(t)；

利用皮尔逊度量计算相似度：

${\mathrm{sim}}_{ij}=\frac{{\mathrm{\&Sigma;}}_{u\&Element;U}(r_{ui}-\stackrel{\&OverBar;}{r_u})(r_{uj}-\stackrel{\&OverBar;}{r_u})}{\sqrt{{\mathrm{\&Sigma;}}_{u\&Element;U}{(r_{ui}-\stackrel{\&OverBar;}{r_u})}^2}\sqrt{{\mathrm{\&Sigma;}}_{u\&Element;U}{(r_{uj}-\stackrel{\&OverBar;}{r_u})}^2}}$

其中表示的出租车t与出租车j的相似度，表示是出租车t对网格i的打分，表示是出租车j对网格i的打分。

8.如权利要求6所述的协同过滤的在线打车推荐方法，其特征是步骤S3.3中的推荐算法是Latent Factor Model算法，包括如下步骤：

利用矩阵分解技术进行分值(rating)预测

$\stackrel{\&OverBar;}{r_{ui}}={q_i}^T*p_u$

每一个出租车t都对应一个向量，这个向量代表着出租车的潜在兴趣特征；同样地，每一个网格g对应一个向量，这个向量代表着网格的潜在特征，

优化目标：

$\underset{q,p}{min}\underset{(u,i,t)\&Element;H}{\&Sigma;}{(r_{ui}-\underset{f=1}{\overset{F}{\mathrm{\&Sigma;}}}{q_{i,f}}^T*p_{u,f})}^2+\mathrm{\&lambda;}\left(\right|\left|q_i\right|{|}^2+\left|\right|p_u\left|{|}^2\right)$

采用随机梯度下降学习参数，同时该模型具有易扩展性，

随机梯度下降法迭代方程如下式：

$e_{tg}\stackrel{def}{=}{r}_{tg}-q_g{p}_t$

q_g←q_g+γ·(e_tg·p_t-λ·q_g)

p_t←p_t+γ·(e_tg·q_g-λ·p_t)

其中是学习速率，λ是正则化系数，是为了避免过拟合而引入的，迭代结束的条件是目标函数小于一定的数值。

9.如权利要求6所述的协同过滤的在线打车推荐方法，其特征是:其中λ取0.003，取前后误差小于0.0001作为迭代结束的数值。

10.如权利要求6所述的协同过滤的在线打车推荐方法，其特征是步骤S4包括：划分训练集和测试集，给出topN推荐，利用准确率和召回率来评价指标；准确率是推荐实际运营地点与推荐的所有地点的比率，衡量的是推荐系统的查准率；召回率是指推荐的相关地点和所有地点的比率，衡量的是检索系统的查全率；

准确率定义为：

$\mathrm{Pr}ecision=\frac{{\mathrm{\&Sigma;}}_{t\&Element;taxiSet}|R_t\&cap;T_t|}{{\mathrm{\&Sigma;}}_{t\&Element;taxiSet}\left|T_t\right|}$

查全率定义为：

$\mathrm{Re}call=\frac{{\mathrm{\&Sigma;}}_{t\&Element;taxiSet}|R_t\&cap;T_t|}{{\mathrm{\&Sigma;}}_{t\&Element;taxiSet}\left|T_t\right|}$

其中：是测试集中的出租车集合，是我们给出租车t推荐的网格集合，是测试集中用户t有载客行为的网格集合，在设计的框架下，准确率是推荐实际运营地点与推荐的所有地点的比率，衡量的是地点推荐系统的查准率；召回率是指推荐的相关地点和所有地点的比率，衡量的是检索地点推荐系统的查全率。