CN111949891B - 一种基于车辆轨迹聚类的个性化信息推荐方法及系统 - Google Patents
一种基于车辆轨迹聚类的个性化信息推荐方法及系统 Download PDFInfo
- Publication number
- CN111949891B CN111949891B CN202011070030.1A CN202011070030A CN111949891B CN 111949891 B CN111949891 B CN 111949891B CN 202011070030 A CN202011070030 A CN 202011070030A CN 111949891 B CN111949891 B CN 111949891B
- Authority
- CN
- China
- Prior art keywords
- information
- service
- target
- track
- push
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0259—Targeted advertisements based on store location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Abstract
本发明涉及数据处理技术领域,涉及一种基于车辆轨迹聚类的个性化信息推荐方法及系统。本发明通过对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,从而可以对车联网终端间的轨迹关联关系进行深度挖掘分析,对海量定位轨迹大数据进行有效地挖掘应用,拓展车辆轨迹应用的业务场景,并由此进行服务推荐信息的推荐,同时还可以通过服务推荐信息的反馈信息对服务推荐信息进行更个性化的更新优化,不断提高信息推送的精度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种基于车辆轨迹聚类的个性化信息推荐方法及系统。
背景技术
目前车联网行业虽然积累了大量车辆运行轨迹,但对轨迹数据的利用较为单一,主要集中在轨迹的历史回放及实时展示。例如,相关技术中数据使用的业务场景单一,轨迹数据仅用于轨迹路径展示。并且,车辆间轨迹数据的使用相对独立,未对车辆间的轨迹关联关系进行深度挖掘分析,因此利用大数据技术对海量轨迹数据进行挖掘应用的业务场景较少。
发明内容
有鉴于此,本发明的目的在于提供一种基于车辆轨迹聚类的个性化信息推荐方法及系统,通过对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,从而可以对车联网终端间的轨迹关联关系进行深度挖掘分析,对海量定位轨迹大数据进行有效地挖掘应用,拓展车辆轨迹应用的业务场景,并由此进行服务推荐信息的推荐,同时还可以通过服务推荐信息的反馈信息对服务推荐信息进行更个性化的更新优化,不断提高信息推送的精度。
根据本发明的第一方面,提供一种基于车辆轨迹聚类的个性化信息推荐方法,应用于与车联网终端通信连接的服务器,所述方法包括:
获取每个车联网终端产生的定位轨迹大数据;
按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端;
基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息,并分别向每个目标轨迹聚类对应的车联网终端推送对应的所述服务推荐信息;
获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息,并基于所述反馈信息对所述车联网终端的服务推荐信息的服务推荐特征进行更新。
在第一方面的一种可能的实现方式中,所述按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端的步骤,包括:
获取所述每个车联网终端产生的定位轨迹大数据在预设时间段区间的目标定位轨迹大数据;
提取所述每个车联网终端的目标定位轨迹大数据的轨迹特征信息;
将每个所述轨迹特征信息,分别和其余的每个车联网终端的目标定位轨迹大数据的目标轨迹特征信息进行相似性匹配,得到初始相似性匹配信息,当至少一个所述目标轨迹特征信息均相似性匹配完成时,得到至少一个初始相似性匹配信息;所述初始相似性匹配信息表征轨迹特征信息与目标轨迹特征信息之间的匹配分段节点;
对至少一个所述初始相似性匹配信息进行编码,得到与每个轨迹特征信息对应的相似性匹配信息;其中,所述相似性匹配信息表征存在的与轨迹特征信息相似性匹配的目标轨迹特征信息,所述相似性匹配信息与每个所述轨迹特征信息相对应;
对至少一个所述轨迹特征信息中,所述相似性匹配信息表征存在相似性匹配的目标轨迹特征信息的轨迹特征信息进行提取,得到相似性匹配轨迹特征信息;
根据所述相似性匹配信息,从至少一个所述目标轨迹特征信息中,提取出与所述相似性匹配轨迹特征信息相相似性匹配的目标轨迹特征信息,作为相似性匹配目标轨迹特征信息;
对至少一个所述轨迹特征信息中,除所述相似性匹配轨迹特征信息之外的轨迹特征信息进行编码,得到初始编码特征集合;
对至少一个所述目标轨迹特征信息中,除所述相似性匹配目标轨迹特征信息之外的目标轨迹特征信息进行编码,得到目标编码特征集合;
将所述初始编码特征集合和所述目标编码特征集合进行融合,得到每个所述轨迹特征信息分别和其余的每个车联网终端的目标定位轨迹大数据的目标轨迹特征信息之间的融合参考特征;
将融合参考特征相似的定位轨迹大数据作为一个目标轨迹聚类,以得到多个目标轨迹聚类,并获取每个目标轨迹聚类下的各个轨迹特征信息所对应的车联网终端。
在第一方面的一种可能的实现方式中,所述基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息的步骤,包括:
获取所述每个目标轨迹聚类所对应的特征信息中与当前更新的目标推送服务关联的目标服务场所信息,并从所述当前更新的目标推送服务中获取该目标服务场所信息的热点更新标签信息;
当所述目标服务场所信息被标记与目标推送服务对应的更新订阅标签服务对应的更新订阅标签时,从所述热点更新标签信息中提取目标推送服务特征,所述目标推送服务特征包括第一推送服务特征和第二推送服务特征,所述第一推送服务特征为所述更新订阅标签服务包括的与所述目标推送服务对应的更新订阅标签组件识别到的被动推荐项目信息,所述第二推送服务特征为所述更新订阅标签组件识别到的主动推荐项目信息,不同的更新订阅标签组件用于更新不同的预设服务场所信息;
根据所述目标推送服务特征,确定所述目标服务场所信息的目标更新推送元素,并确定所述目标更新推送元素所对应的经由推送节点的数据源访问参数以及对应的服务协议;
根据所述服务协议,对所述数据源访问参数中的当前数据授权信息所对应的授权节点进行服务协议签名后,在所述数据源访问参数中更新所述数据授权信息,从而根据更新后的所述数据源访问参数获得所述目标更新推送元素所对应的经由推送节点的服务推荐信息。
在第一方面的一种可能的实现方式中,从所述热点更新标签信息中提取目标推送服务特征的步骤,包括:
通过所述更新订阅标签组件从所述热点更新标签信息中分别获取对应的服务场所信息的各个服务兴趣点的车辆消费更新数据和服务划分规则;
根据获取的服务场所信息的各个服务兴趣点的车辆消费更新数据,分别确定服务场所信息的各个服务兴趣点的兴趣属性;
根据所述服务划分规则,将所述服务场所信息的各个服务兴趣点划分为被动推荐项目集合和主动推荐项目集合;
根据所述服务划分规则和所述服务场所信息的各个服务兴趣点的兴趣属性,确定所述被动推荐项目集合和所述主动推荐项目集合各自的服务划分规则;
根据所述被动推荐项目集合和所述主动推荐项目集合各自的服务划分规则,确定所述目标推送服务特征。
在第一方面的一种可能的实现方式中,所述服务划分规则包括至少两个服务推送策略的出行行为特征信息;
根据所述服务划分规则和所述服务场所信息的各个服务兴趣点的兴趣属性,确定所述被动推荐项目集合和所述主动推荐项目集合各自的服务划分规则的步骤,包括:
根据服务场所信息的各个服务兴趣点的兴趣属性,建立服务场所信息的服务兴趣点的出行行为特征属性列表;
根据所述服务划分规则和所述服务划分规则包括的至少两个服务推送策略的出行行为特征信息,确定每一所述被动推荐项目集合和所述主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度;
根据每一被动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度和每一主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度,建立服务场所信息的服务兴趣点对应于每一服务推送策略的出行行为特征信息的第一出行分布图谱;
利用所述出行行为特征属性列表,对所述出行行为特征属性列表和所述第一出行分布图谱的出行行为特征计算结果进行遍历得到服务场所信息的各个服务兴趣点对应于每一服务推送策略的出行行为特征信息的第二出行分布图谱,直至遍历次数达到预设次数或者所述第二出行分布图谱中各出行行为特征频繁度的浮动值低于设定浮动值;其中,在每一次遍历开始前,针对每一被动推荐项目集合,恢复上次遍历得到的出行行为特征计算结果中所包含的该被动推荐项目集合对应的出行行为特征频繁度为第一出行分布图谱中包含的、该被动推荐项目集合对应的出行行为特征频繁度,并选择出行行为特征频繁度最大的服务推送策略的出行行为特征信息为该被动推荐项目集合对应的出行行为特征信息;
针对每一主动推荐项目集合,根据第二出行分布图谱中该主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度,选择出行行为特征频繁度最大的服务推送策略的出行行为特征信息作为该主动推荐项目集合对应的出行行为特征信息;
根据所述被动推荐项目集合和所述主动推荐项目集合各自的对应的出行行为特征信息得到对应的服务划分规则。
在第一方面的一种可能的实现方式中,所述根据所述目标推送服务特征,确定所述目标服务场所信息的目标更新推送元素的步骤,包括:
根据所述第一推送服务特征和所述第二推送服务特征,确定所述目标服务场所信息分别对应的第一推送偏好行为分布和第二推送偏好行为分布;
确定所述第一推送偏好行为分布和所述第二推送偏好行为分布之间的重合分布,并获取所述重合分布的推送服务特征,将所述推送服务特征按照功能性划分成多个划分服务特征;
将所述多个划分服务特征分别转换成被动推荐项目信息集合和主动推荐项目信息集合,分别从所述被动推荐项目信息集合的各被动推荐项目信息中提取第一推送描述向量,以及从所述主动推荐项目信息集合的各主动推荐项目信息中提取第二推送描述向量;
将所述第一推送描述向量和所述第二推送描述向量进行融合得到融合推送描述向量,并根据所述融合推送描述向量确定所述目标服务场所信息的目标更新推送元素。
在第一方面的一种可能的实现方式中,确定所述目标更新推送元素所对应的经由推送节点的数据源访问参数以及对应的服务协议的步骤,包括:
确定所述目标更新推送元素所对应的经由推送节点的数据源的访问接口配置,以根据所述访问接口配置确定对应的数据源访问参数;
获得所述经由推送节点的推送服务特征的签名模式,并获得所述经由推送节点下的多个数据源的定点访问机制信息;
针对所述定点访问机制信息与预先配置的各个服务协议的签名模式进行签名参数计算,获得针对所述各个服务协议的多个第一签名参数计算结果,所述各个服务协议的签名模式为:在配置过程中确定的该服务协议对应的预设的被动推荐项目信息和主动推荐项目信息的签名模式;
根据所述多个第一签名参数计算结果,确定所述目标更新推送元素对应的服务协议;
其中,所述各个服务协议,采用如下方式配置获得:
获取预设的配置集合中各个模拟定点访问指令对应的预设的模拟定点访问特征的各个模拟定点访问控件,构成模拟定点访问控件集合;
逐一选择所述模拟定点访问控件集合中的一个模拟定点访问控件,分别作为当前模拟定点访问控件,以根据所述模拟定点访问控件创建一个服务协议,计算当前模拟定点访问控件与所述服务协议的协议签名参数之间的兴趣属性,获得多个第二签名参数量,作为第二签名参数结果;
将第二签名参数计算结果中满足预设签名参数条件时对应的服务协议作为所述当前模拟定点访问控件所属的服务协议,将所述当前模拟定点访问控件加入所述当前模拟定点访问控件所属的服务协议中;
如果没有第二签名参数计算结果满足预设签名参数条件,则创建一个服务协议,该服务协议的协议签名参数记录为当前模拟定点访问控件,重新计算所述服务协议的协议签名参数后,且在对所述模拟定点访问控件集合中的各个模拟定点访问控件合并完成后,将每个服务协议的协议签名参数作为每个服务协议对应的预设的模拟定点访问特征的签名模式。
在第一方面的一种可能的实现方式中,根据所述服务协议,对所述数据源访问参数中的当前数据授权信息所对应的授权节点进行服务协议签名后,在所述数据源访问参数中更新所述数据授权信息的步骤,包括:
根据所述服务协议获取多个模拟定点访问子接口,并获取所述多个模拟定点访问子接口中每个模拟定点访问子接口的接口参数更新信息;
根据所述每个模拟定点访问子接口的接口参数更新信息和所述每个模拟定点访问子接口所预先配置的接口配置参数,获取所述每个模拟定点访问子接口的目标参数,所述目标参数中包括接口配置参数和对应的各个模拟定点访问子接口的接口参数;
根据所述每个模拟定点访问子接口的服务接口参数更新标签和所述每个模拟定点访问子接口的接口配置参数,对所述数据源访问参数中的当前数据授权信息所对应的授权节点的待更新状态部分进行服务协议签名处理后,在所述数据源访问参数中更新所述数据授权信息。
在第一方面的一种可能的实现方式中,所述获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息,并基于所述反馈信息对所述车联网终端的服务推荐信息的服务推荐特征进行更新的步骤,包括:
根据获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息中的感兴趣对象和非感兴趣对象,对所述车联网终端的服务推荐信息的服务推荐特征进行更新,其中,更新的方式包括:增加所述车联网终端的服务推荐信息的服务推荐特征中与感兴趣对象相关的特征分量的权重参数,以及减小所述车联网终端的服务推荐信息的服务推荐特征中与非感兴趣对象相关的特征分量的权重参数。
根据本发明的第二方面,提供一种基于车辆轨迹聚类的个性化信息推荐系统,应用于与车联网终端通信连接的服务器,所述系统包括:
获取模块,用于获取每个车联网终端产生的定位轨迹大数据;
聚类模块,用于按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端;
推送模块,用于基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息,并分别向每个目标轨迹聚类对应的车联网终端推送对应的所述服务推荐信息;
更新模块,用于获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息,并基于所述反馈信息对所述车联网终端的服务推荐信息的服务推荐特征进行更新。
基于上述任一方面,本发明通过对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,从而可以对车联网终端间的轨迹关联关系进行深度挖掘分析,对海量定位轨迹大数据进行有效地挖掘应用,拓展车辆轨迹应用的业务场景,并由此进行服务推荐信息的推荐,同时还可以通过服务推荐信息的反馈信息对服务推荐信息进行更个性化的更新优化,不断提高信息推送的精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的基于车辆轨迹聚类的个性化信息推荐系统的应用场景示意图;
图2示出了本发明实施例所提供的基于车辆轨迹聚类的个性化信息推荐方法的流程示意图;
图3示出了本发明实施例所提供的基于车辆轨迹聚类的个性化信息推荐系统的功能模块示意图;
图4示出了本发明实施例所提供的用于执行上述的基于车辆轨迹聚类的个性化信息推荐方法的服务器的组件结构示意图。
具体实施方式
下面结合说明书附图对本发明进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本发明一种实施例提供的基于车辆轨迹聚类的个性化信息推荐系统10的交互示意图。基于车辆轨迹聚类的个性化信息推荐系统10可以包括服务器100以及与所述服务器100通信连接的车联网终端200。图1所示的基于车辆轨迹聚类的个性化信息推荐系统10仅为一种可行的示例,在其它可行的实施例中,该基于车辆轨迹聚类的个性化信息推荐系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
本实施例中,基于车辆轨迹聚类的个性化信息推荐系统10中的服务器100和车联网终端200可以通过配合执行以下方法实施例所描述的基于车辆轨迹聚类的个性化信息推荐方法,具体服务器100和车联网终端200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题,图2为本发明实施例提供的基于车辆轨迹聚类的个性化信息推荐方法的流程示意图,本实施例提供的基于车辆轨迹聚类的个性化信息推荐方法可以由图1中所示的服务器100执行,下面对该基于车辆轨迹聚类的个性化信息推荐方法进行详细介绍。
步骤S110,获取每个车联网终端200产生的定位轨迹大数据。
步骤S120,按照预设时间段区间对每个车联网终端200产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端200。
步骤S130,基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息,并分别向每个目标轨迹聚类对应的车联网终端200推送对应的服务推荐信息。
步骤S140,获取每个车联网终端200对所接收到的服务推荐信息的反馈信息,并基于反馈信息对车联网终端200的服务推荐信息的服务推荐特征进行更新。
本实施例中,车联网终端200可以安装于各个车辆中,其包括有定位模块,或者与其余的具有定位功能的组件通信连接,用于实时记录定位数据并不断形成定位轨迹大数据后传输给服务器。
本实施例中,服务推荐信息可以是例如消费场所、车辆保养场所、加油站等推荐同类用户中类似的场所所对应的服务推荐信息,具体不作限定。
基于上述步骤,本实施例通过对每个车联网终端200产生的定位轨迹大数据进行聚类处理,从而可以对车联网终端200间的轨迹关联关系进行深度挖掘分析,对海量定位轨迹大数据进行有效地挖掘应用,拓展车辆轨迹应用的业务场景,并由此进行服务推荐信息的推荐,同时还可以通过服务推荐信息的反馈信息对服务推荐信息进行更个性化的更新优化,不断提高信息推送的精度。
在一种可能的实现方式中,对于步骤S120,在聚类过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
子步骤S121,获取每个车联网终端200产生的定位轨迹大数据在预设时间段区间的目标定位轨迹大数据。
子步骤S122,提取每个车联网终端200的目标定位轨迹大数据的轨迹特征信息,将每个轨迹特征信息,分别和其余的每个车联网终端200的目标定位轨迹大数据的目标轨迹特征信息进行相似性匹配,得到初始相似性匹配信息,当至少一个目标轨迹特征信息均相似性匹配完成时,得到至少一个初始相似性匹配信息。初始相似性匹配信息表征轨迹特征信息与目标轨迹特征信息之间的匹配分段节点。
子步骤S123,对至少一个初始相似性匹配信息进行编码,得到与每个轨迹特征信息对应的相似性匹配信息。
其中,相似性匹配信息表征存在的与轨迹特征信息相似性匹配的目标轨迹特征信息,相似性匹配信息与每个轨迹特征信息相对应。
子步骤S124,对至少一个轨迹特征信息中,相似性匹配信息表征存在相似性匹配的目标轨迹特征信息的轨迹特征信息进行提取,得到相似性匹配轨迹特征信息。
子步骤S125,根据相似性匹配信息,从至少一个目标轨迹特征信息中,提取出与相似性匹配轨迹特征信息相相似性匹配的目标轨迹特征信息,作为相似性匹配目标轨迹特征信息。
子步骤S126,对至少一个轨迹特征信息中,除相似性匹配轨迹特征信息之外的轨迹特征信息进行编码,得到初始编码特征集合。
子步骤S127,对至少一个目标轨迹特征信息中,除相似性匹配目标轨迹特征信息之外的目标轨迹特征信息进行编码,得到目标编码特征集合。
子步骤S128,将初始编码特征集合和目标编码特征集合进行融合,得到每个轨迹特征信息分别和其余的每个车联网终端200的目标定位轨迹大数据的目标轨迹特征信息之间的融合参考特征。
子步骤S129,将融合参考特征相似的定位轨迹大数据作为一个目标轨迹聚类,以得到多个目标轨迹聚类,并获取每个目标轨迹聚类下的各个轨迹特征信息所对应的车联网终端200。
在一种可能的实现方式中,对于步骤S130,在推送过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
子步骤S131,获取每个目标轨迹聚类所对应的特征信息中与当前更新的目标推送服务关联的目标服务场所信息,并从当前更新的目标推送服务中获取该目标服务场所信息的热点更新标签信息。
子步骤S132,当目标服务场所信息被标记与目标推送服务对应的更新订阅标签服务对应的更新订阅标签时,从热点更新标签信息中提取目标推送服务特征。
子步骤S133,根据目标推送服务特征,确定目标服务场所信息的目标更新推送元素,并确定目标更新推送元素所对应的经由推送节点的数据源访问参数以及对应的服务协议。
子步骤S134,根据服务协议,对数据源访问参数中的当前数据授权信息所对应的授权节点进行服务协议签名后,在数据源访问参数中更新数据授权信息。
本实施例中,目标推送服务特征可以包括第一推送服务特征和第二推送服务特征,第一推送服务特征为更新订阅标签服务包括的与目标推送服务对应的更新订阅标签组件识别到的被动推荐项目信息,第二推送服务特征为更新订阅标签组件识别到的主动推荐项目信息,不同的更新订阅标签组件可以用于更新不同的预设服务场所信息。
例如,被动推荐项目可以是指针对用户的被动推荐生成的推荐项目,主动推荐项目可以是指针对用户主动订阅的推荐项目,被动推荐项目和主动推荐项目通常是关联订阅的,例如当用户主动订阅A推荐项目时,在使用过程中通常都会通过更新用户在调用A推荐项目的过程中被动推荐生成B推荐项目。
在一种可能的实施方式中,针对步骤S132,可以通过以下子步骤S1321-S1325进一步实现,具体描述如下。
子步骤S1321,通过更新订阅标签组件从热点更新标签信息中分别获取对应的服务场所信息的各个服务兴趣点的车辆消费更新数据和服务划分规则。
本实施例中,车辆消费更新数据可以是指各个服务兴趣点在进行消费确认过程中产生的确认信息,例如更新推荐项目的调用记录、消费发起记录、消费结算记录等。服务划分规则可以是指更新推荐项目在被调用过程中调用行为的签名模式。
子步骤S1322,根据获取的服务场所信息的各个服务兴趣点的车辆消费更新数据,分别确定服务场所信息的各个服务兴趣点的兴趣属性。
子步骤S1323,根据服务划分规则,将服务场所信息的各个服务兴趣点划分为被动推荐项目集合和主动推荐项目集合。
子步骤S1324,根据服务划分规则和服务场所信息的各个服务兴趣点的兴趣属性,确定被动推荐项目集合和主动推荐项目集合各自的服务划分规则。
例如,服务划分规则可以包括至少两个服务推送策略的出行行为特征信息。由此,可以根据服务场所信息的各个服务兴趣点的兴趣属性,建立服务场所信息的服务兴趣点的出行行为特征属性列表,并根据服务划分规则和服务划分规则包括的至少两个服务推送策略的出行行为特征信息,确定每一被动推荐项目集合和主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度。
在此基础上,本实施例可以根据每一被动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度和每一主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度,建立服务场所信息的服务兴趣点对应于每一服务推送策略的出行行为特征信息的第一出行分布图谱。接下来,利用出行行为特征属性列表,对出行行为特征属性列表和第一出行分布图谱的出行行为特征计算结果进行遍历得到服务场所信息的各个服务兴趣点对应于每一服务推送策略的出行行为特征信息的第二出行分布图谱,直至遍历次数达到预设次数或者第二出行分布图谱中各出行行为特征频繁度的浮动值低于设定浮动值。其中,在每一次遍历开始前,针对每一被动推荐项目集合,恢复上次遍历得到的出行行为特征计算结果中所包含的该被动推荐项目集合对应的出行行为特征频繁度为第一出行分布图谱中包含的、该被动推荐项目集合对应的出行行为特征频繁度,并选择出行行为特征频繁度最大的服务推送策略的出行行为特征信息为该被动推荐项目集合对应的出行行为特征信息。
而后,可以针对每一主动推荐项目集合,根据第二出行分布图谱中该主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度,选择出行行为特征频繁度最大的服务推送策略的出行行为特征信息作为该主动推荐项目集合对应的出行行为特征信息,并根据被动推荐项目集合和主动推荐项目集合各自的对应的出行行为特征信息得到对应的服务划分规则。
子步骤S1325,根据被动推荐项目集合和主动推荐项目集合各自的服务划分规则,确定目标推送服务特征。
基于上述设计,本实施例在确定目标推送服务特征的过程中,通过有效结合被动推荐项目信息和主动推荐项目信息,可以便于后续针对性地进行更新推荐项目的体验优化,减少更新推荐项目出现异常的概率。
在一种可能的实施方式中,针对步骤S1330,请结合参阅图4,可以通过以下子步骤S1331-S1334实现,具体描述如下。
子步骤S1331,根据第一推送服务特征和第二推送服务特征,确定目标服务场所信息分别对应的第一推送偏好行为分布和第二推送偏好行为分布。
子步骤S1332,确定第一推送偏好行为分布和第二推送偏好行为分布之间的重合分布,并获取重合分布的推送服务特征,将推送服务特征按照功能性划分成多个划分服务特征。
子步骤S1333,将多个划分服务特征分别转换成被动推荐项目信息集合和主动推荐项目信息集合,分别从被动推荐项目信息集合的各被动推荐项目信息中提取第一推送描述向量,以及从主动推荐项目信息集合的各主动推荐项目信息中提取第二推送描述向量。
子步骤S1334,将第一推送描述向量和第二推送描述向量进行融合得到融合推送描述向量,并根据融合推送描述向量确定目标服务场所信息的目标更新推送元素。
基于上述设计,通过结合被动推荐项目信息集合和主动推荐项目信息集合的融合推送描述向量进行权衡来确定目标服务场所信息的目标更新推送元素,可以准确完整地确定所有的目标更新推送元素。
在一种可能的实施方式中,仍旧针对步骤S1330,可以通过以下子步骤S1335-S1338实现,具体描述如下。
子步骤S1335,确定目标更新推送元素所对应的经由推送节点的数据源的访问接口配置,以根据访问接口配置确定对应的数据源访问参数。
子步骤S1336,获得经由推送节点的推送服务特征的签名模式,并获得经由推送节点下的多个数据源的定点访问机制信息。
子步骤S1337,针对定点访问机制信息与预先配置的各个服务协议的签名模式进行签名参数计算,获得针对各个服务协议的多个第一签名参数计算结果,各个服务协议的签名模式为:在配置过程中确定的该服务协议对应的预设的被动推荐项目信息和主动推荐项目信息的签名模式。
子步骤S1338,根据多个第一签名参数计算结果,确定目标更新推送元素对应的服务协议。
其中,作为一种可能的示例,各个服务协议可以采用如下方式配置获得,具体描述如下。
首先,获取预设的配置集合中各个模拟定点访问指令对应的预设的模拟定点访问特征的各个模拟定点访问控件,构成模拟定点访问控件集合,然后逐一选择模拟定点访问控件集合中的一个模拟定点访问控件,分别作为当前模拟定点访问控件,以根据模拟定点访问控件创建一个服务协议,计算当前模拟定点访问控件与服务协议的协议签名参数之间的兴趣属性,获得多个第二签名参数量,作为第二签名参数结果。
接下来,判断各个第二签名参数量是否小于预设阈值,如果小于预设阈值则确定第二签名参数结果满足预设的签名参数条件,如果不小于预设阈值则确定第二签名参数结果不满足预设的签名参数条件,由此可以将第二签名参数计算结果中满足预设签名参数条件时对应的服务协议作为当前模拟定点访问控件所属的服务协议,将当前模拟定点访问控件加入当前模拟定点访问控件所属的服务协议中。
又例如,如果没有第二签名参数计算结果满足预设签名参数条件,则可以创建一个服务协议,该服务协议的协议签名参数记录为当前模拟定点访问控件,重新计算服务协议的协议签名参数后,且在对模拟定点访问控件集合中的各个模拟定点访问控件合并完成后,将每个服务协议的协议签名参数作为每个服务协议对应的预设的模拟定点访问特征的签名模式。
在一种可能的实施方式中,针对步骤S1340,可以通过以下子步骤S1341-S1343实现,具体描述如下。
子步骤S1341,根据服务协议获取多个模拟定点访问子接口,并获取多个模拟定点访问子接口中每个模拟定点访问子接口的接口参数更新信息。
子步骤S1342,根据每个模拟定点访问子接口的接口参数更新信息和每个模拟定点访问子接口所预先配置的接口配置参数,获取每个模拟定点访问子接口的目标参数。
本实施例中,目标参数中可以包括接口配置参数和对应的各个模拟定点访问子接口的接口参数。
子步骤S1343,根据每个模拟定点访问子接口的服务接口参数更新标签和每个模拟定点访问子接口的接口配置参数,对数据源访问参数中的当前数据授权信息所对应的授权节点的待更新状态部分进行服务协议签名处理后,在数据源访问参数中更新数据授权信息。
基于上述设计,通过结合被动推荐项目信息和主动推荐项目信息进行更新推荐项目的接口参数更新管理可以便于后续针对性地进行更新推荐项目的体验优化。
进一步地,在一种可能的实现方式中,针对步骤S140,可以根据获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息中的感兴趣对象和非感兴趣对象,对所述车联网终端的服务推荐信息的服务推荐特征进行更新。
例如,更新的方式可以包括:增加所述车联网终端的服务推荐信息的服务推荐特征中与感兴趣对象相关的特征分量的权重参数,以及减小所述车联网终端的服务推荐信息的服务推荐特征中与非感兴趣对象相关的特征分量的权重参数。值得说明的是,具体增加的权重参数和减小权重参数可以基于实际设计需求进行灵活设计,在此不作具体限定,也不在本发明实施例旨在重点描述的范围内。
基于同一发明构思,请参阅图3,示出了本发明实施例提供的基于车辆轨迹聚类的个性化信息推荐系统300的功能模块示意图,本实施例可以根据上述方法实施例对基于车辆轨迹聚类的个性化信息推荐系统300进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。比如,在采用对应各个功能划分各个功能模块的情况下,图3示出的基于车辆轨迹聚类的个性化信息推荐系统300只是一种装置示意图。其中,基于车辆轨迹聚类的个性化信息推荐系统300可以包括获取模块310、聚类模块320、推送模块330以及更新模块340,下面分别对该基于车辆轨迹聚类的个性化信息推荐系统300的各个功能模块的功能进行详细阐述。
获取模块310,用于获取每个车联网终端200产生的定位轨迹大数据。可以理解,该获取模块310可以用于执行上述步骤S110,关于该获取模块310的详细实现方式可以参照上述对步骤S110有关的内容。
聚类模块320,用于按照预设时间段区间对每个车联网终端200产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端200。可以理解,该聚类模块320可以用于执行上述步骤S120,关于该聚类模块320的详细实现方式可以参照上述对步骤S120有关的内容。
推送模块330,用于基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息,并分别向每个目标轨迹聚类对应的车联网终端200推送对应的服务推荐信息。可以理解,该推送模块330可以用于执行上述步骤S130,关于该推送模块330的详细实现方式可以参照上述对步骤S130有关的内容。
更新模块340,用于获取每个车联网终端200对所接收到的服务推荐信息的反馈信息,并基于反馈信息对车联网终端200的服务推荐信息的服务推荐特征进行更新。可以理解,该更新模块340可以用于执行上述步骤S140,关于该更新模块340的详细实现方式可以参照上述对步骤S140有关的内容。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,获取模块310可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application specific integrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(centralprocessing unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
图4示出了本发明实施例提供的用于实现上述的控制设备的服务器100的硬件结构示意图,如图4所示,服务器100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
在具体实现过程中,至少一个处理器110执行所述机器可读存储介质120存储的计算机执行指令(例如图3中所示的基于车辆轨迹聚类的个性化信息推荐系统300包括的获取模块310、聚类模块320、推送模块330以及更新模块340),使得处理器110可以执行如上方法实施例的基于车辆轨迹聚类的个性化信息推荐方法,其中,处理器110、机器可读存储介质120以及收发器140通过总线130连接,处理器110可以用于控制收发器140的收发动作,从而可以与前述的车联网终端200进行数据收发。
处理器110的具体实现过程可参见上述服务器100执行的各个方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图4所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,DSP)、专用集成电路(英文:ApplicationSpecificIntegrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
机器可读存储介质120可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线130可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示,本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
此外,本发明实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上基于车辆轨迹聚类的个性化信息推荐方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
需要说明的是,如果本说明书初始材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.一种基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,应用于与车联网终端通信连接的服务器,所述方法包括:
获取每个车联网终端产生的定位轨迹大数据;
按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端;
基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息,并分别向每个目标轨迹聚类对应的车联网终端推送对应的所述服务推荐信息;
获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息,并基于所述反馈信息对所述车联网终端的服务推荐信息的服务推荐特征进行更新;
所述按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端的步骤,包括:
获取所述每个车联网终端产生的定位轨迹大数据在预设时间段区间的目标定位轨迹大数据;
提取所述每个车联网终端的目标定位轨迹大数据的轨迹特征信息;
将每个所述轨迹特征信息,分别和其余的每个车联网终端的目标定位轨迹大数据的目标轨迹特征信息进行相似性匹配,得到初始相似性匹配信息,当至少一个所述目标轨迹特征信息均相似性匹配完成时,得到至少一个初始相似性匹配信息;所述初始相似性匹配信息表征轨迹特征信息与目标轨迹特征信息之间的匹配分段节点;
对至少一个所述初始相似性匹配信息进行编码,得到与每个轨迹特征信息对应的相似性匹配信息;其中,所述相似性匹配信息表征存在的与轨迹特征信息相似性匹配的目标轨迹特征信息,所述相似性匹配信息与每个所述轨迹特征信息相对应;
对至少一个所述轨迹特征信息中,所述相似性匹配信息表征存在相似性匹配的目标轨迹特征信息的轨迹特征信息进行提取,得到相似性匹配轨迹特征信息;
根据所述相似性匹配信息,从至少一个所述目标轨迹特征信息中,提取出与所述相似性匹配轨迹特征信息相似性匹配的目标轨迹特征信息,作为相似性匹配目标轨迹特征信息;
对至少一个所述轨迹特征信息中,除所述相似性匹配轨迹特征信息之外的轨迹特征信息进行编码,得到初始编码特征集合;
对至少一个所述目标轨迹特征信息中,除所述相似性匹配目标轨迹特征信息之外的目标轨迹特征信息进行编码,得到目标编码特征集合;
将所述初始编码特征集合和所述目标编码特征集合进行融合,得到每个所述轨迹特征信息分别和其余的每个车联网终端的目标定位轨迹大数据的目标轨迹特征信息之间的融合参考特征;
将融合参考特征相似的定位轨迹大数据作为一个目标轨迹聚类,以得到多个目标轨迹聚类,并获取每个目标轨迹聚类下的各个轨迹特征信息所对应的车联网终端。
2.根据权利要求1所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,所述基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息的步骤,包括:
获取所述每个目标轨迹聚类所对应的特征信息中与当前更新的目标推送服务关联的目标服务场所信息,并从所述当前更新的目标推送服务中获取该目标服务场所信息的热点更新标签信息;
当所述目标服务场所信息被标记与目标推送服务对应的更新订阅标签服务对应的更新订阅标签时,从所述热点更新标签信息中提取目标推送服务特征,所述目标推送服务特征包括第一推送服务特征和第二推送服务特征,所述第一推送服务特征为所述更新订阅标签服务包括的与所述目标推送服务对应的更新订阅标签组件识别到的被动推荐项目信息,所述第二推送服务特征为所述更新订阅标签组件识别到的主动推荐项目信息,不同的更新订阅标签组件用于更新不同的预设服务场所信息;
根据所述目标推送服务特征,确定所述目标服务场所信息的目标更新推送元素,并确定所述目标更新推送元素所对应的经由推送节点的数据源访问参数以及对应的服务协议;
根据所述服务协议,对所述数据源访问参数中的当前数据授权信息所对应的授权节点进行服务协议签名后,在所述数据源访问参数中更新所述数据授权信息,从而根据更新后的所述数据源访问参数获得所述目标更新推送元素所对应的经由推送节点的服务推荐信息。
3.根据权利要求2所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,从所述热点更新标签信息中提取目标推送服务特征的步骤,包括:
通过所述更新订阅标签组件从所述热点更新标签信息中分别获取对应的服务场所信息的各个服务兴趣点的车辆消费更新数据和服务划分规则;
根据获取的服务场所信息的各个服务兴趣点的车辆消费更新数据,分别确定服务场所信息的各个服务兴趣点的兴趣属性;
根据所述服务划分规则,将所述服务场所信息的各个服务兴趣点划分为被动推荐项目集合和主动推荐项目集合;
根据所述服务划分规则和所述服务场所信息的各个服务兴趣点的兴趣属性,确定所述被动推荐项目集合和所述主动推荐项目集合各自的服务划分规则;
根据所述被动推荐项目集合和所述主动推荐项目集合各自的服务划分规则,确定所述目标推送服务特征。
4.根据权利要求3所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,所述服务划分规则包括至少两个服务推送策略的出行行为特征信息;
根据所述服务划分规则和所述服务场所信息的各个服务兴趣点的兴趣属性,确定所述被动推荐项目集合和所述主动推荐项目集合各自的服务划分规则的步骤,包括:
根据服务场所信息的各个服务兴趣点的兴趣属性,建立服务场所信息的服务兴趣点的出行行为特征属性列表;
根据所述服务划分规则和所述服务划分规则包括的至少两个服务推送策略的出行行为特征信息,确定每一所述被动推荐项目集合和所述主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度;
根据每一被动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度和每一主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度,建立服务场所信息的服务兴趣点对应于每一服务推送策略的出行行为特征信息的第一出行分布图谱;
利用所述出行行为特征属性列表,对所述出行行为特征属性列表和所述第一出行分布图谱的出行行为特征计算结果进行遍历得到服务场所信息的各个服务兴趣点对应于每一服务推送策略的出行行为特征信息的第二出行分布图谱,直至遍历次数达到预设次数或者所述第二出行分布图谱中各出行行为特征频繁度的浮动值低于设定浮动值;其中,在每一次遍历开始前,针对每一被动推荐项目集合,恢复上次遍历得到的出行行为特征计算结果中所包含的该被动推荐项目集合对应的出行行为特征频繁度为第一出行分布图谱中包含的、该被动推荐项目集合对应的出行行为特征频繁度,并选择出行行为特征频繁度最大的服务推送策略的出行行为特征信息为该被动推荐项目集合对应的出行行为特征信息;
针对每一主动推荐项目集合,根据第二出行分布图谱中该主动推荐项目集合对应于每一服务推送策略的出行行为特征信息的出行行为特征频繁度,选择出行行为特征频繁度最大的服务推送策略的出行行为特征信息作为该主动推荐项目集合对应的出行行为特征信息;
根据所述被动推荐项目集合和所述主动推荐项目集合各自的对应的出行行为特征信息得到对应的服务划分规则。
5.根据权利要求2所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,所述根据所述目标推送服务特征,确定所述目标服务场所信息的目标更新推送元素的步骤,包括:
根据所述第一推送服务特征和所述第二推送服务特征,确定所述目标服务场所信息分别对应的第一推送偏好行为分布和第二推送偏好行为分布;
确定所述第一推送偏好行为分布和所述第二推送偏好行为分布之间的重合分布,并获取所述重合分布的推送服务特征,将所述推送服务特征按照功能性划分成多个划分服务特征;
将所述多个划分服务特征分别转换成被动推荐项目信息集合和主动推荐项目信息集合,分别从所述被动推荐项目信息集合的各被动推荐项目信息中提取第一推送描述向量,以及从所述主动推荐项目信息集合的各主动推荐项目信息中提取第二推送描述向量;
将所述第一推送描述向量和所述第二推送描述向量进行融合得到融合推送描述向量,并根据所述融合推送描述向量确定所述目标服务场所信息的目标更新推送元素。
6.根据权利要求2所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,确定所述目标更新推送元素所对应的经由推送节点的数据源访问参数以及对应的服务协议的步骤,包括:
确定所述目标更新推送元素所对应的经由推送节点的数据源的访问接口配置,以根据所述访问接口配置确定对应的数据源访问参数;
获得所述经由推送节点的推送服务特征的签名模式,并获得所述经由推送节点下的多个数据源的定点访问机制信息;
针对所述定点访问机制信息与预先配置的各个服务协议的签名模式进行签名参数计算,获得针对所述各个服务协议的多个第一签名参数计算结果,所述各个服务协议的签名模式为:在配置过程中确定的该服务协议对应的预设的被动推荐项目信息和主动推荐项目信息的签名模式;
根据所述多个第一签名参数计算结果,确定所述目标更新推送元素对应的服务协议;
其中,所述各个服务协议,采用如下方式配置获得:
获取预设的配置集合中各个模拟定点访问指令对应的预设的模拟定点访问特征的各个模拟定点访问控件,构成模拟定点访问控件集合;
逐一选择所述模拟定点访问控件集合中的一个模拟定点访问控件,分别作为当前模拟定点访问控件,以根据所述模拟定点访问控件创建一个服务协议,计算当前模拟定点访问控件与所述服务协议的协议签名参数之间的兴趣属性,获得多个第二签名参数量,作为第二签名参数结果;
将第二签名参数计算结果中满足预设签名参数条件时对应的服务协议作为所述当前模拟定点访问控件所属的服务协议,将所述当前模拟定点访问控件加入所述当前模拟定点访问控件所属的服务协议中;
如果没有第二签名参数计算结果满足预设签名参数条件,则创建一个服务协议,该服务协议的协议签名参数记录为当前模拟定点访问控件,重新计算所述服务协议的协议签名参数后,且在对所述模拟定点访问控件集合中的各个模拟定点访问控件合并完成后,将每个服务协议的协议签名参数作为每个服务协议对应的预设的模拟定点访问特征的签名模式。
7.根据权利要求2所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,根据所述服务协议,对所述数据源访问参数中的当前数据授权信息所对应的授权节点进行服务协议签名后,在所述数据源访问参数中更新所述数据授权信息的步骤,包括:
根据所述服务协议获取多个模拟定点访问子接口,并获取所述多个模拟定点访问子接口中每个模拟定点访问子接口的接口参数更新信息;
根据所述每个模拟定点访问子接口的接口参数更新信息和所述每个模拟定点访问子接口所预先配置的接口配置参数,获取所述每个模拟定点访问子接口的目标参数,所述目标参数中包括接口配置参数和对应的各个模拟定点访问子接口的接口参数;
根据所述每个模拟定点访问子接口的服务接口参数更新标签和所述每个模拟定点访问子接口的接口配置参数,对所述数据源访问参数中的当前数据授权信息所对应的授权节点的待更新状态部分进行服务协议签名处理后,在所述数据源访问参数中更新所述数据授权信息。
8.根据权利要求1-7中任意一项所述的基于车辆轨迹聚类的个性化信息推荐方法,其特征在于,所述获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息,并基于所述反馈信息对所述车联网终端的服务推荐信息的服务推荐特征进行更新的步骤,包括:
根据获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息中的感兴趣对象和非感兴趣对象,对所述车联网终端的服务推荐信息的服务推荐特征进行更新,其中,更新的方式包括:增加所述车联网终端的服务推荐信息的服务推荐特征中与感兴趣对象相关的特征分量的权重参数,以及减小所述车联网终端的服务推荐信息的服务推荐特征中与非感兴趣对象相关的特征分量的权重参数。
9.一种基于车辆轨迹聚类的个性化信息推荐系统,其特征在于,应用于与车联网终端通信连接的服务器,所述系统包括:
获取模块,用于获取每个车联网终端产生的定位轨迹大数据;
聚类模块,用于按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端;
推送模块,用于基于每个目标轨迹聚类所对应的特征信息确定每个目标轨迹聚类所对应的服务推荐信息,并分别向每个目标轨迹聚类对应的车联网终端推送对应的所述服务推荐信息;
更新模块,用于获取每个车联网终端对所接收到的所述服务推荐信息的反馈信息,并基于所述反馈信息对所述车联网终端的服务推荐信息的服务推荐特征进行更新;
所述按照预设时间段区间对所述每个车联网终端产生的定位轨迹大数据进行聚类处理,获得多个目标轨迹聚类以及每个目标轨迹聚类下对应的车联网终端的方式,包括:
获取所述每个车联网终端产生的定位轨迹大数据在预设时间段区间的目标定位轨迹大数据;
提取所述每个车联网终端的目标定位轨迹大数据的轨迹特征信息;
将每个所述轨迹特征信息,分别和其余的每个车联网终端的目标定位轨迹大数据的目标轨迹特征信息进行相似性匹配,得到初始相似性匹配信息,当至少一个所述目标轨迹特征信息均相似性匹配完成时,得到至少一个初始相似性匹配信息;所述初始相似性匹配信息表征轨迹特征信息与目标轨迹特征信息之间的匹配分段节点;
对至少一个所述初始相似性匹配信息进行编码,得到与每个轨迹特征信息对应的相似性匹配信息;其中,所述相似性匹配信息表征存在的与轨迹特征信息相似性匹配的目标轨迹特征信息,所述相似性匹配信息与每个所述轨迹特征信息相对应;
对至少一个所述轨迹特征信息中,所述相似性匹配信息表征存在相似性匹配的目标轨迹特征信息的轨迹特征信息进行提取,得到相似性匹配轨迹特征信息;
根据所述相似性匹配信息,从至少一个所述目标轨迹特征信息中,提取出与所述相似性匹配轨迹特征信息相似性匹配的目标轨迹特征信息,作为相似性匹配目标轨迹特征信息;
对至少一个所述轨迹特征信息中,除所述相似性匹配轨迹特征信息之外的轨迹特征信息进行编码,得到初始编码特征集合;
对至少一个所述目标轨迹特征信息中,除所述相似性匹配目标轨迹特征信息之外的目标轨迹特征信息进行编码,得到目标编码特征集合;
将所述初始编码特征集合和所述目标编码特征集合进行融合,得到每个所述轨迹特征信息分别和其余的每个车联网终端的目标定位轨迹大数据的目标轨迹特征信息之间的融合参考特征;
将融合参考特征相似的定位轨迹大数据作为一个目标轨迹聚类,以得到多个目标轨迹聚类,并获取每个目标轨迹聚类下的各个轨迹特征信息所对应的车联网终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011070030.1A CN111949891B (zh) | 2020-10-09 | 2020-10-09 | 一种基于车辆轨迹聚类的个性化信息推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011070030.1A CN111949891B (zh) | 2020-10-09 | 2020-10-09 | 一种基于车辆轨迹聚类的个性化信息推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111949891A CN111949891A (zh) | 2020-11-17 |
CN111949891B true CN111949891B (zh) | 2021-06-15 |
Family
ID=73356998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011070030.1A Active CN111949891B (zh) | 2020-10-09 | 2020-10-09 | 一种基于车辆轨迹聚类的个性化信息推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949891B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380448B (zh) * | 2020-12-03 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 车辆数据处理方法、装置、计算机设备和存储介质 |
CN112989194B (zh) * | 2021-03-18 | 2022-11-29 | 南京邮电大学 | 一种车联网用户请求与服务偏好融合的推荐方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278833A (zh) * | 2013-05-13 | 2013-09-04 | 深圳先进技术研究院 | 一种基于北斗/gps数据的线路推荐系统及方法 |
CN104239556A (zh) * | 2014-09-25 | 2014-12-24 | 西安理工大学 | 基于密度聚类的自适应轨迹预测方法 |
US9618343B2 (en) * | 2013-12-12 | 2017-04-11 | Microsoft Technology Licensing, Llc | Predicted travel intent |
CN107798557A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 电子装置、基于lbs数据的服务场所推荐方法及存储介质 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN109948821A (zh) * | 2017-12-21 | 2019-06-28 | 知谷(上海)网络科技有限公司 | 群体的移动模式的确定方法和预测群体目的地的方法 |
CN110084432A (zh) * | 2019-04-30 | 2019-08-02 | 广州小鹏汽车科技有限公司 | 车辆行驶路线的推荐方法、系统及车辆 |
KR20190107613A (ko) * | 2019-09-02 | 2019-09-20 | 엘지전자 주식회사 | 촬상된 영상을 이용한 사용자 프로파일링 방법 |
CN110647693A (zh) * | 2019-09-23 | 2020-01-03 | 京东城市(北京)数字科技有限公司 | 路径推荐的方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10424003B2 (en) * | 2015-09-04 | 2019-09-24 | Accenture Global Solutions Limited | Management of physical items based on user analytics |
WO2017088161A1 (en) * | 2015-11-27 | 2017-06-01 | Bayerische Motoren Werke Aktiengesellschaft | Recommending car/passenger resources for user according to mobility habits |
CN108319637A (zh) * | 2017-12-19 | 2018-07-24 | 广州斯沃德科技有限公司 | 行驶轨迹生成方法、装置和定位设备 |
CN110118976A (zh) * | 2019-04-18 | 2019-08-13 | 广州斯沃德科技有限公司 | 一种行驶轨迹绘制方法、装置、终端设备及可读存储介质 |
-
2020
- 2020-10-09 CN CN202011070030.1A patent/CN111949891B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278833A (zh) * | 2013-05-13 | 2013-09-04 | 深圳先进技术研究院 | 一种基于北斗/gps数据的线路推荐系统及方法 |
US9618343B2 (en) * | 2013-12-12 | 2017-04-11 | Microsoft Technology Licensing, Llc | Predicted travel intent |
CN104239556A (zh) * | 2014-09-25 | 2014-12-24 | 西安理工大学 | 基于密度聚类的自适应轨迹预测方法 |
CN107798557A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 电子装置、基于lbs数据的服务场所推荐方法及存储介质 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN109948821A (zh) * | 2017-12-21 | 2019-06-28 | 知谷(上海)网络科技有限公司 | 群体的移动模式的确定方法和预测群体目的地的方法 |
CN110084432A (zh) * | 2019-04-30 | 2019-08-02 | 广州小鹏汽车科技有限公司 | 车辆行驶路线的推荐方法、系统及车辆 |
KR20190107613A (ko) * | 2019-09-02 | 2019-09-20 | 엘지전자 주식회사 | 촬상된 영상을 이용한 사용자 프로파일링 방법 |
CN110647693A (zh) * | 2019-09-23 | 2020-01-03 | 京东城市(北京)数字科技有限公司 | 路径推荐的方法和装置 |
Non-Patent Citations (2)
Title |
---|
"基于用户轨迹数据的移动推荐系统研究";孟祥武 等;《软件学报》;20180607;第29卷(第10期);第3111-3129页 * |
"移动轨迹聚类方法研究综述";牟乃夏 等;《测绘通报》;20180125(第1期);第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111949891A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112464084B (zh) | 基于大数据定位和人工智能的业务优化方法及云计算中心 | |
CN111949891B (zh) | 一种基于车辆轨迹聚类的个性化信息推荐方法及系统 | |
CN112182098B (zh) | 基于云计算和大数据的信息推送方法及信息推送服务器 | |
CN113536107B (zh) | 基于区块链的大数据决策方法、系统及云端服务中心 | |
CN112184872B (zh) | 基于大数据和云计算的游戏渲染优化方法及云端计算中心 | |
CN112199581B (zh) | 面向云计算和信息安全的云服务管理方法及人工智能平台 | |
CN112187890B (zh) | 基于云计算和大数据的信息分发方法及区块链金融云中心 | |
CN111861463A (zh) | 基于区块链和人工智能的信息智能识别方法及大数据平台 | |
CN111931063A (zh) | 基于区块链和人工智能的信息推送处理方法及云服务平台 | |
CN111985921B (zh) | 基于区块链离线支付的验证处理方法及数字金融服务平台 | |
CN111641614B (zh) | 基于区块链和云计算的通信数据处理方法及边缘计算平台 | |
CN113674317A (zh) | 一种高位视频的车辆跟踪方法及装置 | |
CN112836899A (zh) | 基于区块链和云计算的属性预测方法、系统及服务中心 | |
CN111816286B (zh) | 一种移动查房数据处理方法及系统 | |
CN114579054A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
WO2022048336A1 (en) | Coarse-to-fine attention networks for light signal detection and recognition | |
CN112634881B (zh) | 一种基于科技成果数据库的语音智能识别方法及系统 | |
CN111737405B (zh) | 一种图文素材存档管理方法及系统 | |
CN113469159B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN111984714B (zh) | 基于智能在线通信和大数据的信息生成方法及云服务平台 | |
CN112135172A (zh) | 一种基于弱网的音视频处理方法及系统 | |
CN111953768A (zh) | 智能轨道交通线路数据处理方法、装置及自动控制系统 | |
CN115238152A (zh) | 一种车辆用推荐方法、车载主机娱乐系统及车辆 | |
CN113657543A (zh) | 基于车联网大数据的信息提醒方法及系统 | |
CN112487074A (zh) | 基于大数据定位和云计算的软件调用方法及软件服务平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |