用車出行行為的預測方法、裝置、服務器以及存儲介質制造方法及圖紙

本發明專利技術實施例公開了一種用車出行行為的預測方法、裝置、服務器以及存儲介質。該預測方法包括：對待預測用戶進行場景特征監測，以獲取所述待預測用戶所處的即時應用場景的場景特征；根據待預測用戶的用戶畫像特征和所述場景特征進行用車出行預測。采用上述方法，可以實現對用戶的個性化用車出行行為進行準確的預測。

Vehicle travel behavior prediction method, device, server and storage medium

The embodiment of the invention discloses a method, a device, a server and a storage medium for predicting the travel behavior of a vehicle. Including the prediction method: treat prediction user scene feature monitoring, to obtain the scene feature prediction instant application scenarios of user's; for car travel forecasting based on user portrait features to be forecast users and the scene feature. By using the method mentioned above, the personalized vehicle travel behavior can be accurately predicted.

【技術實現步驟摘要】
用車出行行為的預測方法、裝置、服務器以及存儲介質
本專利技術實施例涉及數據處理技術，尤其涉及一種用車出行行為的預測方法、裝置、服務器以及存儲介質。
技術介紹
隨著智能設備的普及以及互聯網技術的發展，網上叫車服務已經成為用戶出行生活中很重要的一部分，為社會各階層人士乘車出行提供了便捷高效的服務。用戶可以利用智能設備中帶有網絡叫車功能的應用軟件實現即時叫車或者預約車。用戶使用網上叫車服務時，通常需要輸入起始地點、目的地點以及出行時間，后臺服務器根據用戶輸入的起始地點、目的地點以及出行時間向可網絡叫車的車輛派發用車訂單，以使得該車輛的司機根據用車訂單為用戶提供用車服務。然而，用戶使用網上叫車服務時，可能會出現長時間的等待接單車輛到達起始地點，或者由于用車需求過高導致長時間無車接單的情況。同時，當用戶用車需求過低時，可能會出現可網絡叫車的車輛每天接單數量很少，需要長時間的等待用車訂單的情況，導致用車效率過低。為了防止上述情況的發生，后臺服務器通常會對用戶的出行行為進行預測，以提高用車效率。通常情況下，后臺服務器會根據用戶的歷史用車需求對該用戶的出行行為進行預測。然而，上述方案對于某些未使用過網上叫車服務的潛在用戶并不適用，同時，上述方案也無法實現對于突發情況引起的網上叫車服務的準確預測。
技術實現思路
本專利技術提供一種用車出行行為的預測方法、裝置、服務器以及存儲介質，以實現對用戶的個性化用車出行行為進行準確的預測。第一方面，本專利技術實施例提供了一種用車出行行為的預測方法，包括：對待預測用戶進行場景特征監測，以獲取所述待預測用戶所處的即時應用場景的場景特征；根據待預測用戶的用戶畫像特征和所述場景特征進行用車出行預測。第二方面，本專利技術實施例還提供了一種用車出行行為的預測裝置，包括：監測模塊，用于對待預測用戶進行場景特征監測，以獲取所述待預測用戶所處的即時應用場景的場景特征；預測模塊，用于根據待預測用戶的用戶畫像特征和所述場景特征進行用車出行預測。第三方面，本專利技術實施例還提供了一種服務器，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如第一方面所述的用車出行行為的預測方法。第四方面，本專利技術實施例還提供了一種計算機可讀存儲介質，該程序被處理器執行時實現如第一方面所述的用車出行行為的預測方法。本專利技術提供的用車出行行為的預測方法、裝置、服務器以及存儲介質，通過待預測用戶的用戶畫像特征以及待預測用戶當前所處的即時應用場景的場景特征對待預測用戶進行用車出行預測的技術方案，實現了可以針對每個待預測用戶進行個性化的用車出行預測，不僅可以提高用車出行預測的準確率，還可以針對每個待預測用戶個性化的用車出行需求向每個用戶提供個性化的用車服務，以提升用戶的使用體驗。附圖說明圖1a為本專利技術實施例一提供的用車出行行為的預測方法的流程圖；圖1b為本專利技術實施例一提供的待預測用戶的確定方法的流程圖；圖2為本專利技術實施例二提供的用車出行行為的預測方法的流程圖；圖3為本專利技術實施例三提供的用車出行行為的預測方法的流程圖；圖4為本專利技術實施例四提供的一種用車出行行為的預測裝置的結構示意圖；圖5為本專利技術實施例五提供的一種服務器的結構示意圖。具體實施方式下面結合附圖和實施例對本專利技術作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋本專利技術，而非對本專利技術的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本專利技術相關的部分而非全部結構。實施例一圖1a為本專利技術實施例一提供的用車出行行為的預測方法的流程圖，本實施例可適用于對待預測用戶進行個性化用戶出行預測的情況，該方法可以由用車出行行為的預測裝置來執行，其中該裝置可以通過軟件和/或硬件的方式實現，并集成在服務器中。其中，該服務器為提供用車出行服務的后臺服務器。參考圖1a，本實施例提供的預測方法具體包括：S110、對待預測用戶進行場景特征監測，以獲取待預測用戶所處的即時應用場景的場景特征。在本實施例中，即時應用場景為待預測用戶當前所處的應用場景，例如天氣場景、交通路況狀況以及異地場景等。某個應用場景的場景特征為該應用場景下可能出現的各個要素，以天氣場景為例，對應的場景特征可以包括：晴天、雨天、陰天以及雪天等，以交通路況狀況為例，對應的場景特征可以包括：擁堵、通暢以及發生交通事故等。不同的應用場景下，待預測用戶的用車需求可能不同。具體的，待預測用戶的選擇方式可以根據實際情況進行設定。例如，由服務器的運營者在某些特定的用戶中選擇待預測用戶。又如，根據用戶的歷史用車出行行為，選擇存在用車出行意圖的用戶作為待預測用戶。進一步的，對待預測用戶進行場景特征監測時，可以實時對待預測用戶的日志流進行跟蹤，并根據跟蹤結果確定待預測用戶的場景特征。其中，該日志流中包括待預測用戶的網絡行為以及用戶所處的位置信息等信息。需要說明的是，對待預測用戶進行場景特征監測時，不僅局限于對某一個應用場景的場景特征進行監測。比如可以同時對待預測用戶的天氣場景和異地場景進行監測。S120、根據待預測用戶的用戶畫像特征和場景特征進行用車出行預測。其中，用戶畫像特征包括：性別、年齡、學歷、收入、職位、所屬公司、所屬行業、興趣分類、常用應用軟件類型信息、常駐位置信息、本地出行平均距離以及預設間隔內的異地出行數據中的至少一種。根據用戶畫像特征可以得到用戶的虛擬形象。通過對全部歷史用車訂單的分析，發現用車出行行為與用戶個人的用戶畫像特征有很大的關系，比如在一線城市，本科及以上的用戶在全部用車用戶中占比46％，同時，在本科以上的用戶中，63％的用戶使用專車服務。又如，在購物意圖場景中，女性用戶使用用車出行服務的概率遠大于男性用戶使用用車出行服務的概率。因此，在對待預測用戶進行用車出行預測時，不僅考慮場景特征，還應該考慮用戶畫像特征，以保證得到的用車出行預測結果更加準確，符合待預測用戶的個性化用車需求。進一步的，獲取用戶畫像特征的方式可以包括：獲取用戶輸入的信息和/或獲取用戶的網絡行為數據等方式。例如，獲取某一用戶的網絡行為數據時，發現該用戶使用搜索工具搜索的內容通常為：美妝、護膚以及時尚等，而統計全網用戶的搜索行為數據后，確認上述搜索內容的用戶性別通常為女，因此，確定該用戶的性別為女。用車出行預測為對待預測用戶是否使用用車出行服務進行預測。其中，待預測用戶通過互聯網利用客戶端中帶有用車出行服務的應用軟件進行即時叫車或者預約車，服務器根據待預測用戶的用車需求向網絡中可約車輛的客戶端派發訂單，以便可約車輛向待預測用戶提供用車服務。其中，客戶端包括手機、平板電腦等智能設備。具體的，對待預測用戶進行用車出行預測時，可以結合待預測用戶的用戶畫像特征以及場景特征。例如，確定待預測用戶的常駐位置信息為A市B區，根據待預測用戶的場景特征確定該待預測用戶當前處于C市D區，那么說明該待預測用戶位于異地，進一步的，根據待預測用戶的場景特征確定待預測用戶當前處于雨天，根據上述條件對該待預測用戶進行用車出行預測，并且得到的用車出行預測結果為該待預測用戶用車出行的概率為90％。進一步的，根據該用車出行預測結果可以將用車服務優惠信息推送至待預測用戶的客戶端，以保證待預測用戶在體驗用車出行服務本文檔來自技高網...

【技術保護點】
一種用車出行行為的預測方法，其特征在于，包括：對待預測用戶進行場景特征監測，以獲取所述待預測用戶所處的即時應用場景的場景特征；根據待預測用戶的用戶畫像特征和所述場景特征進行用車出行預測。

【技術特征摘要】
1.一種用車出行行為的預測方法，其特征在于，包括：對待預測用戶進行場景特征監測，以獲取所述待預測用戶所處的即時應用場景的場景特征；根據待預測用戶的用戶畫像特征和所述場景特征進行用車出行預測。2.根據權利要求1所述的預測方法，其特征在于，對待預測用戶進行場景特征監測，以獲取所述待預測用戶所處的即時應用場景的場景特征包括：針對目標用戶，按照關鍵場景特征項進行特征監測；如果所述目標用戶的關鍵場景特征滿足設定條件，則確定所述目標用戶為待預測用戶，獲取所述待預測用戶所處的即時應用場景的場景特征。3.根據權利要求2所述的預測方法，其特征在于，所述目標用戶包括：潛在用車用戶、發出歷史用車出行訂單的用戶和/或關注用車服務的用戶。4.根據權利要求3所述的預測方法，其特征在于，針對目標用戶，按照關鍵場景特征項進行特征監測之前，還包括：根據潛在用車用戶識別模型對第一預設用戶群的用戶畫像特征進行識別，以確定所述第一預設用戶群中各用戶屬于潛在用車用戶的概率；根據所述概率選取用戶作為所述潛在用車用戶。5.根據權利要求2所述的預測方法，其特征在于，針對目標用戶，按照關鍵場景特征項進行特征監測之前，還包括：選取候選應用場景；確定各所述候選應用場景對歷史用車出行決策的信息增益；根據所述信息增益從各候選應用場景中確定關鍵場景。6.根據權利要求5所述的預測方法，其特征在于，所述關鍵場景包括下述至少一項：天氣場景，對應的關鍵場景特征項包括：用戶當前所處位置的設定天氣條件；預計出行時間場景，對應的關鍵場景特征項包括：用戶歷史出行時間與用戶歷史出行目的地及其屬性信息；異地場景，對應的關鍵場景特征項包括用戶當前所處位置與常駐地位置；目的地場景，對應的關鍵場景特征項包括用戶在當前時段內的地理位置搜索數據。7.根據權利要求2所述的預測方法，其特征在于，針對目標用戶，按照關鍵場景特征項進行特征監測包括：分別對每個所述目標用戶進行關鍵意圖場景的特征監測，以獲取每個所述目標用戶所處的即時應用場景的意圖場景特征；和/或根據各所述目標用戶的用戶畫像特征確定客觀場景，對所述客觀場景的特征進行監測，以獲取各所述目標用戶所處的即時應用場景的客觀場景特征。8.根據權利要求3或4所述的預測方法，其特征在于，針對目標用戶，按照關鍵場景特征項進行特征監測之前，還包括：獲取目標用戶的用戶畫像特征；在所述用戶畫像特征中，獲取至少兩個目標子畫像特征；分別確定每個所述目標子畫像特征對應的用戶；保存所述目標子畫像特征與對應的用戶的對應關系表；獲取目標子畫像特征；在所述對應關系表中，查找與所述目標子畫像特征對應的用戶篩選更新為目標用戶。9.根據權利要求1所述的預測方法，其特征在于，根據待預測用戶的用戶畫像特征和所述場景特征進行用車出行預測之后，還包括：根據用車出行預測結果確定所述待預測用戶所在區域的用車調度推薦信息，...

【專利技術屬性】
技術研發人員：劉坤，
申請(專利權)人：百度在線網絡技術北京有限公司，
類型：發明
國別省市：北京,11