(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211042875.9 (22)申请日 2022.08.29 (71)申请人 贾海波 地址 210000 江苏省南京市浦口区汤泉镇 银泉路305号 (72)发明人 贾海波　 (51)Int.Cl. H04L 67/52(2022.01) H04L 67/55(2022.01) H04L 67/12(2022.01) G06Q 30/02(2012.01) G06Q 30/06(2012.01) (54)发明名称 一种基于大数据的智能推荐系统 (57)摘要 本发明公开了一种基于大数据的智能推荐 系统， 包括轨迹数据挖掘模块、 用户信息建立模 块和智能服务推荐模块， 所述轨迹数据挖掘模块 用于对车联网硬件设备所采集的原始轨迹数据 进行分析处理， 所述用户信息建立模块用于对轨 迹数据挖掘模块所提取到的用户出行记录数据 进行用户信息属性获取， 所述智能服务推荐模块 用于对驾车中的用户进行地址推荐或信息推送 的服务， 所述用户信息建立模块与轨迹数据挖掘 模块网络连接， 所述智能服务推荐模块与用户信 息建立模块网络连接， 所述轨迹数据挖掘模块包 括数据库存储单元、 原始数据整理模块、 停车点 识别模块和兴趣点识别与特征提取模块， 本发 明， 具有兼顾用户体验和公共服 务质量的特点。 权利要求书3页 说明书7页 附图1页 CN 115550429 A 2022.12.30 CN 115550429 A 1.一种基于大数据的智能推荐系统， 包括轨迹数据挖掘模块、 用户信息建立模块和智 能服务推荐模块， 其特征在于： 所述轨迹数据挖掘模块用于对车联网硬件设备所采集的原 始轨迹数据进 行分析处理， 所述用户信息 建立模块用于对轨迹数据挖掘模块所提取到的用 户出行记录数据进行用户信息属性获取， 所述智能服务推荐模块用于对驾车中的用户进 行 地址推荐或信息推送的服务， 所述用户信息建立模块与轨迹数据挖掘模块网络连接， 所述 智能服务推荐模块与用户信息建立模块网络连接 。 2.根据权利要求1所述的一种基于大数据的智能推荐系统， 其特征在于： 所述轨迹数据 挖掘模块包括数据库存储单元、 原始数据整理模块、 停车点识别模块和兴趣点识别与特征 提取模块， 所述数据库存储单元用于存储车联网硬件设备所采集的经过处理的轨迹数据， 所述原始数据整理模块用于对采集到的原始数据进行数据整理， 所述停车点识别模块用于 对用户在空间中产生聚集现象的停车点进 行识别， 所述兴趣点识别与特征提取模块用于对 轨迹数据中的重要兴趣点识别并进行 特征提取。 3.根据权利要求2所述的一种基于大数据的智能推荐系统， 其特征在于： 所述用户信 息 建立模块包括驾车数据 统计模块、 重要地址识别模块和数据更新模块， 所述驾车数据 统计 模块用于从轨迹数据中对用户驾车数据进 行统计计算， 所述重要地址识别模块用于对用户 的重要地址信息进行识别， 所述数据更新模块用于对用户信息数据进行实时更新。 4.根据权利要求3所述的一种基于大数据的智能推荐系统， 其特征在于： 所述智能服务 推荐模块包括位置预测模块、 地点推荐模块和信息推送模块， 所述位置预测模块用于对用 户的下一个位置进行预测， 所述地点推荐模块用于根据轨迹数据向用户推荐服务地点， 所 述信息推送模块用于根据不同场景向用户发出信息推送提醒， 所述地点推荐模块与位置预 测模块网络连接 。 5.根据权利要求4所述的一种基于大数据的智能推荐系统， 其特征在于： 所述轨迹数据 挖掘模块的运行 方法主要包括以下步骤： 步骤S1： 建立数据库存储单元， 将车联网硬件设备所采集的原始轨迹数据进行压缩， 去 除数据中的无用信息， 保留重要特 征， 提取出轨迹数据中的起始点与终止点； 步骤S2： 以真实的地理位置距离为度量， 将距离相近的访问记录归为同一个簇， 对簇内 记录条数进行排序， 得到用户访问不同位置的频率 顺序， 从而筛 选出用户的高频访问位置； 步骤S3： 按照设备唯一识别码将轨迹数据按设备号分开， 对数据按时间戳升序排序， 插 入用户历史数据的尾部， 保证每次更新时插入的数据为按序排列， 对一批量的轨迹数据， 将 其整理排序， 获得每 个设备按时间排序的轨 迹数据； 步骤S4： 在所有轨迹数据中通过停车点识别算法， 扫描出输出全部的停车点数据， 一条 停车点记录包括经纬度、 时间戳、 停留时间、 距离； 步骤S5： 将车辆的起始点与终止点视为重要的兴趣点， 利用主流的地图开发者平台提 供的开源接口， 获取停车点周边的商业环境， 对兴趣点周边的区域检索， 给每个兴趣点赋予 行业类别。 6.根据权利要求5所述的一种基于大数据的智能推荐系统， 其特征在于： 所述用户信 息 建立模块的运行 方法主要包括以下步骤： 步骤A1： 从轨迹数据中对用户驾车数据进行统计计算， 获取用户驾车的总时长、 驾车均 速、 高速行驶频率；权　利　要　求　书 1/3 页 2 CN 115550429 A 2步骤A2： 重要地址识别模块对用户的重要地址信息进行识别， 根据轨迹数据获取用户 每个访问位置的规律性指标， 建立一个公司地址的行业类别字段列表， 通过该列表比对得 到用户公司位置的候选集， 然后根据访问规律性指标对公司地址进行确定； 取规律性指标 最小值对应的位置为用户的家庭住址； 将其它地址信息按访问频率排序， 取前n条作为用户 的其他兴趣点 地址信息； 步骤A3： 系统获取新的轨迹数据时， 判断数据库是否存在该用户信息， 若不存在则创建 新的文件信息， 若存在则读取轨 迹数据并拼接 于当前轨 迹数据之前， 完成数据的更新。 7.根据权利要求6所述的一种基于大数据的智能推荐系统， 其特征在于： 所述步骤A1进 一步包括以下步骤： 步骤A11： 将停车点视为轨迹断点， 对每段轨迹数据的总时间求和， 获得用户在某段时 间内的驾车总时长； 步骤A12： 采集用户一段轨迹中的两条轨迹数据i、 j， 将获取到的轨迹数据通过直角坐 标系， 得到轨迹i与轨迹j之间的距离di→j， 同时获取轨迹i与轨迹j的时间戳信 息， 以此计算 出该用户车辆的平均车速， 具体 计算为： 步骤A13： 设置高速行驶速度阈值为V0， 根据步骤A12中对一段轨迹的平均速度计算， 得 到一段从起始数据到终止数据的速度列表， k为列表内元素个数， 则这段轨迹所代表的高速 行驶频率 式中， n为速度列表中记录的速度V＞V0时的次数， α 为速度列表与高速 行驶频率间的转换系数， 为大于 0的常数值。 8.根据权利要求7所述的一种基于大数据的智能推荐系统， 其特征在于： 所述智能服务 推荐模块的运行 方法主要包括以下步骤： 步骤B1： 基于轨迹数据挖掘生成的用户历史兴趣点访问记录， 生成用户出行记录序列， 通过结合序列化推荐的方法， 构建基于循环神经网络的模型结构， 对用户出行序列中的时 间、 空间及地理位置行业类别 信息进行建模， 预测用户的下一个目的地； 步骤B2： 地址推荐模块在用户途径区域的范围内， 根据实际情况向用户推荐其可能需 要的地址； 步骤B3： 信息推送模块通过监测道路状况、 用户驾驶行为、 车辆行驶状态， 对用户做出 合适的信息推送。 9.根据权利要求8所述的一种基于大数据的智能推荐系统， 其特征在于： 所述步骤B2进 一步包括以下步骤： 步骤B21： 将用户在某一时刻途径区域记为A， 从地址推荐 的候选集合Q中筛选出区域A 内的位置， 将其集合记为W， W中包含了各种类型的兴趣点， 获取W中各点与用户当前位置的 距离， 得到一组数组S； 步骤B22： 为W中各点赋予权重， 距离越大则权重越小， 当用户在当前场景下有某个类别 的服务需求时， 将该类别的值赋为 1， 否则赋值为0， 当用户信息中频繁访问兴趣点的行业类 别与推荐地址中的某类别有重合时， 将其对应权 重赋值为1； 步骤B23： 确定了行业类别权重向量的赋值后， 遍历W中的每个兴趣点， 建立与W和S长度 相同并对应的场景因素向量C；权　利　要　求　书 2/3 页 3 CN 115550429 A 3