一种基于层次分析法的车辆选购推荐方法与流程

本发明涉及一种基于层次分析法的车辆选购推荐方法，属于车辆选购推荐
技术领域：
。
背景技术：
：目前传统车辆选购推荐并不能实现对客户意愿的完全理解，导致用户在选择车辆时选择性太多，造成不必要的时间和精力浪费，而且往往花费时间后未能找到适合自己的车辆，不利于实现智能方便的现代购车生活。技术实现要素：本发明所要解决的技术问题是：提供一种基于层次分析法的车辆选购推荐方法，能够为用户在购车时提供准确的技术咨询，节约时间成本。本发明为解决上述技术问题采用以下技术方案：一种基于层次分析法的车辆选购推荐方法，包括如下步骤：步骤1，采集互联网上所有车辆的信息，包括车辆类型、车辆品牌、好评率、最高车速、燃油消耗率、主动安全级数、最大传递率以及价格；步骤2，获取用户的选车限制，以及用户对车辆各个属性的偏爱程度，根据用户的选车限制对经互联网采集到的所有车辆进行筛选，得到用户可选择的所有车辆；所述选车限制包括车辆类型和车辆品牌，车辆各个属性包括美观、动力性、燃油经济性、安全性、舒适性及价格；步骤3，根据用户对车辆各个属性的偏爱程度构造判断矩阵a；步骤4，构造用户可选择的所有车辆对美观属性的判断矩阵b1、对动力性属性的判断矩阵b2、对燃油经济性属性的判断矩阵b3、对安全性属性的判断矩阵b4、对舒适性属性的判断矩阵b5及对价格属性的判断矩阵b6；步骤5，根据判断矩阵a、b1、b2、b3、b4、b5及b6，计算用户可选择的每个车辆对于各个属性的权向量，最后计算得到用户可选择的各个车辆的推荐权值，将所有的推荐权值从大到小进行排序，推荐权值越大，则优先向用户推荐该车辆。作为本发明的一种优选方案，所述步骤1中，通过网络爬虫采集互联网上所有车辆的信息。作为本发明的一种优选方案，步骤2所述用户对车辆各个属性的偏爱程度表示为：其中，qi表示用户对车辆第i个属性的偏爱程度。作为本发明的一种优选方案，步骤3所述判断矩阵a的构造如下：其中，aij为判断矩阵a的元素，qi、qj分别表示用户对车辆第i、j个属性的偏爱程度；若用户对车辆某个属性的偏爱程度为0，则将该属性去除，利用剩下的属性构造判断矩阵a，构造方法与上述过程相同。作为本发明的一种优选方案，步骤4所述用户可选择的所有车辆对美观属性的判断矩阵b1的构造如下：其中，b1pq为判断矩阵b1的元素，c1p、c1q分别为用户可选择的第p、q个车辆对美观属性的归一化评价分数，n为用户可选择的所有车辆的数目，且c1p＝用户可选择的第p个车辆的好评率/用户可选择的所有车辆的好评率中的最大好评率同理，用户可选择的所有车辆对动力性属性的判断矩阵b2、对燃油经济性属性的判断矩阵b3、对安全性属性的判断矩阵b4、对舒适性属性的判断矩阵b5及对价格属性的判断矩阵b6的构造方法与对美观属性的判断矩阵b1的构造方法相同，则其中，b2pq为判断矩阵b2的元素，c2p、c2q分别为用户可选择的第p、q个车辆对动力性属性的归一化评价分数；b3pq为判断矩阵b3的元素，c3p、c3q分别为用户可选择的第p、q个车辆对燃油经济性属性的归一化评价分数；b4pq为判断矩阵b4的元素，c4p、c4q分别为用户可选择的第p、q个车辆对安全性属性的归一化评价分数；b5pq为判断矩阵b5的元素，c5p、c5q分别为用户可选择的第p、q个车辆对舒适性属性的归一化评价分数；b6pq为判断矩阵b6的元素，c6p、c6q分别为用户可选择的第p、q个车辆对价格属性的归一化评价分数；且c2p＝用户可选择的第p个车辆的最高车速/用户可选择的所有车辆的最高车速中的最大车速c3p＝用户可选择的第p个车辆的燃油消耗率/用户可选择的所有车辆的燃油消耗率中的最大燃油消耗率c4p＝用户可选择的第p个车辆的主动安全级数/用户可选择的所有车辆的主动安全级数中的最大主动安全级数c5p＝用户可选择的第p个车辆的最高传递率/用户可选择的所有车辆的最高传递率中的最大传递率c6p＝用户可选择的第p个车辆的价格/用户可选择的所有车辆的价格中的最大价格。作为本发明的一种优选方案，所述步骤5具体过程如下：对判断矩阵a进行列向量归一化，即将判断矩阵a视为列向量的组合，对判断矩阵a的列向量进行归一化操作，再对每一列进行求和，得到权向量c；按照上述同样的方法，分别对判断矩阵b1、b2、b3、b4、b5及b6进行列向量归一化，得到新的判断矩阵及再将新的判断矩阵及按照列向量相加，得到对应的权向量wi，i＝1,2,...,6；用户可选择的n个车辆中第p个车辆的推荐权值kp计算方法为：其中，wi(p)表示权向量wi的第p个元素，c(i)表示权向量c的第i个元素；最后将所有的推荐权值按从大到小进行排序，推荐权值越大，则优先向用户推荐该车辆。本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明通过基于层次分析法的设计，在充分考虑用户特性的同时简化选购车辆时的步骤流程，准确高效提供购车方案建议，节约时间，程序简单有效。附图说明图1是本发明基于层次分析法的车辆选购推荐方法的整体架构图。具体实施方式下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。如图1所示，为本发明基于层次分析法的车辆选购推荐方法的整体架构图，具体步骤如下：步骤1，采用网络爬虫从互联网中搜集网页，采集车辆信息，这些信息包括：车辆类型、车辆品牌、好评率、最高车速、燃油消耗率、装备几级的主动安全设备、最大传递率、车辆价格等。步骤2，获取用户选车限制和对车辆各个属性的偏爱程度，选车限制包括车辆类型和车辆品牌，车辆类型包括：小轿车、轿车、suv、mpv、跑车、皮卡等，而车辆品牌包括目前市场上在售的所有汽车品牌，用户可不填写选车限制，若不填写默认选择所有品牌的小轿车，车辆各个属性包括美观、动力性、燃油经济性、安全性、舒适性以及价格等车辆六个属性，各个属性的用户偏爱程度qi(i＝1,2,...,6)用0-1之间的数字表示，数字1表示最为在意该种车辆属性，数字0表示对该种车辆属性并不怎么在意，可以不考虑该属性对用户选购车辆的影响，同时为防止用户全部属性都设置为1，导致出现在意车辆各个属性的情况，限制用户可配置的车辆属性偏爱程度总和为3，用户也可不填写对车辆各个属性的偏爱程度，若不填写默认对各个车辆属性都同样注重，其值均为0.5，用户配置的车辆属性偏爱程度可用下式表示：其中：q1用户对车辆美观的在意程度q2用户对车辆动力性的在意程度q3用户对车辆燃油经济性的在意程度q4用户对车辆安全性的在意程度q5用户对车辆舒适性的在意程度q6用户对车辆价格的在意程度根据用户选车限制，初步进行筛选，构成满足用户要求的可选择车辆数据库，为用户车辆推荐提供选择空间：车辆1、车辆2、……车辆n。步骤3，基于层次分析法进行用户车辆推荐，根据用户对车辆美观、动力性、燃油经济性、安全性、舒适性以及价格等车辆六个属性的偏爱程度构造判断矩阵a，其构造方法如下：若六个属性的偏爱程度存在为0的情况，则不考虑该种属性对用户购车的影响，重新按照上述方式构造判断矩阵a。根据初步筛选提供的选择空间：车辆1、车辆2、……车辆n，再次计算各个选择方案分别对各个属性的判断矩阵bj(j＝1，2...6)，其计算方式如下：各个车辆对属性1美观的判断矩阵b1：其中：c1p(p＝1,2...n)为各个车辆对属性1(美观)的归一化评价分数，如车辆1的美观归一化评价分数为车辆1的好评率除以所有车辆中最高的好评率。下表为车辆属性归一化评价分数计算方式：同理各个车辆对其他属性的判断矩阵也按照上述方法计算，可以得到备选车辆对各个属性的判断矩阵b1、b2、b3、b4、b5、b6。接着将判断矩阵b1、b2、b3、b4、b5及b6视作列向量的组合，对每个判断矩阵b1、b2、b3、b4、b5及b6的列向量进行归一化操作(也即将原本的列向量除以自身的模)，得到新的判断矩阵及再将新的判断矩阵及按照列向量相加，得到对应的权向量wi(i＝1,2,...6)；同样对a矩阵进行列向量归一化，再按照列向量求和，得到权向量c；对于用户可选择的1……n个车辆中第p个车辆的推荐权值kp计算方法为：式中，(p)表示对应向量的第p个元素，(i)表示对应向量的第i个元素。最后将推荐权值的大小从大到小依次排列，权值越大，优先向用户推荐该种车辆。以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。当前第1页12