买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉同济大学申请的专利一种基于群体细分的学生陪伴出行方式预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121723114B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610209313.0，技术领域涉及：G06F18/20；该发明授权一种基于群体细分的学生陪伴出行方式预测方法是由王艳丽;谢雨聃;向争良设计研发完成，并于2026-02-13向国家知识产权局提交的专利申请。

本一种基于群体细分的学生陪伴出行方式预测方法在说明书摘要公布了：一种基于群体细分的学生陪伴出行方式预测方法，包括通过问卷调查获取学生陪伴出行的多维度特征数据；利用Lasso回归模型从所述特征数据中提取影响出行方式选择的关键影响因素；采用Hopkins统计量与VAT法评估数据集的群体细分倾向，并通过肘部法确定最佳细分数目K；基于所述关键影响因素，采用PAM聚类算法对出行群体进行细分，得到若干个内部同质性强、组间差异显著的子群体，并对其进行特征画像与分析。本发明的核心在于，确定最佳细分数目为4，针对细分后的每个子群体数据集，独立构建并优化专属的Bagging‑SVM集成预测模型。本发明通过“先细分、后建模”的策略，显著提升对学生陪伴出行方式的理解深度和预测准确性。

本发明授权一种基于群体细分的学生陪伴出行方式预测方法在权利要求书中公布了：1.一种基于群体细分的学生陪伴出行方式预测方法，其特征在于，包括以下步骤： 步骤一：获取表征学生陪伴出行特征的原始数据，包括上下学接送出行属性、学生属性、家长属性、家庭属性、建成环境属性；并对所述原始数据进行清洗和预处理，形成有效样本数据集； 步骤二：确立影响出行方式选择的三个关键影响因素，为“家长能否开车接送”、“接送前后的活动类型”、“学住距离”； 步骤三：利用Hopkins统计量与VAT法评估所述样本数据集的群体细分倾向； 步骤四：确定最优的群体细分数目K为4； 步骤五：采用PAM聚类算法，以步骤二提取的关键影响因素作为输入特征，以步骤四确定的最优群体细分数目K=4作为聚类数目，构建群体细分模型，并对有效样本数据集进行聚类，输出四类学生陪伴出行群体； 步骤六：对步骤五细分出的四类学生陪伴出行群体进行特征分析与现实画像，并揭示不同群体在出行方式分布结构上的差异性；为每个群体赋予具有现实意义的缩略词标签，并将原始有效样本数据集根据聚类结果划分为四个子数据集，分别对应四类学生陪伴出行群体，供后续建模使用； 步骤七：针对步骤六每类群体的子数据集，结合数据“复杂非线性”与“内在异质性”双重特点，采用Bagging集成框架，以支持向量机SVM作为基学习器，对数据进行处理，构建Bagging-SVM预测模型；其中，SVM基学习器用于刻画变量间的非线性决策边界，而Bagging集成框架通过对多组自助采样样本的训练结果进行聚合； 步骤八：针对步骤七确定的方法，基于步骤六划分的每类子数据集，采用网格搜索法结合十折交叉验证进行超参数寻优；在各自群体的训练集内，通过交叉验证评估不同超参数组合的性能，以平均准确率为指标，确定子群体的最优超参数配置； 步骤九：使用步骤八确定的最优超参数配置，在各自子群体的完整训练集上重新训练Bagging-SVM模型，并在测试集上评估其预测性能，得到训练好的针对不同子群体的专属Bagging-SVM预测模型； 步骤十：对于待测新的学生陪伴出行样本，首先根据其关键影响因素特征，基于步骤五生成的四个聚类中心，将其划分到对应的子群体；随后，调用该子群体对应的、经步骤九训练好的专属Bagging-SVM预测模型，输出其出行方式预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。