一种小区智能推荐方法及装置

1.一种小区智能推荐方法，其特征在于，包括：
接收输入的目标工作地点位置；
根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
将所述可选居住小区的信息进行输出；
所述基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，具体包括：
根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；
将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；
根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据；所述热点居住小区包括所居住的、在对应工作地点位置周边设定范围内上班的用户数量满足设定条件的小区。
2.如权利要求1所述的方法，其特征在于，所述目标工作地点位置的数目为一个，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区。
3.如权利要求1所述的方法，其特征在于，所述目标工作地点位置的数目为多个，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。
4.如权利要求1所述的方法，其特征在于，将所述可选居住小区的信息进行输出，具体包括：
根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；
按照排序结果将所述可选居住小区的信息进行输出。
5.如权利要求4所述的方法，其特征在于，所述目标工作地点位置的数目为一个，根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序，具体包括：
获取各可选居住小区的每种参数信息的权值；
根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；
根据各可选居住小区的排序权重值对各可选居住小区进行排序。
6.如权利要求4所述的方法，其特征在于，所述目标工作地点位置的数目为多个，根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序，具体包括：
基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；
对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。
7.如权利要求4-6中任一所述的方法，其特征在于，所述可选居住小区的参数信息包括与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径信息中的至少一个；
其中，所述居住热度是根据居住在对应可选居住小区的、在所述目标工作地点位置上班的用户的数量确定的。
8.如权利要求1-6中任一所述的方法，其特征在于，输出的所述可选居住小区的信息包括所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；所述通勤时间分布信息按照如下方法获得：
根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；
其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息。
9.如权利要求8所述的方法，其特征在于，基于LBS的用户轨迹数据挖掘出各工作地点位置到各小区的通勤时间分布信息，具体包括：
从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；
将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；
根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。
10.如权利要求1-6中任一所述的方法，其特征在于，输出的所述可选居住小区的信息包括通勤路径信息，所述通勤路径信息按照如下方法获得：
向服务器发送公共交通路径查询请求，以使所述服务器从离线得到的各公共交通站点间的可达路径中，获得所述可选居住小区附近的公共交通站点与所述目标工作地点位置附近的公共交通站点之间的可达路径，并返回获得的可达路径的信息；
接收服务器返回的所述可达路径的信息，作为通勤路径信息。
11.一种小区智能推荐装置，其特征在于，包括：
目标工作地点位置接收模块，用于接收输入的目标工作地点位置；
可选居住小区获取模块，用于根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
可选居住小区信息输出模块，用于将所述可选居住小区的信息进行输出；
还包括：
第一数据挖掘模块，用于根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据。
12.如权利要求11所述的装置，其特征在于，所述目标工作地点位置的数目为一个，所述可选居住小区获取模块，具体用于：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区。
13.如权利要求11所述的装置，其特征在于，所述目标工作地点位置的数目为多个，所述可选居住小区获取模块，具体用于：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。
14.如权利要求11所述的装置，其特征在于，所述可选居住小区信息输出模块，具体包括：
可选居住小区排序单元，用于根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；
排序结果输出单元，用于按照排序结果将所述可选居住小区的信息进行输出。
15.如权利要求14所述的装置，其特征在于，所述目标工作地点位置的数目为一个，所述可选居住小区排序单元，具体用于：
获取各可选居住小区的每种参数信息的权值；
根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；
根据各可选居住小区的排序权重值对各可选居住小区进行排序。
16.如权利要求14所述的装置，其特征在于，所述目标工作地点位置的数目为多个，所述可选居住小区排序单元，具体用于：
基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；
对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。
17.如权利要求11-16中任一所述的装置，其特征在于，输出的所述可选居住小区的信息包括所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；所述可选居住小区信息输出模块按照如下方法获得所述通勤时间分布信息：
根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；
其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息；
进一步的，所述装置还包括：
第二数据挖掘模块，用于从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；
将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；
根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。

一种小区智能推荐方法及装置\n技术领域\n[0001] 本发明实施例涉及计算机技术领域，尤其涉及一种小区智能推荐方法及装置。\n背景技术\n[0002] 目前，用户在房产网站上进行房源信息查询时，需要用户首先输入或选择筛选条件信息(比如价格等信息)，然后根据用户输入或选择的筛选条件信息从数据库中海量的房源信息中筛选出用户需要的房源信息，最后将筛选出的房源信息按照一定的方式进行排序后展现给用户。\n[0003] 现有技术存在的缺陷在于：在将房源信息展现给用户后，用户在选择居住的小区时，由于很难全面了解到各小区的情况，因此可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区，效率低下，选择结果也不能较大程度的符合用户期望。\n发明内容\n[0004] 本发明提供一种小区智能推荐方法及装置，以优化现有的房源信息查询技术，帮助用户快速选择符合用户期望的居住小区，减少线下实际探查时间。\n[0005] 第一方面，本发明实施例提供了一种小区智能推荐方法，包括：\n[0006] 接收输入的目标工作地点位置；\n[0007] 根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；\n[0008] 将所述可选居住小区的信息进行输出。\n[0009] 第二方面，本发明实施例还提供了一种小区智能推荐方法装置，包括：\n[0010] 目标工作地点位置接收模块，用于接收输入的目标工作地点位置；\n[0011] 可选居住小区获取模块，用于根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；\n[0012] 可选居住小区信息输出模块，用于将所述可选居住小区的信息进行输出。\n[0013] 本发明实施例根据用户输入的目标工作地点位置，在预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，获取所述目标工作地点位置对应的可选居住小区，并将所述可选居住小区的信息进行输出的技术手段，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，实现了仅通过输入用户目标工作地点，就可以快速选择期望小区的技术效果，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。\n附图说明\n[0014] 图1是本发明实施例一提供的小区智能推荐方法的流程图；\n[0015] 图2是本发明实施例二提供的挖掘可居住小区数据的流程示意图；\n[0016] 图3是本发明实施例二的优选实施方式提供的一种小区智能推荐页面的人机交互PC机显示示意图；\n[0017] 图4是本发明实施例二的优选实施方式提供的一种小区智能推荐页面的人机交互智能手机终端显示示意图；\n[0018] 图5是本发明第三实施例的提供的将所述可选居住小区的信息进行输出操作的实现流程图；\n[0019] 图6是本发明实施例三提供的当目标工作地点位置的数目为一个时对可选居住小区排序的流程图；\n[0020] 图7是本发明实施例三提供的当目标工作地点位置的数目为一个时小区智能推荐页面的人机交互PC机显示示意图；\n[0021] 图8是本发明实施例三提供的当目标工作地点位置的数目为多个时对可选居住小区排序的流程图；\n[0022] 图9是本发明实施例三提供的当目标工作地点位置的数目为两个时小区智能推荐页面的人机交互PC机显示示意图；\n[0023] 图10是本发明实施例四提供的对通勤时间分布信息输出的实现流程图；图11是本发明实施例四提供的一可选居住小区到所述目标工作地点位置的通勤时间分布信息示意图；\n[0024] 图12是本发明第五实施例的一种挖掘各工作地点位置到各小区的通勤时间分布信息的流程图示意图；\n[0025] 图13是本发明实施例六的提供的将通勤路径情况进行输出的流程图示意图；\n[0026] 图14是本发明实施例七提供的一种小区智能推荐装置的结构图；\n[0027] 图15是本发明实施例七提供一种终端设备的结构示意图。\n具体实施方式\n[0028] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。\n[0029] 实施例一：\n[0030] 图1是本发明实施例一提供的小区智能推荐方法的流程图，本实施例可适用于在租房、买房时的搜索，确定租/买房小区以快速选择租/买的居住小区。本实施例的方法可以由小区智能推荐装置来执行，并一般可集成于各房屋搜索软件类客户端中，或单独作为一客户端来执行。该方法具体包括如下操作：\n[0031] 110、接收输入的目标工作地点位置；\n[0032] 在本实施例中，用户将目标工作地点位置比如目标工作地点名称输入到客户端。\n所述客户端可以是执行本方法的独立客户端，还可以是集成有该小区智能推荐方法子程序的现有搜房工具客户端。\n[0033] 所述目标工作地点位置的数目为一个或多个。本实施例提供至少一个目标工作地点的小区智能推荐方法，可以考虑情侣、夫妻双方、多个室友合租的情况。\n[0034] 120、根据预先基于定位服务(LBS)的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；\n[0035] 其中，在所述目标工作地点位置的数目为一个时，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区。\n[0036] 在所述目标工作地点位置的数目为多个时，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。\n[0037] 130、将所述可选居住小区的信息进行输出。\n[0038] 其中，客户端可以直接将所述可选居住小区的信息输出，提供给用户，也可以根据可选居住小区的至少一种参数信息(例如，可选居住小区与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径情况等)对所述可选居住小区的信息进行设定的排序处理后按照排序结果将所述可选居住小区的信息进行输出，以提供给用户，本实施例对此并不进行限制。这里的通勤路径情况指可选居住小区附近的公共交通站点与目标工作地点位置附近的公共交通站点之间的可达路径的信息。\n[0039] 本实施例根据用户输入的目标工作地点位置，在预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，获取所述目标工作地点位置对应的可选居住小区，并将所述可选居住小区的信息进行输出的技术手段，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，实现了仅通过输入用户目标工作地点，就可以快速选择期望小区的技术效果，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。\n[0040] 实施例二：\n[0041] 本实施例以上述实施例一为基础，是对实施例一中的操作120进一步解释，图2是本发明实施例二提供的挖掘可居住小区数据的流程示意图。\n[0042] 所述基于LBS的定位数据挖掘出各工作地点位置对应的居住小区数据，具体包括：\n[0043] 210、根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；\n[0044] 所述LBS平台存储有海量的定位数据，其中包含大量用户的常驻信息。\n[0045] 220、将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；\n[0046] 具体地，所述工作地点位置采用均匀网格分类，网格大小可以预先设定，示例性的，可以是长L1(比如1km)，宽L2(比如1km)，具体参数的设定可根据工作地点密度调整。居住位置按照所属小区进行分类，分类名称可以是小区名称。\n[0047] 230、根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据；所述热点居住小区包括所居住的、在对应工作地点位置周边设定范围内上班的用户数量满足设定条件的小区；\n[0048] 具体地，预先设定一个用户数量阈值，在每一工作地点设定范围内，例如一平方千米范围内，统计出所对应的在该工作地点上班的且居住在各小区的用户数量，当居住小区内的用户数量超过设定值时，所述居住小区为热点居住小区。小区的用户数量越多，对应的小区的居住热度越高。\n[0049] 在本实施例的一个优选实施方式中，在挖掘出所述热点居住小区后，在所述挖掘出的数据中查找所述目标工作地点位置对应的可选居住小区，将获取的可选居住小区信息按照可选居住小区的居住热度从高到低排序输出。进一步地，所述可选居住小区在按照居住热度排序输出的基础上，还可以附加各小区的其他参数信息，例如可选居住小区与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、通勤路径情况、推荐理由等。图3、图4分别示出了在PC机以及智能手机终端上运用本发明实施例优选实施方式的一种小区智能推荐页面的人机交互示意图，如图3所示：\n在该页面中，同时包括可选居住小区的居住热度信息31、可选居住小区的价格信息32、可选居住小区与所述目标工作地点位置的通勤时间信息33、可选居住小区与所述目标工作地点位置的距离信息34、以及推荐理由35。如图4所示：在该页面中，包括了可选居住小区的居住热度信息41、各热点居住小区在地图中的分布信息42。\n[0050] 本实施例通过离线挖掘各工作地点对应的各居住小区的居住热度，用户只需输入的目标工作地点位置，就可获取在目标工作地点及周边上班的人员所居住的热门小区，辅助用户选房决策，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。\n[0051] 实施例三：\n[0052] 本实施例以实施例一为基础，具体地，对实施例一中的信息输出操作做进一步的解释。图5是本发明实施例三的提供的将所述可选居住小区的信息进行输出操作的实现流程图。\n[0053] 具体地，将所述可选居住小区的信息进行输出，包括：\n[0054] 310、根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；\n[0055] 320、按照排序结果将所述可选居住小区的信息进行输出。\n[0056] 其中，所述可选居住小区的参数信息包括与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径情况中的至少一个。所述居住热度是根据居住在对应可选居住小区的、在所述目标工作地点位置上班的用户的数量确定的。根据居住热度的排序输出已在上述实施例二中具体介绍。所述目标工作地点位置的数目为一个或多个。\n[0057] 图6是本发明实施例提供的当目标工作地点位置的数目为一个时对可选居住小区排序的流程图。如图6所示，当所述目标工作地点位置的数目为一个时，根据所述可选居住小区的参数信息对所述可选居住小区进行排序，具体包括：\n[0058] 310-1、获取各可选居住小区的每种参数信息的权值；\n[0059] 310-2、根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；\n[0060] 310-3、根据各可选居住小区的排序权重值对各可选居住小区进行排序。\n[0061] 示例性的，在一个具体例子中，考虑各可选居住小区的参数信息有：各可选居住小区与所述目标工作地点位置的距离Ai、通勤时间Bi、通勤路径情况Ci、与公共交通站点的距离Di、价格Ei，并预先设定上述参数信息对应的权值ai、bi、ci、di、ei，根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值Hi，Hi＝Ai×ai+Bi×bi+Ci×ci+Di×di+Ei×ei；其中i为第i个可选居住小区。根据上述计算的可选居住小区的排序权重值Hi，对各可选居住小区进行排序。图7示出了本发明实施例三提供的当目标工作地点位置的数目为一个时小区智能推荐页面的人机交互PC机显示示意图，如图7所示：在该页面中，同时包括可选居住小区的价格信息71、可选居住小区与所述目标工作地点位置的通勤时间信息72、可选居住小区与所述目标工作地点位置的距离信息73、以及推荐理由74。\n[0062] 图7是本发明实施例提供的当目标工作地点位置的数目为多个时对可选居住小区排序的流程图。如图8所示，当所述目标工作地点位置的数目为多个时，根据所述可选居住小区的参数信息对所述可选居住小区进行排序，具体包括：\n[0063] 310-1’基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；\n[0064] 所述设定策略是指均衡策略或偏向一个目标工作地点位置的策略。可根据具体情况选择粗略排序时所要考虑的部分参数信息具体为哪些。\n[0065] 310-2’对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。\n[0066] 示例性的，在一个具体例子中，当所述目标工作地点位置的数目为两个时，即目标工作地点位置M和N，粗略排序时所要考虑的部分参数信息示例性选择：可选居住小区与目标工作地点位置之间的距离和通勤时间。假设，将可选居住小区i与所述目标工作地点位置M的距离小于设定距离表示为Fi、将可选居住小区i到所述目标工作地点位置M的通勤时间小于30分钟表示为Gi、将可选居住小区i到所述目标工作地点位置M的通勤时间大于30分钟小于60分钟表示为Ji、将可选居住小区i与所述目标工作地点位置N的距离小于设定距离表示为fi、将可选居住小区i到所述目标工作地点位置N的通勤时间小于30分钟表示为gi、将可选居住小区i到所述目标工作地点位置N的通勤时间大于30分钟小于60分钟表示为ji。\n[0067] 当采用均衡策略时，粗略排序顺序为：\n[0068] Fi∩fi>Fi∩gi＝Gi∩fi>Gi∩gi>Fi∩ji＝Ji∩fi>Gi∩ji>Ji∩gi>Ji∩ji，[0069] Fi∩fi的优先级最高，即距离M和N都很近；其次依次是Fi∩gi，Gi∩fi,Gi∩ji，即距离一方比较近，或者距离两方的通勤时间都小于30分钟；再次依次是Fi∩ji,Ji∩fi,Gi∩ji,Ji∩gi,Hi∩ji，即距离一方比较远，但一方比较近，或者距离双方都很远。\n[0070] 当采用偏向目标工作地点位置M策略时，粗略排序顺序为：\n[0071] Fi∩fi>Fi∩gi>Fi∩ji>Gi∩fi>Gi∩gi>Gi∩ji>Ji∩fi>Ji∩gi>Ji∩ji。\n[0072] 当采用偏向目标工作地点位置N策略时，粗略排序顺序为：\n[0073] Fi∩fi>Gi∩fi>Ji∩fi>Fi∩gi>Gi∩gi>Ji∩gi>Fi∩ji>Gi∩ji>Ji∩ji。\n[0074] 对于粗略排序结果中，对每一小区段进行精细排序，例如对小区段Fi∩fi，根据该小区段中的可选居住小区的其他参数信息，例如价格、该小区段中的个小区与公共交通站点的距离等，进行精细排序，具体排序规则可按照上述目标工作地点位置数目为一个时，采用的权重值排序法，在此不做重述。图8示出了本发明实施例三提供的当目标工作地点位置的数目为两个时小区智能推荐页面的人机交互PC机显示示意图，如图9所示：在该页面中，同时包括可选居住小区的价格信息91、可选居住小区与所述目标工作地点位置M的通勤时间信息92、可选居住小区与所述目标工作地点位置M的距离信息93、可选居住小区与所述目标工作地点位置N的通勤时间信息94、可选居住小区与所述目标工作地点位置N的距离信息\n95、以及推荐理由96。\n[0075] 在本实施例的另一个优选的实施方式中，该方法除了可以根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序外，还包括：\n[0076] 根据用户点击率、满意度的反馈对排序进行调整，使排序输出的小区信息更符合用户的期望。\n[0077] 本实施例通过根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序，并将排序后的结果输出提供给用户参考，以辅助用户快速确定租/买房小区，从而缩小线下看房范围，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提升了用户体验。\n[0078] 实施例四：\n[0079] 本实施例以上述各实施例为基础，具体地，对上述实施例中输出的可选居住小区的信息做详细描述。上述实施例中输出的可选居住小区的信息可以包括可选居住小区的标识信息(例如名称)、参数信息等。该参数信息可以包括通勤时间分布信息。图10是本发明实施例四提供的对通勤时间分布信息输出的实现流程图，具体包括：\n[0080] 410、根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；\n[0081] 420、将所述可选居住小区到所述目标工作地点位置的通勤时间分布信息，进行输出。\n[0082] 其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息。\n[0083] 具体地，可以预先设定抽样数目，将所述通勤时间平均分段，基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间，统计各工作地点位置到各小区的用户落在各分段时间内的用户数量。以所述通勤时间为横坐标，以所述落在各分段时间内的用户数量与抽样数目的比值为纵坐标，得到各可选居住小区到所述目标工作地点位置的通勤时间分布信息。图11示出了本发明实施例提供的一可选居住小区到所述目标工作地点位置的通勤时间分布信息示意图。\n[0084] 本实施例通过根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；将所述可选居住小区到所述目标工作地点位置的通勤时间分布信息，进行输出，提供给用户参考，以辅助用户快速确定租/买房小区，从而缩小线下看房范围，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提升了用户体验。\n[0085] 实施例五：\n[0086] 本实施例以实施例四为基础，具体地，对实施例四中的挖掘通勤时间分布信息做详细描述。图12是本发明实施例五的一种挖掘各工作地点位置到各小区的通勤时间分布信息的流程图示意图，具体包括：\n[0087] 510、从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；具体地，LBS在收集用户轨迹数据的过程中，会存在由于所采用的手段和方法的不完善，导致收集到的用户数据存在误差，从而使获取的用户轨迹数据与一般用户行为严重脱节，该操作通过结合对用户合理行为的分析，将这些无效用户轨迹数据滤除。\n[0088] 520、将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；具体地，该操作可以将具有相同的起点位置和相同的终点位置的用户的有效用户轨迹数据分为一类。\n[0089] 530、根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。\n举例说明，在统计网格内的工作地点位置A到小区B的通勤时间分布信息时，首先在上述分类结果中查找起点位置为A、终点位置为B的分类，然后统计查找到的各分类所包含的用户的有效用户轨迹数据中的通勤时间，得到通勤时间分布信息。\n[0090] 本实施例通过根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；将所述可选居住小区到所述目标工作地点位置的通勤时间分布信息，进行输出，提供给用户参考，以辅助用户快速确定租/买房小区，从而缩小线下看房范围，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提升了用户体验。\n[0091] 实施例六：\n[0092] 本实施例以上述各实施例为基础，具体地，对上述实施例中的输出的可选居住小区的信息输出做详细描述。上述实施例中输出的可选居住小区的信息可以包括可选居住小区的标识信息(例如名称)、参数信息等。该参数信息可以包括通勤路径情况，即可选居住小区附近的公共交通站点与目标工作地点位置附近的公共交通站点之间的可达路径的信息。\n图13是本发明实施例六提供的将通勤路径情况进行输出的流程图示意图，具体包括：\n[0093] 610、向服务器发送公共交通路径查询请求，以使所述服务器从离线得到的各公共交通站点间的可达路径中，获得所述可选居住小区附近的公共交通站点与所述目标工作地点位置附近的公共交通站点之间的可达路径，并返回获得的可达路径的信息；\n[0094] 620、接收服务器返回的所述可达路径的信息，并将所述可达路径的信息进行输出。\n[0095] 其中，所述可达路径的信息包括可乘坐车辆名称、换乘次数、通勤时间等。\n[0096] 本实施例在具备上述基础实施例的有益效果基础上，还可在线下分布式环境部署公共交通路径检索引擎，离线计算出任意两公共交通站点间的路径规划，将在线公交路径规划请求的耗时从2-20s降至约10ms，可以快速帮助用户在线计算出最优小区，同时提高获取可达公交路径信息的准确率。\n[0097] 进一步地，在上述各实施例的基础上，建立所述可选居住小区与第三方房产网站的超级链接，用户根据本发明上述各实施例提供的小区智能推荐方法确定租/买房小区，进而点击通过该方法获取的小区，跳转到第三方房产网站，最后确定线下看房小区、联系房东或经纪人实地看房，最终实现与第三方的共赢。\n[0098] 实施例七：\n[0099] 图14为本发明实施例七提供的一种小区智能推荐装置的结构图。如图13所示，所述装置包括：\n[0100] 目标工作地点位置接收模块710，用于接收输入的目标工作地点位置；\n[0101] 可选居住小区获取模块720，用于根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；\n[0102] 可选居住小区的信息输出模块730，用于将所述可选居住小区的信息进行输出。\n[0103] 所述目标工作地点位置的数目为一个或者多个，当所述目标工作位置的数目为一个时，所述可选居住小区获取模块720，具体用于，从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区；当所述目标工作地点位置的数目为多个时，所述可选居住小区获取模块720，具体用于：从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。\n[0104] 本实施例根据用户输入的目标工作地点位置，在预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，获取所述目标工作地点位置对应的可选居住小区，并将所述可选居住小区的信息进行输出的技术手段，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，实现了仅通过输入用户目标工作地点，就可以快速选择期望小区的技术效果，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。\n[0105] 在上述实施例基础上，所述装置还包括：第一数据挖掘模块，用于根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据。\n[0106] 进一步地，所述可选居住小区信息输出模块730，具体包括：可选居住小区排序单元，用于根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；排序结果输出单元，用于按照排序结果将所述可选居住小区的信息进行输出。\n[0107] 进一步地，当所述目标工作地点位置的数目为一个时，所述可选居住小区排序单元，具体用于：获取各可选居住小区的每种参数信息的权值；根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；根据各可选居住小区的排序权重值对各可选居住小区进行排序。当所述目标工作地点位置的数目为多个时，所述可选居住小区排序单元，具体用于：基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。\n[0108] 其中，所述可选居住小区的参数信息包括与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径情况中的至少一个；所述居住热度是根据居住在对应可选居住小区的、在所述目标工作地点位置上班的用户的数量确定的。\n[0109] 所述可选居住小区信息输出模块按照如下方法获得所述通勤时间分布信息：根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；\n[0110] 其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息。\n[0111] 进一步地，所述装置还包括：第二数据挖掘模块，用于从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。\n[0112] 在上述实施例基础上，输出的所述可选居住小区的信息包括通勤路径信息，所述可选居住小区信息输出模块按照如下方法获得所述通勤路径信息所述可选居住小区信息输出单元：向服务器发送公共交通路径查询请求，以使所述服务器从离线得到的各公共交通站点间的可达路径中，获得所述可选居住小区附近的公共交通站点与所述目标工作地点位置附近的公共交通站点之间的可达路径，并返回获得的可达路径的信息；接收服务器返回的所述可达路径的信息，作为通勤路径信息。\n[0113] 上述小区智能推荐装置可执行本发明实施例所提供的小区智能推荐方法，具备执行方法相应的功能模块和有益效果。进一步地，建立所述可选居住小区与第三方房产网站的超级链接，用户根据本发明上述各实施例确定租/买房小区，进而通过点击获取的小区，跳转到第三方房产网站，最后确定线下看房小区、联系房东或经纪人实地看房，最终实现与第三方的共赢。。\n[0114] 本发明实施例还提供一种终端设备，如图15所示，该终端设备包括上述小区智能推荐装置810，该装置包括目标工作地点位置接收模块811、可选居住小区获取模块812和可选居住小区的信息输出模块813。该终端设备具体可以是PC(Personal Computer，个人计算机)、笔记本电脑、手机等设备。\n[0115] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。