1.一种基于情境要素和用户偏好的旅行方式推荐方法，其特征在于，包括以下步骤：步骤1：根据用户旅行历史数据，匹配经纬度与POI点，构建基于情境要素的用户旅行规则数据库；

步骤2：提取用户旅行中的情境要素，构建旅行方式推荐与用户偏好间的关系；

步骤3：形成用户旅行方式推荐方案。

2.根据权利要求1所述的基于情境要素和用户偏好的旅行方式推荐方法，其特征在于，步骤1的具体实现过程是：用户旅行历史数据包含用户签到时间、用户签到位置和用户评论三类数据；所述经纬度来源于用户签到位置包含的位置信息，所述POI点为公共交通设施兴趣点；用户评论是指用户对定制推荐方案推送的反馈评价，通过对用户评论的态度和情感词挖掘得到用户评级；所述用户签到时间、用户签到位置通过频繁模式挖掘构成用户出行轨迹模式；轨迹模式和用户评级共同构成用户旅行的规则数据库，该规则数据库用于用户旅行方案定制与个性化推荐。

3.根据权利要求1所述的基于情境要素和用户偏好的旅行方式推荐方法，其特征在于，步骤2的具体实现包括以下步骤：步骤2.1：所述用户旅行中的情境要素包括用户U、时间T、路段L和旅行方式W；分别对用户旅行的历史数据按照用户U、时间T、路段L和旅行方式W四种要素按一个变量和三个常量组合得到以下四类概率关系：①PΔU,T,L,W—同一时间、同一路段、不同用户选择同一旅行方式的概率；

②PU,ΔT,L,W—不同时间、同一路段、同一用户选择同一旅行方式的概率；

③PU,T,ΔL,W—同一时间、不同路段、同一用户选择同一旅行方式的概率；

④PU,T,L,ΔW—同一时间、同一路段、同一用户选择不同旅行方式的概率；

步骤2.2：建立①-④中的概率与对应等级Rate的关系：当概率的取值在0≤P≤0.2之间时，对应等级Rate取值为1；

当概率的取值在0.2＜P≤0.4之间时，对应等级Rate取值为2；

当概率的取值在0.4＜P≤0.6之间时，对应等级Rate取值为3；

当概率的取值在0.6＜P≤0.8之间时，对应等级Rate取值为4；

当概率的取值在0.8＜P≤1之间时，对应等级Rate取值为5；

其中，概率P代表PΔU,T,L,W、PU,ΔT,L,W、PU,T,ΔL,W或PU,T,L,ΔW；

步骤2.3：构建旅行方式推荐与用户偏好间的关系；

定义比较规则：将待比较的旅行方式分为i和j两类，并将比较关系分为+，-和？三类；用户u在t时间段和旅行路线l内的旅行方式选择为i和j两类，i和j的比较关系为+，表明i和j两种旅行方式相比，用户u更倾向于i，记为i＞j；i和j的比较关系为-，表明i和j相比，用户u更倾向于j，记为i＜j；i和j的比较关系为？，表明i和j两种旅行方式无法比较，记为i＜＞j；

设旅行方式的全集为I时，比较规则满足如下性质：

①闭合性：

②反对称性：

③传递性：

其中，性质①-③中s、s'表示用户评级，取值范围为1～5。

4.根据权利要求3所述的基于情境要素和用户偏好的旅行方式推荐方法，其特征在于，步骤3的具体实现过程是：利用比较规则对用户旅行历史数据进行训练，以多用户对各旅行方式的评级对应不同路况下的旅行方式选择排名，然后通过排名的不断调整变换和优化，最终形成用户旅行方式推荐方案。

5.根据权利要求4所述的基于情境要素和用户偏好的旅行方式推荐方法，其特征在于：所述以多用户对各旅行方式的评级对应不同路况下的旅行方式选择排名，是根据用户旅行需求，确定用户本次旅行需求的情境要素，计算各情境要素的联合概率，对用户进行多要素下不同情境的旅行方式推荐；

其中各情境要素的联合概率为：

其中，j＝1,2,...,m，某用户ui属于用户集合U，P(ΔU,j)越大表明用户在同一时间、同一路段偏好于旅行方式j的人数越多；ti属于时间集合T，P(ΔT,j)越大表明用户在不同时间的同一路段偏好于旅行方式j的时间占比越大，即该路段一天内用户的主要旅行方式为j；li属于路段集合L，P(ΔL,j)越大表明用户在同一时间，不同路段偏好于旅行方式j的占比越大，用于侧面反映该城市在固定时段的主要旅行方式为j；wj属于旅行方式集合W，P(ΔW,j)越大表明用户在同一时间，同一路段偏好于旅行方式j的占比越大，用于侧面反映固定时间和路段的旅行方式j的受欢迎程度和便利性；

由于用户对旅行的时间T、线路Pa、成本Mo和便利性C有需求，故将这四类因素做张量分解：χ≈[T,Pa,Mo,C]≈T×Pa×Mo×C   (5)其中，T、Pa、Mo和C分别表示时间、线路、成本和便利性四项指标，χ表示四项因素的计算结果；

将计算结果进行多次比较，使其差值最小；由此得到χ与T、Pa、Mo、C四项因素的计算关系：(6)中，χ表示公式(5)中四项因素的计算结果， 表示多次实验结果中任意两项的差值， 表示多次实验结果中任意两个时刻的差值，P(ΔT,j)表示用户在不同时间的同一路段偏好于旅行方式j的时间占比；计算结果表明，该差值的最小值在χ＝χn-1, 时取得；由于 与 成正比，因此 取最小值，当且仅当t＝tn-1, 时，时间最短；

(7)中， 表示多次实验结果中任意两个位置点经纬度的差值，P(ΔL,j)表示用户在同一时间，不同路段偏好于旅行方式的占比；由于 与 成正比， 取最小值，当且仅当pa＝pan-1, 时，路径最短；

(8)中， 表示多次实验结果中任意两次旅行成本的差值，P(ΔW|ΔT,ΔL)为联合概率，其中：P(ΔW,ΔT,ΔL)＝P(ΔW,j)·P(ΔT,j)·P(ΔL,j)，P(ΔT,ΔL)＝P(ΔT,j)·P(ΔL,j)；由于 与 成正比， 取最小值，当且仅当mo＝mon-1, 时，成本最低；

(9)中， 表示多次实验结果中任意两次旅行便利性的差值，由于 与 成正比， 取最小值，当且仅当 便利性最好；其中，c＝cv×cp,cv表示旅行方式选择的便利性，cp表示用户旅行的便利性；用户旅行便利性cp的度量与用户旅行起始地和目的地的旅行距离 路况拥堵情况Ltc、可供选择旅行方式的种类Kwot等因素相关；通过以上分析，可知 因此dt是停车位置离目的地旅行距离， 是用户旅行起始地和目的地的旅行距离；通过结合(9)和(10)得到用户旅行方式在便利性的计算过程；

为了对用户旅行方式的排名进行优化调整，需要对T、Pa、Mo、C四项因素赋予权重，通过四项因素加权求和后的结果进行排名，并以此用于用户旅行方式的推荐：其中，S表示计算得分，分值高低决定旅行方式被推荐的排名；

χ＝[T,Pa,Mo,C]为要素矩阵， 为可调权重矩阵，各权重的取值范围为0-

1。