一、背景以及目的
1. 背景
搜索一个地点到另外一个地点后，会有不同的公交线路，探讨其中的推荐策略。
2. 目的
通过分析公交推荐路线的策略四要素，给用户提供最适合，成本最低的公交线路线。
3.如何衡量策略是否有效？
（1）推荐线路排序后，用户点击线路越靠前，则策略越有效
（2）用户是否换到其他的排序方法，比如换乘少，步行少等排序方法，换的次数越多，策略越无效
二.产品目标
基于不同的用户和场景给用户提供成本最低，最适合的公交线路
三.具体策略
1.待解决问题
针对不同的用户和场景，如何给用户提供成本最低最适合的公交线路呢？
2.输入
影响因素有哪些？
其中，若一个因素占据用户主要考虑因素，如时间因素，则系数加权时间，意为，耗费时间越长的线路得分越多，则排序越靠后。
3.计算逻辑
有时候推荐的路线可能不是最快的、步行距离最短的，但是为什么会成为推荐路线，这是由于不同的影响因素，都有各自的权重系数，所有的影响因素与其权重系数的积加起来，就会得到一条路线的得分。最佳出行方案应该就是那条得分最低的方案。所以，首先我们需要将方案的各个影响因素的单位统一起来，将时间、步行距离、换成次数折算成分值。影响因素换算如下图所示：
由图可知，
如果方案一花费的时间为40分钟，步行距离800米，换乘次数2次，花费4元；方案二花费的时间50分钟，步行距离400米，换乘次数1次，花费2元。方案一的得分为：时间得分 = 40/ 5 = 8分；步行距离得分 = 800/ 400= 2分；换乘得分 = 2 / 1 = 2分；价格得分=4/2=2分；方案二的得分为：时间得分 = 50 / 5 = 10分；步行距离得分 = 400 / 400 = 1分；换乘得分 = 1 / 1 = 1分；价格得分=2/2=1分计算逻辑为：方案得分 = 方案时间 * 时间系数 + 方案步行距离 * 步行距离系数 + 换乘次数 *换乘系数 + 价格得分*价格系数+出行方式 * 出行方式系数。
我们假设系数如下图所示：
所以拿之前的公式算出最终每条线路的得分同时结合用户特征（个性化调整其系数和得分情况）和环境特征（调整系数和得分情况）作出最终的排序。
举例：
用户特征:若根据用户行为记录，该用户偏向于点击/收藏/停留时间长 步行少的路线，那么“步行少”的系数就应当在该用户的整体计算中减少；
场景特征：若用户输入的目的地为高铁站，根据大量用户的历史数据。当用户输入了“高铁站”，用户主要的诉求是“准确”和“用时短”，所以此时这两个的系数应该减少；
4.输出
输出最终的得分结果，从得分低到得分高排序。
迭代依据为：
（1）推荐线路排序后，用户点击的线路越靠前，则策略越有效
（2）用户是否换到其他的排序方法，比如换乘少，步行少等排序方法，换的次数越多，策略越无效
