1、尝试输出北京南站到天安门广场的公交线路推荐策略，说明思考维度和理由。
>待解决问题（问题的核心关键点，要优化的目标）：
从多条线路中找到用户最需要的线路
>输入（影响该问题的所有关键要素）：
需要，这件事受哪些因素影响？
该用户的特征（基础信息、历史行为），即先明确用户的属性
穷举角色不同场景下的不同反应，梳理出对应的行为，归纳汇总，梳理成几个用户行为的标签
场景1:小A，上班族，早高峰赶车，要求不堵车、准时到达
标签：不堵车
场景2：小B，上班族，昨晚熬夜，早上起床晚了，希望能快速到达
标签：最快
场景3:小C，退休阿姨，去天安门广场旅游，没有乘坐过地铁，希望优先选择公交
标签：公交优先
场景4:小D，北京大爷，腿脚不好，去天安门看展，希望少走路
标签：步行少
场景5:小E，晕车，不到万得已绝不坐公交
标签：地铁优先
场景6:小F，下班回家，身心俱疲，不想换乘、等车、走路
标签：直达、少换乘
场景7:小G，退休老太太，平时省吃俭用，出行也精打细算
标签：价格最低
>计算规则（各个输入行为标签的优先级排序规则）：
优先级排序规则
小A：
不堵车>最快>直达、少换乘>步行少>价格低>公交/地铁优先
小B：
最快>不堵车>直达、少换乘>步行少>价格低>公交/地铁优先
小C：
公交优先>价格低>直达、少换乘>步行少>不堵车>最快>地铁优先
小D：
步行少>直达、少换乘>价格低>不堵车>最快>公交/地铁优先
小E：
地铁优先>直达、少换乘>步行少>不堵车>最快>价格低>公交优先
小F：
直达、少换乘>步行少>不堵车>最快>地铁/公交优先>价格低
小G：
价格低>公交优先>直达、少换乘>步行少>不堵车>最快>地铁优先
>输出（梳理的结果是什么，解释为什么得到了这个结果）：
小A：
从上到下依次为：
不堵车（优先地铁）>最快>直达>步行少
小A推荐线路
