CN105509761A - 一种多轮语音交互导航方法及系统 - Google Patents

Abstract

本发明公开了一种多轮语音交互导航方法及系统，方法包括：接收用户发送的语音信号；根据所述语音信号得到用户输入的POI地址；根据所述POI地址进行检索，得到检索结果；将所述检索结果进行反馈，等待用户下一次语音信号；根据所述下一次语音信号，在所述反馈的结果中选择定位出目的地，完成导航。上述方法基于多轮语音交互，能够实现全语音交互过程，无需用户手动操作。本发明中的系统包括，语音识别模块，查询模块，显示输出模块和语音交互模块，本系统能够提供更多维的目的地选择方案，更佳的用户体验。同时采用聚类算法，减少用户选择的余地，使系统更加智能。

Description

一种多轮语音交互导航方法及系统

技术领域

本发明涉及语音方法，特别涉及多轮语音交互导航方法及系统。

背景技术

抬头显示器HUD(HeadUpDisplay)，是普遍运用在航空器上的飞行辅助仪器。抬头的意思是指飞行员不需要低头就能够看到他需要的重要资讯。因为HUD的方便性以及能够提高飞行安全，民航机也纷纷跟进安装。HUD是利用光学反射的原理，将重要的飞行相关资讯投射在一片玻璃上面。这片玻璃位於座舱前端，高度大致与飞行员的眼睛成水平，投射的文字和影像调整在焦距无限远的距离上面，飞行员透过HUD往前方看的时候，不会妨碍到眼睛的运作，维持清晰的显示。

HUD的基本架构包含两个部分：资料处理单元与影像显示装置。资料处理单元是将飞机上各系统的资料整合处理之後，根据选择的模式转换成预先设定的符号，图形或者是以文字或者是数字的型态输出。有些产品将讯号处理与影像输出分成两个装置，不过大致上都是类似的工作方式。影像显示装置就是安装在座舱前方，位于飞行员与座舱罩之间的空间上。影像显示装置接收来自资料处理装置的资讯，投射在玻璃上面。显示装置并且附有控制面板，能够调解或者是改变输出的影像。

新一代的HUD在影像显示方面的改良包括采用全像摄影(Holographic)显示方式，扩大显示影像的范围，尤其是增加水平上的视野角度，减少支架的厚度对於视野的限制与影响，增强不同光度与外在环境下的显示调整，强化影像的清晰度，与其他光学影像输出的配合，譬如说能够将红外线影像摄影机产生的飞机前方影像直接投射到HUD上，与其他的资料融合显示，配合夜视镜的使用以及采用彩色影像显示资料。在资料处理单元上的改良包括提高处理的速率和效率,HUD是将影像投射在座舱前方的固定装置上，当飞行员转动头部的时候，这些影像就会暂时离开他的视野范围。新一代的HUD更适合广泛地运用在汽车上。

在人们的固有观念里，驾驶最应该注重的自然是安全，不过随着智能手机的普及，手机用户们无时无刻不依赖手机带来的便利和快捷。电话、短信、微信的实时沟通，多媒体的使用，地图导航工具等等这些，然而在“低头族”日益增多的今天，手机带给我们的便利却极大的影响了驾驶的安全性。多种形式的交通事故都是由于车主在驾驶过程中由于使用手机而造成的。汽车厂商们开始意识到中控屏幕的重要性，再加上车辆作为最大的终端设备，更让车上的这块“屏”成为了兵家必争之地。然而车载中控屏幕的存在确实让驾驶变得更为安全了，但在实际体验中，依然有车载中控屏幕上的各项弊端和不方便之处，依然会让驾驶员分心。

目前，在主流的地图类APP中，进行语音交互式搜索的方式基本都是单轮的交互，即用户发出目的地查询的指令，如“导航去天安门”或“去附近的肯德基”等，设备接受指令后需要用户手动的去进行点击选择，甚至可能需要进行翻页操作。这种交互方式的缺点一是交互不连贯，需要用户进行语音、手动选择等多重动作；二是当在开车的环境下，司机很容易分心，造成安全隐患。

发明内容

本发明要解决的技术问题是，基于多轮语音交互的对话式导航选择方法，该方法基于用户的语音输入，记录用户的各种状态，不断的引导用户，直到选择出正确的目的地。

解决上述技术问题，本发明提供了一种多轮语音交互导航方法，包括：

接收用户发送的语音信号；

根据所述语音信号得到用户输入的POI地址；

根据所述POI地址进行检索，得到检索结果；

将所述检索结果进行反馈，等待用户下一次语音信号；

根据所述下一次语音信号，在所述反馈的结果中选择定位出目的地，完成导航。

所述用户输入的POI地址包括：目的地名称、所属类别、目的地经度纬度、目的地附近商业信息，所述POI地址根据用户的同样意思的不同表述方式的自然语音信息进行语义解析后得到。

所述检索结果根据所述POI地址进行聚类，

根据所述POI地址中的目的地名称选择出中心位置目的地，

将距离所述中心位置目的地的最大或者最小位置作为有效地址；

对所述有效地址进行反馈输出。

根据所述POI地址中的目的地经度纬度选择出中心位置目的地。

所述反馈输出按照列表形式或者对所述POI点的自定义进行下一次语音选择。

根据所述用户输入的POI地址中的目的地附近的商业信息进行聚类，

获取所述目的地附近商业信息，根据所述附近商业信息的热点或者HUD中的行车记录进行匹配抽样出核心点；

所述核心点和其邻居点通过聚类形成簇，在所述簇中如果出现多个点都是核心点，则以这些核心点为中心的簇要合并；

合并后对所述核心点和其邻居点进行聚类。

所述检索结果根据所述POI地址进行k-means聚类、k-modes聚类、CURE聚类、k-medoids聚类、DBSCAN聚类、STING聚类。

所述语音信号按照多轮进行交互，所述语音信号由至少一个用户发出，并储存至云端服务器。

通过所述语音信号记录用户的操作习惯，并根据所述操作习惯进行建立操作学习模型后反馈检索结果；

通过反馈的检索结果，分轮次引导用户选择出定位出目的地；

通过调用地图服务进行POI地址的检索。

本发明还提出了一种多轮语音交互导航系统，包括：

语音识别模块，用以接收用户发送的语音信号；

查询模块，用以根据所述语音信号得到用户输入的POI地址；

显示输出模块，用以根据所述POI地址进行检索，得到检索结果；

语音交互模块，用以将所述检索结果进行反馈，等待用户下一次语音信号；根据所述下一次语音信号，在所述反馈的结果中选择定位出目地，完成导航。

本发明的有益效果：

1)由于本发明中的多轮语音交互导航方法，接收用户发送的语音信号；根据所述语音信号得到用户输入的POI地址；根据所述POI地址进行检索，得到检索结果；将所述检索结果进行反馈，等待用户下一次语音信号；根据所述下一次语音信号，在所述反馈的结果中选择定位出目的地，完成导航。通过上述步骤，能够实现全语音交互过程，无需用户手动操作。

2)所述POI地址根据用户的同样意思的不同表述方式的自然语音信息进行语义解析后得到。并且采用上述基于中心位置的聚类算法，减少用户选择的余地，使操作方法更加智能。

3)通过用户输入的POI地址，包括，目的地名称、所属类别、目的地经度纬度、目的地附近商业信息，能够更多维的目的地选择方案，更佳的用户体验。

附图说明

图1是本发明一实施例中一种基于HUD的多轮语音交互导航方法的操作流程示意图。

图2是图1中的根据所述POI地址进行检索并得到检索结果的具体实现方法示意图。

图3是图2中的另一实施方式示意图。

图4是图2中进一步改进的实施方式示意图。

图5是根据图1中POI地址类型进行检索的具体实施方式示意图。

图6是图1中一种优选的实施方式示意图。

图7是图1中另一种优选的实施方式示意图。

图8是本发明一实施例中一种基于HUD的多轮语音交互导航系统的结构关系示意图。

图9是图1中用户输入POI地址的所包括类型示意图。

图10是图1中对检索结果进一步进行聚类算法的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。在本实施例中以车载抬头设备HUD为最优实施例，并不用于限于本发明的保护范围。

请参考图1，是本发明一实施例中一种多轮语音交互导航方法的操作流程示意图。

本实施例中提供了一种多轮语音交互导航方法，包括如下的步骤：

步骤S101接收用户发送的语音信号，在接收用户的语音信号时，需要对装置进行预处理。预处理的步骤主要包括：将处于休眠状态下的HUD进行唤醒，唤醒的方式包括但不限于，手动唤醒、语音控制唤醒以及采用遥控器进行唤醒。唤醒的原理包括但不限于，广播信号的唤醒、语音芯片的唤醒。HUD在唤醒后即可用以接收用户的语音信号，其中本领域技术人员能够明了，语音信号可以包括但不限于，双音节词汇，比如“启动、开始”或者带有用户自定义的多音节词汇，比如“萝卜，启动”。但是若采用单音节的词汇，比如“啊”、“呀”、“美”等，容易造成语音辨识的不准确，或者对处理单元造成运算量过大，从而导致HUD反应较慢。具体可使用《基于语音识别和文本分词算法的指令交互系统的设计和实现》张文杰.张洪刚，进行实现。

步骤S102根据所述语音信号得到用户输入的POI地址；对语音信号进行解析，用以获得需要的POI地址。POI是“PointOfInterest”的缩写，每个POI包含四方面信息，名称、类别、经度纬度、附近商业信息，可以统称为“导航地图信息”。所述附近商业信息包括：餐饮、酒店、娱乐、公交站、地铁站、加油站、停车场、景点、银行、药店信息。根据语音信号可以智能提取得到目标关键词，所述目标关键词包括但不限于，地点词、语气词、连接关系词等。在进行目标关键词提取时还需要设置“时间参数”、“人称(人名)参数”。“时间参数”等等。“时间参数”、“人称(人名)参数”、“天气参数”，“时间参数”可以是，“上午、中午、下午”，“人称(人名)参数”可以是王先生、王小姐、王二、王一，或者与驾驶者手机中的联系人以及联系方式进行关联，包括但不限于音素、音节、词或者句子等。

步骤S103根据所述POI地址进行检索，得到检索结果；可选择地对POI地址进行调用，比如，语音为“王府井”，则POI地址则为名称；又比如语音为“商场步行街”，则POI地址则为类别。再比如语音为“北纬39.9，东经116.4”，则POI地址则为经度纬度，再比如语音为“去附近的肯德基”，

则POI地址则为附近商业信息。

步骤S104将所述检索结果进行反馈，等待用户下一次语音信号；所述反馈的检索结果可能包括多个检索结果，需要等待用户下一次语音信号进行再次的选择。比如，第一轮的语音信号为“上午和王小姐见面的肯德基餐厅”，得到的结果为反馈的检索结果，可能包括：

“中关村肯德基餐厅”

“海淀黄庄肯德基餐厅”

“人民大学肯德基餐厅”

等待用户下一次语音信号，用户可以选择比如“查看日程安排表”对查询结果与日程安排表中的信息进行交叉检索后再反馈结果，比如在日程安排表中记录有与王小姐在中关村见面，则会将查询结果反馈至用户。

步骤S105根据所述下一次语音信号，在所述反馈的结果中选择定位出目的地，完成导航。下一次语音信号用以确定最后的目的地，在下一次语音信号中包括但不限于：指令直接结束对话的结束指令，再次进行选择的选择指令。

请参考图2，是图1中的根据所述POI地址进行检索并得到检索结果的具体实现方法示意图。

步骤S201根据所述POI地址中的目的地名称选择出中心位置目的地，所述目的地名称包括但不限于，目的地的名称、目的地的类别、目的地的经度纬度、目的地的附近商业信息，通过上述的信息可以转换或者用户习惯获得。

步骤S202将距离所述中心位置目的地的最大或者最小位置作为有效地址，用以全面地在用户进行查询时反馈出信息，可以通过距离中心位置的最大或者最小位置，作为有效地址。

步骤S203对所述有效地址进行反馈输出。

上述步骤S201～步骤S203可以根据《基于最大最小距离法的多中心聚类算法》周涓.熊忠阳.张玉芳,中的聚类算法实现。

请参考图3，是图2中的另一实施方式示意图。

步骤S201根据所述POI地址中的目的地名称选择出中心位置目的地，所述目的地名称包括但不限于，目的地的名称、目的地的类别、目的地的经度纬度、目的地的附近商业信息，通过上述的信息可以转换或者用户习惯获得。

步骤S301根据所述POI地址中的目的地经度纬度选择出中心位置目的地，比如语音为“北纬39.9，东经116.4”，根据经度纬度选择出中心位置目的地。

步骤S202将距离所述中心位置目的地的最大或者最小位置作为有效地址，用以全面地在用户进行查询时反馈出信息，可以通过距离中心位置的最大或者最小位置，作为有效地址。

步骤S203对所述有效地址进行反馈输出。

请参考图4，是图2中进一步改进的实施方式示意图。

步骤S201根据所述POI地址中的目的地名称选择出中心位置目的地，所述目的地名称包括但不限于，目的地的名称、目的地的类别、目的地的经度纬度、目的地的附近商业信息，通过上述的信息可以转换或者用户习惯获得。

步骤S301根据所述POI地址中的目的地经度纬度选择出中心位置目的地，比如语音为“北纬39.9，东经116.4”，根据经度纬度选择出中心位置目的地。

步骤S202将距离所述中心位置目的地的最大或者最小位置作为有效地址，用以全面地在用户进行查询时反馈出信息，可以通过距离中心位置的最大或者最小位置，作为有效地址。

步骤S203对所述有效地址进行反馈输出，

步骤S401按照列表形式或者对所述POI点的自定义进行下一次语音选择。比如语音输入“去火车站”，则可以按照如下的形式进行显示：

请参考图5，是根据图1中POI地址类型进行检索的具体实施方式示意图。

步骤501根据所述用户输入的POI地址中的目的地附近的商业信息进行聚类，考虑到一般情况下驾驶员对于路况都是陌生的，所以根据目的地附近的商业信息就显得尤为重要。

步骤502获取所述目的地附近商业信息，根据所述附近商业信息的热点或者HUD中的行车记录进行匹配抽样出核心点，附近商业信息的热点可以采用地图接入信息中的热点信息，所述HUD中的行车记录可以为GPS的接入信息。

步骤503所述核心点和其邻居点通过聚类形成簇，在所述簇中如果出现多个点都是核心点，则以这些核心点为中心的簇要合并，

步骤504合并后对所述核心点和其邻居点进行聚类。

所述聚类算法可采用JAVA编程语言进行实现。

请参考图6，是图1中一种优选的实施方式示意图。

S101接收用户发送的语音信号，比如，用户发出的语音信号为“萝卜，我想去火车站”，

S601按照多轮进行交互，

S602若在所述反馈的结果中无法选择定位出目的地，则继续进行下一次语音信号，比如，第一轮语音交互为：想去北京西站火车站/北京南站火车站/北京站？可以答复“去北京站”，第二轮语音交互为：导航去北京站。

S603所述语音信号由至少一个用户发出，并储存至云端服务器。语音信号的输入包括但不限于一个驾驶员，也可以是副驾驶上的乘客，但是仅记录一个有效的语音信号并存储至云端。

请参考图7，是图1中另一种优选的实施方式示意图。

S101接收用户发送的语音信号，

S701通过所述语音信号记录用户的操作习惯，并根据所述操作习惯进行建立操作学习模型后反馈检索结果，

S702通过反馈的检索结果，分轮次引导用户选择出定位出目的地，

S703通过调用地图服务进行POI地址的检索。

请参考图8，是本发明一实施例中一种基于HUD的多轮语音交互导航系统的结构关系示意图。

在本实施例中的HUD的多轮语音交互导航系统，包括，

查询模块101，用以根据所述语音信号得到用户输入的POI地址；查询模块101可以接入多种的地图供应商的接入端口，地图供应商可以选择，高德地图、百度地图。

语音识别模块102，用以接收用户发送的语音信号；可以包括：语音端点检测单元，用于实时检测语音信号的有效开始点和结束点，进而启动或停止语音特征提取单元；语音特征提取单元，用于实时提取语音信号的声学特征，该声学特征用于进行语音识别；语音/动作同步解码单元，用于实时利用用户触控动作信息，对语音特征进行在线同步解码，输出语音识别结果。所述语音端点检测单元可以采用用户触控动作来实现语音端点的实时检测，主要包括：首先定义特定的用户触控动作来表示语音起始点和结束点，然后通过检测预定义的用户触控动作来标识用户语音的开始点和结束点。

语音交互模块103，用以将所述检索结果进行反馈，等待用户下一次语音信号；根据所述下一次语音信号，在所述反馈的结果中选择定位出目地，完成导航。下一次语音信号，或者首次语音信号，可以按照可定制的个性化应答方法进行预设。在使用之前，设置自动应答的权限规则和内容，可能的规则包括：提供自动应答服务的联系人列表，为每个联系人提供自动应答服务的时间段，每个联系人所能接收的自动应答服务范围。然后验证呼叫者身份，如果确定其有权限通过自动应答系统获取信息，则进行后续步骤；呼叫者身份包括：个人信息，预先设置的数据等。数据存储的具体实现可以分为存储在本地数据库或服务器端数据库中。进一步接收呼叫者发出的语音数据，使用自动语音识别模块进行语音识别；管理和呼叫者的对话内容以及对话进程，根据呼叫者询问的问题以及机主设置的数据内容，自动分析出应答内容。该模块可以在云端实现，移动终端与云端交互；也可独立实现在移动终端上。进一步根据语音识别结果，使用语义分析方法分析呼叫者意图；进一步根据分析得出的呼叫者意图，使用预先设置的自动应答的规则和内容，或者访问第三方数据和程序，使用语义分析方法确定应答的文本内容，或者对移动终端数据执行相应的操作；最后，使用语音合成方法，将应答文本内容转换成语音数据发送给呼叫者。

显示输出模块104，用以根据所述POI地址进行检索，得到检索结果；

请参考图9，是图1中用户输入POI地址的所包括类型示意图。

输入POI地址：目的地名称、所属类别、目的地经度纬度、目的地附近商业信息。目的地名称包括，省、市、县以及具体的街道名称，所属类别包括，街道类型，目的地经度纬度可以采用语音进行输入。目的地附近商业信息可以包括有一级类和二级类，每个分类都有相应的行业的代码和名称对应。方便信息采集的记录和区分。如今市面上的导航提供方都有自己的POI信息点，导航地图中POI信息点的多少以及信息的准确程度和信息更新速度。

请参考图10，是图1中对检索结果进一步进行聚类算法的示意图。

检索结果根据所述POI地址进行聚类，k-means聚类、k-modes聚类、CURE聚类、k-medoids聚类、DBSCAN聚类、STING聚类。

所属领域的普通技术人员应当理解：以上，所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多轮语音交互导航方法，其特征在于包括：

接收用户发送的语音信号；

根据所述语音信号得到用户输入的POI地址；

根据所述POI地址进行检索，得到检索结果；

将所述检索结果进行反馈，等待用户下一次语音信号；

根据所述下一次语音信号，在所述反馈的结果中选择定位出目的地，完成导航。

2.根据权利要求1所述的多轮语音交互导航方法，其特征在于，所述用户输入的POI地址包括：目的地名称、所属类别、目的地经度纬度、目的地附近商业信息，所述POI地址根据用户的同样意思的不同表述方式的自然语音信息进行语义解析后得到。

3.根据权利要求1所述的多轮语音交互导航方法，其特征在于，所述检索结果根据所述POI地址进行聚类，

根据所述POI地址中的目的地名称选择出中心位置目的地，

将距离所述中心位置目的地的最大或者最小位置作为有效地址；

对所述有效地址进行反馈输出。

4.根据权利要求3所述的多轮语音交互导航方法，其特征在于，根据所述POI地址中的目的地经度纬度选择出中心位置目的地。

5.根据权利要求3所述的多轮语音交互导航方法，其特征在于，所述反馈输出按照列表形式或者对所述POI点的自定义进行下一次语音选择。

6.根据权利要求2所述的多轮语音交互导航方法，其特征在于，根据所述用户输入的POI地址中的目的地附近的商业信息进行聚类，

获取所述目的地附近商业信息，根据所述附近商业信息的热点或者HUD中的行车记录进行匹配抽样出核心点；

所述核心点和其邻居点通过聚类形成簇，在所述簇中如果出现多个点都是核心点，则以这些核心点为中心的簇要合并；

合并后对所述核心点和其邻居点进行聚类。

7.根据权利要求1-6任一项所述的多轮语音交互导航方法，其特征在于，所述检索结果根据所述POI地址进行k-means聚类、k-modes聚类、CURE聚类、k-medoids聚类、DBSCAN聚类、STING聚类。

8.根据权利要求1-6任一项所述的多轮语音交互导航方法，其特征在于，所述语音信号按照多轮进行交互，若在所述反馈的结果中无法选择定位出目的地，则继续进行下一次语音信号；所述语音信号由至少一个用户发出，并储存至云端服务器。

9.根据权利要求1-6任一项所述的多轮语音交互导航方法，其特征在于，通过所述语音信号记录用户的操作习惯，并根据所述操作习惯进行建立操作学习模型后反馈检索结果；

通过反馈的检索结果，分轮次引导用户选择出定位出目的地；

通过调用地图服务进行POI地址的检索。

10.一种多轮语音交互导航系统，其特征在于，包括：

语音识别模块，用以接收用户发送的语音信号；

查询模块，用以根据所述语音信号得到用户输入的POI地址；

显示输出模块，用以根据所述POI地址进行检索，得到检索结果；

语音交互模块，用以将所述检索结果进行反馈，等待用户下一次语音信号；根据所述下一次语音信号，在所述反馈的结果中选择定位出目地，完成导航。