CN106776993B - 一种基于时序约束活动意向的路径推荐方法及系统 - Google Patents

Abstract

本发明公开了一种基于时序约束活动意向的路径推荐方法及系统，包括：根据预设的兴趣类别映射表，将活动意向映射为对应的兴趣类别；利用时序约束条件将兴趣类别分为依赖类别组；利用时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据计算顺序确定每个兴趣类别的兴趣点，确定兴趣点集合；确定兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径；可见，根据用户的活动意向时序约束条件确定推荐路径，不仅可满足用户的多种需求，并且这种方法能充分利用时序约束的特点，克服了以往方法得到的路径产生大量偏移和重复的问题，且无需预计算即可显著提升带时序约束用户意向的路径搜索的性能和精度，支持实时搜索。

Description

一种基于时序约束活动意向的路径推荐方法及系统

技术领域

本发明涉及路径确定技术领域，更具体地说，涉及一种基于时序约束活动意向的路径推荐方法及系统。

背景技术

近年来，随着人们生活水平的提高和各种出行方式的发展，出行游旅已经成了人们日常生活中不可分割的一部分。然而，在陌生的地方，人们常常疲于寻找目标以及到目标的路径。因此，在陌生的地方如何选择一条合适的路径便成了人们关心的一大问题。再此需求的驱动下，路径规划(Trip Planning)技术成为了工业界和学术界的研究热门。互联网尤其是移动互联网的广泛普及也使得越来越多的人在出行时会使用基于互联网的路径推荐系统(Trip Recommendation System)来进行在线路径推荐。在现在的基于位置的服务系统中，只需输入起点和目的地，便可以得到一条从起点到目的地的路径。这些服务的使用，使得人们可以通过电脑甚至是移动设备实时获取高质量的路径，大大方便了人们的出行。

近年来，工业界和学术界都对路径规划进行了许多研究。这些研究大致可分为两类：其一是基于最短路径的搜索，即寻找从起点到终点的最短/最快路径；其二是基于分类兴趣点(Categorical Point of Interest)的搜索，即搜索在从起点通往终点的过程中通过能够满足用户活动需求的兴趣点的路径。显然，第二种研究更为实用，因此也获得更多的关注。关于第二种研究，目前已经有不少工作可以返回路程较短且能够通过所需兴趣点的路径。然而，在现实生活中，用户常常对自己的活动意向有顺序要求，比如需要先到银行取款才能去就餐，而目前这些方法均无法对用户意向加上时序约束。若直接对目前方法进行改造以支持时序约束，则会产生大量偏移路径和重复路径。

因此，如何在用户意向上加上时序约束对路径进行搜索，减少偏移路径和重复路径的产生，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种基于时序约束活动意向的路径推荐方法及系统，以实现在用户意向上加上时序约束对路径进行搜索，减少偏移路径和重复路径的产生，提高用户体验。

为实现上述目的，本发明实施例提供了如下技术方案：

一种基于时序约束活动意向的路径推荐方法，包括：

获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；

根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；

利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；

利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；

利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径。

其中，所述根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，包括：

S11、根据当前依赖类别组所对应的计算顺序，确定当前兴趣类别；

S12、确定在预设搜索范围内与当前兴趣类别对应的待选兴趣点；

S13、计算每个待选兴趣点的代价信息，并将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点；

S14、根据当前依赖类别组所对应的计算顺序，将下一个兴趣类别作为当前兴趣类别，并继续执行S12；若当前依赖类别组中不存在下一个兴趣类别，则将下一个未被选择兴趣点的依赖类别组作为当前依赖类别组，并继续执行S11，直至所有依赖类别组中的兴趣点均确定。

其中，所述S13包括：

根据所述计算顺序，确定待选兴趣点至每个初步依赖兴趣点的初步偏移代价，并将初步偏移代价最大的初步依赖兴趣点作为与待选兴趣点对应的依赖兴趣点，从而确定每个待选兴趣点的依赖兴趣点；

根据每个待选兴趣点与对应的依赖兴趣点之间的偏移代价，以及每个待选兴趣点至终点的距离，确定每个待选兴趣点的代价信息；

将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点。

其中，所述利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径，包括：

S21、从所述兴趣点集合中确定与起点距离最近的当前兴趣点；

S22、在所述兴趣点集合中未被选为当前兴趣点的兴趣点中，选择与当前兴趣点距离最近的目标兴趣点；

S23、根据所述目标兴趣点重新确定当前兴趣点，并继续执行S22，直至所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点，则执行S24；

S24、根据所述兴趣点集合中选取当前兴趣点的顺序，确定最终的推荐路径。

其中，所述S23包括：

S231、判断与当前兴趣点最近的目标兴趣点的数量是否为一个；若是，则执行S232；若否，则执行S233；

S232、将目标兴趣点作为当前兴趣点，并继续执行S22；

S233、分别将每个目标兴趣点作为当前兴趣点，并继续执行S22。

其中，所述S24包括：

根据所述兴趣点集合中选取当前兴趣点的顺序，确定推荐路径；其中，若存在当前兴趣点的目标兴趣点的数量大于一个，则所生成的推荐路径的数量为大于一个；

分别计算每个推荐路径的总距离，并将总路径最短的推荐路径作为最终的推荐路径。

一种基于时序约束活动意向的路径推荐系统，包括：

获取模块，用于获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；

兴趣类别映射模块，用于根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；

依赖类别组确定模块，用于利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；

兴趣点集合确定模块，用于利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；

推荐路径确定模块，用于利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径。

其中，所述兴趣点集合确定模块包括：

当前兴趣类别确定单元，用于根据当前依赖类别组所对应的计算顺序，确定当前兴趣类别；

待选兴趣点确定单元，用于确定在预设搜索范围内与当前兴趣类别对应的待选兴趣点；

兴趣点确定单元，用于计算每个待选兴趣点的代价信息，并将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点；

检测单元，用于检测到当前兴趣类别选出对应的兴趣点后，触发所述当前兴趣类别确定单元根据当前依赖类别组所对应的计算顺序，将下一个兴趣类别作为当前兴趣类别；若检测到当前依赖类别组中不存在下一个兴趣类别，则触发当前依赖类别组确定模块；

所述当前依赖类别组确定模块，用于将下一个未被选择兴趣点的依赖类别组作为当前依赖类别组，并继续触发当前兴趣类别确定单元，直至所有依赖类别组中的兴趣点均确定。

其中，所述兴趣点确定单元包括：

依赖兴趣点确定子单元，用于根据所述计算顺序，确定待选兴趣点至每个初步依赖兴趣点的初步偏移代价，并将初步偏移代价最大的初步依赖兴趣点作为与待选兴趣点对应的依赖兴趣点，从而确定每个待选兴趣点的依赖兴趣点；

代价信息确定子单元，用于根据每个待选兴趣点与对应的依赖兴趣点之间的偏移代价，以及每个待选兴趣点至终点的距离，确定每个待选兴趣点的代价信息；

兴趣点选取子单元，用于将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点。

其中，所述推荐路径确定模块包括：

当前兴趣点确定单元，用于从所述兴趣点集合中确定与起点距离最近的当前兴趣点；

目标兴趣点确定单元，用于在所述兴趣点集合中未被选为当前兴趣点的兴趣点中，选择与当前兴趣点距离最近的目标兴趣点；

当前兴趣点重新确定单元，用于根据所述目标兴趣点重新确定当前兴趣点，并触发所述目标兴趣点确定单元，直至所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点，则触发最终路径信息确定单元；

最终路径信息确定单元，用于当所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点时，根据所述兴趣点集合中选取当前兴趣点的顺序，确定最终的推荐路径。

通过以上方案可知，本发明实施例提供的一种基于时序约束活动意向的路径推荐方法及系统，包括：获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径；

可见，在本方案中，根据用户的活动意向时序约束条件确定推荐路径，不仅可满足用户的多种需求，并且这种方法能充分利用时序约束的特点，克服了以往方法得到的路径产生大量偏移和重复的问题，且无需预计算即可显著提升带时序约束用户意向的路径搜索的性能和精度，支持实时搜索，支持路网及兴趣点数据的实时更新。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的现有路径推荐方法所产生的推荐路径示意图；

图2为本发明实施例公开的一种基于时序约束活动意向的路径推荐方法流程示意图；

图3为本发明实施例公开的一路径示意图；

图4为本发明实施例公开的时序约束关系的有向连通图示意图；

图5为本发明实施例公开的另一路径示意图；

图6为本发明实施例公开的另一路径示意图；

图7为本发明实施例公开的最终推荐路径示意图；

图8为本发明实施例公开的一种基于时序约束活动意向的路径推荐系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，目前的路径推荐方法并未对时序约束进行支持。若直接对目前方法进行改造以支持时序约束，则会产生以下问题：

(1)获得的路径质量不高。若是先使用目前的方法获得兴趣点，再以符合时序约束的顺序通过这些兴趣点来获得路径，则最终得到的路径容易产生大量偏移和重复，这是由于使用目前方法得到的兴趣点并未将时序约束纳入考虑。参见图1，假设用户从起点到终点需要先到银行领钱后到饭店就餐，则图右侧的路径为产生偏移的路径，从起点开始先去靠近终点的银行再去饭店的路径为产生重复的路径，虚线为理想路径。

(2)无法充分利用时序约束的特点进行剪枝。本方案时序约束的加入，使得搜索空间得到减少，充分利用这个特点进行剪枝，能够避免无谓计算，大大提高搜索效率。

(3)部分方法需要大量的预计算，这使得路网以及兴趣点的修改代价变得高昂，新收集的路网信息难以及时融入到当前的搜索中。

因此，本发明实施例公开了一种基于时序约束活动意向的路径推荐方法及系统，以实现在用户意向上加上时序约束对路径进行搜索，减少偏移路径和重复路径的产生，提高用户体验。

参见图2，本发明实施例提供的一种基于时序约束活动意向的路径推荐方法，包括：

S101、获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；

具体的，在本方案中首先要确定路网，路网是由一系列相交的多边形线路的集合，我们可以把一个路网定义为无向连通图G＝<V,E>，其中V为路口的集合，E＝{(vi,vj)|vi,vj∈V}为路段的集合。每个路段表示连接两个路口的线段。活动意向为用户从起点到终点的过程中所要开展的活动，如就餐、取款等。在活动意向基本信息中的起点用Q_s表示，终点用Q_d表示，起点和终点皆可映射到路网中。在本方案中的时序约束条件用Q_D表示，Q_D中的每个时序约束用t_i≤t_j表示，t_i≤t_j表示兴趣类别t_i所映射的活动必须在t_j所映射的活动之前完成。

S102、根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；

具体的，活动意向可根据活动意向-兴趣类别映射表映射到对应的兴趣类别，如就餐这个活动意向可以映射到餐馆这个兴趣类别。

S103、利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；

需要说明的是，本方案根据时序相关性的特点，对兴趣类别进行分组。因为用户输入的兴趣类别中，并非所有兴趣类别相互之间都有时序约束，因此需要将没有时序约束的兴趣类别分配到不同组中分别计算，既可减少无关兴趣类别干扰，又可使用不同线程分别对每组进行计算，进一步提高效率。

本实施例中的依赖类别Dependent Type的定义：给定两个兴趣类别，t_i和t_j，当t_i≤t_j，或存在兴趣类别t_a,t_b…使得t_i≤t_a≤t_b≤...≤t_j时，我们称兴趣类别t_i和t_j互为依赖类别，即t_i和t_j是时序相关的。其中，t_i≤t_j表示我们必须先访问t_i再访问t_j。

本实施例中的依赖类别组Dependent Type Group的定义：一个依赖类别组G_td是满足以下两个条件的兴趣类别的集合：

1.对于G_td中的每个元素t_i，至少在G_td中存在另一个元素t_j，使得t_i和t_j互为依赖类别；

2.对于G_td中的每个元素t_i，不存在G_td外的另一个元素t_j，使得t_i和t_j互为依赖类别。

根据这两个条件，即可将兴趣类别分为不同的依赖类别组，并且不同的依赖类别组中没有相同的兴趣类别，即不同组中的兴趣类别时序无关。

参见图3，假设用户到终点前要求先到银行取款，再到饭店就餐和到商场购物(就餐和购物无先后顺序)，最后还需到公园散步而且途中需要上一趟厕所。则在用户指定的5个兴趣类别(银行、饭店、商场、公园、厕所)中，银行与饭店、商场和公园是时序相关的，厕所与银行、饭店、商场和公园是时序无关的。我们将这3个兴趣类别分为2个依赖类别组，G_td1包括银行与饭店、商场和公园，G_td2包括厕所。这里将时序约束的关系生成有向连通图，则每个联通分量所包含的兴趣类别属于同一依赖类别组，如图4所示。

S104、利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；

具体的，兴趣点(Points of Interest)就是一个特定的位置，可以为用户提供感兴趣的活动。比如：咖啡店，餐馆，旅馆等。每个兴趣点s＝(loc,type)包含两个属性，其中，s.loc表示一个兴趣点在路网中的地理位置；s.type表示这个兴趣点所属的兴趣类别，即TOI(Type of Interest)，比如，肯德基、麦当劳等都属于餐馆这个兴趣类别。

需要说明的是，每个G_td中的兴趣类别之间都有直接或间接的时序约束关系，我们要将这些时序约束关系结合空间分布信息为每个兴趣类别选出合理的兴趣点，并且为了减少无关兴趣类别的干扰，在本方案中计算每个兴趣类别的兴趣点的顺序是要按照预定条件确定的，例如：若依赖类别组为G_td，则需要依次从G_td中选择满足下列条件的兴趣类别t_i进行计算：

1、尚未为t_i选出兴趣点。

2、对于任意G_td中的任意元素t_j，若在时序约束条件Q_D中有时序约束关系t_j≤t_i，则t_j的兴趣点已被选出。

根据上述条件可以确定兴趣类别的计算顺序，从而确定每个兴趣类别的兴趣点，生成兴趣点集合。

S105、利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径。

需要说明的是，在本方案中用最近邻法(Nearest Neighbor Order，即选出与当前点最近的点的方法)连接选出的兴趣点与起点和终点，形成一条结果路径。

具体的，本方案在确定兴趣点时，根据历史计算结果和路网距离，及如下公式衡量一个兴趣点的代价C(s)，从而确定每个兴趣类别的兴趣点

C(s)＝Dev(s)+||s,Q_d||……………………………………………(2)

在上述公式中，

为兴趣类别t_i选出的兴趣点，Dev(s)为偏移代价，表示从起点经由能产生最大偏移代价的兴趣点t_i(t_i≤s.type)到兴趣点s的代价。

基于上述公式，S104中根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，包括：

S11、根据当前依赖类别组所对应的计算顺序，确定当前兴趣类别；

具体的，参见图5，假设用户到终点前要求先到银行取款(兴趣类别t₁)，再到饭店就餐(兴趣类别t₂)和到商场购物(兴趣类别t₃)(饭店与商场无先后顺序)，最后到公园散步(兴趣类别t₄)且途中需要经过一厕所(兴趣类别t₅)(厕所与银行、饭店、商场、公园无先后顺序)。即t₁≤t₂≤t₄且t₁≤t₃≤t₄。首先，我们用上述基于时序相关性的兴趣类别分组算法将这5个兴趣类别分为两个依赖类别组

和

S12、确定在预设搜索范围内与当前兴趣类别对应的待选兴趣点；

S13、计算每个待选兴趣点的代价信息，并将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点；

其中，所述S13包括：

根据所述计算顺序，确定待选兴趣点至每个初步依赖兴趣点的初步偏移代价，并将初步偏移代价最大的初步依赖兴趣点作为与待选兴趣点对应的依赖兴趣点，从而确定每个待选兴趣点的依赖兴趣点；

根据每个待选兴趣点与对应的依赖兴趣点之间的偏移代价，以及每个待选兴趣点至终点的距离，确定每个待选兴趣点的代价信息；

将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点。

S14、根据当前依赖类别组所对应的计算顺序，将下一个兴趣类别作为当前兴趣类别，并继续执行S12；若当前依赖类别组中不存在下一个兴趣类别，则将下一个未被选择兴趣点的依赖类别组作为当前依赖类别组，并继续执行S11，直至所有依赖类别组中的兴趣点均确定。

具体的，从图5可以看出，由于从起点开始只有1个银行，则待选兴趣点只有银行b，因此

则根据公式(3)可以计算出偏移代价

选出后开始选择

参见图5，具体的，本方案中

记为

的依赖兴趣点，由于

的依赖兴趣点只有一个，所以无需对依赖兴趣点进行选取。由于

有两个待选兴趣点，分别是r和r'，且由于t₁≤t₂，所以根据公式(3)计算出第一个待选兴趣点r的偏移代价：

相应的根据公式(2)计算出第一个待选兴趣点r的代价信息：

C(r)＝Dev(r)+||r,Q_d||＝600+||r,Q_d||＝600+350+500+300+100＝1850；

同理，根据公式(3)计算出第二个待选兴趣点r'的偏移代价：

相应的根据公式(2)计算出第二个待选兴趣点r'的代价信息：

C(r')＝Dev(r')+||r',Q_d||＝2100，由于C(r)＜C(r')，根据公式(1)可以选出

即

的兴趣点为r。相应的，

选出后开始选择

参见图5可以看出，由于附近的商场只有m，因此

同理根据公式(3)可以计算出

选出后开始选择

由于

的依赖兴趣点有两个，分别是

和

所以需对依赖兴趣点进行选取，所以这里

和

是本方案中的初步依赖兴趣点。并计算每个初步依赖点的初步偏移代价，在这里初步偏移代价定义为Distance(i,j)＝Dev(i)+||i,j||，参见图6，初步依赖兴趣点

的初步偏移代价为：

初步依赖兴趣点

的初步偏移代价为：

由于

所以选取

作为

的依赖兴趣点。

依赖兴趣点确定后，可以看出

有两个待选兴趣点，分别是g和g'，因此根据公式(3)可以计算出第一个待选兴趣点g的偏移代价：

第一个待选兴趣点g的代价信息：C(g)＝Dev(g)+||g,Q_d||＝1850，同理，计算出第二个待选兴趣点g'的偏移代价：

第二个待选兴趣点g'的代价信息：Dev(g')+||g',Q_d||＝2150，并且由于C(g)＜C(g')，因此

的兴趣点为g，即

由于第一个依赖类别组

已经全部确定出每个兴趣类别的兴趣点，所以继续计算

中

的兴趣点，由于附近只有一个厕所，所以

综上可见，由于每个兴趣类别的兴趣点均已确定，因此生成兴趣点集合：Set_p{b,r,m,g,t}。

具体的，所述利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径，包括：

S21、从所述兴趣点集合中确定与起点距离最近的当前兴趣点；

S22、在所述兴趣点集合中未被选为当前兴趣点的兴趣点中，选择与当前兴趣点距离最近的目标兴趣点；

S23、根据所述目标兴趣点重新确定当前兴趣点，并继续执行S22，直至所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点，则执行S24；

S24、根据所述兴趣点集合中选取当前兴趣点的顺序，确定最终的推荐路径。

具体的，得到兴趣点集合Set_p后，使用最近邻法生成最终路径：把起点作为当前点，用最短路径连接当前点与Set_p中离当前点最近的兴趣点，并把该兴趣点作为新的当前点从Set_p中去除。依此类推，直至Set_p为空。最后，我们用最短路径连接当前点与终点得到最终路径。

以上文得到的兴趣点集合Set_p{b,r,m,g,t}为例，我们用最短路径连接起点与Set_p中离起点最近的点b，并把b从Set_p中去除。接着，用最短路径连接b与Set_p中离b最近的点m，并把m从Set_p中去除。以此类推，用最短路径连接分别连接m和t，t和r，r和g以及g和终点，最后得到最终路径参见图7。

其中，所述S23包括：

S231、判断与当前兴趣点最近的目标兴趣点的数量是否为一个；若是，则执行S232；若否，则执行S233；

S232、将目标兴趣点作为当前兴趣点，并继续执行S22；

S233、分别将每个目标兴趣点作为当前兴趣点，并继续执行S22。

需要说明的是，若存在与当前兴趣点最近的目标兴趣点的数量为多个，则分别将每个距离相同的目标兴趣点作为当前兴趣点，并继续执行S22，相应的，最终会生成多条推荐路径，因此所述S24包括：

根据所述兴趣点集合中选取当前兴趣点的顺序，确定推荐路径；其中，若存在当前兴趣点的目标兴趣点的数量大于一个，则所生成的推荐路径的数量为大于一个；

分别计算每个推荐路径的总距离，并将总路径最短的推荐路径作为最终的推荐路径。

可见，当生成的推荐路径为多个时，可以分别计算每条路径的距离，将距离最短的推荐路径作为最终的推荐路径。

可见，本方案为支持面向时序约束用户意向的路径推荐，并且提供了一种以满足时序约束且尽量减少偏移为基本思想的启发式检索算法，该方法充分利用时序约束的特点，克服了以往方法得到的路径产生大量偏移和重复的问题，且无需预计算即可显著提升带时序约束用户意向的路径搜索的性能和精度，支持实时搜索，支持路网及兴趣点数据的实时更新。

下面对本发明实施例提供的路径推荐系统进行介绍，下文描述的路径推荐系统与上文描述的路径推荐方法可以相互参照。

参见图8，本发明实施例提供的一种基于时序约束活动意向的路径推荐系统，包括：

获取模块100，用于获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；

兴趣类别映射模块200，用于根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；

依赖类别组确定模块300，用于利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；

兴趣点集合确定模块400，用于利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；

推荐路径确定模块500，用于利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径。

基于上述技术方案，所述兴趣点集合确定模块400包括：

当前兴趣类别确定单元，用于根据当前依赖类别组所对应的计算顺序，确定当前兴趣类别；

待选兴趣点确定单元，用于确定在预设搜索范围内与当前兴趣类别对应的待选兴趣点；

兴趣点确定单元，用于计算每个待选兴趣点的代价信息，并将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点；

检测单元，用于检测到当前兴趣类别选出对应的兴趣点后，触发所述当前兴趣类别确定单元根据当前依赖类别组所对应的计算顺序，将下一个兴趣类别作为当前兴趣类别；若检测到当前依赖类别组中不存在下一个兴趣类别，则触发当前依赖类别组确定模块；

所述当前依赖类别组确定模块，用于将下一个未被选择兴趣点的依赖类别组作为当前依赖类别组，并继续触发当前兴趣类别确定单元，直至所有依赖类别组中的兴趣点均确定。

基于上述技术方案，所述兴趣点确定单元包括：

依赖兴趣点确定子单元，用于根据所述计算顺序，确定待选兴趣点至每个初步依赖兴趣点的初步偏移代价，并将初步偏移代价最大的初步依赖兴趣点作为与待选兴趣点对应的依赖兴趣点，从而确定每个待选兴趣点的依赖兴趣点；

代价信息确定子单元，用于根据每个待选兴趣点与对应的依赖兴趣点之间的偏移代价，以及每个待选兴趣点至终点的距离，确定每个待选兴趣点的代价信息；

兴趣点选取子单元，用于将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点。

基于上述技术方案，所述推荐路径确定模块500包括：

当前兴趣点确定单元，用于从所述兴趣点集合中确定与起点距离最近的当前兴趣点；

目标兴趣点确定单元，用于在所述兴趣点集合中未被选为当前兴趣点的兴趣点中，选择与当前兴趣点距离最近的目标兴趣点；

当前兴趣点重新确定单元，用于根据所述目标兴趣点重新确定当前兴趣点，并触发所述目标兴趣点确定单元，直至所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点，则触发最终路径信息确定单元；

最终路径信息确定单元，用于当所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点时，根据所述兴趣点集合中选取当前兴趣点的顺序，确定最终的推荐路径。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于时序约束活动意向的路径推荐方法，其特征在于，包括：

获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；

根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；

利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；

利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；

利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径；

其中，所述根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，包括：

S11、根据当前依赖类别组所对应的计算顺序，确定当前兴趣类别；

S12、确定在预设搜索范围内与当前兴趣类别对应的待选兴趣点；

S13、计算每个待选兴趣点的代价信息，并将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点；

S14、根据当前依赖类别组所对应的计算顺序，将下一个兴趣类别作为当前兴趣类别，并继续执行S12；若当前依赖类别组中不存在下一个兴趣类别，则将下一个未被选择兴趣点的依赖类别组作为当前依赖类别组，并继续执行S11，直至所有依赖类别组中的兴趣点均确定。

2.根据权利要求1所述的路径推荐方法，其特征在于，所述S13包括：

根据所述计算顺序，确定待选兴趣点至每个初步依赖兴趣点的初步偏移代价，并将初步偏移代价最大的初步依赖兴趣点作为与待选兴趣点对应的依赖兴趣点，从而确定每个待选兴趣点的依赖兴趣点；

根据每个待选兴趣点与对应的依赖兴趣点之间的偏移代价，以及每个待选兴趣点至终点的距离，确定每个待选兴趣点的代价信息；

将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点。

3.根据权利要求1或2所述的路径推荐方法，其特征在于，所述利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径，包括：

S21、从所述兴趣点集合中确定与起点距离最近的当前兴趣点；

S22、在所述兴趣点集合中未被选为当前兴趣点的兴趣点中，选择与当前兴趣点距离最近的目标兴趣点；

S23、根据所述目标兴趣点重新确定当前兴趣点，并继续执行S22，直至所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点，则执行S24；

S24、根据所述兴趣点集合中选取当前兴趣点的顺序，确定最终的推荐路径。

4.根据权利要求3所述的路径推荐方法，其特征在于，所述S23包括：

S231、判断与当前兴趣点最近的目标兴趣点的数量是否为一个；若是，则执行S232；若否，则执行S233；

S232、将目标兴趣点作为当前兴趣点，并继续执行S22；

S233、分别将每个目标兴趣点作为当前兴趣点，并继续执行S22。

5.根据权利要求4所述的路径推荐方法，其特征在于，所述S24包括：

根据所述兴趣点集合中选取当前兴趣点的顺序，确定推荐路径；其中，若存在当前兴趣点的目标兴趣点的数量大于一个，则所生成的推荐路径的数量为大于一个；

分别计算每个推荐路径的总距离，并将总路径最短的推荐路径作为最终的推荐路径。

6.一种基于时序约束活动意向的路径推荐系统，其特征在于，包括：

获取模块，用于获取活动意向基本信息，所述活动意向基本信息中包括起点、终点、活动意向以及所述活动意向的时序约束条件；

兴趣类别映射模块，用于根据预设的兴趣类别映射表，将所述活动意向映射为对应的兴趣类别；

依赖类别组确定模块，用于利用所述时序约束条件将所述兴趣类别分为依赖类别组，每个依赖类别组内的兴趣类别之间存在时序约束关系，且每个依赖类别组之间的兴趣类别不存在时序约束关系；

兴趣点集合确定模块，用于利用所述时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据与每个依赖类别组对应的计算顺序确定每个依赖类别组中每个兴趣类别的兴趣点，确定兴趣点集合；所述兴趣点集合包括所有依赖类别组内的兴趣点；

推荐路径确定模块，用于利用最近邻法及所述兴趣点集合，确定所述兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径；

其中，所述兴趣点集合确定模块包括：

当前兴趣类别确定单元，用于根据当前依赖类别组所对应的计算顺序，确定当前兴趣类别；

待选兴趣点确定单元，用于确定在预设搜索范围内与当前兴趣类别对应的待选兴趣点；

兴趣点确定单元，用于计算每个待选兴趣点的代价信息，并将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点；

检测单元，用于检测到当前兴趣类别选出对应的兴趣点后，触发所述当前兴趣类别确定单元根据当前依赖类别组所对应的计算顺序，将下一个兴趣类别作为当前兴趣类别；若检测到当前依赖类别组中不存在下一个兴趣类别，则触发当前依赖类别组确定模块；

所述当前依赖类别组确定模块，用于将下一个未被选择兴趣点的依赖类别组作为当前依赖类别组，并继续触发当前兴趣类别确定单元，直至所有依赖类别组中的兴趣点均确定。

7.根据权利要求6所述的路径推荐系统，其特征在于，所述兴趣点确定单元包括：

依赖兴趣点确定子单元，用于根据所述计算顺序，确定待选兴趣点至每个初步依赖兴趣点的初步偏移代价，并将初步偏移代价最大的初步依赖兴趣点作为与待选兴趣点对应的依赖兴趣点，从而确定每个待选兴趣点的依赖兴趣点；

代价信息确定子单元，用于根据每个待选兴趣点与对应的依赖兴趣点之间的偏移代价，以及每个待选兴趣点至终点的距离，确定每个待选兴趣点的代价信息；

兴趣点选取子单元，用于将代价信息最小的待选兴趣点作为当前兴趣类别对应的兴趣点。

8.根据权利要求6或7所述的路径推荐系统，其特征在于，所述推荐路径确定模块包括：

当前兴趣点确定单元，用于从所述兴趣点集合中确定与起点距离最近的当前兴趣点；

目标兴趣点确定单元，用于在所述兴趣点集合中未被选为当前兴趣点的兴趣点中，选择与当前兴趣点距离最近的目标兴趣点；

当前兴趣点重新确定单元，用于根据所述目标兴趣点重新确定当前兴趣点，并触发所述目标兴趣点确定单元，直至所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点，则触发最终路径信息确定单元；

最终路径信息确定单元，用于当所述兴趣点集合中不存在未被选为当前兴趣点的兴趣点时，根据所述兴趣点集合中选取当前兴趣点的顺序，确定最终的推荐路径。

Images