CN107270923A - 一种路线推送的方法、终端及存储介质 - Google Patents
一种路线推送的方法、终端及存储介质 Download PDFInfo
- Publication number
- CN107270923A CN107270923A CN201710466545.5A CN201710466545A CN107270923A CN 107270923 A CN107270923 A CN 107270923A CN 201710466545 A CN201710466545 A CN 201710466545A CN 107270923 A CN107270923 A CN 107270923A
- Authority
- CN
- China
- Prior art keywords
- history
- time
- destination
- origin
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Abstract
本申请涉及终端领域,公开了一种路线推送的方法、终端及存储介质。所述方法包括:当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;判断所述目标路径中是否存在拥堵;当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。通过上述技术方案,能够根据用户习惯模型和路线当前的拥堵情况进行路径推送,从而推送的路径能够更大程度的满足用户的需求。
Description
技术领域
本发明涉及终端领域,尤其涉及一种路线推送的方法、终端及存储介质。
背景技术
目前,随着科学技术的发展,也带动人类的物质生活极大丰富,车辆也变得越来越普及,人们出行也变得越来越方便。
但是,随着城市的建设发展,道路变得越来越复杂,人们驾车出行时,往往需要导航进行路径选择。目前,导航只能根据用户输入的初始地点和目的地进行路径推荐。但是目前这种机械的路径推荐,并不能完全的满足用户的需要。
发明内容
本发明实施例公开了一种路线推送的方法、终端及存储介质,能够根据用户习惯模型和路线当前的拥堵情况进行路径推送,从而推送的路径能够更大程度的满足用户的需求。
本发明实施例第一方面公开一种路线推送的方法,所述方法包括:
当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断所述目标路径中是否存在拥堵;
当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。。
本发明第二方面公开了一种终端,所述终端包括:
获取单元,用于当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
匹配单元,用于将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断单元,用于判断所述目标路径中是否存在拥堵;
推荐单元,用于当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
本发明第三方面公开了一种终端,所述终端包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面中任一项所述的方法。
本发明第四方面公开了一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得终端执行如本发明第一方面任一项所述的方法。
本发明第五方面公开了一种移动终端,所述移动终端包括通用处理器,所述通用处理器用于:
当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断所述目标路径中是否存在拥堵;
当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;判断所述目标路径中是否存在拥堵;当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。通过上述技术方案,能够根据用户习惯模型和路线当前的拥堵情况进行路径推送,从而推送的路径能够更大程度的满足用户的需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例公开的一种路线推送的方法的流程示意图;
图2是本发明实施例公开的另一种路线推送的方法的流程示意图;
图3是本发明实施例公开的另一种路线推送的方法的流程示意图;
图4是本发明实施例公开的一种用户终端的结构示意图;
图5是本发明实施例公开的另一种用户终端的结构示意图;
图6是本发明实施例公开的另一种用户终端的结构示意图;
图7是本发明实施例公开的一种用户终端的物理结构示意图;
图8是本发明实施例公开的另一种用户终端的物理结构示意图。
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做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。
本发明实施例公开了一种路线推送的方法、终端及存储介质,能够根据用户习惯模型和路线当前的拥堵情况进行路径推送,从而推送的路径能够更大程度的满足用户的需求。
以下分别进行详细说明。
请参阅图1,图1是本发明实施例公开的一种路线推送的方法的流程示意图。该界面推送的方法可以包括以下步骤。
S101、当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
需要指出的是,本实施例的执行主体为终端。
在本发明实施例中,终端可以包括移动手机、平板电脑、个人数字助理(PersonalDigital Assistant,PDA)、移动互联网设备(Mobile Internet Device,MID)等各类终端,本发明实施例不作限定。
其中,可以理解的是,用户可以通过语音或者文本输入的方式输入始发地和目的地。
其中,可以理解的是,检测到导航功能开启具体包括:终端可以通过获取所述终端中安装的导航类软件的名称,当与该名称对应的所述导航类软件的进程被建立时,确定导航功能开启。
S102、将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
其中,需要指出的是,驾驶习惯模型中包括时间段,与时间段对应的行驶路线以及与行驶路线对应的始发地和目的地。
举例来说,比如7:00-7:15,始发地A,目的地B,行驶路线为X路段、转S路段、转P路段。
其中,可选的,所述将所述始发地和所述目的地与驾驶习惯模型进行匹配以确定目标路径之前,所述方法还包括:获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
可以理解的是,常见的预设机器学习算法包括分类算法、贝叶斯算法、监督型学习算法、半监督型学习算法等等,本申请在此不做限制。
另外需要指出的是,历史驾驶数据可以是本终端用户的历史驾驶数据,驾驶数据越多越好。比如三个月、五个月、十个月等等。
其中,历史驾驶数据都以列表的形式呈现,历史驾驶数据可以存储在数据库或者云数据中心。
其中,需要指出的是,最终的驾驶习惯模型的呈现方式为:时间段以及与该时间段对应的驾驶路线。
具体的,所述将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径,包括:搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;将所述目标记录项中记录的路径确定为目标路径。
比如起始时间为7:03,驾驶习惯模型中有一条7:00-7:15的记录项,那么此次驾驶路线可以与该记录项匹配,那么该记录项对应的驾驶路线可以确定为目标路径。
S103、判断所述目标路径中是否存在拥堵;
其中,需要指出的是,终端可以向服务器发送查询拥堵的请求;服务器接到查询拥堵的请求时,会向该目标路径上的车辆发送拥堵询问信息;服务器接收目标路径的车辆反馈的信息,根据反馈的信息确定所述目标路径是否存在拥堵,并向所述终端发送拥堵查询的反馈信息。
当然,服务器可以将目标路径上车辆反馈的信息直接转发给所述终端,由所述终端来判断所述目标路径中是否存在拥堵。
可选的,终端可以向服务器发送查询拥堵的请求;服务器接到查询拥堵的请求时,会获取所述目标路径的多张照片;根据获取的照片确定所述目标路径上车辆的行驶速度;根据确定的形式速度确定所述目标路径中是否存在拥堵,并向所述终端反馈所述拥堵信息。
S104、当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
可选的,所述向所述用户推荐所述目标路径之后,所述方法还包括:解析所述目标路径以确定所述目标路径包含的道路名称;根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;根据所述目标路径的实时交通状态调整所述目标路径。
可以理解的是,终端根据目标路径中包含的道路名称遍历交通台的数据库以确定所述道路的交通情况。
可选的,所述方法还包括:当检测到此次导航结束时,确定结束时间以及此次行驶的路径;根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
可以理解的是,此次导航结束时,将此次导航中收集的信息输入到所述驾驶习惯模型中以对所述驾驶习惯模型进行更新。
从上可知,通过实施本发明实施例提供的技术方案,当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;判断所述目标路径中是否存在拥堵;当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。通过上述技术方案,能够根据用户习惯模型和路线当前的拥堵情况进行路径推送,从而推送的路径能够更大程度的满足用户的需求。
请参阅图2,图2是本发明实施例公开的一种路线推送的方法的流程示意图。如图2所示,该路线推送的方法可以包括以下步骤。
S201、当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
需要指出的是,本实施例的执行主体为终端。
在本发明实施例中,终端可以包括移动手机、平板电脑、个人数字助理(PersonalDigital Assistant,PDA)、移动互联网设备(Mobile Internet Device,MID)等各类终端,本发明实施例不作限定。
其中,可以理解的是,用户可以通过语音或者文本输入的方式输入始发地和目的地。
其中,可以理解的是,检测到导航功能开启具体包括:终端可以通过获取所述终端中安装的导航类软件的名称,当与该名称对应的所述导航类软件的进程被建立时,确定导航功能开启。
S202、获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
S203、利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型;
S204、将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
其中,所述将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径,包括:搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;将所述目标记录项中记录的路径确定为目标路径。
S205、判断所述目标路径中是否存在拥堵;
S206、当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
S207、当检测到此次导航结束时,确定结束时间以及此次行驶的路径;
S208、根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
在图2所描述的方法中,利用此次行驶的信息对所述驾驶习惯模型进行重新训练以提高所述驾驶信管模型的智能性。
请参阅图3,图3是本发明实施例公开的一种路线推送的方法的流程示意图。如图3所示,该路线推送的方法可以包括以下步骤。
S301、当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
S302、获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
S303、利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
S304、搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;
S305、遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;
S306、将所述目标记录项中记录的路径确定为目标路径。
S307、判断所述目标路径中是否存在拥堵;
S308、当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
S309、解析所述目标路径以确定所述目标路径包含的道路名称;
S310、根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;
S311、根据所述目标路径的实时交通状态调整所述目标路径。
可选的,所述方法还包括:当检测到此次导航结束时,确定结束时间以及此次行驶的路径;根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
在图3所描述的方法中,根据目标路径中的道路名称和实施交通信息确定所述道路是否拥堵,根据拥堵情况实时调整推荐的形式路径,从而方便用户的驾驶。
请参阅图4,图4是本发明实施例公开的一种终端的结构示意图。在图4所描述的终端中,可以包括:
获取单元401,用于当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
匹配单元402,用于将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断单元403,用于判断所述目标路径中是否存在拥堵;
推荐单元404,用于当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
需要指出的是,图4所示的结构可用于执行S101-S104所述的方法。
请一并参阅图5,图5是本发明实施例公开的另一种终端的结构示意图。图5所示的终端还可以包括:
获取单元501,用于当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
获取单元501,还用于获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
训练单元502,用于利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
匹配单元503,用于将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
其中,匹配单元503包括搜索子单元、遍历子单元以及确定子单元;
所述搜索子单元,用于搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;所述遍历子单元,用于遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;所述确定子单元,用于将所述目标记录项中记录的路径确定为目标路径。
判断单元504,用于判断所述目标路径中是否存在拥堵;
推荐单元505,用于当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径;
确定单元506,用于当检测到此次导航结束时,确定结束时间以及此次行驶的路径;
更新单元507,用于根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
可以理解的是,图5所述的终端可用于执行S201-S208所示的方法。
请一并参阅图6,图6是本发明实施例公开的另一种用户终端的结构示意图。图6所示的终端包括:
获取单元601,用于当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
获取单元601,还用于获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
训练单元602,用于利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
匹配单元603,用于将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
其中,匹配单元603包括搜索子单元、遍历子单元以及确定子单元;
所述搜索子单元,用于搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;所述遍历子单元,用于遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;所述确定子单元,用于将所述目标记录项中记录的路径确定为目标路径。
判断单元604,用于判断所述目标路径中是否存在拥堵;
推荐单元605,用于当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
解析单元606,用于解析所述目标路径以确定所述目标路径包含的道路名称;
遍历单元607,用于根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;
调整单元608,用于根据所述目标路径的实时交通状态调整所述目标路径。
可以理解的是,图6所述的终端能够执行S301-S311所述的方法。
请参阅图7,图7为本发明实施例公开的又一种终端的结构示意图,如图7所示,该终端可以包括:至少一个处理器710,例如CPU,存储器720,至少一个通信总线730,输入装置740,输出装置750。其中,通信总线730用于实现这些组件之间的通信连接。存储器720可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器720可选的还可以是至少一个位于远离前述处理器710的存储装置。其中,处理器710可以结合图4至图6所描述的终端,存储器720中存储一组程序代码,且处理器710调用存储器720中存储的程序代码,用于执行以下操作:
当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断所述目标路径中是否存在拥堵;
当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
可选的,所述将所述始发地和所述目的地与驾驶习惯模型进行匹配以确定目标路径之前,所述操作还包括:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
可选的,所述将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径,包括:
搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;
遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;
将所述目标记录项中记录的路径确定为目标路径。
可选的,所述向所述用户推荐所述目标路径之后,所述操作还包括:
解析所述目标路径以确定所述目标路径包含的道路名称;
根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;
根据所述目标路径的实时交通状态调整所述目标路径。
可选的,所述操作还包括:
当检测到此次导航结束时,确定结束时间以及此次行驶的路径;
根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
本发明实施例中,当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;判断所述目标路径中是否存在拥堵;当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。通过上述技术方案,能够根据用户习惯模型和路线当前的拥堵情况进行路径推送,从而推送的路径能够更大程度的满足用户的需求。
请参阅图8,图8为本发明实施例公开的又一种移动终端的结构示意图,如图8所示,该移动终端可以包括:基带处理大规模集成电路810(基带处理LSI),通用处理器820,语音处理集成电路830(语音处理IC),触摸控制器840,陀螺仪传感器850,通信总线860,存储器870。其中,通信总线860用于实现这些组件之间的通信连接。存储器870可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。其中,通用处理器820可以结合图3至图6所描述的终端,存储器870中存储一组程序代码,且通用处理器820调用存储器870中存储的程序代码,用于执行以下操作:
当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断所述目标路径中是否存在拥堵;
当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
可选的,所述将所述始发地和所述目的地与驾驶习惯模型进行匹配以确定目标路径之前,所述操作还包括:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
可选的,所述将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径,包括:
搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;
遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;
将所述目标记录项中记录的路径确定为目标路径。
可选的,所述向所述用户推荐所述目标路径之后,所述操作还包括:
解析所述目标路径以确定所述目标路径包含的道路名称;
根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;
根据所述目标路径的实时交通状态调整所述目标路径。
可选的,所述操作还包括:
当检测到此次导航结束时,确定结束时间以及此次行驶的路径;
根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
其中,可选的,所述通用处理器包括应用处理器和人工智能AI模块,所述AI模块集成于所述应用处理器设置,所述AI模块用于:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
另外,可选的,所述通用处理器包括应用处理器和人工智能AI模块,所述AI模块独立于所述处理器设置,所述AI模块用于:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
进一步,需要指出的是,AI模块的具体形式可以是硬件和/或软件,AI模块包括硬件形态时,处理器和AI模块可以是集成设置,也可以是分离设置,此处不做限定。
在AI模块集成与所述应用处理器集成设置时,若应用处理器为单核处理器,则AI模块可以是应用处理器中的智能微处理电路,若应用处理器为多核处理器,则AI模块可以是多核处理器中的单个智能微处理器内核或者某一个微处理器内核中的智能微处理电路。
在AI模块集成与所述应用处理器分离设置时,AI模块可以是应用处理器平台架构中除所述应用处理器之外的任意一个协处理器(如基带处理器等),或者,可以是应用处理器平台架构中除所述应用处理器之外的一个新设置的智能微处理器,或者,可以是新设置的独立于所述应用处理器平台的智能处理平台,且该智能处理平台至少包括一个专用智能处理器,该智能处理平台与应用处理器平台通信连接,可选的,智能处理平台还可以与存储器、外设等直连通信连接。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种基于图像的解锁屏方法及用户终端进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种路线推送的方法,其特征在于,所述方法包括:
当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断所述目标路径中是否存在拥堵;
当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
2.根据权利要求1所述的方法,其特征在于,所述将所述始发地和所述目的地与驾驶习惯模型进行匹配以确定目标路径之前,所述方法还包括:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
3.根据权利要求2所述的方法,其特征在于,所述将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径,包括:
搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;
遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;
将所述目标记录项中记录的路径确定为目标路径。
4.根据权利要求3所述的方法,其特征在于,所述向所述用户推荐所述目标路径之后,所述方法还包括:
解析所述目标路径以确定所述目标路径包含的道路名称;
根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;
根据所述目标路径的实时交通状态调整所述目标路径。
5.根据权利要求1至4任一所述的方法,其特征在于,所述方法还包括:
当检测到此次导航结束时,确定结束时间以及此次行驶的路径;
根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
6.一种终端,其特征在于,所述终端包括:
获取单元,用于当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
匹配单元,用于将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断单元,用于判断所述目标路径中是否存在拥堵;
推荐单元,用于当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
7.根据权利要求6所述的终端,其特征在于,所述终端还包括训练单元;
所述获取单元,还用于获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
所述训练单元,用于利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
8.根据权利要求7所述的终端,其特征在于,所述匹配单元包括搜索子单元、遍历子单元以及确定子单元;
所述搜索子单元,用于搜索所述驾驶习惯模型以确定包含所述始发地和目的地的潜在记录项;
所述遍历子单元,用于遍历所述目标记录项以确定与所述起始时间的时间差在预设范围内的目标记录项;
所述确定子单元,用于将所述目标记录项中记录的路径确定为目标路径。
9.根据权利要求8所述的终端,其特征在于,所述终端还包括解析单元、遍历单元以及调整单元;
解析单元,用于解析所述目标路径以确定所述目标路径包含的道路名称;
遍历单元,用于根据所述道路名称遍历交通信息以确定所述目标路径的实时交通状态;
调整单元,用于根据所述目标路径的实时交通状态调整所述目标路径。
10.根据权利要求6至9任一所述的终端,其特征在于,所述终端还包括确定单元和更新单元;
所述确定单元,用于当检测到此次导航结束时,确定结束时间以及此次行驶的路径;
所述更新单元,用于根据所述起始时间、结束时间以及此次行驶的路径更新所述驾驶习惯模型。
11.一种终端,其特征在于,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1至权利要求5任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得终端执行如权利要求1至权利要求5任一项所述的方法。
13.一种移动终端,其特征在于,所述移动终端包括通用处理器,所述通用处理器用于:
当检测到导航功能开启时,获取当前时间点、用户输入的始发地和目的地;
将所述当前时间点、始发地和目的地与驾驶习惯模型进行匹配以确定目标路径;
判断所述目标路径中是否存在拥堵;
当所述目标路径中不存在拥堵时,向所述用户推荐所述目标路径。
14.根据权利要求13所述的移动终端,其特征在于,所述通用处理器还用于:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
15.根据权利要求14所述的移动终端,其特征在于,所述通用处理器包括应用处理器和人工智能AI模块,所述AI模块集成于所述应用处理器设置,所述AI模块用于:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
16.根据权利要求14所述的移动终端,其特征在于,所述通用处理器包括应用处理器和人工智能AI模块,所述AI模块独立于所述应用处理器设置,所述AI模块用于:
获取所述用户的历史驾驶数据,所述历史驾驶数据中包括历史起始时间、历史始发地、历史目的地以及历史到达时间;
利用预设机器学习算法对所述历史起始时间、历史始发地、历史目的地以及历史到达时间进行训练以获取所述驾驶习惯模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710466545.5A CN107270923A (zh) | 2017-06-16 | 2017-06-16 | 一种路线推送的方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710466545.5A CN107270923A (zh) | 2017-06-16 | 2017-06-16 | 一种路线推送的方法、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107270923A true CN107270923A (zh) | 2017-10-20 |
Family
ID=60067993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710466545.5A Pending CN107270923A (zh) | 2017-06-16 | 2017-06-16 | 一种路线推送的方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107270923A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053673A (zh) * | 2017-12-08 | 2018-05-18 | 上海壹账通金融科技有限公司 | 一种路况预报方法、存储介质和服务器 |
CN108253986A (zh) * | 2017-12-29 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 导航方法、装置、设备及计算机可读存储介质 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN108645422A (zh) * | 2018-06-20 | 2018-10-12 | 郑州云海信息技术有限公司 | 一种车辆用户行为特征的分析方法、系统及装置 |
CN109109863A (zh) * | 2018-07-28 | 2019-01-01 | 华为技术有限公司 | 智能设备及其控制方法、装置 |
CN109374009A (zh) * | 2018-09-12 | 2019-02-22 | 奇酷互联网络科技(深圳)有限公司 | 智能终端及其获取行驶路线的方法、具有存储功能的装置 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN109743382A (zh) * | 2018-12-28 | 2019-05-10 | 北汽福田汽车股份有限公司 | 车辆的云服务系统及其交互方法 |
CN109959384A (zh) * | 2017-12-25 | 2019-07-02 | 阿里巴巴集团控股有限公司 | 路线的确定方法、计算机终端、存储介质和处理器 |
CN110260873A (zh) * | 2019-06-12 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种基于用户习惯的路线推荐方法和系统 |
CN110378525A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
WO2021032184A1 (zh) * | 2019-08-22 | 2021-02-25 | 北京嘀嘀无限科技发展有限公司 | 一种用户驾驶习惯确定及服务信息推送方法和系统 |
CN112729325A (zh) * | 2020-12-01 | 2021-04-30 | 重庆锐明信息技术有限公司 | 线路规划方法、装置、系统、服务器及存储介质 |
CN114257681A (zh) * | 2020-09-25 | 2022-03-29 | 深圳市万普拉斯科技有限公司 | 一种控制终端开启驾驶模式的方法、终端及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102840867A (zh) * | 2011-06-21 | 2012-12-26 | 歌乐株式会社 | 基于常用路线的路线搜索系统及方法 |
CN103443584A (zh) * | 2011-03-25 | 2013-12-11 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
CN103512577A (zh) * | 2012-06-26 | 2014-01-15 | 株式会社电装 | 地图更新系统 |
CN104781634A (zh) * | 2012-08-21 | 2015-07-15 | 谷歌公司 | 基于用户的导航偏好和行进历史计算行进路线 |
CN105277189A (zh) * | 2014-06-30 | 2016-01-27 | 高德软件有限公司 | 一种路线推送方法及装置 |
CN105628048A (zh) * | 2016-03-02 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 一种地图信息处理方法及终端 |
CN105981418A (zh) * | 2014-02-14 | 2016-09-28 | 苹果公司 | 个人地理围栏 |
CN106225793A (zh) * | 2016-06-30 | 2016-12-14 | 佛山市天地行科技有限公司 | 基于经验的导航算法 |
CN106225794A (zh) * | 2016-06-30 | 2016-12-14 | 百度在线网络技术(北京)有限公司 | 一种导航路线的规划方法及装置 |
CN106323321A (zh) * | 2016-10-21 | 2017-01-11 | 思建科技有限公司 | 一种车辆导航实时修正方法及系统 |
CN106323322A (zh) * | 2016-10-31 | 2017-01-11 | 四川长虹电器股份有限公司 | 车辆导航路线智能优化方法 |
CN106600957A (zh) * | 2016-11-15 | 2017-04-26 | 武汉璞华大数据技术有限公司 | 一种基于图像识别的智能交通管理方法 |
CN106643772A (zh) * | 2016-12-30 | 2017-05-10 | 奇酷互联网络科技(深圳)有限公司 | 导航路径规划方法、装置以及导航终端 |
CN106643775A (zh) * | 2017-02-23 | 2017-05-10 | 高域(北京)智能科技研究院有限公司 | 基于大数据机器学习的导航方法及其导航系统 |
CN106705983A (zh) * | 2017-03-03 | 2017-05-24 | 观致汽车有限公司 | 基于用户习惯的导航系统、导航方法及车辆 |
CN106705979A (zh) * | 2016-12-30 | 2017-05-24 | 上海蔚来汽车有限公司 | 路径智能监测导航方法和系统 |
CN106767867A (zh) * | 2016-12-08 | 2017-05-31 | 努比亚技术有限公司 | 车辆导航装置和方法 |
-
2017
- 2017-06-16 CN CN201710466545.5A patent/CN107270923A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103443584A (zh) * | 2011-03-25 | 2013-12-11 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
CN102840867A (zh) * | 2011-06-21 | 2012-12-26 | 歌乐株式会社 | 基于常用路线的路线搜索系统及方法 |
CN103512577A (zh) * | 2012-06-26 | 2014-01-15 | 株式会社电装 | 地图更新系统 |
CN104781634A (zh) * | 2012-08-21 | 2015-07-15 | 谷歌公司 | 基于用户的导航偏好和行进历史计算行进路线 |
CN105981418A (zh) * | 2014-02-14 | 2016-09-28 | 苹果公司 | 个人地理围栏 |
CN105277189A (zh) * | 2014-06-30 | 2016-01-27 | 高德软件有限公司 | 一种路线推送方法及装置 |
CN105628048A (zh) * | 2016-03-02 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 一种地图信息处理方法及终端 |
CN106225794A (zh) * | 2016-06-30 | 2016-12-14 | 百度在线网络技术(北京)有限公司 | 一种导航路线的规划方法及装置 |
CN106225793A (zh) * | 2016-06-30 | 2016-12-14 | 佛山市天地行科技有限公司 | 基于经验的导航算法 |
CN106323321A (zh) * | 2016-10-21 | 2017-01-11 | 思建科技有限公司 | 一种车辆导航实时修正方法及系统 |
CN106323322A (zh) * | 2016-10-31 | 2017-01-11 | 四川长虹电器股份有限公司 | 车辆导航路线智能优化方法 |
CN106600957A (zh) * | 2016-11-15 | 2017-04-26 | 武汉璞华大数据技术有限公司 | 一种基于图像识别的智能交通管理方法 |
CN106767867A (zh) * | 2016-12-08 | 2017-05-31 | 努比亚技术有限公司 | 车辆导航装置和方法 |
CN106643772A (zh) * | 2016-12-30 | 2017-05-10 | 奇酷互联网络科技(深圳)有限公司 | 导航路径规划方法、装置以及导航终端 |
CN106705979A (zh) * | 2016-12-30 | 2017-05-24 | 上海蔚来汽车有限公司 | 路径智能监测导航方法和系统 |
CN106643775A (zh) * | 2017-02-23 | 2017-05-10 | 高域(北京)智能科技研究院有限公司 | 基于大数据机器学习的导航方法及其导航系统 |
CN106705983A (zh) * | 2017-03-03 | 2017-05-24 | 观致汽车有限公司 | 基于用户习惯的导航系统、导航方法及车辆 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108303108B (zh) * | 2017-12-05 | 2020-05-22 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN108053673A (zh) * | 2017-12-08 | 2018-05-18 | 上海壹账通金融科技有限公司 | 一种路况预报方法、存储介质和服务器 |
CN109959384A (zh) * | 2017-12-25 | 2019-07-02 | 阿里巴巴集团控股有限公司 | 路线的确定方法、计算机终端、存储介质和处理器 |
CN108253986A (zh) * | 2017-12-29 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 导航方法、装置、设备及计算机可读存储介质 |
CN108645422A (zh) * | 2018-06-20 | 2018-10-12 | 郑州云海信息技术有限公司 | 一种车辆用户行为特征的分析方法、系统及装置 |
CN109109863A (zh) * | 2018-07-28 | 2019-01-01 | 华为技术有限公司 | 智能设备及其控制方法、装置 |
CN109374009A (zh) * | 2018-09-12 | 2019-02-22 | 奇酷互联网络科技(深圳)有限公司 | 智能终端及其获取行驶路线的方法、具有存储功能的装置 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN109459050B (zh) * | 2018-12-17 | 2020-03-03 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN109743382B (zh) * | 2018-12-28 | 2021-04-20 | 北汽福田汽车股份有限公司 | 车辆的云服务系统及其交互方法 |
CN109743382A (zh) * | 2018-12-28 | 2019-05-10 | 北汽福田汽车股份有限公司 | 车辆的云服务系统及其交互方法 |
CN110260873A (zh) * | 2019-06-12 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种基于用户习惯的路线推荐方法和系统 |
CN110378525A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
CN110378525B (zh) * | 2019-07-15 | 2023-09-12 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
WO2021032184A1 (zh) * | 2019-08-22 | 2021-02-25 | 北京嘀嘀无限科技发展有限公司 | 一种用户驾驶习惯确定及服务信息推送方法和系统 |
CN114257681A (zh) * | 2020-09-25 | 2022-03-29 | 深圳市万普拉斯科技有限公司 | 一种控制终端开启驾驶模式的方法、终端及存储介质 |
CN112729325A (zh) * | 2020-12-01 | 2021-04-30 | 重庆锐明信息技术有限公司 | 线路规划方法、装置、系统、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107270923A (zh) | 一种路线推送的方法、终端及存储介质 | |
US7251561B2 (en) | Selective download of corridor map data | |
JP5892004B2 (ja) | 経路探索システム、経路探索装置、経路探索方法及びコンピュータプログラム | |
JP5686087B2 (ja) | 投稿文提供システム、投稿文提供装置、投稿文提供方法及びコンピュータプログラム | |
JP7042240B2 (ja) | ナビゲーション方法、ナビゲーション装置、機器及び媒体 | |
US20220179857A1 (en) | Method, apparatus, and system for providing a context-aware location representation | |
US11714832B2 (en) | Method, apparatus, and system for combining location data sources | |
EP2549232A2 (en) | Travel guidance system, travel guidance method, and computer program product | |
JP2014228526A (ja) | 情報告知装置、情報告知システム、情報告知方法、及び、情報告知装置用プログラム | |
US10989549B2 (en) | Route recommendation in map service | |
CN109564103A (zh) | 用于产生自适应路线引导信息的方法及系统 | |
JP6224344B2 (ja) | 情報処理装置、情報処理方法並びに情報処理システム及び情報処理プログラム | |
JP5673445B2 (ja) | 投稿文提供システム、投稿文提供装置、投稿文提供方法及びコンピュータプログラム | |
US10209088B2 (en) | Method and apparatus for route calculation considering potential mistakes | |
JP5786567B2 (ja) | 統計情報提供システム、統計情報提供装置、統計情報提供方法及びコンピュータプログラム | |
JP2007241122A (ja) | 音声認識装置、音声認識方法、音声認識プログラム、および記録媒体 | |
JP2007033209A (ja) | ナビゲーション装置 | |
CN111951583A (zh) | 提示方法和电子设备 | |
CN113706857A (zh) | 道路通行性的确定方法、装置、设备及存储介质 | |
JP2013050917A (ja) | 投稿文提供システム、投稿文提供装置、投稿文提供方法及びコンピュータプログラム | |
JP2018031947A (ja) | 地図作成装置 | |
JP2010026803A (ja) | 渋滞予測装置、経路探索装置、渋滞予測方法、経路探索方法、渋滞予測プログラム、経路探索プログラムおよびコンピュータに読み取り可能な記録媒体 | |
US20240102816A1 (en) | Customizing Instructions During a Navigations Session | |
JP6174951B2 (ja) | 端末装置、情報処理方法、およびプログラム | |
US20230123323A1 (en) | Familiarity Based Route Generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171020 |