CN109425351B - 出行处理方法及装置 - Google Patents

出行处理方法及装置 Download PDF

Info

Publication number
CN109425351B
CN109425351B CN201710736286.3A CN201710736286A CN109425351B CN 109425351 B CN109425351 B CN 109425351B CN 201710736286 A CN201710736286 A CN 201710736286A CN 109425351 B CN109425351 B CN 109425351B
Authority
CN
China
Prior art keywords
historical
information
destination
travel
user
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.)
Active
Application number
CN201710736286.3A
Other languages
English (en)
Other versions
CN109425351A (zh
Inventor
张凌宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201710736286.3A priority Critical patent/CN109425351B/zh
Priority to PCT/CN2018/094780 priority patent/WO2019037549A1/en
Priority to CN201880043895.3A priority patent/CN110832284B/zh
Publication of CN109425351A publication Critical patent/CN109425351A/zh
Priority to US16/798,481 priority patent/US11546729B2/en
Application granted granted Critical
Publication of CN109425351B publication Critical patent/CN109425351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3605—Destination input or retrieval
    • G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Social Psychology (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种出行处理方法及装置。该方法包括：接收用户的出行请求，获取用户的出行信息，根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率，根据确定的概率获取建议出行目的地的信息，并向该用户输出建议出行目的地的信息，实现了简化用户操作，提高用户出行的效率，从而，提高了用户体验。

Description

出行处理方法及装置
技术领域
本发明涉及大数据推荐技术，尤其涉及一种出行处理方法及装置。
背景技术
随着通信技术和计算机技术的不断发展，越来越多的用户可以通过在出行平台上选择出发地和目的地，以便预定到对应的网约车进行出行。在该过程中，用户可以手动输入目的地。
但是，上述过程中，出发地和目的地均需要用户手动输入，操作繁琐，从而给用户的出行带来了不便。
发明内容
为解决现有技术中存在的问题，本发明提供一种出行处理方法及装置。
第一方面，本申请提供一种出行处理方法，包括：
接收用户的出行请求，并根据所述出行请求，获取所述用户的出行信息；其中，所述出行信息中包括出发时刻和出发地的信息；
根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率；
根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向所述用户输出所述建议出行目的地的信息。
如上所示的方法中，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
查询所述用户对应的历史出行信息，获取与所述出行信息匹配的至少一个历史出行信息；
根据所述出行信息和所述至少一个历史出行信息，采用所述预配置的目的地匹配算法，确定所述至少一个历史出行信息中每个所述历史目的地的信息对应的被选中概率。
如上所示的方法中，所述根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向所述用户输出所述建议出行目的地的信息之后，所述方法还包括：
根据所述建议出行目的地的信息以及所述用户的操作，确定所述用户的真实目的地的信息；其中，所述用户的操作包括：选中所述建议出行目的地，或者，取消所述建议出行目的地并输入真实目的地的信息；
根据所述出发时刻、所述出发地的信息以及所述真实目的地的信息，更新所述历史出行信息。
如上所示的方法中，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式，
Figure BDA0001388194880000021
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N、m均为整数。
如上所示的方法中，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式，
Figure BDA0001388194880000022
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(T|F,Dm)表示从所述出发地去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N且N，m均为整数。
如上所示的方法中，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式
Figure BDA0001388194880000031
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，X＝(T,Flat,Flng)T，μ＝(E{Tp},E{Flatp},E{Flngp})T，
Figure BDA0001388194880000032
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp,x2＝Flatp,x3＝Flngp，i＝{1,2,3},j＝{1,2,3}，Tp表示历史出发时刻，Flatp表示历史出发地的纬度，Flngp表示历史出发地的经度。
如上所示的方法中，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式，
Figure BDA0001388194880000041
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，X＝(T,Flat,Flng)T，
Figure BDA0001388194880000042
Figure BDA0001388194880000043
θT＝(μT C-1-μ'T C'-1)，μ是Y＝Dm条件下的X的期望向量，μ'是Y≠Dm条件下的X的期望向量，C是Y＝Dm条件下的X的协方差矩阵，C'是Y≠Dm条件下的X的协方差矩阵，Y表示目的地取值变量，值域是所述用户的所有历史目的地的信息。
如上所示的方法中，所述根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，包括：
将所述历史目的地的信息对应的被选中概率中大于预设概率的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息；或者，
将所述历史目的地的信息对应的被选中概率中最大的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息。
第二方面，本发明实施例提供一种出行处理装置，包括：
获取模块，用于接收用户的出行请求，并根据所述出行请求，获取所述用户的出行信息；其中，所述出行信息中包括出发时刻和出发地的信息；
第一确定模块，用于根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率；
输出模块，用于根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向所述用户输出所述建议出行目的地的信息。
如上所示的装置中，所述第一确定模块具体用于：
查询所述用户对应的历史出行信息，获取与所述出行信息匹配的至少一个历史出行信息；
根据所述出行信息和所述至少一个历史出行信息，采用所述预配置的目的地匹配算法，确定所述至少一个历史出行信息中每个所述历史目的地的信息对应的被选中概率。
如上所示的装置中，所述装置还包括：
第二确定模块，用于根据所述建议出行目的地的信息以及所述用户的操作，确定所述用户的真实目的地的信息；其中，所述用户的操作包括：选中所述建议出行目的地，或者，取消所述建议出行目的地并输入真实目的地的信息；
更新模块，用于根据所述出发时刻、所述出发地的信息以及所述真实目的地的信息，更新所述历史出行信息。
如上所示的装置中，所述第一确定模块具体用于：
根据公式，
Figure BDA0001388194880000051
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
如上所示的装置中，所述第一确定模块具体用于：
根据公式，
Figure BDA0001388194880000052
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(T|F,Dm)表示从所述出发地去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
如上所示的装置中，所述第一确定模块具体用于：
根据公式
Figure BDA0001388194880000061
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，X＝(T,Flat,Flng)T，μ＝(E{Tp},E{Flatp},E{Flngp})T，
Figure BDA0001388194880000062
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp,x2＝Flatp,x3＝Flngp，i＝{1,2,3},j＝{1,2,3}，Tp表示历史出发时刻，Flatp表示历史出发地的纬度，Flngp表示历史出发地的经度。
如上所示的装置中，所述第一确定模块具体用于：
根据公式，
Figure BDA0001388194880000063
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，X＝(T,Flat,Flng)T，
Figure BDA0001388194880000071
Figure BDA0001388194880000072
θT＝(μT C-1-μ'T C'-1)，μ是Y＝Dm条件下的X的期望向量，μ'是Y≠Dm条件下的X的期望向量，C是Y＝Dm条件下的X的协方差矩阵，C'是Y≠Dm条件下的X的协方差矩阵，Y表示目的地取值变量，值域是所述用户的所有历史目的地的信息。
如上所示的装置中，所述输出模块根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，包括：
将所述历史目的地的信息对应的被选中概率中大于预设概率的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息；或者，
将所述历史目的地的信息对应的被选中概率中最大的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息。
本发明实施例提供的出行处理方法及装置，通过接收用户的出行请求，获取用户的出行信息，根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率，根据确定的概率获取建议出行目的地的信息，并向该用户输出该建议出行目的地的信息，实现了只需要用户触发出行请求，即可以根据该出行请求获取出行信息，并可以根据出行信息和用户的历史出行信息，采用目的地匹配算法，确定历史目的地的信息对应的被选中的概率，并根据概率获取建议出行目的地的信息并向用户输出该建议出行目的地的信息，用户只进行了触发出行请求的操作就可以获取到与出行信息匹配的建议出行目的地的信息，简化了用户操作，提高了用户出行的效率，从而，提高了用户体验。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的出行处理方法应用场景的示意图；
图2为本发明实施例提供的出行处理方法实施例的流程示意图；
图3为图2所示实施例中去往某一目的地的前提下出发时刻的频次分布图；
图4A为图2所示实施例中一种用户界面的示意图；
图4B为图2所示实施例中另一种用户界面的示意图；
图4C为图2所示实施例中再一种用户界面的示意图；
图5为本发明实施例提供的出行处理装置实施例的结构示意图。
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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在用户通过出行平台预约网约车的过程中，目前，需要用户打开出行平台，然后手动输入目的地，这导致了用户操作繁琐，效率较低，给用户的出行带来了不便。为了简化用户操作，提高用户出行的效率，本发明实施例提出了一种出行处理方法。本发明实施例中的出行处理方法可以由终端设备执行。本发明实施例中所涉及的出行平台指的是安装在终端设备上、可以让用户通过该出行平台预约到网约车的应用程序(Application)。该出行平台的服务器中保存有用户对应的历史出行信息。图1为本发明实施例提供的出行处理方法应用场景的示意图。如图1所示，终端设备11和服务器12之间可以通过移动通信网络连接。终端设备11可以在获取到用户的出发地、目的地和出发时刻后，通过移动通信网络向服务器12发送用户的这些出行信息，并接收服务器12为用户匹配的车辆信息，从而完成网约车的预约过程。在这个过程中，终端设备侧可以在接收到用户的出行请求后，为用户输出建议出行目的地的信息，以简化用户的操作。
本发明实施例提供的出行处理方法，通过接收用户的出行请求，获取用户的出行信息，根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率，根据确定的概率获取建议出行目的地的信息，并向该用户输出该建议出行目的地的信息，实现了只需要用户触发出行请求，即可以根据该出行请求获取出行信息，并可以根据出行信息和用户的历史出行信息，采用目的地匹配算法，确定历史目的地的信息对应的被选中的概率，并根据概率获取建议出行目的地的信息并向用户输出该建议出行目的地的信息，用户只进行了触发出行请求的操作就可以获取到与出行信息匹配的建议出行目的地的信息，简化了用户操作，提高了用户出行的效率，从而，提高了用户体验。
下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的出行处理方法实施例的流程示意图。如图2所示，本发明实施例提供的出行处理方法包括如下步骤：
S201：接收用户的出行请求，并根据出行请求，获取用户的出行信息。
其中，出行信息中包括出发时刻和出发地的信息。
具体地，用户可以触发出行请求。这里的出行请求可以是用户输入的语音打开出行平台的请求，也可以是用户通过触摸屏输入的打开出行平台的请求，还可以是用户在打开出行平台后点击出行平台上的预约车辆的按钮输入的请求。终端设备在接收到出行请求后，可以根据出行请求，获取用户的出行信息。
一种实现方式中，当出行请求为用户输入的语音打开出行平台的请求，或者，用户通过触摸屏输入的打开出行平台的请求时，终端设备可以根据出行请求的触发时间确定出发时刻，根据用户当前所处的地理位置确定出发地的信息。举例来说，在用户想要预约网约车时，用户会对终端设备上已安装的出行平台进行点击操作，该点击操作即为出行请求。终端设备在接收到用户的出行请求后，可以通过时钟程序获取出行请求的触发时间，并确定该触发时间为出发时刻，通过终端设备上的全球定位系统(Global Positioning System；简称：GPS)获取用户当前所处的地理位置，并确定该地理位置获取出发地的信息。
另一种实现方式中，当出行请求为用户在打开出行平台后点击出行平台上的预约车辆的按钮输入的请求时，此时，用户已经输入了出发地的信息，出行请求中携带有用户输入的出发地的信息，则终端设备读取出行请求中携带的出发地的信息，并通过时钟程序获取出行请求的触发时间。可选的，用户还可以输入出发时刻，则出行请求中携带有用户输入的出发地的信息和出发时刻，则终端设备读取出行请求中携带的出发地的信息和出发时刻，获取到用户的出行信息。
需要说明的是，出发地的信息可以是出发地的名称，或者，出发地的经度和维度。
本发明实施例中，对用户的历史出行信息进行分析。随机采样1000名用户，剔除部分无效用户后，获取到774个有效用户的历史出行信息。本发明实施例中的历史出行信息包括历史路径和历史出发时刻，历史路径包括历史出发地和历史目的地。表1为部分用户的历史出行信息表。
表1部分用户的历史出行信息表
Figure BDA0001388194880000101
Figure BDA0001388194880000111
如表1所示，其包括了处理识别符(Process Identifier，PID)，每个PID对应一个用户。表1示出了历史出发地、历史目的地和历史出发时刻的对应关系。根据这774个用户的历史出行信息，可以计算出三个变量(历史目的地，历史出发地，历史出发时刻)两两间的互信息。表2为历史目的地、历史出发地、历史出发时刻两两间的互信息表。
表2历史目的地、历史出发地、历史出发时刻两两间的互信息表
PID I(D,F) I(D,T) I(F,T)
112429703 1.508884 2.027818 1.064218
1.35521E+12 0.500402 0.950271 0.500402
929148 0.717611 1.292038 1.061066
1.4146E+12 0.796312 0.796312 1.351784
109521243 1.074092 1.845729 1.112543
1.35805E+12 1.611297 2.004233 1.659781
141443260 0.10564 1.938507 0.10564
117919208 1.098612 1.098612 1.098612
100777906 0.851373 1.456864 0.780802
115615947 1.003353 1.179362 1.260151
1795650 0.661322 0.964548 0.926787
112169989 0.695981 0.902496 0.871515
…… …… …… ……
平均 1.02 1.23 0.9
其中，I(D,F)表示历史目的地和历史出发地的互信息，I(D,T)表示历史目的地和历史出发时刻的互信息，I(F,T)表示历史出发地和历史出发时刻的互信息。综上所述，可以看出，历史出发地、历史出发时刻与历史目的地有较强的相关性，即，出发地与出发时刻对预测用户的出行目的地的信息有较大的影响。因此，本发明实施例中需要获取到包括出发时刻和出发地的信息的出行信息，以便于后续确定出的建议出行目的地的信息能更接近用户的真实目的地的信息。
S202：根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率。
具体地，终端设备可以从服务器中获取用户对应的历史出行信息。一种可能的实现过程为：终端设备发送获取请求至服务器，获取请求中包括用户标识，服务器接收到获取请求后，根据获取请求中的用户标识向终端设备返回用户对应的历史出行信息。
根据出行信息和用户对应的历史出行信息确定历史出行信息中历史目的地的信息对应的被选中概率实际为确定P(Dm|F,T)。Dm表示第m个历史目的地。F表示用户出行信息中的出发地，T表示用户出行信息中的出发时刻。由于条件部分已经是两个变量的联合分布，直接用贝叶斯方法进行推导：
Figure BDA0001388194880000121
且N和m均为整数。通过公式变换，可以看到，问题已经转换为如何计算P(F,T|Dm)。基于不同的预配置的目的地匹配算法，有以下四种方式实现计算P(Dm|F,T)。
第一种实现方式为：
根据公式，
Figure BDA0001388194880000122
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示用户出行信息中的出发地，T表示用户出行信息中的出发时刻，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为该出发地的概率，P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为该出发时刻的概率，P(Dm)表示去往第m个历史目的地的概率，N表示用户的历史目的地的总数量，1≤m≤N，且N、m均为整数。
该种实现方式采用朴素贝叶斯方法(
Figure BDA0001388194880000131
Bayes)，认为P(F,T)≈P(T)P(F)，则P(F,T|Dm)≈P(T|Dm)P(F|Dm)，代入
Figure BDA0001388194880000132
中，即可以得到公式
Figure BDA0001388194880000133
在该公式中，P(Dm)表示去往第m个历史目的地的概率，其可以通过频率统计的方式求出。具体的为统计该用户的历史出行信息中历史目的地的总数量，并统计用户去往第m个历史目的地的数量，用去往第m个历史目的地的数量除以历史目的地的总数量即可以得到P(Dm)。
P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的概率。一种实现方式为：可以通过频率统计的方式确定P(T|Dm)。在用户的历史出行信息中，确定目的地为第m个历史目的地的条目，统计所有的历史出发时刻的总数量，并统计这些条目中历史出发时刻为出行信息中的出发时刻的数量，用这些条目中历史出发时刻为出行信息中的出发时刻的数量除以目的地为第m个历史目的地的前提下所有出发时刻的总数量，即可以确定出P(T|Dm)。举例来说，假设第m个目的地为天通苑，目的地为天通苑的历史出发时刻有：1次9:00，1次13:00，2次15:00，2次16：00，4次18:00，3次19:00,5次20:00，10次21:00,7次22:00,6次23:00,4次0:00,2次1:00,3次2:00，出行信息中的出发时刻为20:00，则可以确定
Figure BDA0001388194880000141
另一种实现方式为：首先确定用户去往某一目的地的前提下，历史出发时刻的分布特征，之后，根据该分布特征确定去往该目的地的前提下、历史出发时刻为出行信息中的出发时刻时的概率。表3为某一用户在历史目的地为天通苑一区的历史出行信息。
表3某一用户在历史目的地为天通苑一区的历史出行信息
Figure BDA0001388194880000142
Figure BDA0001388194880000151
图3为图2所示实施例中去往某一目的地的前提下历史出发时刻的频次分布图。如图3所示，其是根据表3绘出的历史出发时刻的频次分布图。从图3中可以看出，在固定目的地的前提下，历史出发时刻近似服从正态分布。则可以在固定目的地的前提下，根据各个历史出发时刻计算出发时刻的均值和方差，即可以确定在固定目的地的前提下出发时刻的概率密度函数。进而，可以根据出行信息中的出发时刻及该概率密度函数确定在去往第m个历史目的地的前提下、历史出发时刻为该出发时刻的概率。
出发地的信息可以用两种方式进行描述，基于不同的描述方式P(F|Dm)的计算方法不同。当出发地采用出发地的名称描述时，根据频率统计的方法计算P(F|Dm)。在用户的历史出行信息中，确定目的地为第m个历史目的地的条目，统计所有的历史出发地的总数量，并统计这些条目中历史出发地为出行信息中的出发地的数量，用历史出发地为该出发地的数量除以目的地为第m个历史目的地的前提下所有历史出发地的总数量，即可以确定出P(F|Dm)。当出发地采用出发地的经度和纬度描述时，一种方法是采用频率统计的方法计算P(F|Dm)。另一种实现方式为：首先确定用户去往某一目的地的前提下，历史出发地的经度和纬度的分布特征，之后，根据该分布特征确定去往该目的地的前提下、历史出发地为出行信息中的出发地的概率。表4为某一用户的历史目的地为中国美术馆的历史出行信息中历史出发地的经度和纬度。
表4某一用户的历史目的地为中国美术馆的历史出行信息中历史出发地的经度和纬度
Figure BDA0001388194880000161
计算历史出发地的经度的均值和纬度的均值，将均值对应的经度和纬度作为中心点。表5为固定目的地的前提下历史出发地偏移中心点的距离以及每个出发地的频次。
表5固定目的地的前提下历史出发地偏移中心点的距离以及每个历史出发地的频次
Figure BDA0001388194880000171
从表5中可以看出，在固定目的地的前提下，历史出发地的经度和纬度服从二维正态分布。即，同一用户同一目的地的出发地经度和纬度(X,Y)服从参数为(μ1,μ2,σ1,σ2)的二维正态分布，即(X,Y)～(μ1,μ2,σ1,σ2,ρ)。其概率密度函数为：
Figure BDA0001388194880000172
则可以在固定目的地的前提下，根据各个历史出发地的经度和纬度计算经度的均值和方差、纬度的均值和方差以及参数ρ，即可以确定在固定目的地的前提下出发地的经度和纬度的概率密度函数。进而，可以根据出行信息中的出发地的经度和纬度以及该概率密度函数确定在去往第m个历史目的地的前提下、历史出发地为该出发地的概率。表6为一部分用户在固定历史目的地的前提下历史出发地的经度的均值和方差、纬度的均值和方差以及参数ρ。
表6一部分用户在固定历史目的地的前提下历史出发地的经度的均值和方差、纬度的均值和方差以及参数ρ
Figure BDA0001388194880000181
对于每个历史目的地，均可以按照上述方式计算出P(Dm|F,T)。
第二种实现方式为：
根据公式，
Figure BDA0001388194880000182
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，T表示出行信息中的出发时刻，P(T|F,Dm)表示从出行信息中的出发地去往第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的概率，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为出行信息中的出发地的概率，P(Dm)表示去往第m个历史目的地的概率，N表示用户的历史目的地的总数量，1≤m≤N且N，m均为整数。
该实现方式采用贝叶斯方法，认为出发时刻和出发地之间具有很强的关联性。本实现方式中，出发地的信息采用出发地的名称描述。P(F,T|Dm)＝P(T|F,Dm)P(F|Dm)。该公式中，P(Dm)的计算方法以及P(F|Dm)的计算方法与第一种实现方式中的相同，此处不再赘述。本实现方式中，重点需要确定如何计算P(T|F,Dm)。与第一种实现方式中的计算方式类似，一种为采用频率统计的方式确定P(T|F,Dm)。即统计在历史出发地为出行信息中的出发地、目的地为第m个历史目的地的前提下、所有历史出发时刻的总数量，并统计在历史出发地为出行信息中的出发地、目的地为第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的数量，用历史出发时刻为出行信息中的出发时刻的数量除以总数量即可以确定出P(T|F,Dm)。需要说明的是，P(T|F,Dm)的物理意义的两种描述：从出行信息中的出发地去往第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的概率，以及，在历史出发地为出行信息中的出发地、目的地为第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的概率均表示相同的意思。另一种实现方式为确定从出行信息中的出发地去往第m个历史目的地的前提下，历史出发时刻的分布特征，之后，根据该分布特征确定从该出发地去往该历史目的地的前提下、历史出发时刻为出行信息中的出发时刻时的概率。表7为固定历史出发地和历史目的地的前提下对历史出发时刻倒排。
表7固定历史出发地和历史目的地的前提下对历史出发时刻倒排
Figure BDA0001388194880000191
Figure BDA0001388194880000201
从表7可以看出，在固定历史目的地和历史出发地的前提下，历史出发时刻近似服从正态分布。则可以计算出在从出行信息中的出发地去往第m个历史目的地的前提下，历史出发时刻的均值和方差，确定出发时刻的概率密度函数，之后，根据该概率密度函数及出行信息中的出发时刻即可以确定从出行信息中的出发地去往第m个历史目的地的前提下，历史出发时刻为出行信息中的出发时刻的概率。
第三种实现方式为：
根据公式
Figure BDA0001388194880000202
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，Flat表示出行信息中的出发地的纬度，Flng表示出行信息中的出发地的经度，T表示出行信息中的出发时刻，X＝(T,Flat,Flng)T，μ＝(E{Tp},E{Flatp},E{Flngp})T，
Figure BDA0001388194880000203
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp,x2＝Flatp,x3＝Flngp，i＝{1,2,3},j＝{1,2,3}，Tp表示历史出发时刻，Flatp表示历史出发地的纬度，Flngp表示历史出发地的经度。
在该实现方式中，P(Dm)的计算方法与第一种实现方式中P(Dm)的计算过程相同，此处不再赘述。该实现方式中，采用经度和纬度描述出发地的信息。基于第一种实现方式，可以确定P(T|Dm)～N(μ,σ)，
Figure BDA0001388194880000211
假设P(Flat,Flng,T|Dm)～N3(μ,C)，即服从三元正态分布：
Figure BDA0001388194880000212
μ＝(E{Tp},E{Flatp},E{Flngp})T，其中，E{Tp}表示用户的历史出行信息中历史出发时刻的均值，E{Flatp}表示用户的历史出行信息中历史出发地的纬度的均值，E{Flngp}表示用户的历史出行信息中历史出发地的经度的均值。C为历史出发地的纬度、历史出发地的经度以及历史出发时刻的协方差矩阵。根据用户的历史出行信息可以计算出期望μ和协方差矩阵C，进而，可以确定在历史出发时刻为出行信息中的出发时刻、历史出发地为出行信息中的出发地的前提下去往历史目的地Dm的概率。
根据表3计算历史出发地、历史目的地和历史出发时刻的期望μ和协方差矩阵C。可得，
Figure BDA0001388194880000213
det C＝|C|＝0.000324359553166，
Figure BDA0001388194880000214
将上述值带入
Figure BDA0001388194880000215
并展开，可得：
Figure BDA0001388194880000221
第四种实现方式为：
根据公式，
Figure BDA0001388194880000222
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，Flat表示出行信息中的出发地的纬度，Flng表示出行信息中的出发地的经度，T表示出行信息中的出发时刻，X＝(T,Flat,Flng)T，
Figure BDA0001388194880000223
θT＝(μT C-1-μ'T C'-1)，μ是Y＝Dm条件下的X的期望向量，μ'是Y≠Dm条件下的X的期望向量，C是Y＝Dm条件下的X的协方差矩阵，C'是Y≠Dm条件下的X的协方差矩阵，Y表示目的地取值变量，值域是用户的所有历史目的地的信息。
在该实现方式中，采用逻辑回归的方法。本实现方式中的出发地的信息以出发地的经度和纬度进行描述。基于第三种实现方式，
Figure BDA0001388194880000224
其中，n＝3，其他参数的定义与第三种实现方式中的定义相同。
Dm表示第m个历史目的地，Y是表示目的地取值变量，值域是用户的所有历史目的地的信息，则：
Figure BDA0001388194880000231
其中，
Figure BDA0001388194880000232
对P(Y＝Dm|X)进行贝叶斯变换，得到：
Figure BDA0001388194880000233
下面描述如何处理
Figure BDA0001388194880000234
Figure BDA0001388194880000235
其中，
Figure BDA0001388194880000236
上述过程中用到了(XT C-1μ)T＝XT C-1μ和(C-1)T＝C-1。
于是，
Figure BDA0001388194880000237
带入
Figure BDA0001388194880000241
第三种实现方式与第四种实现方式的区别在于，第四种实现方式不需要计算概率密度函数，从而，相较于第三种实现方式，计算概率的速度较快、效率较高。
S203：根据历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向用户输出建议出行目的地的信息。
具体地，在S203中有两种实现方式：
第一种可能的实现方式为：将历史目的地的信息对应的被选中概率中大于预设概率的被选中概率对应的历史目的地的信息确定为建议出行目的地的信息。
在这种实现方式中，会向用户输出多个建议出行目的地的信息。
第二种可能的实现方式为：将历史目的地的信息对应的被选中概率中最大的被选中概率对应的历史目的地的信息确定为建议出行目的地的信息。
终端设备可以向用户输出建议出行目的地的信息。输出的方式可以是语音播放的方式，或者，也可以是在用户界面上输出的方法。输出方式可以由用户预先进行设定，也可以是终端设备确定的。
图4A为图2所示实施例中一种用户界面的示意图。图4B为图2所示实施例中另一种用户界面的示意图。图4C为图2所示实施例中再一种用户界面的示意图。如图4A所示，在用户界面401中，显示了终端设备上安装的各种应用程序，其中包括出行平台4011。用户通过手指4012对终端设备上已安装的出行平台4011进行点击操作来触发出行请求。终端设备接收到用户触发的出行请求后，经过执行S201-S203可以向用户输出建议出行目的地的信息。如图4B所示，该用户界面402向用户显示了三个建议出行目的地的信息AAA、BBB和CCC，用户可以从这三个建议出行目的地的信息中最终选择一个真实目的地的信息，图4B中，用户选择了目的地CCC。如图4C所示，该用户界面403向用户显示了一个建议出行目的地的信息AAA。本发明实施例中，建议出行目的地的信息可以为目的地的名称。
可选的，为了进一步提高确定建议出行目的地的信息的效率，本发明实施例中，在步骤S202中：可以查询用户对应的历史出行信息，获取与出行信息匹配的至少一个历史出行信息；根据出行信息和至少一个历史出行信息，采用预配置的目的地匹配算法，确定至少一个历史出行信息中每个历史目的地的信息对应的被选中概率。即，可以先根据用户的出行信息筛选出与出行信息匹配的历史出行信息，这里的匹配可以是历史出行信息中的历史目的地的频次较高的历史出行信息。接着，根据出行信息和至少一个历史出行信息，采用预配置的目的地匹配算法，确定至少一个历史出行信息中每个历史目的地的信息对应的被选中概率。由于先筛选出了一部分历史出行信息，则在计算每个历史目的地的信息对应的被选中概率时，数据量较小，计算效率较高。
进一步地，在S203之后，本发明实施例还包括：根据建议出行目的地的信息以及用户的操作，确定用户的真实目的地的信息。其中，用户的操作包括：选中建议出行目的地，或者，取消建议出行目的地并输入真实目的地的信息。在实际中，S203中输出的建议出行目的地可能并不是用户的实际需求，则用户可以取消建议出行目的地，并输入真实目的地的信息。当用户选中建议出行目的地时，将该选中的建议出行目的地的信息确定为真实目的地的信息。
进一步地，为了保持历史出行信息根据用户的实际出行进行更新，在确定出用户的真实目的地的信息之后，本发明实施例还包括：根据出行信息中的出发时刻、出行信息中的出发地的信息以及真实目的地的信息，更新历史出行信息。更新的过程可以是终端设备将此次用户的出行信息：出发时刻、出发地的信息以及真实目的地的信息发送给服务器，以使服务器存储此次的出行信息，以更新该用户的历史出行信息。
本发明实施例提供的出行处理方法，通过接收用户的出行请求，获取用户的出行信息，根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率，根据确定的概率获取建议出行目的地的信息，并向该用户输出该建议出行目的地的信息，实现了只需要用户触发出行请求，即可以根据该出行请求获取出行信息，并可以根据出行信息和用户的历史出行信息，采用目的地匹配算法，确定历史目的地的信息对应的被选中的概率，并根据概率获取建议出行目的地的信息并向用户输出该建议出行目的地的信息，用户只进行了触发出行请求的操作就可以获取到与出行信息匹配的建议出行目的地的信息，简化了用户操作，提高了用户出行的效率，从而，提高了用户体验。
图5为本发明实施例提供的出行处理装置实施例的结构示意图。如图5所示，本发明实施例提供的出行处理装置包括如下模块：获取模块51、第一确定模块52以及输出模块53。
获取模块51，用于接收用户的出行请求，并根据出行请求，获取用户的出行信息。
其中，出行信息中包括出发时刻和出发地的信息。
获取模块51具体可用于执行图2所示实施例中S201的步骤，其技术原理和实现过程类似，此处不再赘述。
第一确定模块52，用于根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率。
具体地，第一确定模块52的实现过程有以下4种方式。
第一种实现方式为：第一确定模块52具体用于：
根据公式，
Figure BDA0001388194880000261
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，T表示出行信息中的出发时刻，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为出行信息中的出发地的概率，P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的概率，P(Dm)表示去往第m个历史目的地的概率，N表示用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
第二种实现方式为：第一确定模块52具体用于：
根据公式，
Figure BDA0001388194880000271
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，T表示出行信息中的出发时刻，P(T|F,Dm)表示从该出发地去往第m个历史目的地的前提下、历史出发时刻为出行信息中的出发时刻的概率，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为出行信息中的出发地的概率，P(Dm)表示去往第m个历史目的地的概率，N表示用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
第三种实现方式为：第一确定模块52具体用于：根据公式
Figure BDA0001388194880000272
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，Flat表示出行信息中的出发地的纬度，Flng表示出行信息中的出发地的经度，T表示出行信息中的出发时刻，X＝(T,Flat,Flng)T，μ＝(E{Tp},E{Flatp},E{Flngp})T，
Figure BDA0001388194880000273
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp,x2＝Flatp,x3＝Flngp，i＝{1,2,3},j＝{1,2,3}，Tp表示历史出发时刻，Flatp表示历史出发地的纬度，Flngp表示历史出发地的经度。
第四种实现方式为：第一确定模块52具体用于：
根据公式，
Figure BDA0001388194880000281
确定每个历史目的地的信息对应的被选中的概率。其中，Dm表示第m个历史目的地，F表示出行信息中的出发地，Flat表示出行信息中的出发地的纬度，Flng表示出行信息中的出发地的经度，T表示出行信息中的出发时刻，X＝(T,Flat,Flng)T，
Figure BDA0001388194880000282
θT＝(μT C-1-μ'T C'-1)，μ是Y＝Dm条件下的X的期望向量，μ'是Y≠Dm条件下的X的期望向量，C是Y＝Dm条件下的X的协方差矩阵，C'是Y≠Dm条件下的X的协方差矩阵，Y表示目的地取值变量，值域是用户的所有历史目的地的信息。
第一确定模块52的四种实现方式对应于图2所示实施例中S202的四种实现方式，其技术原理和实现过程类似，此处不再赘述。
输出模块53，用于根据历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向用户输出建议出行目的地的信息。
具体地，输出模块53根据历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，包括：将历史目的地的信息对应的被选中概率中大于预设概率的被选中概率对应的历史目的地的信息确定为建议出行目的地的信息；或者，将历史目的地的信息对应的被选中概率中最大的被选中概率对应的历史目的地的信息确定为建议出行目的地的信息。
输出模块53具体可用于执行图2所示实施例中S203的步骤，其技术原理和实现过程类似，此处不再赘述。
可选的，为了提高计算每个历史目的地的信息对应的被选中概率的效率，第一确定模块52具体用于：查询用户对应的历史出行信息，获取与出行信息匹配的至少一个历史出行信息；根据出行信息和至少一个历史出行信息，采用预配置的目的地匹配算法，确定至少一个历史出行信息中每个历史目的地的信息对应的被选中概率。
可选的，本发明实施例提供的装置还包括：第二确定模块，用于根据建议出行目的地的信息以及用户的操作，确定用户的真实目的地的信息，其中，用户的操作包括：选中建议出行目的地，或者，取消建议出行目的地并输入真实目的地的信息；更新模块，用于根据出行信息中的出发时刻、出行信息中的出发地的信息以及真实目的地的信息，更新历史出行信息。
本发明实施例提供的出行处理装置，通过设置获取模块，用于接收用户的出行请求，获取用户的出行信息，第一确定模块，用于根据出行信息和用户对应的历史出行信息，采用预配置的目的地匹配算法，确定历史出行信息中历史目的地的信息对应的被选中概率，输出模块，用于根据确定的概率获取建议出行目的地的信息，并向该用户输出建议出行目的地的信息，实现了只需要用户触发出行请求，即可以根据该出行请求获取出行信息，并可以根据出行信息和用户的历史出行信息，采用目的地匹配算法，确定历史目的地的信息对应的被选中的概率，并根据概率获取建议出行目的地的信息并向用户输出建议出行目的地的信息，用户只进行了触发出行请求的操作就可以获取到与出行信息匹配的建议出行目的地的信息，简化了用户操作，提高了用户出行的效率，从而，提高了用户体验。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (14)

1.一种出行处理方法，其特征在于，包括：
接收用户的出行请求，并根据所述出行请求，获取所述用户的出行信息；其中，所述出行信息中包括出发时刻和出发地的信息；
根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率；
根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向所述用户输出所述建议出行目的地的信息；
其中，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式
Figure FDA0003272583580000011
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，
Figure FDA0003272583580000012
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp,x2＝Flatp,x3＝Flngp，i＝{1,2,3},j＝{1,2,3}，Tp表示历史出发时刻，Flatp表示历史出发地的纬度，Flngp表示历史出发地的经度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
查询所述用户对应的历史出行信息，获取与所述出行信息匹配的至少一个历史出行信息；
根据所述出行信息和所述至少一个历史出行信息，采用所述预配置的目的地匹配算法，确定所述至少一个历史出行信息中每个所述历史目的地的信息对应的被选中概率。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向所述用户输出所述建议出行目的地的信息之后，所述方法还包括：
根据所述建议出行目的地的信息以及所述用户的操作，确定所述用户的真实目的地的信息；其中，所述用户的操作包括：选中所述建议出行目的地，或者，取消所述建议出行目的地并输入真实目的地的信息；
根据所述出发时刻、所述出发地的信息以及所述真实目的地的信息，更新所述历史出行信息。
4.根据权利要求1所述的方法，其特征在于，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式，
Figure FDA0003272583580000021
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式，
Figure FDA0003272583580000031
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(T|F,Dm)表示从所述出发地去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
6.根据权利要求1所述的方法，其特征在于，所述根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率，包括：
根据公式，
Figure FDA0003272583580000032
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，X ＝(T,Flat,Flng)T ，
Figure DEST_PATH_FDA0001388194870000034
Figure FDA0003272583580000033
Figure FDA0003272583580000034
θT＝(μTC-1-μ'TC'-1)，μ是Y＝Dm条件下的X的期望向量，μ ' 是Y≠Dm条件下的X的期望向量，C是Y＝Dm条件下的X的协方差矩阵，C' 是Y≠Dm条件下的X的协方差矩阵，Y表示目的地取值变量，值域是所述用户的所有历史目的地的信息。
7.根据权利要求1所述的方法，其特征在于，所述根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，包括：
将所述历史目的地的信息对应的被选中概率中大于预设概率的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息；或者，
将所述历史目的地的信息对应的被选中概率中最大的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息。
8.一种出行处理装置，其特征在于，包括：
获取模块，用于接收用户的出行请求，并根据所述出行请求，获取所述用户的出行信息；其中，所述出行信息中包括出发时刻和出发地的信息；
第一确定模块，用于根据所述出行信息和所述用户对应的历史出行信息，采用预配置的目的地匹配算法，确定所述历史出行信息中历史目的地的信息对应的被选中概率；
输出模块，用于根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，并向所述用户输出所述建议出行目的地的信息；
其中，所述第一确定模块具体用于：
根据公式
Figure FDA0003272583580000041
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，
Figure FDA0003272583580000042
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp,x2＝Flatp,x3＝Flngp，i＝{1,2,3},j＝{1,2,3}，Tp表示历史出发时刻，Flatp表示历史出发地的纬度，Flngp表示历史出发地的经度。
9.根据权利要求8所述的装置，其特征在于，所述第一确定模块具体用于：
查询所述用户对应的历史出行信息，获取与所述出行信息匹配的至少一个历史出行信息；
根据所述出行信息和所述至少一个历史出行信息，采用所述预配置的目的地匹配算法，确定所述至少一个历史出行信息中每个所述历史目的地的信息对应的被选中概率。
10.根据权利要求8或9所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于根据所述建议出行目的地的信息以及所述用户的操作，确定所述用户的真实目的地的信息；其中，所述用户的操作包括：选中所述建议出行目的地，或者，取消所述建议出行目的地并输入真实目的地的信息；
更新模块，用于根据所述出发时刻、所述出发地的信息以及所述真实目的地的信息，更新所述历史出行信息。
11.根据权利要求8所述的装置，其特征在于，所述第一确定模块具体用于：
根据公式，
Figure FDA0003272583580000051
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(T|Dm)表示在去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
12.根据权利要求8所述的装置，其特征在于，所述第一确定模块具体用于：
根据公式，
Figure FDA0003272583580000061
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，T表示所述出发时刻，P(T|F,Dm)表示从所述出发地去往第m个历史目的地的前提下、历史出发时刻为所述出发时刻的概率，P(F|Dm)表示在去往第m个历史目的地的前提下、历史出发地为所述出发地的概率，P(Dm)表示去往第m个历史目的地的概率，N表示所述用户的历史目的地的总数量，1≤m≤N，且N和m均为整数。
13.根据权利要求8所述的装置，其特征在于，所述第一确定模块具体用于：
根据公式，
Figure FDA0003272583580000062
确定每个所述历史目的地的信息对应的被选中的概率；
其中，Dm表示第m个历史目的地，F表示所述出发地，Flat表示所述出发地的纬度，Flng表示所述出发地的经度，T表示所述出发时刻，X ＝(T,Flat,Flng)T ，
Figure DEST_PATH_FDA0001388194870000064
Figure FDA0003272583580000063
Figure FDA0003272583580000064
θT＝(μTC-1-μ'TC'-1)，μ是Y＝Dm条件下的X的期望向量，μ ' 是Y≠Dm条件下的X的期望向量，C是Y＝Dm条件下的X的协方差矩阵，C' 是Y≠Dm条件下的X的协方差矩阵，Y表示目的地取值变量，值域是所述用户的所有历史目的地的信息。
14.根据权利要求8所述的装置，其特征在于，所述输出模块根据所述历史目的地的信息对应的被选中概率，获取建议出行目的地的信息，包括：
将所述历史目的地的信息对应的被选中概率中大于预设概率的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息；或者，
将所述历史目的地的信息对应的被选中概率中最大的被选中概率对应的历史目的地的信息确定为所述建议出行目的地的信息。
CN201710736286.3A 2017-08-24 2017-08-24 出行处理方法及装置 Active CN109425351B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201710736286.3A CN109425351B (zh) 2017-08-24 2017-08-24 出行处理方法及装置
PCT/CN2018/094780 WO2019037549A1 (en) 2017-08-24 2018-07-06 SYSTEM AND METHOD FOR DESTINATION PREDICTION
CN201880043895.3A CN110832284B (zh) 2017-08-24 2018-07-06 用于目的地预测的系统和方法
US16/798,481 US11546729B2 (en) 2017-08-24 2020-02-24 System and method for destination predicting

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710736286.3A CN109425351B (zh) 2017-08-24 2017-08-24 出行处理方法及装置

Publications (2)

Publication Number Publication Date
CN109425351A CN109425351A (zh) 2019-03-05
CN109425351B true CN109425351B (zh) 2022-02-15

Family

ID=65438408

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710736286.3A Active CN109425351B (zh) 2017-08-24 2017-08-24 出行处理方法及装置
CN201880043895.3A Active CN110832284B (zh) 2017-08-24 2018-07-06 用于目的地预测的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201880043895.3A Active CN110832284B (zh) 2017-08-24 2018-07-06 用于目的地预测的系统和方法

Country Status (3)

Country Link
US (1) US11546729B2 (zh)
CN (2) CN109425351B (zh)
WO (1) WO2019037549A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170041237A (ko) * 2014-08-04 2017-04-14 우버 테크놀로지스, 인크. 미리 결정된 위치 데이터 포인트를 결정하고, 서비스 제공자에게 제공하는 방법
US10417727B2 (en) 2016-09-26 2019-09-17 Uber Technologies, Inc. Network system to determine accelerators for selection of a service
US10425490B2 (en) 2016-09-26 2019-09-24 Uber Technologies, Inc. Service information and configuration user interface
US11275809B2 (en) * 2018-09-06 2022-03-15 Uber Technologies, Inc. Pre-computed service metric lookup for a network-based service
CN111831927B (zh) * 2019-08-23 2024-05-14 北京嘀嘀无限科技发展有限公司 信息推送装置、方法、电子设备和计算机可读存储介质
CN111582605B (zh) * 2020-05-21 2023-09-12 Oppo广东移动通信有限公司 目的站点的预测方法、装置、电子设备及存储介质
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质
CN112750328B (zh) * 2020-12-29 2022-05-24 深圳市顺易通信息科技有限公司 一种行车路径推荐方法、装置、设备及介质
CN113420908B (zh) * 2021-05-26 2022-11-29 浙江中控信息产业股份有限公司 一种基于意愿性概率的大型场站旅客等候时长预测方法
KR20230016330A (ko) * 2021-07-26 2023-02-02 현대모비스 주식회사 주차 위치 안내 장치 및 방법
CN113822709A (zh) * 2021-09-15 2021-12-21 摩拜(北京)信息技术有限公司 一种出行数据的处理方法、装置及服务器

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69919717T2 (de) * 1999-11-08 2005-01-27 Siemens Ag Routenplannungsverfahren für Fahrzeug
US6718259B1 (en) * 2002-10-02 2004-04-06 Hrl Laboratories, Llc Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile
US8036822B2 (en) * 2006-09-12 2011-10-11 Dds Wireless International Inc. Travel time determination
US8229458B2 (en) * 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
JP5440840B2 (ja) * 2009-06-11 2014-03-12 ソニー株式会社 情報処理装置、情報処理方法、及び、プログラム
US8392116B2 (en) * 2010-03-24 2013-03-05 Sap Ag Navigation device and method for predicting the destination of a trip
JP2011214948A (ja) * 2010-03-31 2011-10-27 Sony Corp 情報処理装置、行動予測表示方法及びコンピュータプログラム
US9134137B2 (en) * 2010-12-17 2015-09-15 Microsoft Technology Licensing, Llc Mobile search based on predicted location
US9644967B2 (en) * 2011-07-05 2017-05-09 Toyota Jidosha Kabushiki Kaisha Recommendation information provision system
US8768616B2 (en) * 2012-01-09 2014-07-01 Ford Global Technologies, Llc Adaptive method for trip prediction
US9082239B2 (en) * 2012-03-14 2015-07-14 Flextronics Ap, Llc Intelligent vehicle for assisting vehicle occupants
US9317813B2 (en) * 2013-03-15 2016-04-19 Apple Inc. Mobile device with predictive routing engine
CN103198653B (zh) * 2013-04-23 2016-12-28 杭州九树网络科技有限公司 智能招车系统及应用方法
DE102013218920A1 (de) 2013-09-20 2015-03-26 Ford Global Technologies, Llc Verfahren zum Betrieb eines Kraftfahrzeugs in einem Betriebsmodus für Präsentationszwecke und Kraftfahrzeug
US20150134244A1 (en) 2013-11-12 2015-05-14 Mitsubishi Electric Research Laboratories, Inc. Method for Predicting Travel Destinations Based on Historical Data
CN104833365B (zh) * 2014-02-12 2017-12-08 华为技术有限公司 一种用户目的地点的预测方法及装置
JP6364879B2 (ja) * 2014-03-31 2018-08-01 アイシン・エィ・ダブリュ株式会社 運転支援システム、方法およびプログラム
US20160025497A1 (en) * 2014-07-24 2016-01-28 Harman International Industries, Incorporated Pre-caching of navigation content based on cellular network coverage
JP5984150B2 (ja) * 2014-08-21 2016-09-06 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報処理装置、情報処理方法、及びプログラム
US10066953B2 (en) * 2014-08-27 2018-09-04 Mitsubishi Electric Corporation Destination estimating system and destination estimating method
CN104442825B (zh) * 2014-11-28 2017-10-17 上海交通大学 一种电动汽车剩余行驶里程的预测方法和系统
CN105138590A (zh) * 2015-07-31 2015-12-09 北京嘀嘀无限科技发展有限公司 轨迹预测方法和装置
CN106919996A (zh) * 2015-12-25 2017-07-04 滴滴（中国）科技有限公司 一种目的地预测方法及装置
CN106919993A (zh) * 2015-12-25 2017-07-04 滴滴（中国）科技有限公司 一种基于历史数据的高准确性默认目的地预测方法及装置
JP6235528B2 (ja) * 2015-05-15 2017-11-22 トヨタ自動車株式会社 車両制御装置
CN104964690A (zh) * 2015-05-22 2015-10-07 西北工业大学 一种基于期望最大化的空中机动目标航迹粘连方法
US20160377448A1 (en) * 2015-06-29 2016-12-29 Globalfoundries Inc. Predicting and alerting user to navigation options and predicting user intentions
GB2556780A (en) * 2015-08-20 2018-06-06 Beijing Didi Infinity Science And Tech Limited Method and system for predicting current order information on the basis of historical order
CN105243441B (zh) * 2015-09-29 2022-10-25 联想(北京)有限公司 一种处理方法和装置、控制方法和装置及电子设备
KR102507279B1 (ko) * 2015-10-27 2023-03-06 에스케이플래닛 주식회사 비콘 기반 실내 이동 경로 제공 방법 및 장치
CN107305128A (zh) * 2016-04-21 2017-10-31 斑马网络技术有限公司 导航处理方法、导航设备、交通工具控制设备及操作系统
CN106157602A (zh) * 2016-07-28 2016-11-23 北京小米移动软件有限公司 呼叫车辆的方法和装置
CN106407082B (zh) * 2016-09-30 2019-06-14 国家电网公司 一种信息系统告警方法和装置
CN106949901B (zh) * 2017-01-24 2022-05-03 斑马信息科技有限公司 目的地推荐系统和方法
CN107154969B (zh) * 2017-04-27 2022-04-19 腾讯科技（深圳）有限公司 目的地点推荐方法及装置

Also Published As

Publication number Publication date
CN110832284A (zh) 2020-02-21
CN110832284B (zh) 2023-10-10
CN109425351A (zh) 2019-03-05
US11546729B2 (en) 2023-01-03
US20200221257A1 (en) 2020-07-09
WO2019037549A1 (en) 2019-02-28

Similar Documents

Publication Publication Date Title
CN109425351B (zh) 出行处理方法及装置
CN106355449B (zh) 用户选取方法和装置
CN106796550B (zh) 信息配送装置以及方法
CN103023977B (zh) 基于位置信息的推荐系统及推荐方法
US20080234929A1 (en) System and method to determine, in a vehicle, locations of interest
CN105300398B (zh) 获取地点信息的方法、装置和系统
EP3312738A2 (en) Method and device for displaying keyword
KR101481895B1 (ko) 타겟 클라이언트를 검색하기 위한 방법, 디바이스 및 기록 매체
KR102236684B1 (ko) 위치 기반의 음식점 추천 서비스 장치 및 그 방법
KR20140135244A (ko) 통계 정보 생성 시스템 및 통계 정보 생성 방법
CN106446157A (zh) 行程目的地推荐方法和装置
JP2013089086A (ja) 話題推薦装置及び方法及びプログラム
WO2021221563A1 (en) Method for predicting the destination location of a vehicle
CN112214677A (zh) 一种兴趣点推荐方法、装置、电子设备及存储介质
CN110704754A (zh) 一种由用户终端执行的推送模型优化方法和装置
JP6526484B2 (ja) 配置候補推定装置、配置候補推定方法及びコンピュータプログラム
CN113642770A (zh) 旅游行程住宿点推荐方法、装置、设备及存储介质
CN102999558A (zh) 使用数据结构处理搜索查询
KR20140065719A (ko) 마케팅 방법 및 시스템
CN105447610A (zh) 一种网点选择方法及装置
CN107766881B (zh) 一种基于基础分类器的寻路方法、设备及存储设备
JP6755728B2 (ja) コンテンツ出力システム及び方法
CN110795631B (zh) 一种基于因子分解机的推送模型优化、预测方法和装置
JP2012221315A (ja) 情報推薦装置及び方法及びプログラム
JP6875351B2 (ja) 情報処理方法、情報処理装置、及び、プログラム

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
GR01 Patent grant
GR01 Patent grant