CN109459050A - 导航路线的推荐方法及其装置 - Google Patents

导航路线的推荐方法及其装置 Download PDF

Info

Publication number
CN109459050A
CN109459050A CN201811542302.6A CN201811542302A CN109459050A CN 109459050 A CN109459050 A CN 109459050A CN 201811542302 A CN201811542302 A CN 201811542302A CN 109459050 A CN109459050 A CN 109459050A
Authority
CN
China
Prior art keywords
route
information
grid
portrait
recommended
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.)
Granted
Application number
CN201811542302.6A
Other languages
English (en)
Other versions
CN109459050B (zh
Inventor
黄际洲
张昊
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811542302.6A priority Critical patent/CN109459050B/zh
Publication of CN109459050A publication Critical patent/CN109459050A/zh
Application granted granted Critical
Publication of CN109459050B publication Critical patent/CN109459050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/343Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips

Abstract

本发明公开了一种导航路线的推荐方法及其装置。其中,方法包括:获取待推荐路线的导航信息,并生成导航信息对应的多条参考路线,其中,每条参考路线分别对应着参考画像信息。获取当前用户的当前画像信息,根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线。由此,实现了根据当前画像信息以及参考画像信息,从多条参考路线中选择推荐路线,使得推荐路线能够满足当前用户的个性化需求,解决了现有技术中导航路线的生成仅仅依赖于对路网数据的计算,对不同用户提供相同的推荐路线,不能满足用户的个性化需求的技术问题。

Description

导航路线的推荐方法及其装置
技术领域
本发明涉及电子地图技术领域,尤其涉及一种导航路线的推荐方法及其装置。
背景技术
随着电子地图的不断发展,人们出行越来越依赖电子地图提供的导航路线。然而,不同的用户对导航路线的偏好是不一样的。比如每天着急上班的用户,愿意选择避堵的小路快速到达,而时间充裕的新手司机,愿意选择安全有保障的大路。
因此,电子地图提供的导航路线不仅需要帮助人们进行出行路线的规划,还需要考虑不同用户对导航路线的偏好。然而,相关技术中,导航路线的生成仅仅依赖于对路网数据的计算,对不同用户提供相同的推荐路线,不能满足用户的个性化需求。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种导航路线的推荐方法,以实现根据当前画像信息以及参考画像信息,从多条参考路线中选择推荐路线,使得推荐路线能够满足当前用户的个性化需求。
本发明的第二个目的在于提出一种导航路线的推荐装置。
本发明的第三个目的在于提出一种计算机程序产品。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种导航路线的推荐方法,包括:获取待推荐路线的导航信息,并生成所述导航信息对应的多条参考路线,其中,每条所述参考路线分别对应着参考画像信息;获取当前用户的当前画像信息;以及根据所述当前画像信息以及所述多条参考路线对应的参考画像信息,从所述多条参考路线中选择推荐路线。
和现有技术相比,本发明实施例根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线。由此,实现了根据当前画像信息以及参考画像信息,从多条参考路线中选择推荐路线,使得推荐路线能够满足当前用户的个性化需求。
另外,本发明实施例的导航路线的推荐方法,还具有如下附加的技术特征:
可选地,在所述获取待推荐路线的导航信息之前,还包括:对原始地图进行网格划分,以获取所述网格地图;以及设置所述原始地图中的每一个点与所述网格地图中的网格对应。
可选地,所述导航信息包括起点和终点,所述生成所述导航信息对应的多条参考路线,包括:确定所述起点在所述网格地图中对应的第一网格和所述终点在网格地图中对应的第二网格;根据所述第一网格和所述第二网格,生成从所述第一网格到所述第二网格的多条候选网格间路线;使用路径规划算法生成所述第一网格和所述第二网格内的第一局部路线和第二局部路线;将所述多条候选网格间路线与所述第一局部路线和所述第二局部路线相连接,以生成从所述起点到所述终点的多条参考路线。
可选地,所述根据所述第一网格和所述第二网格,生成从所述第一网格到所述第二网格的多条候选网格间路线,包括:查询预设的候选网格间路线数据库,以获取所述第一网格和所述第二网格之间的多条候选网格间路线。
可选地,所述根据所述当前画像信息以及所述多条参考路线对应的参考画像信息,从所述多条参考路线中选择推荐路线,包括:根据所述当前画像信息和所述参考画像信息,生成画像相似度计算结果;获取当前上下文信息,其中,所述当前上下文信息包括实时路况信息和时间点信息;查询预设的候选网格间路线数据库,以分别获取多条所述参考路线分别对应的多个参考上下文信息;将所述当前上下文信息与所述多个参考上下文信息进行上下文相似度计算,以获取所述上下文相似度计算结果;根据所述画像相似度计算结果和所述上下文相似度计算结果,对所述多条参考路线进行相似度加权;以及根据所述相似度加权的结果,在所述多条参考路线中选择所述推荐路线。
可选地,所述根据所述相似度加权的结果,在所述多条参考路线中选择所述推荐路线,包括:根据所述相似度加权的结果,对所述多条参考路线按照所述相似度加权的结果从高到低进行排序;将前K条所述参考路线作为相似路线,其中,K为预设常数;分别获取K条所述相似路线对应的实际使用信息;根据所述实际使用信息,分别对K条所述相似路线进行评分;选择评分最高的所述相似路线作为所述推荐路线。
可选地,所述预设的候选网格间路线数据库通过以下步骤建立:获取所述参考用户的网格间路线及对应的参考用户的反馈信息;根据所述参考用户的反馈信息从所述参考用户的网格间路线中筛选出所述参考用户的候选网格间路线;确定所述候选网格间路线对应的所述参考画像信息;确定所述候选网格间路线对应的所述参考上下文信息;根据所述候选网格间路线、所述参考画像信息、所述参考上下文信息,建立所述候选网格间路线数据库。
可选地,所述确定所述候选网格间路线对应的所述参考画像信息,包括:获取参考画像数据;对所述参考画像数据进行标签化处理,或者向量化处理,以获取所述参考画像信息。
可选地,所述确定所述候选网格间路线对应的所述参考上下文信息,包括:获取参考上下文数据;对所述参考上下文数据进行编码处理,以获取所述参考上下文信息。
本发明第二方面实施例提出了一种导航路线的推荐装置,包括:第一获取模块,用于获取待推荐路线的导航信息;生成模块,用于生成所述导航信息对应的多条参考路线,其中,每条所述参考路线分别对应着参考画像信息;第二获取模块,用于获取当前用户的当前画像信息;以及选择模块,用于根据所述当前画像信息以及所述多条参考路线对应的参考画像信息,从所述多条参考路线中选择推荐路线。
另外,本发明实施例的导航路线的推荐装置,还具有如下附加的技术特征:
可选地,所述装置还包括:划分模块,用于对原始地图进行网格划分,以获取所述网格地图;以及设置模块,用于设置所述原始地图中的每一个点与所述网格地图中的网格对应。
可选地,所述导航信息包括起点和终点,所述生成模块,包括:确定子模块,用于确定所述起点在所述网格地图中对应的第一网格和所述终点在所述网格地图中对应的第二网格;第一生成子模块,用于根据所述第一网格和所述第二网格,生成从所述第一网格到所述第二网格的多条候选网格间路线;第二生成子模块,用于使用路径规划算法生成所述第一网格和所述第二网格内的第一局部路线和第二局部路线;连接子模块,用于将所述多条候选网格间路线与所述第一局部路线和所述第二局部路线相连接,以生成从所述起点到所述终点的多条参考路线。
可选地,所述第一生成子模块,具体用于查询预设的候选网格间路线数据库,以获取所述第一网格和所述第二网格之间的多条候选网格间路线。
可选地,所述选择模块,包括:第三生成子模块,用于根据所述当前画像信息和所述参考画像信息,生成画像相似度计算结果;第一获取子模块,用于获取当前上下文信息,其中,所述当前上下文信息包括实时路况信息和时间点信息;查询子模块,用于查询预设的候选网格间路线数据库,以分别获取多条所述参考路线分别对应的多个参考上下文信息;相似度计算子模块,用于将所述当前上下文信息与所述多个参考上下文信息进行上下文相似度计算,以获取所述上下文相似度计算结果;相似度加权子模块,用于根据所述画像相似度计算结果和所述上下文相似度计算结果,对所述多条参考路线进行相似度加权;以及选择子模块,用于根据所述相似度加权的结果,在所述多条参考路线中选择所述推荐路线。
可选地,所述选择子模块,包括:排序单元,用于根据所述相似度加权的结果,对所述多条参考路线按照所述相似度加权的结果从高到低进行排序;设置单元,用于将前K条所述参考路线作为相似路线,其中,K为预设常数;获取单元,用于分别获取K条所述相似路线对应的实际使用信息;评分单元,用于根据所述实际使用信息,分别对K条所述相似路线进行评分;选择单元,用于选择评分最高的所述相似路线作为所述推荐路线。
可选地,所述预设的候选网格间路线数据库通过以下模块建立:第三获取模块,用于获取所述参考用户的网格间路线及对应的参考用户的反馈信息;筛选模块,用于根据所述参考用户的反馈信息从所述参考用户的网格间路线中筛选出所述参考用户的候选网格间路线;第一确定模块,用于确定所述候选网格间路线对应的所述参考画像信息;第二确定模块,用于确定所述候选网格间路线对应的所述参考上下文信息;建立模块,用于根据所述候选网格间路线、所述参考画像信息、所述参考上下文信息,建立所述候选网格间路线数据库。
可选地,所述第一确定模块,包括:第二获取子模块,用于获取参考画像数据;第一处理子模块,用于对所述参考画像数据进行标签化处理,或者向量化处理,以获取所述参考画像信息。
可选地,所述第二确定模块,包括:第三获取子模块,用于获取参考上下文数据;第二处理子模块,用于对所述参考上下文数据进行编码处理,以获取所述参考上下文信息。
本发明第三方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时实现如前述方法实施例所述的导航路线的推荐方法。
本发明第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述方法实施例所述的导航路线的推荐方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明实施例所提供的一种导航路线的推荐方法的流程示意图;
图2为本发明实施例所提供的另一种导航路线的推荐方法的流程示意图;
图3为本发明实施例所提供的平均单位长度路况数据的获取的效果示意图;
图4为本发明实施例所提供的预设的候选网格间路线数据库的建立方法的流程示意图;
图5为本发明实施例所提供的路网数据生成导航路线的一个示例的效果示意图;
图6为本发明实施例所提供的司机绕路过程的一个示例的效果示意图;
图7为本发明实施例所提供的新的导航路线的一个示例的效果示意图;
图8为本发明实施例所提供的导航路线的推荐方法的模块化表示的示意图;
图9为本发明实施例所提供的导航路线的推荐方法的产品界面的效果示意图;
图10为本发明实施例所提供的导航路线的推荐方法的推荐路线界面的效果示意图;
图11为本发明实施例所提供的导航路线的推荐方法的推荐路线随时间点和实际使用信息而改变的效果示意图;
图12为本发明实施例所提供的一种导航路线的推荐装置的结构示意图;
图13为本发明实施例所提供的另一种导航路线的推荐装置的结构示意图;以及
图14为本发明实施例所提供的又一种导航路线的推荐装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的导航路线的推荐方法及其装置。
基于上述现有技术的描述可以知道,相关技术中,导航路线的生成仅仅依赖于对路网数据的计算,对不同用户提供相同的推荐路线,不能满足用户的个性化需求。
针对这一问题,本发明实施例提供了一种导航路线的推荐方法,根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线,使得推荐路线能够满足当前用户的个性化需求。
图1为本发明实施例所提供的一种导航路线的推荐方法的流程示意图。如图1所示,该方法包括以下步骤:
S101,获取待推荐路线的导航信息,并生成导航信息对应的多条参考路线。
其中,每条参考路线分别对应着参考画像信息。
可以理解,导航信息中包括起点和终点,而导航信息对应的多条参考路线,每一条都在起点和终点之间相连。
应当理解,在确定起点和终点的情况下,生成导航信息对应的多条参考路线的方法有多种,比如可以使用A*算法、Dijkstra算法等路径规划算法在起点和终点之间生成参考路线。
本发明实施例提供了一种生成导航信息对应的多条参考路线的方法。
具体地,在获取待推荐路线的导航信息,并生成导航信息对应的多条参考路线之前,对原始地图进行划分,以获取网格地图。设置原始地图中的每一个点与网格地图中的网格对应。
从而将原始地图中较为稀疏的经纬度组合的数字表达,转换为稠密的网格表达。
根据原始地图生成对应的网格地图之后,采用以下步骤生成导航信息对应的多条参考路线:
S11,确定起点在网格地图中对应的第一网格和终点在网格地图中对应的第二网格。
可以理解,原始地图中的每一个点与网格地图中的网格对应,也就是说,起点和终点分别位于网格地图中对应的第一网格和第二网格之内。
当起点和终点在网格地图中的不同的网格内时,可以将路线分为三个部分,第一网格内的第一局部路线,第一网格和第二网格之间的网格间路线,第二网格内的第二局部路线。
一种特殊的情况是,起点和终点之间的距离很近,刚好位于同一个网格之内,可以使用路径规划算法直接生成起点和终点之间的推荐路线。
S12,根据第一网格和第二网格,生成从第一网格到第二网格的多条候选网格间路线。
S13,使用路径规划算法生成第一网格和第二网格内的第一局部路线和第二局部路线。
S14,将多条候选网格间路线与第一局部路线和第二局部路线相连接,以生成从起点到终点的多条参考路线。
具体地,查询预设的候选网格间路线数据库,以获取第一网格和第二网格之间的多条候选网格间路线。
使用A*算法、Dijkstra算法等路径规划算法生成第一网格和第二网格内的第一局部路线和第二局部路线。
应当理解的是,由于候选网格间路线不同,那么第一局部路线和第二局部路线的起止点也不同。以第一网格为例进行举例说明,第一网格中导航路线的起点是确定的,也就是第一局部路线的起点是确定的,但是第一局部路线的终点却是根据候选网格间路线发生改变的,即第一局部路线的终点要和候选网格间路线的一端重合。
进一步地,为了让网格地图能够适用于不同的情况,一种优选的实现方式是,对原始地图采用不同粒度的网格进行层次化切割,比如:分别采用1km*1km、2km*2km、3km*km的正方形网格对原始地图进行切割,得到粒度不同的三层网格地图。
在使用网格地图时,优先使用粒度最小的网格生成参考路线,若当前区域参考路线稀疏,采用小粒度的网格无法获得足够多的参考路线,则采用较大粒度的网格生成更多的参考路线。
S102,获取当前用户的当前画像信息。
S103,根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线。
需要说明的是,具有相同画像信息的用户,在出行时对于推荐路线的偏好也相同。因此,可以获取每一条参考路线对应的参考画像信息,根据当前用户的当前画像信息和参考画像信息,从多条参考路线中选择推荐路线。
本发明实施例所提供的一种导航路线的推荐方法,获取待推荐路线的导航信息,并生成导航信息对应的多条参考路线,其中,每条参考路线分别对应着参考画像信息。获取当前用户的当前画像信息,根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线。由此,实现了根据当前画像信息以及参考画像信息,从多条参考路线中选择推荐路线,使得推荐路线能够满足当前用户的个性化需求。
为了更加清楚地说明本发明实施例所提供的导航路线的推荐方法是如何从多条参考路线中选择推荐路线的,本发明实施例还提出了另一种导航路线的推荐方法。图2为本发明实施例所提供的另一种导航路线的推荐方法的流程示意图,基于图1所示的方法流程,如图2所示,S103,根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线,包括:
S201,根据当前画像信息和参考画像信息,生成画像相似度计算结果。
需要说明的是,为了便于相似度计算,当前画像信息和参考画像信息分别是由当前画像数据和参考画像数据经过相应的处理方式之后获得的。
具体地,对用户的画像数据进行处理的方式有多种。
第一种可能的实现方式是,人工指定画像信息的多个维度,将其作为画像数据向量化的标准。举例来说,人工指定画像信息的维度包括:职业、年龄、驾龄、车况、性格、收入范围、学历、驾驶偏好、惯用车速,从用户的画像数据中提取上述维度对应的信息,将其填充到画像信息的各个维度中,将各个维度中对应的信息作为用户的标签,通过标签对用户进行分类,同一个类别中的多个用户使用相同的画像信息。第二种可能的实现方式是,通过分类学习的方法确定用户的画像信息。具体地,将用户的特征进行one-hot的向量化数字表达,然后通过距离计算方法,比如汉明距离、加权余弦距离等,得到多个用户之间的远近关系。使用非监督学习的方法,比如k-means或者层次聚类算法,对用户进行归类,同一个类别中的多个用户使用相同的画像信息。
第三种可能的实现方式是,通过深度学习的方法确定用户的画像信息。具体地,将用户的特征进行embedding的数字化表达,建立浅层神经网络,指定多任务学习目标,比如导航频率、驾驶完成度、导航轨迹一致率等,让模型自我学习出用户的向量表达。使用余弦距离进行聚类,同一个类别中的多个用户使用相同的画像信息。
可以理解,对当前画像信息和参考画像信息进行相似度计算时,需要根据不同的画像数据处理方式选择不同的相似度计算方法。
具体地,根据参考画像信息的处理方式,采用相同的处理方式对当前画像信息进行处理,确定当前用户的类别。
第一种可能的情况,通过标签对用户进行分类。首先根据当前用户的画像数据,确定当前用户的标签。将当前用户的标签与不同的预设用户类别的标签进行匹配,若完全匹配,则将当前用户的类别确定为该用户类别。
第二种可能的情况,使用非监督学习的方法对用户进行分类。对当前用户的特征进行one-hot的向量化数字表达,计算当前用户的信息与不同的预设用户类别中心点信息的距离,选择距离最近的预设用户类别作为当前用户的类别。
第三种可能的情况,使用深度学习的方法对用户进行分类。对当前用户的特征进行embedding的数字化表达,计算当前用户的信息与不同的预设用户类别中心点信息的距离,选择距离最近的预设用户类别作为当前用户的类别。
需要说明的是,在确定了当前用户的类别之后,则将当前用户与该类别中的参考用户的相似度确定为100%。
S202,获取当前上下文信息。
其中,当前上下文信息包括实时路况信息和时间点信息。
需要说明的是,和画像信息相类似,为了便于相似度计算,当前上下文信息是当前上下文数据经过编码处理之后获得的。
需要特别说明的是,可以根据用户的实际需求获取不同类型的当前上下文数据,生成对应的当前上下文信息。
举例来说,用户即刻出发,想要获得推荐的导航路线,则获取的当前上下文信息为实时路况信息,无需考虑时间点信息。
用户想在未来的某个时间点出发,想要获得推荐的导航路线,则获取的当前上下文信息为该时间点对应的时间点信息,无需考虑实时路况信息。
具体地,可以根据具体情况,从时间和空间两个角度对当前上下文数据进行编码处理。
在空间维度上,根据第一网格和第二网格,设定一个长方形区域,将该区域内的平均路况数据作为卷积神经网络模型的输入,以用户的达到时长作为训练目标,将卷积神经网络模型的最后一个隐层向量作为路况数据编码后的实时路况信息。
举例来说,如图3所示,第一网格为C2,第二网格为P6,得到以C2、C6、P2、P6为顶点的长方形。通过长宽分别padding的方式进行一定区域的扩大,以A0、R0、A8、R8为长方形顶点,设定长方形区域。将该长方形区域内的每个网格对应的平均单位长度路况数据作为卷积神经网络模型的输入,输出一个定长向量作为当前上下文信息中的实时路况信息。
在时间维度上,以一个礼拜作为一个时间周期,将时间以15分钟进行分段,一个礼拜就有672个(7*24*4)15分钟片段,判断出发时间处于这672个15分钟片段中的哪个,并将该片段对应的编码作为当前上下文信息中的时间点信息。
S203,查询预设的候选网格间路线数据库,以分别获取多条参考路线分别对应的多个参考上下文信息。
可以理解,参考上下文信息是参考上下文数据经过编码处理之后获得的,而预设的候选网格间路线数据库预先存储了参考路线对应的参考上下文信息。
S204,将当前上下文信息与多个参考上下文信息进行上下文相似度计算,以获取上下文相似度计算结果。
与画像相似度计算的方法相类似,将编码之后的当前上下文信息与多个参考上下文信息进行相似度计算,获取上下文相似度计算结果。
S205,根据画像相似度计算结果和上下文相似度计算结果,对多条参考路线进行相似度加权。
具体地,根据画像相似度计算结果和上下文相似度计算结果,对多条参考路线进行相似度加权计算,得到多条参考路线对应的综合相似度计算结果。
其中,加权计算的权值可以根据画像相似度和上下文相似度的影响力大小事先确定。
S206,根据相似度加权的结果,在多条参考路线中选择推荐路线。
可以理解的是,相似度加权计算的结果既包含了参考路线对应的参考画像信息与当前画像信息的相似度,又包含了参考路线对应的参考上下文信息与当前上下文信息的相似度。
分别从用户和路况的角度对参考路线是否满足当前用户的个性化需求进行了评价,相似度加权计算的结果越接近,说明参考路线越能满足当前用户的个性化需求。
进一步地,为了防止根据相似度加权的结果获得的最接近的参考路线不合理,一种可能的实现方式是,通过以下步骤在多条参考路线中选择推荐路线:
S21,根据相似度加权的结果,对多条参考路线按照相似度加权的结果从高到低进行排序。
S22,将前K条参考路线作为相似路线。
其中,K为预设常数。
应当理解的是,根据相似度加权计算的结果可以评价参考路线对当前用户的个性化需求的满足程度,但除此之外还需要考虑其他因素对推荐路线的影响。
一种可能的实现方式是,先选取相似度加权的结果前K条参考路线作为相似路线,再考虑其他因素,从相似路线选择出推荐路线,比如说选取前5条参考路线。
S23,分别获取K条相似路线对应的实际使用信息。
其中,实际使用信息包括路线使用率、预估到达时长、用户满意度。
S24,根据实际使用信息,分别对K条相似路线进行评分。
应当理解的是,评价路线优劣最有说服力的评分标准是该路线的实际使用信息。比如说,路线使用率越高,说明用户都认可该路线,而不仅仅是从路程或者时间的角度去计算比较路线优劣。预估到达时长可以根据用户实际使用该路线达到的时间获得,能够反映该路线的顺畅程度。用户满意度是用户对该路线的评价信息,能够反映用户对该路线的好恶。
S25,选择评分最高的相似路线作为推荐路线。
应当理解的是,经过相似度加权计算和实际使用信息评分两次处理,既考虑了当前用户的个性化需求,又考虑了该路线的实际使用情况,使得选择出的推荐路线更加合理。
从而,实现了从多条参考路线中选择推荐路线。
为了更加清楚地说明本发明实施例所提供的导航路线的推荐方法,下面将对本发明实施例所提供的预设的候选网格间路线数据库的建立方法进行说明。图4为本发明实施例所提供的预设的候选网格间路线数据库的建立方法的流程示意图。如图4所示,预设的候选网格间路线数据库通过以下步骤建立:
S301,获取参考用户的网格间路线及对应的参考用户的反馈信息。
具体地,在参考用户使用导航路线完成导航之后,可以从全量日志中获取参考用户使用的导航路线对应的网格间路线,以及获取参考用户对该导航路线的评价,作为网格间路线对应的参考用户的反馈信息。
其中,参考用户的反馈信息可以是五星好评之类的打分,还可以是“时间短”、“道路通畅”、“堵车”之类的文字性评价。
S302,根据参考用户的反馈信息从参考用户的网格间路线中筛选出参考用户的候选网格间路线。
具体地,根据参考用户的反馈信息,从参考用户的网格间路线中筛选出打分高和正面评价多的网格间路线作为候选网格间路线。
S303,确定候选网格间路线对应的参考画像信息。
应当理解的是,确定参考画像信息是通过对参考画像数据进行处理之后实现的。具体地,获取参考画像数据,对参考画像数据进行标签化处理,或者向量化处理,以获取参考画像信息。
S304,确定候选网格间路线对应的参考上下文信息。
应当理解的是,确定参考上下文信息是通过对上下文数据进行编码处理实现的。具体地,获取参考上下文数据,对参考上下文数据进行编码处理,以获取参考上下文信息。
S305,根据候选网格间路线、参考画像信息、参考上下文信息,建立候选网格间路线数据库。
可以理解,本发明实施例所提供的导航路线的推荐方法只需要从候选网格间路线数据库中获取候选网格间路线、参考画像信息、参考上下文信息,但是候选网格间路线数据库还可以包括其他相关信息,比如候选网格间路线对应的天气信息、道路封闭信息、重大活动信息等。
从而,实现了候选网格间路线数据库的建立。
为了更加清楚地说明本发明实施例所提供的导航路线的推荐方法,下面对使用候选网格间路线数据库的原因进行说明。
如图5所示,依靠路网数据直接生成从美好愿景香榭丽舍到武汉市第一职业教育中心的导航路线,那么得到的推荐路线长为18公里,预估到达时长为26分钟。
如图6所示,对于熟悉这段道路的司机,他们则会选择先反向行驶一段路后上高架。为了便于描述,此处将司机绕路的过程用途径地点的方式表示。
然后得到如图7所示的新的导航路线,与原导航路线相比,虽然路线长度增加了,但是预估到达时长却缩短了。
而这样的改变是基于司机对该段路线的熟悉所做出的判断,依靠路网数据的计算无法获得。因此,本发明实施例通过预先建立候选网格间路线数据库的方式收集参考用户的参考路线,再从参考路线中选择推荐路线,可以充分挖掘司机的驾驶经验,使得推荐路线更加合理。
在理解了候选网格间路线数据库的作用之后,下面对本发明实施例所提供的导航路线的推荐方法进行整体上的举例说明。
如图8所示,本发明实施例所提供的导航路线的推荐方法可以分由三大模块实现。
坐标层次网格化模块,通过对原始地图进行不同粒度的网格进行层次化切割,将原始地图中的每一个点对应至不同层次的网格中。
离线挖掘模块,通过从全量日志中挖掘参考画像信息,参考上下文信息,候选网格间路线,建立候选网格间路线数据库。
在线检索模块,通过导航信息中的起点和终点,从候选网格间路线数据库中获取对应的候选网格间路线,再将网格内的局部路线与候选网格间路线相连接,生成多条参考路线。根据导航信息中的当前画像信息和当前上下文信息,计算相似度,从参考路线中筛选出相似路线。对相似路线进行相似度排序和评分,得到推荐路线。
下面对本发明实施例所提供的导航路线的推荐方法的实际应用产品进行说明。
如图9所示,在现有的导航路线界面中增加“看看大家怎么走”的跳转链接,跳转之后得到如图10所示的界面,该界面显示的路线即为本发明实施例所提供的导航路线的推荐方法生成的推荐路线。
需要说明的是,在对相似路线进行打分的过程中,可以选择实际使用信息中的一项进行打分,比如以用户满意度进行打分,那么得到的推荐路线就是满意度优先对应的推荐路线。
进一步地,如图11所示,本发明实施例所提供的导航路线的推荐方法中的当前上下文信息和参考上下文信息都包括时间点信息。因此,可以根据实际需求改变输入的出发时间,获取不同时间点的推荐路线,还可以改变打分对应的实际使用信息。
为了实现上述实施例,本发明实施例还提出一种导航路线的推荐装置,图12为本发明实施例所提供的一种导航路线的推荐装置的结构示意图,如图12所示,该装置包括:第一获取模块410,生成模块420,第二获取模块430,选择模块440。
第一获取模块410,用于获取待推荐路线的导航信息。
生成模块420,用于生成导航信息对应的多条参考路线,其中,每条参考路线分别对应着参考画像信息。
第二获取模块430,用于获取当前用户的当前画像信息。
选择模块440,用于根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线。
进一步地,为了提高导航路线的精确度,一种可能的实现方式是,该装置还包括:划分模块450,用于对原始地图进行网格划分,以获取网格地图。设置模块460,用于设置原始地图中的每一个点与网格地图中的网格对应。
进一步地,为了能够在网格地图中生成导航信息对应的多条参考路线,一种可能的实现方式是,导航信息包括起点和终点,生成模块420,包括:确定子模块421,用于确定起点在网格地图中对应的第一网格和终点在网格地图中对应的第二网格。第一生成子模块422,用于根据第一网格和第二网格,生成从第一网格到第二网格的多条候选网格间路线。第二生成子模块423,用于使用路径规划算法生成第一网格和第二网格内的第一局部路线和第二局部路线。连接子模块424,用于将多条候选网格间路线与第一局部路线和第二局部路线相连接,以生成从起点到终点的多条参考路线。
进一步地,为了生成从第一网格到第二网格的多条候选网格间路线,一种可能的实现方式是,第一生成子模块422,具体用于查询预设的候选网格间路线数据库,以获取第一网格和第二网格之间的多条候选网格间路线。
需要说明的是,前述对导航路线的推荐方法实施例的解释说明也适用于该实施例的导航路线的推荐装置,此处不再赘述。
本发明实施例所提供的一种导航路线的推荐装置,获取待推荐路线的导航信息,并生成导航信息对应的多条参考路线,其中,每条参考路线分别对应着参考画像信息。获取当前用户的当前画像信息,根据当前画像信息以及多条参考路线对应的参考画像信息,从多条参考路线中选择推荐路线。由此,实现了根据当前画像信息以及参考画像信息,从多条参考路线中选择推荐路线,使得推荐路线能够满足当前用户的个性化需求。
为了实现上述实施例,本发明实施例还提出另一种导航路线的推荐装置,图13为本发明实施例所提供的另一种导航路线的推荐装置的结构示意图,基于图12所示的装置结构,如图13所示,选择模块440,包括:第三生成子模块441,第一获取子模块442,查询子模块443,相似度计算子模块444,相似度加权子模块445,选择子模块446。
第三生成子模块441,用于根据当前画像信息和参考画像信息,生成画像相似度计算结果。
第一获取子模块442,用于获取当前上下文信息,其中,当前上下文信息包括实时路况信息和时间点信息。
查询子模块443,用于查询预设的候选网格间路线数据库,以分别获取多条参考路线分别对应的多个参考上下文信息。
相似度计算子模块444,用于将当前上下文信息与多个参考上下文信息进行上下文相似度计算,以获取上下文相似度计算结果。
相似度加权子模块445,用于根据画像相似度计算结果和上下文相似度计算结果,对多条参考路线进行相似度加权。
选择子模块446,用于根据相似度加权的结果,在多条参考路线中选择推荐路线。
进一步地,为了防止根据相似度加权的结果获得的最接近的参考路线不合理,一种可能的实现方式是,选择子模块446,包括:排序单元4461,用于根据相似度加权的结果,对多条参考路线按照相似度加权的结果从高到低进行排序。设置单元4462,用于将前K条参考路线作为相似路线,其中,K为预设常数。获取单元4463,用于分别获取K条相似路线对应的实际使用信息。评分单元4464,用于根据实际使用信息,分别对K条相似路线进行评分。选择单元4465,用于选择评分最高的相似路线作为推荐路线。
需要说明的是,前述对导航路线的推荐方法实施例的解释说明也适用于该实施例的导航路线的推荐装置,此处不再赘述。
从而,实现了从多条参考路线中选择推荐路线。
为了实现上述实施例,本发明实施例还提出又一种导航路线的推荐装置,图14为本发明实施例所提供的又一种导航路线的推荐装置的结构示意图,如图14所示,前述预设的候选网格间路线数据库通过以下模块建立:第三获取模块470,筛选模块480,第一确定模块490,第二确定模块4100,建立模块4110。
第三获取模块470,用于获取参考用户的网格间路线及对应的参考用户的反馈信息。
筛选模块480,用于根据参考用户的反馈信息从参考用户的网格间路线中筛选出参考用户的候选网格间路线。
第一确定模块490,用于确定候选网格间路线对应的参考画像信息。
第二确定模块4100,用于确定候选网格间路线对应的参考上下文信息。
建立模块4110,用于根据候选网格间路线、参考画像信息、参考上下文信息,建立候选网格间路线数据库。
进一步地,为了确定候选网格间路线对应的参考画像信息,一种可能的实现方式是,第一确定模块490,包括:第二获取子模块491,用于获取参考画像数据。第一处理子模块492,用于对参考画像数据进行标签化处理,或者向量化处理,以获取参考画像信息。
进一步地,为了确定候选网格间路线对应的参考上下文信息,一种可能的实现方式是,第二确定模块4100,包括:第三获取子模块4101,用于获取参考上下文数据。第二处理子模块4102,用于对参考上下文数据进行编码处理,以获取参考上下文信息。
需要说明的是,前述对导航路线的推荐方法实施例的解释说明也适用于该实施例的导航路线的推荐装置,此处不再赘述。
从而,实现了候选网格间路线数据库的建立。
为了实现上述实施例,本发明实施例还提出一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时实现如前述方法实施例所述的导航路线的推荐方法。
为了实现上述实施例,实施例还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述方法实施例所述的导航路线的推荐方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (20)

1.一种导航路线的推荐方法,其特征在于,包括:
获取待推荐路线的导航信息,并生成所述导航信息对应的多条参考路线,其中,每条所述参考路线分别对应着参考画像信息;
获取当前用户的当前画像信息;以及
根据所述当前画像信息以及所述多条参考路线对应的参考画像信息,从所述多条参考路线中选择推荐路线。
2.如权利要求1所述的方法,其特征在于,在所述获取待推荐路线的导航信息之前,还包括:
对原始地图进行网格划分,以获取所述网格地图;以及
设置所述原始地图中的每一个点与所述网格地图中的网格对应。
3.如权利要求2所述的方法,其特征在于,所述导航信息包括起点和终点,所述生成所述导航信息对应的多条参考路线,包括:
确定所述起点在所述网格地图中对应的第一网格和所述终点在所述网格地图中对应的第二网格;
根据所述第一网格和所述第二网格,生成从所述第一网格到所述第二网格的多条候选网格间路线;
使用路径规划算法生成所述第一网格和所述第二网格内的第一局部路线和第二局部路线;
将所述多条候选网格间路线与所述第一局部路线和所述第二局部路线相连接,以生成从所述起点到所述终点的多条参考路线。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一网格和所述第二网格,生成从所述第一网格到所述第二网格的多条候选网格间路线,包括:
查询预设的候选网格间路线数据库,以获取所述第一网格和所述第二网格之间的多条候选网格间路线。
5.如权利要求4所述的方法,其特征在于,所述根据所述当前画像信息以及所述多条参考路线对应的参考画像信息,从所述多条参考路线中选择推荐路线,包括:
根据所述当前画像信息和所述参考画像信息,生成画像相似度计算结果;
获取当前上下文信息,其中,所述当前上下文信息包括实时路况信息和时间点信息;
查询预设的候选网格间路线数据库,以分别获取多条所述参考路线分别对应的多个参考上下文信息;
将所述当前上下文信息与所述多个参考上下文信息进行上下文相似度计算,以获取所述上下文相似度计算结果;
根据所述画像相似度计算结果和所述上下文相似度计算结果,对所述多条参考路线进行相似度加权;以及
根据所述相似度加权的结果,在所述多条参考路线中选择所述推荐路线。
6.如权利要求5所述的方法,其特征在于,所述根据所述相似度加权的结果,在所述多条参考路线中选择所述推荐路线,包括:
根据所述相似度加权的结果,对所述多条参考路线按照所述相似度加权的结果从高到低进行排序;
将前K条所述参考路线作为相似路线,其中,K为预设常数;
分别获取K条所述相似路线对应的实际使用信息;
根据所述实际使用信息,分别对K条所述相似路线进行评分;
选择评分最高的所述相似路线作为所述推荐路线。
7.如权利要求4-6任一项所述的方法,其特征在于,所述预设的候选网格间路线数据库通过以下步骤建立:
获取所述参考用户的网格间路线及对应的参考用户的反馈信息;
根据所述参考用户的反馈信息从所述参考用户的网格间路线中筛选出所述参考用户的候选网格间路线;
确定所述候选网格间路线对应的所述参考画像信息;
确定所述候选网格间路线对应的所述参考上下文信息;
根据所述候选网格间路线、所述参考画像信息、所述参考上下文信息,建立所述候选网格间路线数据库。
8.如权利要求7所述的方法,其特征在于,所述确定所述候选网格间路线对应的所述参考画像信息,包括:
获取参考画像数据;
对所述参考画像数据进行标签化处理,或者向量化处理,以获取所述参考画像信息。
9.如权利要求7所述的方法,其特征在于,所述确定所述候选网格间路线对应的所述参考上下文信息,包括:
获取参考上下文数据;
对所述参考上下文数据进行编码处理,以获取所述参考上下文信息。
10.一种导航路线的推荐装置,其特征在于,包括:
第一获取模块,用于获取待推荐路线的导航信息;
生成模块,用于生成所述导航信息对应的多条参考路线,其中,每条所述参考路线分别对应着参考画像信息;
第二获取模块,用于获取当前用户的当前画像信息;以及
选择模块,用于根据所述当前画像信息以及所述多条参考路线对应的参考画像信息,从所述多条参考路线中选择推荐路线。
11.如权利要求10所述的装置,其特征在于,所述装置还包括:
划分模块,用于对原始地图进行网格划分,以获取所述网格地图;以及
设置模块,用于设置所述原始地图中的每一个点与所述网格地图中的网格对应。
12.如权利要求11所述的装置,其特征在于,所述导航信息包括起点和终点,所述生成模块,包括:
确定子模块,用于确定所述起点在所述网格地图中对应的第一网格和所述终点在所述网格地图中对应的第二网格;
第一生成子模块,用于根据所述第一网格和所述第二网格,生成从所述第一网格到所述第二网格的多条候选网格间路线;
第二生成子模块,用于使用路径规划算法生成所述第一网格和所述第二网格内的第一局部路线和第二局部路线;
连接子模块,用于将所述多条候选网格间路线与所述第一局部路线和所述第二局部路线相连接,以生成从所述起点到所述终点的多条参考路线。
13.如权利要求12所述的装置,其特征在于,所述第一生成子模块,具体用于查询预设的候选网格间路线数据库,以获取所述第一网格和所述第二网格之间的多条候选网格间路线。
14.如权利要求13所述的装置,其特征在于,所述选择模块,包括:
第三生成子模块,用于根据所述当前画像信息和所述参考画像信息,生成画像相似度计算结果;
第一获取子模块,用于获取当前上下文信息,其中,所述当前上下文信息包括实时路况信息和时间点信息;
查询子模块,用于查询预设的候选网格间路线数据库,以分别获取多条所述参考路线分别对应的多个参考上下文信息;
相似度计算子模块,用于将所述当前上下文信息与所述多个参考上下文信息进行上下文相似度计算,以获取所述上下文相似度计算结果;
相似度加权子模块,用于根据所述画像相似度计算结果和所述上下文相似度计算结果,对所述多条参考路线进行相似度加权;以及
选择子模块,用于根据所述相似度加权的结果,在所述多条参考路线中选择所述推荐路线。
15.如权利要求14所述的装置,其特征在于,所述选择子模块,包括:
排序单元,用于根据所述相似度加权的结果,对所述多条参考路线按照所述相似度加权的结果从高到低进行排序;
设置单元,用于将前K条所述参考路线作为相似路线,其中,K为预设常数;
获取单元,用于分别获取K条所述相似路线对应的实际使用信息;
评分单元,用于根据所述实际使用信息,分别对K条所述相似路线进行评分;
选择单元,用于选择评分最高的所述相似路线作为所述推荐路线。
16.如权利要求13-15中任一项所述的装置,其特征在于,所述预设的候选网格间路线数据库通过以下模块建立:
第三获取模块,用于获取所述参考用户的网格间路线及对应的参考用户的反馈信息;
筛选模块,用于根据所述参考用户的反馈信息从所述参考用户的网格间路线中筛选出所述参考用户的候选网格间路线;
第一确定模块,用于确定所述候选网格间路线对应的所述参考画像信息;
第二确定模块,用于确定所述候选网格间路线对应的所述参考上下文信息;
建立模块,用于根据所述候选网格间路线、所述参考画像信息、所述参考上下文信息,建立所述候选网格间路线数据库。
17.如权利要求16所述的装置,其特征在于,所述第一确定模块,包括:
第一处理子模块,用于对所述参考画像数据进行标签化处理,或者向量化处理,以获取所述参考画像信息。
18.如权利要求16所述的装置,其特征在于,所述第二确定模块,包括:
第三获取子模块,用于获取参考上下文数据;
第二处理子模块,用于对所述参考上下文数据进行编码处理,以获取所述参考上下文信息。
19.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令处理器执行时实现如权利要求1-9中任一项所述的导航路线的推荐方法。
20.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的导航路线的推荐方法。
CN201811542302.6A 2018-12-17 2018-12-17 导航路线的推荐方法及其装置 Active CN109459050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811542302.6A CN109459050B (zh) 2018-12-17 2018-12-17 导航路线的推荐方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811542302.6A CN109459050B (zh) 2018-12-17 2018-12-17 导航路线的推荐方法及其装置

Publications (2)

Publication Number Publication Date
CN109459050A true CN109459050A (zh) 2019-03-12
CN109459050B CN109459050B (zh) 2020-03-03

Family

ID=65613550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811542302.6A Active CN109459050B (zh) 2018-12-17 2018-12-17 导航路线的推荐方法及其装置

Country Status (1)

Country Link
CN (1) CN109459050B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110706356A (zh) * 2019-09-19 2020-01-17 百度在线网络技术(北京)有限公司 路径绘制方法、装置、电子设备和存储介质
CN111627238A (zh) * 2020-06-10 2020-09-04 中国人民解放军32023部队 一种轮式车辆路径自动规划系统
WO2021082608A1 (zh) * 2019-10-31 2021-05-06 华为技术有限公司 一种提示出行方案的方法及电子设备
CN113177780A (zh) * 2021-05-12 2021-07-27 中移智行网络科技有限公司 一种数据处理方法、装置、网络设备及可读存储介质
CN113222228A (zh) * 2021-04-28 2021-08-06 广州宸祺出行科技有限公司 一种基于用户画像的行程路线的推荐方法及系统
CN114743399A (zh) * 2022-03-07 2022-07-12 中汽创智科技有限公司 一种车位导航方法和装置
CN115096325A (zh) * 2022-05-26 2022-09-23 北京百度网讯科技有限公司 路线导航方法、装置、电子设备及存储介质
CN117537842A (zh) * 2024-01-10 2024-02-09 深圳依时货拉拉科技有限公司 路线偏航识别方法、装置、计算机可读存储介质及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105402A (zh) * 2007-08-08 2008-01-16 晟航行动运算股份有限公司 路径计算装置的快速计算方法
CN102077056A (zh) * 2008-06-27 2011-05-25 株式会社丰田It开发中心 路径搜索装置和路径搜索方法
CN102087113A (zh) * 2009-12-07 2011-06-08 厦门雅迅网络股份有限公司 一种车载机自主导航方法
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
CN107270923A (zh) * 2017-06-16 2017-10-20 广东欧珀移动通信有限公司 一种路线推送的方法、终端及存储介质
CN107270925A (zh) * 2017-07-27 2017-10-20 三星电子(中国)研发中心 一种用户车辆导航系统、装置及方法
CN107543557A (zh) * 2016-06-29 2018-01-05 百度在线网络技术(北京)有限公司 一种用于进行个性化导航的方法和装置
CN107665579A (zh) * 2016-07-27 2018-02-06 上海博泰悦臻网络技术服务有限公司 一种用户驾驶行为监控方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105402A (zh) * 2007-08-08 2008-01-16 晟航行动运算股份有限公司 路径计算装置的快速计算方法
CN102077056A (zh) * 2008-06-27 2011-05-25 株式会社丰田It开发中心 路径搜索装置和路径搜索方法
CN102087113A (zh) * 2009-12-07 2011-06-08 厦门雅迅网络股份有限公司 一种车载机自主导航方法
CN107543557A (zh) * 2016-06-29 2018-01-05 百度在线网络技术(北京)有限公司 一种用于进行个性化导航的方法和装置
CN107665579A (zh) * 2016-07-27 2018-02-06 上海博泰悦臻网络技术服务有限公司 一种用户驾驶行为监控方法及装置
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
CN107270923A (zh) * 2017-06-16 2017-10-20 广东欧珀移动通信有限公司 一种路线推送的方法、终端及存储介质
CN107270925A (zh) * 2017-07-27 2017-10-20 三星电子(中国)研发中心 一种用户车辆导航系统、装置及方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110706356A (zh) * 2019-09-19 2020-01-17 百度在线网络技术(北京)有限公司 路径绘制方法、装置、电子设备和存储介质
CN110706356B (zh) * 2019-09-19 2023-06-16 阿波罗智联(北京)科技有限公司 路径绘制方法、装置、电子设备和存储介质
WO2021082608A1 (zh) * 2019-10-31 2021-05-06 华为技术有限公司 一种提示出行方案的方法及电子设备
CN112815955A (zh) * 2019-10-31 2021-05-18 荣耀终端有限公司 一种提示出行方案的方法及电子设备
CN111627238A (zh) * 2020-06-10 2020-09-04 中国人民解放军32023部队 一种轮式车辆路径自动规划系统
CN113222228A (zh) * 2021-04-28 2021-08-06 广州宸祺出行科技有限公司 一种基于用户画像的行程路线的推荐方法及系统
CN113177780A (zh) * 2021-05-12 2021-07-27 中移智行网络科技有限公司 一种数据处理方法、装置、网络设备及可读存储介质
CN114743399A (zh) * 2022-03-07 2022-07-12 中汽创智科技有限公司 一种车位导航方法和装置
CN115096325A (zh) * 2022-05-26 2022-09-23 北京百度网讯科技有限公司 路线导航方法、装置、电子设备及存储介质
CN117537842A (zh) * 2024-01-10 2024-02-09 深圳依时货拉拉科技有限公司 路线偏航识别方法、装置、计算机可读存储介质及设备

Also Published As

Publication number Publication date
CN109459050B (zh) 2020-03-03

Similar Documents

Publication Publication Date Title
CN109459050A (zh) 导航路线的推荐方法及其装置
Soteropoulos et al. Impacts of automated vehicles on travel behaviour and land use: an international review of modelling studies
CN109520744A (zh) 自动驾驶车辆的驾驶性能测试方法和装置
Barmpounakis et al. Vision-based multivariate statistical modeling for powered two-wheelers maneuverability during overtaking in urban arterials
Birgillito et al. Passenger mobility in a discontinuous space: Modelling access/egress to maritime barrier in a case study
CN106032986A (zh) 一种导航方法、终端及系统
Duvivier et al. The great urban techno shift: Are central neighbourhoods the next silicon valleys? Evidence from three Canadian metropolitan areas
CN104636457B (zh) 一种位置搜索认知的方法及装置
CN105279963B (zh) 一种获取路况信息的方法及装置
CN108648453A (zh) 一种基于手机位置更新信息进行交通出行数据画像的方法
Shah et al. Relationship between road traffic features and accidents: An application of two-stage decision-making approach for transportation engineers
CN110807287B (zh) 基于有限元网格在应急抢修布点场景中划分业务网格构建方法
Elias et al. SOMOBIL–improving public transport planning through mobile phone data analysis
CN111951543B (zh) 流量预测方法及装置
DE112020003033T5 (de) Verfahren und Vorrichtung zum Verbessern einer Geolokalisierungsdatenbank
Carrion et al. Value of reliability: high occupancy toll lanes, general purpose lanes, and arterials
Psaraki-Kalouptsidi et al. Assessment of efficiency of Greek airports
Bogenberger et al. Quality management methods for real-time traffic information
KR20210128823A (ko) 빅데이터 및 인공지능 기반 교차로 서비스수준 예측방법, 그리고 이를 포함하는 저장매체
Bruno et al. An interactive decision support system for the design of rapid public transit networks
Ekblad et al. Bicycle planning–A literature review
CN116703044A (zh) 一种航班中转组合方法及装置
Allen et al. Generating measures of access to employment for Canada's eight largest urban regions
Shi The Impacts of the Bicycle Network on Bicycling Activity: A Longitudinal Multi-city Approach
Posawang et al. Perception-based road traffic congestion classification using neural networks and decision tree

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