CN109564103A - 用于产生自适应路线引导信息的方法及系统 - Google Patents
用于产生自适应路线引导信息的方法及系统 Download PDFInfo
- Publication number
- CN109564103A CN109564103A CN201780048018.0A CN201780048018A CN109564103A CN 109564103 A CN109564103 A CN 109564103A CN 201780048018 A CN201780048018 A CN 201780048018A CN 109564103 A CN109564103 A CN 109564103A
- Authority
- CN
- China
- Prior art keywords
- instruction
- model
- navigation
- data
- 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.)
- Granted
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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3641—Personalized guidance, e.g. limited guidance on previously travelled routes
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3655—Timing of guidance instructions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Navigation (AREA)
Abstract
本发明揭示一种用于产生引导信息的方法,所述方法基于从一或多个用户接收的反馈数据而使用一或多个机器学习算法来不断调适且更新用于产生引导指令的模型的版本,使得由所述模型产生的所述指令更好地符合所述用户的预期或行为。可在移动导航装置上执行所述方法,使得所述模型经调整以适合单个用户的需求。替代地,可基于来自多个用户的反馈数据在服务器上执行所述方法,且一旦产生,便将经更新模型发射到多个移动导航装置以替换现有模型。
Description
技术领域
本发明涉及用于产生包括一或多个决策树的模型的版本的方法及系统,所述模型经布置以产生用于沿着穿过地理区域内的可导航元素网络的预定路线引导用户的指令。本发明进一步扩展到用于产生导航指令的方法及系统,且还扩展到经布置以产生导航指令的导航装置及服务器。
背景技术
包含GPS(全球定位系统)信号接收与处理功能性的便携式导航装置(PND)是众所周知的,且广泛地用作汽车或其它运载工具内导航系统。
一般来说,现代PND包括处理器、存储器(易失性及非易失性中的至少一者,且通常为两者)及存储于所述存储器内的地图数据。所述处理器与存储器协作以提供其中可建立软件操作系统的执行环境,且另外,提供一或多个额外软件程序来使得能够控制PND的功能性且提供各种其它功能是常见的。
通常,这些装置进一步包括允许用户与装置交互且控制装置的一或多个输入接口,及可借以将信息中继到用户的一或多个输出接口。输出接口的说明性实例包含视觉显示器及用于可听输出的扬声器。输入接口的说明性实例包含:一或多个物理按钮,其用以控制装置的开/关操作或其它特征(所述按钮不必位于装置本身上,而是在装置构建到运载工具中的情况下可位于方向盘上);及麦克风,其用于检测用户语音。在特别优选布置中,可将输出接口显示器配置为触敏式显示器(借助触敏式覆层或以其它方式)以另外提供用户可借以通过触摸来操作装置的输入接口。
此类型的装置通常还将包含:一或多个物理连接器接口,可借助于其将电力及(任选地)数据信号发射到所述装置及从所述装置接收电力及(任选地)数据信号;及(任选地)一或多个无线发射器/接收器,以允许经由蜂窝式电信及其它信号与数据网络(举例来说,Wi-Fi、Wi-Max GSM等)的通信。
此类型的PND装置还包含GPS天线,可借助于所述GPS天线接收包含位置数据的卫星广播信号且随后处理所述卫星广播信号以确定所述装置的当前位置。
PND装置还可包含产生信号的电子陀螺仪及加速度计,所述信号可经处理以确定当前角加速度及线性加速度且反过来又连同从GPS信号导出的位置信息一起来确定所述装置及因此其中安装有所述装置的运载工具的速度及相对位移。通常,此些特征最为普遍地提供于运载工具内导航系统中,但还可提供于PND装置中(如果这样做是有利的)。
此些PND的效用主要表现在其确定第一位置(通常是开始或当前位置)与第二位置(通常是目的地)之间的路线的能力上。可由装置的用户通过各种各样不同方法中的任一种方法输入这些位置,举例来说,通过邮政编码、街道名称及门牌号、先前存储的“众所周知的”目的地(例如,著名地点、市政场所(例如运动场或游泳池)或者其它关注点)及受喜爱或最近参观的目的地。
通常,PND是由软件启用以用于依据地图数据计算开始地址位置与目的地地址位置之间的“最佳”或“最优”路线。“最佳”或“最优”路线是基于预定准则确定的,且不必是最快或最短路线。沿着其引导驾驶员的路线的选择可为非常复杂的,且所选择路线可将历史、现有及/或所预测交通及道路信息考虑在内。
另外,装置可不断监视道路及交通状况,且因状况改变而提出或选择改变旅程的剩余部分欲采取的路线。正使用基于各种技术(例如,移动电话数据交换、固定相机、GPS车队跟踪)的实时交通监视系统来识别交通延迟且将信息馈送到通知系统中。
此类型的PND通常可安装于运载工具的仪表板或挡风玻璃上,但还可形成为运载工具无线电的板上计算机的一部分或实际上形成为运载工具本身的控制系统的一部分。导航装置还可为手持式系统(例如PDA(便携式数字助理)、媒体播放器、移动电话等)的一部分,且在这些情形中,借助于在装置上安装软件来扩展所述手持式系统的正常功能性以执行路线计算及沿着经计算路线的导航两者。
还可由运行适当软件的桌上型或移动计算资源来提供路线计划与导航功能性。举例来说,在routes.tomtom.com上提供在线路线计划与导航设施,所述设施允许用户输入开始点及目的地,于是,所述用户的PC所连接的服务器计算路线(其各方面可为用户规定的)、产生地图且产生用于将所述用户从选定开始点引导到选定目的地的一组详尽导航指令。所述设施还提供经计算路线的伪三维再现及路线预览功能性,所述路线预览功能性模拟用户沿着所述路线行进且借此给所述用户提供经计算路线的预览。
在PND的情境下,一旦已计算路线,用户便与导航装置交互以任选地从所建议路线列表中选择所要经计算路线。任选地,(举例来说)通过规定特定旅程将避开或强制性要求某些路线、道路、位置或准则,用户可干预或引导路线选择过程。PND的路线计算方面形成一个主要功能,且沿着此路线的导航是另一主要功能。所述装置所提供的额外重要功能是在以下情况下的自动路线重新计算:用户在导航期间从先前计算的路线绕行(意外地或有意地);实时交通状况指示替代路线将更有利且使得所述装置能够适合地自动辨识此类状况,或在用户出于任何原因主动致使所述装置执行路线重新计算的情况下。
在沿着经计算路线的导航期间,此些PND通常提供视觉及/或可听导航指令以沿着经选择路线引导用户到达所述路线的尽头(即,所要目的地)。PND通常还在导航期间于屏幕上显示地图信息,此信息在屏幕上定期更新使得所显示的地图信息表示装置的当前位置且因此在装置正用于运载工具内导航的情况下表示用户或用户的运载工具的当前位置。
屏幕上所显示的图标通常表示当前装置位置且位于中心处,其中还正显示在当前装置位置附近的当前道路及周围道路以及其它地图特征的地图信息。另外,导航信息可任选地显示于所显示的地图信息的上面、下面或一侧的状态栏中,导航信息的实例包含从用户所需要采取的当前道路到下一绕行的距离,所述绕行的性质可能由暗示特定类型的绕行(举例来说,左转或右转)的额外图标表示。导航功能还确定可借以沿着路线引导用户的可听指令的内容、持续时间及时序。如可了解,例如“100m内左转”的简单指令需要重大处理及分析。如先前所提及,可通过触摸屏或者另外或替代地通过转向柱安装的远程控制、通过语音激活或通过任何其它适合方法来实现用户与装置的交互。
图1展示导航系统100的示范性功能设计。在所述系统中,由定位引擎(例如,软件模块)20从GNSS传感器10及DR传感器12中的至少一者接收数据且处理所述数据以不断地输出位置数据。此位置数据(即,每一位置样本)包含至少一组地理坐标(例如纬度及经度),但通常还将包含例如航向、速度及行驶距离(从先前位置样本起)的信息。将位置样本输入到地图匹配引擎30,地图匹配引擎30存取存储构件32中的数字地图数据,且针对每一位置样本将对应地图匹配的位置(例如)作为识别数字地图的路段及从头节点或尾节点的偏移的数据而输出。所述地图匹配的位置由一或多个客户端装置或软件模块40(举例来说,路线产生引擎40)接收以用于确定从起点(例如当前位置)到目的地(例如,如从输入装置34所接收)的路线,且由指令引擎50接收以用于确定沿着所述预定路线引导用户的指令。将来自指令引擎50的引导信息传递到输出装置36,例如显示器及/或扬声器,以提供给用户。
上文所描述的类型的装置提供用于使得用户能够从一个位置导航到另一位置的可靠构件。然而,申请人已认识到,仍需要用于给用户提供沿着所选择路线引导用户的导航指令的经改进方法及系统。
发明内容
根据本发明的第一方面,提供一种产生包括一或多个决策树的模型的版本的方法,所述模型经布置以产生用于沿着穿过地理区域内的可导航元素网络的预定路线引导用户的指令,所述可导航元素由电子地图的在节点处连接的路段表示,其中所述节点中的至少一些节点表示所述可导航元素网络中的决策点,所述方法包括:
从一或多个导航装置接收反馈数据,其中所述反馈数据涉及在遵循穿过所述可导航元素网络的预定路线时由所述一或多个导航装置所使用的所述模型的当前版本在一或多个决策点处产生的指令;
使用所述反馈数据来产生多个数据集,每一数据集包括:指示与穿越预定路线的穿过决策点的一部分相关联的路段的数据;及将由所述模型的版本产生以沿着所述预定路线的穿过所述决策点的所述部分引导所述用户的所要指令;
基于所述所产生的多个数据集而使用一或多个机器学习算法来产生所述模型的经更新版本;及
将所述模型的所述经更新版本提供到至少一个导航装置以用于产生沿着穿过所述可导航元素网络的预定路线引导所述至少一个导航装置的用户的指令。
本发明扩展到一种用于执行根据本文中所描述的本发明的各方面或实施例中的任一者的方法的系统。因此,根据本发明的第二方面,提供一种用于产生包括一或多个决策树的模型的版本的系统,所述模型经布置以产生用于沿着穿过地理区域内的可导航元素网络的预定路线引导用户的指令,所述可导航元素由电子地图的在节点处连接的路段表示,其中所述节点中的至少一些节点表示所述可导航元素网络中的决策点,所述系统包括:
用于从一或多个导航装置接收反馈数据的构件,其中所述反馈数据涉及在遵循穿过所述可导航元素网络的预定路线时由所述一或多个导航装置所使用的所述模型的当前版本在一或多个决策点处产生的指令;
用于使用所述反馈数据来产生多个数据集的构件,每一数据集包括:指示与穿越预定路线的穿过决策点的一部分相关联的路段的数据;及将由所述模型的版本产生以沿着所述预定路线的穿过所述决策点的所述部分引导所述用户的所要指令;
用于基于所述所产生的多个数据集而使用一或多个机器学习算法来产生所述模型的经更新版本的构件;及
用于将所述模型的所述经更新版本提供到至少一个导航装置以用于产生沿着穿过所述可导航元素网络的预定路线引导所述至少一个导航装置的用户的指令的构件。
如所属领域的技术人员将了解,本发明的此额外方面可以且优选地视情况包含本文中关于本发明的其它方面中的任一者所描述的本发明的优选及任选特征中的任一者或多者或者所有特征。在未明确陈述的情况下,本文中的本发明的系统可包括用于执行关于本发明在其各方面或实施例中的任一者中的方法所描述的任何步骤的构件,且反之亦然。
本发明是计算机实施的发明,且关于本发明的各方面或实施例中的任一者所描述的步骤中的任一者可在一组一或多个处理器的控制下执行。所述用于执行关于所述系统所描述的步骤中的任一者的构件可为一组一或多个处理器。
本发明的方法可由移动装置执行。所述移动装置具有存储器及一组一或多个处理器。此装置可为(例如)具有在以上背景章节中所描述的特征中的任一者的专用导航装置。此装置可为便携式导航装置或集成式运载工具内装置。然而,在其它实施例中,所述移动装置可为运行适当软件的任何适合的移动装置,例如移动电话或平板计算机装置。一般来说,所述移动装置将具有位置确定功能性。替代地,本发明的方法可由服务器执行。设想其中本发明的方法由服务器与移动装置的组合执行的其它实施例。因此,本发明的系统可包括经配置以执行所描述的步骤的移动装置及/或服务器。
通过将机器学习方法应用于产生导航(或引导)指令,可基于反馈数据而使用一或多个机器学习算法不断调适(即,更新)用于产生所述指令的模型的版本,以更好地符合用户的预期或行为。举例来说,机器学习反馈系统允许所述导航指令根据特定用户或用户群组或者针对特定情景而定制,以便降低用户错误的风险。此解决与用于使用手动制定的决策逻辑产生引导指令的当前已知技术相关联的若干个基本问题。特定来说,手动制定的决策逻辑难以维护,且另外需要做出关于用户的预期的许多假设。然而,这些假设按照定义来说无法适用于所有用户或甚至所有用户群组。此外,由于决策逻辑是内置的,因此并入任何反馈是不容易的,且并入用户特定反馈是不实际的。通过使用基于反馈数据而不断再训练的模型,训练所述模型以适应于特定用户的预期,且基于随着时间的用户反馈而自然地更新所述模型或使所述模型精细化。机器学习技术的使用因此提供使反馈并入到模型中的低循环时间,且提供支持可能非常大的用户基础的能力,而对开发者的要求不会变得难以管理。
因此,本发明背后的理念是切换为使用一或若干机器学习算法来产生模型的新版本,而非使用手动编码的决策逻辑。如下文更详细地论述,模型包括一或多个决策树。举例来说,可针对不同道路枢纽类型或复杂性产生不同决策树。当在使用中调适模型时,还可调适导航指令的形式及/或内容。举例来说,模型可对将产生的指令类型、指令中所提及的地图特征的组合、指令的时序、指令的冗长性或到底是否需要指令等进行修改或精细化。
在本发明中,模型的每一版本包括一或多个决策树,其中决策树的每一节点做出关于可导航网络的决策点(或道路枢纽)处的指令的分量及/或时序的决策,例如二元决策、三元决策或其它多路决策,且其中每一决策树可具有如所期望的任一深度。模型的每一版本基于电子地图,使得将在决策树中做出的每一决策基于电子地图内的数据。所述电子地图包括多个路段,所述多个路段由节点连接且表示由所述电子地图覆盖的区域中的可导航网络的可导航元素。由电子地图的路段连接的节点可指示现实世界节点,例如可导航网络的元素的交叉点(或道路枢纽)(即,决策点),或人工节点,其可引入到电子地图中以为具有未由现实世界节点界定的至少一个端的路段提供锚点。此可用于划分在现实世界节点之间延伸的路段以便能够使不同属性(例如不同道路特性,例如速度限制、形状信息等)与所述路段的部分相关联。虽然参考呈道路路段形式的可导航元素描述本发明的实施例,但应认识到,本发明还可适用于其它可导航路段,例如小路、河流、运河、自行车道、拖船路、铁路线等的路段。为了便于参考,这些路段通常称为道路路段。
电子地图的每一节点与指示节点的现实世界位置的位置数据相关联,例如,每一节点可与指示节点的纵向及纬度位置的位置数据相关联。因此,每一路段具有基于节点(路段在其之间延伸)的位置数据的方位,且因此在决策点处,将基于每一路段的方位而存在节点处的进入路段与外出路段之间的角度差。因此还将了解,路段优选地为方向性的,且可指示路段为单向的(即,可仅在一个方向上穿越由路段表示的可导航元素)或双向的(即,可在两个方向上穿越由路段表示的可导航元素)。
所述方法可包括从地图数据库获得电子地图数据以在产生模型的经更新版本的方法中且在实施例中在使用模型的经更新版本来产生沿着预定路线引导用户的指令时使用的步骤。获得电子地图的步骤可包括向本地或远程源请求数据。
在本发明的方法中,从一或多个导航装置接收反馈数据,其中所述反馈数据涉及在遵循穿过所述可导航元素网络的预定路线时由所述一或多个导航装置所使用的所述模型的当前版本在一或多个决策点处产生的指令。所述反馈数据可指示指令的质量,例如决策点处的指令是否及时及/或对于用户足够清楚,使得用户能够在遵循其预定路线时成功地导航决策点。举例来说,所述反馈数据可包括识别可导航网络(例如,如由电子地图表示)的决策点的数据及识别就指令的组成部分及/或相对于决策点给出指令的时序来说指令为不正确或可被改进的数据。可在穿越预定路线时(例如)通过与导航装置的用户交互(例如语音命令、硬按钮的按压、软按钮(或虚拟图标)的选择等)产生反馈数据。另外或替代地,可在已穿越预定路线之后产生反馈数据。
另外或替代地,反馈数据可包括位置数据,所述位置数据指示一或多个导航装置在可导航网络上相对于时间的移动且依据所述位置数据可推断决策点处的行为。举例来说,如果位置数据指示用户在决策点处转错弯,那么可推断可改进针对所述决策点所给出的指令。位置数据与装置相对于时间的移动相关,且可用于提供由装置采取的路径的位置“迹线”。如上文所提及,数据可从装置接收或可首先被存储。出于本发明的目的,所述装置可为能够提供位置数据及充分相关联时序数据的任何移动装置。所述装置可为具有位置确定能力的任何装置。举例来说,所述装置可包括用于从WiFi接入点或蜂窝式通信网络(例如GSM装置)存取并接收信息且使用此信息来确定其位置的构件。然而,在优选实施例中,所述装置包括全球导航卫星系统(GNSS)接收器,例如GPS接收器,所述全球导航卫星系统(GNSS)接收器用于接收指示接收器在特定时间点处的位置的卫星信号且优选地以规则间隔接收经更新位置信息。此些装置可包含导航装置、具有定位能力的移动电信装置、位置传感器等。根据本发明使用的位置数据是从多个装置收集的,且与装置相对于时间的移动相关。因此,装置为移动装置。将了解,位置数据中的至少一些位置数据与时间数据(例如,时间戳)相关联。然而,出于本发明的目的,不必所有位置数据均与时间数据相关联,只要其可用于根据本发明提供与装置沿着可导航元素的移动相关的信息即可。然而,在优选实施例中,所有位置数据均与时间数据(例如,时间戳)相关联。
可从单个用户接收反馈数据,使得模型的经更新版本根据所述用户的偏好来定制。举例来说,另外或替代地,反馈数据可包括指示用户的个人网络的数据。用户的所述个人网络为可导航网络的子网络且包含用户在过去已穿越的例如形成定期或通勤路线的那些可导航元素(例如,电子地图的表示此些可导航元素的路段)。通过使用指示用户的个人网络的数据作为反馈,接着可产生适于针对路线(用户通常在其上行进)上的那些决策点产生较少指令或不产生指令或产生不太冗长指令的模型的版本。
在其它实施例中,可从多个用户接收反馈数据,使得模型的经更新版本考虑多个用户的偏好。
在本发明中,反馈数据用于产生多个数据集,每一数据集包括:指示与穿越预定路线的穿过决策点的一部分相关联的路段的数据;及将由所述模型的版本产生以沿着所述预定路线的穿过所述决策点的所述部分引导所述用户的所要指令。指示与穿越预定路线的穿过决策点的一部分相关联的路段的所述数据包括形成预定路线的去往决策点的进入路段及从决策点的外出路段,且可进一步包括从决策点的至少一或多个其它外出路段,且在其它实施例中可且取决于道路枢纽的复杂性而可包括在决策点之前或之后的额外路段。数据可另外包括与路段及/或决策点相关联的其它性质,例如在决策点处进行的操纵的角度、路段之间的角度、外出路段的数目等。可从反馈数据直接产生多个数据集中的一或多个或所有数据集,即,反馈数据含有产生数据集所需要的所有信息。在其它实施例中,可从反馈数据间接产生所述多个数据集中的一或多个或所有数据集,例如,其中反馈数据指示当前指令不良的决策点或道路枢纽,但其中针对决策点的所要指令由开发者手动确定。
所产生的所述多个数据集接着用作一或多个机器学习算法的输入以产生模型的经更新版本。一或多个机器学习算法可包括决策树学习算法。已发现,决策树特别适合用于实施本发明的技术。决策树学习算法学习及评估起来一般非常快。此外,本质上来讲,决策树可以可容易被理解的形式将有价值信息提供给开发者。举例来说,在决策树的单个部分在两个用户群组之间产生行为分裂(其中一个群组偏好于第一指令类型且另一群组偏好于第二指令类型)的情况下,此将展示为不纯节点,且因此可向开发者标记出来。如将了解,模型的经更新版本可以若干种不同方式与先前版本有差异,例如以下各项中的一或多者:(i)指令的内容;(ii)指令输出给用户的时序;(iii)指令的冗长性;及(iv)指令的存在性,即到底是否将给出指令。
接着将模型的经更新版本提供到至少一个导航装置以用于产生沿着穿过可导航元素网络的预定路线引导至少一个导航装置的用户的指令。提供模型的经更新版本的步骤可包括将模型的经更新版本从其中确定模型的新版本的服务器发射到远离服务器的至少一个移动导航装置。在此些实施例中,模型的新版本替换装置上的模型的现有版本,使得当接下来针对预定路线产生指令时使用模型的经更新版本产生所述指令。在其中机器学习算法在相同计算装置上形成模型的新版本(其中模型的所述版本用于产生指令)的实施例中,提供模型的经更新版本的步骤可包括将模型的经更新版本提供到另一软件组件,例如指令引擎。此后面的实施例的实例为便携式或嵌入式导航装置,其基于仅来自导航装置的用户的反馈数据而产生模型的新版本,使得由装置发布的指令特定于所述特定用户的行为及习惯。
在一些实施例中,所述方法进一步包括例如从路线产生引擎接收表示穿过所述可导航元素网络的预定路线的包括所述电子地图的多个路段的路线数据,且将路线数据与所述模型的所述经更新版本一起使用来产生沿着所述预定路线引导用户的指令。如将了解,在这些实施例中,所述方法进一步包括存取电子地图以获得从模型产生指令所需要的关于路段及/或决策点的信息。模型优选地用于产生针对每一决策点的一或多个指令。在路线含有多个决策点的情况下,如情形通常那样,模型产生与沿着路线的决策点中的每一者相关联且因此经排序的一或多个导航指令的相应集合。导航指令一般在行程开始之前提前产生,且接着在用户接近决策点时提供给用户。用户的当前位置可基于装置内的位置确定构件而确定,其中因当前位置指示用户正在接近特定决策点而触发将指令输出给用户。装置可包括用于从WiFi接入点或蜂窝式通信网络(例如,GSM装置)存取及接收信息并使用此信息来确定其位置的构件。然而,在优选实施例中,所述装置包括全球导航卫星系统(GNSS)接收器,例如GPS接收器,所述全球导航卫星系统(GNSS)接收器用于接收指示接收器在特定时间点处的位置的卫星信号且优选地以规则间隔接收经更新位置信息。此类装置可包含导航装置、具有定位能力的移动电信装置、位置传感器等。
指令可以任何适合方式输出给用户。通常,可以可听方式及/或以可视方式显示导航指令。然而,还可以触觉方式或通过可听、可视及触觉指令的任何组合提供导航指令。
如将了解,在接收到新反馈数据时优选地连续多次执行本发明的方法,使得确定模型的若干个版本。换句话说,方法为迭代过程。
将了解,可至少部分地使用软件实施根据本发明的方法。因此将看出,当从额外方面观察时且在额外实施例中,本发明扩展到一种包括计算机可读指令的计算机程序产品,所述计算机可读指令适于在执行于适合数据处理构件上时执行本文中所描述的方法中的任何或所有方法。
相应地,本发明扩展到一种包括此软件的计算机软件载体,所述软件在用以操作包括数据处理构件的系统或设备时连同所述数据处理构件一起致使所述设备或系统执行本发明的方法的步骤。此计算机软件载体可为非暂时性物理存储媒体(例如ROM芯片、CDROM或磁盘),或者可为信号(例如导线上的电子信号、光学信号或无线电信号(例如通向卫星)等)。本发明提供含有指令的机器可读媒体,所述指令在由机器读取时致使所述机器根据如在本文中关于本发明的方面或实施例中的任一者所描述的方法来操作。
无论其实施方案如何,根据本发明所使用的导航装置可包括处理器、存储器及存储于所述存储器内的数字地图数据。所述处理器与存储器协作以提供可在其中建立软件操作系统的执行环境。可提供一或多个额外软件程序以使得能够控制装置的功能性,且提供各种其它功能。本发明的导航设备可优选地包含GPS(全球定位系统)信号接收与处理功能性。所述装置可包括信息可借以中继给用户的一或多个输出接口。除了视觉显示器之外,所述输出接口还可包含用于可听输出的扬声器。所述装置可包括包含一或多个物理按钮以控制所述设备的接通/关断操作或其它特征的输入接口。
在其它实施例中,可至少部分地借助于应用未形成特定导航装置的一部分的处理装置来实施所述导航设备。举例来说,可使用经布置以执行导航软件的适合的计算机系统来实施本发明。所述系统可为移动或便携式计算机系统(例如,移动电话或膝上型计算机)或可为桌上型计算机系统。
应注意,关于一或多个路段的短语“与……相关联”不应解释为要求对数据存储位置的任何特定限定。所述短语仅要求特征可识别地与路段相关联。因此,举例来说,关联可借助于参考潜在位于远程服务器中的副文件而实现。
下文中陈述这些实施例的优点,且在所附独立技术方案中且另外在以下实施方式中定义这些实施例中的每一者的额外细节及特征。
附图说明
现在将参考附图仅以实例方式描述本发明的实施例,其中:
图1展示包含指令产生引擎的导航装置的示范性功能设计;
图2A及2B以实例方式展示英国的两个道路枢纽,其中用户可能需要导航指令;
图3A及3B图解说明不同用户可如何以不同方式理解导航指令的问题;
图4示意性地展示以本文中所描述的技术为基础的概念;
图5展示本发明的实施例的实例;及
图6展示可如何使用决策树模型评估简单的道路枢纽。
具体实施方式
现在将特定参考便携式导航装置(PND)来描述本发明的实施例。然而应记住,本发明的教示不限于PND而是替代性地普遍适用于经配置而以便携式方式执行导航软件以便提供路线计划与导航功能性的任何类型的处理装置。因此,由此得出,在本申请案的上下文中,导航装置打算包含(不限于)任何类型的路线计划与导航装置,而无论所述装置是体现为PND、运载工具(例如汽车)还是实际上为执行路线计划与导航软件的便携式计算资源(举例来说,便携式个人计算机(PC)、移动电话或个人数字助理(PDA))。
例如PND的导航系统提供引导功能性,其中在给定有效路线的情况下,导航系统产生给用户的导航指令以确保用户正确地遵循所述路线。举例来说,当接近道路枢纽时,可针对用户给出“左转”的指令。这些指令通常以可听方式及/或以可视方式给予用户,但指令还可以触觉方式或以这些方式的任一组合来提供。一般来说,可针对沿着路线的每一决策点提供指令,使得当例如从PND接收导航引导的用户接近道路枢纽或其它决策点时PND给用户提供允许其正确地穿越预定路线的导航指令。PND或其它导航系统因此具备经布置以确定(例如)什么指令将给予用户且何时将给出这些指令的指令引擎。换句话说,指令引擎必须确定沿着路线的所有地方(例如十字路口、道路枢纽、高速公路出口),其中用户可需要引导以便做出正确选择。这些地方一般称为“决策点”。在此些决策点处,驾驶员通常必须进行操纵或采取行动(例如“左转”、“向右转”、“在环形交叉路口处,从第三出口出去”等)且因此指令引擎必须准确地描述所有这些动作。指令引擎的输出因此为导航指令集,其中每一指令描述与每一决策点相关联的相应动作,其中导航指令根据其沿着路线的位置来排序,使得其在用户到达每一决策点或到每一决策点附近时依序呈现给用户。在其最简单形式中,导航指令可作为在适当时间处发送的简单消息提供给用户。然而,还预期每一导航指令可包含多个消息。举例来说,针对每一决策点,导航指令可包含任选预警消息(例如“在2km之后,从出口右转”)后续接着指令消息(例如“在200m内,从出口右转”)及在决策点跟前的确认消息(例如“从出口右转”)。导航指令可由用户沿着路线的当前位置(其可使用GPS或其它GNSS数据来确定)触发。指令引擎可进一步包括用于决定何时发送消息及在每一决策点处发送哪些消息的控制系统。举例来说,如果针对一个决策点的预警将与针对先前决策点的指令消息重叠,此可能导致混淆,那么指令引擎可决定不发布针对所述决策点的预警消息。
通过图解说明与产生适合导航指令相关联的困难中的一些困难的方式,图2A及2B展示用户可必须穿越的英国的真实道路枢纽的两个实例。图2A展示史云顿的所谓的魔术迴旋,而图2B展示伯明翰的Gravelly Hill区的Spaghetti道路枢纽。图2A及2B中所展示的道路枢纽彼此非常不同,但两者都非常复杂。在这些道路枢纽位于用户正沿着其导航的路线上的情况下,因此将需要用户接收清楚且容易被理解的导航指令以便保持在正确路线上。针对两个道路枢纽的指令的最适合形式可为不同的。实际上,一般可能是这种情况,如大多数道路枢纽或其它决策点是不同的且因此需要不同指令或甚至不同指令呈现以便使用户正确地解译其。甚至表面上类似的道路枢纽可由用户以不同方式理解,例如其中接近一个道路枢纽的视线被遮挡。
在已知系统中,指令引擎含有用于产生导航指令的内置决策逻辑。也就是说,在已知系统中,决策逻辑由外部开发者手动编码且在出售之前预装设于指令引擎中。尽管对用于已知系统中的内置决策逻辑的启发法进行微调,但难以维持适合于大数目个不同类型的道路枢纽的内置决策逻辑,特别是在使代码量及所需要的计算能力保持在实际限制内时。更基本问题是:任何内置决策逻辑必须做出关于驾驶员的预期及行为的各种假设。此因如下事实而复杂化:这些预期在不同驾驶员当中未必一致且可随着文化背景或甚至个人偏好而变化。此外,关于已知系统中的内置决策逻辑的任何可能问题仅可通过反馈及漏洞修正的过程来修正,且接着(例如)经由全局软件或硬件升级来实施。此为大量工作,且漏洞修正花费显著时间来实施(如果其甚至实施了)。此外,此类型的漏洞修正仍解决上文所提及的基本问题。
如上文所提及,通常根据基于决策逻辑的启发法(例如“如果没有选项,不给出指令”或“如果转弯角度在范围(-120°,-60°)内,那么‘左转’”)来实施导航指令。由于地图数据表示中的不完美及道路设计中的缺陷,此些启发法通常还经扩展以采集对道路枢纽本身的理解。举例来说,此可意味找出特定道路路段是否在另一道路路段的逆向方向上以便确定在这些道路路段之间进行改变是否需要掉头。在此情形中,开发者可假设针对转弯方向类别的角度扇区的均匀分布,如图3A中所展示。然而,已认识到,不同用户可以不同方式理解这些相同指令,且甚至针对相同道路枢纽,不同指令因此对于不同用户可为适当的。类似地,甚至在两个道路枢纽在表面上是为同一类型的情况下,不同道路枢纽仍可需要不同指令或以不同方式呈现的指令,以最小化用户错误的风险。
举例来说,在将导航指令提供为“左转”或特定来说“向左急转弯”的指令的情况下,对这些指令的理解对于不同用户可为不同的。也就是说,一个用户对“急”转弯的理解可不同于另一用户对“急”转弯的理解。此由图3B图解说明,图3B展示从亚历山大·克利佩尔及丹尼尔·R.蒙特罗的标题为“Linguistic and nonlinguistic turn directionconcepts(语言及非语言转向概念)”(在空间信息理论中发行,第8届国际会议,COSIT2007,澳大利亚墨尔本,2007年9月19日到23日,会议记录,第354页到第372页)的论文复制的一些经验数据。在此处,分析对例如一直向前(S)、半左(HL)、左(L)、急左(SL)、半右(HR)、右(R)及急右(SR)的方向的人类理解,且认识到,对与这些指令相关联的角度范围的理解取决于环境而不同,使得假设针对不同转向类别的角度扇区的均匀分布的模型(如图3A中所展示)可为不准确的,或至少对于一些用户不适当的。对给定指令的理解可取决于文化偏好,即,对于(举例来说)在特定国家内的用户群组可为共同的。然而,一般来说,对给定指令的理解可在个体之间变化。由于甚至对相同导航指令的这些理解差异,某一导航指令不可始终容易理解的且不可从用户到用户或从道路枢纽到道路枢纽一致地被理解。也就是说,单个导航指令可能对于每一用户或对于每一道路枢纽类型并非适当的。使用当前导航引导系统来考虑此并非实际的,因为其将涉及到非常高的计算及存储负担。
在认识这些问题时,申请人已开发了用于产生导航指令的新颖技术,所述新颖技术能够针对特定用户或特定道路枢纽定制指令或指令的呈现,使得指令引擎能够自动适应于用户的怪癖、特别是决策点的怪癖或者各种文化或个人偏好。
在图4中示意性地图解说明以此技术为基础的理念。参考图4,指令引擎实施接收描述所穿越的路线的应用程序数据(即,“路线数据”)及描述沿着所述路线的决策点的位置的数据(即,来自“地图数据”)作为输入的模型34。基于此输入数据,模型34产生与所输入路线及地图数据相关联的导航指令集使得在每一决策点处正确地引导沿着路线被导航的用户。为了随着时间不断地精细化或修改模型34,使得所产生的导航指令可适用于特定用户或情景,使用基于对所产生导航指令的反馈(一般为“训练数据”)的机器学习算法重复地产生模型34的新版本。也就是说,通过监督机器学习的迭代过程随着时间而精细化或修改模型。以此方式使用机器学习方法形成允许与所产生指令有关的反馈或其它训练数据经提供且利用以便改进导航引导的系统。机器学习算法一般评估训练数据以便修改现有模型或创建用于产生导航指令的新模型。通过以此方式精细化模型,模型随着时间而调适以提供基于训练数据而在形式及/或内容上定制的导航指令。举例来说,训练数据可允许模型34适应于特定用户或群组或用户的偏好或驾驶行为,或穿越相同决策点的其它用户的行为。导航指令因此可根据用户或用户群组或根据沿着路线的特定决策点而定制。因此,举例来说,如果基于由模型的初始版本产生的导航指令集而发现用户一致地误解或不遵循导航指令,那么此信息可作为训练数据提供给机器学习算法,此又可精细化模型34以产生额外导航指令或改变导航指令的形式以降低用户在未来犯错误的可能性。举例来说,可精细化模型以在较早时间点处提供指令。
现在将参考图5描述根据本发明的实施例的过程的实例,图5展示可如何通过采用使用机器学习算法的模型通过用户反馈连续地改进导航指令的产生。图5中所图解说明的过程的结果是:给用户40提供与用户沿着其行进的预定路线有关的导航指令。一般来说,路线可使用如此项技术中已知的各种适合路线计划算法来预定。路线一般包括一系列决策点,其中每一决策点与用于沿着预定路线引导用户的一或多个导航指令相关联。例如,决策点可为沿着路线的道路枢纽,其中指令为“左转”,以便保持在预定路线上。
导航指令由可提供为导航装置(例如PND)的一部分的指令引擎产生,或可至少部分地实施于外部服务器上。指令引擎接收反映路线及地图及因此沿着路线的决策点的数据作为输入,且根据特定模型产生用于显示给用户的指令。指令可以可听方式及可视方式显示给用户40,且指令引擎的输出因此可为准备合成为适当视觉或音频输出以用于显示给用户的字符串。
指令引擎包括用于指令产生算法43的模块,且在实施例中可包括用于机器学习算法42的模块。机器学习算法42形成及/或精细化用于产生指令的模型的版本。指令产生算法或模块43使用模型的最新版本产生指令,且以适合于显示给用户40的格式提供这些指令。(抽象)模型可进一步与例如开发者或算法设计者44的领域知识的其它信息组合,因为其馈送到指令产生算法43中以便改进指令产生。指令引擎及/或其每一模块一般包括用于执行此功能性的一或多个处理器。
在初始步骤中,可使用与模型的现有实施方案有关的初始训练数据集来设置(或“启动”)机器学习算法42。现有实施方案可为先前已由开发者手动制定以产生可感知指令(例如在较早描述的已知系统中所使用)的代码。也就是说,初始训练数据未根据特定用户而定制,但为通用的且可为预装的。在依据现有实施方案以初始训练数据集启动之后,机器学习算法42评估初始训练数据以建构用于指令产生的初始模型。此模型又由指令产生算法或模块43使用以产生初始导航指令集且将初始导航指令集提供给用户40。还预期,系统可具备初始内置模型而非初始训练数据。
一旦使用确定性初始训练数据产生模型的初始经启动版本,便使用採用机器学习算法42的反馈过程以便调适模型从而发生改变以符合用户的需求。随着时间的推移,在若干次行程之后,记录来自一或多个用户的反馈。驾驶员可报告其认为不直观地处置的任何道路枢纽。此可在行程之后经由一些专业用户接口或经由漏洞报告以基本上在线方式发生。另外,由许多用户成功地遵循的指令可被记录为肯定实例。接着将所收集信息转变为{道路枢纽情景,预期指令}对以用于输入到机器学习算法42中。道路枢纽情形为用于产生特定指令的路线信息及地图内容的相关部分。除路线的一般性质之外,这主要解决对数个所涉及道路伸展或弧线的描述。
一旦模型已经训练且重新学习,经重新学习模型又用于产生未来指令等等。通过使用无线通信及无缝消费装置更新,此系统原则上可以无缝管线方式起作用,其中在用户的终端装置或每一用户的终端装置上连续地更新模型以更好地符合他或她的预期。一般来说,机器学习算法42的训练可发生在服务器上(特别是在从多个不同用户提供反馈的情况下)及/或发生在客户端装置(例如PND)上(特别是在从单个用户提供反馈的情况下)。
所属领域的技术人员将了解,各种适合模型可用于产生导航指令,而且各种适合机器学习算法可用于随着时间而产生且精细化模型。通过图解说明的方式,在一个示范性方法中,用于产生导航指令的模型包括决策树,即一系列如果/否则语句。机器学习算法因此可使用决策树学习。在所描述的技术的上下文中,将理解,决策树为(通常二进制)树,其中每一内部节点表示单个特征值与固定阈值的比较,且其中叶节点表示类别概率的分布。决策树分类目标在于建构树,使得每一叶表示对单个类别的明确偏好。存在用于找出用于决策树产生的良好启发法的各种已知方法,包含但不限于ID3、C4.5及CART,且这些约计学习及评估起来一般非常快速。此外,由于其树形式,决策树模型对于人类专家来说容易理解,因为其仅由特征与阈值之间的直接比较组成。因此,甚至在已精细化模型以更好地符合特定用户的预期之后,接着理解模型已如何改变对于开发者来说是相对简单的。此可帮助开发者针对后续用户更好地精细化初始模型或初始训练数据。决策树的另一有利性质是每一树节点提供可用于识别数据在给定特征下的矛盾的纯度值。举例来说,如果用户群组在给定情景中偏好第一指令类型而另一用户群组在同一情景中偏好第二指令类型,那么此将展示为不纯节点。在所述情形中,开发者可决定引入用于(例如)按国家来区分这些用户群组的额外特征,或针对每一用户以一些合理默认项来个别地学习树的此部分。
在本发明的实施例中在尝试使用机器学习技术来解决的问题的定义如下。将任一元组序列xi=(R,a)表示为输入数据集,其中R为对路线的描述且a为进入R的弧线索引。将同一长度的序列Y=y1…yn表示为输入数据集X的标签或类别X=x1…xn,其中将匹配的引导指令描述为元素。分类器为依据输入数据及标签产生模型M=F(X,Y)的函数F(X,Y)。M又为预测针对任一输入元组x’(其中x’未必在X中)的类别的函数M(x’)。为将不同分类器进行比较,对于具有真实类别y的输入数据x,将误分类率或损失视为错误分类l(F)=P(M(x)≠y)的概率。
现在将参考图6描述可使用决策树评估特定道路枢纽的方式。图6展示可用于描述道路枢纽的特征列表,其按照特征的重要性(如可(例如)由每一特征的Gini重要性来测量)的次序来排列。决策树可针对这些特征中的每一者做出比较以便产生适合用于所述弧线的导航指令。
一般根据三个弧线(例如,路段)来描述道路枢纽:遵循所计划路线的驾驶员当前驶来的弧线、用户正要进入的弧线及可能针对交叉口相关且例如决定到底是否应给出指令的第三弧线。可由例如相关角度、长度、道路类型/类别及各种其它标记的参数的组合描述这些弧线中的每一者。因此,图6中所展示的实例中的最重要特征为目标弧线的角度α0。图6还列出在某一距离之后的目标弧线的角度α1,及左边挨着的弧线的角度β-,及右边挨着的弧线的角度β+。另外,提供可给出关于十字路口中所涉及的弧线数目、某些角度距离及路线相关性质(例如在到达之前导航指令集中留下的指令数目)的信息的数个与弧线无关的特征。例如,图6列出路线是否为“遵循优先级?”、路线是否为“在此方向上的仅有选择?”及“分叉点选择数目”的特征。
如上文所论述,针对每一节点的决策树可仅将单个特征尺寸与阈值进行比较。因此,有必要将可用代数特征组合作为输入数据提供到决策树。当产生导航引导指令时,通常有意义的是将不同弧线的性质进行比较以便回答例如“弧线A比弧线B更靠右?”或“道路类型在弧线A与弧线B之间改变?”的问题。为允许这些比较,决策树学习算法可具备每一弧线与每一其它弧线的个别特征的差异。
对于对模型的大量(可能矛盾)更新或精细化,在实施例中,可期望考虑所涉及的历史行进数据的年龄,且自动抛弃过时信息,例如尤其在此数据与较新数据相矛盾的情况下。在这方面可使用关于概念漂移的检测所描述的技术。类似地,可进一步使更新或精细化模型的过程自动化以使用所发现的矛盾来区分一般偏好、文化偏好或个人偏好且分裂适当子模型。此信息(例如)在改进初始训练数据(借助其来启动初始模型)方面对于开发者可为有用的。
尽管参考穿越由一或多个道路路段界定的路线的汽车用户(或驾驶员)描述本发明的实施例,但应认识到,本文中所描述的技术还可适用于各种其它可导航路段,例如小路、河流、运河、自行车道、拖船路、铁路线等的路段。因此,用户不需要为汽车的驾驶员,而是还可为(举例来说)接收导航指令的步行者或骑自行车者。
本说明书(包含任何所附权利要求书、摘要及图式)中所揭示的所有特征及/或如此揭示的任何方法或过程的所有步骤可以任何组合形式进行组合,但其中此些特征及/或步骤中的至少一些相互排斥的组合除外。
除非另有明确陈述,否则本说明书(包含任何所附权利要求书、摘要及图式)中所揭示的每一特征可由用于相同、等效或类似目的的替代特征代替。因此,除非另有明确陈述,否则每一所揭示特征仅是一系列类属等效或类似特征的一个实例。
本发明并不限于任何上述实施例的细节。本发明扩展到本说明书(包含任何所附权利要求书、摘要及图式)中所揭示的特征的任何新颖特征或任何新颖组合,或扩展到如此揭示的任何方法或过程的步骤的任何新颖步骤或任何新颖组合。权利要求书不应被解释为仅涵盖前述实施例,而是还涵盖属于本权利要求书的范围内的任何实施例。
Claims (15)
1.一种产生包括一或多个决策树的模型的版本的方法,所述模型经布置以产生用于沿着穿过地理区域内的可导航元素网络的预定路线引导用户的指令,所述可导航元素由电子地图的在节点处连接的路段表示,其中所述节点中的至少一些节点表示所述可导航元素网络中的决策点,所述方法包括:
从一或多个导航装置接收反馈数据,其中所述反馈数据涉及在遵循穿过所述可导航元素网络的预定路线时由所述一或多个导航装置所使用的所述模型的当前版本在一或多个决策点处产生的指令;
使用所述反馈数据来产生多个数据集,每一数据集包括:指示与穿越预定路线的穿过决策点的一部分相关联的路段的数据;及将由所述模型的版本产生以沿着所述预定路线的穿过所述决策点的所述部分引导所述用户的所要指令;
基于所述所产生的多个数据集而使用一或多个机器学习算法来产生所述模型的经更新版本;及
将所述模型的所述经更新版本提供到至少一个导航装置以用于产生沿着穿过所述可导航元素网络的预定路线引导所述至少一个导航装置的用户的指令。
2.根据权利要求1所述的方法,其中所述一或多个决策树中的每一者包括多个节点,每一节点表示关于将在决策点处产生的指令的分量及/或时序的决策。
3.根据权利要求1或2所述的方法,其包括从地图数据库获得电子地图数据,且其中基于所述所产生的多个数据集及所述所获得的电子地图数据而产生所述模型的所述经更新版本。
4.根据前述权利要求中任一权利要求所述的方法,其中所述反馈数据包括识别所述可导航网络的决策点的数据及识别就所述指令的组成部分及/或相对于所述决策点给出所述指令的时序来说所述指令为不正确或可被改进的数据。
5.根据前述权利要求中任一权利要求所述的方法,其中指示与穿越预定路线的穿过决策点的一部分相关联的路段的所述数据包括指示形成所述预定路线的去往所述决策点的进入路段及从所述决策点的外出路段以及在所述决策点之前及/或之后的额外路段的数据。
6.根据前述权利要求中任一权利要求所述的方法,其中每一数据集进一步包括指示与穿越所述预定路线的穿过所述决策点的所述部分不相关联的从所述决策点的一或多个其它外出路段的数据。
7.根据前述权利要求中任一权利要求所述的方法,其中所述模型的所述经更新版本不同于所述模型的先前版本,使得当其用于产生沿着穿过所述可导航元素网络的预定路线导引导航装置的用户的指令时,所述指令在以下方面中的一或多个方面不同:(i)指令的内容;(ii)指令输出给用户的时序;(iii)指令的冗长性;及(iv)指令的存在性。
8.根据前述权利要求中任一权利要求所述的方法,其中所述将所述模型的所述经更新版本提供到至少一个导航装置包括将所述模型的所述经更新版本从服务器发射到远离所述服务器的移动导航装置。
9.根据权利要求8所述的方法,其中所述模型的所述所接收经更新版本替换所述移动导航装置上的所述模型的现有版本,且所述方法进一步包括:
获得表示穿过所述可导航元素网络的预定路线的包括所述电子地图的多个路段的路线数据;及
将所述路线数据与所述模型的所述经更新版本一起使用来产生沿着所述预定路线引导用户的指令。
10.根据权利要求8或9所述的方法,其中从多个导航装置接收所述反馈数据,且将所述模型的所述经更新版本发射到远离所述服务器的多个移动导航装置。
11.根据权利要求1到7中任一权利要求所述的方法,其进一步包括:
获得表示穿过所述可导航元素网络的预定路线的包括所述电子地图的多个路段的路线数据;及
将所述路线数据与所述模型的所述经更新版本一起使用来产生沿着所述预定路线引导用户的指令。
12.一种用于产生包括一或多个决策树的模型的版本的系统,所述模型经布置以产生用于沿着穿过地理区域内的可导航元素网络的预定路线引导用户的指令,所述可导航元素由电子地图的在节点处连接的路段表示,其中所述节点中的至少一些节点表示所述可导航元素网络中的决策点,所述系统包括:
用于从一或多个导航装置接收反馈数据的构件,其中所述反馈数据涉及在遵循穿过所述可导航元素网络的预定路线时由所述一或多个导航装置所使用的所述模型的当前版本在一或多个决策点处产生的指令;
用于使用所述反馈数据来产生多个数据集的构件,每一数据集包括:指示与穿越预定路线的穿过决策点的一部分相关联的路段的数据;及将由所述模型的版本产生以沿着所述预定路线的穿过所述决策点的所述部分引导所述用户的所要指令;
用于基于所述所产生的多个数据集而使用一或多个机器学习算法来产生所述模型的经更新版本的构件;及
用于将所述模型的所述经更新版本提供到至少一个导航装置以用于产生沿着穿过所述可导航元素网络的预定路线引导所述至少一个导航装置的用户的指令的构件。
13.根据权利要求12所述的系统,其中所述系统为服务器,且所述用于将所述模型的所述经更新版本提供到至少一个导航装置的构件包括用于将所述模型的所述经更新版本从所述服务器发射到远离所述服务器的移动导航装置的构件。
14.根据权利要求12所述的系统,其中所述系统为移动导航装置,且进一步包括:
用于获得表示穿过所述可导航元素网络的预定路线的包括所述电子地图的多个路段的路线数据的构件;及
用于将所述路线数据与所述模型的所述经更新版本一起使用来产生沿着所述预定路线引导用户的指令的构件。
15.一种包括指令的计算机程序产品,所述指令在由系统的一或多个处理器执行时致使所述系统执行根据权利要求1到11中任一权利要求所述的方法,所述指令任选地存储于非暂时性计算机可读媒体上。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662369715P | 2016-08-01 | 2016-08-01 | |
US62/369,715 | 2016-08-01 | ||
PCT/EP2017/069381 WO2018024703A1 (en) | 2016-08-01 | 2017-08-01 | Method and system for generating adaptive route guidance information |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109564103A true CN109564103A (zh) | 2019-04-02 |
CN109564103B CN109564103B (zh) | 2023-03-31 |
Family
ID=59569307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780048018.0A Active CN109564103B (zh) | 2016-08-01 | 2017-08-01 | 用于产生自适应路线引导信息的方法及系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11397090B2 (zh) |
EP (1) | EP3491340B1 (zh) |
CN (1) | CN109564103B (zh) |
WO (1) | WO2018024703A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530389A (zh) * | 2019-09-06 | 2019-12-03 | 禾多科技(北京)有限公司 | 基于高精度导航电子地图的路口模式识别方法及识别系统 |
CN114144637A (zh) * | 2019-05-24 | 2022-03-04 | 通腾全球信息公司 | 从用户行为补充电子地图数据 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019139595A1 (en) * | 2018-01-11 | 2019-07-18 | Visa International Service Association | Offline authorization of interactions and controlled tasks |
US11725957B2 (en) * | 2018-11-02 | 2023-08-15 | Google Llc | Context aware navigation voice assistant |
US11859985B2 (en) * | 2019-08-21 | 2024-01-02 | Lyft, Inc. | Map data validation using knowledge graphs and randomness measures |
US10990837B1 (en) | 2019-10-28 | 2021-04-27 | Verizon Connect Ireland Limited | Systems and methods for utilizing machine learning and feature selection to classify driving behavior |
US20220397420A1 (en) * | 2021-06-15 | 2022-12-15 | Here Global B.V. | Method and apparatus for providing an updated map model |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130094633A1 (en) * | 2011-10-13 | 2013-04-18 | David Andrew Mauro | Method and apparatus for enhancing an interactive voice response (ivr) system |
US20140214322A1 (en) * | 2013-01-31 | 2014-07-31 | GM Global Technology Operations LLC | Adaptive user guidance for navigation and location-based services |
US8812419B1 (en) * | 2010-06-12 | 2014-08-19 | Google Inc. | Feedback system |
CN104081158A (zh) * | 2011-11-18 | 2014-10-01 | 通腾北美有限公司 | 用于创建供在产生跨越电子地图的路线中使用的成本数据的方法及设备 |
US20150276421A1 (en) * | 2014-03-27 | 2015-10-01 | Here Global B.V. | Method and apparatus for adapting navigation notifications based on compliance information |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7813870B2 (en) * | 2006-03-03 | 2010-10-12 | Inrix, Inc. | Dynamic time series prediction of future traffic conditions |
US20160051167A1 (en) * | 2012-10-10 | 2016-02-25 | Invensense, Inc. | System and method for activity classification |
WO2015174764A1 (en) * | 2014-05-15 | 2015-11-19 | Samsung Electronics Co., Ltd. | System for providing personalized information and method of providing the personalized information |
US10191919B2 (en) * | 2015-03-17 | 2019-01-29 | Here Global B.V. | Method and apparatus for presenting point of interest changes |
US9778060B2 (en) * | 2015-05-22 | 2017-10-03 | Here Global B.V. | Method and apparatus for providing personalized routing based on user routing behaviors |
US20170032480A1 (en) * | 2015-08-02 | 2017-02-02 | Chi Him Wong | Personalized travel planning and guidance system |
US11725957B2 (en) * | 2018-11-02 | 2023-08-15 | Google Llc | Context aware navigation voice assistant |
-
2017
- 2017-08-01 US US16/317,185 patent/US11397090B2/en active Active
- 2017-08-01 WO PCT/EP2017/069381 patent/WO2018024703A1/en unknown
- 2017-08-01 CN CN201780048018.0A patent/CN109564103B/zh active Active
- 2017-08-01 EP EP17749685.8A patent/EP3491340B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8812419B1 (en) * | 2010-06-12 | 2014-08-19 | Google Inc. | Feedback system |
US20130094633A1 (en) * | 2011-10-13 | 2013-04-18 | David Andrew Mauro | Method and apparatus for enhancing an interactive voice response (ivr) system |
CN104081158A (zh) * | 2011-11-18 | 2014-10-01 | 通腾北美有限公司 | 用于创建供在产生跨越电子地图的路线中使用的成本数据的方法及设备 |
US20140214322A1 (en) * | 2013-01-31 | 2014-07-31 | GM Global Technology Operations LLC | Adaptive user guidance for navigation and location-based services |
CN103968853A (zh) * | 2013-01-31 | 2014-08-06 | 通用汽车环球科技运作有限责任公司 | 用于导航和基于位置的服务的调整性用户引导 |
US20150276421A1 (en) * | 2014-03-27 | 2015-10-01 | Here Global B.V. | Method and apparatus for adapting navigation notifications based on compliance information |
Non-Patent Citations (1)
Title |
---|
张柠等: "决策树支持下跨比例尺居民地数据更新", 《测绘科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114144637A (zh) * | 2019-05-24 | 2022-03-04 | 通腾全球信息公司 | 从用户行为补充电子地图数据 |
CN110530389A (zh) * | 2019-09-06 | 2019-12-03 | 禾多科技(北京)有限公司 | 基于高精度导航电子地图的路口模式识别方法及识别系统 |
Also Published As
Publication number | Publication date |
---|---|
US20190293440A1 (en) | 2019-09-26 |
EP3491340B1 (en) | 2021-04-21 |
EP3491340A1 (en) | 2019-06-05 |
CN109564103B (zh) | 2023-03-31 |
US11397090B2 (en) | 2022-07-26 |
WO2018024703A1 (en) | 2018-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109564103A (zh) | 用于产生自适应路线引导信息的方法及系统 | |
CN1841022B (zh) | 导航系统 | |
CN110119140A (zh) | 用于加速曲线投影的系统和方法 | |
CN109491377A (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
CN109491376A (zh) | 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划 | |
CN109489675A (zh) | 用于自动驾驶车辆的基于成本的路径规划 | |
CN110998563B (zh) | 用于对视场中兴趣点消除歧义的方法、设备和绘图系统 | |
CN110325935A (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
US20140229101A1 (en) | System, components and methodologies for navigation route planning | |
US20080015770A1 (en) | Map Data Providing Method | |
CN107270923A (zh) | 一种路线推送的方法、终端及存储介质 | |
JP2006200978A (ja) | 案内経路生成装置および案内経路生成方法 | |
EP2549232A2 (en) | Travel guidance system, travel guidance method, and computer program product | |
CN109491378A (zh) | 自动驾驶车辆的基于道路分段的路线引导系统 | |
JPWO2019016931A1 (ja) | 表示制御装置および表示制御方法 | |
JP6489600B2 (ja) | 電子装置および誘導案内方法、誘導案内プログラム | |
JP5217969B2 (ja) | ナビゲーション装置 | |
Vaez et al. | Visitors' wayfinding strategies and navigational aids in unfamiliar urban environment | |
JP5203747B2 (ja) | ナビゲーション装置 | |
CN104111074B (zh) | 移动电子装置及其产生导航路径的方法 | |
JP4578553B2 (ja) | 経路誘導装置、経路誘導方法、経路誘導プログラム、および記録媒体 | |
US9719796B2 (en) | Intersection guidance method, navigation server, navigation terminal, and navigation system including the same | |
JP2005037143A (ja) | ナビゲーション装置 | |
JP2010190773A (ja) | ナビゲーション装置およびナビゲーション方法 | |
JP6764735B2 (ja) | 経路案内装置、経路案内方法、およびコンピュータプログラム |
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 |