CN110095133A - 路况提醒方法、装置、车辆、计算机设备及其存储介质 - Google Patents
路况提醒方法、装置、车辆、计算机设备及其存储介质 Download PDFInfo
- Publication number
- CN110095133A CN110095133A CN201910364002.1A CN201910364002A CN110095133A CN 110095133 A CN110095133 A CN 110095133A CN 201910364002 A CN201910364002 A CN 201910364002A CN 110095133 A CN110095133 A CN 110095133A
- Authority
- CN
- China
- Prior art keywords
- road conditions
- user
- traffic information
- reminder message
- current trip
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- 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
- G01C21/3611—Destination input or retrieval using character input or menus, e.g. menus of POIs
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种路况提醒方法、装置、车辆、计算机设备及其存储介质;其中路况提醒方法包括:接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于所述用户的有效触发的上座信号事件所发送;响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景;获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息;将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。该技术方案实现过程中无需用户参与操作,智能化程度高,具有更好的使用效果。
Description
技术领域
本申请涉及导航技术领域,具体而言,本申请涉及一种路况提醒方法、装置、车辆、计算机设备及其存储介质。
背景技术
在日常用车过程中,出行的路况是用户最关注的信息之一。而且很多用户用车也会产生高频应用场景,具有明显重复特征,例如上下班出行,目前业内的上下班用车中对于路况提醒功能,大多是需用户手动配置始发点和目的地的地址。
目前已经有相关技术是通过当前时间是否为上下班时间来预测用户的出现是否为上下班出行,进而查找路况信息,生成导航路线,但该技术方案实现过程需要用户进行多次操作,智能化程度低,影响了使用效果。
发明内容
本申请的目的旨在解决上述需要用户进行多次操作,智能化程度低的技术问题,而提供一种路况提醒方法、装置、车辆、计算机设备及其存储介质。
在第一方面,本申请实施例提供一种路况提醒方法,包括如下步骤:
接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于所述用户的有效触发的上座信号事件所发送;
响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景;
获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息;
将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。
在一个实施例中,所述判断所述用户的出行场景进行是否为指定场景的步骤,包括:
将所述用户的当前位置信息及其当前时间与所述历史出行记录信息记录的位置范围及其时间段分别进行比对,确定所述用户的当前出行场景。
在一个实施例中,所述根据当前位置规划驾驶路径及其路况信息的步骤,包括:
根据所述当前出行场景获取历史记录的所述用户的偏好驾驶路径,根据所述偏好驾驶路径调用导航地图查询该偏好驾驶路径的路况参数,将所述导航地图返回的路况参数生成路况提醒信息。
在一个实施例中,所述的路况提醒方法还包括:
读取所述用户若干天内的出行记录,并提取每天的出行记录中的第一个行程和最后一个行程;
提取所述各个行程的始发地和目的地形成始发地点集合和目的地集合,对所述始发地点集合和目的地集合分别进行聚类分析,得到多个地点集合;
根据各个地点集合的中心点的POI属性确定出所述位置范围。
在一个实施例中,所述根据所述当前位置调用导航地图的路线规划接口规划驾驶路径的步骤,包括:
读取历史记录的当前出行场景下所述用户的驾驶路线,依据所述驾驶路线的标记信息统计各个驾驶路线的行程数量,将行程数量最高的驾驶路线作为所述用户的偏好驾驶路径。
在一个实施例中,所述的路况提醒方法还包括:
当行程数量最高的驾驶路线有多条时,获取各个行程的时间,将时间最近的行程所对应的驾驶路线作为偏好驾驶路径。
在一个实施例中,所述的路况提醒方法还包括:
以设定距离提取所述用户的各个行程的定位信息;
从所述定位信息中选择多个定位点归集为驾驶路线,计算所述驾驶路线的各个定位点的哈希值,将所述哈希值作为所述驾驶路线的标记信息。
在一个实施例中,所述将所述路况提醒消息下发至所述终端的步骤之前,还包括:
将所述路况提醒消息发送至消息中心的推送服务,通过所述推送服务将所述路况提醒消息推送至所述用户对应的终端。
在第二方面,本申请实施例提供一种路况提醒装置,包括:
请求接收模块,用于接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于所述用户的有效触发的上座信号事件所发送;
请求响应模块,用于响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景;
消息生成模块,用于获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息;
提醒发送模块,用于将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。
在第三方面,本申请实施例一种路况提醒方法,包括如下步骤:
采集用户的上座信号事件,并判断所述上座信号事件是否有效触发;
当接收到所述上座信号事件为有效事件触发时,向云端智能服务发送所述用户的路况信息获取请求;
接收所述云端智能服务响应所述用户的路况信息获取请求预测并返回的当前出行场景;
接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒;其中,所述路况提醒消息是基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息生成。
在一个实施例中,所述判断所述上座信号事件是否有效触发的步骤,包括:
在挂P挡的状态下,通过车载AI助手检测主驾驶位信号,若所述主驾驶位信号的信号值发生状态变化且跳变时间间隔达到设定时间间隔,判定为有效事件触发,否则判定为无效事件触发。
在一个实施例中,所述接收所述云端智能服务下发的路况提醒消息,并依据该路况提醒消息进行路况提醒的步骤,包括:
通过车载导航接收所述云端智能服务下发的路况提醒消息;
根据所述车载导航的当前导航状态进行路况绘图冲突判断,若不存在冲突,则根据所述路况提醒信息绘制路况图,并将所述路况提醒信息发送至所述车载AI助手进行显示。
在第四方面,本申请实施例一种路况提醒装置,包括:
触发判断模块,用于采集用户的上座信号事件,并判断所述上座信号事件是否有效触发;
请求发送模块,用于当接收到所述上座信号事件为有效事件触发时,向云端智能服务发送所述用户的路况信息获取请求;
响应接收模块,用于接收所述云端智能服务响应所述用户的路况信息获取请求预测并返回的当前出行场景;
路况提醒模块,用于接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒;其中,所述路况提醒消息是基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息生成。
在第五方面,本申请实施例提供一种车辆,该车辆的车载系统用于执行上述任一项的路况提醒方法。
在第六方面,本申请实施例一种计算机设备,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行如上述任一项所述的路况提醒方法。
在第七方面,本申请实施例一种计算机设备存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任意一项所述的路况提醒方法。
上述的路况提醒方法、装置、车辆、计算机设备及其存储介质,接收终端基于用户的有效触发的上座信号事件所发送的用户的路况信息获取请求,判断所述用户的当前出行场景,根据用户的当前位置和当前出行场景获取偏好驾驶路径及其路况信息,并生成路况提醒信息下发至终端,以在终端上对用户进行路况提醒。该技术方案实现过程中无需用户参与操作,智能化程度高,具有更好的使用效果。
另外,该技术方案可以基于用户的历史记录的行程数据来对判断用户的出行场景,并且根据用户的历史出行路线来挖掘出偏好驾驶路径;相关过程无需用户参与操作,实现自动化闭环,进一步提升了智能化程度。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是一个实施例的路况提醒方法流程图;
图2是用户的偏好路线识别示意图;
图3是基于历史行程的家和公司预测方法示例的流程图;
图4是另一个实施例的路况提醒方法流程图;
图5是一个应用示例的云端与终端交互时序图;
图6是一个示例的路况信息在返回数据示意图;
图7是一个示例的终端界面显示示意图;
图8是一个实施例的路况提醒装置的结构示意图;
图9是另一个实施例的路况提醒装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,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,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通讯链路上,执行双向通讯的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通讯设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通讯设备;PCS(Personal Communications Service,个人通讯系统),其可以组合语音、数据处理、传真和/或数据通讯能力;PDA(Persona lDigital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位系统)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。
本实施例的技术方案,可以应用在云端或应用在终端,具体实施中,可以在云端部署云端智能服务,在终端部署车载应用,云端智能服务能够处理车载应用的请求,使得云端可以对各个联网的终端进行路况提醒服务,无需用户参与操作,实现在终端上进行智能化的路况提醒。在本申请以下实施例中,将主要以车载的终端为例,结合了相关车载应用,如车载导航和车载AI助手进行实施例阐述,在此车载AI助手是一种智能的车载应用,不作为对车载应用的限定。
参考图1所示,图1是一个实施例的路况提醒方法流程图,该技术方案可以通过云端智能服务实现,包括如下步骤:
S110,接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于用户的有效触发的上座信号事件所发送。
此步骤中,云端智能服务接收终端发送的用户的路况信息获取请求;终端可以在接收到用户的有效触发的上座信号事件时发送该路况信息获取请求,路况信息获取请求可以包含用户信息、当前位置信息以及其他相关数据等。
对于上座信号事件,是指用户坐上驾驶座,并开始驾驶车辆。作为实施例,终端可以采集用户的上座信号事件,并判断所述上座信号事件是否有效触发。
进一步的,上座信号事件是否有效触发的判断方法可以如下:
在挂P挡的状态下,通过检测主驾驶位信号,若所述主驾驶位信号的信号值发生状态变化且跳变时间间隔达到设定时间间隔,判定为有效事件触发,否则判定为无效事件触发。
上述实施例中,通过上座信号事件来触发,终端在检测到有效触发的上座信号事件就执行相关操作,用户无需进行操作,智能化程度高。
S120,响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景。
该步骤中,对于当前出行场景,可以有多种类型,例如上下班、日常出行等出行场景。云端智能服务可以响应用户的路况信息获取请求,根据用户信息、当前位置信息和时间信息等判断用户的当前出行场景景。
在一个实施例中,对于用户的当前出行场景的判断方法,可以包括如下:
将所述用户的当前位置信息及其当前时间与所述历史出行记录信息记录的位置范围及其时间段分别进行比对,确定所述用户的当前出行场景。
该实施例的方案,是基于出行目的的预测,通过位置和时间的判断,从而识别其出行目的,准确地预测出用户的当前出行场景。
S130,获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息。
本步骤中,根据用户的当前出行场景,获取到当前出行场景下用户的偏好驾驶路径,查询其路况信息并生成路况提醒消息。
例如,在上下班出行场景中,云端智能服务在每次响应路况信息获取请求时,预测用户的当前出行场景;判断当前位置是家或者公司,即预测用户是去公司上班,还是下班回家。具体的,根据用户始发地是否在落于家、公司位置范围内,及上车时间是否符合用户的上下班时间区间方式进行判断。
通过上述判断后,云端智能服务可以查找到用户上下班的偏好驾驶路径,并通过导航地图查询到偏好驾驶路径的路况信息。
在一个实施例中,步骤S130在选择用户的偏好驾驶路径及其路况参数时,云端智能服务可以根据当前位置以及用户的偏好驾驶路径,调用导航地图的路线规划接口查询所述偏好驾驶路径的路况参数,根据所述导航地图返回的路况参数生成路况提醒信息。
上述技术方案中,云端智能服务可以根据用户信息和当前位置信息来自动完成生成路况提醒信息,用户无需操作就可以实现,提升了智能化程度。
进一步的,在查找用户的偏好驾驶路径时,云端智能服务可以读取历史记录的当前出行场景下所述用户的驾驶路线,依据所述驾驶路线的标记信息统计各个驾驶路线的行程数量,将行程数量最高的驾驶路线作为所述用户的偏好驾驶路径。
另外,对于驾驶路线的标记信息(路线ID),可以对云端智能服务保存的各个用户的行程数据,以设定距离提取所述用户的各个行程的定位信息(GPS定位点);从所述定位信息中选择多个定位点归集为驾驶路线,计算所述驾驶路线的各个定位点的哈希值,将所述哈希值作为所述驾驶路线的标记信息。
下面阐述用户的偏好驾驶路径的获取方法,具体可以包括:
(1)将每次行程的GPS定位点归集为驾驶路线,每个路线具有唯一性。
例如,可以将每次行程等距离获取20个途径点,去掉头尾各2个GPS定位点,剩下16个途经点获取路名。
(2)从每个路线选取16个代表性的GPS定位点进行拟合。
具体的,按行程先后顺序,串联16个途径点的路名作为一条“长文本”,“长文本”哈希运算后的哈希值作为该路线的路线ID。
同一个路线ID的行程归集为同一路线,选取该路线下各个行程中发生时间最近的一个行程,对该行程等距离划分为20段,去除头尾各两段形成,取剩下16段行程中每段的第一个GPS定位点作为代表性途经点。
参考图2,图2是用户的偏好路线识别示意图;如图中,行程1和行程2得到路线X,行程3和行程4得到路线Y。
(3)根据频次选择常走路线;具体的,按路线ID,统计每个路线ID下的所有行程的次数,取次数最高的路线作为常走路线,若最高值存在多个,则取时间最近的一条行程对应的路线。
下面以上下班场景为例,阐述基于出行时间和位置的上下班目的预测判定用户出行场景的应用示例,主要包括如下:
(1)统计每个用户上班(或者下班)时间(以每个上下班行程发生的开始时间作为该时间)的平均值μ、标准差σ;其中,μ为用户日常上下班时间分布的平均值,σ为用户日常上下班时间分布的标准差。
(2)判断用户是否符合上下班始发地;
具体的,以始发地在家(或者公司)地址的GPS定位点为中心、500米为半径的圈内为判断依据。
(3)判断用户是否符合上下班始发地;
上班:早上(5:00-12:00)始发时间在用户日常上班时间分布[μ–σ,μ+σ]内;
下班:下午(17:00-24:00)始发时间在用户日常下班时间分布[μ–σ,μ+σ]内。
(4)若同时满足第(2)和(3)的条件,则认为用户的出行目的为上班(或者下班)。
对于上述实施例中所指的指定地点,可以由云端智能服务通过抽取用户一段时间内的出行记录,提取用户的出行路线,分析出指定地点。
以家和公司为例,对于用户的家和公司位置的预测,可以根据用户上下班日期的第一个行程和最后一个行程,取得始发地点集、目的地点集,可以使用DBSCAN聚类方法进行聚类,得到家和公司位置作为指定地点。
对于预测家和公司的方法,结合图3所示,图3是基于历史行程的家和公司预测方法示例的流程图,该方法可以包括如下步骤:
s301,从历史行程中获取用户的最近设定时间段内工作日的出行记录;其中,该设定时间段可以取14天,当然也可以取其他数值。
s302,抽取用户每天出行记录的第一个行程和最后一个行程,并提取两个个行程的始发地和目的地。
s303,对始发地和目的地进行聚类(可以使用密度聚类算法)分析得到多个点集,取各点集中心点(N1、N2、N3、……,其中N表示点集)。
s304,根据各点集中心点的地址名称和POI属性预测出家和公司的位置;
其中,POI(Point of Interest,中文可以翻译为“兴趣点”)属性为住宅、小区等属性的中心点作为家地址的备选,取其中点集中最大的中心点作为家的位置;POI属性为商业、写字楼等属性的中心点作为公司地址备选,取其中点集中最大的中心点作为公司的位置。
s305,每天滚动获取设定时间段工作日的出行记录,重复步骤s301-s304,持续更新家和公司位置的预测结果。
上述实施例中,指定地点变化时也可以进行自动更新,从而实现了用户免设置,无需人工干预,能自动化闭环,同时能根据用户出行习惯变化实现自适应调整,用户无需做任何操作,云端就可以自动更新家和公司的位置信息。
进一步地,对于上述实施例中步骤S130的生成路况提醒消息的方法,可以根据不同的路况情况,组织适合的提醒语言文案;并通过语音、文字、路况图,向用户提醒路况情况。
S140,将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。
此步骤中,云端智能服务可以将包含驾驶路径及其路况信息的路况提醒消息下发至终端,终端依据该路况提醒消息进行路况提醒。
在一个实施例中,终端在进行路况提醒时,可以执行如下操作:
首先通过车载导航接收所述云端智能服务下发的路况提醒消息。然后根据所述车载导航的当前导航状态进行路况绘图冲突判断,若不存在冲突,则根据所述路况提醒信息绘制路况图,并通过所述车载AI助手进行显示。
上述实施例的方案,利用终端的车载导航接收云端智能服务下发的驾驶路径及其路况信息,车载导航在判断到当前导航状态不存在冲突时,即进行路况绘图,同时并通过终端的车载AI助手显示路况信息。
作为实施例,步骤S140的云端智能服务在将路况提醒消息下发至终端的步骤之前,还可以将所述路况提醒消息发送至消息中心的推送服务(PUSH服务),通过所述推送服务将所述路况提醒消息推送至该用户对应的终端。
上述实施例的方案,可以利用导航地图接口自动获取驾驶路径和路况参数,通过消息中心的推送服务,将路况提醒消息实时推送到对应用户的终端。
综合上述各个实施例,云端智能服务可以通过接收终端检测用户的有效触发的上座信号事件而发送用户的路况信息获取请求,云端智能服务预测出该用户的当前出行场景,可以根据用户的当前位置和当前出行场景确定其偏好驾驶路径及其路况信息,并生成路况提醒消息下发至终端,使得终端利用路况提醒消息进行路况提醒。该技术方案实现过程中,用户无需执行任何操作,云端智能服务通过与终端结合,自动识别用户偏好驾驶路径并进行路况信息提醒,极大地减少了用户的操作参与,智能化程度高,具有更好的使用效果。
参考图4所示,图4是另一个实施例的路况提醒方法流程图,该技术方案可以通过终端实现,特别是指车载终端,该方法可以包括如下步骤:
S210,采集用户的上座信号事件,并判断所述上座信号事件是否有效触发。
此步骤中,可以通过终端的车载AI助手来采集用户的上座信号事件,具体的,上座信号事件的判断方法可以如下:
在挂P挡的状态下,通过终端的车载AI助手检测主驾驶位信号,若所述主驾驶位信号的信号值发生状态变化且跳变时间间隔达到设定时间间隔,判定为有效事件触发,否则判定为无效事件触发。
S220,当接收到所述上座信号事件为有效事件触发时,向云端智能服务发送所述用户的路况信息获取请求。
终端的车载AI助手检测到用户的有效触发的上座信号事件时,向云端智能服务发送用户的路况信息获取请求,该路况信息获取请求可以包含用户信息、当前位置信息以及其他相关数据等。
上述实施例的方案,通过上座信号事件来触发,终端在检测到有效触发的上座信号事件就执行相关操作,用户无需进行操作,智能化程度高。
S230,接收所述云端智能服务响应所述用户的路况信息获取请求预测并返回的当前出行场景。
此步骤中,终端接收云端智能服务的反馈,该反馈是由云端智能服务响应用户的路况信息获取请求所返回的响应结果。具体来说,即云端智能服务通过响应用户的路况信息获取请求,根据用户信息、当前位置信息和时间信息等信息判断用户当前出行场景。
对于云端智能服务判断当前出行场景的方法,可以包括如下:
将所述用户的当前位置信息及其当前时间与所述历史出行记录信息记录的位置范围及其时间段分别进行比对,确定所述用户的当前出行场景。
S240,接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒;其中,所述路况提醒消息是基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息生成。
本步骤中,终端接收云端智能服务下发的路况提醒消息,该路况提醒消息可以由云端智能服务根据用户的当前位置和当前出行场景,查找到用户的偏好驾驶路径及查询到的其路况信息,并利用路况信息所生成。
例如在上下班出行场景中,云端智能服务在每次响应路况信息获取请求时,可以对用户出行目的进行预测;判断当前位置是家或者公司,例如,预测用户是去公司上班,还是下班回家。根据用户始发地是否在落于家、公司位置范围内,及上车时间是否符合用户的上下班时间区间进行判断。通过上述判断后,云端智能服务可以查找到用户的偏好驾驶路径,并通过导航地图查询到路况信息。
作为实施例,云端智能服务在生成路况提醒信息时,可以根据所述当前出行场景获取历史记录的所述用户的偏好驾驶路径,根据所述偏好驾驶路径调用导航地图查询该偏好驾驶路径的路况参数,将所述导航地图返回的路况参数生成路况提醒信息。
上述技术方案,可以在云端智能服务根据用户信息和当前位置信息来自动完成,终端接收云端智能服务的路况提醒信息,用户无需操作就可以实现,提升了智能化程度。
在一个实施例中,步骤S240的接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒的步骤,具体可以包括如下:
(1)通过车载导航接收所述云端智能服务下发的路况提醒消息;
具体的,云端智能服务可以将路况提醒消息发送至消息中心的推送服务,终端的车载导航可以通过推送服务接收路况提醒消息。
(2)根据所述车载导航的当前导航状态进行路况绘图冲突判断,若不存在冲突,则根据所述路况提醒消息绘制路况图,并通过所述车载AI助手进行显示。
上述实施例的方案,终端可以通过车载导航接收云端智能服务下发的路况提醒消息,车载导航在判断到当前导航状态不存在冲突时,即可以进行路况绘图,同时并通过终端的车载AI助手来显示。
综合上述各个实施例,终端可以检测用户的有效触发的上座信号事件,并发送用户的路况信息获取请求至云端智能服务,使得云端智能服务判断出该用户的当前出行场景,并根据用户的当前位置和当前出行场景查找到用户的偏好驾驶路径,然后获取该偏好驾驶路径的路况信息并生成路况提醒消息,终端接收云端智能服务下发的路况提醒消息,然后根据路况提醒消息对用户进行路况提醒。该技术方案实现过程中,云端智能服务通过与终端结合完成,无需用户的操作参与,智能化程度高,具有更好的使用效果。
以上描述实施例,分别从云端、终端角度描述了路况提醒方法的实现过程,下面将结合上班场景中,以用户从家到公司为例,详细阐述云端与终端基于本申请提供的路况信息提醒方法进行交互的应用示例。
参考图5,图5是一个应用示例的云端与终端交互时序图,该示例中参与主体包括云端的云端智能服务和消息中心,终端上运行的AI助手和车载导航等车载应用,具体方法如下:
s501,车载AI助手采集用户的上座信号事件;
具体的,车载AI助手采集用户上座信号事件,并检测是否有效触发,当主驾驶位信号“Driver Seat Occupied”的信号值由0变为1,且信号值跳变时间间隔大于5秒,或者同一辆车辆,用户上座时间间隔大于或等于30分钟,可以判断为有效事件触发。
s502,车载AI助手检测到上座信号事件有效触发,向云端智能服务发送路况信息获取请求;
用户上座事件触发后,车载AI助手向云端智能服务获取路况信息,可以由车载AI助手向云端智能服务的接口发起路况信息获取请求,请求路况提醒消息。
s503,云端智能服务判断用户始发地是否符合上下班场景;若是,执行下一步;
具体的,云端智能服务收到路况信息获取请求后,判断用户的始发地是否符合上下班场景;判断规则可以为:早上(5:00-12:00)始发地在以家地址GPS定位点为中心、500米为半径的圈内;下午(17:00-24:00)始发地在以公司地址GPS定位点为中心、500米为半径的圈内;若符合条件,则进入下一步骤,否则终止流程。
s504,云端智能服务判断用户的出行目的是否为上下班场景;若是,执行下一步;
具体的,云端智能服务判断用户的始发地符合上下班场景后,再判断用户始发时间是否符合上下班场景;判断规则可以为:早上(5:00-12:00)始发时间在用户日常上班时间分布[μ–σ,μ+σ]内;下午(17:00-24:00)始发时间在用户日常下班时间分布[μ–σ,μ+σ]内;若符合用户出行目的为上下班场景,则进入下一步骤,否则终止流程。
s505,云端智能服务生成路况提醒信息,发送至消息中心的推送服务;对于云端智能服务生成的路况提醒消息,具体包括如下:
A、获取常走上下班路线路况:
a1、路况获取,调用导航地图(如高德地图)路线规划接口规划驾车路径:https:// restapi.amap.com/v3/direction/driving?parameters;
a2、路况查询参数:家地址GPS、公司地址GPS、常走路线的16个经停点、驾车选择策略(一般选择最短路径);
a3、云端智能服务接收导航地图返回的路况数据,参考图6,图6是一个示例的路况信息在返回数据示意图,其中路况参数在返回数据的tmcs中。
B、上下班路况分析和判断,包括:
b1、全程路况;
按累计拥堵距离长短划分为3种场景(拥堵、缓行、通畅)
1)拥堵:全程累计拥堵(tmcs中status为“拥堵、严重拥堵”的路况类型)距离大于等于300米。
2)缓行:全程累计拥堵(tmcs中status为“拥堵、严重拥堵”的路况类型)距离小于300米或大于等于100米。
3)通畅:全程累计拥堵(tmcs中status为“拥堵、严重拥堵”的路况类型)距离小于100米。
b2、具体路段路况;
按路名汇总(tmcs中status为“拥堵、严重拥堵”)的路况的距离,统计各路名的拥堵距离,并取该路程中最长拥堵距离的路名、拥堵距离。
C、路况提醒消息内容组成;
根据上下班的不同路况情况,根据如下规则,组织适配的提醒文案。
c1、路况拥堵时,消息内容文案合成规则如下:
1)消息主标题:${出行目的}!${拥堵路段路名}拥堵${拥堵距离}米;文案示例:上班!科韵路拥堵300米。
2)消息副标题:${出行目的}全程累计拥堵${拥堵距离}米,预计用时${时间}分钟。
文案示例:上班全程累计拥堵1389米,预计用时56分钟。
c2、路况缓行时,消息内容文案合成规则如下:
1)消息主标题:${出行目的}!${缓行路名}有堵塞;文案示例:回家!大观路有堵塞。
2)消息副标题:${出行目的}全程累计堵塞${堵塞距离}米,预计用时${时间}分钟;文案示例:回家全程累计堵塞1389米,预计用时56分钟。
c3、路况畅通时,消息内容文案合成规则如下:
1)消息主标题:${出行目的}路线全程畅通,请放心驾驶;文案示例:回家路线全程畅通,请放心驾驶。
2)消息副标题:全程预计用时${时间}分钟,祝您一路好心情;文案示例:全程预计用时56分钟,祝您一路好心情。
s506,推送服务接收路况提醒信息;具体的,推送服务生成每个用户的路况提醒信息的推送消息,用于推送至用户终端。
s507,推送服务将路况提醒信息推送至用户终端的车载导航;具体的,路况提醒消息生成成功后,通过消息服务中心进行消息PUSH操作,下发至用户终端的车载应用。
s508,车载导航接收路况提醒信息;具体的,车载导航接收路况提醒信息,并负责路况绘图。
s509,车载导航进行冲突判断,若无冲突,执行下一步;
具体的,车载导航跟当前导航状态,判断路况绘图冲突情况,即判断如下条件:
①车载导航当前非路线导航状态;
②车载导航收到路况消息时,用户未执行地图搜索行为;
③车载导航当前处于非崩溃或绘图不可用状态。
当车载导航的当前导航状态符合以上三个条件中的任一条件,可以认定车载导航的当前导航状态与路况绘图不存在冲突,可以在导航上绘制路况信息。
s510,车载导航进行路况绘图,并将路况提醒信息发送至车载AI助手。
s511,车载AI助手显示路况信息,其中,车载AI助手负责消息展示;可以通过文字、图像和语音方式进行提醒;
参考图7,图7是一个示例的终端界面显示示意图,终端在显示路况提醒消息时,需要符合的相关规则如下:
(1)车载AI助手收到路况提醒消息时,车辆仍处于用户上车场景(非行驶状态),如未挂D挡或R挡,且车速小于2km/h。
(2)车载AI助手收到路况提醒消息时,车辆未处于倒车、拨打电话等状态。
上述应用示例中,在用户上座后,通过云端与终端进行交互自动化完成路况提醒功能,基于用户的历史行程数据实现出行场景的预测,确定上下班场景中的家和公司位置,基于用户的历史行程实现偏好驾驶路径的挖掘。实现了用户免设置、无需人工干预,能自动化闭环。同时能根据用户出行习惯变化实现自适应调整,避免用户间隔一段时间就需要更新家和公司的位置信息。
参考图8所示,图8是一个实施例的路况提醒装置的结构示意图,其主要包括:
请求接收模块110,用于接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于所述用户的有效触发的上座信号事件所发送;
请求响应模块120,用于响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景;
消息生成模块130,用于获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息;
提醒发送模块140,用于将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。
参考图9所示,图9是另一个实施例的路况提醒装置的结构示意图,其主要包括:
触发判断模块210,用于采集用户的上座信号事件,并判断所述上座信号事件是否有效触发;
请求发送模块220,用于当接收到所述上座信号事件为有效事件触发时,向云端智能服务发送所述用户的路况信息获取请求;
响应接收模块230,用于接收所述云端智能服务响应所述用户的路况信息获取请求预测并返回的当前出行场景;
路况提醒模块240,用于接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒;其中,所述路况提醒消息是基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息生成。
本申请实施例提供一种车辆,该车辆的车载系统用于执行上述任一项的路况提醒方法。
本申请实施例还提供一种计算机设备,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行上述任一实施例的路况提醒方法。
本申请实施例还提供一种计算机设备存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任一实施例的路况提醒方法。
上述实施例提供的计算机设备及其存储介质,接收终端基于用户的有效触发的上座信号事件所发送的用户的路况信息获取请求,判断所述用户的当前出行场景,根据用户的当前位置和当前出行场景获取偏好驾驶路径及其路况信息,并生成路况提醒信息下发至终端,以在终端上对用户进行路况提醒。该技术方案实现过程中无需用户参与操作,智能化程度高,具有更好的使用效果。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (16)
1.一种路况提醒方法,其特征在于,包括如下步骤:
接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于所述用户的有效触发的上座信号事件所发送;
响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景;
获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息;
将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。
2.根据权利要求1所述的路况提醒方法,其特征在于,所述根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景的步骤,包括:
将所述用户的当前位置信息及其当前时间与所述历史出行记录信息记录的位置范围及其时间段分别进行比对,确定所述用户的当前出行场景。
3.根据权利要求2所述的路况提醒方法,其特征在于,所述获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息的步骤,包括:
根据所述当前出行场景获取历史记录的所述用户的偏好驾驶路径,根据所述偏好驾驶路径调用导航地图查询该偏好驾驶路径的路况参数,将所述导航地图返回的路况参数生成路况提醒信息。
4.根据权利要求2所述的路况提醒方法,其特征在于,还包括:
读取所述用户若干天内的出行记录,并提取每天的出行记录中的第一个行程和最后一个行程;
提取所述各个行程的始发地和目的地形成始发地点集合和目的地集合,对所述始发地点集合和目的地集合分别进行聚类分析,得到多个地点集合;
根据各个地点集合的中心点的POI属性确定出所述位置范围。
5.根据权利要求3所述的路况提醒方法,其特征在于,所述根据所述当前出行场景获取历史记录的所述用户的偏好驾驶路径的步骤,包括:
读取历史记录的当前出行场景下所述用户的驾驶路线,依据所述驾驶路线的标记信息统计各个驾驶路线的行程数量,将行程数量最高的驾驶路线作为所述用户的偏好驾驶路径。
6.根据权利要求5所述的路况提醒方法,其特征在于,还包括:
当行程数量最高的驾驶路线有多条时,获取各个行程的时间,将时间最近的行程所对应的驾驶路线作为偏好驾驶路径。
7.根据权利要求6所述的路况提醒方法,其特征在于,还包括:
以设定距离提取所述用户的各个行程的定位信息;
从所述定位信息中选择多个定位点归集为驾驶路线,计算所述驾驶路线的各个定位点的哈希值,将所述哈希值作为所述驾驶路线的标记信息。
8.根据权利要求1所述的路况提醒方法,其特征在于,所述将所述路况提醒消息下发至所述终端的步骤之前,还包括:
将所述路况提醒消息发送至消息中心的推送服务,通过所述推送服务将所述路况提醒消息推送至所述用户对应的终端。
9.一种路况提醒装置,其特征在于,包括:
请求接收模块,用于接收终端发送的用户的路况信息获取请求;其中,所述路况信息获取请求是基于所述用户的有效触发的上座信号事件所发送;
请求响应模块,用于响应所述路况信息获取请求,根据所述用户的当前出行信息以及历史出行记录信息预测所述用户的当前出行场景;
消息生成模块,用于获取基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息,并生成路况提醒消息;
提醒发送模块,用于将所述路况提醒消息下发至所述终端,以使得所述终端根据所述路况提醒消息进行路况提醒。
10.一种路况提醒方法,其特征在于,包括如下步骤:
采集用户的上座信号事件,并判断所述上座信号事件是否有效触发;
当接收到所述上座信号事件为有效事件触发时,向云端智能服务发送所述用户的路况信息获取请求;
接收所述云端智能服务响应所述用户的路况信息获取请求预测并返回的当前出行场景;
接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒;其中,所述路况提醒消息是基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息生成。
11.根据权利要求10所述的路况提醒方法,其特征在于,所述判断所述上座信号事件是否有效触发的步骤,包括:
在挂P挡的状态下,通过车载AI助手检测主驾驶位信号,若所述主驾驶位信号的信号值发生状态变化且跳变时间间隔达到设定时间间隔,判定为有效事件触发,否则判定为无效事件触发。
12.根据权利要求11所述的路况提醒方法,其特征在于,所述接收所述云端智能服务下发的路况提醒消息,并依据该路况提醒消息进行路况提醒的步骤,包括:
通过车载导航接收所述云端智能服务下发的路况提醒消息;
根据所述车载导航的当前导航状态进行路况绘图冲突判断,若不存在冲突,则根据所述路况提醒信息绘制路况图,并将所述路况提醒信息发送至所述车载AI助手进行显示。
13.一种路况提醒装置,其特征在于,包括:
触发判断模块,用于采集用户的上座信号事件,并判断所述上座信号事件是否有效触发;
请求发送模块,用于当接收到所述上座信号事件为有效事件触发时,向云端智能服务发送所述用户的路况信息获取请求;
响应接收模块,用于接收所述云端智能服务响应所述用户的路况信息获取请求预测并返回的当前出行场景;
路况提醒模块,用于接收所述云端智能服务下发的所述当前出行场景下的路况提醒消息,并依据该路况提醒消息进行路况提醒;其中,所述路况提醒消息是基于所述当前出行场景下所述用户的偏好驾驶路径及其路况信息生成。
14.一种车辆,其特征在于,该车辆的车载系统用于执行如权利要求1至8或者10至12任一项所述的路况提醒方法。
15.一种计算机设备,其特征在于,其包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行如权利要求1至8或者10至12任一项所述的路况提醒方法。
16.一种计算机设备存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至8或者10至12任意一项所述的路况提醒方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910364002.1A CN110095133A (zh) | 2019-04-30 | 2019-04-30 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
PCT/CN2019/093478 WO2020220456A1 (zh) | 2019-04-30 | 2019-06-28 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910364002.1A CN110095133A (zh) | 2019-04-30 | 2019-04-30 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110095133A true CN110095133A (zh) | 2019-08-06 |
Family
ID=67446694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910364002.1A Pending CN110095133A (zh) | 2019-04-30 | 2019-04-30 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110095133A (zh) |
WO (1) | WO2020220456A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110726418A (zh) * | 2019-10-10 | 2020-01-24 | 北京百度网讯科技有限公司 | 兴趣点区域确定方法、装置、设备及存储介质 |
CN110851490A (zh) * | 2019-10-16 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于过车数据的车辆出行常用停留点挖掘方法及装置 |
CN110986985A (zh) * | 2019-12-17 | 2020-04-10 | 广州小鹏汽车科技有限公司 | 车辆行程推送方法、装置、介质、控制终端及汽车 |
CN111144258A (zh) * | 2019-12-18 | 2020-05-12 | 上海擎感智能科技有限公司 | 一种车辆代驾方法、终端设备、计算机存储介质及系统 |
CN111461200A (zh) * | 2020-03-30 | 2020-07-28 | 科大讯飞股份有限公司 | 一种事件的提醒方法、装置、电子设备及计算机可读存储介质 |
CN112525214A (zh) * | 2020-11-24 | 2021-03-19 | 广州橙行智动汽车科技有限公司 | 一种地图卡片的交互方法、装置、车辆、可读介质 |
CN112667882A (zh) * | 2019-10-16 | 2021-04-16 | 斑马智行网络(香港)有限公司 | 内容分发方法、装置、系统、计算设备以及存储介质 |
CN113450801A (zh) * | 2021-08-27 | 2021-09-28 | 广州小鹏汽车科技有限公司 | 语音交互方法、装置、系统、交通工具及介质 |
CN115394099A (zh) * | 2022-08-18 | 2022-11-25 | 杭州亥迪交通设备有限公司 | 道路交通诱导方法、系统、设备及交通指引牌 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060173841A1 (en) * | 2004-10-29 | 2006-08-03 | Bill David S | Determining a route to destination based on partially completed route |
CN105628048A (zh) * | 2016-03-02 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 一种地图信息处理方法及终端 |
CN106679683A (zh) * | 2016-11-26 | 2017-05-17 | 上海亿账通互联网科技有限公司 | 获取出行信息的方法及装置 |
CN106767864A (zh) * | 2016-12-05 | 2017-05-31 | 深圳市车音网科技有限公司 | 车辆导航控制方法及装置 |
CN108286980A (zh) * | 2017-12-29 | 2018-07-17 | 广州通易科技有限公司 | 一种预测目的地和推荐驾驶路线的方法 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
-
2019
- 2019-04-30 CN CN201910364002.1A patent/CN110095133A/zh active Pending
- 2019-06-28 WO PCT/CN2019/093478 patent/WO2020220456A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060173841A1 (en) * | 2004-10-29 | 2006-08-03 | Bill David S | Determining a route to destination based on partially completed route |
CN105628048A (zh) * | 2016-03-02 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 一种地图信息处理方法及终端 |
CN106679683A (zh) * | 2016-11-26 | 2017-05-17 | 上海亿账通互联网科技有限公司 | 获取出行信息的方法及装置 |
CN106767864A (zh) * | 2016-12-05 | 2017-05-31 | 深圳市车音网科技有限公司 | 车辆导航控制方法及装置 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN108286980A (zh) * | 2017-12-29 | 2018-07-17 | 广州通易科技有限公司 | 一种预测目的地和推荐驾驶路线的方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110726418A (zh) * | 2019-10-10 | 2020-01-24 | 北京百度网讯科技有限公司 | 兴趣点区域确定方法、装置、设备及存储介质 |
US11740102B2 (en) | 2019-10-10 | 2023-08-29 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, apparatus, device and storage medium for determining point of interest area |
CN112667882A (zh) * | 2019-10-16 | 2021-04-16 | 斑马智行网络(香港)有限公司 | 内容分发方法、装置、系统、计算设备以及存储介质 |
CN110851490A (zh) * | 2019-10-16 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于过车数据的车辆出行常用停留点挖掘方法及装置 |
CN110986985A (zh) * | 2019-12-17 | 2020-04-10 | 广州小鹏汽车科技有限公司 | 车辆行程推送方法、装置、介质、控制终端及汽车 |
CN110986985B (zh) * | 2019-12-17 | 2022-07-12 | 广州小鹏汽车科技有限公司 | 车辆行程推送方法、装置、介质、控制终端及汽车 |
CN111144258A (zh) * | 2019-12-18 | 2020-05-12 | 上海擎感智能科技有限公司 | 一种车辆代驾方法、终端设备、计算机存储介质及系统 |
CN111144258B (zh) * | 2019-12-18 | 2023-12-29 | 上海擎感智能科技有限公司 | 一种车辆代驾方法、终端设备、计算机存储介质及系统 |
CN111461200A (zh) * | 2020-03-30 | 2020-07-28 | 科大讯飞股份有限公司 | 一种事件的提醒方法、装置、电子设备及计算机可读存储介质 |
CN111461200B (zh) * | 2020-03-30 | 2023-11-21 | 科大讯飞股份有限公司 | 一种事件的提醒方法、装置、电子设备及计算机可读存储介质 |
CN112525214A (zh) * | 2020-11-24 | 2021-03-19 | 广州橙行智动汽车科技有限公司 | 一种地图卡片的交互方法、装置、车辆、可读介质 |
CN112525214B (zh) * | 2020-11-24 | 2024-05-28 | 广州橙行智动汽车科技有限公司 | 一种地图卡片的交互方法、装置、车辆、可读介质 |
CN113450801A (zh) * | 2021-08-27 | 2021-09-28 | 广州小鹏汽车科技有限公司 | 语音交互方法、装置、系统、交通工具及介质 |
CN115394099A (zh) * | 2022-08-18 | 2022-11-25 | 杭州亥迪交通设备有限公司 | 道路交通诱导方法、系统、设备及交通指引牌 |
CN115394099B (zh) * | 2022-08-18 | 2024-02-02 | 杭州亥迪交通设备有限公司 | 道路交通诱导方法、系统、设备及交通指引牌 |
Also Published As
Publication number | Publication date |
---|---|
WO2020220456A1 (zh) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110095133A (zh) | 路况提醒方法、装置、车辆、计算机设备及其存储介质 | |
US11092455B2 (en) | Transportation routing | |
JP6192666B2 (ja) | 目的地予測装置、目的地予測方法、目的地表示方法 | |
KR100530482B1 (ko) | 통신 장치로 정보를 제공하는 방법 | |
US9003030B2 (en) | Detecting relative crowd density via client devices | |
US20120296560A1 (en) | Inferring a Behavioral State of a Vehicle | |
WO2018031562A1 (en) | Distributed video storage and search with edge computing | |
CN105191357A (zh) | 基于时间和空间接近性的亲自参加服务通知 | |
JP2002536648A (ja) | 関連交通情報を得るためかつ動的経路最適化のための方法、および、装置 | |
JP2009230514A (ja) | 行き先情報推薦システム、行き先情報推薦装置、携帯端末および行き先情報推薦方法 | |
KR102425748B1 (ko) | 승차 수요 이력 데이터에 대한 클러스터링 기법을 통한 승객 탑승 예상 지역 결정 방법, 이에 사용되는 관리 장치 및 승차 수요 이력 데이터에 대한 클러스터링 기법을 통한 승객 탑승 예상 지역 결정 방법을 실행시키는 프로그램이 기록된 기록 매체 | |
Zhou et al. | Predicting the passenger demand on bus services for mobile users | |
Cheng et al. | The adaptive recommendation mechanism for distributed group in mobile environments | |
Djuric et al. | Parkassistant: An algorithm for guiding a car to a parking spot | |
Zhou et al. | Discovering personal paths from sparse gps traces | |
Torkkola et al. | Traffic advisories based on route prediction | |
JP4799001B2 (ja) | 情報共有システム、情報共有サーバ、情報共有方法、及び情報共有プログラム | |
JP2018017542A (ja) | 地点案内システム、地点案内端末および地点案内プログラム | |
JP4307509B1 (ja) | タクシー情報提供装置及び方法 | |
JP2006170759A (ja) | 予約対象管理方法および装置並びにシステム | |
Ashbrook et al. | Enabling ad-hoc collaboration through schedule learning and prediction | |
JP2012220440A (ja) | 情報提供装置、方法およびプログラム | |
Li et al. | A real-time transportation prediction system | |
CN108426583A (zh) | 一种服务数据处理方法及其设备 | |
JP6790715B2 (ja) | 地点案内システム、地点案内端末および地点案内プログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |
|
RJ01 | Rejection of invention patent application after publication |