CN110866194A - 车辆及导航终端和基于离散事件随机过程的行程推荐方法 - Google Patents
车辆及导航终端和基于离散事件随机过程的行程推荐方法 Download PDFInfo
- Publication number
- CN110866194A CN110866194A CN201810956825.9A CN201810956825A CN110866194A CN 110866194 A CN110866194 A CN 110866194A CN 201810956825 A CN201810956825 A CN 201810956825A CN 110866194 A CN110866194 A CN 110866194A
- Authority
- CN
- China
- Prior art keywords
- user
- discrete event
- recommendation method
- vehicle
- next destination
- 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
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请提供一种车辆及导航终端和基于离散事件随机过程的行程推荐方法,所述行程推荐方法通过获取用户的当前位置,对所述当前位置进行离散事件随机过程处理,根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地,根据所述下一目的地对用户进行行程推荐。通过这种方式,本申请能够根据用户的当前位置进行目的地推荐,通过离散事件随机处理的方式,简单快速有效地预测用户的目的地,方便用户操作使用,既满足用户日益提供的需求又能改善用户体验。
Description
技术领域
本申请涉及车载技术领域,具体涉及一种基于离散事件随机过程的行程推荐方法,采用所述基于离散事件随机过程的行程推荐方法的导航终端,以及应用所述导航终端的车辆。
背景技术
随着互联网技术的发展,在线的旅游应用系统,如expedia.com等,已经越来越受大众的欢迎。与此同时,随着旅游资源的爆炸式增长,游客很难在短时间内选择旅游资源,决定旅游行程。所以,如何在短时间内动态生成用户满意的完整的旅游行程已成为旅游应用领域的一个新的挑战,也是迫切需要解决的问题。
现有的对旅游资源安排旅游行程的系统主要有传统的旅游套餐推荐系统,动态旅游向导系统等。传统的旅游套餐推荐系统,它能够为用户推荐在一定花费下的前K个的旅游方案。但这种推荐系统只考虑了无序的资源组合的推荐,动态旅游向导系统,它采用语意匹配方法对旅游景点进行排序,并且利用贪心的启发式近似算法来为用户提供个性化行程。
此外,特别是针对部分自驾游的用户来说,用户接下来要去哪个目的地,或者要去哪几个目的地,怎么导航等,如果没法简单快速地进行规划,则会严重影响用户体验,换而言之,现有技术没有很好的行程推荐方式,难于满足用户日益提高的需求,用户体验度不高。
针对现有技术的多方面不足,本申请的发明人经过深入研究,提出一种车辆及导航终端和基于离散事件随机过程的行程推荐方法。
发明内容
本申请的目的在于,提供一种车辆及导航终端和基于离散事件随机过程的行程推荐方法,能够根据用户的当前位置进行目的地推荐,简单快速有效地预测用户的目的地,方便用户操作使用,既满足用户日益提供的需求又能改善用户体验。
为解决上述技术问题,本申请提供一种基于离散事件随机过程的行程推荐方法,作为其中一种实施方式,所述行程推荐方法包括:
获取用户的当前位置;
对所述当前位置进行离散事件随机过程处理;
根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地;
根据所述下一目的地对用户进行行程推荐。
作为其中一种实施方式,所述根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地的步骤,具体包括:
根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地,其中,N为大于1的自然数。
作为其中一种实施方式,所述N个依序排列的下一目的地,包括:
依照所述用户最可能去的顺序降序排列出N个下一目的地,以供用户选择确认;
或,依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,以形成包括N个下一目的地的线路。
作为其中一种实施方式,所述依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地的步骤中,N个下一目的地之间可全不相同、部分相同、或间隔之后相同,所述间隔之后相同的时间顺序排列包括下一目的地A、下一目的地B、回到下一目的地A。
作为其中一种实施方式,所述根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地的步骤中:
所述下一目的地与所述用户曾经使用的行程、曾经的规划选择不存在必然相关性,且仅与所述当前位置相关。
作为其中一种实施方式,所述根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地的步骤,具体包括:
定义与所述当前位置相关的N个依序排列的下一目的地形成数列X1,X2、、、Xn;
则下一目的地Xn+1的预测函数如下:
P(Xn+1=x|X1=x1,X2=x2,...,Xn=xn)=P(Xn+1=x|Xn=Xn).
其中,P为预测函数。
作为其中一种实施方式,所述预测函数的预测过程具体包括:
设{X(t),t∈T}是一个随机过程,且设{X(t),t∈T}在t0时刻所处的状态为已知的当前位置时,t0以后的状态与它在时刻t0之前所处的状态无关;
设{X(t),t∈T}的状态空间为S,如果对于任意的n≥2,任意的t1<t2<...<tn∈T,在条件X(ti)=xi,xi∈S,i=1,2,...,n-1下,X(tn)的条件概率分布函数恰好等于其在条件X(tn-1)=xn-1下的条件概率预测函数,即:
P(X(tn)≤xn|X(t1)=x1,X(t2)=x2,...,X(tn-1)=xn-1)=P(X(tn)≤xn|X(tn-1)=xn-1)。
作为其中一种实施方式,所述根据所述下一目的地对用户进行行程推荐的步骤之后,还包括:
根据用户的选择确认,对所述行程进行自动导航。
为解决上述技术问题,本申请还提供一种导航终端,作为其中一种实施方式,所述导航终端包括处理器,所述处理器用于执行程序数据,以实现上述的行程推荐方法。
为解决上述技术问题,本申请还提供一种车辆,作为其中一种实施方式,所述车辆配置有上述的导航终端,所述导航终端为车机设备、手机或外接导航仪。
本申请车辆及导航终端和基于离散事件随机过程的行程推荐方法,所述行程推荐方法通过获取用户的当前位置,对所述当前位置进行离散事件随机过程处理,根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地,根据所述下一目的地对用户进行行程推荐。通过这种方式,本申请能够根据用户的当前位置进行目的地推荐,通过离散事件随机处理的方式,简单快速有效地预测用户的目的地,方便用户操作使用,既满足用户日益提供的需求又能改善用户体验。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本申请基于离散事件随机过程的行程推荐方法一实施方式的流程示意图。
图2为本申请导航终端一实施方式的结构示意图。
具体实施方式
为更进一步阐述本申请为达成预定申请目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本申请详细说明如下。
通过具体实施方式的说明,当可对本申请为达成预定目的所采取的技术手段及效果得以更加深入且具体的了解,然而所附图式仅是提供参考与说明之用,并非用来对本申请加以限制。
请参阅图1,图1为本申请基于离散事件随机过程的行程推荐方法一实施方式的流程示意图。
需要说明的是,本实施方式所述行程推荐方法可以应用到手机中,可以应用到导航仪中,还可以应用到车机设备甚至可穿戴设备中,在此不作限定。具体而言,比如可以在用户骑车、开车或者开飞机时实现行程推荐等。
在本实施方式中,如图1所示,所述行程推荐方法可以包括但不限于如下几个步骤。
步骤S101,获取用户的当前位置;
步骤S102,对所述当前位置进行离散事件随机过程处理;
步骤S103,根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地;
步骤S104,根据所述下一目的地对用户进行行程推荐。
值得一提的是,本实施方式获取用户的当前位置,可以通过GPS定位模块、Zigbee定位或者人工定位的方式单独/或配合使用。其具体可以精确到米、百米、公里等,可以根据不同的应用需要而改变其精确度,避免增加系统功耗。
在本实施方式中,所述根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地的步骤,具体可以包括:根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地,其中,N为大于1的自然数。
需要特别说明的是,所述N个依序排列的下一目的地,比如可以包括:依照所述用户最可能去的顺序降序排列出N个下一目的地,以供用户选择确认;或,依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,以形成包括N个下一目的地的线路。
举例而言,依照所述用户最可能去的顺序降序排列出N个下一目的地,以供用户选择确认,可以是同时预测得到A、B、C、D和E五个下一目的地,接着将其推荐给用户,需要说明的是,A、B、C、D和E五个下一目的地的概率可以相同,也可以随机设置为不同并进行降序排列。
或者,依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,以形成包括N个下一目的地的线路,则可以是,用户接下来可能要一并去五个地方A、B、C、D和E,那么,按时间顺序将其推荐给用户。
值得一提的是,用户接下来可能要一并去五个地方A、B、C、D和E,还可以根据用户可能选择的结果,进行排序,比如同是这五个地方A、B、C、D和E,有可能按时间顺序是A、C、B、E到D,也可能是A、B、C、D到E等等,在此不作限定。
需要说明的是,本实施方式所述依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地的步骤中,N个下一目的地之间可全不相同、部分相同、或间隔之后相同,所述间隔之后相同的时间顺序排列包括下一目的地A、下一目的地B、回到下一目的地A。
举例而言,用户当前位置为A,可能下一目的地也是A(即一定时间段内不出去不移动),或者用户从A到B到C再回到A,然后再去C等等。
在本实施方式中,所述根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地的步骤中:所述下一目的地与所述用户曾经使用的行程、曾经的规划选择不存在必然相关性,且仅与所述当前位置相关。换而言之,预测下一目的地时,不参考其他曾经存在的因素,而是结合当前位置进行随机推荐,当然,为了提高准确度,可以结合当前位置的人文、历史、文化、景区、人流量等进行随机因素的考量等。
需要说明的是,在本实施方式中,所述根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地的步骤,具体可以包括:
定义与所述当前位置相关的N个依序排列的下一目的地形成数列X1,X2、、、Xn;
则下一目的地Xn+1的预测函数如下:
P(Xn+1=x|X1=x1,X2=x2,...,Xn=P(Xn-1)=x|Xn)=xn).
其中,P为预测函数。
进一步而言,本实施方式所述预测函数的预测过程具体可以包括下述处理过程:
设{X(t),t∈T}是一个随机过程,且设{X(t),t∈T}在t0时刻所处的状态为已知的当前位置时,t0以后的状态与它在时刻t0之前所处的状态无关;
设{X(t),t∈T}的状态空间为S,如果对于任意的n≥2,任意的t1<t2<...<tn∈T,在条件X(ti)-xi,xi∈S,i-1,2,...,n-1下,X(tn)的条件概率分布函数恰好等于其在条件X(tn-1)=xn-1下的条件概率预测函数,即:
P(X(tn)≤xn|X(t1)=x1,X(t2)=x2,...,X(tn-1)=xn-1)=P(X(tn)≤xn|X(tn-1)=xn-1)。
在其他实施方式中,所述根据所述下一目的地对用户进行行程推荐的步骤之后,还可以包括:根据用户的选择确认,对所述行程进行自动导航。不难理解的是,这种方式可以应用到导航终端或者具备导航功能的智能设备中。
本申请能够根据用户的当前位置进行目的地推荐,通过离散事件随机处理的方式,简单快速有效地预测用户的目的地,方便用户操作使用,既满足用户日益提供的需求又能改善用户体验。
请接着参阅图2,图2为本申请导航终端一实施方式的结构示意图。
在本实施方式中,所述导航终端可以包括处理器21,所述处理器21用于执行程序数据,以实现上述的行程推荐方法。
需要说明的是,本实施方式所述行程推荐方法可以应用到手机中,可以应用到导航仪中,还可以应用到车机设备甚至可穿戴设备中,在此不作限定。具体而言,比如可以在用户骑车、开车或者开飞机时实现行程推荐等。
在本实施方式中,所述处理器21获取用户的当前位置,对所述当前位置进行离散事件随机过程处理,根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地,根据所述下一目的地对用户进行行程推荐。
值得一提的是,本实施方式获取用户的当前位置,可以通过GPS定位模块、Zigbee定位或者人工定位的方式单独/或配合使用。其具体可以精确到米、百米、公里等,可以根据不同的应用需要而改变其精确度,避免增加系统功耗。
在本实施方式中,所述处理器21根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地,具体可以包括:所述处理器21根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地,其中,N为大于1的自然数。
需要特别说明的是,所述N个依序排列的下一目的地,比如可以包括:依照所述用户最可能去的顺序降序排列出N个下一目的地,以供用户选择确认;或,依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,以形成包括N个下一目的地的线路。
举例而言,依照所述用户最可能去的顺序降序排列出N个下一目的地,以供用户选择确认,可以是同时预测得到A、B、C、D和E五个下一目的地,接着将其推荐给用户,需要说明的是,A、B、C、D和E五个下一目的地的概率可以相同,也可以随机设置为不同并进行降序排列。
或者,依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,以形成包括N个下一目的地的线路,则可以是,用户接下来可能要一并去五个地方A、B、C、D和E,那么,按时间顺序将其推荐给用户。
值得一提的是,用户接下来可能要一并去五个地方A、B、C、D和E,还可以根据用户可能选择的结果,进行排序,比如同是这五个地方A、B、C、D和E,有可能按时间顺序是A、C、B、E到D,也可能是A、B、C、D到E等等,在此不作限定。
需要说明的是,本实施方式所述处理器21依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,N个下一目的地之间可全不相同、部分相同、或间隔之后相同,所述间隔之后相同的时间顺序排列包括下一目的地A、下一目的地B、回到下一目的地A。
举例而言,用户当前位置为A,可能下一目的地也是A(即一定时间段内不出去不移动),或者用户从A到B到C再回到A,然后再去C等等。
在本实施方式中,所述处理器21根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地,所述下一目的地与所述用户曾经使用的行程、曾经的规划选择不存在必然相关性,且仅与所述当前位置相关。换而言之,预测下一目的地时,不参考其他曾经存在的因素,而是结合当前位置进行随机推荐,当然,为了提高准确度,可以结合当前位置的人文、历史、文化、景区、人流量等进行随机因素的考量等。
需要说明的是,在本实施方式中,所述处理器21根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地,具体可以包括:所述处理器21定义与所述当前位置相关的N个依序排列的下一目的地形成数列X1,X2、、、Xn;
则下一目的地Xn+1的预测函数如下:
P(Xn+1=x|X1=x1,X2=x2,...,Xn=xn)=P(Xn+1=x|Xn=xn).
其中,P为预测函数。
进一步而言,本实施方式所述预测函数的预测过程具体可以包括下述处理过程:
设{X(t),t∈T}是一个随机过程,且设{X(t),t∈T}在t0时刻所处的状态为已知的当前位置时,t0以后的状态与它在时刻t0之前所处的状态无关;
设{X(t),t∈T}的状态空间为S,如果对于任意的n≥2,任意的t1<t2<...<tn∈T,在条件X(ti)=xi,xi∈S,i=1,2,...,n-1下,X(tn)的条件概率分布函数恰好等于其在条件X(tn-1)=xn-1下的条件概率预测函数,即:
P(X(tn)≤xn|X(t1)=x1,X(t2)=x2,...,X(n-1)=xn-1)=P(X(tn)≤xn|X(tn-1)=xn-1)。
在其他实施方式中,所述处理器21根据所述下一目的地对用户进行行程推荐之后,所述处理器21根据用户的选择确认,对所述行程进行自动导航。不难理解的是,这种方式可以应用到导航终端或者具备导航功能的智能设备中。
本申请能够根据用户的当前位置进行目的地推荐,通过离散事件随机处理的方式,简单快速有效地预测用户的目的地,方便用户操作使用,既满足用户日益提供的需求又能改善用户体验。
本申请还提供一种车辆,作为其中一种实施方式,所述车辆配置有上述的导航终端,所述导航终端可以为车机设备、手机或外接导航仪。
所述导航终端还可以架设在云服务器一侧,并与车辆进行网络连接。
本申请车辆及导航终端和基于离散事件随机过程的行程推荐方法,能够根据用户的当前位置进行目的地推荐,通过离散事件随机处理的方式,简单快速有效地预测用户的目的地,方便用户操作使用,既满足用户日益提供的需求又能改善用户体验。
需要说明的是,本实施方式导航终端、车辆和云服务器均可以采用WIFI技术或5G技术等,比如利用5G车联网网络实现彼此的网络连接,本实施方式所采用的5G技术可以是一个面向场景化的技术,本申请利用5G技术对车辆起到关键的支持作用,其同时实现连接人、连接物或连接车辆,其具体可以采用下述三个典型应用场景组成。
第一个是eMBB(Enhance Mobile Broadband,增强移动宽带),使用户体验速率在0.1~1gpbs,峰值速率在10gbps,流量密度在10Tbps/km2;
第二个超可靠低时延通信,本申请可以实现的主要指标是端到端的时间延迟为ms(毫秒)级别;可靠性接近100%;
第三个是mMTC(海量机器类通信),本申请可以实现的主要指标是连接数密度,每平方公里连接100万个其他终端,10^6/km2。
通过上述方式,本申请利用5G技术的超可靠、低时延时的特点,结合比如雷达和摄像头等就可以给车辆提供显示的能力,可以跟车辆实现互动,同时利用5G技术的交互式感知功能,用户可以对外界环境做一个输出,不光能探测到状态,还可以做一些反馈等。进一步而言,本申请还可以应用到自动驾驶的协同里面,比如车辆编队等。
此外,本申请还可以利用5G技术实现通信增强自动驾驶感知能力,并且可以满足车内乘客对AR(增强现实)/VR(虚拟现实)、游戏、电影、移动办公等车载信息娱乐,以及高精度的需求。本申请可以实现厘米级别的3D高精度定位地图的下载量在3~4Gb/km,正常车辆限速120km/h(千米/时)下每秒钟地图的数据量为90Mbps~120Mbps(兆比特每秒),同时还可以支持融合车载传感器信息的局部地图实时重构,以及危险态势建模与分析等。
在本申请中,上述导航终端可以使用到具备车辆TBOX的车辆系统中,其还可以连接到车辆的CAN总线上。
在本实施方式中,CAN可以包括三条网络通道CAN_1、CAN_2和CAN_3,车辆还可以设置一条以太网网络通道,其中三条CAN网络通道可以通过两个车联网网关与以太网网络通道相连接,举例而言,其中CAN_1网络通道包括混合动力总成系统,其中CAN_2网络通道包括运行保障系统,其中CAN_3网络通道包括电力测功机系统,以太网网络通道包括高级管理系统,所述的高级管理系统包括作为节点连接在以太网网络通道上的人-车-路模拟系统和综合信息采集单元,所述的CAN_1网络通道、CAN_2网络通道与以太网网络通道的车联网网关可以集成在综合信息采集单元中;CAN_3网络通道与以太网网络通道的车联网网关可以集成在人-车-路模拟系统中。
进一步而言,所述的CAN_1网络通道连接的节点有:发动机ECU、电机MCU、电池BMS、自动变速器TCU以及混合动力控制器HCU;CAN_2网络通道连接的节点有:台架测控系统、油门传感器组、功率分析仪、瞬时油耗仪、直流电源柜、发动机水温控制系统、发动机机油温度控制系统、电机水温控制系统以及发动机中冷温度控制系统;CAN_3网络通道连接的节点有:电力测功机控制器。
优选的所述的CAN_1网络通道的速率为250Kbps,采用J1939协议;CAN_2网络通道的速率为500Kbps,采用CANopen协议;CAN_3网络通道的速率为1Mbps,采用CANopen协议;以太网网络通道的速率为10/100Mbps,采用TCP/IP协议。
在本实施方式中,所述车联网网关支持5G技术的5G网络,其还可以配备有IEEE802.3接口、DSPI接口、eSCI接口、CAN接口、MLB接口、LIN接口和/或I2C接口。
在本实施方式中,比如,IEEE802.3接口可以用于连接无线路由器,为整车提供WIFI网络;DSPI(提供者管理器组件)接口用于连接蓝牙适配器和NFC(近距离无线通讯)适配器,可以提供蓝牙连接和NFC连接;eSCI接口用于连接4G/5G模块,与互联网通讯;CAN接口用于连接车辆CAN总线;MLB接口用于连接车内的MOST(面向媒体的系统传输)总线,LIN接口用于连接车内LIN(局域互联网络)总线;IC接口用于连接DSRC(专用短程通讯)模块和指纹识别模块。此外,本申请可以通过采用MPC5668G芯片对各个不同协议进行相互转换,将不同的网络进行融合。
此外,本实施方式车辆TBOX系统,Telematics-BOX,简称车载TBOX或远程信息处理器。
本实施方式Telematics为远距离通信的电信(Telecommunications)与信息科学(Informatics)的合成,其定义为通过内置在车辆上的计算机系统、无线通信技术、卫星导航装置、交换文字、语音等信息的互联网技术而提供信息的服务系统。简单的说就通过无线网络将车辆接入互联网(车联网系统),为车主提供驾驶、生活所必需的各种信息。
此外,本实施方式Telematics是无线通信技术、卫星导航系统、网络通信技术和车载电脑的综合,当车辆行驶当中出现故障时,通过无线通信连接服务中心,进行远程车辆诊断,内置在发动机上的计算机可以记录车辆主要部件的状态,并随时为维修人员提供准确的故障位置和原因。通过用户通讯终端接收信息并查看交通地图、路况介绍、交通信息、安全与治安服务以及娱乐信息服务等,另外,本实施方式的车辆还可以在后座设置电子游戏和网络应用。不难理解,本实施方式通过Telematics提供服务,可以方便用户了解交通信息、临近停车场的车位状况,确认当前位置,还可以与家中的网络服务器连接,及时了解家中的电器运转情况、安全情况以及客人来访情况等等。
本实施方式车辆还可设置ADAS(Advanced Driver Assistant System,先进驾驶辅助系统),其可以利用安装于车辆上的上述各种传感器,在第一时间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追踪等技术上的处理,从而能够让驾驶者在最快的时间察觉可能发生的危险,以引起注意和提高安全性。对应地,本申请ADAS还可以采用雷达、激光和超声波等传感器,可以探测光、热、压力或其它用于监测车辆状态的变量,通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。不难看出,上述ADAS功能所使用的各种智能硬件,均可以通过以太网链路的方式接入车联网系统实现通信连接、交互。
本实施方式车辆的主机可包括适当的逻辑器件、电路和/或代码以用于实现OSI模型(Open System Interconnection,开放式通信系统互联参考模型)上面五层的运行和/或功能操作。因此,主机会生成用于网络传输的数据包和/或对这些数据包进行处理,并且还会对从网络接受到的数据包进行处理。同时,主机可通过执行相应指令和/或运行一种或多种应用程序来为本地用户和/或一个或多个远程用户或网络节点提供服务。在本申请的不同实施方式中,主机可采用一种或多种安全协议。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。
Claims (10)
1.一种基于离散事件随机过程的行程推荐方法,其特征在于,所述行程推荐方法包括:
获取用户的当前位置;
对所述当前位置进行离散事件随机过程处理;
根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地;
根据所述下一目的地对用户进行行程推荐。
2.根据权利要求1所述的行程推荐方法,其特征在于,所述根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地的步骤,具体包括:
根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地,其中,N为大于1的自然数。
3.根据权利要求2所述的行程推荐方法,其特征在于,所述N个依序排列的下一目的地,包括:
依照所述用户最可能去的顺序降序排列出N个下一目的地,以供用户选择确认;
或,依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地,以形成包括N个下一目的地的线路。
4.根据权利要求3所述的行程推荐方法,其特征在于,所述依照所述用户先后要去的多个地方的时间顺序排列出N个下一目的地的步骤中,N个下一目的地之间可全不相同、部分相同、或间隔之后相同,所述间隔之后相同的时间顺序排列包括下一目的地A、下一目的地B、回到下一目的地A。
5.根据权利要求1所述的行程推荐方法,其特征在于,所述根据离散事件随机过程的处理结果预测与所述当前位置相关的下一目的地的步骤中:
所述下一目的地与所述用户曾经使用的行程、曾经的规划选择不存在必然相关性,且仅与所述当前位置相关。
6.根据权利要求2所述的行程推荐方法,其特征在于,所述根据离散事件随机过程的处理结果预测得到与所述当前位置相关的N个依序排列的下一目的地的步骤,具体包括:
定义与所述当前位置相关的N个依序排列的下一目的地形成数列X1,X2、、、Xn;
则下一目的地Xn+1的预测函数如下:
P(Xk+1=x|X1=x1,X2=x2,...,Xn=xn)=P(Xn+1=x|Xn=xn)。
其中,P为预测函数。
7.根据权利要求6所述的行程推荐方法,其特征在于,所述预测函数的预测过程具体包括:
设{X(t),t∈T}是一个随机过程,且设{X(t),t∈T}在t0时刻所处的状态为已知的当前位置时,t0以后的状态与它在时刻t0之前所处的状态无关;
设{X(t),t∈T}的状态空间为S,如果对于任意的n≥2,任意的t1<t2<····<tn∈T,在条件X(ti)=xi,xi∈S,i=1,2,,,n-1下,X(tn)的条件概率分布函数恰好等于其在条件X(tn-1)=xn-1下的条件概率预测函数,即:
P(X(tn)≤xn|X(t1)=x1,X(t2)=x2,,,X(tn-1)=xn-1)=P(X(tn)≤xn|X(tn-1)=xn-1)。
8.根据权利要求7所述的行程推荐方法,其特征在于,所述根据所述下一目的地对用户进行行程推荐的步骤之后,还包括:
根据用户的选择确认,对所述行程进行自动导航。
9.一种导航终端,其特征在于,所述导航终端包括处理器,所述处理器用于执行程序数据,以实现根据权利要求1-8任一项所述的行程推荐方法。
10.一种车辆,其特征在于,所述车辆配置有根据权利要求9所述的导航终端,所述导航终端为车机设备、手机或外接导航仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810956825.9A CN110866194A (zh) | 2018-08-21 | 2018-08-21 | 车辆及导航终端和基于离散事件随机过程的行程推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810956825.9A CN110866194A (zh) | 2018-08-21 | 2018-08-21 | 车辆及导航终端和基于离散事件随机过程的行程推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110866194A true CN110866194A (zh) | 2020-03-06 |
Family
ID=69651132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810956825.9A Pending CN110866194A (zh) | 2018-08-21 | 2018-08-21 | 车辆及导航终端和基于离散事件随机过程的行程推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866194A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114297883A (zh) * | 2021-12-15 | 2022-04-08 | 重庆交通大学 | 基于spzn的智能网联汽车系统随机事件预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513395A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于车辆目的地预测的智能信息推送系统和方法 |
CN105829831A (zh) * | 2013-11-12 | 2016-08-03 | 三菱电机株式会社 | 用于在行进期间预测目的地的方法 |
CN107154969A (zh) * | 2017-04-27 | 2017-09-12 | 腾讯科技(深圳)有限公司 | 目的地点推荐方法及装置 |
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
CN108074415A (zh) * | 2017-12-19 | 2018-05-25 | 广州小鹏汽车科技有限公司 | 一种基于用户行为的车辆目的地预测方法及系统 |
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 |
-
2018
- 2018-08-21 CN CN201810956825.9A patent/CN110866194A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105829831A (zh) * | 2013-11-12 | 2016-08-03 | 三菱电机株式会社 | 用于在行进期间预测目的地的方法 |
CN105513395A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于车辆目的地预测的智能信息推送系统和方法 |
CN107154969A (zh) * | 2017-04-27 | 2017-09-12 | 腾讯科技(深圳)有限公司 | 目的地点推荐方法及装置 |
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
CN108074415A (zh) * | 2017-12-19 | 2018-05-25 | 广州小鹏汽车科技有限公司 | 一种基于用户行为的车辆目的地预测方法及系统 |
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 (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114297883A (zh) * | 2021-12-15 | 2022-04-08 | 重庆交通大学 | 基于spzn的智能网联汽车系统随机事件预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110798658A (zh) | 远程挪车控制方法、移动终端及车辆 | |
CN110853385A (zh) | 基于5g技术的路况视频分享方法、系统及第一、第二车辆 | |
CN108833589B (zh) | 车辆、车机设备及其车机设备导航数据同步方法 | |
CN108923808A (zh) | 车辆及其车载终端和语音交互模式主动触发方法 | |
CN110954117B (zh) | 车辆及其导航行程服务推送方法、云服务器 | |
CN109115236A (zh) | 车辆、车机设备及其基于条件触发的行程自动导航方法 | |
CN108731699A (zh) | 智能终端及其基于语音的导航路线重新规划方法、及车辆 | |
CN109115235A (zh) | 车辆、车机设备、用户通讯终端及其多设备切换导航方法 | |
CN110958559A (zh) | 车辆、车机设备及其基于地图显示的即时互动方法 | |
CN109115234A (zh) | 车辆、车机设备及其基于迪杰斯特拉算法的导航方法 | |
CN111291275A (zh) | 车辆、车机设备及其基于实况的出游方案推荐方法 | |
CN110654331A (zh) | 车辆、车机设备及其车载助手交互方法 | |
CN112017459A (zh) | 车辆、车机设备及其信号灯识别的驾驶辅助方法 | |
CN110871810A (zh) | 车辆、车机设备及其基于驾驶模式的行车信息提示方法 | |
CN110855732A (zh) | 车辆及其车载设备和基于5g车联网的远程控制实现方法 | |
CN110954116A (zh) | 车辆、导航设备及其智能观光路线导航方法 | |
CN109131159A (zh) | 车辆、车机设备及其基于新能源的优化导航方法 | |
CN111047292A (zh) | 智能交通工具、智能设备及智能出行提醒方法 | |
CN111284325B (zh) | 车辆、车机设备及其车辆沿途对象详尽信息显示方法 | |
CN110866194A (zh) | 车辆及导航终端和基于离散事件随机过程的行程推荐方法 | |
CN111291142A (zh) | 车辆、车机设备及其个性化车机设备兴趣点搜索显示方法 | |
CN110689713A (zh) | 车辆、车机设备及其车辆关联控制方法 | |
CN111289009A (zh) | 车辆、车机设备及其车机设备兴趣点输入搜索方法 | |
CN108983773A (zh) | 车辆、车机设备、用户通讯终端及其行程自动规划方法 | |
CN111619348A (zh) | 车辆、车机设备及基于仪表盘的显示控制方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200306 |
|
WD01 | Invention patent application deemed withdrawn after publication |