CN110875836A

CN110875836A - 基于网络预测的应用缓存方法、系统、设备及存储介质

Info

Publication number: CN110875836A
Application number: CN201811015590.XA
Authority: CN
Inventors: 陈青云
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Priority date: 2018-08-31
Filing date: 2018-08-31
Publication date: 2020-03-10
Anticipated expiration: 2038-08-31
Also published as: CN110875836B

Abstract

本发明提供了一种基于网络预测的应用缓存方法、系统、设备及存储介质，所述方法包括：获取用户当前的位置数据；从用户的历史路线中选择用户的预测路线，并确定预测路线中各个路段的预测网络状态；如果用户的预测路线中存在预测网络状态差的需缓存路段，则计算需缓存路段的预测到达时间和预测通过时间；确定应用缓存的开始时间和应用缓存的数据量。本发明根据用户的历史数据，预测用户在行进过程中前方路段的网络状况，并且在前方路段的网络状况差时提前使应用缓存，避免用户使用应用突然中断，提升用户的使用体验。

Description

基于网络预测的应用缓存方法、系统、设备及存储介质

技术领域

本发明涉及网络技术领域，尤其涉及一种基于网络预测的应用缓存方法、系统、设备及存储介质。

背景技术

随着社会的发展，人们对于网络的依赖性越来越强，例如用户在出行时会习惯通过手机看小说、看漫画、或者浏览新闻等等。但是用户在进入一些网络状态不好的时间或地点时，例如当用户乘坐地铁进入隧道、用户乘坐电梯时，会遇到网络状态不好甚至网络中断的情况，虽然时间持续补偿，但是发生频率高，一旦发生，会给用户带来很不好的使用体验。

现在已经出现了一些实时监测网络状况的技术方案，用来提示用户断网或者当前网络状态不好。然而，现有的技术方案只能对当前的网络状态进行监测，无法提前预测断网或网络状态差的情况，仍然无法解决现有技术中用户使用应用时网络突然中断而影响使用的技术问题。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种基于网络预测的应用缓存方法、系统、设备及存储介质，根据用户的历史数据，预测用户在行进过程中前方路段的网络状况，并且在前方路段的网络状况差时提前使应用缓存，避免用户使用应用突然中断。

本发明实施例提供一种基于网络预测的应用缓存方法，所述方法包括如下步骤：

获取用户当前的位置数据；

从用户的历史路线中选择用户的预测路线，并确定预测路线中各个路段的预测网络状态；

如果用户的预测路线中存在预测网络状态差的需缓存路段，则计算需缓存路段的预测到达时间和预测通过时间；

确定应用缓存的开始时间和应用缓存的数据量。

可选地，所述从用户的历史路线中选择用户的预测路线，包括如下步骤：

查询用户的多个历史路线以及各个历史路线中各个关键点位置，所述关键点包括路线交叉点，同一历史路线的每两个相邻关键点之间形成一所述路段；

确定用户的位置数据对应的路段，选择该路段对应的历史路线，作为用户的预测路线。

可选地，所述方法还包括获取用户的当前行为数据；

所述确定用户的位置数据对应的路段之后，还包括如下步骤：

判断用户的位置数据是否对应至少一个路段；

如果仅对应一个路段，则将该路段对应的历史路线作为预测路线；

如果对应多个路段，则从该多个路段中选择与用户的当前行为数据最接近的路段，将该最接近的路段对应的历史路线作为预测路线。

可选地，所述用户的当前行为数据包括当前时间和用户行驶速度；

所述关键点还包括预订时间对应的位置点和速度变换点；

所述从该多个历史路线中选择与用户的当前行为数据最接近的路段，包括查询各个历史路线中各个路段的通过速度和到达时间，从该多个历史路线中选择与当前时间和用户行驶速度中至少一项最接近的路段。

可选地，所述从该多个路段中选择与当前时间和用户行驶速度中至少一项最接近的路段，包括如下步骤：

判断该多个路段的通过速度与用户行驶速度是否一致；

如果一路段的通过速度与用户行驶速度一致，则将该路段作为最接近的路段；

如果不存在与用户行驶速度一致的路段，或存在与用户行驶速度一致的多个路段，则判断该多个路段的到达时间是否与当前时间一致；

如果一路段的到达时间与当前时间一致，则将该路段作为最接近的路段。

可选地，所述判断该多个路段的到达时间是否与当前时间一致之后，还包括如下步骤：

如果不存在与当前时间一致的路段，或存在与当前时间一致的多个路段，则查询该多个路段对应的历史路线被用户选择的概率，确定概率最高的历史路线；

判断概率最高的历史路线的概率与其他历史路线的概率的差值是否均大于预设概率阈值；

如果是，则将概率最高的历史路线作为预测路线；

否则，分别判断各个路段对应的历史路线中是否存在需缓存路段，并计算各个需缓存路段的预测到达时间，确定预测到达时间最小的需缓存路段；

判断其他需缓存路段的预测到达时间与该预测到达时间最小的需缓存路段的预测到达时间的差值是否均大于预设时间阈值；

如果是，则将该预测到达时间最小的需缓存路段对应的历史路线作为预测路线；

否则，比较各个需缓存路段的预测通过时间，选择预测通过时间最大的需缓存路段对应的历史路线作为预测路线。

可选地，所述判断用户的位置数据是否对应至少一个路段之后，还包括如下步骤：

如果用户当前位置未与任一历史路线的路段对应，则从数据库中查询与用户当前位置相关联的历史路线，所述数据库中存储有多个用户的历史路线和各个历史路线被选择的概率；

比较查询到的历史路线被选择的概率，将概率最高的历史路线作为预测路线。

可选地，所述确定预测路线中各个路段的预测网络状态，包括如下步骤：

查询预测路线中各个路段的历史网络状态；

如果一路段的历史网络状态为差的概率大于预设状态阈值，则确定该路段的预测网络状态差，否则确定该路段的预测网络状态良好。

可选地，所述计算需缓存路段的预测到达时间和预测通过时间，包括如下步骤：

根据用户当前位置确定用户当前在预测路线中的路段；

根据用户当前路段的通过速度以及用户当前位置与当前路段的终点的距离确定用户行进到当前路段的终点的时间；

查询用户当前路段与需缓存路段之间的各个路段的通过时间，将各个路段的通过时间加上用户行进到当前路段的终点的时间，作为需缓存路段的预测到达时间；

查询历史路线中需缓存路段的通过时间作为预测通过时间。

可选地，应用缓存的数据量包括第一部分数据量和第二部分数据量；

所述第一部分数据量包括用户在需缓存路段的预测通过时间内需读取的数据量；

所述第二部分数据量包括用户在应用缓存的开始时间和需缓存路段的预测到达时间之间用户需读取的数据量；

所述确定应用缓存的开始时间，包括如下步骤：

确定用户在需缓存路段之前的各个路段的网络下载速度，根据应用缓存的数据量确定应用缓存所需时间；

根据应用缓存所需时间和需缓存路段的预测到达时间确定应用缓存的开始时间，以使得在用户到达需缓存路段之前完成应用缓存。

本发明实施例还提供一种基于网络预测的应用缓存系统，应用于所述的基于网络预测的应用缓存方法，所述系统包括：

实时数据采集模块，用于获取用户的位置数据；

历史数据查询模块，用于查询用户的历史路线数据；

路线预测模块，用于从用户的历史数据中选择用户的预测路线；

需缓存路段确定模块，用于确定预测路线中各个路段的预测网络状态，将预测网络状态差的路段确定为需缓存路段，并计算需缓存路段的预测到达时间和预测通过时间；

应用缓存确定模块，用于确定应用缓存的开始时间和应用缓存的数据量。

本发明实施例还提供一种基于网络预测的应用缓存设备，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行所述的基于网络预测的应用缓存方法的步骤。

本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的基于网络预测的应用缓存方法的步骤。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

本发明所提供的基于网络预测的应用缓存方法、系统、设备及存储介质具有下列优点：

本发明统计用户的历史数据，根据用户的历史数据，结合用户的位置数据和行为数据确定用户行进的路线，从而可以预测用户在行进过程中前方路段的网络状况，并且在前方路段的网络状况差时提前使应用缓存，用户即使进入网络状况差的位置也不会发生使用应用突然中断的情况，仍能满足用户在网络状态差的路段中的数据读取需求，提升用户使用体验。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1是本发明一实施例的基于网络预测的应用缓存方法的流程图；

图2是本发明一实施例的用户三个历史路线的示意图；

图3是本发明一实施例的从数据库中查询得到的三个历史路线的示意图；

图4是本发明一实施例的基于网络预测的应用缓存系统的结构示意图；

图5是本发明一实施例的基于网络预测的应用缓存设备的结构示意图；

图6是本发明一实施例的计算机可读存储介质的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

如图1所示，本发明实施例提供一种基于网络预测的应用缓存方法，所述方法包括如下步骤：

S100：获取用户当前的位置数据；

S200：从用户的历史路线中选择用户的预测路线，并确定预测路线中各个路段的预测网络状态；

S300：如果用户的预测路线中存在预测网络状态差的需缓存路段，则计算需缓存路段的预测到达时间和预测通过时间；

S400：确定应用缓存的开始时间和应用缓存的数据量。

因此，本发明通过统计用户的历史数据，根据用户的历史数据，结合用户的位置数据预测用户行进的路线，从而可以预测用户在行进过程中前方路段的网络状况，并且在前方路段的网络状况差时提前使应用缓存，从而满足用户在网络状态差的路段中的数据读取需求。例如，用户正在使用看小说的手机APP(计算机应用程序)，预测前方10分钟(预测到达时间)后到达的路段中有持续5分钟(预测通过时间)的网络状态差的情况，则提前加载15分钟(10分钟+5分钟)的阅读量，保证在通过网络状态差的路段时，仍能满足用户阅读小说的需求。

如图2示出了三个历史路线的示意图。例如用户从A点到D点之间有三个历史路线：A→B→C→D；A→D；A→E→F→D。其中，路线一：A→B→C→D，包括关键点A、B、C和D，形成路段A→B、B→C和C→D；路线二：A→D，包括关键点A和D，形成路段A→D；路线三：A→E→F→D，包括关键点A、E、F、D，形成路段A→E；E→F和F→D。

例如，在如图2示出的实施例中，该三个历史路线是根据用户的日常行为、记录用户的出行时间和路线、提取用户的网络状态后形成的大数据。结合该历史大数据，可以预判用户将要出现在某处，网络状态怎样等等。用户工作日习惯8点从A点乘坐地铁，20分钟后途经隧道E，持续5分钟之后出隧道，然后10分钟后下地铁，到达F点后进电梯D，经过半分钟，到达公司，路上喜欢看联网的小说或者漫画。假如B点和D点，网络信号不好，或者没有信号，那么，在E点和D点，用户的阅读行为就会被打断。如果，当探测到已经过了A，大概3分钟就到达B点，此时，可以对正在进行的小说或者漫画进行提前加载，加载满8分钟的量，这样就可以毫无痕迹地穿过隧道，给用户一个更好的体验。

本发明实施例的基于网络预测的应用缓存方法中，各个步骤的执行可以由具体的各个APP执行，例如阅读小说的APP、阅读漫画的APP、听歌的APP、看视频的APP等等，也可以是由一个单独的APP执行，该单独的APP计算得到应用缓存的开始时间和应用缓存的数据量之后，再通知到其他的例如阅读小说的APP、阅读漫画的APP等等。

在该实施例中，所述从用户的历史路线中选择用户的预测路线，包括如下步骤：

例如，用户当前处于B点，则可以确定用户对应的路段是B→C，进而预测路线为路线一，用户当前处于A点和B点之间的某个点，则可以确定用户对应的路段是A→B，进而预测路线为路线一，用户当前处于A点和D点之间的某个点，则可以确定用户对应的路段是A→D，进而预测路线为路线二。

然而，如果用户的位置是在多个历史路线的交叉点，则比较难以判断用户当前位置所属的路段。例如，在该实施例中，用户当前位置在A时，则无法判断用户是对应路段A→B，还是A→D，还是A→E。

因此，在该实施例中，还包括进一步根据用户的行为数据确定用户的预测路线的步骤。具体地，所述基于网络预测的应用缓存方法还包括获取用户的当前行为数据的步骤。实时采集的用户的位置数据和行为数据又可以作为新的历史路线数据进行存储，作为后面预测路线的参考依据。

判断用户的位置数据是否对应至少一个路段；

在该实施例中，所述用户的当前行为数据可以包括当前时间和用户行驶速度；

所述关键点还包括预订时间对应的位置点和速度变换点；

进一步地，所述从该多个路段中选择与当前时间和用户行驶速度中至少一项最接近的路段，包括如下步骤：

判断该多个路段的通过速度与用户行驶速度是否一致；

在该实施例中，首先，在采集用户的日常行为以形成历史路线数据时，可以在经过用户同意的前提下，获得实时的位置信息、按一定规则记录关键点(关键点可以包括转折点、速度变换点和定时取点等等)，记录关键点经纬度、时间、日期、星期、无线网还是流量、网络速度等信息，如下表1所示。

表1

关键点

速度

经度

纬度

时间

网络速度

网络类型

厂商/WIFI名

星期

A

v_A

x_A

y_A

t_A

net_v_A

wifi

test

w

B

v_B

x_B

y_B

t_B

0

d

w

C

v_C

x_C

y_C

t_C

0

d

w

D

v_D

x_D

y_D

t_D

net_v_D

GPRS

移动

w

E

v_E

x_E

y_E

t_E

0

d

w

F

v_F

x_F

y_F

t_F

0

d

w

此表中列举出的项目仅为示例，在实际应用中，采集的历史数据的类目可以根据需要进行设定。

各个路段的通过速度和到达时间可以根据最新一段时间内(一周、一月等)采集的用户多次走过该历史路线的时间来进行计算。各个路段的通过时间可以采用均值+标准差的方式，即首先计算一路段的多次通过时间的均值，并根据如下公式计算多次通过时间的标准差，其中，μ为均值，N为记录用户通过该路段的次数，xi为用户第i次通过该路段的通过时间。均值+标准差的结果作为该路段的通过时间后，可以根据该路段的距离计算该路段的通过速度。

同样地，该路段的到达时间也可以根据用户多次到达该路段的起始点的时间进行平均，并且可以采用平均值+标准差的方式，计算得到该路段的到达时间。

在如图2示出的实施例中，用户在路线一中时是开车，在路线二中时是自行车，在路线三中时，是地铁，路线一中，B→C路段网络状态不好，路线三中，E→F路段网络状态不好，其他路段网络流畅。

当用户离开A点时，由于无法判断用户是处在A→B、还是A→C、还是A→D路段，此时，需要结合用户的当前行为数据进一步判断。

首先判断用户的速度是否与A→B、A→C、A→D三个路段中任一路段的通过速度相一致，此处一致，指的是两者之间的偏差值小于预设偏差阈值，而无需完全相同；

如果能够根据速度确定唯一的路段，则可以选择到对应的历史路线；

如果无法确定唯一的路段，则进一步根据当前时间判断。因为过程耗时不同，用户出发的时间点也是不同的，例如，路线一，地铁，则8点10分出门，路线二，骑车，则8点出门，路线三，开车，则8点30出门，另外，可以进一步参考是否是工作日，是否是节假日等信息。在工作日时，不同时间对应的路线与在休息日时不同时间对应的路线可能存在差异。

假如用户今日到达A点时时间是8点12分，则可以据此选择最接近的路线一，假如用户今日到达A点时间是8月35分，则可以据此选择最接近的路线二。假如根据速度无法确定唯一的最接近的路线，例如，用户今日到达A点时间是8月5分，则无法选择是路线一还是路线二，则需要进一步依靠预判规则进行判定。

在该实施例中，预判规则包括根据历史路线被选择的概率来进行选择概率规则和缓存的紧急程度来进行选择的紧急程度规则。具体地，所述判断该多个路段的到达时间是否与当前时间一致之后，还包括如下步骤：

判断概率最高的历史路线的概率与其他历史路线的概率的差值是否均大于预设概率阈值，如果是，则将概率最高的历史路线作为预测路线；

例如，用户在过去3个月内，一共经过A点50次，每次到达A点后，有45次选择了路线一，2次选择了路线二，3次选择了路线三。则路线一被选择的概率为90％，路线二被选择的概率是4％，路线三倍选择的概率是6％。可以看出，路线一被选择的概率远大于路线二和路线三，因此，将路线一作为预测路线。

此处，预设概率阈值可以设置从20％～80％中选择一个数值，保证被选择的路线的概率远高于其他路线上的概率。

然而，当路线概率差不多时，不适用于该概率规则的判断，例如，路线一的概率为40％，地铁概率30％，自行车概率30％，则需要进一步采用紧急程度规则进行判定。具体地，分别判断各个路段对应的历史路线中是否存在需缓存路段，并计算各个需缓存路段的预测到达时间，确定预测到达时间最小的需缓存路段；

如果是，则将该预测到达时间最小的需缓存路段对应的历史路线作为预测路线。

例如，用户在A点，从A点到B点，需要10分钟，B点到C点，持续1分钟，而从A点到E点，只需5分钟，E点到F点，需要3分钟。如果是A到B，大约7分钟或8分钟之后开始缓存即可，如果是A到E，则大概现在就需要开始缓存。所以，按距离最近的下一个关键点时间最紧急的来确定预测路段和预测路线，预测路线为路线三：A→E→F→D。

然而，当两个路段的预测到达时间很接近时，例如，从A到B，需6分钟，A到E，需5分钟。则需要优选按照缓存时间最长的路段来确定预测路线。具体地，在该实施例中，比较各个需缓存路段的预测通过时间，选择预测通过时间最大的需缓存路段对应的历史路线作为预测路线。例如，E点到F点，有3分钟的网络状态不好的时间，B点到C点，有6分钟的网络状态不好的时间，则预测路线为路线一：A→B→C→D。

上述各种判断方法需要用户所处的位置能够在该用户的历史路线中寻找到对应的至少一条路线。然而，在实际应用中，还可能会出现用户到达一个新的地址的情况。用户的历史路线数据中没有记录该新的地址的信息，则需要依靠多个用户的历史路线数据建立的大数据集合来选择用户的预测路线。

在该实施例中，所述判断用户的位置数据是否对应至少一个路段之后，还包括如下步骤：

如果用户当前位置未与任一历史路线的路段对应，则说明用户到达的位置对于该用户来说是一个新的地址，此时从数据库中查询与用户当前位置相关联的历史路线，所述数据库中存储有多个用户的历史路线和各个历史路线被选择的概率；

例如，如图3所示，用户到达一个新的地址H点，查询数据库中多个用户的历史路线数据，查询到三条路线：路线四：H→I→J；路线五：H→K→L；路线六：H→M→N。该三条路线在过去一个月中被不同用户选择的概率分别为15％、55％和30％，则选择路线五为预测路线。

在该实施例中，所述确定预测路线中各个路段的预测网络状态，包括如下步骤：

查询预测路线中各个路段的历史网络状态；

此处预设状态阈值可以从60％～80％之间选择一个数值，但本发明不限于此。例如，用户在过去一个月中走过一路段的次数为10，在该10次中，有8次网络状态不好，确定该路段的网络状态差。网络状态的评价参数可以包括下载速度、上传速度、请求延迟时间等各种网络测评参数。并根据对应的评价参数设置对应的允许阈值范围，当一个或多个评价参数的数值超出允许阈值范围时，则定义网络状态差。

进一步地，在该实施例中，所述计算需缓存路段的预测到达时间和预测通过时间，包括如下步骤：

根据用户当前位置确定用户当前在预测路线中的路段；

根据用户当前路段的通过速度以及用户当前位置与当前路段的终点的距离确定用户行进到当前路段的终点的时间；例如，用户当前路段的通过速度为s，用户当前位置到当前路段的终点的距离为l，则用户行进到当前路段的终点的时间t1＝l/s，其中，速度s可以是查询用户历史数据得到的通过速度，也可以是测量得到的用户当前的行进速度，或者综合两个速度考虑得到的值；

查询用户当前路段与需缓存路段之间的各个路段的通过时间t2，将各个路段的通过时间t2加上用户行进到当前路段的终点的时间t1，作为需缓存路段的预测到达时间td；如果当前路段与需缓存路段之间没有其他路段，即需缓存路段即为当前路段的下一路段，则t2为零；

查询历史路线中需缓存路段的通过时间作为预测通过时间tt。

在该实施例中，应用缓存的数据量m包括第一部分数据量m1和第二部分数据量m2；

所述第一部分数据量m1包括用户在需缓存路段的预测通过时间tt内需读取的数据量；

所述第二部分数据量m2包括用户在应用缓存的开始时间to和需缓存路段的预测到达时间td之间用户需读取的数据量；

所述确定应用缓存的开始时间，包括如下步骤：

确定用户在需缓存路段之前的各个路段的网络下载速度ws，根据应用缓存的数据量m确定应用缓存所需时间th；

根据应用缓存所需时间和需缓存路段的预测到达时间td确定应用缓存的开始时间to，以使得在用户到达需缓存路段之前完成应用缓存。

即应用缓存的开始时间和应用缓存的数据量满足如下公式：

m＝ws*(td–to)

m＝m1+m2

m1＝ds*tt

m2＝ds*(td-to)

th＝td-to

其中，ds为根据历史数据判断得到的用户在应用中的平均数据读取速度，例如，用户每小时读取10MB文本数据，或用户每分钟读取10MB视频数据等等。

如图4所示，本发明实施例还提供一种基于网络预测的应用缓存系统，应用于所述的基于网络预测的应用缓存方法，所述系统包括：

实时数据采集模块110，用于获取用户的位置数据，在本发明一实施例中，实时数据采集模块110还可以获取用户的当前行为数据，实时数据采集模块110实时采集的用户的位置数据和行为数据又可以作为新的历史路线数据进行存储，作为后面预测路线的参考依据；

历史数据查询模块120，用于查询用户的历史路线数据；

路线预测模块130，用于从用户的历史数据中选择用户的预测路线；

需缓存路段确定模块140，用于确定预测路线中各个路段的预测网络状态，将预测网络状态差的路段确定为需缓存路段，并计算需缓存路段的预测到达时间和预测通过时间；

应用缓存确定模块150，用于确定应用缓存的开始时间和应用缓存的数据量。

因此，本发明的应用缓存系统，可以统计用户的历史数据，根据用户的历史数据，结合用户的位置数据预测用户行进的路线，从而可以预测用户在行进过程中前方路段的网络状况，并且在前方路段的网络状况差时提前使应用缓存，从而满足用户在网络状态差的路段中的数据读取需求。

本发明实施例还提供一种基于网络预测的应用缓存设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的基于网络预测的应用缓存方法的步骤。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。

下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。

所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的基于网络预测的应用缓存方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims

1.一种基于网络预测的应用缓存方法，其特征在于，所述方法包括如下步骤：

获取用户当前的位置数据；

确定应用缓存的开始时间和应用缓存的数据量。

2.根据权利要求1所述的基于网络预测的应用缓存方法，其特征在于，所述从用户的历史路线中选择用户的预测路线，包括如下步骤：

3.根据权利要求2所述的基于网络预测的应用缓存方法，其特征在于，所述方法还包括获取用户的当前行为数据；

判断用户的位置数据是否对应至少一个路段；

4.根据权利要求3所述的基于网络预测的应用缓存方法，其特征在于，所述用户的当前行为数据包括当前时间和用户行驶速度；

所述关键点还包括预订时间对应的位置点和速度变换点；

5.根据权利要求4所述的基于网络预测的应用缓存方法，其特征在于，所述从该多个路段中选择与当前时间和用户行驶速度中至少一项最接近的路段，包括如下步骤：

判断该多个路段的通过速度与用户行驶速度是否一致；

6.根据权利要求5所述的基于网络预测的应用缓存方法，其特征在于，所述判断该多个路段的到达时间是否与当前时间一致之后，还包括如下步骤：

如果是，则将概率最高的历史路线作为预测路线；

7.根据权利要求3所述的基于网络预测的应用缓存方法，其特征在于，所述判断用户的位置数据是否对应至少一个路段之后，还包括如下步骤：

8.根据权利要求1所述的基于网络预测的应用缓存方法，其特征在于，所述确定预测路线中各个路段的预测网络状态，包括如下步骤：

查询预测路线中各个路段的历史网络状态；

9.根据权利要求2所述的基于网络预测的应用缓存方法，其特征在于，所述计算需缓存路段的预测到达时间和预测通过时间，包括如下步骤：

根据用户当前位置确定用户当前在预测路线中的路段；

查询历史路线中需缓存路段的通过时间作为预测通过时间。

10.根据权利要求1所述的基于网络预测的应用缓存方法，其特征在于，所述应用缓存的数据量包括第一部分数据量和第二部分数据量；

所述确定应用缓存的开始时间，包括如下步骤：

11.一种基于网络预测的应用缓存系统，其特征在于，应用于权利要求1至10中任一项所述的基于网络预测的应用缓存方法，所述系统包括：

实时数据采集模块，用于获取用户的位置数据；

历史数据查询模块，用于查询用户的历史路线数据；

12.一种基于网络预测的应用缓存设备，其特征在于，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至10中任一项所述的基于网络预测的应用缓存方法的步骤。

13.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至10中任一项所述的基于网络预测的应用缓存方法的步骤。