CN110892232A - 用于智能地管理用户的多个潜在旅行目的地的方法和设备 - Google Patents

用于智能地管理用户的多个潜在旅行目的地的方法和设备 Download PDF

Info

Publication number
CN110892232A
CN110892232A CN201780093198.4A CN201780093198A CN110892232A CN 110892232 A CN110892232 A CN 110892232A CN 201780093198 A CN201780093198 A CN 201780093198A CN 110892232 A CN110892232 A CN 110892232A
Authority
CN
China
Prior art keywords
user
potential travel
travel destinations
cluster
destinations
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
Application number
CN201780093198.4A
Other languages
English (en)
Inventor
李庆
田继雷
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of CN110892232A publication Critical patent/CN110892232A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01C21/3453—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
    • 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
    • G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
    • 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
    • G01C21/3614—Destination input or retrieval through interaction with a road map, e.g. selecting a POI icon on a road map
    • 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
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G01C21/3682—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities output of POI information on a road map

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Navigation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种用于智能地管理用户的多个潜在旅行目的地的方法。所述方法包括：确定在所述多个潜在旅行目的地之中的不同对之间的多个相似性。所述方法还包括：利用与用户相关的上下文信息，给所述相似性加权；并且基于加权的所述多个相似性，将所述多个潜在旅行目的地的一部分进行聚类。

Description

用于智能地管理用户的多个潜在旅行目的地的方法和设备
技术领域
本申请涉及用户的潜在旅行目的地的管理。具体地，示例涉及用于智能地管理用户的多个潜在旅行目的地的方法和设备。
背景技术
随着用户目的地的快速增长，驾驶员可以轻易地具有过百的目的地，它们可以是巨大的联系列表或者在地图中的受访地点。用户期望具有智能的目的地册子，其允许用户有效地管理和发现有关的目的地。许多地图和汽车数字服务应用为用户展示近期的目的地或者近期的搜索地方，并且允许用户查找这些目的地。然而，这种方式带来许多不便，特别是当驾驶员访问另一个城市时。例如，“家”目的地或者“工作”目的地将会是在假期期间的置顶的目的地。在用户返回到其家所在城市时，所有与假期相关的目的地将会在很长时间内保留在目的地列表中。用户通常需要用相当多的时间遍历每个目的地，以寻找目标。这可能引起用户的不期望的认知负荷，这可能使用户分心，特别是当用户正在道路上驾驶时。
因此需要用户的潜在旅行目的地的改进的管理，以便优化相关度。
发明内容
这种需求可以通过在此描述的示例来满足。
一种示例涉及一种用于智能地管理用户的多个潜在旅行目的地的方法。所述方法包括：确定在所述多个潜在旅行目的地之中的不同对之间的多个相似性。所述方法还包括：利用与用户相关的上下文信息，给所述多个相似性加权；基于加权的所述多个相似性，将所述多个潜在旅行目的地的一部分进行聚类。
另一个示例涉及一种非易失性的可机读介质，在其上存储有程序，所述程序具有程序代码，当所述程序在处理器上执行时，所述程序用于执行在此描述的方法。
再一个示例涉及一种用于管理用户的多个潜在旅行目的地的设备。所述设备包括存储器，所述存储器构造成用于存储所述多个潜在旅行目的地。所述设备还包括处理器电路，所述处理器电路构造成用于确定在所述多个潜在旅行目的地之中的不同对之间的多个相似性。所述处理器电路还构造成用于，利用与用户相关的上下文信息，给所述多个相似性加权，并且基于所述多个加权的相似性，将所述多个潜在旅行目的地的一部分进行聚类。
利用潜在旅行目的地之中的不同对之间的相似性连同与用户相关的上下文信息，可以允许以对用户更加友好的方式将所述多个潜在旅行目的地分组。相应地可以降低用于寻找所述多个潜在旅行目的地之中的一个特定旅行目的地的认知负荷。因此可以降低用户分心。
附图说明
下面仅仅示例性地参照附图说明设备和/或方法的一些示例，其中：
图1描述用于管理用户的多个潜在旅行目的地的方法的一种示例的流程图；
图2描述用于管理用户的多个潜在旅行目的地的方法的另一种示例的流程图；
图3描述用于确定加权的相似性的示例；
图4和5描述在一定数量的潜在旅行目的地与距当前用户地点的距离之间的示例性的关系；
图6描述标贴的簇的示例；
图7和8描述用于用户的多个潜在旅行目的地的示例性的显示；并且
图9描述用于管理用户的多个潜在旅行目的地的设备的一种示例。
具体实施方式
现在更全面地参照附图来说明不同的示例，在附图中描述一些示例。在附图中，线条的粗细、层次和/或区域可以为了清楚性而被夸张。
相应地，进一步的示例可以有不同的修改和替换形式，它们的一些具体的示例在附图中显示并且接着详细地说明。然而，这种详细说明不限制针对所说明的具体形式的进一步示例。进一步的示例可以覆盖落入本申请保护范围的所有修改、等效方式和替换方式。在对附图的整个说明中，相同的附图标记表示相同或类似的元件，它们可以相同地实施或者在相互比较时以修改的形式实施，而提供相同或类似的功能性。
如果两个元件A和B以“或”来组合，这应理解成公开了所有可能的组合，即仅仅A，仅仅B，以及A和B。用于这些相同组合的替换表达是“A和B之中的至少一个”。这同样适用于超过2个元件的各种组合。
在此使用来描述具体示例的术语无意于限制进一步的示例。无论何时使用单数形式以及使用仅一个单个的元件，既不是明确地也不是暗示地定义为强制性的，进一步的示例也可以利用复数个元件来实施相同的功能性。同样地，如果一种功能性随后说明为利用复数个元件来实施，进一步的示例可以利用单数个元件或者处理实体来实施相同的功能性。另外可以理解到，术语“包括”、“包含”，在被使用时，是指所陈述的特征、数量、步骤、操作、过程、动作、元素和/或部件的存在，而不排除存在或添加一个或多个另外的特征、数量、步骤、操作、过程、动作、元素、部件和/或它们的任意的组合。
除非另外定义，所有术语(包括技术术语和科技术语)在此以在它们在示例所属的技术领域的常规意义来使用。
图1描述一种用于管理用户的多个潜在旅行目的地的方法100。例如所述多个潜在旅行目的地可以从用户产生内容来确定。用户产生内容是由用户产生的任何内容。例如用户产生的文字内容可以是由用户通过键盘、触摸屏、鼠标或者任何其他合适的人机接口输入的一个或多个字符或单词。用户产生的文字内容还可以是被识别成文字格式的内容(例如通过对用户讲话的语音识别)，或者可以是从图片和录像中提取出来的文字信息(例如通过光学特征识别OCR等等)。另外，用户产生内容可以是用户的历史驾驶数据(例如历史旅行目的地)或者历史搜索数据(搜索旅行目的地)。
方法100包括：确定102在所述多个潜在旅行目的地之中的不同对之间的多个相似性。在所述多个潜在旅行目的地之中的两个潜在旅行目的地之间的相似性可以基于一个或多个准则来确定。例如，在所述多个潜在旅行目的地之中的一对之间的相似性可以基于在所述多个潜在旅行目的地之中的该对之间的距离。作为替换或补充，可以使用另外的准则，例如所述一对潜在旅行目的地的地址的相似性、所述一对潜在旅行目的地的语义的相似性等等。如果超过一个准则用来确定在所述一对潜在旅行目的地之间的相似性，那么专用的度量可以用来给各个准则加权。
方法100还包括：利用与用户相关的上下文信息给所述多个相似性加权104。上下文信息是影响用户将会旅行至一个潜在旅行目的地的可能性的任何信息。例如，与用户相关的上下文信息可以是以下信息之中的任一个：用户当前地点、对所述多个潜在旅行目的地之中的相应的一对的(近期的和/或历史的)访问频率(即用户对一个潜在旅行目的地的偏爱)、当前的时间、本周的当前日。相应地，在所述多个潜在旅行目的地之中的一对之间的加权的相似性例如可以基于与用户当前地点相关的加权因子。
方法100还包括：基于所所述多个加权的相似性，将所述多个潜在旅行目的地之中的一部分进行聚类106。换言之，基于加权的相似性，将所述多个潜在旅行目的地之中的一些分组在一起。相应地，所述多个潜在旅行目的地可以根据它们对用户的相关性以对用户更加友好的方式被组织。因此可以降低用于寻找所述多个潜在旅行目的地之中的一个特定的潜在旅行目的地的认知负荷。此外可以避免用户分心。
例如，将所述多个潜在旅行目的地之中的一部分进行聚类106可以包括：不将所述多个潜在旅行目的地之中的分别具有在第一范围之内的加权的相似性的对进行聚类。将所述多个潜在旅行目的地之中的一部分进行聚类106可以还包括：将所述多个潜在旅行目的地之中的分别具有在第二范围之内的加权的相似性的对聚类至第一簇。第一范围可以如此选择，使得分别具有在第一范围之内的加权的相似性的潜在旅行目的地对于用户是可能的旅行目的地。相应地，这些旅行目的地不被聚类。第二范围可以如此选择，使得分别具有在第二范围之内的加权的相似性的潜在旅行目的地对于用户是不太可能的旅行目的地。由于这些旅行目的地对于用户是次要地感兴趣的，它们被分组在第一簇中。因此可以实现所述多个潜在旅行目的地的对用户友好的分组。在一些示例中，用于加权的相似性的第三、第四等等范围可以被使用，以便将所述多个潜在旅行目的地之中的对聚类至第二、第三等等簇。
方法100可以还包括：向用户显示多个单独的图形符号，这些图形符号用于所述多个潜在旅行目的地之中的分别具有在第一范围之内的加权的相似性的对；并且向用户显示用于在第一簇中的潜在旅行目的地的一个唯一的图形符号。相应地，相关的潜在旅行目的地可以被直接地呈现给用户，而不那么相关的旅行目的地被隐藏。用于在所述多个潜在旅行目的地之中寻找和选择一个特定的旅行目的地的认知负荷因此可以被降低。
在上面结合图1说明了所建议的构思的基本原理，而在图2中描述用于管理用户的多个潜在旅行目的地的方法200的更具体的示例。
在动作210中，收集用户产生内容。用户产生内容例如可以是个人驾驶数据和日历信息。例如，用户的(所有的)历史驾驶数据和带有地点信息的即将到来的日历事件可以在动作210中被收集。
在动作220中，从用户产生内容确定多个潜在旅行目的地。例如，所有目的地可以是基于用户驾驶历史、用户输入和/或日历信息来自动学习的。
此外，在动作230中，关于用户当前地点的信息被接收(例如来自导航系统/应用)或者被确定(例如经由全球导航卫星系统GNSS)。
在动作240中，在所述多个潜在旅行目的地之中的不同对之间的相应的相似性被确定并且利用与用户相关的上下文信息来加权。在图2的示例中，在所述多个潜在旅行目的地之中的一对之间的相似性基于在所述多个潜在旅行目的地之中的所述一对之间的距离，其中，加权基于加权因子，所述加权因子与用户当前地点相关。因此，加权的相似性可以理解为校准的距离度量。
即动作240涉及距离矩阵生成，其中，计算在每两个目的地之间的校准的距离。假设任意两个目的地，如果两个目的地远离用户当前地点，那么用户将具有前往这两个目的地的低概率。然而，如果两个目的地接近用户当前地点，那么用户将更加可能前往这些地方。因此校准的距离calDis可以一般性地如下定义：
calDis(di，dj)＝f(dis(di，dj)，dis(oi，j，CL)) (1)
其中，di、dj表示一对潜在旅行目的地的地理位置，CL表示用户当前地点，oi,j表示所述多个潜在旅行目的地之中的所述一对的连接线，并且dis(A,B)表示在两个点A和B之间的距离。即，用于相应的一对潜在旅行目的地的加权因子与用户当前地点至所述多个潜在旅行目的地之中的相应的一对的连接线的距离相关。
这示例性地描述于图3中。四个潜在旅行目的地1、2、3和4描述于图3中。用户当前地点用CL表示。在潜在旅行目的地1和2之间的距离dis(d1,d2)大约相同于在潜在旅行目的地3和4之间的距离dis(d3,d4)。然而，在用户当前地点CL与潜在旅行目的地1和2的连接线o1,2的距离dis(o1,2,CL)远小于在用户当前地点CL与潜在旅行目的地3和4的连接线o3,4的距离dis(o3,4,CL)。因此更加可能得多的是，用户将会前往潜在旅行目的地1和2之一，而不是潜在旅行目的地3和4之一。这借助于加权因子被考虑，该加权因子与用户当前地点至所述多个潜在旅行目的地之中的相应的一对的连接线的距离相关。
加权的相似性，即校准的距离，例如可以如在以下公式(2)中定义：
Figure BDA0002367186270000071
由公式(2)清楚的是，如果用户当前地点CL与所述多个潜在旅行目的地之中的相应的一对的连接线oi,j的距离dis(oi,j,CL)小于第一阈值minThre，那么加权因子是第一值minNormFactor。
另外，如果第一阈值minThre小于用户当前地点CL与所述多个潜在旅行目的地之中的相应的一对的连接线oi,j的距离dis(oi,j,CL)，那么加权因子是第二值midNormFactor(oi,j,CL)。
如果第二阈值maxThre小于用户当前地点CL与所述多个潜在旅行目的地之中的相应的一对的连接线oi,j的距离dis(oi,j,CL)，那么加权因子是第三值maxNormFactor。
如在公式(2)中所表明的，第二值midNormFactor(oi,j,CL)可以是变量。例如，第二值midNormFactor(oi,j,CL)可以与用户当前地点CL与所述多个潜在旅行目的地之中的相应的一对的连接线oi,j的距离相关。一种示例性的相关性在以下的公式(3)中给出：
Figure BDA0002367186270000072
第一阈值minThre可以自适应地确定(例如利用相应的算法)以便考虑用户的潜在旅行目的地的分布。例如，第一阈值minThre可以通过考虑用户当前地点来确定。如果大多数潜在旅行目的地(良好地)分布在15km以内，那么最小阈值应该是大约15km，使得本地的频繁的旅行目的地不被分组到一个簇中。这可以允许用户容易地寻找这些本地的旅行目的地，他们有规律地往来通勤和访问这些地方。然而，对于另外一些用户，潜在旅行目的地可以例如在5km以内，使得第一阈值minThre应该是大约5km。
例如，第一阈值minThre可以基于潜在旅行目的地的数量的增量与距用户当前地点的距离的增量的比例来选择。这描述于图4和5中，它们描述在潜在旅行目的地的数量与距用户当前地点的距离之间的示例性的关系。
在图4和5中，曲线图的斜度可以比较于预定义的值，该预定义的值表明，对于距用户当前地点的距离的每个增量，潜在旅行目的地的数量的最小增量。例如，针对所有给定的目的地，对于斜度变化，一种算法可以检验斜度：(Dis1，DesNum1)，(Dis2，DesNum2)，…，(Disi，DesNumi)，…，(Disn，DesNumn)，其中，对于每一个i，Disi＜maxDisValue。
在图4中，直至距用户当前地点大约7km(即7000m)的距离，对于距用户当前地点的距离的每个增量，潜在旅行目的地的数量的增量大于预定义的值。在图5中，直至距用户当前地点大约5.5km(即5500m)的距离，对于距用户当前地点的距离的每个增量，潜在旅行目的地的数量的增量大于预定义的值。因此，第一阈值minThre对于在图4中描述的情况应该为大约7km，并且对于在图5中描述的情况应该为大约5.5km。
即第一阈值minThre可以是距用户当前地点的最大距离，对于该最大距离，潜在旅行目的地的数量的增量大于预定义的值。
在按照前述原则在动作240中确定加权的相似性之后，在动作250中将潜在旅行目的地进行聚类。特别是，基于所述多个加权的相似性对潜在旅行目的地进行聚类。即在动作250中执行基于学习的目的地聚类。基于在每一对潜在旅行目的地之间的距离矩阵，例如无监督的学习方法可以用来对这些目的地进行聚类(在一些示例中可以使用平均连接聚类算法)。
如上所述，所述多个潜在旅行目的地之中的分别具有在第一范围之内的校准的距离(即加权的相似性)的对不被聚类。另一方面，所述多个潜在旅行目的地之中的分别具有在第二范围之内的加权的相似性的对被聚类至第一簇。
一个簇的示例在图6中描述。在图6中，六个潜在旅行目的地611、612……616被聚类至一个簇610。另外，基于在第一簇610中的潜在旅行目的地611、612……616，将标签赋予第一簇610。由于六个潜在旅行目的地611、612……616全部位于伊利诺伊州的绍姆堡，将标签“Schaumburg IL”赋予簇610。
类似地，每一个目的地可以被贴标签，以便为每个地方提供语义的意义。这在方法200的动作260中进行。例如，如果一个簇包含一个唯一的潜在旅行目的地，那么可以使用标记该目的地的兴趣点(POI)。如果一个簇包含多个潜在旅行目的地，那么一个富有意义的标签可以被赋予该簇(例如关系到一个给定的簇的所有目的地的共性，例如后退至地区层面或城市层面)。
不同的簇可以进一步地在动作270中排序。例如，根据所建议的构思，如果所述多个潜在旅行目的地之中的分别具有在第三范围之内的校准的距离(即加权的相似性)的对被聚类至第二簇，那么第一簇和第二簇可以基于在第一簇和第二簇中的潜在旅行目的地被排序。例如，方法200可以包括：基于在第一簇和第二簇中的潜在旅行目的地的一个或多个属性，将第一簇和第二簇排序。动作270的目的地排序系统可以例如基于对这些旅行目的地的访问的数量、在这些目的地的停留持续时间、距当前地点的距离、老化等等来给各簇排序。这可以便于用户寻找目标目的地。
如上面已表明的，方法200还包括：在动作280中向用户显示所述多个潜在旅行目的地。这示例性地描述于图7和8中。在图7中，所述多个潜在旅行目的地描述为表示一个列表的各列表项目的图形符号。
在图7中，各单独的图形符号对于所述多个潜在旅行目的地之中的分别具有在第一范围之内的加权的相似性的对显示给用户。另外，有一个唯一的图形符号对于在第一簇中的潜在旅行目的地显示给用户。其他的唯一的图形符号对于在第二簇和第三簇中的潜在旅行目的地显示给用户。
在图7的示例中，用户地点是芝加哥(Chicago IL)。相应地，在芝加哥内的潜在旅行目的地不被聚类，因为它们的各自的加权的相似性处在第一范围之内。在图7的示例中，因此，各单独的图形符号显示用于潜在旅行目的地“Home”、“Work”、“NorthwesternUniv.”、“Chinatown,Chicago”、“Hongkong Market”和“Costco,Chicago”。在芝加哥之外的其他的潜在旅行目的地被聚类并且图形符号仅仅显示用于相应的簇。在图7的示例中，因此，各单独的图形符号显示用于簇“Schaumburg,IL”、“Wadsworth,IL”和“Morton Grove,IL”。由图7清楚的是，基于在簇中的潜在旅行目的地，将标签赋予簇。此外，潜在旅行目的地被如上所述地排序，并且根据排序来显示给用户。例如，第一簇“Schaumburg,IL”的顺序高于第二簇“Wadsworth,IL”的顺序。相应地，在列表中，第一簇“Schaumburg,IL”比第二簇“Wadsworth,IL”排在前面。
因此，图7的示例利用分层次的目的地层。如在图7中所示，如果用户在城市A，所建议的方法可以将在城市B中的所有目的地聚类成一个簇。为了允许用户快速地寻找在城市B中的一个具体的目的地，所建议的方法利用分层次的显示结构。由于分层次的目的地层，用户仅需要点击一次，以便展开和寻找正确的目的地。
如图7所示，可以接收用户输入710(例如通过对触摸屏进行触摸)，其表明第一簇“Schaumburg,IL”的选择。响应于用户输入，显示用于在第一簇中的潜在旅行目的地的各单独的图形符号。用户现在可以经由第二用户输入720来选择在第一簇中的潜在旅行目的地之一。在图7的示例中，用户可以经由第二用户输入720来选择在Schaumburg,IL中的潜在旅行目的地“Woodfield Mall”。
一种替换的图形表现在图8中描述。在图8中，用于潜在旅行目的地和簇的图形符号是在地图中的几何形状。与类似于图7的方式，再次假设，用户地点是Chicago,IL。相应地，因此，各单独的图形符号显示用于在芝加哥内(即在用户附近区域内)的潜在旅行目的地。在Schumburg、Wadsworth和Morton Grove的潜在旅行目的地811、821、831未被单独地显示，因为它们根据所建议的构思被聚类。相应地，单独的图形符号810、820、830仅仅显示用于簇“Schaumburg,IL”、“Wadsworth,IL”和“Morton Grove,IL”。簇810、820、830也被排序。排序借助于用于表示簇的圆的变化的直径来描述。
与在图7中描述的情形类似，可以接收用户输入840(例如通过对触摸屏进行触摸)，其表明第一簇“Schaumburg,IL”的选择。响应于用户输入，显示用于在第一簇中的潜在旅行目的地的各单独的图形符号(并且地图被放大)。用户现在可以经由第二用户输入850来选择第一簇中的潜在旅行目的地之一。在图8的示例中，用户可以经由第二用户输入850来选择在Schaumburg,IL中的潜在旅行目的地“Woodfield Mall”。
如由动作290所表明的，方法200可以还包括：对于至少一个正在被一个单独的图形符号表示的潜在旅行目的地(即所述多个潜在旅行目的地之中的分别具有在第一范围之内的相似性的对之中的一个潜在旅行目的地)，显示与所述一个潜在旅行目的地相关的信息。类似地，可以显示与第一、第二和/或其他簇相关的信息。这可以允许给用户提供目的地管理和相关的服务。例如，信息可以是估计的到达时间或者在潜在旅行目的地的天气。关于簇，如果用户例如在芝加哥，仅仅在密尔沃基中的所有目的地的中心可以被回到，并且一个唯一的用于密尔沃基中心的到达时间可以被显示。
因此，所建议的构思可以允许改进的用户接口。所建议的构思可以提供智能的目的地管路系统，其能够有效地并且有上下文地组织用户目的地并且最小化用户查找其目的地的付出。根据所建议的构思的目的地管路系统不仅仅依赖频率和近期的目的地，而是也可以依赖驾驶员的当前地点和行为，所述行为可以从收集到的驾驶数据学习到。其可以有上下文地并且个人化地组织目的地，以便通过经提供相关的目的地来最小化用户的付出。所建议的方案可以允许管理用户目的地并且可以显著地改进用户驾驶体验，可以最小化用户认知互动并且可以提供“一键就走”的体验。
根据所建议的构思的目的地管理可以允许，基于多重因素例如用户的历史访问频率、用户的近期的访问频率、用户的体型和/或用户的当前地点，弹性地确定簇。因此，根据所建议的构思的智能的目的地管理可以允许相关地并且动态地组织所有目的地，以允许用户快速地寻找他们的目的地。
根据所建议的构思的智能的目的地管理系统可以提供个人的有上下文的智能的服务。其可以改进用户驾驶体验，因为用户可以容易地寻找他的目的地并且仅仅聚焦于他需要的信息。另外，用户在驾驶之前的工作负荷可以被降低，并且甚至在道路上的负荷可以被降低。另外，这些目的地的相关信息可以无冗余地被显示。
所建议的构思可以提供有意义的定位建模，其从个人的驾驶历史数据学习用户访问的地方。根据所建议的构思的个人的并且有上下文的分层次的目的地管理算法和系统可以允许，基于个性化和上下文，动态地并且对用户友好地对用户目的地进行建模。这种技术例如可以应用于目的地预测。特别是可以允许以不同的粒度对目的地建模的混合解决方案。例如，如果用户想要驾车从芝加哥前往奥黑尔机场，需要稍微精确的地点信息。如果用户想要驾车从芝加哥前往纽约城，可以设置具有粗糙粒度的导航，直到正在接近纽约城。类似地可以允许用户目的地列表的智能管理。用户寻找目的地/地方的认知负荷可以被降低，因为恰好提供用户在给定情形中需要的正确的信息层级。所建议的构思可以允许提供用户需要的相关信息，既不多也不少。
所建议的构思可以提供新型的技术方案：个人的并且有上下文的分层次的目的地管理可以利用低复杂度算法，其能够基于作为上下文的学习的用户目的地走势和当前地点，将这些目的地自动地分类。
另外，粒度可以被引入到学习的目的地：所建议的构思可以灵活地并且弹性地提供目的地预测。对于本地区域，其可以预测精确的地点。对于远距离，其可以预测在当前上下文期间的区域并且当用户接近目的地时可以细化目的地。其可以另外提供用于具有合理可信度的模糊区域预测的机会。正常的算法设计成用于预测具有可信度的目的地。现在对于给定的可信度，区域(尺寸)算法可以能够进行预测。
因此用户体验可以被显著改进：用户体验可以通过给予恰好相关的用户需要的信息来改进。其可以使得搜索更容易并且降低认知负荷，当时间在驾驶期间很关键时，认知负荷是特别重要的。
所建议的构思可以另外是带来个人的、智能的并且有上下文意识的差异化的促成者：通过提供实时的交通、事故、路况、天气等等，所述构思可以用于旅行规划服务。
利用根据所建议的构思的一个或多个方面的方法或者利用上述的一个或多个示例的实现方案的一个示例描述于图9中。图9描述一种用于管理用户的多个潜在旅行目的地901的设备900。设备900包括存储器910，其构造成用于存储所述多个潜在旅行目的地901。设备900还包括处理器电路920，其构造成用于确定在所述多个潜在旅行目的地901之中的不同对之间的多个相似性。所述处理器电路920附加地构造成用于，利用与用户相关的上下文信息902，给所述多个相似性加权，并且基于加权的所述多个相似性，将所述多个潜在旅行目的地901之中的一部分进行聚类。
可选地，设备900可以包括其他元件例如显示器和/或输入装置。
例如，设备900可以是移动装置(例如智能手机、平板电脑、笔记本电脑)、导航系统或车辆。车辆可以是包括发动机和车轮的任何设备(并且可选地包括驱动传动系统)。例如车辆可以是私人车辆或者商用车辆。特别是，车辆可以是汽车、卡车、摩托车或拖拉机。
如上所述，通过利用在不同对的潜在旅行目的地之间的相似性连同用户相关的上下文信息，设备900可以允许以对用户更加友好的方式将所述多个潜在旅行目的地分组。相应地可以降低用于寻找所述多个潜在旅行目的地之中的一个特定的潜在旅行目的地的认知负荷。
设备900的更多细节和方面与所建议的构思或者上述的一个或多个示例相关地提及(例如图1至8)。设备900或者其元件之一(例如处理器电路920、显示器、输入装置)可以包括一个或多个附加的可选特征或者被构造成用于执行一个或多个附加的可选特征，所述特征对应于所建议的构思的一个或多个方面或者上述的一个或多个示例。
与前面详细说明的示例和附图一起提及和说明的方面和特征同样可以与一个或多个另外的示例相组合，以便代替另外的示例的类似特征，或者以便附加地将特征引入到另外的示例中。
示例还可以是计算机程序或者涉及计算机程序，其具有程序代码，当计算机程序在计算机或处理器上执行时，所述计算机程序用于执行上述方法之中的一个或多个。上述的各个方法的步骤、操作或过程可以通过被编程的计算机或处理器执行。示例也可以覆盖程序存储装置例如非易失性的数字数据存储介质，所述程序存储装置对于机器、处理器或计算机是可读的，并且编制机器可执行的、处理器可执行的或者计算机可执行的指令程序。指令执行上述方法的动作之中的一些或全部或者引起这种执行。程序存储装置可以包括或者是例如数字存储器、磁性存储介质例如磁盘和磁带、硬盘、或者光学可读的数字数据存储介质。其他的示例也可以覆盖计算机、处理器或者控制单元，它们被编程用于执行上述方法的动作；或者(现场)可编程序逻辑阵列(PLA、FPLA)或者(现场)可编程门阵列(PGA、FPGA)，它们被编程用于执行上述方法的动作。
说明书和附图仅仅描述本公开的原理。另外，在此记载的所有示例原则上明确地用于仅仅教导目的，用于使读者理解本公开的原理和由发明人相对于现有技术做出贡献的构思。在此的所有陈述记载原理、方面和本公开的示例以及它们的具体例子，意图为包含它们的等效措施。
如果被处理器提供，各功能可以被唯一的专门的处理器提供，被唯一的共享的处理器提供，或者被多个单独的处理器提供，这些处理器之中的一些或全部可以是共享的。然而，术语“处理器”尤其是不限于仅仅能够执行软件的硬件，而是可以包括数字信号处理器(DSP)、硬件、网络处理器、特定用途集成电路(ASIC)、现场可编程门阵列(FPGA)、用于存储软件的只读存储器(ROM)、随机存储器(RAM)和非易失性的存储器。其他硬件、传统的硬件和/或定制的硬件，也可以被包含。
方框图例如可以描述实施本公开原理的高级电路图。类似地，流程图表、流程曲线图、状态转移图、伪码等等可以表示不同过程、操作或步骤，它们可以例如基本上表现在非易失性的可机读介质中并且通过计算机或处理器执行，无论这样的计算机或处理器是否被明确地显示。在说明书中或权利要求书中公开的方法可以通过装置执行，该装置具有用于执行这些方法的每一个相应动作的器件。
可以理解的是，在说明书或权利要求书中公开的多个动作、过程、操作、步骤或功能的公开可以不构造成按具体的顺序，除非另外明确地或隐含地说明，例如由于技术原因。因此，多个动作或功能的公开不会将它们限制于具体的顺序，除非这种动作或功能由于技术原因是不可互换的。另外，在一些示例中，单个动作、功能、过程、操作或步骤可以分别包含或者可以被分解成多个子动作、子功能、子过程、子操作或子步骤。这些子动作可以被包含并且是该单个动作的公开的一部分，除非被明确地排除。
另外，随后的权利要求书在此整合到详细的说明书中，其中，每一个权利要求可以自身作为一个单独的示例。每一个权利要求可以自身作为一个单独的示例，然而需要指出的是，尽管一项从属权利要求可以在权利要求书中引用成为与一个或多个其他权利要求的具体组合，其他示例也可以包含该独立权利要求与彼此从属的或彼此独立的权利要求的主题的组合。这些组合在此被明确地建议，除非表明不期望一种具体的组合。另外，也意图将一个权利要求的特征包含至任何其他独立权利要求，即使该权利要求没有直接从属于所述其他独立权利要求。

Claims (20)

1.一种用于管理用户的多个潜在旅行目的地的方法(100)，所述方法包括：
确定(102)在所述多个潜在旅行目的地之中的不同对之间的多个相似性；
利用与用户相关的上下文信息，给所述多个相似性加权(104)；并且
基于加权的所述多个相似性，将所述多个潜在旅行目的地的一部分进行聚类(106)。
2.根据权利要求1所述的方法，其中，将所述多个潜在旅行目的地之中的一部分进行聚类(106)包括：
不将所述多个潜在旅行目的地之中的分别具有在第一范围之内的加权的相似性的对进行聚类；并且
将所述多个潜在旅行目的地之中的分别具有在第二范围之内的加权的相似性的对聚类至第一簇。
3.根据权利要求2所述的方法，还包括：
向用户显示多个单独的图形符号，这些图形符号用于所述多个潜在旅行目的地之中的分别具有在第一范围之内的加权的相似性的对；并且
向用户显示用于在第一簇中的潜在旅行目的地的一个唯一的图形符号。
4.根据权利要求3所述的方法，还包括：
接收用户输入，所述用户输入表明第一簇的选择；并且
响应于用户输入，显示用于在第一簇中的潜在旅行目的地的各单独的图形符号。
5.根据权利要求3或4所述的方法，其中，所述图形符号是一个列表的列表项目，或者所述图形符号是在地图中的几何形状。
6.根据权利要求3至5中任一项所述的方法，还包括：
对于所述多个潜在旅行目的地之中的分别具有在第一范围之内的加权的相似性的对之中的至少一个潜在旅行目的地，显示与所述一个潜在旅行目的地相关的信息；并且
显示与第一簇相关的信息。
7.根据权利要求2至6中任一项所述的方法，还包括：基于在第一簇中的潜在旅行目的地，将标签赋予第一簇。
8.根据权利要求2至7中任一项所述的方法，还包括：将所述多个潜在旅行目的地之中的分别具有在第三范围之内的加权的相似性的对聚类至第二簇。
9.根据权利要求8所述的方法，还包括：
基于在第一簇和第二簇中的潜在旅行目的地的一个或多个属性，对第一簇和第二簇进行排序；并且
向用户显示根据排序的第一簇和第二簇。
10.根据权利要求1至9中任一项所述的方法，其中，与用户相关的上下文信息是以下信息之中的任一个：用户当前地点、对所述多个潜在旅行目的地之中的相应的一对的访问频率。
11.根据权利要求1至10中任一项所述的方法，其中，在所述多个潜在旅行目的地之中的一对之间的相似性基于在所述多个潜在旅行目的地之中的所述一对之间的距离，并且在所述多个潜在旅行目的地之中的所述一对之间的加权的相似性基于加权因子，所述加权因子与用户当前地点相关。
12.根据权利要求11所述的方法，其中，加权因子与用户当前地点至所述多个潜在旅行目的地之中的相应的一对的连接线的距离相关。
13.根据权利要求12所述的方法，其中，如果用户当前地点与所述多个潜在旅行目的地之中的相应的一对的连接线的距离小于第一阈值，那么加权因子是第一值；并且如果第一阈值小于用户当前地点与所述多个潜在旅行目的地之中的相应的一对的连接线的距离，那么加权因子是第二值。
14.根据权利要求13所述的方法，其中，第一阈值基于潜在旅行目的地的数量的增量与距用户当前地点的距离的增量的比例来选择。
15.根据权利要求14所述的方法，其中，第一阈值是距用户当前地点的最大距离，对于该最大距离，潜在旅行目的地的数量的增量大于预定义的值。
16.根据权利要求13至15中任一项所述的方法，其中，第二值是变量，并且第二值与用户当前地点与所述多个潜在旅行目的地之中的相应的一对的连接线的距离相关。
17.根据权利要求13至16中任一项所述的方法，其中，如果第二阈值小于用户当前地点与所述多个潜在旅行目的地之中的相应的一对的连接线的距离，那么加权因子是第三值。
18.根据权利要求1至17中任一项所述的方法，还包括：从用户产生内容确定所述多个潜在旅行目的地。
19.一种非易失性的可机读介质，在其上存储有程序，所述程序具有程序代码，当所述程序在处理器上执行时，所述程序用于执行根据权利要求1至18中任一项所述的方法。
20.一种用于管理用户的多个潜在旅行目的地(901)的设备(900)，所述设备包括：
存储器(910)，所述存储器构造成用于存储所述多个潜在旅行目的地(901)；和
处理器电路(920)，所述处理器电路构造成用于：
-确定在所述多个潜在旅行目的地(901)之中的不同对之间的多个相似性；
-利用与用户相关的上下文信息(902)，给所述多个相似性加权；并且
-基于加权的所述多个相似性，将所述多个潜在旅行目的地(901)的一部分进行聚类。
CN201780093198.4A 2017-11-10 2017-11-10 用于智能地管理用户的多个潜在旅行目的地的方法和设备 Pending CN110892232A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2017/078867 WO2019091569A1 (en) 2017-11-10 2017-11-10 Method and apparatus for smartly managing a plurality of potential travel destinations of a user

Publications (1)

Publication Number Publication Date
CN110892232A true CN110892232A (zh) 2020-03-17

Family

ID=60320884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780093198.4A Pending CN110892232A (zh) 2017-11-10 2017-11-10 用于智能地管理用户的多个潜在旅行目的地的方法和设备

Country Status (3)

Country Link
US (1) US11340087B2 (zh)
CN (1) CN110892232A (zh)
WO (1) WO2019091569A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10972806B1 (en) * 2018-11-30 2021-04-06 Snap Inc. Generating customized graphics based on location information

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765857A (zh) * 2007-06-20 2010-06-30 阿玛得斯两合公司 用于集成和显示从多个可靠来源收集的旅行忠告的系统和方法
CN101903903A (zh) * 2007-12-17 2010-12-01 诺基亚公司 创建旅行社团
US20110282571A1 (en) * 2005-09-29 2011-11-17 Microsoft Corporation Methods for predicting destinations from partial trajectories employing open- and closed-world modeling methods
CN104412264A (zh) * 2012-06-25 2015-03-11 谷歌公司 预先缓存与旅行目的地相关的数据
US20150134244A1 (en) * 2013-11-12 2015-05-14 Mitsubishi Electric Research Laboratories, Inc. Method for Predicting Travel Destinations Based on Historical Data
CN107133277A (zh) * 2017-04-12 2017-09-05 浙江大学 一种基于动态主题模型和矩阵分解的旅游景点推荐方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6717792B2 (ja) * 2017-10-04 2020-07-08 株式会社トヨタマップマスター 候補到着地点特定装置、候補到着地点特定方法、コンピュータプログラム及びコンピュータプログラムを記録した記録媒体

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282571A1 (en) * 2005-09-29 2011-11-17 Microsoft Corporation Methods for predicting destinations from partial trajectories employing open- and closed-world modeling methods
CN101765857A (zh) * 2007-06-20 2010-06-30 阿玛得斯两合公司 用于集成和显示从多个可靠来源收集的旅行忠告的系统和方法
CN101903903A (zh) * 2007-12-17 2010-12-01 诺基亚公司 创建旅行社团
CN104412264A (zh) * 2012-06-25 2015-03-11 谷歌公司 预先缓存与旅行目的地相关的数据
US20150134244A1 (en) * 2013-11-12 2015-05-14 Mitsubishi Electric Research Laboratories, Inc. Method for Predicting Travel Destinations Based on Historical Data
CN107133277A (zh) * 2017-04-12 2017-09-05 浙江大学 一种基于动态主题模型和矩阵分解的旅游景点推荐方法

Also Published As

Publication number Publication date
US11340087B2 (en) 2022-05-24
US20200200557A1 (en) 2020-06-25
WO2019091569A1 (en) 2019-05-16

Similar Documents

Publication Publication Date Title
US11535262B2 (en) Method and apparatus for using a passenger-based driving profile
US9123259B2 (en) Discovering functional groups of an area
US10509477B2 (en) Data services based on gesture and location information of device
Siła-Nowicka et al. Analysis of human mobility patterns from GPS trajectories and contextual information
RU2406158C2 (ru) Способы предсказания пунктов назначения из частичных траекторий, применяющие способы моделирования открытого и замкнутого мира
US9243913B1 (en) Enhanced identification of interesting points-of-interest
US11150095B2 (en) Methods and apparatuses for predicting a destination of a user's current travel path
US9057617B1 (en) Enhanced identification of interesting points-of-interest
US8620579B1 (en) Enhanced identification of interesting points-of-interest
US8433512B1 (en) Enhanced identification of interesting points-of-interest
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
MX2009001952A (es) Filtrado de datos en capas en aplicaciones de delineado.
WO2014159291A2 (en) Planning under destination uncertainty
US20220180214A1 (en) Method, apparatus, and system for providing semantic categorization of an arbitrarily granular location
US20210334294A1 (en) Improving offline map data availability
EP4027108A1 (en) Method, apparatus, and system for data-driven evaluation of heuristics for trajectory cropping
Dennouni et al. Towards an incremental recommendation of POIs for mobile tourists without profiles
CN111177586A (zh) 用于无处不在的访问的位置标注
US11340087B2 (en) Method and apparatus for smartly managing a plurality of potential travel destinations of a user
US11422679B2 (en) Systems and methods for navigating pages of a digital map
US10691699B2 (en) Augmenting search results with user-specific information
EP3857404A1 (en) Dynamic generation and suggestion of tiles based on user context
US20230123323A1 (en) Familiarity Based Route Generation
US20240087448A1 (en) Method and apparatus for spatial aggregation for location-based services
CN116612640B (zh) 一种车辆调度方法、装置、存储介质及电子设备

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240220