CN111078810A - 经验路线生成方法和装置、存储介质和电子设备 - Google Patents

经验路线生成方法和装置、存储介质和电子设备 Download PDF

Info

Publication number
CN111078810A
CN111078810A CN201911206481.0A CN201911206481A CN111078810A CN 111078810 A CN111078810 A CN 111078810A CN 201911206481 A CN201911206481 A CN 201911206481A CN 111078810 A CN111078810 A CN 111078810A
Authority
CN
China
Prior art keywords
area
route
destination
track
target
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.)
Withdrawn
Application number
CN201911206481.0A
Other languages
English (en)
Inventor
赵杰
江梦华
张婷
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201911206481.0A priority Critical patent/CN111078810A/zh
Publication of CN111078810A publication Critical patent/CN111078810A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Remote Sensing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Navigation (AREA)

Abstract

本公开涉及一种经验路线生成方法和装置、存储介质和电子设备，所述经验路线生成方法包括：获取出发地区域和目的地区域；从历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹；根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组；将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线；针对每一所述轨迹组，将该轨迹组内的多条路线融合成一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。

Description

经验路线生成方法和装置、存储介质和电子设备
技术领域
本公开涉及数据处理领域，具体地，涉及一种经验路线生成方法和装置、存储介质和电子设备。
背景技术
随着互联网技术的快速发展，基于互联网的应用越来越多，例如外卖类应用、购物类应用。基于这些应用，用户足不出户即可获取自己所需的商品。这些应用在便利用户的同时，也面临着商品配送问题，于是物流调度系统应运而生。物流调度系统的主要任务是将订单分配给配送员。
对配送员来说，会收到物流调度系统为其分配的一个或多个订单。在配送多个订单时，订单配送路线会直接影响订单的配送效率和准时性，并且对物流调度系统中订单取送时间的预估也有一定影响，所以合理地规划订单配送路线显得非常重要。
现有的订单配送线路多利用已存在的导航系统(自家的导航系统或第三方导航系统)进行路径规划，但是这类导航路线可能存在偏长、偏短、绕路等情况，既不利于配送员的配送，也不利于平台对配送费的预估。
发明内容
本公开的目的是提供一种经验路线生成方法和装置、存储介质和电子设备，以解决上述技术问题。
为了实现上述目的，本公开的第一方面提供一种经验路线生成方法，包括：获取出发地区域和目的地区域；从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域内的多个目标配送轨迹；根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组；将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线；针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。
可选地，所述从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹，包括：从预设时间范围内的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹。
可选地，所述从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹，包括：根据预设的环境信息，从环境信息与所述预设的环境信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹；其中，所述环境信息包括天气信息、季节信息、温度信息、时间段信息中的至少一者。
可选地，所述从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹，包括：根据预设的交通工具信息，从交通工具信息与所述预设的交通工具信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
可选地，所述针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，包括：针对每一所述轨迹组，从所述轨迹组内多条路线包含的路段中，确定频繁路段；所述频繁路段是指配送经过次数大于预设阈值的路段，或者是配送经过次数在所述轨迹组对应的总配送次数中的占比大于预设比例阈值的路段；将连续的所述频繁路段连接，得到至少一条经验路线。
可选地，所述根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组，包括：根据所述多个目标配送轨迹的形状，确定所述多个目标配送轨迹两两之间的形状相似度，将形状相似度满足相似度条件的两个目标配送轨迹归为同一个轨迹组。
可选地，当第一轨迹的线条位于第二轨迹的线条的缓冲区，或所述第二轨迹的线条位于所述第一轨迹的线条的缓冲区内时，所述第一轨迹和所述第二轨迹的形状相似度满足所述相似度条件，所述第一轨迹和所述第二轨迹均为任意所述目标配送轨迹。
所述经验路线生成方法还包括：响应于获取到订单，确定所述订单的出发地点所处的出发地区域以及所述订单的目的地点所处的目的地区域；获取所述出发地区域和所述目的地区域之间的经验路线；根据所述经验路线为所述订单的配送员规划配送所述订单的路线。
所述经验路线生成方法还包括：用获得的所述经验线路替换所述出发地区域和所述目的地区域之间的导航线路。
本公开的第二方面提供一种经验路线生成装置，包括：获取模块，用于获取出发地区域和目的地区域；确定模块，用于从历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹；分组模块，用于根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组；拟合模块，用于将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线；融合模块，用于针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。
可选地，所述确定模块，用于从预设时间范围内的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
可选地，所述确定模块，用于根据预设的环境信息，从环境信息与所述预设的环境信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹；其中，所述环境信息包括天气信息、季节信息、温度信息、时间段信息中的至少一者。
可选地，所述确定模块，用于根据预设的交通工具信息，从交通工具信息与所述预设的交通工具信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
可选地，所述融合模块，用于针对每一所述轨迹组，从所述轨迹组内多条路线包含的路段中，确定频繁路段；所述频繁路段是指配送经过次数大于预设阈值的路段，或者是配送经过次数在所述轨迹组对应的总配送次数中的占比大于预设比例阈值的路段；将连续的所述频繁路段连接，得到至少一条经验路线。
可选地，所述分组模块，用于根据所述多个目标配送轨迹的形状，确定所述多个目标配送轨迹两两之间的形状相似度，将形状相似度满足相似度条件的两个目标配送轨迹归为同一个轨迹组。
可选地，当第一轨迹的线条位于第二轨迹的线条的缓冲区，或所述第二轨迹的线条位于所述第一轨迹的线条的缓冲区内时，所述第一轨迹和所述第二轨迹的形状相似度满足所述相似度条件，所述第一轨迹和所述第二轨迹均为任意所述目标配送轨迹。
可选地，所述经验路线生成装置还包括处理模块，用于响应于获取到订单，确定所述订单的出发地点所处的出发地区域，以及所述订单的目的地点所处的目的地区域；获取所述出发地区域和所述目的地区域之间的经验路线；根据所述经验路线为所述订单的配送员规划配送所述订单的路线。
可选地，所述经验路线生成装置还包括替换模块，用于用获得的所述经验线路替换所述出发地区域和所述目的地区域之间的导航线路。
本公开的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面中任一项所述方法的步骤。
本公开的第四方面提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面中任一项所述方法的步骤。
通过上述的技术方案，根据出发地区域和目的地区域之间的历史配送轨迹的形状为历史配送轨迹进行分组，并将每一组的目标配送轨迹与路网中的道路进行拟合后的结果融合，得到经验路线，在对历史配送轨迹数据进行处理时，使用了几何算法而不是道路算法，并通过几何方法将轨迹和道路进行拟合，可以极大地提升轨迹数据的处理效率，节省了生成经验路线时的计算资源，更高效地生成经验路线。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性公开实施例示出的一种经验路线生成方法的流程图。
图2是根据一示例性公开实施例示出的一种轨迹组内的经验路线生成过程的示意图。
图3是根据一示例性公开实施例示出的一种经验路线生成装置的框图。
图4是根据一示例性公开实施例示出的一种电子设备的框图。
图5是根据一示例性公开实施例示出的一种根据形状为目标配送轨迹分组的示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据一示例性公开实施例示出的一种经验路线生成方法的流程图。本公开实施例示出的一种经验路线生成方法可应用于商品配送领域，例如外卖类配送、购物类配送等。
在用户通过用户终端向平台发送了创建订单的请求后，平台创建向用户配送商品的订单，并将该订单发送至与订单相对应的商家，在商家接受订单后，平台会把将商品从商家配送至用户的配送订单分配至配送员，在配送员接受配送订单后，会前往商家收取商品，并从商家前往用户的订单目的地配送商品。其中，当商品为外卖类商品时，配送员的配送路线可能较短，且一个配送员会同时配送多个商品；当商品为购物类配送时，配送员(或称快递员)的配送路程可能较长，且路途中可能涉及一个以上的配送员。而配送员会收到物流调度系统为其分配的一个或多个订单，在一个配送员配送多个订单时，订单配送路线会直接影响订单的配送效率和准时性，并且对物流调度系统中订单取送时间的预估也有一定影响，所以合理地规划订单配送路线显得非常重要。
现有的订单配送线路多利用已存在的导航系统(自家的导航系统或第三方导航系统)进行路径规划，但是这类导航路线可能存在偏长、偏短、绕路等情况，既不利于配送员的配送，也不利于平台对配送费的预估。
如图1所示，所述方法包括以下步骤：
S11、获取出发地区域和目的地区域。
出发地区域和目的地区域可以是预设大小的一个地图块，包含了该地图块内的多个地点。例如，出发地区域可以是一个商场，商场内的多个商家都属于这个出发地区域；目的地区域可以是一个小区，小区内的多个住址都属于这个目的地区域。或者，该出发地区域也可以是一个商圈，商圈内的所有商场以及商场中的所有商家都属于这个出发地区域；该目的地区域可以是一个街区，该街区内的所有小区以及小区内的所有住址都属于这个目的地区域。出发地区域和目的地区域的覆盖面积可以根据实际需要进行调整，本公开对此不做限制。
作为一种实施方式，可以根据出发地区域和目的地区域的距离确定所述出发地区域和所述目的地区域的覆盖面积，例如，如果出发地区域在A市辖区，目的地区域在B市辖区，则可以适当增加出发地区域和目的地区域的覆盖面积，以获得更多的历史数据；如果出发地区域是C街道，目的地区域是同区的B街道，则可以适当减小出发地区域和目的区域的覆盖面积，以生成更精确的经验路线。
其中，所述出发地区域和目的地区域可以是用户手动输入的，或是系统自动生成的。值得说明的是，用户输入或系统生成时，可以只输入具体的地点(例如某小区某住址)，并根据该具体的地点在地图中的位置自动划分入某一出发地区域或目的地区域。
在一种实施例中，所述出发地区域和所述目的地区域也可以是在生成配送订单时根据所述配送订单上的出发地和目的地确定的。
S12、从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹。
历史配送轨迹数据是基于已完成的历史订单中配送员经过的路径所生成的轨迹。值得说明的是，该轨迹也可以由配送员按一定频率上报坐标点，并将坐标点按时间顺序连线所生成的。例如，配送员的配送交通工具、移动终端或穿戴设备可以按一定时间频率(如十秒、一分钟等)上传位置坐标，根据该位置坐标在地图中按时间顺序的连线，可以生成该配送员的一条历史配送轨迹。
值得说明的是，目标配送轨迹的起始坐标点可以是订单开始后的第一个坐标点，或订单开始后的预设时刻的坐标点；目标配送轨迹的起始坐标点也可以是经过某个预设位置时的坐标点，例如，可以是配送员在进入出发地区域时的坐标点。与之对应，目标配送轨迹的终止坐标点可以是订单结束时的坐标点，也可以是顶点结束钱预设时刻的坐标点；目标配送轨迹的中制作表也还可以是经过某个预设位置时的坐标点，例如，可以是配送员在进入目的地区域时的坐标点。也就是说，当配送员的坐标点连线经过了出发地区域且经过了目的地区域，则可以将出发地区域到目的地区域之间的坐标点连线作为目标配送轨迹。
影响配送员配送路线的因素有很多，例如，天气晴朗时配送员可能更愿意走坑洼但是路程较短的路线，而雨天时一些配送员可能愿意避开坑洼路段选择稍远的路线；温度高时，配送员可能会选择较阴凉的路线，温度低时，配送员可能会避开阴暗的路线；骑电动车的配送员会选择非机动车道，而骑摩托车的配送员会选择机动车道等。
因此，在确定目标配送轨迹时，还可以考虑上述影响配送路线的因素，基于不同的因素选择不同的目标配送轨迹，从而在后续步骤中生成与不同因素匹配的不同经验路线。
在一种实施例中，可以从预设时间范围内的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
在这里，预设时间范围可以是时间段范围，例如该预设时间范围可以是早上8:00至下午18:00。考虑到路径导航具有一定的时效性(例如，由于城市建设等原因造成的短期封路等)，预设之间范围也可以是日期范围，例如该预设时间范围可以是2010年1月至2010年4月。
如果在S11中的出发地区域和目的地区域是根据具体的配送订单所生成时，该预设时间范围也可以与该配送订单的生成时间相关，例如订单生成时间为2015年5月3日，则该预设时间范围可以是生成时间的一年内，即2014年5月3日至2015年5月3日。
在一种实施例中，可以根据预设的环境信息，从环境信息与所述预设的环境信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹；其中，所述环境信息包括天气信息、季节信息、温度信息、时间段信息中的至少一者。
由于不同的天气会影响配送员的路线选择，天气晴朗时配送员可能更愿意走坑洼但是路程较短的路线，而雨天时一些配送员可能愿意避开坑洼路段选择稍远的路线。当环境信息包括天气信息时，如果当前配送订单的天气信息为雨天，则可以确定出发地点位于出发地区域、目的地点位于目的地区域，且配送天气为雨天的多个目标配送轨迹，并在后续步骤中基于目标配送轨迹生成经验路线，这样所生成的经验路线适合在雨天出行的配送员。
不同的季节可能对配送路线造成影响，例如，冬季一些路段容易结冰，配送员通常会避开这些路段，夏季一些路段易积水，配送员通常也会避开这些路段。当环境信息包括季节信息时，如果当前配送订单的天气信息为夏季，则可以确定出发地点位于出发地区域、目的地点位于目的地区域，且配送季节为夏季的多个目标配送轨迹，并在后续步骤中基于目标配送轨迹生成经验路线，这样所生成的经验路线适合在夏季出行的配送员。
温度同样会对配送员的路线选择造成影响，温度高时，配送员可能会选择较阴凉的路线，温度低时，配送员可能会避开阴暗的路线；当环境信息包括温度信息时，如果当前配送订单的温度信息为-1℃，则可以确定出发地点位于出发地区域、目的地点位于目的地区域，且配送温度为包括了-1℃的温度范围内的多个目标配送轨迹(如，该温度范围可以是-5℃至0℃)，并在后续步骤中基于目标配送轨迹生成经验路线。
同样的，时间段也会对配送员的路线选择造成影响，一些路段实行分时间段限行，或者一些路段在某些特定时间段过于拥堵不利于配送，这些因素会影响配送员的路线选择。当环境信息包括时间段信息时，如果当前配送订单的时间段信息为12：00～13:00，则可以确定出发地点位于出发地区域、目的地点位于目的地区域，且配送时间段为12：00～13:00之间或者配送时间段与12：00～13:00有部分重合的多个目标配送轨迹，并在后续步骤中基于目标配送轨迹生成经验路线。
如果在S11中的出发地区域和目的地区域是根据具体的配送订单所生成时，该预设的环境信息可以是该配送订单生成时间的出发地或目的地的环境信息。出发地和/或目的地的环境信息可以在生成配送订单时由用户手动填写，也可以根据订单的生成时间从互联网上获取。
在一种实施例中，根据预设的交通工具信息，从交通工具信息与所述预设的交通工具信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
交通工具信息可以指交通工具的种类，如机动车、非机动车等，也可以指具体的交通工具，如轿车、货车、自行车、摩托车、电瓶车等，考虑到一些城市的一些路段会分牌照号码限行，所以该交通工具信息还可以包括车辆的牌照号码或牌照尾号等信息。
在一种实施例中，该预设的交通工具信息可以与具体的配送订单的配送员的交通工具信息匹配。
例如，考虑到骑电动车的配送员会选择非机动车道，而骑摩托车的配送员会选择机动车道等因素，当配送员的交通工具为摩托车时，可以确定出发地点位于出发地区域、目的地点位于目的地区域，且配送时的交通工具信息为摩托车的多个目标配送轨迹，并在后续步骤中基于目标配送轨迹生成经验路线。
S13、根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组。
由于配送员的个体差异，从一个出发地区域到一个目的地区域的路线可能会呈现出很多的轨迹形状，因此，可以通过轨迹形状对这些历史数据进行初步分组。
在一种实施例中，可以根据所述多个目标配送轨迹的形状，确定所述目标配送轨迹的形状的相似度满足相似度条件的所述目标配送轨迹为一个轨迹组。其中，当第一轨迹的线条位于第二轨迹的线条的缓冲区，或所述第二轨迹的线条位于所述第一轨迹的线条的缓冲区内时，所述第一轨迹的形状和所述第二轨迹的形状的相似度满足所述相似度条件，所述第一轨迹和所述第二轨迹均为任意所述目标配送轨迹。
也就是说，如果轨迹a的线条位于轨迹b的线条的缓冲区，则轨迹a与轨迹b为一组，如果轨迹a的线条位于轨迹c的线条的缓冲区，即使轨迹c和轨迹b的线条的缓冲区互不重合，轨迹c也可以与轨迹a、轨迹b为同一组。
在一种实施例中，所述目标配送轨迹可以是由配送员根据一定频率上报的坐标点的连线，因此，也可以建立坐标轴，判断构成第一轨迹的所有坐标点是否位于第二轨迹的线条的缓冲区，或者判断所述第二轨迹的所有坐标点是否位于第一轨迹的线条的缓冲区，从而判断第一轨迹和第二轨迹是否属于同一分组。
图5是一种可能的轨迹分组的示意图，如图5所示，根据出发地区域和目的地区域之间的坐标点的连线的形状，可以将图5左上角所示的多条目标配送轨迹分为三组。
在一种实施例中，当目标配送轨迹中存在一条形状不与任何其他轨迹相似的轨迹时，可以将该条轨迹单独划分为一组，也可以忽略该条轨迹。S14、将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线。
将目标配送轨迹与路网中的道路拟合的过程，即是将目标配送轨迹具体地投影至地图上的道路的过程，轨迹的转角可以与地图上的街口对应，轨迹的形状可以与地图上的街道走势对应。
值得说明的是，虽然同组的目标配送轨迹的形状大致一致，但是在具体拟合时，一些微小的不同也会导致生成的路线的不同。例如，轨迹a在某段路上是一段弧线，轨迹b在相同路段上是两条直线，则轨迹a可能拟合到环岛的机动车道上，而轨迹b可能拟合到环岛旁的红绿灯路口的非机动车道上，或者轨迹a在某处为凸形的直角形转角，而轨迹b在某处为凹形的直角形转角，则轨迹a和轨迹b可能会拟合到不同的小道上。
S15、针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。
在一种实施例中，可以选择不同的目标配送轨迹对应的路线中，配送员经过频率最高的一条路线作为经验路线，或者选择多条配送员经过频率较高(如高于预设频率阈值)的多条路线作为经验路线。
由于一组轨迹组可能提供一条或以上的经验路线，而一个出发地区域到一个目的地区域可能有多个轨迹组，因此，在针对每一轨迹组生成经验路线之后，得到的经验路线结果可以是多于一条的。
在一种实施例中，可以采用下述方式确定经验路线：
针对每一所述轨迹组，从所述轨迹组内多条路线包含的路段中，确定频繁路段，所述频繁路段是指配送经过次数大于预设阈值的路段，或者是配送经过次数在所述轨迹组对应的总配送次数中的占比大于预设比例阈值的路段；将连续的所述频繁路段连接，得到至少一条经验路线。
如图2所示的是一种轨迹组内的经验路线生成过程的示意图。将轨迹组内的多条路线所包含的路段进行统计，得到如图2所示的路段统计结果，其中，每一个字母代表一个路段，由一个箭头连接的两个路段首尾相连。路段是指一条路线在地图上的各个转折点之间的连线，例如，一个L字形的路线包含了两个互相垂直的路段，且这两个路段首尾相连。
由图2所示，历史记录中，配送员经过路段j的次数为1次，经过路段a的次数为2次，经过路段b的次数为2次，经过路段c的次数为5次，经过路段i的次数为1次，经过路段g的次数为2次，经过路段d的次数为5次，经过路段e的次数为1次，经过路段f的次数为5次，经过路段k的次数为1次，经过路段h的次数为2次。并且，其中，路段j、路段a、路段i、路段g分别为不同的路线中针对该配送行程的起始路段，路段f、路段k、路段h分别是不同的路线中针对该配送形成的终止路段。值得说明的是，路段a为起始路段的原因为，路段j与路段a连接且路段j和路段a之间没有任何支路，而经过路段j的配送员数量为1，经过路段a的配送员数量为2，因此，说明有一名配送员是跳过了路段j直接从路段a为起始路段开始配送的。路段f为终止路段的理由同上。
假定预设阈值为2，即经过该路段的配送员数目超过2的路段即为频繁路段，则在图2中的频繁路段用粗体字母表示，并用下划线标注。图2中的频繁路段包括路段a(2次)、路段b(2次)、路段c(5次)、路段g(2次)、路段d(5次)、路段f(5次)、路段h(2次)，则从起始路段开始，将连续的所述频繁路段连接，直至一个终止路段，则可以得到下述的四条经验路线：
第一条经验路线：a、b、c、d、f、h
第二天经验路线：a、b、c、d、f
第三条经验路线：g、c、d、f、h
第四条经验路线：g、c、d、f
在生成经验线路之后，可以用获得的所述经验线路替换所述出发地区域和所述目的地区域之间的导航线路。例如，可以基于出发地区域和目的地区域的位置，将出发地区域至目的地区域的导航路线从起始位置替换至结束位置；还可以用所述经验路线替换导航路线中的部分路段，如导航路线中包括了经验路线中的出发地区域和目的地区域时，可以用经验路线替换导航路线中从出发地区域到目的地区域的路段；还可以根据预设的优化算法，计算导航路线和经验路线中的重合地点之间的较优路线，当两重合地点之间的较优路线为经验路线时，可以用两重合地点之间的经验路线替换该段导航路线。
例如，当A地至B地的导航路线中经过了a点与b点，且A地至B地的经验路线中也经过了a点和b点，则可以选择用A地至B地的经验路线替换A地至B地的导航路线，也可以选择用a点至b点的经验路线替换A地至B地的导航路线中的a点至b点之间的路段。或者，当导航路线为A地至B地，且经过了a点与b点，而经验路线为a点至b点时，可以用经验路线替换A地至B地的导航路线中的a点至b点之间的路段。
在一种实施例中，还可以响应于获取到订单，确定所述订单的出发地点所处的出发地区域，以及所述订单的目的地点所处的目的地区域，并获取所述出发地区域和所述目的地区域之间的经验路线，并根据所述经验路线为所述订单的配送员规划配送所述订单的路线。
其中，获取所述出发地区域和所述目的地区域之间的经验路线，可以是从预先生成的经验路线集中确定出发地区域和目的地区域与订单对应相同的经验路线，也可以是在获取到订单之后基于订单的出发地区域和目的地区域实时生成的。
例如，订单的出发地为a地，目的地为b地，其中，a地位于A区域中，b地位于B区域中，则可以从预先生成的经验路线集中确定A区域到B区域间的经验路线，并向配送员展示该经验路线；或者，可以基于A区域和B区域之间的历史配送轨迹数据，确定A区域和B区域之间的经验路线，并向配送员展示该经验路线。
在一种实施例中，还可以获取该订单的生成时间，选择S12中由与生成时间匹配的目标配送轨迹生成的经验路线，并根据该经验路线进行路径规划；还可以获取该订单生成时的环境信息，选择S12中由与该环境信息匹配的目标配送轨迹生成的经验路线；还可以获取该订单的配送员的交通工具信息，选择S12中由与该交通工具信息匹配的目标配送轨迹生成的经验路线。上述获取到的信息均可以通过用户手动输入，或通过互联网获取，或通过对订单信息进行提取获得。
通过上述的技术方案，根据出发地区域和目的地区域之间的历史配送轨迹的形状为历史配送轨迹进行分组，并将每一组的目标配送轨迹与路网中的道路进行拟合后的结果融合，得到经验路线，在对历史配送轨迹数据进行处理时，使用了几何算法而不是道路算法，并通过几何方法将轨迹和道路进行拟合，可以极大地提升轨迹数据的处理效率，节省了生成经验路线时的计算资源，更高效地生成经验路线。
图3是根据一示例性公开实施例示出的一种经验路线生成装置的框图，如图3所示，所述经验路线生成装置300包括：
获取模块310，用于获取出发地区域和目的地区域。
确定模块320，用于从历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
分组模块330，用于根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组。
拟合模块340，用于将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线。
融合模块350，用于针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。
在一种实施例中，所述确定模块，用于从预设时间范围内的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
在一种实施例中，所述确定模块，用于根据预设的环境信息，从环境信息与所述预设的环境信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹；其中，所述环境信息包括天气信息、季节信息、温度信息、时间段信息中的至少一者。
在一种实施例中，所述确定模块，用于根据预设的交通工具信息，从交通工具信息与所述预设的交通工具信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
在一种实施例中，所述融合模块，用于针对每一所述轨迹组，从所述轨迹组内多条路线包含的路段中，确定频繁路段；所述频繁路段是指配送经过次数大于预设阈值的路段，或者是配送经过次数在所述轨迹组对应的总配送次数中的占比大于预设比例阈值的路段；将连续的所述频繁路段连接，得到至少一条经验路线。
在一种实施例中，所述分组模块，用于根据所述多个目标配送轨迹的形状，确定所述多个目标配送轨迹两两之间的形状相似度，将形状相似度满足相似度条件的两个目标配送轨迹归为同一个轨迹组。
在一种实施例中，当第一轨迹的线条位于第二轨迹的线条的缓冲区，或所述第二轨迹的线条位于所述第一轨迹的线条的缓冲区内时，所述第一轨迹和所述第二轨迹的形状相似度满足所述相似度条件，所述第一轨迹和所述第二轨迹均为任意所述目标配送轨迹。
在一种实施例中，所述经验路线生成装置还包括处理模块，用于响应于获取到订单，确定所述订单的出发地点所处的出发地区域，以及所述订单的目的地点所处的目的地区域；获取所述出发地区域和所述目的地区域之间的经验路线；根据所述经验路线为所述订单的配送员规划配送所述订单的路线。
在一种实施例中，所述经验路线生成装置还包括替换模块，用于用获得的所述经验线路替换所述出发地区域和所述目的地区域之间的导航线路。
关于上述实施例中的经验路线生成装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
通过上述的技术方案，根据出发地区域和目的地区域之间的历史配送轨迹的形状为历史配送轨迹进行分组，并将每一组的目标配送轨迹与路网中的道路进行拟合后的结果融合，得到经验路线，在对历史配送轨迹数据进行处理时，使用了几何算法而不是道路算法，并通过几何方法将轨迹和道路进行拟合，可以极大地提升轨迹数据的处理效率，节省了生成经验路线时的计算资源，更高效地生成经验路线。
图4是根据一示例性实施例示出的一种电子设备400的框图。如图4所示，该电子设备400可以包括：处理器401，存储器402。该电子设备400还可以包括多媒体组件403，输入/输出(I/O)接口404，以及通信组件405中的一者或多者。
其中，处理器401用于控制该电子设备400的整体操作，以完成上述的经验路线生成方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备400的操作，这些数据例如可以包括用于在该电子设备400上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件403可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器402或通过通信组件405发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口404为处理器401和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件405可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备400可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的经验路线生成方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的经验路线生成方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器402，上述程序指令可由电子设备400的处理器401执行以完成上述的经验路线生成方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的经验路线生成方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (12)

1.一种经验路线生成方法，其特征在于，所述经验路线生成方法包括：
获取出发地区域和目的地区域；
从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域内的多个目标配送轨迹；
根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组；
将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线；
针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。
2.根据权利要求1所述的经验路线生成方法，其特征在于，所述从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹，包括：
从预设时间范围内的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹。
3.根据权利要求1所述的经验路线生成方法，其特征在于，所述从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹，包括：
根据预设的环境信息，从环境信息与所述预设的环境信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹；
其中，所述环境信息包括天气信息、季节信息、温度信息、时间段信息中的至少一者。
4.根据权利要求1所述的经验路线生成方法，其特征在于，所述从历史配送轨迹数据中，确定出发地点位于所述出发地区域内且目的地点位于所述目的地区域的多个目标配送轨迹，包括：
根据预设的交通工具信息，从交通工具信息与所述预设的交通工具信息匹配的所述历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹。
5.根据权利要求1所述的经验路线生成方法，其特征在于，所述针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，包括：
针对每一所述轨迹组，从所述轨迹组内多条路线包含的路段中，确定频繁路段；所述频繁路段是指配送经过次数大于预设阈值的路段，或者是配送经过次数在所述轨迹组对应的总配送次数中的占比大于预设比例阈值的路段；
将连续的所述频繁路段连接，得到至少一条经验路线。
6.根据权利要求1所述的经验路线生成方法，其特征在于，所述根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组，包括：
根据所述多个目标配送轨迹的形状，确定所述多个目标配送轨迹两两之间的形状相似度，将形状相似度满足相似度条件的两个目标配送轨迹归为同一个轨迹组。
7.根据权利要求6所述的经验路线生成方法，其特征在于，当第一轨迹的线条位于第二轨迹的线条的缓冲区，或所述第二轨迹的线条位于所述第一轨迹的线条的缓冲区内时，所述第一轨迹和所述第二轨迹的形状相似度满足所述相似度条件，所述第一轨迹和所述第二轨迹均为任意所述目标配送轨迹。
8.根据权利要求1所述的经验路线生成方法，其特征在于，所述方法还包括：
响应于获取到订单，确定所述订单的出发地点所处的出发地区域以及所述订单的目的地点所处的目的地区域；
获取所述出发地区域和所述目的地区域之间的经验路线；
根据所述经验路线为所述订单的配送员规划配送所述订单的路线。
9.根据权利要求1所述的经验路线生成方法，其特征在于，所述方法还包括：
将获得的所述经验线路替换所述出发地区域和所述目的地区域之间的导航线路。
10.一种经验路线生成装置，其特征在于，所述经验路线生成装置包括：
获取模块，用于获取出发地区域和目的地区域；
确定模块，用于从历史配送轨迹数据中，确定出发地点位于所述出发地区域内，且目的地点位于所述目的地区域的多个目标配送轨迹；
分组模块，用于根据所述多个目标配送轨迹的形状，将所述多个目标配送轨迹划分为多个轨迹组；
拟合模块，用于将每一所述轨迹组内的目标配送轨迹与路网中的道路拟合，得到路网中与各目标配送轨迹对应的路线；
融合模块，用于针对每一所述轨迹组，将该轨迹组内的多条路线融合成至少一条路线，其中，融合得到的每条路线作为所述出发地区域和所述目的地区域之间的经验路线。
11.一种计算机可读存储介质，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权利要求1-9中任一项所述经验路线生成方法的步骤。
12.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-9中任一项所述经验路线生成方法的步骤。
CN201911206481.0A 2019-11-29 2019-11-29 经验路线生成方法和装置、存储介质和电子设备 Withdrawn CN111078810A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911206481.0A CN111078810A (zh) 2019-11-29 2019-11-29 经验路线生成方法和装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911206481.0A CN111078810A (zh) 2019-11-29 2019-11-29 经验路线生成方法和装置、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN111078810A true CN111078810A (zh) 2020-04-28

Family

ID=70312184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911206481.0A Withdrawn CN111078810A (zh) 2019-11-29 2019-11-29 经验路线生成方法和装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN111078810A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112414423A (zh) * 2020-11-20 2021-02-26 腾讯科技（深圳）有限公司 车导起点道路的规划方法、装置、电子设备及存储介质
CN114065992A (zh) * 2020-08-05 2022-02-18 北京三快在线科技有限公司 路线规划和订单推荐的方法、装置、电子设备及存储介质
CN114218288A (zh) * 2021-11-09 2022-03-22 北京中交兴路车联网科技有限公司 一种行车路线推荐方法、装置、存储介质及终端
CN114563003A (zh) * 2022-03-28 2022-05-31 阿里云计算有限公司 路径规划方法及装置、电子设备、存储介质
CN114677852A (zh) * 2020-12-24 2022-06-28 北京三快在线科技有限公司 道路通行状态确定方法、导航方法、装置、介质及设备
CN115439071A (zh) * 2022-11-09 2022-12-06 成都运荔枝科技有限公司 一种冷链物流运输订单处理方法和系统
WO2024139156A1 (zh) * 2022-12-30 2024-07-04 浙江口碑网络技术有限公司 基于位置的信息处理方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017054332A1 (zh) * 2015-09-30 2017-04-06 百度在线网络技术（北京）有限公司 路径查询方法、装置、设备及非易失性计算机存储介质
CN107003141A (zh) * 2014-10-20 2017-08-01 通腾导航技术股份有限公司 替代路线
CN109063727A (zh) * 2018-06-19 2018-12-21 东软集团股份有限公司 计算轨迹频繁度的方法、装置、存储介质及电子设备
CN109377758A (zh) * 2018-11-23 2019-02-22 北斗天地股份有限公司 一种行驶时间预估方法及系统
CN109697221A (zh) * 2018-11-22 2019-04-30 东软集团股份有限公司 轨迹规律的挖掘方法、装置、存储介质及电子设备
CN109801491A (zh) * 2019-01-18 2019-05-24 深圳壹账通智能科技有限公司 基于风险评估的智能导航方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107003141A (zh) * 2014-10-20 2017-08-01 通腾导航技术股份有限公司 替代路线
WO2017054332A1 (zh) * 2015-09-30 2017-04-06 百度在线网络技术（北京）有限公司 路径查询方法、装置、设备及非易失性计算机存储介质
CN109063727A (zh) * 2018-06-19 2018-12-21 东软集团股份有限公司 计算轨迹频繁度的方法、装置、存储介质及电子设备
CN109697221A (zh) * 2018-11-22 2019-04-30 东软集团股份有限公司 轨迹规律的挖掘方法、装置、存储介质及电子设备
CN109377758A (zh) * 2018-11-23 2019-02-22 北斗天地股份有限公司 一种行驶时间预估方法及系统
CN109801491A (zh) * 2019-01-18 2019-05-24 深圳壹账通智能科技有限公司 基于风险评估的智能导航方法、装置、设备及存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114065992A (zh) * 2020-08-05 2022-02-18 北京三快在线科技有限公司 路线规划和订单推荐的方法、装置、电子设备及存储介质
CN114065992B (zh) * 2020-08-05 2024-09-24 北京三快在线科技有限公司 路线规划和订单推荐的方法、装置、电子设备及存储介质
CN112414423A (zh) * 2020-11-20 2021-02-26 腾讯科技（深圳）有限公司 车导起点道路的规划方法、装置、电子设备及存储介质
CN114677852A (zh) * 2020-12-24 2022-06-28 北京三快在线科技有限公司 道路通行状态确定方法、导航方法、装置、介质及设备
CN114218288A (zh) * 2021-11-09 2022-03-22 北京中交兴路车联网科技有限公司 一种行车路线推荐方法、装置、存储介质及终端
CN114563003A (zh) * 2022-03-28 2022-05-31 阿里云计算有限公司 路径规划方法及装置、电子设备、存储介质
CN115439071A (zh) * 2022-11-09 2022-12-06 成都运荔枝科技有限公司 一种冷链物流运输订单处理方法和系统
WO2024139156A1 (zh) * 2022-12-30 2024-07-04 浙江口碑网络技术有限公司 基于位置的信息处理方法及装置

Similar Documents

Publication Publication Date Title
CN111078810A (zh) 经验路线生成方法和装置、存储介质和电子设备
EP3658857B1 (en) Dynamically determining origin and destination locations for a vehicle communicating with a network system
US10156450B2 (en) System and method of navigation
JP4185956B2 (ja) 旅行時間演算サーバ、車両用旅行時間演算装置及び旅行時間演算システム
JP6423520B2 (ja) サービスの供給状況を管理するシステム及び方法
EP1532600B1 (en) Apparatus and method for providing traffic information
Newell Some issues relating to the optimal design of bus routes
US20150253144A1 (en) Methods and route planning systems for dynamic trip modifications and quick and easy alternative routes
US9482542B2 (en) Stochastic route planning in public transport
US10408635B2 (en) Systems and methods for generating and using dynamic and localized route-based environmental information
EP1918895A2 (en) Apparatus and method for providing traffic information
CN105074793A (zh) 用于车辆路径规划和交通管理的车道级车辆导航
US10515549B1 (en) Method, apparatus, and computer program product for evaluating public transportation use
CN109598372A (zh) 基于绿色共享交通的出行方案规划方法和共享交通系统
CN110491158B (zh) 一种基于多元数据融合的公交车到站时间预测方法及系统
CN105976038A (zh) 一种基于用户需求的定制班车系统
CN104025075A (zh) 用于车队导航、调度以及多个车辆、多个目的地指定路线的方法及系统
US20150185020A1 (en) Compatibility based resource matching
WO2022193995A1 (zh) 一种地图更新方法、基于地图的驾驶决策方法及装置
CN107704942B (zh) 配送路径确定方法、装置和设备
Huang et al. Innovations impacting the future of transportation: an overview of connected, automated, shared, and electric technologies
WO2017149356A1 (en) Method and system to forecast bus arrivals to any location within a bus route
CA2749016C (en) Method and system for generating fixed transit routes
Zacepins et al. Usage of GPS Data for Real-time Public Transport Location Visualisation.
CN112541135A (zh) 信息共享方法、装置、电子设备、存储介质及程序产品

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200428

WW01 Invention patent application withdrawn after publication