CN111144596A - 智能交通工具、智能出行规划装置及方法 - Google Patents
智能交通工具、智能出行规划装置及方法 Download PDFInfo
- Publication number
- CN111144596A CN111144596A CN201911255108.4A CN201911255108A CN111144596A CN 111144596 A CN111144596 A CN 111144596A CN 201911255108 A CN201911255108 A CN 201911255108A CN 111144596 A CN111144596 A CN 111144596A
- Authority
- CN
- China
- Prior art keywords
- neural network
- user
- intelligent
- travel planning
- recurrent neural
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims description 64
- 238000012549 training Methods 0.000 claims description 62
- 230000000306 recurrent effect Effects 0.000 claims description 51
- 238000005516 engineering process Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 14
- 230000006855 networking Effects 0.000 description 11
- ADLSFYJDHWUKFP-UHFFFAOYSA-N 5-methoxy-11,12-dihydroindolo[2,3-a]carbazole-6-carbonitrile Chemical compound N1C2=C3NC4=CC=C[CH]C4=C3C(OC)=C(C#N)C2=C2[C]1C=CC=C2 ADLSFYJDHWUKFP-UHFFFAOYSA-N 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 239000002361 compost Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及业务处理技术领域,提供一种智能交通工具、智能出行规划装置及方法,首先获取用户的业务预订指令,根据所述业务预订指令获取用户的预订意图,获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,以得到符合用户预期的业务预订方案,提供所述业务预订方案。本申请能够给用户提供智能快捷的业务预订功能,方便用户进行方便的出行行动,而且能够针对用户的个性习惯,提供个性化的贴身服务,改善用户体验。
Description
技术领域
本申请涉及业务处理技术领域,具体涉及一种智能出行规划方法,以及应用所述智能出行规划方法的智能出行规划装置和智能交通工具。
背景技术
随着生活水平的不断改善,汽车在人们的生活中越来越普遍,逐步成为城市和乡村的人们生活中不可或缺的交通工具之一。
同时,人们不再简单的定义汽车为交通运输工具与代步工具,汽车的安全性、环保性、舒适性以及娱乐性等方面的需求越来越大。
但是,目前私家车越来越多,用户的工作也越来越繁忙,有时用户在开车时突然接到电话要紧急去外地出差,可能需要停车下来手动搜索相关信息,这将会浪费大量时间,而且可能会导致刚好错过一些火车或者飞机的出发时间,导致更长时间的延误。
另一方面,现有的手机等智能设备以及车机设备等,都可以实现业务处理功能,但如何通过在手机或者车机设备进行出行规划时,能够提供更好地服务,将是本技术领域一大挑战。
比如,当前机票预订的方法,还是需要人为的选择,没有类似人工提醒的方法,语音无法多次性交互,完成火车票的预订,而且,一般没有上下文记忆背景的记忆,无法持续实现用户预订的闭环,于是,如何全程语音,而无需任何文字,快速找到和预订一个满意车票,并且如何按照历史出行时间和习惯的实现快速的预订,是本技术领域亟需解决的一大难题。
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,提出一种智能交通工具、智能出行规划装置及方法。
发明内容
本申请的目的在于,提供一种智能交通工具、智能出行规划装置及方法,能够给用户提供智能快捷的业务预订功能,方便用户进行方便的出行行动,而且能够针对用户的个性习惯,提供个性化的贴身服务,改善用户体验。
为解决上述技术问题,本申请提供智能出行规划方法,作为其中一种实施方式,所述智能出行规划方法包括:
获取用户的业务预订指令;
根据所述业务预订指令获取用户的预订意图;
获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,以得到符合用户预期的业务预订方案;
提供所述业务预订方案。
作为其中一种实施方式,所述获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理的步骤,具体包括:
采集用户的历史数据信息生成标记文件;
根据所述标记文件和局部回归神经网络的输入与输出生成训练样本;
采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值;
根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。
作为其中一种实施方式,还包括:在预设的时间间隔更新所述训练样本。
作为其中一种实施方式,所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括:
解析所述标记文件;
抓取所述标记文件中的训练历史数据信息;
根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。
作为其中一种实施方式,所述采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体包括:
判断内容分发网络服务器是否可用;
在所述内容分发网络服务器可用的情况下,向所述内容分发网络服务器发送所述训练样本,其中,所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值;在所述内容分发网络服务器不可用的情况下,由设备自身根据所述训练样本,采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。
作为其中一种实施方式,所述采用差分进化算法,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体包括:
所述局部回归神经网络根据所述训练样本初始化种群及算法参数;
确定适应度函数,根据所述种群的个体及算法参数得到不同的网络结构,根据适应度函数值评价网络性能;
依次进行变异操作、交叉操作、选择操作生成新种群,将所述新种群中的每个个体进行解码变为权值和阈值,构成神经网络,直接计算对应网络的输出误差作为所述新种群中的个体的适应度值;
在所述适应度值达到了最大进化代数时,将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。
作为其中一种实施方式,所述用户的历史数据信息至少包括以下之一:用户的出行次数、出行工具选择、出行时间段选择和总费用;所述训练样本,至少包括以下之一:出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。
作为其中一种实施方式,所述获取用户的业务预订指令的步骤,具体包括:
获取用户语音输入的业务预订指令;
通过声纹识别技术进行身份识别和鉴权验证;
在声纹识别技术进行身份识别和鉴权验证通过后,采用语义识别技术识别得到所述业务预订指令。
为解决上述技术问题,本申请还提供一种智能出行规划装置,作为其中一种实施方式,所述智能出行规划装置包括存储器和处理器,所述存储器存储有智能出行规划程序,所述处理器用于执行智能出行规划程序,以实现包括如上所述的智能出行规划方法的步骤。
为解决上述技术问题,本申请还提供一种智能交通工具,作为其中一种实施方式,所述智能交通工具配置有如上所述的智能出行规划装置。
本申请提供的智能交通工具、智能出行规划装置及方法,首先获取用户的业务预订指令,根据所述业务预订指令获取用户的预订意图,获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,以得到符合用户预期的业务预订方案,提供所述业务预订方案。本申请能够给用户提供智能快捷的业务预订功能,方便用户进行方便的出行行动,而且能够针对用户的个性习惯,提供个性化的贴身服务,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为本申请智能出行规划方法一实施方式的流程示意图。
图2为本申请智能出行规划装置一实施方式的模块示意图。
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,对依据本申请智能交通工具、智能出行规划装置及方法的具体实施方式、方法、步骤、特征及其效果,详细说明如下。
有关本申请的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。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为本申请智能出行规划方法一实施方式的流程示意图。
需要说明的是,本实施方式所述智能出行规划方法可以应用于手机、平板电脑、车机设备等智能终端上,其可以包括但不限于如下几个步骤。
步骤S101,获取用户的业务预订指令;
步骤S102,根据所述业务预订指令获取用户的预订意图;
步骤S103,获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,以得到符合用户预期的业务预订方案;
步骤S104,提供所述业务预订方案。
需要指出的是,本实施方式所述获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理的步骤,具体包括如下步骤:
S31,采集用户的历史数据信息生成标记文件;
S32,根据所述标记文件和局部回归神经网络的输入与输出生成训练样本;
S33,采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值;
S34,根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。
其中,容易理解的是,本实施方式还可以在预设的时间间隔更新所述训练样本。
进一步而言,本实施方式所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括如下步骤:
步骤S41,解析所述标记文件;
步骤S42,抓取所述标记文件中的训练历史数据信息;
步骤S43,根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。
需要指出的是,本实施方式所述采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体包括:判断内容分发网络服务器是否可用;在所述内容分发网络服务器可用的情况下,向所述内容分发网络服务器发送所述训练样本,其中,所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值;在所述内容分发网络服务器不可用的情况下,由设备自身根据所述训练样本,采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。
在具体的实施方式中,所述采用差分进化算法,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体可以包括如下实施过程:
S51,所述局部回归神经网络根据所述训练样本初始化种群及算法参数;
S52,确定适应度函数,根据所述种群的个体及算法参数得到不同的网络结构,根据适应度函数值评价网络性能;
S53,依次进行变异操作、交叉操作、选择操作生成新种群,将所述新种群中的每个个体进行解码变为权值和阈值,构成神经网络,直接计算对应网络的输出误差作为所述新种群中的个体的适应度值;
S54,在所述适应度值达到了最大进化代数时,将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。
需要补充说明的是,本实施方式所述用户的历史数据信息至少包括以下之一:用户的出行次数、出行工具选择、出行时间段选择和总费用;所述训练样本,至少包括以下之一:出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。
此外,本实施方式所述获取用户的业务预订指令的步骤,具体可以包括:
S61,获取用户语音输入的业务预订指令;
S62,通过声纹识别技术进行身份识别和鉴权验证;
S63,在声纹识别技术进行身份识别和鉴权验证通过后,采用语义识别技术识别得到所述业务预订指令。
本申请能够给用户提供智能快捷的业务预订功能,方便用户进行方便的出行行动,而且能够针对用户的个性习惯,提供个性化的贴身服务,改善用户体验。
请参阅图2,本申请还提供一种智能出行规划装置,作为其中一种实施方式,所述智能出行规划装置包括存储器20和处理器21,所述存储器20存储有智能出行规划程序,所述处理器21用于执行智能出行规划程序,以实现包括如上所述的智能出行规划方法的步骤。
需要首先说明的是,本实施方式所述智能出行规划装置,可以为手机、车机设备、平板电脑等智能用户设备,在此不作限定。
具体而言,所述处理器21用于获取用户的业务预订指令;
所述处理器21用于根据所述业务预订指令获取用户的预订意图;
所述处理器21用于获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,以得到符合用户预期的业务预订方案;
所述处理器21用于提供所述业务预订方案。
需要指出的是,本实施方式所述获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,具体包括如下步骤:
所述处理器21用于采集用户的历史数据信息生成标记文件;
所述处理器21用于根据所述标记文件和局部回归神经网络的输入与输出生成训练样本;
所述处理器21用于采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值;
所述处理器21用于根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。
其中,容易理解的是,本实施方式还可以在预设的时间间隔更新所述训练样本。
进一步而言,本实施方式所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括如下步骤:
所述处理器21用于解析所述标记文件;
所述处理器21用于抓取所述标记文件中的训练历史数据信息;
所述处理器21用于根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。
需要指出的是,本实施方式所述处理器21用于采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体包括:所述处理器21用于判断内容分发网络服务器是否可用;在所述内容分发网络服务器可用的情况下,向所述内容分发网络服务器发送所述训练样本,其中,所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值;在所述内容分发网络服务器不可用的情况下,由设备自身根据所述训练样本,采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。
在具体的实施方式中,所述处理器21用于采用差分进化算法,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体可以包括如下实施过程:
S51,所述局部回归神经网络根据所述训练样本初始化种群及算法参数;
S52,确定适应度函数,根据所述种群的个体及算法参数得到不同的网络结构,根据适应度函数值评价网络性能;
S53,依次进行变异操作、交叉操作、选择操作生成新种群,将所述新种群中的每个个体进行解码变为权值和阈值,构成神经网络,直接计算对应网络的输出误差作为所述新种群中的个体的适应度值;
S54,在所述适应度值达到了最大进化代数时,将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。
需要补充说明的是,本实施方式所述用户的历史数据信息至少包括以下之一:用户的出行次数、出行工具选择、出行时间段选择和总费用;所述训练样本,至少包括以下之一:出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。
此外,本实施方式所述处理器21用于获取用户的业务预订指令,具体可以包括:
所述处理器21用于获取用户语音输入的业务预订指令;
所述处理器21用于通过声纹识别技术进行身份识别和鉴权验证;
所述处理器21用于在声纹识别技术进行身份识别和鉴权验证通过后,采用语义识别技术识别得到所述业务预订指令。
本申请能够给用户提供智能快捷的业务预订功能,方便用户进行方便的出行行动,而且能够针对用户的个性习惯,提供个性化的贴身服务,改善用户体验。
对应地,本申请还提供一种智能交通工具,作为其中一种实施方式,所述智能交通工具配置有如上所述的智能出行规划装置。
具体而言,本实施方式智能交通工具可以为车辆、飞行器或者其他车载设备,在此不作限定。
本实施方式智能交通工具以车辆且所述智能出行规划装置以车机设备作为其中一种组合,实现上述的智能出行规划方法的实施方式。
值得一提的是,本实施方式车辆、车机设备可以采用5G通讯网络技术,可以是一个面向场景化的技术,本申请利用5G技术对车辆(特别是智能网联汽车)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,106/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,比如车辆之间进行协作式避碰,车辆编队等,以进行车速整体编队通行,提高通行效率。
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。
需要说明的是,本申请还可以应用到自动驾驶层面,利用5G技术可以协助对城市固定路线车辆实现部分智能云控制,对园区、港口的无人驾驶车辆实现基于云的运营优化以及特定条件下的远程显示、控制。
在本申请中,上述系统和方法,均可以使用到具备车辆TBOX的车辆系统中,即车辆为可以具备车辆TBOX的车辆系统,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V2X车联网网络,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V2X车联网网络实现通信连接、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。
在本申请中,用于实现V2X车联网网络的网络连接可以为交换机,其可以具有AVB功能(Audio Video Bridging,满足IEEE802.1的标准集合),和/或包括有一条或多条非屏蔽双绞线,每一端可以具有8P8C模块连接器。
在一优选实施方式中,V2X车联网网络中具体可以包括车身控制模块BCM、动力总线P-CAN、车身总线I-CAN、组合仪表CMIC、底盘控制装置和车身控制装置。
在本实施方式中,车身控制模块BCM可以集成车联网网关的功能,进行不同网段,即动力总线P-CAN和车身总线I-CAN之间的信号转换及报文转发等,例如,挂接在动力总线上的控制器如需要与挂接在车身总线I-CAN上的控制器进行通信,则要经过车身控制模块BCM进行两者之间的信号转换及转发等。
动力总线P-CAN和车身总线I-CAN分别与车身控制模块BCM相连。
组合仪表CMIC与动力总线P-CAN相连,且组合仪表CMIC与车身总线I-CAN相连。优选地,本实施方式的组合仪表CMIC与不同的总线,如动力总线P-CAN和车身总线I-CAN均相连,当组合仪表CMIC需要获取挂接在任意总线上的控制器信息时,均无需通过车身控制模块BCM进行信号转换以及报文转发,因此,可减轻网关压力、减少网络负载,且提高组合仪表CMIC获取信息的速度。
底盘控制装置与动力总线P-CAN相连。车身控制装置与车身总线I-CAN相连。在一些示例中,底盘控制装置和车身控制装置可分别向动力总线P-CAN和车身总线I-CAN上进行信息等数据广播,以便挂接在动力总线P-CAN或车身总线I-CAN上的其它车载控制器等设备获取该广播的信息,从而实现不同控制器等车载设备之间的通信。
此外,本实施方式车辆的V2X车联网网络,可以使用两条CAN总线,即动力总线P-CAN和车身总线I-CAN,将车身控制模块BCM作为网关,将组合仪表CMIC与动力总线P-CAN和车身总线I-CAN均相连的结构,可以省去了传统方式中组合仪表CMIC挂接在两条总线上的一条上时的底盘控制装置或车身控制装置的信息通过网关转发给组合仪表CMIC的操作,由此,减轻了车身控制模块BCM作为网关的压力,减少了网络负载,且更加方便将多条总线,如动力总线P-CAN和车身总线I-CAN上挂接的车载设备的信息发送至组合仪表CMIC上进行显示、信息传输实时性强。
举例而言,本申请的具体实施方式包括如下:
1.车机设备或手机启动;
2.用户语音说“小E,帮我预定一张去合肥的高铁票,老时间来回”;
3.车机设备或手机的语音助理:“好的,周六早上7:20出发,周日12点回,行程2小时,上海到合肥来回最快的航空高铁了,价格202,确定吗?”;
4.用户操作确定。
本实施方式可以通过语音唤醒的关键词,使用声纹识别技术等实现用户的身份识别和鉴定,可以通过挖掘用户出行目的地历史的出行时间偏好,优先考虑该时间段,而无需用户再输入时间;还可以优先提示历史出行时间端的出行工具时间;此外,本申请可以通过挖掘用户出行的偏好,比方说高铁票的类型,航班公司,以减少用户输入的次数。
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)
1.一种智能出行规划方法,其特征在于,所述智能出行规划方法包括:
获取用户的业务预订指令;
根据所述业务预订指令获取用户的预订意图;
获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理,以得到符合用户预期的业务预订方案;
提供所述业务预订方案。
2.根据权利要求1所述的智能出行规划方法,其特征在于,所述获取用户的历史数据信息,根据所述历史数据信息对所述预订意图进行智能处理的步骤,具体包括:
采集用户的历史数据信息生成标记文件;
根据所述标记文件和局部回归神经网络的输入与输出生成训练样本;
采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值;
根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。
3.根据权利要求2所述的智能出行规划方法,其特征在于,还包括:在预设的时间间隔更新所述训练样本。
4.根据权利要求2所述的智能出行规划方法,其特征在于,所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括:
解析所述标记文件;
抓取所述标记文件中的训练历史数据信息;
根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。
5.根据权利要求2所述的智能出行规划方法,其特征在于,所述采用差分进化算法训练所述局部回归神经网络,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体包括:
判断内容分发网络服务器是否可用;
在所述内容分发网络服务器可用的情况下,向所述内容分发网络服务器发送所述训练样本,其中,所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值;在所述内容分发网络服务器不可用的情况下,由设备自身根据所述训练样本,采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。
6.根据权利要求5所述的智能出行规划方法,其特征在于,所述采用差分进化算法,根据所述训练样本生成所述局部回归神经网络的权值和阈值,具体包括:
所述局部回归神经网络根据所述训练样本初始化种群及算法参数;
确定适应度函数,根据所述种群的个体及算法参数得到不同的网络结构,根据适应度函数值评价网络性能;
依次进行变异操作、交叉操作、选择操作生成新种群,将所述新种群中的每个个体进行解码变为权值和阈值,构成神经网络,直接计算对应网络的输出误差作为所述新种群中的个体的适应度值;
在所述适应度值达到了最大进化代数时,将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。
7.根据权利要求1-6任一项所述的智能出行规划方法,其特征在于,所述用户的历史数据信息至少包括以下之一:用户的出行次数、出行工具选择、出行时间段选择和总费用;所述训练样本,至少包括以下之一:出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。
8.根据权利要求1-6任一项所述的智能出行规划方法,其特征在于,所述获取用户的业务预订指令的步骤,具体包括:
获取用户语音输入的业务预订指令;
通过声纹识别技术进行身份识别和鉴权验证;
在声纹识别技术进行身份识别和鉴权验证通过后,采用语义识别技术识别得到所述业务预订指令。
9.一种智能出行规划装置,其特征在于,所述智能出行规划装置包括存储器和处理器,所述存储器存储有智能出行规划程序,所述处理器用于执行智能出行规划程序,以实现包括如权利要求1-8中任一项所述的智能出行规划方法的步骤。
10.一种智能交通工具,其特征在于,所述智能交通工具配置有如权利要求9所述的智能出行规划装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255108.4A CN111144596A (zh) | 2019-12-10 | 2019-12-10 | 智能交通工具、智能出行规划装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255108.4A CN111144596A (zh) | 2019-12-10 | 2019-12-10 | 智能交通工具、智能出行规划装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144596A true CN111144596A (zh) | 2020-05-12 |
Family
ID=70517846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911255108.4A Pending CN111144596A (zh) | 2019-12-10 | 2019-12-10 | 智能交通工具、智能出行规划装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144596A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326984A (zh) * | 2016-08-09 | 2017-01-11 | 北京京东尚科信息技术有限公司 | 用户意图识别方法和装置、自动应答系统 |
CN108399526A (zh) * | 2018-01-31 | 2018-08-14 | 上海思愚智能科技有限公司 | 日程安排提醒方法和装置 |
CN109916423A (zh) * | 2017-12-12 | 2019-06-21 | 上海博泰悦臻网络技术服务有限公司 | 智能导航设备及其路线规划方法、及无人驾驶车辆 |
CN110263139A (zh) * | 2019-06-10 | 2019-09-20 | 湖北亿咖通科技有限公司 | 车辆、车机设备及其基于神经网络的文本意图识别方法 |
-
2019
- 2019-12-10 CN CN201911255108.4A patent/CN111144596A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326984A (zh) * | 2016-08-09 | 2017-01-11 | 北京京东尚科信息技术有限公司 | 用户意图识别方法和装置、自动应答系统 |
CN109916423A (zh) * | 2017-12-12 | 2019-06-21 | 上海博泰悦臻网络技术服务有限公司 | 智能导航设备及其路线规划方法、及无人驾驶车辆 |
CN108399526A (zh) * | 2018-01-31 | 2018-08-14 | 上海思愚智能科技有限公司 | 日程安排提醒方法和装置 |
CN110263139A (zh) * | 2019-06-10 | 2019-09-20 | 湖北亿咖通科技有限公司 | 车辆、车机设备及其基于神经网络的文本意图识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110798658A (zh) | 远程挪车控制方法、移动终端及车辆 | |
CN110971567A (zh) | 车辆、云服务器、车机设备、媒介器件及数据整合方法 | |
CN108923808A (zh) | 车辆及其车载终端和语音交互模式主动触发方法 | |
CN110576808B (zh) | 车辆、车机设备及其基于人工智能的场景信息推送方法 | |
CN110956715A (zh) | 行车记录方法、行车记录系统、云端服务器及车辆 | |
CN108833589B (zh) | 车辆、车机设备及其车机设备导航数据同步方法 | |
CN111200720A (zh) | 车联网平台、车辆远程视频监控方法及系统 | |
CN110654331A (zh) | 车辆、车机设备及其车载助手交互方法 | |
CN111311939A (zh) | 车辆、车机设备及其红绿灯信息地图显示方法 | |
CN110793537A (zh) | 一种导航路径推荐方法、车机及车辆 | |
CN110954117A (zh) | 车辆及其导航行程服务推送方法、云服务器 | |
CN110853384A (zh) | 车辆及其基于5g技术的红绿灯车速匹配优化系统、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 | |
CN111291275A (zh) | 车辆、车机设备及其基于实况的出游方案推荐方法 | |
CN112017459A (zh) | 车辆、车机设备及其信号灯识别的驾驶辅助方法 | |
CN111047292A (zh) | 智能交通工具、智能设备及智能出行提醒方法 | |
CN111311943A (zh) | 车辆、车机设备及其信号灯车速优化方法 | |
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 | |
CN110971745A (zh) | 车辆、车载支架及其手持终端语音控制模式触发方法 | |
CN110969890A (zh) | 车辆、车机设备及其在线式地图智能构造方法、云服务器 | |
CN111284325B (zh) | 车辆、车机设备及其车辆沿途对象详尽信息显示方法 | |
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 | |
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 | |
CN112085963B (zh) | 车辆、停车管理设备及其停车场推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Ying Zhenkai Inventor before: Ying Yilun |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 208, building 4, 1411 Yecheng Road, Jiading District, Shanghai, 201821 Applicant after: Botai vehicle networking technology (Shanghai) Co.,Ltd. Address before: Room 208, building 4, 1411 Yecheng Road, Jiading District, Shanghai, 201821 Applicant before: SHANGHAI PATEO ELECTRONIC EQUIPMENT MANUFACTURING Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |