CN111860928B - 一种行车规划的制定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及交通技术领域，尤其涉及一种行车规划的制定方法、装置、电子设备及存储介质。本申请通过获取的目标司机的目标属性数据，可以确定与目标属性数据对应的候选主题，并通过将获取的目标司机的历史行车轨迹数据、目标属性数据和候选主题输入训练好的司机主题模型中，可以确定出目标司机与候选主题之间相匹配的概率，进而，根据目标司机与候选主题之间相匹配的概率，可以为目标司机制定行车规划方案。基于上述方式，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

Description

一种行车规划的制定方法、装置、电子设备及存储介质

技术领域

本申请涉及交通技术领域，尤其涉及一种行车规划的制定方法、装置、电子设备及存储介质。

背景技术

顺应互联网技术发展和智能手机普及的时代潮流，网约车应运而生，网约车，即网络预约出租汽车经营服务的简称，是指以互联网技术为依托构建服务平台，接入符合条件的车辆和驾驶员，通过整合供需信息，提供非巡游的预约出租汽车服务的经营活动。网约车的出现，通过利用闲置的私家车，优化了社会资源配置，为居民出行提供了新的方式选择，增加了居民出行便利性。

随着网约车各项业务的不断成熟，对网约车的服务提出了新的要求，比如，对路径规划、预测行程时间均有所需求，但是，如何通过大数据准确地制定行车规划是目前亟待解决的技术问题。

发明内容

有鉴于此，本申请实施例至少提供一种行车规划的制定方法、装置、电子设备及存储介质，可以准确地为目标司机制定行车规划方案。

本申请主要包括以下几个方面：

第一方面，本申请实施例提供一种行车规划的制定方法，所述制定方法包括：

获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据；

确定与所述目标属性数据对应的候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题；

将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率；

根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

在一种可能的实施方式中，所述确定与所述目标属性数据对应的候选主题，包括：

获取预先定义的多个司机主题；所述司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题；

从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，根据以下方式中的至少一种方式定义所述多个司机主题：

根据所述多个司机的司机标签，定义所述多个司机主题；

根据所述多个司机对应的终端设备上安装的导航应用程序，定义所述多个司机主题；

根据所述多个司机的属性数据，定义所述多个司机主题。

在一种可能的实施方式中，所述从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题，包括：

获取预先定义的所述多个司机主题分别对应的至少一个属性数据，以及各个属性数据分别在对应的司机主题中的权重；

根据各个属性数据分别在对应的司机主题中的权重，从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，所述根据各个属性数据分别在对应的司机主题中的权重，从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题，包括：

根据各个属性数据分别在对应的司机主题中的权重，以及所述目标属性数据，计算所述目标司机与所述多个司机主题中每个司机主题之间的匹配分值；

从所述多个司机主题中，筛选出所述匹配分值大于或等于预设阈值的司机主题，并将该司机主题确定为与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，所述目标属性数据包括以下数据中的至少一种：

乘客对所述目标司机的评价、所述目标司机使用的终端设备的系统类型、所述目标司机使用的终端设备的安装数据和启动数据、所述目标司机关联的车辆的注册属性信息、所述目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间。

在一种可能的实施方式中，所述制定方法还包括根据以下步骤训练所述司机主题模型：

获取出行服务平台中多个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题和每个司机属于的司机主题的主题标签；

根据所述多个司机的历史行车轨迹数据、属性数据和预先定义的多个司机主题和每个司机属于的司机主题的主题标签，对所述司机主题模型进行训练。

在一种可能的实施方式中，所述候选主题为多个；所述根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划，包括：

按照概率由高到低的顺序对多个候选主题进行排序，筛选出排在前面的预设数量的候选主题，并将筛选出的候选主题确定为与所述目标司机相匹配的目标主题；

根据与所述目标司机相匹配的目标主题，为所述目标司机制定行车规划。

在一种可能的实施方式中，所述候选主题为多个；所述根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案，包括：

根据所述目标司机与所述候选主题之间相匹配的概率，生成所述目标司机的主题云图，并将所述主题云图代替乘客对所述目标司机的评价信息；

根据所述主题云图，为所述目标司机制定行车规划方案。

在一种可能的实施方式中，所述行车规划方案包括以下方案中的至少一种：

行车路径规划方案；接乘客花费时长规划方案。

第二方面，本申请实施例还提供一种行车规划的制定装置，所述制定装置包括：

获取模块，用于获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据；第一确定模块，用于根据所述目标确定与所述目标属性数据对应的候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题；

第二确定模块，用于将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率；

制定模块，用于根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

在一种可能的实施方式中，所述第一确定模块，用于根据以下步骤确定与所述目标属性数据对应的候选主题：

获取预先定义的多个司机主题；所述司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题；

从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，所述制定装置还包括定义模块；所述定义模块，用于根据以下方式中的至少一种方式定义所述多个司机主题：

根据所述多个司机的司机标签，定义所述多个司机主题；

根据所述多个司机对应的终端设备上安装的导航应用程序，定义所述多个司机主题；

根据所述多个司机的属性数据，定义所述多个司机主题。

在一种可能的实施方式中，所述第一确定模块包括：

获取单元，用于获取预先定义的所述多个司机主题分别对应的至少一个属性数据，以及各个属性数据分别在对应的司机主题中的权重；

筛选单元，用于根据各个属性数据分别在对应的司机主题中的权重，从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，所述筛选单元，用于根据以下步骤筛选出与所述目标属性数据对应的所述候选主题：

根据各个属性数据分别在对应的司机主题中的权重，以及所述目标属性数据，计算所述目标司机与所述多个司机主题中每个司机主题之间的匹配分值；

从所述多个司机主题中，筛选出所述匹配分值大于或等于预设阈值的司机主题，并将该司机主题确定为与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，所述目标属性数据包括以下数据中的至少一种：

乘客对所述目标司机的评价、所述目标司机使用的终端设备的系统类型、所述目标司机使用的终端设备的安装数据和启动数据、所述目标司机关联的车辆的注册属性信息、所述目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间。

在一种可能的实施方式中，所述制定装置还包括训练模块；所述训练模块，用于根据以下步骤训练所述司机主题模型：

获取出行服务平台中多个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题和每个司机属于的司机主题的主题标签；

根据所述多个司机的历史行车轨迹数据、属性数据和预先定义的多个司机主题和每个司机属于的司机主题的主题标签，对所述司机主题模型进行训练。

在一种可能的实施方式中，所述候选主题为多个；所述制定模块包括：

确定单元，用于按照概率由高到低的顺序对多个候选主题进行排序，筛选出排在前面的预设数量的候选主题，并将筛选出的候选主题确定为与所述目标司机相匹配的目标主题；

第一制定单元，用于根据与所述目标司机相匹配的目标主题，为所述目标司机制定行车规划。

在一种可能的实施方式中，所述候选主题为多个；所述制定模块还包括：

生成单元，用于根据所述目标司机与所述候选主题之间相匹配的概率，生成所述目标司机的主题云图，并将所述主题云图代替乘客对所述目标司机的评价信息；

第二制定单元，用于根据所述主题云图，为所述目标司机制定行车规划方案。

在一种可能的实施方式中，所述行车规划方案包括以下方案中的至少一种：

行车路径规划方案；接乘客花费时长规划方案。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的行车规划的制定方法的步骤。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的行车规划的制定方法的步骤。

本申请实施例中，通过获取的目标司机的目标属性数据，可以确定与目标属性数据对应的候选主题，并通过将获取的目标司机的历史行车轨迹数据、目标属性数据和候选主题输入训练好的司机主题模型中，可以确定出目标司机与候选主题之间相匹配的概率，进而，根据目标司机与候选主题之间相匹配的概率，可以为目标司机制定行车规划方案。基于上述方式，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种行车规划的制定方法的流程图；

图2示出了本申请实施例所提供的另一种行车规划的制定方法的流程图；

图3示出了本申请实施例所提供的一种行车规划的制定装置的功能模块图之一；

图4示出了本申请实施例所提供的一种行车规划的制定装置的功能模块图之二；

图5示出了图4中的第一确定模块的功能模块图；

图6示出了图4中的一种制定模块的功能模块图；

图7示出了图4中的另一种制定模块的功能模块图；

图8示出了本申请实施例所提供的一种电子设备的结构示意图。

主要元件符号说明：

图中：300-行车规划的制定装置；310-获取模块；320-第一确定模块；322-获取单元；324-筛选单元；330-第二确定模块；340-制定模块；342-确定单元；344-第一制定单元；346-生成单元；348-第二制定单元；350-定义模块；360-训练模块；800-电子设备；810-处理器；820-存储器；830-总线。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本申请保护的范围。

为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“行车规划”，给出以下实施方式，对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。

本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行行车规划的场景，本申请实施例并不对具体的应用场景作限制，任何使用本申请实施例提供的行车规划的制定方法及装置的方案均在本申请保护范围内。

值得注意的是，在本申请提出之前，随着网约车各项业务的不断成熟，对网约车的服务提出了新的要求，比如，对路径规划、预测行程时间均有所需求，但是，目前制定的行车规划没有考虑到司机的行车习惯，因而，无法针对各个司机制定更符合该司机需求的行车规划，导致制定的行车规划准确率不高。

针对上述问题，本申请实施例，通过获取的目标司机的目标属性数据，可以确定与目标属性数据对应的候选主题，并通过将获取的目标司机的历史行车轨迹数据、目标属性数据和候选主题输入训练好的司机主题模型中，可以确定出目标司机与候选主题之间相匹配的概率，进而，根据目标司机与候选主题之间相匹配的概率，可以为目标司机制定行车规划方案。基于上述方式，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

需要说明的是，主题模型是针对文本隐含主题的建模方法，其中，主题就是一个概念、一个方面，它表现为一系列相关的词，这些相关的词能够代表这个主题，进而，主题可以理解为词汇表上词语的条件概率分布，与主题密切相关的词，条件概率越大，在给定主题情况下词语的出现的概率是多少，可以刻画词语和主题的相关程度，因此，主题模型是利用大量已知的词语-文档信息，训练出来主题-文档以及词语-主题。

为便于对本申请进行理解，下面结合具体实施例对本申请提供的技术方案进行详细说明。

如图1所示，执行行车规划的制定方法的设备可以是与用户端进行交互的云平台或服务器。下面从执行主体为服务器的角度，对本申请实施例所提供的行车规划的制定方法加以说明。本申请实施例所提供的一种行车规划的制定方法的流程图，包括以下步骤：

S101：获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据。

在具体实施中，在为目标司机制定行车规划之前，需要先获取目标司机的历史行车轨迹数据和目标属性数据，这里，目标司机的历史行车轨迹数据可以是过去时间段内，目标司机驾驶车辆在各个区域内所行驶的轨迹数据，比如，过去6个月在北京地区所有的行车轨迹数据，行车轨迹数据包括出行订单中的起点到终点之间的轨迹数据和定位监测到的轨迹数据，轨迹数据除了包含线路，还可以包括轨迹发生的时间；目标司机的目标属性数据为可以反映出目标司机行车习惯、行车特征的数据，即目标属性数据为表征目标司机的驾驶行为特征的数据。

进一步地，目标属性数据包括以下数据中的至少一种：乘客对所述目标司机的评价、所述目标司机使用的终端设备的系统类型、所述目标司机使用的终端设备的安装数据和启动数据、所述目标司机关联的车辆的注册属性信息、所述目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间。

在具体实施中，目标司机的目标属性数据为可以表征目标司机的驾驶行为特征的数据，目标属性数据可以是乘客对目标司机的评价，比如，乘客评价司机开车较为狂野；目标属性数据可以是目标司机使用的终端设备的系统类型，比如，安卓系统，这里，不同系统类型的终端设备所能安装的应用程序会有所不同，应用程序比如导航应用，不同导航应用给出的行车路线会有所不同；目标属性数据可以是目标司机使用的终端设备的安装数据和启动数据，安装数据可以为终端设备上安装的应用程序的信息，比如导航应用，启动数据可以为终端设备上启动过的应用程序的数据，这样，可以知晓目标司机习惯用的与行车有关的应用程序的信息；目标属性数据可以是目标司机关联的车辆的注册属性信息，注册属性信息可以为车辆的车型、类别等；目标属性数据可以是目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间，线路比如为辅路，可以反映出目标司机的习惯行车路线和习惯行车速度。

S102：确定与所述目标属性数据对应的候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题。

在具体实施中，可以根据目标司机对应的目标属性数据，初步确定出目标司机可能匹配的候选主题，这里，目标属性数据可以为一种或多种属性数据，其中，每个候选主题可以对应有多种属性数据，该多种属性数据可以表征出该候选主题。

需要说明的是，在自然语言理解中，每个主题中可以包含多个单词，如，一篇文章的主题为“体育”，主题“体育”中可以包含单词“打球”、“跑步”等。相应地，对于本申请，在“司机”领域中，每个主题可以包含多个属性数据，根据这些属性数据可以推断出相应的主题，例如，主题“司机开车较为狂野”，该主题下的属性数据可以是乘客对司机的评价，或者司机本身驾驶时加速较多等。

S103：将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率。

在具体实施中，在获取到目标司机的历史行车轨迹数据、目标属性数据，以及初步确定出目标司机可能属于的至少一个候选主题后，可以将目标司机的历史行车轨迹数据、目标属性数据和候选主题一同输入训练好的司机主题模型中，可以确定出目标司机与各个候选主题之间相匹配的概率，比如，司机主题模型的输出为司机爱走辅路的概率为80％。

这里，通过司机主题模型可以确定出目标司机与各个候选主题之间相匹配的概率，进而，可以知晓目标司机的行车习惯，下面对司机主题模型的训练过程进行说明，具体地，根据以下步骤训练司机主题模型：

步骤a1：获取出行服务平台中多个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题和每个司机属于的司机主题的主题标签。

在具体实施中，可以获取出行服务平台中各个司机的历史行车轨迹数据、属性数据、预先定义的司机主题，以及每个司机属于的司机主题的主题标签。这里，可以预先定义多个“司机领域”相关的司机主题，司机主题比如“熟悉路线”，可以根据每个司机对应的历史行车轨迹数据、属性数据以及预先定义的多个司机主题，预先人工对每个司机添加主题标签，比如，为一个司机添加“喜欢走辅路的标签”。

步骤a2：根据所述多个司机的历史行车轨迹数据、属性数据和预先定义的多个司机主题和每个司机属于的司机主题的主题标签，对所述司机主题模型进行训练。

在具体实施中，在获取到出行服务平台中各个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题之后，将各个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题作为训练数据，将每个司机属于的司机主题的主题标签作为校验数据，来对初始的司机主题模型进行训练，根据输出的每个司机属于的司机主题的概率的准确度，不断调整初始的司机主题模型中的参数，进而，得到训练好的司机主题模型。

S104：根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

在具体实施中，在确定出目标司机与各个候选主题之间相匹配的概率后，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案，比如，目标司机与候选主题“喜欢走小路”之间相匹配的概率为90％，则在为目标司机制定行车规划方案时，可以推荐给目标司机带有辅路多的行车线路；比如，目标司机与候选主题“对地点A很熟”之间相匹配的概率为95％，则在为目标司机制定行车规划方案时，当有乘客想要去地点A时，首选将目标司机推荐给该乘客。

进一步地，目标司机可能与多个候选主题相匹配，类似于目标司机有多个标签，但目标司机与每个候选主题之间相匹配的概率会有所不同，目标司机与一个候选主题之间相匹配的概率很高，目标司机与另一个候选主题之间相匹配的概率很低，因而，不同候选主题反映出目标司机的行车习惯的程度是有所不同的，因此，需要根据概率对候选主题进行排序，以便更好地确定目标司机的行车习惯，进而，准确地为目标司机制定行车规划方案。也即，步骤S104中根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案，包括以下步骤：

步骤b1：按照概率由高到低的顺序对多个候选主题进行排序，筛选出排在前面的预设数量的候选主题，并将筛选出的候选主题确定为与所述目标司机相匹配的目标主题。

在具体实施中，在确定出目标司机与多个候选主题之间相匹配的概率之后，可以按照概率由高到低的顺序对多个候选主题进行排序，并筛选出排在前面的预设数量的候选主题，并将筛选出的候选主题确定为目标司机对应的目标主题。这里，预设数量可以根据实际需要进行设置。

一示例中，目标司机与候选主题1之间相匹配的概率为90％、目标司机与候选主题2的之间相匹配概率为30％、目标司机与候选主题3之间相匹配的概率为70％，各个候选主题的排序为候选主题1、候选主题3、候选主题2，若预设数量为2，则只将排在前2位的候选主题1和候选主题3作为目标司机匹配的目标主题。

需要说明的是，也可以将概率大于或等于预设阈值的候选主题，确定为目标司机匹配的目标主题，这里，预设阈值可以根据实际需要进行设置。

步骤b2：根据与所述目标司机相匹配的目标主题，为所述目标司机制定行车规划。

在具体实施中，可以只根据目标司机匹配的目标主题，为目标司机制定行车规划，可以省去多余的干扰因素，干扰因素比如，那些目标司机对应的概率较低候选主题，从而，可以为目标司机制定更加准确的行车规划。

进一步地，可以根据目标司机与的各个候选主题之间相匹配的概率，生成可以反映目标司机的特征的主题云图，进而，根据主题云图为目标司机制定行车规划方案，也即，候选主题为多个；步骤104中根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案，包括以下步骤：

步骤c1：根据所述目标司机与所述候选主题之间相匹配的概率，生成所述目标司机的主题云图，并将所述主题云图代替乘客对所述目标司机的评价信息。

在具体实施中，可以根据目标司机与候选主题之间相匹配的概率，生成目标司机的主题云图，由于较大概率对应的候选主题更能反映出目标司机的行车习惯，因此，在对主题云图进行展示时，可以将较大概率对应的候选主题用相对大的文字进行展示，将较小概率对应的候选主题用相对大的文字进行展示，以突出较大概率的候选主题，这里，可以将主题云图代替乘客对目标司机的评价信息进行展示，乘客看到该主题云图，可以知晓目标司机的行车习惯。

步骤c2：根据所述主题云图，为所述目标司机制定行车规划方案。

在具体实施中，由于主题云图可以表征出目标司机的特征、行车习惯，故，可以利用主题云图，为目标司机制定行车规划方案。

这里，行车规划方案包括以下方案中的至少一种：行车路径规划方案；接乘客花费时长规划方案。

在具体实施中，行车路径规划方案可以为目标司机在去往一个地点时，根据确定出的目标司机与候选主题之间相匹配的概率，比如，目标司机“喜欢走辅路”的概率为90％，可以为目标司机规划带有辅路较多的线路；接乘客花费时长规划方案可以为目标司机从当前位置去接地点A处的乘客时，根据确定出的目标司机与候选主题之间相匹配的概率，比如，目标司机“开车速度较快”的概率为95％，可以根据路程，确定出比各个司机平均花费时长短的接乘客花费时长。

在本申请实施例中，通过获取的目标司机的目标属性数据，可以确定与目标属性数据对应的候选主题，并通过将获取的目标司机的历史行车轨迹数据、目标属性数据和候选主题输入训练好的司机主题模型中，可以确定出目标司机与候选主题之间相匹配的概率，进而，根据目标司机与候选主题之间相匹配的概率，可以为目标司机制定行车规划方案。基于上述方式，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

如图2所示，执行行车规划的制定方法的设备可以是与用户端进行交互的云平台或服务器。下面从执行主体为服务器的角度，对本申请实施例所提供的行车规划的制定方法加以说明。本申请实施例所提供的另一种行车规划的制定方法的流程图，包括以下步骤：

S201：获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据。

S202：获取预先定义的多个司机主题；所述司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题。

在具体实施中，可以先获取事先已经预先定义的多个司机主题，这里，司机主题是与出行服务平台中多个司机的安全驾驶相关的主题。

这里，可以将司机主题定义为司机使用的导航软件为软件A、司机使用的导航软件为软件B、司机喜欢走辅路、司机偶尔逆行等。

进一步地，可以预先定义多个与司机驾驶、行车安全等方面的司机主题，即司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题，从而可以应用于与司机相关的各个场景，具体地，可以根据以下方式中的至少一种方式定义多个司机主题：

方式一：根据所述多个司机的司机标签，定义所述多个司机主题。

在具体实施中，可以从出行服务平台中获取多个司机的司机标签，进而，通过这些司机标签，来定义多个司机主题，这里，获取的司机标签可以为与驾驶行为相关的标签，比如，标签“驾驶平稳”、标签“活地图”、标签“绕路”等，将这些司机标签作为司机的司机主题。

需要说明的是，司机标签是出行服务平台根据乘客对司机的评价、司机自身的驾驶行为生成的标签，司机标签可以从出行服务平台直接获取。

方式二：根据所述多个司机对应的终端设备上安装的导航应用程序，定义所述多个司机主题。

在具体实施中，可以获取各个司机对应的终端设备上安装的导航应用程序，来定义多个司机主题，导航应用程序可以为与驾驶、安全、风格等相关的APP，并将其定义为司机主题。

方式三：根据所述多个司机的属性数据，定义所述多个司机主题。

在具体实施中，各个司机的多个属性数据可以推测出司机主题，进而，根据各个司机的属性数据，可以定义出多个司机主题，属性数据，比如预计达到时间比平均达到时间块10％、喜欢走小路、对地点A很熟。

S203：从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在具体实施中，每个司机对应的司机主题可能相同，也可能不同，通常，一个司机只对应有多个司机主题中的几个司机主题，因此，可以根据目标司机的目标属性数据，从多个司机主题中，筛选出与目标司机匹配的候选主题，即，对多个司机主题进行筛选，这里，与目标司机匹配的候选主题的数量可以为一个或多个。

进一步地，步骤S203中从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题，包括以下步骤：

步骤d1：获取预先定义的所述多个司机主题分别对应的至少一个属性数据，以及各个属性数据分别在对应的司机主题中的权重。

在具体实施中，每个司机主题会对应有至少一个属性数据，就比如，主题“体育”对应词语“篮球”、“长跑”、“跳高”，但从有的属性数据可以直接推断出对应的司机主题，而有的属性数据则不能直接推断出对应的司机主题，因为，不同属性数据在对应的司机主题中的权重是有所不同的，比如，属性数据“西装”，可以推断出司机主题“男性”，而属性数据“帽子”，无法推断出司机主题“男性”。

步骤d2：根据各个属性数据分别在对应的司机主题中的权重，从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在具体实施中，目标属性数据的数量可以为一个或多个，一个司机主题由至少一个属性数据进行表征，这样，通过目标属性数据在对应的司机主题中的权重，可以从多个司机主题中，筛选出与目标属性数据匹配的候选主题，即筛选出与目标司机匹配的候选主题。

进一步地，步骤d2中根据各个属性数据分别在对应的司机主题中的权重，从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题，包括以下步骤：

步骤d21：根据各个属性数据分别在对应的司机主题中的权重，以及所述目标属性数据，计算所述目标司机与所述多个司机主题中每个司机主题之间的匹配分值。

在具体实施中，可以根据至少一个目标属性数据分别在对应的司机主题中的权重，来计算目标司机与多个司机主题中每个司机主题之间的匹配分值。

一示例中，司机主题有2个，包括司机主题A、司机主题B；目标属性数据有3个，包括目标属性数据1、目标属性数据2、目标属性数据3，其中，司机主题A对应目标属性数据1的权重为0.8、目标属性数据2的权重为0、目标属性数据3的权重为0.2，司机主题B对应目标属性数据1的权重为0、目标属性数据2的权重为0、目标属性数据3的权重为0.2，则，目标司机与司机主题A的匹配分值为0.8*a+0.2*c，目标司机与司机主题B的匹配分值为0.2*c，则目标司机与司机主题A之间的匹配分值较高。

步骤d22：从所述多个司机主题中，筛选出所述匹配分值大于或等于预设阈值的司机主题，并将该司机主题确定为与所述目标属性数据对应的所述候选主题。

在具体实施中，在得到目标司机分别与多个司机主题之间的匹配分值后，可以从多个司机主题中，筛选出匹配分值大于或等于预设阈值的司机主题，并将该司机主题确定为与目标属性数据匹配的候选主题。

S204：将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率。

S205：根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

其中，步骤S201、S204、S205的描述可以参见步骤S101、S103、S104的描述，并且可以到达同样的技术效果，在此，不再进行赘述。

基于同一申请构思，本申请实施例中还提供了与上述实施例提供的行车规划的制定方法对应的行车规划的制定装置，由于本申请实施例中的装置解决问题的原理与本申请上述实施例的行车规划的制定方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

如图3至图7所示，图3示出了本申请实施例所提供的一种行车规划的制定装置300的功能模块图之一；图4示出了本申请实施例所提供的一种行车规划的制定装置300的功能模块图之二；图5示出了图3中的第一确定模块320的功能模块图；图6示出了图3中的一种制定模块340的功能模块图；图7示出了图3中的另一种制定模块340的功能模块图。

如图3所示，行车规划的制定装置300包括：

获取模块310，用于获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据；

第一确定模块320，用于根据所述目标属性数据，确定与所述目标属性数据对应的候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题；

第二确定模块330，用于将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率；

制定模块340，用于根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

在一种可能的实施方式中，如图3所示，所述第一确定模块320，用于根据以下步骤确定与所述目标属性数据对应的候选主题：

获取预先定义的多个司机主题；所述司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题；

从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，如图4所示，行车规划的制定装置300还包括定义模块350；所述定义模块350，用于根据以下方式中的至少一种方式定义所述多个司机主题：

根据所述多个司机的司机标签，定义所述多个司机主题；

根据所述多个司机对应的终端设备上安装的导航应用程序，定义所述多个司机主题；

根据所述多个司机的属性数据，定义所述多个司机主题。

在一种可能的实施方式中，如图5所示，所述第一确定模块320包括：

获取单元322，用于获取预先定义的所述多个司机主题分别对应的至少一个属性数据，以及各个属性数据分别在对应的司机主题中的权重；

筛选单元324，用于根据各个属性数据分别在对应的司机主题中的权重，从所述多个司机主题中，筛选出与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，如图5所示，所述筛选单元324，用于根据以下步骤筛选出与所述目标属性数据对应的所述候选主题：

根据各个属性数据分别在对应的司机主题中的权重，以及所述目标属性数据，计算所述目标司机与所述多个司机主题中每个司机主题之间的匹配分值；

从所述多个司机主题中，筛选出所述匹配分值大于或等于预设阈值的司机主题，并将该司机主题确定为与所述目标属性数据对应的所述候选主题。

在一种可能的实施方式中，所述目标属性数据包括以下数据中的至少一种：

乘客对所述目标司机的评价、所述目标司机使用的终端设备的系统类型、所述目标司机使用的终端设备的安装数据和启动数据、所述目标司机关联的车辆的注册属性信息、所述目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间。

在一种可能的实施方式中，如图4所示，行车规划的制定装置300还包括训练模块360；所述训练模块360，用于根据以下步骤训练所述司机主题模型：

获取出行服务平台中多个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题和每个司机属于的司机主题的主题标签；

根据所述多个司机的历史行车轨迹数据、属性数据和预先定义的多个司机主题和每个司机属于的司机主题的主题标签，对所述司机主题模型进行训练。

在一种可能的实施方式中，如图6所示，所述候选主题为多个；一种制定模块340包括：

确定单元342，用于按照概率由高到低的顺序对多个候选主题进行排序，筛选出排在前面的预设数量的候选主题，并将筛选出的候选主题确定为与所述目标司机相匹配的目标主题；

第一制定单元344，用于根据与所述目标司机相匹配的目标主题，为所述目标司机制定行车规划。

在一种可能的实施方式中，如图7所示，另一种制定模块340包括：

生成单元346，用于根据所述目标司机与所述候选主题之间相匹配的概率，生成所述目标司机的主题云图，并将所述主题云图代替乘客对所述目标司机的评价信息；

第二制定单元348，用于根据所述主题云图，为所述目标司机制定行车规划方案。

在一种可能的实施方式中，所述行车规划方案包括以下方案中的至少一种：

行车路径规划方案；接乘客花费时长规划方案。

在本申请实施例中，通过获取模块310获取的目标司机的目标属性数据，可以通过第一确定模块320确定与目标属性数据对应的候选主题，并通过将获取的目标司机的行车轨迹数据、目标属性数据和候选主题输入训练好的司机主题模型中，可以通过第二确定模块330确定出目标司机与候选主题之间相匹配的概率，进而，根据目标司机与候选主题之间相匹配的概率，可以通过制定模块340为目标司机制定行车规划方案。基于上述方式，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

基于同一申请构思，参见图8所示，为本申请实施例提供的一种电子设备800的结构示意图，包括：处理器810、存储器820和总线830，所述存储器820存储有所述处理器810可执行的机器可读指令，当电子设备800运行时，所述处理器810与所述存储器820之间通过所述总线830进行通信，所述机器可读指令被所述处理器810运行时执行如上述实施例中任一所述的行车规划的制定方法的步骤。

具体地，所述机器可读指令被所述处理器810执行时可以执行如下处理：

获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据；

根据所述目标属性数据，确定与所述目标属性数据对应的候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题；

将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率；

根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

在本申请实施例中，通过获取的目标司机的目标属性数据，可以确定与目标属性数据对应的候选主题，并通过将获取的目标司机的历史行车轨迹数据、目标属性数据和候选主题输入训练好的司机主题模型中，可以确定出目标司机与候选主题之间相匹配的概率，进而，根据目标司机与候选主题之间相匹配的概率，可以为目标司机制定行车规划方案。基于上述方式，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

基于同一申请构思，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提供的行车规划的制定方法的步骤。

具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述行车规划的制定方法，通过确定目标司机匹配的主题，可以知晓目标司机的行车习惯，进而，可以准确地为目标司机制定行车规划方案。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种行车规划的制定方法，其特征在于，所述制定方法包括：

获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据，包括乘客对所述目标司机的评价、所述目标司机使用的终端设备的系统类型、所述目标司机使用的终端设备的安装数据和启动数据、所述目标司机关联的车辆的注册属性信息、所述目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间中的至少一种；

确定与所述目标属性数据对应的候选主题，包括：

获取预先定义的多个司机主题和分别对应的至少一个属性数据，以及各个所述属性数据分别在对应的司机主题中的权重；所述司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题；

根据所述各个所述属性数据分别在对应的司机主题中的权重，以及所述目标属性数据，计算所述目标司机与所述多个司机主题中每个司机主题之间的匹配分值；

将所述匹配分值大于或等于预设阈值的司机主题确定为与所述目标属性数据对应的所述候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题；

将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率；

根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

2.根据权利要求1所述的制定方法，其特征在于，根据以下方式中的至少一种方式定义所述多个司机主题：

根据所述多个司机的司机标签，定义所述多个司机主题；

根据所述多个司机对应的终端设备上安装的导航应用程序，定义所述多个司机主题；

根据所述多个司机的属性数据，定义所述多个司机主题。

3.根据权利要求1所述的制定方法，其特征在于，所述制定方法还包括根据以下步骤训练所述司机主题模型：

获取出行服务平台中多个司机的历史行车轨迹数据、属性数据、预先定义的多个司机主题和每个司机属于的司机主题的主题标签；

根据所述多个司机的历史行车轨迹数据、属性数据和预先定义的多个司机主题和每个司机属于的司机主题的主题标签，对所述司机主题模型进行训练。

4.根据权利要求1所述的制定方法，其特征在于，所述候选主题为多个；根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划，包括：

按照概率由高到低的顺序对多个候选主题进行排序，筛选出排在前面的预设数量的候选主题，并将筛选出的候选主题确定为与所述目标司机相匹配的目标主题；根据与所述目标司机相匹配的目标主题，为所述目标司机制定行车规划。

5.根据权利要求1所述的制定方法，其特征在于，所述候选主题为多个；所述根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案，包括：

根据所述目标司机与所述候选主题之间相匹配的概率，生成所述目标司机的主题云图，并将所述主题云图代替乘客对所述目标司机的评价信息；

根据所述主题云图，为所述目标司机制定行车规划方案。

6.根据权利要求1所述的制定方法，其特征在于，所述行车规划方案包括以下方案中的至少一种：

行车路径规划方案；接乘客花费时长规划方案。

7.一种行车规划的制定装置，其特征在于，所述制定装置包括：

获取模块，用于获取目标司机的历史行车轨迹数据和目标属性数据；所述目标属性数据为表征所述目标司机的驾驶行为特征的数据，包括乘客对所述目标司机的评价、所述目标司机使用的终端设备的系统类型、所述目标司机使用的终端设备的安装数据和启动数据、所述目标司机关联的车辆的注册属性信息、所述目标司机在给定起点、终点和接乘时长的情况下选择的线路和使用的时间中的至少一种；

第一确定模块，用于确定与所述目标属性数据对应的候选主题，包括：

获取预先定义的多个司机主题和分别对应的至少一个属性数据，以及各个所述属性数据分别在对应的司机主题中的权重；所述司机主题为表征出行服务平台中多个司机的安全驾驶相关的主题；

根据所述各个所述属性数据分别在对应的司机主题中的权重，以及所述目标属性数据，计算所述目标司机与所述多个司机主题中每个司机主题之间的匹配分值；

将所述匹配分值大于或等于预设阈值的司机主题确定为与所述目标属性数据对应的所述候选主题；所述候选主题为与所述目标司机的安全驾驶相关的主题；

第二确定模块，用于将所述历史行车轨迹数据、所述目标属性数据和所述候选主题输入训练好的司机主题模型中，确定出所述目标司机与所述候选主题之间相匹配的概率；

制定模块，用于根据所述目标司机与所述候选主题之间相匹配的概率，为所述目标司机制定行车规划方案。

8.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的行车规划的制定方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的行车规划的制定方法的步骤。