CN112256983B - 导航信息处理方法、装置、电子设备及存储介质 - Google Patents
导航信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112256983B CN112256983B CN202011273139.5A CN202011273139A CN112256983B CN 112256983 B CN112256983 B CN 112256983B CN 202011273139 A CN202011273139 A CN 202011273139A CN 112256983 B CN112256983 B CN 112256983B
- Authority
- CN
- China
- Prior art keywords
- starting point
- navigation
- historical
- road
- determining
- 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.)
- Active
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
- G06F16/90—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
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请实施例提供了一种导航信息处理方法、装置、电子设备及存储介质,涉及云技术、大数据、电子地图技术领域。该方法包括:获取用户的导航请求,导航请求包括当前导航起点位置;若存在用户对应的至少一个个性化道路,则分别确定前导航起点位置和各个性化道路对应的中心点位置的距离;若各距离中存在小于设定距离的目标距离,则将目标距离对应的个性化道路确定为导航请求对应的导航起点道路。本申请技术方案,将根据用户的各历史导航信息所对应的实际起点道路确定的个性化道路,作为导航请求对应的导航起点道路,可以提高导航中确定起点位置的准确性,提升用户使用体验。
Description
技术领域
本申请涉及云技术、大数据、电子地图技术领域,具体而言,本申请涉及一种导航信息处理方法、装置、电子设备及存储介质。
背景技术
随着计算机技术和移动通信技术的迅速发展,基于终端设备的各种应用程序得到了普遍应用,用户可以通过应用程序浏览新闻、娱乐、购物、路线导航等,提高了日常生活的便利性和丰富性。
现有技术中,利用导航应用程序进行导航服务时,根据终端设备内置的定位模块获取用户的起点位置,根据起点位置和终点位置的方向确定导航起点道路。然而,若某一用户经常在某个区域出发且出发起点道路相同时,由于不同时间发起导航的起点位置不同,每一次的导航起点道路也会有所不同,从而导致确定的导航起点道路不够准确,影响用户体验。
发明内容
本申请实施例提供了一种导航信息处理方法、装置、电子设备及存储介质,基于该方案,能够有效提高所确定的导航起点道路的准确性。
为实现上述目的,本申请实施例提供的具体技术方案如下:
一方面,本申请实施例提供了一种导航信息处理方法,该方法包括:
获取用户的导航请求,导航请求包括当前导航起点位置;
若存在用户对应的至少一个个性化道路,则分别确定前导航起点位置和各个性化道路对应的中心点位置的距离;
若各距离中存在小于设定距离的目标距离,则将目标距离对应的个性化道路确定为导航请求对应的导航起点道路;
其中,各个性化道路和各个性化道路对应的中心点位置是根据用户的各历史导航信息所对应的实际起点道路确定的。
另一方面,本发明实施例还提供了一种导航信息处理装置,该装置包括:
导航请求获取模块,用于获取用户的导航请求,导航请求包括当前导航起点位置;
导航起点道路确定模块,用于在存在用户对应的至少一个个性化道路的情况下,分别确定当前导航起点位置和各个性化道路对应的中心点位置的距离,以及在各距离中存在小于设定距离的目标距离时,将目标距离对应的个性化道路确定为导航请求对应的导航起点道路;
其中,各个性化道路和各个性化道路对应的中心点位置是根据用户的各历史导航信息所对应的实际起点道路确定的。
本发明实施例还提供了一种电子设备,该电子设备包括一个或多个处理器;存储器;一个或多个计算机程序,其中一个或多个计算机程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序被配置用于执行如本申请的第一方面所示的方法。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质用于存储计算机程序,当计算机程序在处理器上运行时,使得处理器可以执行如本申请的第一方面所示的方法。
本发明实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述导航信息处理方法的各种可选实现方式中提供的方法。
本申请提供的技术方案带来的有益效果是:
本申请提供了一种导航信息处理方法、装置、电子设备及存储介质,获取用户的导航请求,导航请求包括当前导航起点位置;若存在用户对应的至少一个个性化道路,并且当前导航起点位置和各个性化道路对应的中心点位置的距离中存在小于设定距离的目标距离,则将目标距离对应的个性化道路作为导航请求对应的导航起点道路,由于个性化道路是根据用户的各历史导航信息所对应的实际起点道路确定的,因此,将个性化道路作为导航请求对应的导航起点道路,可以提高导航中确定导航起点道路的准确性,提升用户使用体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种导航信息处理方法的流程示意图;
图2为本申请实施例提供的某一用户在某个区域的各历史导航起点位置的聚类情况的示意图;
图3为本申请实施例提供的根据用户A的导航请求确定导航起点道路的示意图;
图4为本申请实施例提供的导航信息处理装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本申请技术方案的执行主体为计算机设备,包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。计算机设备包括用户设备与网络设备。其中,用户设备包括但不限于电脑、智能手机、PAD等;网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或于云计算的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,计算机设备可单独运行来实现本申请,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中,计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
本申请提出一种基于聚类方法的导航起点道路个性化定制方案,使用聚类的方法判断用户是否经常在某些区域发起导航,挖掘用户是否习惯从固定位置出行,制定个性化的导航起点道路制定方案。本申请实施例提供的方案涉及计算机技术中的云技术、大数据、人工智能等领域,具体的,本申请实施例中所涉及的数据处理可以通过云技术,实施例中所涉及的数据计算可以通过云技术中的云计算实现。本申请实施例中所涉及的数据聚类处理可以通过人工智能技术实现。
云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。
作为云计算的基础能力提供商,会建立云计算资源池(简称云平台,一般称为IaaS(Infrastructure as a Service,基础设施即服务)平台,在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作系统)、存储设备、网络设备。
按照逻辑功能划分,在IaaS(Infrastructure as a Service,基础设施即服务)层上可以部署PaaS(Platform as a Service,平台即服务)层,PaaS层之上再部署SaaS(Software as a Service,软件即服务)层,也可以直接将SaaS部署在IaaS上。PaaS为软件运行的平台,如数据库、web容器等。SaaS为各式各样的业务软件,如web门户网站、短信群发器等。一般来说,SaaS和PaaS相对于IaaS是上层。
云计算(cloud computing)指IT基础设施的交付和使用模式,指通过网络以按需、易扩展的方式获得所需资源;广义云计算指服务的交付和使用模式,指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关,也可是其他服务。云计算是网格计算(Grid Computing)、分布式计算(DistributedComputing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(Network StorageTechnologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机和网络技术发展融合的产物。
随着互联网、实时数据流、连接设备多样化的发展,以及搜索服务、社会网络、移动商务和开放协作等需求的推动,云计算迅速发展起来。不同于以往的并行分布式计算,云计算的产生从理念上将推动整个互联网模式、企业管理模式发生革命性的变革。
大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临,大数据也吸引了越来越多的关注,大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。
人工智能云服务,一般也被称作是AIaaS(AI as a Service,中文为“AI即服务”)。这是目前主流的一种人工智能平台的服务方式,具体来说AIaaS平台会把几类常见的AI服务进行拆分,并在云端提供独立或者打包的服务。这种服务模式类似于开了一个AI主题商城:所有的开发者都可以通过API接口的方式来接入使用平台提供的一种或者是多种人工智能服务,部分资深的开发者还可以使用平台提供的AI框架和AI基础设施来部署和运维自已专属的云人工智能服务。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
本申请实施例提供了一种导航信息处理方法,该方法的执行主体可以为任一电子设备,可选的,本申请实施例所提供的方案可以应用于地图领域,如可以应用于具有导航功能的应用程序(如地图类应用程序)中,该方法可以由该应用程序的服务器执行,如图1所示,该方法可以包括:
步骤S101,获取用户的导航请求,导航请求包括当前导航起点位置;
具体的,用户的用户终端安装有导航应用程序,导航应用程序用于根据导航起点位置和导航终点位置规划导航路线。用户终端接收用户发送的导航请求,将导航请求发送至导航应用程序对应的服务器,导航请求中包括当前导航起点位置,导航起点位置可以为用户终端内置的定位模块定位出的用户终端当前所处的位置。其中,定位模块可以包括但不限于全球定位系统(Global Positioning System,GPS)模块、北斗卫星导航系统(BeiDouNavigation Satellite System,BDS)模块等。
步骤S102,若存在用户对应的至少一个个性化道路,则分别确定当前导航起点位置和各个性化道路对应的中心点位置的距离;
其中,个性化道路是根据用户的各历史导航信息所对应的实际起点道路确定的,为实际起点道路中的至少一个,每条个性化道路对应一个中心点位置,该中心点位置为个性化道路对应的历史导航信息的聚类类别的中心位置。
服务器在获取到用户的导航请求后,可以确定发送导航请求的用户终端对应的用户是否存在个性化道路,可选的,可以根据用户终端的终端标识或者用户标识,在预设的个性化道路的数据库中查询是否存在用户对应的至少一个个性化道路。
如果存在用户对应的至少一个个性化道路,则分别计算当前导航起点位置和各个性化道路对应的中心点位置的距离,通过该距离来确定个性化道路是否能够作为导航请求对应的导航起点道路。
步骤S103,若各距离中存在小于设定距离的目标距离,则将目标距离对应的个性化道路确定为导航请求对应的导航起点道路。
若当前导航起点位置和各个性化道路对应的中心点位置的距离存在小于设定距离的目标距离,则说明目标距离对应的个性化道路可能是导航请求对应的实际起点道路,则将该个性化道路确定为导航请求对应的导航起点道路,导航起点道路为道路规划中导航起点使用的道路。其中,设定距离可以根据具体需要进行预配置。例如,设定距离可以为50m。在线上导航服务使用过程中,若存在用户对应的至少一个个性化道路,且导航起点位置距离个性化道路对应的中心点位置的距离存在小于设定距离的目标距离,则将目标距离对应的个性化道路作为导航起点道路,能够提升确定导航起点道路的准确性。
在一种可能的实现方式中,个性化道路是通过以下方式确定的:
获取用户的各历史导航信息,历史导航信息包括历史导航起点位置和导航发起时间;
对各历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置;
对于每一历史导航信息,确定该历史导航信息对应的实际起点道路;
对于每一聚类类别,基于属于该聚类类别的各历史导航起点位置对应的各实际起点道路的出现情况,确定该聚类类别对应的个性化道路,并将该聚类类别的中心点位置确定为该聚类类别的个性化道路对应的中心点位置。
在实际应用中,用户在使用导航应用程序进行导航时,会产生历史导航信息,其中,对于任一历史导航信息,历史导航信息可以包括但不限于历史导航起点位置、导航发起时间、导航终点位置、历史导航道路等相关信息。服务器可以获取预设时间范围内的历史导航信息,将每个用户与对应的历史导航信息关联存储。其中,预设时间范围可以根据具体需要进行设置,例如,可以为距离当前时间3个月内。
在一示例中,服务器以用户为单位查询该用户3个月内的所有历史导航信息进入候选集,每个用户均有一个导航信息候选集。
每个历史导航信息包括一个历史导航起点位置,为了根据用户的历史导航信息,确定用户经常出行的区域,对各历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置。
每一历史导航信息对应一条实际起点道路,也就是说,每个历史导航起点位置对应一条实际起点道路,实际起点道路为本次历史导航用户的起点道路,确定各历史导航信息各自对应的实际起点道路。不同的历史导航起点位置对应的实际起点道路可能相同,也可能不同。
对于每一聚类类别,由于每个聚类类别中包括至少一个历史导航起点位置,每一历史导航起点位置对应一条实际起点道路,则每个聚类类别对应至少一条实际起点道路,从属于该聚类类别的历史导航起点位置对应的各实际起点道路中确定该聚类类别的个性化道路,并将该聚类类别的中心点位置确定为该聚类类别的个性化道路对应的中心点位置。
本公开实施例中,个性化道路是根据用户的各历史导航信息对应的实际起点道路确定的,更加符合用户的使用偏好,能够满足用户的个性化需要。
在一种可能的实现方式中,对各历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置,包括:
对各历史导航起点位置进行聚类,得到各聚类类别;
对于每一聚类类别,确定属于该聚类类别的历史导航起点位置的数量;
将历史导航起点位置的数量小于第一设定值的聚类类别删除;
确定保留的各聚类类别对应的中心点位置。
在实际应用中,在对历史导航起点位置进行聚类时,可以通过基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)进行聚类。DBSCAN可以将数据根据区域密度来划分到各个集合。
在一示例中,聚类的具体过程如下:
1)取一个坐标点,一个坐标点为一个历史导航起点位置。计算坐标点与其他坐标点之间的距离,将所有距离小于区域半径的坐标点聚为一个类别,其中,区域半径可以根据需要进行设置,例如,区域半径可以为100m;
2)依次遍历其他坐标点,按照步骤1)中的方法,计算各坐标点与其他坐标点的距离。若某一坐标点距离某一个类别的距离小于区域半径,则将坐标点加入该类别,直至结束遍历。最终形成m个类别(每个类别为坐标点的集合);
3)分别计算步骤2)中所有类别内坐标点的中心点,共m个中心点。依次计算各类别内坐标点到相应中心点的距离,若距离大于区域半径,则从该类别中丢弃该坐标点,针对丢弃后的类别重新计算中心点,反复计算直至不再有坐标点丢弃后,结束计算。
按照上述聚类方法,图2示出了某一用户在某个区域的各历史导航起点位置的分布情况,图中标示出的圆圈中的点为聚类后一个类别下的所有历史导航起点位置,可以看出用户会经常在图中各点覆盖的范围内出行,由根据各点的位置计算平均值,可以得出中心位置,即为聚类类别的中心。
可选的,除了可以通过DBSCAN方法进行聚类之外,还可通过其他方式实现聚类,例如,可以通过神经网络模型进行聚类,具体的,可以用带有类别标注标签的训练数据集训练神经网络模型,将待分类的数据输入训练好的神经网络模型,神经网络模型输出各输入数据对应的类别,从而得到各聚类类别。
在得到各聚类类别之后,还可以进一步对聚类结果进行处理,确定最终各类别中历史导航起点位置的数量,若各类别中历史导航起点位置的数量小于第一设定值,则删除该聚类类别,保留历史导航起点位置的数量大于第一设定值的聚类类别,确定保留的各聚类类别对应的中心点位置。其中,第一设定值可以根据具体需要进行设定,例如,第一设定值可以为5。
在一种可能的实现方式中,对各历史导航起点位置进行聚类,包括:
确定所获取的用户的历史导航信息的总数量;
若总数量不小于第二设定值,则对各历史导航起点位置进行聚类。
在实际应用中,在对各历史导航起点位置进行聚类时,如果用户对应的历史导航导航信息的总数量不小于第二设定值,则对用户的历史导航起点位置进行聚类,如果历史导航起点位置的数量不符合要求,则数据不具有统计意义,可以不需要进行聚类。其中,第二设定值可以根据具体需要进行设置,例如,第二设定值可以为20条。
本公开实施例中,对历史导航起点位置的数量满足要求的进行聚类,可以使得聚类的结果更具有统计价值。
在一种可能的实现方式中,对于每一历史导航信息,确定该历史导航信息对应的实际起点道路,包括:
获取该历史导航信息的导航发起时间之后预设时长内用户的各历史轨迹点位置;
基于该历史导航信息的历史导航起点位置和各历史轨迹点位置,确定该历史导航信息对应的实际起点道路。
在实际应用中,对于每一历史导航信息,获取用户在导航发起时间之后预设时长内移动的各历史轨迹点位置,其中,用户的轨迹点位置可以通过用户终端的定位模块得到。预设时长可以根据具体需要进行设置,例如,预设时长可以设置为10分钟。基于该历史导航信息的历史导航起点位置和用户的各历史轨迹点位置,确定该历史导航信息对应的实际起点道路。每一历史导航信息对应一条实际起点道路。
在一种可能的实现方式中,基于该历史导航信息的历史导航起点位置和各历史轨迹点位置,确定该历史导航信息对应的实际起点道路,包括:
确定该历史导航信息的历史导航起点位置和各历史轨迹点位置的距离;
将与各距离中最小距离对应的历史轨迹点位置最近的道路,确定为该历史导航信息对应的实际起点道路。
在实际应用中,针对每一历史导航信息,分别计算该历史导航起点位置和各历史轨迹点位置的距离,确定与各距离中最小距离对应的历史轨迹点位置,将与该历史轨迹点位置最近的道路,作为该历史导航信息对应的实际起点道路。其中,历史轨迹点和道路之间的距离的具体计算方式包括:当道路为直线道路时,计算历史轨迹点位置到道路对应的直线的垂直距离;当道路为曲线或折线道路时,计算历史轨迹点位置到道路对应的曲线或折线的距离。
在一种可能的实现方式中,各实际起点道路的出现情况包括出现次数或出现频率中的至少一项。
在实际应用中,对于各类别对应的各实际起点道路进行筛选,筛选出最优道路即为该类别的个性化道路。例如,某一类别对应的实际起点道路为n条,计算各道路在这n条道路中的出现次数和/或出现频率,可以基于各条道路出现次数、出现频率中的至少一项,确定该类别的个性化道路。可选的,将出现次数最多,并且出现频率大于预设频率阈值的道路,作为用户的个性化道路。其中,预设频率阈值可以根据具体需要进行预配置。例如,预设频率阈值可以为70%。
下面通过一个具体的应用场景,对本申请技术方案的实现过程进行详细说明。本实施例只是本申请技术方案的一个实施例,不代表本申请技术方案的所有实现方式。
如图3所示,本实施例中,当前导航起点位置为图3中所示的秦淮河特大桥上的“位置1”,用户的个性化道路为道路B(图3中位置2对应的道路),个性化道路对应的中心点位置为位置C,确定导航请求对应的导航起点道路的过程如下:
服务器获取到用户A的导航请求,导航请求中包括“位置1”对应的位置,服务器根据用户A的用户标识查询用户A是否存在对应的个性化道路,如果存在个性化道路,且个性化道路为道路B,则计算“位置1”和位置C的距离,该距离为45m,小于设定距离50m,因此将道路B作为导航请求对应的导航起点道路。
其中,个性化道路B是通过以下方式确定的:获取用户A的各历史导航信息,历史导航信息包括历史导航起点位置和导航发起时间;对各历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置;对于每一历史导航信息,确定该历史导航信息对应的实际起点道路;对于每一类别,基于属于该类别历史导航起点位置对应的各实际起点道路的出现情况,确定该类别的个性化道路,并将该类别的中心点位置确定为该类别的个性化道路对应的中心点位置。
如果直接按照用户A的用户终端的定位模块确定导航起点道路,则导航起点会制定到距离最近的秦淮河特大桥上,根据本申请技术方案,由于用户A经常在大桥下方发起导航,本申请技术方案将导航起点道路确定为大桥下面位置2对应的道路B,解决了原有方案错误的问题。
本申请实施例提供的导航信息处理方法,获取用户的导航请求,导航请求包括当前导航起点位置;若存在用户对应的至少一个个性化道路,并且当前导航起点位置和各个性化道路对应的中心点位置的距离中存在小于设定距离的目标距离,则将目标距离对应的个性化道路作为导航请求对应的导航起点道路,由于个性化道路是根据用户的各历史导航信息所对应的实际起点道路确定的,因此,将个性化道路作为导航请求对应的导航起点道路,可以提高导航中确定导航起点道路的准确性,提升用户使用体验。
与图1中所示方法相同的原理,本公开的实施例中还提供了一种导航信息处理装置40,如图4所示,该导航信息处理装置40包括:
导航请求获取模块41,用于获取用户的导航请求,导航请求包括当前导航起点位置;
导航起点道路确定模块42,用于在存在用户对应的至少一个个性化道路的情况下,分别确定当前导航起点位置和各个性化道路对应的中心点位置的距离,以及在各距离中存在小于设定距离的目标距离时,将目标距离对应的个性化道路确定为导航请求对应的导航起点道路;
其中,各个性化道路和各个性化道路对应的中心点位置是根据用户的各历史导航信息所对应的实际起点道路确定的。
在一种可能的实现方式中,导航起点道路确定模块42在确定个性化道路时用于:
获取用户的各历史导航信息,历史导航信息包括历史导航起点位置和导航发起时间;
对各历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置;
对于每一历史导航信息,确定该历史导航信息对应的实际起点道路;
对于每一聚类类别,基于属于该聚类类别的各历史导航起点位置对应的各实际起点道路的出现情况,确定该聚类类别对应的个性化道路,并将该聚类类别的中心点位置确定为该聚类类别的个性化道路对应的中心点位置。
在一种可能的实现方式中,出现情况包括出现次数或出现频率中的至少一项。
在一种可能的实现方式中,对于每一历史导航信息,导航起点道路确定模块42在确定该历史导航信息对应的实际起点道路时,用于:
获取该历史导航信息的导航发起时间之后预设时长内用户的各历史轨迹点位置;
基于该历史导航信息的历史导航起点位置和各历史轨迹点位置,确定该历史导航信息对应的实际起点道路。
在一种可能的实现方式中,导航起点道路确定模块42在基于该历史导航信息的历史导航起点位置和各历史轨迹点位置,确定该历史导航信息对应的实际起点道路时,用于:
确定该历史导航信息的历史导航起点位置和各历史轨迹点位置的距离;
将与各距离中最小距离对应的历史轨迹点位置最近的道路,确定为该历史导航信息对应的实际起点道路。
在一种可能的实现方式中,导航起点道路确定模块42在对各历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置时,用于:
对各历史导航起点位置进行聚类,得到各聚类类别;
对于每一聚类类别,确定属于该聚类类别的历史导航起点位置的数量;
将历史导航起点位置的数量小于第一设定值的聚类类别删除;
确定保留的各聚类类别对应的中心点位置。
在一种可能的实现方式中,导航起点道路确定模块42在对各历史导航起点位置进行聚类时,用于:
确定所获取的用户的历史导航信息的总数量;
若总数量不小于第二设定值,则对各历史导航起点位置进行聚类。
本公开实施例的导航信息处理装置可执行本公开的实施例所提供的与图1对应的导航信息处理方法,其实现原理相类似,本公开实施例中的导航信息处理装置中的各模块所执行的动作是与本公开实施例中的导航信息处理方法中的步骤相对应的,对于导航信息处理装置的各模块的详细功能描述具体可以参见前文中所示的对应的导航信息处理方法中的描述,此处不再赘述。
本申请实施例提供的导航信息处理装置,获取用户的导航请求,导航请求包括当前导航起点位置;若存在用户对应的个性化道路,并且当前导航起点位置和个性化道路对应的中心点位置的距离小于设定距离,则将个性化道路作为导航请求对应的导航起点道路,由于个性化道路是根据用户的各历史导航信息所对应的实际起点道路确定的,因此,将个性化道路作为导航请求对应的导航起点道路,可以提高导航中确定导航起点道路的准确性,提升用户使用体验。
其中,所述导航信息处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该导航信息处理装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。
在一些实施例中,本发明实施例提供的导航信息处理装置可以采用软硬件结合的方式实现,作为示例,本发明实施例提供的导航信息处理装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本发明实施例提供的导航信息处理方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
在另一些实施例中,本发明实施例提供的导航信息处理装置可以采用软件方式实现,图4示出了存储在存储器中的导航信息处理装置,其可以是程序和插件等形式的软件,并包括一系列的模块,包括导航请求获取模块41和导航起点道路确定模块42,用于实现本发明实施例提供的导航信息处理方法。
上述实施例从虚拟模块的角度介绍了导航信息处理装置,下述从实体模块的角度介绍一种电子设备,具体如下所示:
本申请实施例提供了一种电子设备,如图5所示,图5所示的电子设备8000包括:处理器8001和存储器8003。其中,处理器8001和存储器8003相连,如通过总线8002相连。可选地,电子设备8000还可以包括收发器8004。需要说明的是,实际应用中收发器8004不限于一个,该电子设备8000的结构并不构成对本申请实施例的限定。
处理器8001可以是CPU,通用处理器,GPU,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器8001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线8002可包括一通路,在上述组件之间传送信息。总线8002可以是PCI总线或EISA总线等。总线8002可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器8003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器8003用于存储执行本申请方案的应用程序代码,并由处理器8001来控制执行。处理器8001用于执行存储器8003中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
本申请实施例提供了一种电子设备,本申请实施例中的电子设备包括:一个或多个处理器;存储器;一个或多个计算机程序,其中一个或多个计算机程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序被处理器执行时,获取用户的导航请求,导航请求包括当前导航起点位置;若存在用户对应的至少一个个性化道路,则分别确定前导航起点位置和各个性化道路对应的中心点位置的距离;若各距离中存在小于设定距离的目标距离,则将目标距离对应的个性化道路确定为导航请求对应的导航起点道路;其中,各个性化道路和各个性化道路对应的中心点位置是根据用户的各历史导航信息所对应的实际起点道路确定的。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当计算机程序在处理器上运行时,使得处理器可以执行前述方法实施例中相应内容。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述多媒体数据处理方法的各种可选实现方式中提供的方法。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种导航信息处理方法,其特征在于,所述方法包括:
获取用户的导航请求,所述导航请求包括当前导航起点位置;
若存在所述用户对应的至少一个个性化道路,则分别确定所述当前导航起点位置和各所述个性化道路对应的中心点位置的距离;
若各所述距离中存在小于设定距离的目标距离,则将所述目标距离对应的所述个性化道路确定为所述导航请求对应的导航起点道路;
其中,各所述个性化道路和各所述个性化道路对应的中心点位置是根据所述用户的各历史导航信息所对应的实际起点道路确定的;
其中,所述个性化道路是通过以下方式确定的:
获取所述用户的各历史导航信息,所述历史导航信息包括历史导航起点位置和导航发起时间;
对各所述历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置;
对于每一所述历史导航信息,确定该历史导航信息对应的实际起点道路;
对于每一聚类类别,基于属于该聚类类别的各历史导航起点位置对应的各实际起点道路的出现情况,确定该聚类类别对应的个性化道路,并将该聚类类别的中心点位置确定为该聚类类别的个性化道路对应的中心点位置。
2.根据权利要求1所述的方法,其特征在于,所述出现情况包括出现次数或出现频率中的至少一项。
3.根据权利要求1所述的方法,其特征在于,所述对于每一所述历史导航信息,确定该历史导航信息对应的实际起点道路,包括:
获取该历史导航信息的导航发起时间之后预设时长内所述用户的各历史轨迹点位置;
基于该历史导航信息的历史导航起点位置和各所述历史轨迹点位置,确定该历史导航信息对应的实际起点道路。
4.根据权利要求3所述的方法,其特征在于,所述基于该历史导航信息的历史导航起点位置和各所述历史轨迹点位置,确定该历史导航信息对应的实际起点道路,包括:
确定该历史导航信息的历史导航起点位置和各所述历史轨迹点位置的距离;
将与各所述距离中最小距离对应的所述历史轨迹点位置最近的道路,确定为该历史导航信息对应的实际起点道路。
5.根据权利要求1所述的方法,其特征在于,所述对各所述历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置,包括:
对各所述历史导航起点位置进行聚类,得到各聚类类别;
对于每一聚类类别,确定属于该聚类类别的历史导航起点位置的数量;
将历史导航起点位置的数量小于第一设定值的聚类类别删除;
确定保留的各聚类类别对应的中心点位置。
6.根据权利要求1所述的方法,其特征在于,所述对各所述历史导航起点位置进行聚类,包括:
确定所获取的所述用户的历史导航信息的总数量;
若所述总数量不小于第二设定值,则对各所述历史导航起点位置进行聚类。
7.一种导航信息处理装置,其特征在于,所述装置包括:
导航请求获取模块,用于获取用户的导航请求,所述导航请求包括当前导航起点位置;
导航起点道路确定模块,用于在存在所述用户对应的至少一个个性化道路的情况下,分别确定所述当前导航起点位置和各所述个性化道路对应的中心点位置的距离,以及在各所述距离中存在小于设定距离的目标距离时,将所述目标距离对应的所述个性化道路确定为所述导航请求对应的导航起点道路;
其中,各所述个性化道路和各所述个性化道路对应的中心点位置是根据所述用户的各历史导航信息所对应的实际起点道路确定的;
其中,所述个性化道路是通过以下方式确定的:
获取所述用户的各历史导航信息,所述历史导航信息包括历史导航起点位置和导航发起时间;
对各所述历史导航起点位置进行聚类,并确定各聚类类别对应的中心点位置;
对于每一所述历史导航信息,确定该历史导航信息对应的实际起点道路;
对于每一聚类类别,基于属于该聚类类别的各历史导航起点位置对应的各实际起点道路的出现情况,确定该聚类类别对应的个性化道路,并将该聚类类别的中心点位置确定为该聚类类别的个性化道路对应的中心点位置。
8.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;
一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序被配置用于执行根据权利要求1~6任一项所述的方法。
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用于存储计算机程序,当所述计算机程序在处理器上运行时,使得所述处理器可以执行权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273139.5A CN112256983B (zh) | 2020-11-13 | 2020-11-13 | 导航信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273139.5A CN112256983B (zh) | 2020-11-13 | 2020-11-13 | 导航信息处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112256983A CN112256983A (zh) | 2021-01-22 |
CN112256983B true CN112256983B (zh) | 2022-02-08 |
Family
ID=74265937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011273139.5A Active CN112256983B (zh) | 2020-11-13 | 2020-11-13 | 导航信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112256983B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806215A (zh) * | 2021-08-04 | 2021-12-17 | 北京百度网讯科技有限公司 | 信息展现方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017113706A1 (zh) * | 2015-12-29 | 2017-07-06 | 乐视控股(北京)有限公司 | 一种个性化导航的方法及系统 |
CN107449435A (zh) * | 2017-06-30 | 2017-12-08 | 百度在线网络技术(北京)有限公司 | 导航方法及装置 |
CN110553658A (zh) * | 2018-06-01 | 2019-12-10 | 北京百度网讯科技有限公司 | 导航路径推荐方法、导航服务器、计算机设备及可读介质 |
CN111666359A (zh) * | 2019-03-07 | 2020-09-15 | 阿里巴巴集团控股有限公司 | Poi候选到达点挖掘方法、装置与设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004271293A (ja) * | 2003-03-07 | 2004-09-30 | Navitime Japan Co Ltd | ナビゲーション装置、ナビゲーション方法及びプログラム |
CN106382942B (zh) * | 2016-08-16 | 2019-10-29 | 曹蕊 | 一种车载导航系统及导航方法 |
CN108537351B (zh) * | 2017-03-02 | 2020-09-22 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的确定方法及装置 |
CN110968087B (zh) * | 2018-09-30 | 2023-05-23 | 百度(美国)有限责任公司 | 车辆控制参数的标定方法、装置、车载控制器和无人车 |
CN109725287B (zh) * | 2019-02-14 | 2023-04-21 | 广东小天才科技有限公司 | 定位方法、装置、可穿戴设备和存储介质 |
CN109714709B (zh) * | 2019-02-25 | 2020-12-25 | 北京化工大学 | 一种基于历史信息的失联车辆位置预测方法和系统 |
CN113538919B (zh) * | 2019-03-11 | 2022-10-28 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN110362645A (zh) * | 2019-07-17 | 2019-10-22 | 北京百度网讯科技有限公司 | 兴趣点校正方法、装置、设备及计算机可读存储介质 |
CN111859171A (zh) * | 2019-09-24 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息推送方法、装置、电子设备及存储介质 |
CN111861622B (zh) * | 2019-12-28 | 2024-08-06 | 北京嘀嘀无限科技发展有限公司 | 一种确定上车点推荐模型的方法和系统 |
CN111735471B (zh) * | 2020-07-28 | 2024-08-20 | 北京奇虎技术服务有限公司 | 导航路线生成方法、设备、存储介质及装置 |
-
2020
- 2020-11-13 CN CN202011273139.5A patent/CN112256983B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017113706A1 (zh) * | 2015-12-29 | 2017-07-06 | 乐视控股(北京)有限公司 | 一种个性化导航的方法及系统 |
CN107449435A (zh) * | 2017-06-30 | 2017-12-08 | 百度在线网络技术(北京)有限公司 | 导航方法及装置 |
CN110553658A (zh) * | 2018-06-01 | 2019-12-10 | 北京百度网讯科技有限公司 | 导航路径推荐方法、导航服务器、计算机设备及可读介质 |
CN111666359A (zh) * | 2019-03-07 | 2020-09-15 | 阿里巴巴集团控股有限公司 | Poi候选到达点挖掘方法、装置与设备 |
Non-Patent Citations (2)
Title |
---|
《Probabilistic Speed Profiling for Multi-Lane Road Networks》;Bing Zhang 等;《IEEE》;20170703;第1-10页 * |
《利用导航大数据挖掘城市热点区域关联性》;陈锐;《地球信息科学学报》;20190630;第826-835页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112256983A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086031B (zh) | 一种基于规则引擎的业务决策方法和装置 | |
CN107389078B (zh) | 一种路线推荐方法、装置及计算机可读存储介质 | |
CN115130021A (zh) | 用于提供位置信息的装置、系统和方法 | |
CN114357105B (zh) | 地理预训练模型的预训练方法及模型微调方法 | |
CN109710406B (zh) | 数据分配及其模型训练方法、装置、及计算集群 | |
CN112416494A (zh) | 虚拟资源的处理方法、装置、电子设备及存储介质 | |
CN110945557B (zh) | 用于确定到达的预估时间的系统和方法 | |
CN113515672A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN114327857A (zh) | 操作数据处理方法、装置、计算机设备和存储介质 | |
CN112256983B (zh) | 导航信息处理方法、装置、电子设备及存储介质 | |
CN112559717A (zh) | 搜索匹配方法、装置、电子设备以及存储介质 | |
RU2723237C1 (ru) | Способы и устройства построения точной траектории перемещений объектов | |
CN110020333A (zh) | 数据分析方法及装置、电子设备、存储介质 | |
Zhang et al. | Future manufacturing industry with cloud manufacturing | |
US9965558B2 (en) | Cross-channel social search | |
Zhou et al. | Semantic-based discovery method for high-performance computing resources in cyber-physical systems | |
US8781798B2 (en) | Systems and methods for exploring and utilizing solutions to cyber-physical issues in a sandbox | |
Huang et al. | An efficient algorithm for skyline queries in cloud computing environments | |
Belcastro et al. | Evaluation of large scale roi mining applications in edge computing environments | |
CN110008398A (zh) | 一种数据分类管理推荐方法及装置 | |
CN114661851A (zh) | 一种在线轻量级快速响应的自然资源空间信息处理方法 | |
CN102833315B (zh) | 一种云计算环境中的uddi扩展模型的构造方法 | |
CN113741868A (zh) | 业务计算任务处理方法、装置、计算机设备和存储介质 | |
Jinhua et al. | On-Demand Service in Cloud Computing | |
Alkhelaiwi et al. | Smart city data storage optimization in the cloud |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |