CN112556717B - 出行方式筛选方法和出行路线推荐方法和装置 - Google Patents
出行方式筛选方法和出行路线推荐方法和装置 Download PDFInfo
- Publication number
- CN112556717B CN112556717B CN202110192312.7A CN202110192312A CN112556717B CN 112556717 B CN112556717 B CN 112556717B CN 202110192312 A CN202110192312 A CN 202110192312A CN 112556717 B CN112556717 B CN 112556717B
- Authority
- CN
- China
- Prior art keywords
- travel
- travel route
- fitting
- distance
- mode
- 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
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种出行方式筛选方法、装置、计算机设备和存储介质以及一种出行路线推荐方法、装置、计算机设备和存储介质。可以应用于地图、导航、智能交通、智慧出行等领域。方法包括:获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线,针对每一条出行路线,按照对应的拟合约束条件,确定拟合距离,获取起始地到目的地间的直线距离,基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,确定每种候选出行方式下的出行路线与直线距离间的偏离度,按照偏离度从候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。采用本方法能够从候选出行方式中筛选出从起始地和目的地的最优的推荐出行方式。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种出行方式筛选方法、装置、计算机设备和存储介质,以及一种出行路线推荐方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的发展,依靠地图为用户提供快捷便利的出行方式,已成为各大涉及电子地图信息提供业务的平台所追求的目标。
以手机用户为例,目前出行方案的确定流程为,用户在地图应用程序的搜索栏中输入“出发地”和“目的地”,然后通过搜索触发,使得地图应用程序会展示包括多个可供用户选择的出现方式的界面,用户通过点击选择出行方式或直接基于当前展示的默认出行方式,触发进入导航界面。
但这种出行方案需要用户人工选择出行方式,并且人工选择路线方案,往往会出现距离较近、距离较远或是道路较拥堵等情况下,由于用户没有留意当前出行方式或者手动点击错误的出行方式而给出出行方式错配的问题,从而导致难以准确得到最优的出行方式。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确筛选得到最优的出行方式的出行方式筛选方法、装置、计算机设备和存储介质以及自动推荐筛选得到的最优的出行方式的出行路线推荐方法、装置、计算机设备和存储介质。
一种出行方式筛选方法,所述方法包括:
获取起始地和目的地,确定每种候选出行方式下的至少一条从所述起始地到所述目的地的出行路线;
针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离;
获取所述起始地到所述目的地之间的直线距离;
基于每种候选出行方式下的出行路线的所述拟合距离相比于所述直线距离的差异值,确定每种候选出行方式下的出行路线与所述直线距离间的偏离度;
按照所述偏离度,从所述候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
一种出行方式筛选装置,所述装置包括:
出行路线确定模块,用于获取起始地和目的地,确定每种候选出行方式下的至少一条从所述起始地到所述目的地的出行路线;
拟合距离确定模块,用于针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离;
偏离度确定模块,用于获取所述起始地到所述目的地之间的直线距离;基于每种候选出行方式下的出行路线的所述拟合距离相比于所述直线距离的差异值,确定每种候选出行方式下的出行路线与所述直线距离间的偏离度;
推荐出行方式筛选模块,用于按照所述偏离度,从所述候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取起始地和目的地,确定每种候选出行方式下的至少一条从所述起始地到所述目的地的出行路线;
针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离;
获取所述起始地到所述目的地之间的直线距离;
基于每种候选出行方式下的出行路线的所述拟合距离相比于所述直线距离的差异值,确定每种候选出行方式下的出行路线与所述直线距离间的偏离度;
按照所述偏离度,从所述候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取起始地和目的地,确定每种候选出行方式下的至少一条从所述起始地到所述目的地的出行路线;
针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离;
获取所述起始地到所述目的地之间的直线距离;
基于每种候选出行方式下的出行路线的所述拟合距离相比于所述直线距离的差异值,确定每种候选出行方式下的出行路线与所述直线距离间的偏离度;
按照所述偏离度,从所述候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
上述出行方式筛选方法、装置、计算机设备和存储介质,通过获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线,通过候选出行方式来明确推荐出行方式的筛选范围,针对每一条出行路线以符合拟合约束条件为目标分别进行分析,使得每一条出行路线的拟合距离准确可靠,通过获取起始地到目的地之间的直线距离,由于直线距离表征两点间的最短距离,基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,来衡量拟合距离与最短距离的差异,基于差异值确定每种候选出行方式下的出行路线与直线距离间的偏离度,通过偏离度可以表征每一种候选出行方式的整体偏离情况,以偏离度符合偏离度筛选条件为要求,能够从候选出行方式中筛选出从起始地和目的地的最优的推荐出行方式,从而实现最优的出行方式的准确筛选。
一种出行路线推荐方法,所述方法包括:
当电子地图处于自动推荐模式时,显示输入的目的地;
响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;所述出行推荐内容,包括推荐出行方式以及关于从定位的起始地到所述目的地的推荐出行路线的描述内容;
响应于针对所述出行推荐内容的确认操作,进入所述电子地图的导航模式,并显示从所述起始地到所述目的地的所述推荐出行路线;
其中,所述推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;所述推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;所述直线距离是从所述起始地到所述目的地的直接距离。
一种出行路线推荐装置,所述装置包括:
第一显示模块,用于当电子地图处于自动推荐模式时,显示输入的目的地;
第二显示模块,用于响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;所述出行推荐内容,包括关于从定位的起始地到所述目的地的推荐出行路线的描述内容;
第三显示模块,用于响应于针对所述出行推荐内容的确认操作,进入所述电子地图的导航模式,并显示从所述起始地到所述目的地的所述推荐出行路线;
其中,所述推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;所述推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;所述直线距离是从所述起始地到所述目的地的直接距离。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
当电子地图处于自动推荐模式时,显示输入的目的地;
响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;所述出行推荐内容,包括推荐出行方式以及关于从定位的起始地到所述目的地的推荐出行路线的描述内容;
响应于针对所述出行推荐内容的确认操作,进入所述电子地图的导航模式,并显示从所述起始地到所述目的地的所述推荐出行路线;
其中,所述推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;所述推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;所述直线距离是从所述起始地到所述目的地的直接距离。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
当电子地图处于自动推荐模式时,显示输入的目的地;
响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;所述出行推荐内容,包括推荐出行方式以及关于从定位的起始地到所述目的地的推荐出行路线的描述内容;
响应于针对所述出行推荐内容的确认操作,进入所述电子地图的导航模式,并显示从所述起始地到所述目的地的所述推荐出行路线;
其中,所述推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;所述推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;所述直线距离是从所述起始地到所述目的地的直接距离。
上述出行路线推荐方法、装置、计算机设备和存储介质,当电子地图处于自动推荐模式时,显示输入的目的地,通过响应于用于触发路线自动推荐的触发操作,显示自动推荐的推荐出行方式,将候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式作为推荐出行方式,确保显示的推荐出行方式是偏离度符合要求的出行方式,同时显示关于从定位的起始地到目的地的推荐出行路线的描述内容,便于用户对推荐出行路线的进一步确认,其中推荐出行路线为推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线,基于拟合距离进行进一步地筛选,确保推荐出行路线的准确可靠,响应于针对出行推荐内容的确认操作,进入电子地图的导航模式,从而实现对出行路线的准确可靠推荐。
附图说明
图1为一个实施例中出行方式筛选方法的应用环境图;
图2为一个实施例中出行方式筛选方法的流程示意图;
图3为一个实施例中出行方式筛选方法的候选出行方式的界面示意图;
图4为一个实施例中出行方式筛选方法的服务器与终端的交互示意图;
图5为另一个实施例中出行方式筛选方法的流程示意图;
图6为一个实施例中出行方式筛选方法的数据流程示意图;
图7为一个实施例中出行路线推荐方法的流程示意图;
图8为一个实施例中自动推荐模式的界面示意图;
图9为一个实施例中进入自动推荐模式的界面变化示意图;
图10为一个实施例中显示出行推荐内容的界面变化示意图;
图11为一个实施例中开始导航的界面变化示意图;
图12为一个实施例中出行路线推荐方法的交互示意图;
图13为一个实施例中出行方式筛选装置的结构框图;
图14为一个实施例中出行路线推荐装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的方案可以涉及人工智能(Artificial Intelligence,简称为AI)、机器学习(Machine Learning,简称为ML)等技术。人工智能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、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。机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。基于人工智能和机器学习等技术,能够获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线,针对每一条出行路线,按照对应的拟合约束条件,确定每一条出行路线的拟合距离,获取起始地到目的地之间的直线距离,基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,确定每种候选出行方式下的出行路线与直线距离间的偏离度,按照偏离度,从候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式,从而实现出行方式的准确筛选。
本申请提供的出行方式筛选方法,可以应用于如图1所示的应用环境中。其中,终端102与服务器104通过网络连接。本申请各实施例所提供的方法可通过终端102和服务器104共同协作执行,还可以通过终端102或服务器104单独执行。以通过终端102和服务器104共同协作执行为例,服务器104接收终端102的通过电子地图进入自动推荐模式时上传的起始地和目的地,服务器104确定每种候选出行方式下的至少一条从起始地到目的地的出行路线;针对每一条出行路线,按照对应的拟合约束条件,确定每一条出行路线的拟合距离;获取起始地到目的地之间的直线距离;基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,确定每种候选出行方式下的出行路线与直线距离间的偏离度;按照偏离度,从候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式,服务器104将推荐出行方式推送至终端102。
本申请提供的出行路线推荐方法,可以应用于如图1所示的应用环境中。用户通过终端102启动电子地图,当电子地图处于自动推荐模式时,显示输入的目的地;响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;出行推荐内容,包括推荐出行方式以及关于从定位的起始地到目的地的推荐出行路线的描述内容;响应于针对出行推荐内容的确认操作,进入电子地图的导航模式,并显示从起始地到目的地的推荐出行路线;其中,推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;直线距离是从起始地到目的地的直接距离。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备以及各种车载终端,服务器104可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是云服务器。终端102和服务器104可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
在一个实施例中,如图2所示,提供了一种出行方式筛选方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线。
其中,目的地是指用户在终端的电子地图应用程序的显示界面中输入的想要达到的地点。服务器从终端获取目的地,目的地可以是用户通过终端操作输入或选择的要到达的地点。例如,目的地可以是在电子地图应用程序的目的地信息的输入栏中输入的目的地的名称如小区X、火车站等所对应的地点,或者是在电子地图应用程序中的目的地确定界面通过地图选点的方式确定的地点,再或者是从在电子地图应用程序的目的地确定界面中显示的预设常用地点中(如公司或家等)选择的一个地点。
起始地是指用户通过终端的电子地图应用程序确定的出发地点。服务器从终端获取起始地,起始地可以是电子地图应用程序通过定位获得的当前定位地点,也可以是用户通过终端操作输入或选择的出发的地点。例如,用户在电子地图应用程序的起始地信息的输入栏中输入的起始地的名称所对应的地点,或者是在电子地图应用程序中的起始地确定界面通过地图选点的方式确定的地点,再或者是从在电子地图应用程序的起始地确定界面中显示的预设常用地点中(如公司或家等)选择的一个地点。
候选出行方式是指从起始地到目的地的可行的出行方式,出行方式是指用户出行所采用的方法或使用的交通工具,出行方式包括飞机、火车、汽车、公交、地铁、驾车、打车、骑行以及步行等。在实施例中,出行方式可以是指从起始地到目的地采用的单一出行方式,例如步行或骑行,也可以是从起始地到目的地采用的多种方式中的一种主要出行方式。例如,公交和步行的出行方式合用时,将公交作为出行方式。
进一步地,候选出行方式可以根据电子地图提供的用户可选出行方式进行确定。如图3所示,电子地图提供的候选出行方式包括公交地铁、驾车、打车、骑行以及步行。其中,公交地铁可以包括高铁、火车、地铁以及公交等。公交地铁这一出行方式对应的具体出行方式可以根据从起始地到目的地可提供的公共交通工具的类型来确定。例如,从城市A到城市B,公交地铁这一出行方式可以包括飞机或高铁。再例如,从城市A的小区X到城市A的小区Y,公交地铁这一出行方式可以包括公交或地铁。
出行路线是指从起始地到目的地的移动路径,同一候选出行方式下的出行路线的数量不小于一条。例如,从小区X到小区Y,可以乘坐102路公交车到达,也可以乘坐地铁1号线达到,这两种均属于公交地铁的出行方式,属于同一候选出行方式下的不同的出行路线。再例如,驾车这一出行方式下,可以基于途经不同的道路构成的多条不同的出行路线。在一个具体应用中,电子地图在每一种出行方式下显示的出行路线默认为3条。可以理解,每一种出行方式下显示的出行路线的数量可以根据需要进行设置。
步骤204,针对每一条出行路线,按照对应的拟合约束条件,确定每一条出行路线的拟合距离。
其中,拟合约束条件是指得到拟合距离所需要满足的各项限制条件。拟合约束条件可以包括速度约束条件,速度约束条件是指每种出行方式在每个出行路线的每个路段的平均速度不大于预设的速度阈值。预设的速度阈值可以是相应路线的最大允许速度也可以用户设定的速度数值。例如驾车出行在某主干路的最大允许速度为60km/h,则每种出行方式在每个出行路线的每个路段的平均速度最大为60km/h。
进一步地,拟合约束条件还可以包括时间约束条件、距离约束条件中的至少一个约束条件。其中,时间约束条件是指从起始地到目的地所花费的时间所需要满足的条件。例如,按照某个出行方式下的某个出行路线,从小区X到小区Y所花费的时间不大于从小区X到小区Y所花费的平均时间,该平均时间是指各个出行路线所需的时间的平均值。再例如,从小区X到小区Y的各候选出行方式下的各个出行路线所花费的时间的总和不大于设定的时间阈值,该时间阈值可以是各个各候选出行方式下的各个出行路线所需的时间的总和。时间约束条件具体可以根据实际需要进行设定。
距离约束条件是指计算得到的拟合距离不小于预设的距离阈值。其中,预设的距离阈值可以是起始地到目的地的直线距离,也可以是用户自定义的数值,通过定义距离约束条件,可以避免出现错误的拟合结果。
拟合距离是指通过拟合计算得到的每种候选出行方式下的每一条出行路线的出行距离。例如,在电子地图上显示的从起始地A通过驾车的出行方式途径路线1达到目的地B的距离为3.5km,3.5km即为驾车的出行方式下路线1的拟合距离。
步骤206,获取起始地到目的地之间的直线距离。
其中,起始地到目的地之间的直线距离是指连接电子地图上的起始地和目的地所处的位置对应的两个点,两个点之间的连接线所表征的距离。起始地到目的地之间的直线距离用于表征起始地到目的地之间的最短距离。
进一步地,服务器可以从终端获取的起始地和目的地,基于起始地和目的地在电子地图中的坐标位置,得到起始地到目的地之间的直线距离。
步骤208,基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,确定每种候选出行方式下的出行路线与直线距离间的偏离度。
其中,出行路线的拟合距离相比于直线距离的差异值是指拟合距离与直线距离的数值差。例如,以从起始地A到目的地B为例,起始地A到目的地B的直线距离为3km,驾车出行方式下的出行路线1的拟合距离为3.5km,则出行路线1的拟合距离相比于直线距离的差异值为0.5km。
偏离度是指各个拟合距离相较于直线距离的偏离程度,用于表征候选出行方式下的各出行路线整体的拟合距离相较于直线距离的偏离情况。候选出行方式下的其中某一个出行路线的拟合距离相比于直线距离的差异值越大,对应候选出行方式的偏离度越大。
进一步地,偏离度可以基于差异值的绝对值的累加结果或是差异值的平方的累加结果得到。其中,基于差异值的平方的累加结果得到的偏离度,可以通过方差、标准差、均方差或是均方误差中的任意一种数据来表示。
每种候选出行方式下的出行路线与直线距离间的偏离度,是指以每一种候选出行方式下的各个出行路线的拟合距离为一组数据,得到的表征该组拟合距离相比于直线距离的差异值之间的偏离程度的数据。进一步地,每一种候选出行方式的偏离度分开计算,每一种候选出行方式对应一个偏离度,以便基于偏离度进行推荐出行方式的筛选。
步骤210,按照偏离度,从候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
其中,偏离度筛选条件是指基于每种候选出行方式下的出行路线与直线距离间的偏离度的数值大小,对候选出行方式进行筛选时所需要符合的要求。其中,偏离度筛选条件可以基于预设偏离度阈值进行设置,也可以基于每种候选出行方式之间的偏离度比较结果进行设置。例如,符合偏离度筛选条件的推荐出行方式可以是偏离度不大于预设偏离度阈值的候选出行方式,也可以是候选出行方式中偏离度最小的候选出行方式,偏离度筛选条件具体可以根据实际需求设置。
推荐出行方式是指通过对候选出行方式进行筛选得到结果,服务器可以将筛选得到的结果推送至终端,以使用户得到推荐出行方式。
在本实施例中,服务器根据每种候选出行方式下的出行路线与直线距离间的偏离度,从候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
在一个具体应用中,候选出行方式A和候选出行方式B均有3条路线,候选出行方式A中3条路线相较于直线距离的差异值分别为300m、400m和500m,候选出行方式B中的3条路线相较于直线距离的差异值分别为100m、200m和300m,对于候选出行方式A和候选出行方式B,基于差异值的绝对值的累加结果或是基于差异值的平方的累加结果,可以得到候选出行方式A的偏离度大于候选出行方式B的偏离度。若偏离度筛选条件为从候选出行方式中筛选偏离度最小的候选出行方式,则推荐出行方式为候选出行方式A。
在其他可行的实施例中,服务器还可以将推荐出行方式推送至终端,并在终端显示推荐出行方式下的各个出行路线,终端可以通过响应对推荐出行方式下的各出行路线中的其中一条出行路线的确认操作,按照确认的出行路线进行导航。
在一个实施例中,服务器还可以按偏离度对候选出行方式进行排序,将排序后的前若干数量的候选出行方式推送至终端,以使终端通过响应对排序后的多个推荐出行方式中的其中一个推荐出行方式的确认操作,确定选定的出行方式,排序后的推荐出行方式的数量可以根据需要进行设定,该数量不大于候选出行方式的总数。
在一个具体应用中,服务器通过按偏离度对候选出行方式进行排序后,得到的第一推荐出行方式为公交地铁出行方式,第二推荐出行方式为驾车出行方式,服务器将第一推荐出行方式和第二推荐出行方式推送至终端,用户可以基于终端显示的推送结果,结合当前实际情况例如天气情况、出行人数或是携带物品等因素,考虑驾车出行还是公交地铁出行,终端通过响应用户对第一推荐出行方式和第二推荐出行方式中任意一种推荐出行方式的确认操作,确定选定的出行方式,便于用户结合实际情况,确定最佳的出行方式。
上述出行方式筛选方法,通过获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线,通过候选出行方式来明确推荐出行方式的筛选范围,针对每一条出行路线以符合拟合约束条件为目标分别进行分析,使得每一条出行路线的拟合距离准确可靠,通过获取起始地到目的地之间的直线距离,由于直线距离表征两点间的最短距离,基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,来衡量拟合距离与最短距离的差异,基于差异值确定每种候选出行方式下的出行路线与直线距离间的偏离度,通过偏离度可以表征每一种候选出行方式的整体偏离情况,以偏离度符合偏离度筛选条件为要求,能够从候选出行方式中筛选出从起始地和目的地的最优的推荐出行方式,从而实现最优的出行方式的准确筛选。
在一个实施例中,起始地和目的地获取自终端,方法还包括:
从推荐出行方式下的出行路线中,筛选出拟合距离符合拟合距离筛选条件的推荐出行路线;将推荐出行方式下的推荐出行路线推送至终端。
其中,推荐出行路线是指推荐出行方式下的出行路线中拟合距离符合拟合距离筛选条件的出行路线,推荐出行路线用于指示终端按照推荐出行方式及推荐出行路线进行出行导航。
拟合距离筛选条件是指基于推荐出行方式下的出行路线的拟合距离的数值大小,对出行路线进行筛选时所需要满足的要求。拟合距离筛选条件可以基于预设拟合距离阈值进行设置,也可以基于每种出行方式之间的拟合距离的比较结果进行设置。例如,符合拟合距离筛选条件的推荐出行路线可以是拟合距离不大于预设偏离度阈值的候选出行方式,也可以是出行方式中拟合距离最短的候选出行方式,拟合距离筛选条件具体可以根据实际需求设置。
如图4所示,提供了服务器与终端的交互示意图。服务器从终端获取起始地和目的地,并基于起始地和目的地经过如上述实施例所示的筛选方式,得到推荐出行方式以及推荐出行方式下的出行路线中,筛选出拟合距离符合拟合距离筛选条件的推荐出行路线,服务器将推荐出行方式下的推荐出行路线推送至终端,通过推荐出行路线指示终端按照推荐出行方式及推荐出行路线进行出行导航。
在本实施例中,通过从推荐出行方式中确定推荐出行路线,可以得到拟合距离符合要求的最优出行路线,同各将推荐出行路线推送至终端,一方面,实现了主动为用户进行出行方式和出行路线的筛选,便于用户直接得到筛选后的结果,另一方面,可以由终端对推荐出行方式和推荐出行路线进行确认,便于用户对出行方式和出行路线的合理选择。
在一个实施例中,推荐出行方式,是候选出行方式中偏离度最小的候选出行方式。推荐出行路线,是推荐出行方式下的出行路线中拟合距离最短的出行路线。
其中,偏离度最小的候选出行方式是指通过对各候选出行方式的偏离度的数值进行比较后,得到的偏离度数值最小的候选出行方式。拟合距离最短的出行路线是指通过对各出行路线的拟合距离的数值进行比较后,得到的拟合距离数值最小的出行路线。
进一步地,通过将偏离度最小的候选出行方式作为推荐出行方式,能够筛选出拟合距离最小的一组出行路线对应的候选出行方式,实现最优出行方式的选择。将推荐出行方式下拟合距离最短的出行路线作为推荐出行路线,能够从最优出行方式中得到距离最短的出行路线,从而实现最优出行方式下的最优出行路线的选择。
在本实施例中,先选择出最优出行方式,再从最优出行方式中选择出最优出行路线,既确保了出行方式的准确可靠性,又能得到距离最短的出行路线。
在一个实施例中,针对每一条出行路线,按照对应的拟合约束条件,确定每一条出行路线的拟合距离,包括:
针对每一条出行路线,获取对应的历史出行数据;根据每一条出行路线的历史出行数据和每一条出行路线对应的拟合约束条件,确定每一条出行路线的拟合距离。
其中,历史出行数据是指从数据库中存储的出行记录数据中获取的数据,数据库用于对出行用户的出行记录数据进行记录存储。出行用户是指使用电子地图进行导航出行的用户。出行记录数据包括每一次出行起始地和目的地、出行方式、出行路线、出行时长(或出发时间与达到时间)、限速情况等数据。例如,用户1,起始地:X大厦,目的地:Y小区;出发时间:2020年1月1日13:10:05;达到时间:2020年1月1日13:30:25(即出行时长:20分20秒);出行方式:驾车;出行路线:X大厦-道路A-道路B-道路C-Y小区,限速情况:限速60km/h。
针对每一条出行路线获取的与该出行路线对应的历史出行数据是指从数据库中获取的起始地、目的地、出行方式、出行路线均相同的一组出行记录数据。
服务器根据每一条出行路线的拟合约束条件,对历史出行数据进行拟合处理,确定每一条出行路线的拟合距离。例如,基于历史出行数据中的出行时间和出行距离进行拟合处理,得到每一条出行路线的拟合距离。通过拟合处理,能够结合多个历史数据进行整体评估,减小数据误差,从而确保得到的拟合距离的准确性。
进一步地,根据每一条出行路线的历史出行数据和每一条出行路线对应的拟合约束条件,确定每一条出行路线的拟合距离包括:
根据历史出行数据,确定每一条出行路线对应的符合拟合约束条件的拟合参数;基于每一条出行路线对应的拟合参数,确定相应出行路线的拟合距离。
其中,拟合参数是用于表述各个出行数据之间的关联关系的参数。例如,通过拟合参数来表述出行时间与拟合距离之间的关系。其中,出行时间是指从起始地到目的地所需要花费的时间。再例如,通过拟合参数来表述出行的平均速度与拟合距离之间的关系。其中,平均速度用于表征从起始地到目的地的移动过程中的拟合距离与出行时间的比值结果,由于从起始地到目的地的移动过程,实际速度会发生变化,因此使用平均速度来描述从起始地到目的地这一整段路程的速度。
具体地,拟合参数具体可以根据历史出行数据中包含数据的数据类型与拟合距离之间的关系来确定。若历史出行数据包括出行时间,则拟合参数可以包括平均速度,若历史出行数据包括出行的平均速度,则拟合参数可以包括出行时间。此外,拟合参数还可以包括用于对拟合距离进行修正的修正距离。修正距离是用于准确描述平均速度、出行时间以及拟合距离之间的关系的一个修正值。例如,当出行时间与平均速度之间的乘积无法准确表征拟合距离时,可以通过修正距离来进行数据修正,以确保拟合距离的准确性。
进一步地,拟合参数可以基于历史出行数据计算得到,计算得到的拟合参数之后,进一步判断计算得到的拟合参数是否符合拟合约束条件,基于判断结果,可以确定拟合参数是否需要进行调整。若计算得到的拟合参数符合拟合约束条件,则将计算得到的拟合参数作为该历史出行数据对应出行路线的拟合参数,若计算得到的拟合参数不符合拟合约束条件,则基于拟合约束条件对计算得到的拟合参数进行调整,将调整后的拟合参数作为该历史出行数据对应出行路线的拟合参数。
在本实施例中,基于每一条出行路线的历史出行数据确定出符合拟合约束条件的拟合参数,首先确保了每一条出行路线的拟合参数的可靠性,再通过拟合参数来得到每一条出行路线的拟合距离的准确结果。
在一个实施例中,拟合约束条件包括速度约束条件和距离约束条件。历史出行数据包括每一条出行路线对应的出行时间。根据历史出行数据,确定每一条出行路线对应的符合拟合约束条件的拟合参数;基于每一条出行路线对应的拟合参数,确定相应出行路线的拟合距离,包括:
基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线符合速度约束条件的平均速度和修正距离;根据每一条出行路线对应的出行时间、平均速度以及修正距离,得到每一条出行路线对应的拟合距离。
其中,速度约束条件是指每种出行方式在每个出行路线的每个路段的平均速度不大于预设的速度阈值。距离约束条件是指计算得到的拟合距离不小于预设的距离阈值。每一条出行路线对应的出行时间是按照该出行路线所属的出行方式和该出行路线从起始地到目的地所需要花费的时间。出行时间包括路途中的等候时间以及交通工具的实际行驶时间。以公交地铁出行为例,出行时间包括等车的时间和乘坐交通工具的时间。以驾车出行为例,出行时间包括等候红绿灯的时间和车辆行驶的时间等。
服务器基于距离约束条件,确定符合距离约束条件的最小拟合距离,根据每一条出行路线对应的出行时间和最小拟合距离,确定每一条出行路线符合速度约束条件的平均速度和修正距离,然后服务器根据每一条出行路线对应的出行时间乘以平均速度并加上修正距离,得到每一条出行路线对应的拟合距离。
在本实施例中,通过距离约束条件确定最小拟合距离,能够实现以最小拟合距离为目标的拟合,得到符合速度约束条件的平均速度和修正距离,进而使得基于符合速度约束条件的平均速度、修正距离以及出行时间得到的拟合距离为距离最小的拟合距离。
在一个实施例中,基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线符合速度约束条件的平均速度和修正距离包括:
基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线的初始平均速度和初始修正距离;当初始平均速度符合速度约束条件时,将初始平均速度作为出行路线的平均速度,将初始修正距离作为出行路线的修正距离;当初始平均速度不符合速度约束条件时,将符合速度约束条件的最大允许速度作为出行路线的平均速度;根据平均速度,对初始修正距离进行更新,得到出行路线的修正距离。
其中,初始平均速度和初始修正距离是指通过拟合计算直接得到的计算结果,但计算得到的结果并不一定符合拟合约束条件。例如,在速度约束条件为平均速度不大于预设的速度阈值的情况下,若初始平均速度大于预设的速度阈值,则表征初始平均速度不符合速度约束条件,若初始平均速度不大于预设的速度阈值,则表征初始平均速度符合速度约束条件。
进一步地,对于初始平均速度不符合速度约束条件的情况,需要对初始平均速度进行调整,具体的调整过程可以是将符合速度约束条件的最大允许速度作为出行路线的平均速度,根据平均速度、出行时间以及最小拟合距离,通过重新进行迭代拟合对初始修正距离进行更新,得到出行路线的修正距离。
在本实施例中,通过对计算得到的初始平均速度进行判断,并基于判断结果进行调整的处理方式,能够进一步确保拟合得到的平均速度和修正距离能够符合拟合约束条件,得到准确的拟合参数。
在一个实施例中,拟合约束条件还包括时间约束条件。历史出行数据包括每一条所述出行路线对应的出行时间;
针对每一条所述出行路线,获取对应的历史出行数据包括:
针对每一条出行路线,获取对应的初始出行时间;当存在不符合时间约束条件的出行时间的初始出行时间时,根据时间约束条件中的最长允许时间,对不符合时间约束条件的初始出行时间进行调整,得到每一条出行路线对应的符合时间约束条件的出行时间。
具体来说,时间约束条件包括最长允许时间,当出行时间大于最长允许时间时,将该最长允许时间作为更新的出行时间。
基于时间约束条件对出行时间进行调整,可以使得基于出行时间得到的平均速度和修正距离是符合时间约束条件,从而使得基于平均速度和修正距离得到的拟合距离也符合时间约束条件,确保得到的平均速度和修正距离的准确性。
在一个实施例中,方法还包括初始出行时间的确定过程。具体包括:
从起始地到目的地的出行时间记录数据中,基于出行记录数据对应的出行方式和出行路线,筛选得到每种候选出行方式下每一出行路线对应的出行时间记录数据;根据每一出行路线对应的出行时间记录数据,确定相应出行路线对应的初始出行时间。
其中,出行时间记录数据是指用于对用户出行的出行时间等信息进行记录得到的数据。每一条出行时间记录数据对应一次出行,基于出行时间记录数据,可以确定对应的起始地、目的地、出行方式和出行路线。
在本实施例中,服务器首先从数据库中获取从起始地到目的地的出行时间记录数据,然后服务器基于出行记录数据对应的出行方式和出行路线,筛选得到每种候选出行方式下每一出行路线对应的出行时间记录数据,每一出行路线对应的出行时间记录数据可以为N(N≥1)条。通过对每一出行路线对应的出行时间记录数据求均值,可以得到相应出行路线对应的初始出行时间。
在本实施例中,基于出行时间记录数据得到每一条出行路线对应的出行时间,能够基于实际出行情况进行评估得到每一条出行路线准确的初始出行时间。
在一个实施例中,历史出行数据包括训练数据和测试数据。根据历史出行数据,确定每一条出行路线对应的符合拟合约束条件的拟合参数;基于每一条出行路线对应的拟合参数,确定相应出行路线的拟合距离,包括:
针对每一条出行路线,基于对应的训练数据和拟合约束条件,通过拟合训练,得到每一条出行路线的拟合参数;基于每一条出行路线对应的拟合参数和对应的测试数据,确定相应出行路线的拟合距离。
其中,训练数据和测试数据是通过对历史出行数据进行划分得到的结果。训练数据和测试数据可以按照预设的比例进行划分,例如将历史出行数据中占比为a(0<a<1)的数据划分为训练数据,将历史出行数据中占比为1-a的数据划分为测试数据。举例来说,将历史出行数据按8:2进行划分,将历史出行数据中的80%作为训练数据,20%作为测试数据。
训练数据用于训练得到拟合参数。对于每一条出行路线,服务器根据每一条出行路线对应的训练数据,基于拟合约束条件进行拟合训练,以得到每一条出行路线对应的符合拟合约束条件的拟合参数。
测试数据用于与训练得到的拟合参数计算得到拟合距离。服务器根据每一条出行路线的测试数据与每一条出行路线对应的符合拟合约束条件的拟合参数,得到每一条出行路线的拟合距离。
在本实施例中,通过将每一条出行路线的历史出行数据划分为训练数据和测试数据,先基于训练数据得到符合拟合约束条件的拟合参数,再基于拟合参数和测试数据得到拟合距离,既能从数据源出发确保训练数据和测试数据的有效性,又能通过训练得到的符合拟合约束条件的拟合参数进一步确保拟合距离的准确性。
在一个实施例中,针对每一条出行路线,基于对应的训练数据和拟合约束条件,通过拟合训练,得到每一条出行路线的拟合参数,包括:
针对每一条出行路线,基于对应的训练数据和拟合约束条件,通过最小二乘法进行拟合训练,得到每一条出行路线的拟合参数。
最小二乘法又称最小平方法,是指通过最小化误差的平方和寻找数据的最佳函数匹配的数据处理过程。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
最小二乘法的目标函数为:
通过联合(1)(2),可通过训练数据和代数求解得到v、c,得到拟合参数。
在本实施例中,通过利用最小二乘法对拟合参数求解的方式,能够得到每一条出行路线的最佳拟合参数,以便基于最佳拟合参数得到准确的拟合距离。
在一个实施例中,历史出行数据包括采用至少两种划分方式划分得到的至少两组训练数据和测试数据。根据历史出行数据,确定每一条出行路线对应的符合拟合约束条件的拟合参数;基于每一条出行路线对应的拟合参数,确定相应出行路线的拟合距离包括:
根据每一条出行路线在每一划分方式下的训练数据和测试数据,得到相应出行路线在每一划分方式下的候选拟合距离;基于每一相同划分方式下的各出行路线对应的候选拟合距离与直线距离的差异度,确定每一划分方式下的出行路线与直线距离间的整体偏离度;筛选出整体偏离度符合整体偏离度筛选条件的目标划分方式;将目标划分方式下每一条出行路线的候选拟合距离作为出行路线的拟合距离。
其中,划分方式是指对将历史出行数据划分为训练数据和测试数据的方式。一种划分方式对应一组训练数据和测试数据。通过不同的划分方式得到的不同组的训练数据和测试数据之间的差异仅在于数据组成的不同。
在一个具体应用中,以划分得到N(N≥2)组训练数据和测试数据为例,每一组训练数据和测试数据都可以按照8:2的比例对历史出行数据进行划分得到,但每一组训练数据和测试数据的组成都不相同。例如,历史出行数据中的某一个数据在第一次划分中属于训练数据,在第二次划分中可能会属于测试数据。这里的多组训练数据和测试数据可以理解为采用有放回重复采样方法得到的多组结果。
对于每一条出行路线的每一次划分得到的一组训练数据和测试数据,均可以的得到相应划分方式下的候选拟合距离,也就是说,N组训练数据和测试数据对应有N个候选拟合距离。
进一步地,对于每一条出行路线的历史出行数据的划分次数是相同的,例如均划分N次,得到N组训练数据和测试数据,每一组训练数据和测试数据有对应的1-N的序号,以区分不同的划分方式。
每一相同划分方式下的各出行路线对应的候选拟合距离可以是对应相同序号的训练数据和测试数据得到对应的候选拟合距离。举例来说,对于每一出行路线,均采用序号为1的训练数据和测试数据得到候选拟合距离,即为相同划分方式下的各出行路线对应的候选拟合距离。
具体地,服务器通过计算每一相同划分方式下的各出行路线对应的候选拟合距离与直线距离的差异度,确定每一划分方式下的出行路线与直线距离间的整体偏离度。
在一个具体应用中,有5种候选出行方式,每种候选出行方式对应3条出行路线,则一共有15条出行路线,每一条出行路线的历史出行数据的划分次数为10,对应10种划分方式,则每一条出行路线对应10个候选拟合距离。对于第1种划分方式,分别计算15条出行路线对应的15个候选拟合距离与直线距离之间差异度,以确定第一次划分方式下的15条出行路线与直线距离间的整体偏离度。整体偏离度可以用方差、标准差、均方差或是均方误差中的任意一种数据来表示。基于相同的方式,计算另外9种划分方式对应的整体偏离度。从10种划分方式中筛选出整体偏离度符合整体偏离度筛选条件的目标划分方式,假设第5种划分方式下的整体偏离度最小,则将第5种划分方式下的每一条出行路线的候选拟合距离作为出行路线的拟合距离。
在本实施例中,通过使用多种划分方式,计算出每一种划分方式下对应的候选拟合距离与直线距离的整体偏离度,通过基于整体偏离度对划分方式的筛选,能够得到最优的目标划分方式,从而得到更准确的拟合距离。
在一个实施例中,将目标划分方式下每一条出行路线的候选拟合距离作为出行路线的拟合距离包括:
获取目标划分方式下每一条出行路线对应的目标拟合参数;根据每一条出行路线对应的历史出行数据和对应的目标拟合参数,得到每一条出行路线的拟合距离。
具体地,目标划分方式下每一条出行路线对应的目标拟合参数是通过筛选得到的最优拟合参数,通过目标拟合参数对历史出行数据再次进行拟合处理。由于历史出行数据为全量数据,相较于通过测试数据得到的拟合距离,得到的结果能够更为准确地表征每一出行路线的拟合距离。
在一个实施例中,如图5所示,还提供了一种出行方式筛选方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤502,获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线。
针对每一条出行路线,分别执行以下步骤504至步骤514。
步骤504,获取出行路线对应的符合时间约束条件的出行时间和最大允许速度,出行时间包括采用至少两种划分方式划分得到的至少两组训练数据和测试数据。
针对每一条出行路线的每一组训练数据和测试数据,分别执行以下步骤506至步骤514。
步骤506,基于训练数据和距离约束条件,得到每一条出行路线的初始平均速度和初始修正距离。
步骤508,当初始平均速度符合速度约束条件时,将初始平均速度作为出行路线的平均速度,将初始修正距离作为出行路线的修正距离。
步骤510,当初始平均速度不符合速度约束条件时,将符合速度约束条件的最大允许速度作为出行路线的平均速度。
步骤512,根据平均速度,对初始修正距离进行更新,得到出行路线的修正距离。
步骤514,根据测试数据、平均速度以及修正距离,得到出行路线对应的候选拟合距离。
步骤516,基于每一相同划分方式下的各出行路线对应的候选拟合距离与直线距离的差异度,确定每一划分方式下的出行路线与直线距离间的整体偏离度。
步骤518,筛选出整体偏离度符合整体偏离度筛选条件的目标划分方式。
步骤520,获取目标划分方式下每一条出行路线对应的目标平均速度以及目标修正距离。
步骤522,根据每一条出行路线对应的出行时间、对应的目标平均速度以及对应的目标修正距离,得到每一条出行路线的拟合距离。
步骤524,基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,确定每种候选出行方式下的出行路线与直线距离间的偏离度。
步骤526,按照偏离度,从候选出行方式中筛选出偏离度最小的推荐出行方式。
步骤528,从推荐出行方式下的出行路线中,筛选出拟合距离最短的推荐出行路线。
步骤530,将推荐出行方式下的推荐出行路线推送至终端,推荐出行路线用于指示终端按照推荐出行方式及推荐出行路线进行出行导航。
在一个应用实例中,提供了每一条出行路线的拟合距离计算的算法原理:
最小损失函数模型E为:
约束条件为:
i表示第i种出行方式;
j表示第i种出行方式下的第j种出行路线方案;
在一个实施例中,算法流程包括以下六个阶段:数据输入阶段、模型训练阶段、模型测试阶段、最优模型选择阶段、模型拟合阶段以及出行方式推荐阶段。
以电子地图提供的候选出行方式为5种,每种候选出行方式下提供的出行路线为3条为例,即i=1,2,3,4,5;j=1,2,3。
如图6所示,在数据输入阶段,输入时间矩阵,限速矩阵,时间上限,距离约束。需要说明的是,对于每种候选出行方式i的每条出行路线j,其对应的出行时间t ij 和最大匀速速度k ij 的数据数量均为N个(N≥2),即上述时间矩阵T和限速矩阵K中的每一个元素对应的数据数量为N个。
在模型训练阶段,将输入的数据T、K中的每一个元素对应的数据按一定比例随机划分为训练数据(比例为a,0<a<1)和测试数据(比例为1-a)。例如,按照通用经验将数据随机划分为训练数据:测试数据= 8:2,即按8:2的比例随机划分得到训练数据和测试数据。对于每种候选出行方式i的每条出行路线j,代入参数t ij 、k ij 、d。通过最小二乘法计算出每种候选出行方式i的每条出行路线j对应的平均速度v ij 以及修正距离c ij 。
具体来说,选择方差最小的模型参数矩阵的方式可以为:
分别计算5种候选出行方式的均方误差,并选出最小的均方误差对应的候选出行方式i,将其作为推荐出行方式。在选出推荐出行方式i后,选出推荐出行方式i下对应的最小拟合距离,得到该推荐出行方式下的最短拟合距离的推荐出行路线j。
在出行方式推荐阶段,选出的最优出行方式及最优路线(i,j)形成相应的出行推荐内容,并将出行推荐内容推送至终端。
通过上述方法,通过最小损失函数模型的优化方法和约束条件,具有较高的泛化能力,能够得到最小损失下的模型参数,由此得到的拟合距离具有损失最小的特性,从而得到任意两点之间最优距离。此外,通过上述方法为用户智能推荐最优出行方式及该出行方式下的最短路线,改变了现有出行方式需要人工选择的缺点,解决了人工选择出行方式的方案中,出现的出行方式与实际距离、实际时间错配的问题。
在一个实施例中,如图7所示,还提供了一种出行路线推荐方法,应用于图1中的终端,出行路线推荐方法包括以下步骤:
步骤702,当电子地图处于自动推荐模式时,显示输入的目的地。
其中,电子地图是指利用计算机技术,以数字方式存储和查阅的地图,电子地图基于数字制图技术制成,可以在屏幕上进行可视化展示。
电子地图提供的出行方式确定模式包括自动推荐模式和手动选择模式。自动推荐模式是指主动为用户推荐出行方式和出行路线的模式,手动选择模式是指用户通过选择操作自行选择出行方式和出行路线的模式。
电子地图可以为用户提供至少一种候选出行方式。候选出行方式是指从起始地到目的地的可行的出行方式。出行方式是指用户出行所采用的方法或使用的交通工具,出行方式包括飞机、火车、汽车、公交、地铁、驾车、打车、骑行以及步行等。
目的地是指用户想要达到的地点。目的地可以是用户通过终端操作输入的要到达的地点。例如,在终端显示页面的目的地信息的输入栏中输入目的地的名称如小区X、火车站等,或者是通过地图选点的方式确定目的地的位置,再或者是从预先设置的常用地点中(如公司或家等)选择一个地点作为目的地,以实现目的地的输入。终端通过响应用户对目的地的输入操作,在目的地输入框中显示用户操作对应的目的地。
进一步地,终端响应于用于触发进入自动推荐模式的触发操作,进入自动推荐模式,并显示输入的目的地。
在一个具体应用中,如图8所示,电子地图上显示有“智能推荐”的触发按钮。具体地,“智能推荐”的触发按钮可以在候选出行方式的显示位置显示。如图9所示,终端通过响应于用户对电子地图上显示的“智能推荐”的触发按钮的触发操作,进入自动推荐模式,并在用户在目的地输入框中输入目的地名称如“购物中心”后,显示输入的目的地“购物中心”。
步骤704,响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容。
其中,出行推荐内容,包括推荐出行方式以及关于从定位的起始地到目的地的推荐出行路线的描述内容。
路线自动推荐是指服务器基于定位的起始地和目的地,确定从定位的起始地到目的地的推荐出行方式和推荐出行路线,并推送推荐出行方式和推荐出行路线的相关信息至终端的过程。
进一步地,用于触发路线自动推荐的触发操作可以是通过对自动推荐模式下的路线自动推荐对应的触发操作。触发操作具体可以是点击预设按钮的操作,长按操作等。例如,用户点击自动推荐模式下的“路线”按钮触发。如图10所示,终端响应于用户对“路线”按钮的触发操作,显示自动推荐的出行推荐内容。
具体地,终端响应于用于触发路线自动推荐的触发操作,将定位的起始地和目的地发送至服务器,服务器确定从定位的起始地到目的地的推荐出行方式和推荐出行路线,并将与推荐出行方式和推荐出行路线对应的出行推荐内容推送至终端。
推荐出行方式是指通过对候选出行方式进行筛选得到结果,具体来说,推荐出行方式是多个候选出行方式中符合偏离度筛选条件的候选出行方式。偏离度筛选条件是指基于每种候选出行方式下的出行路线与直线距离间的偏离度的数值大小,对候选出行方式进行筛选时所需要满足的要求,直线距离是从起始地到目的地的直接距离。偏离度是指各个拟合距离相较于直线距离的偏离程度,用于表征候选出行方式下的各出行路线整体的拟合距离相较于直线距离的偏离情况。
推荐出行路线是指推荐出行方式下的出行路线中拟合距离符合拟合距离筛选条件的出行路线。拟合距离筛选条件是指基于推荐出行方式下的出行路线的拟合距离的数值大小,对出行路线进行筛选时所需要满足的要求。拟合距离是指通过拟合计算得到的每种候选出行方式下的每一条出行路线的出行距离。
如图10所示,推荐出行路线的描述内容包括从定位的起始地到目的地的距离、预计时间、预计费用中的至少一种描述信息。从定位的起始地到目的地的距离是指推荐出行路线的拟合距离。预计时间是指采用推荐出行方式和推荐出行路线从定位的起始地到目的地的出行时间,出行时间可以基于从定位的起始地到目的地的历史出行数据中的出行时间得到,例如对多个历史出行数据中的出行时间求平均值。预计费用是指采用推荐出行方式和推荐出行路线从定位的起始地到目的地所需要的费用,预计费用可以基于历史出行数据中的推荐出行方式和推荐出行路线预估得到。
步骤706,响应于针对出行推荐内容的确认操作,进入电子地图的导航模式,并显示从起始地到目的地的推荐出行路线。
其中,针对出行推荐内容的确认操作是指用户同意按出行推荐内容对应的推荐出行方式和推荐出行路线进行导航的操作。终端通过响应于针对出行推荐内容的确认操作,进入电子地图的导航模式,并显示从起始地到目的地的推荐出行路线。
进一步地,针对出行推荐内容的确认操作可以通过与出行推荐内容对应的推荐确认入口的触发操作实现,也可以通过对其他预先配置的出行推荐内容的对应的操作来实现,例如,对显示的出行推荐内容进行的单击、双击或是长按等操作。
导航模式是指示用户按照指定出行路线进行移动指导的信息展示方式。通过进入电子地图的导航模式,在导航画面中显示的从起始地到目的地的推荐出行路线,便于用户出行。
上述出行路线推荐方法,当电子地图处于自动推荐模式时,显示输入的目的地,通过响应于用于触发路线自动推荐的触发操作,显示自动推荐的推荐出行方式,将候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式作为推荐出行方式,确保显示的推荐出行方式是偏离度符合要求的出行方式,同时显示关于从定位的起始地到目的地的推荐出行路线的描述内容,便于用户对推荐出行路线的进一步确认,其中推荐出行路线为推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线,基于拟合距离进行进一步地筛选,确保推荐出行路线的准确可靠,响应于针对出行推荐内容的确认操作,进入电子地图的导航模式,从而实现对出行路线的准确可靠推荐。
在一个实施例中,出行路线推荐方法还包括:
当显示出行推荐内容时,显示与推荐内容对应的推荐确认入口和推荐取消入口;响应于针对推荐取消入口的触发操作,显示至少一种候选出行方式下的至少一条出行路线。
其中,推荐确认入口是指同意按出行推荐内容对应的推荐出行方式和推荐出行路线进行导航的操作入口。推荐取消入口是指不同意按出行推荐内容对应的推荐出行方式和推荐出行路线进行导航的操作入口。
显示至少一种候选出行方式下的至少一条出行路线,可以是显示默认候选出行方式下出行路线。其中,默认候选出行方式可以是用户使用次数最多的出行方式,也可以是上一次出行使用的出行方式。
进一步地,显示的出行路线可以是默认候选出行方式下拟合距离最短的一条,也可以同时显示默认候选出行方式下多条可选择的出行路线以及每一条出行路线的选择按钮,终端通过响应于对出行路线的选择按钮的触发操作,确认用户选择的出行路线。
进一步地,在显示默认候选出行方式下的出行路线的同时,显示其他候选出行方式的选择入口,终端通过响应于对其他候选出行方式的选择入口的触发操作,显示该选择入口对应候选出行方式的出行路线,出行路线的显示方式与默认候选出行方式下出行路线的显示方式相同,在此不再赘述。
在一个具体应用中,如图11所示,与推荐内容对应的推荐取消入口可以是与出行推荐内容对应的“不满意”触发按钮。终端通过响应于针对“不满意”触发按钮的触发操作,显示默认的候选出行方式下的出行路线。
在一个实施例中,响应于针对出行推荐内容的确认操作,包括:响应于针对推荐确认入口的触发操作。
具体地,如图11所示,与推荐内容对应的推荐确认入口可以是与出行推荐内容对应的“开始导航”触发按钮。终端响应于“开始导航”触发按钮的触发操作,进入电子地图的导航模式,并显示从起始地到目的地的推荐出行路线。
在本实施例中,通过显示推荐取消入口和推荐确认入口,直观地提示用户是否使用推荐的出行方式和出行路线,便于用户对自动推荐的出行方式和出行路线进行确认或取消,便于用户主动服推荐内容进行选择。
在一个具体应用中,提供一种具体的产品流程为:用户进入“电子地图”后,点击“智能推荐”进入自动推荐模式对应的智能推荐页面(如图9所示),在搜索栏里输入目的地“购物中心”,接着点击“路线”按键后,接收并显示服务器推送的出行推荐内容(如图10所示),用户通过点击与出行推荐内容对应的“开始导航”,进入导航页面(如图11所示),如果不满意推荐结果,选择“不满意”进入手动选择出行方式页面。用户、终端以及服务器的交互过程如图12所示。
应该理解的是,虽然图2、图5和图7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,这些步骤可以以其它的顺序执行。而且,图2、图5和图7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图13所示,提供了一种出行方式筛选装置1300,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:出行路线确定模块1302、拟合距离确定模块1304、偏离度确定模块1306和推荐出行方式筛选模块1308,其中:
出行路线确定模块1302,用于获取起始地和目的地,确定每种候选出行方式下的至少一条从起始地到目的地的出行路线;
拟合距离确定模块1304,用于针对每一条出行路线,按照对应的拟合约束条件,确定每一条出行路线的拟合距离;
偏离度确定模块1306,用于获取起始地到目的地之间的直线距离;基于每种候选出行方式下的出行路线的拟合距离相比于直线距离的差异值,确定每种候选出行方式下的出行路线与直线距离间的偏离度;
推荐出行方式筛选模块1308,用于按照偏离度,从候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
在一个实施例中,起始地和目的地获取自终端,出行方式筛选装置还包括推荐出行路线筛选模块,用于从推荐出行方式下的出行路线中,筛选出拟合距离符合拟合距离筛选条件的推荐出行路线;将推荐出行方式下的推荐出行路线推送至终端;推荐出行路线,用于指示终端按照推荐出行方式及推荐出行路线进行出行导航。
在一个实施例中,推荐出行方式,是候选出行方式中偏离度最小的候选出行方式;推荐出行路线,是推荐出行方式下的出行路线中拟合距离最短的出行路线。
在一个实施例中,拟合距离确定模块1304包括历史出行数据获取模块和拟合参数处理模块;历史出行数据获取模块,用于针对每一条出行路线,获取对应的历史出行数据;拟合参数处理模块用于根据历史出行数据,确定每一条出行路线对应的符合拟合约束条件的拟合参数;基于每一条出行路线对应的拟合参数,确定相应出行路线的拟合距离。
在一个实施例中,历史出行数据包括训练数据和测试数据;拟合参数处理模块,还用于针对每一条出行路线,基于对应的训练数据和拟合约束条件,通过拟合训练,得到每一条出行路线的拟合参数;基于每一条出行路线对应的拟合参数和对应的测试数据,确定相应出行路线的拟合距离。
在一个实施例中,拟合参数处理模块,还用于针对每一条出行路线,将训练参数输入线性回归模型,得到与每一个训练数据对应的参数训练结果;对每一条出行路线对应的各参数训练结果进行拟合处理,得到每一条出行路线的拟合参数。
在一个实施例中,历史出行数据包括采用至少两种划分方式划分得到的至少两组训练数据和测试数据;拟合参数处理模块包括候选拟合距离确定模块、整体偏离度确定模块、目标划分方式筛选模块以及候选拟合距离处理模块。候选拟合距离确定模块,用于根据每一条出行路线在每一划分方式下的训练数据和测试数据,得到相应出行路线在每一划分方式下的候选拟合距离;整体偏离度确定模块,用于基于每一相同划分方式下的各出行路线对应的候选拟合距离与直线距离的差异度,确定每一划分方式下的出行路线与直线距离间的整体偏离度;目标划分方式筛选模块,用于筛选出整体偏离度符合整体偏离度筛选条件的目标划分方式;候选拟合距离处理模块,用于将目标划分方式下每一条出行路线的候选拟合距离作为出行路线的拟合距离。
在一个实施例中,候选拟合距离处理模块,还用于获取目标划分方式下每一条出行路线对应的目标拟合参数;根据每一条出行路线对应的历史出行数据和对应的目标拟合参数,得到每一条出行路线的拟合距离。
在一个实施例中,拟合约束条件包括速度约束条件和距离约束条件;历史出行数据包括每一条出行路线对应的出行时间;拟合参数处理模块包括平均速度和修正距离确定模块以及平均速度和修正距离处理模块。平均速度和修正距离确定模块,用于基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线符合速度约束条件的平均速度和修正距离;平均速度和修正距离处理模块,用于根据每一条出行路线对应的出行时间、平均速度以及修正距离,得到每一条出行路线对应的拟合距离。
在一个实施例中,平均速度和修正距离确定模块还用于基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线的初始平均速度和初始修正距离;当初始平均速度符合速度约束条件时,将初始平均速度作为出行路线的平均速度,将初始修正距离作为出行路线的修正距离;当初始平均速度不符合速度约束条件时,将符合速度约束条件的最大允许速度作为出行路线的平均速度;根据平均速度,对初始修正距离进行更新,得到出行路线的修正距离。
在一个实施例中,如图14所示,提供了一种出行路线推荐装置1400,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:第一显示模块1402、第二显示模块1404和第三显示模块1406,其中:
第一显示模块1402,用于当电子地图处于自动推荐模式时,显示输入的目的地。
第二显示模块1404,用于响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容。出行推荐内容,包括关于从定位的起始地到目的地的推荐出行路线的描述内容。
第三显示模块1406,用于响应于针对出行推荐内容的确认操作,进入电子地图的导航模式,并显示从起始地到目的地的推荐出行路线。其中,推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;直线距离是从起始地到目的地的直接距离。
在一个实施例中,第二显示模块1404,还用于当显示出行推荐内容时,显示与推荐内容对应的推荐确认入口和推荐取消入口;出行路线推荐装置还包括第四显示模块,用于响应于针对推荐取消入口的触发操作,显示至少一种候选出行方式下的至少一条出行路线;第三显示模块1406,还用于响应于针对推荐确认入口的触发操作,进入电子地图的导航模式,并显示从起始地到目的地的推荐出行路线。
关于出行方式筛选装置和出行路线推荐装置的具体限定可以参见上文中对于出行方式筛选方法和出行路线推荐方法的限定,在此不再赘述。上述出行方式筛选装置和出行路线推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史出行数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种出行方式筛选方法和出行路线推荐方法。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,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各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种出行方式筛选方法,其特征在于,所述方法包括:
获取起始地和目的地,确定每种候选出行方式下的至少一条从所述起始地到所述目的地的出行路线;
针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离,其中,所述拟合距离,是根据相应出行路线对应的拟合约束条件,对相应出行路线的历史出行数据进行拟合处理得到的出行距离;
获取所述起始地到所述目的地之间的直线距离;
基于每种候选出行方式下的出行路线的所述拟合距离相比于所述直线距离的差异值,确定每种候选出行方式下的出行路线与所述直线距离间的偏离度;
按照所述偏离度,从所述候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
2.根据权利要求1所述的方法,其特征在于,所述起始地和所述目的地获取自终端,所述方法还包括:
从所述推荐出行方式下的出行路线中,筛选出拟合距离符合拟合距离筛选条件的推荐出行路线;
将所述推荐出行方式下的所述推荐出行路线推送至所述终端;所述推荐出行路线,用于指示所述终端按照所述推荐出行方式及所述推荐出行路线进行出行导航。
3.根据权利要求2所述的方法,其特征在于,所述推荐出行方式,是所述候选出行方式中偏离度最小的候选出行方式;所述推荐出行路线,是所述推荐出行方式下的出行路线中拟合距离最短的出行路线。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离,包括:
针对每一条所述出行路线,获取对应的历史出行数据;
根据所述历史出行数据,确定每一条出行路线对应的符合所述拟合约束条件的拟合参数;
基于每一条出行路线对应的所述拟合参数,确定相应出行路线的拟合距离。
5.根据权利要求4所述的方法,其特征在于,所述历史出行数据包括训练数据和测试数据;
所述根据所述历史出行数据,确定每一条出行路线对应的符合所述拟合约束条件的拟合参数;基于每一条出行路线对应的所述拟合参数,确定相应出行路线的拟合距离,包括:
针对每一条出行路线,基于对应的训练数据和拟合约束条件,通过拟合训练,得到每一条出行路线的拟合参数;
基于每一条出行路线对应的拟合参数和对应的测试数据,确定相应出行路线的拟合距离。
6.根据权利要求4所述的方法,其特征在于,所述历史出行数据包括采用至少两种划分方式划分得到的至少两组训练数据和测试数据;
所述根据所述历史出行数据,确定每一条出行路线对应的符合所述拟合约束条件的拟合参数;基于每一条出行路线对应的所述拟合参数,确定相应出行路线的拟合距离,包括:
根据每一条出行路线在每一划分方式下的训练数据和测试数据,得到相应出行路线在每一划分方式下的候选拟合距离;
基于每一相同划分方式下的各出行路线对应的所述候选拟合距离与所述直线距离的差异度,确定每一划分方式下的出行路线与所述直线距离间的整体偏离度;
筛选出所述整体偏离度符合整体偏离度筛选条件的目标划分方式;
将所述目标划分方式下每一条出行路线的候选拟合距离作为所述出行路线的拟合距离。
7.根据权利要求6所述的方法,其特征在于,所述将所述目标划分方式下每一条出行路线的候选拟合距离作为所述出行路线的拟合距离,包括:
获取所述目标划分方式下每一条出行路线对应的目标拟合参数;
根据每一条出行路线对应的历史出行数据和对应的目标拟合参数,得到每一条出行路线的拟合距离。
8.根据权利要求4所述的方法,其特征在于,所述拟合约束条件包括速度约束条件和距离约束条件;所述历史出行数据包括每一条所述出行路线对应的出行时间;
所述根据所述历史出行数据,确定每一条出行路线对应的符合所述拟合约束条件的拟合参数;基于每一条出行路线对应的所述拟合参数,确定相应出行路线的拟合距离,包括:
基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线对应的符合所述速度约束条件的平均速度和修正距离;
根据每一条出行路线对应的所述出行时间、所述平均速度以及所述修正距离,得到每一条出行路线对应的拟合距离。
9.根据权利要求8所述的方法,其特征在于,所述基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线符合所述速度约束条件的平均速度和修正距离,包括:
基于每一条出行路线对应的出行时间和距离约束条件,确定每一条出行路线的初始平均速度和初始修正距离;
当所述初始平均速度符合速度约束条件时,将所述初始平均速度作为所述出行路线的平均速度,将所述初始修正距离作为所述出行路线的修正距离;
当所述初始平均速度不符合所述速度约束条件时,将符合所述速度约束条件的最大允许速度作为所述出行路线的平均速度;
根据所述平均速度,对所述初始修正距离进行更新,得到所述出行路线的修正距离。
10.根据权利要求4所述的方法,其特征在于,所述拟合约束条件还包括时间约束条件;所述历史出行数据包括每一条所述出行路线对应的出行时间;
所述针对每一条所述出行路线,获取对应的历史出行数据,包括:
针对每一条所述出行路线,获取对应的初始出行时间;
当存在不符合所述时间约束条件的出行时间的初始出行时间时,根据所述时间约束条件中的最长允许时间,对不符合所述时间约束条件的初始出行时间进行调整,得到每一条出行路线对应的符合所述时间约束条件的出行时间。
11.一种出行路线推荐方法,其特征在于,所述方法包括:
当电子地图处于自动推荐模式时,显示输入的目的地;
响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;所述出行推荐内容,包括推荐出行方式以及关于从定位的起始地到所述目的地的推荐出行路线的描述内容;
响应于针对所述出行推荐内容的确认操作,进入所述电子地图的导航模式,并显示从所述起始地到所述目的地的所述推荐出行路线;
其中,所述推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;所述推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;所述直线距离是从所述起始地到所述目的地的直接距离;所述拟合距离,是根据相应出行路线对应的拟合约束条件,对相应出行路线的历史出行数据进行拟合处理得到的出行距离。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
当显示所述出行推荐内容时,显示与所述推荐内容对应的推荐确认入口和推荐取消入口;
响应于针对所述推荐取消入口的触发操作,显示至少一种候选出行方式下的至少一条出行路线;
所述响应于针对所述出行推荐内容的确认操作,包括:响应于针对所述推荐确认入口的触发操作。
13.一种出行方式筛选装置,其特征在于,所述装置包括:
出行路线确定模块,用于获取起始地和目的地,确定每种候选出行方式下的至少一条从所述起始地到所述目的地的出行路线;
拟合距离确定模块,用于针对每一条所述出行路线,按照对应的拟合约束条件,确定所述每一条出行路线的拟合距离,其中,所述拟合距离,是根据相应出行路线对应的拟合约束条件,对相应出行路线的历史出行数据进行拟合处理得到的出行距离;
偏离度确定模块,用于获取所述起始地到所述目的地之间的直线距离;基于每种候选出行方式下的出行路线的所述拟合距离相比于所述直线距离的差异值,确定每种候选出行方式下的出行路线与所述直线距离间的偏离度;
推荐出行方式筛选模块,用于按照所述偏离度,从所述候选出行方式中筛选出符合偏离度筛选条件的推荐出行方式。
14.一种出行路线推荐装置,其特征在于,所述装置包括:
第一显示模块,用于当电子地图处于自动推荐模式时,显示输入的目的地;
第二显示模块,用于响应于用于触发路线自动推荐的触发操作,显示自动推荐的出行推荐内容;所述出行推荐内容,包括关于从定位的起始地到所述目的地的推荐出行路线的描述内容;
第三显示模块,用于响应于针对所述出行推荐内容的确认操作,进入所述电子地图的导航模式,并显示从所述起始地到所述目的地的所述推荐出行路线;
其中,所述推荐出行路线,是推荐出行方式下拟合距离符合拟合距离筛选条件的出行路线;所述推荐出行方式,是候选出行方式中所对应的出行路线与直线距离间的偏离度满足偏离度筛选条件的候选出行方式;所述直线距离是从所述起始地到所述目的地的直接距离;所述拟合距离,是根据相应出行路线对应的拟合约束条件,对相应出行路线的历史出行数据进行拟合处理得到的出行距离。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。
16.一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,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192312.7A CN112556717B (zh) | 2021-02-20 | 2021-02-20 | 出行方式筛选方法和出行路线推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192312.7A CN112556717B (zh) | 2021-02-20 | 2021-02-20 | 出行方式筛选方法和出行路线推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112556717A CN112556717A (zh) | 2021-03-26 |
CN112556717B true CN112556717B (zh) | 2021-05-14 |
Family
ID=75036052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192312.7A Active CN112556717B (zh) | 2021-02-20 | 2021-02-20 | 出行方式筛选方法和出行路线推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112556717B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283184B (zh) * | 2021-07-16 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 一种出行推荐方法、装置、计算机设备和存储介质 |
CN114066001B (zh) * | 2021-09-25 | 2024-03-19 | 苏州智能交通信息科技股份有限公司 | 基于出行本征的交通服务优化方法、系统、终端及介质 |
CN115880892A (zh) * | 2021-09-29 | 2023-03-31 | 华为技术有限公司 | 出行管理方法、相关装置及系统 |
CN114202290A (zh) * | 2021-12-24 | 2022-03-18 | 中寰卫星导航通信有限公司 | 一种行驶线路推荐方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102506849A (zh) * | 2011-09-28 | 2012-06-20 | 浙江大学 | 寻找带约束的最短路径的方法 |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN107167152A (zh) * | 2016-03-08 | 2017-09-15 | 高德信息技术有限公司 | 路径规划方法和装置 |
CN107806882A (zh) * | 2016-09-08 | 2018-03-16 | 高德信息技术有限公司 | 一种路线规划方法及装置 |
WO2019000463A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 出行方式推荐方法、装置、存储介质及终端 |
CN111442778A (zh) * | 2019-01-16 | 2020-07-24 | 百度在线网络技术(北京)有限公司 | 出行方案推荐方法、装置、设备及计算机可读存储介质 |
-
2021
- 2021-02-20 CN CN202110192312.7A patent/CN112556717B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102506849A (zh) * | 2011-09-28 | 2012-06-20 | 浙江大学 | 寻找带约束的最短路径的方法 |
CN107167152A (zh) * | 2016-03-08 | 2017-09-15 | 高德信息技术有限公司 | 路径规划方法和装置 |
CN106197458A (zh) * | 2016-08-10 | 2016-12-07 | 重庆邮电大学 | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 |
CN107806882A (zh) * | 2016-09-08 | 2018-03-16 | 高德信息技术有限公司 | 一种路线规划方法及装置 |
WO2019000463A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 出行方式推荐方法、装置、存储介质及终端 |
CN111442778A (zh) * | 2019-01-16 | 2020-07-24 | 百度在线网络技术(北京)有限公司 | 出行方案推荐方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112556717A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112556717B (zh) | 出行方式筛选方法和出行路线推荐方法和装置 | |
CN110909096B (zh) | 推荐上车点确定方法及装置、存储介质、电子设备 | |
US10380503B2 (en) | Distributed online learning for privacy-preserving personal predictive models | |
JP4495620B2 (ja) | 移動先予測装置および移動先予測方法 | |
US9301099B2 (en) | Method of analyzing points of interest with probe data | |
CN107784012B (zh) | 一种数字地图兴趣点的更新方法及装置 | |
CN107796411A (zh) | 具有偏好分析机制的导航系统及其操作方法 | |
CN110795642B (zh) | 位置名称生成方法以及位置名称显示方法 | |
CN112380448B (zh) | 车辆数据处理方法、装置、计算机设备和存储介质 | |
CN108292308A (zh) | 根据移动习惯为用户推荐车辆/乘客资源 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN111582559A (zh) | 一种到达时间的预估方法及装置 | |
CN103793763A (zh) | 基于大数据与云计算的最优公交乘车路径挖掘系统 | |
CN111861643A (zh) | 一种乘车位置的推荐方法、装置、电子设备及存储介质 | |
CN104599002A (zh) | 预测订单价值的方法及设备 | |
CN111415024A (zh) | 一种到达时间预估方法以及预估装置 | |
Wepulanon et al. | A real-time bus arrival time information system using crowdsourced smartphone data: a novel framework and simulation experiments | |
US11423660B2 (en) | Methods and systems for determining emergency data for a vehicle | |
CN110262863A (zh) | 一种终端主界面的展示方法和装置 | |
Correa et al. | Urban path travel time estimation using GPS trajectories from high-sampling-rate ridesourcing services | |
CN112351394A (zh) | 一种基于手机信令数据的交通出行模型构建方法 | |
JP6363534B2 (ja) | 経路探索装置、経路探索システム、経路探索方法及びプログラム | |
CN112380443B (zh) | 导乘推荐方法、装置、计算机设备和存储介质 | |
CN110785626A (zh) | 出行方式推荐方法、装置、存储介质及终端 | |
KR101466668B1 (ko) | 위치정보 분류방법 및 이를 위한 장치 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40040457 Country of ref document: HK |