CN112801399B - 一种路径生成方法、装置、终端设备及存储介质 - Google Patents

一种路径生成方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN112801399B
CN112801399B CN202110173471.2A CN202110173471A CN112801399B CN 112801399 B CN112801399 B CN 112801399B CN 202110173471 A CN202110173471 A CN 202110173471A CN 112801399 B CN112801399 B CN 112801399B
Authority
CN
China
Prior art keywords
road
weight
path
roads
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
Application number
CN202110173471.2A
Other languages
English (en)
Other versions
CN112801399A (zh
Inventor
邓春华
吴跃进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202110173471.2A priority Critical patent/CN112801399B/zh
Publication of CN112801399A publication Critical patent/CN112801399A/zh
Application granted granted Critical
Publication of CN112801399B publication Critical patent/CN112801399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

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

Abstract

本申请实施例提出一种路径生成方法、装置、终端设备及存储介质，应用于导航地图领域。该方法是：获取道路集合中每条道路的道路属性信息，并根据每条道路的道路属性信息确定每条道路的道路等级，道路集合包括N条道路，N是正整数；根据每条道路的道路等级和每条道路的道路属性信息，确定每条道路的道路权重；根据确定的N条道路的道路权重，构建路网拓扑图，路网拓扑图包括与N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；当获取到路径规划请求时，根据路网拓扑图确定道路起点和道路终点之间的目标道路，输出目标道路。通过本申请，可以根据道路属性信息确定道路权重，提高了道路权重的准确性。

Description

一种路径生成方法、装置、终端设备及存储介质
技术领域
本申请涉及互联网技术领域，尤其涉及一种路径生成方法、装置、终端设备及存储介质。
背景技术
在终端设备所涉及的诸多领域中，导航应用技术在人们日常生活中发挥着越来越重要的作用。在用户导航过程中，路线优劣会直接影响用户的驾驶体验，而道路权重是路线规划中最重要的因素。
目前，比较常用的道路权重的生成方法，通常是挖掘用户历史通过道路时间，然后将历史通过道路时间直接转换成道路权重。这种方法需要挖掘大量用户的历史通过道路时间，才能学习出一个平均值，工作量较大并且繁琐；同时，覆盖不到的道路需要通过规则生成一个权值，如果规则不够准确，则会导致通过规则生成的道路权值与实际道路权重偏差大的问题。
发明内容
本申请实施例提出了一种路径生成方法、装置、终端设备以及存储介质，可以根据每条道路的道路属性信息确定每条道路的道路权重，提高了道路权重的准确性。
本申请实施例一方面提供了一种路径生成方法，包括：
获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数，所述每条道路的道路属性信息均包括流量属性、速度属性、环境属性以及上下游属性；
根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重；
根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；
当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
本申请实施例一方面提供了一种路径生成装置，包括：
获取单元，用于获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数，所述每条道路的道路属性信息均包括流量属性、速度属性、环境属性以及上下游属性；
确定单元，用于根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重；
构建单元，用于根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；
处理单元，用于当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
本申请实施例一方面提供了一种终端设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述各实施例中的方法。
本申请实施例一方面提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，执行上述各实施例中的方法。
本申请实施例一方面提供了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序包括计算机指令，计算机指令存储在计算机可读存储介质中，计算机指令被终端设备的处理器执行时，执行上述各实施例中的方法。
通过本申请实施例的路径生成方法，终端设备可以根据每条道路的道路属性信息确定每条道路的道路等级，然后，根据每条道路的道路等级和每条道路的道路属性信息确定每条道路的道路权重。相比于现有的根据用户通过道路对应的历史道路时间来生成道路权重，不需要挖掘大量用户的历史通道路时间，提高了生成道路权重的效率，进一步地，本方案根据道路本身的道路属性信息确定道路权重，提高了道路权重的准确性。进一步地，终端设备可以根据每条道路的道路权重构建路网拓扑图，后续，当获取到路径规划请求时，根据路网拓扑图确定出来的目标道路也更容易被更多用户选择，因此提高了目标道路的召回率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。
图1是本申请实施例提供的一种路径生成系统的结构示意图；
图2a是本申请实施例提供的一种确定道路等级的场景示意图；
图2b是本申请实施例提供的一种四级大路的场景示意图；
图2c是本申请实施例提供的一种三级小路的场景示意图；
图2d是本申请实施例提供的一种构建路网拓扑图的场景示意图；
图2e是本申请实施例提供的一种路径导航的场景示意图；
图3是本申请实施例提供的一种路径生成方法的流程示意图；
图4a是本申请实施例提供的一种道路等级划分的示意图；
图4b是本申请实施例提供的一种权重体系的示意图；
图4c是本申请实施例提供的一种确定道路权重的流程示意图；
图4d是本申请实施例提供的一种路网拓扑图的示意图；
图5是本申请实施例提供的一种确定目标道路的流程示意图；
图6是本申请实施例提供的另一种确定目标道路的流程示意图；
图7是本申请实施例提供的一种路径生成装置的结构示意图；
图8是本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了能够更好地理解本申请实施例，下面对本申请实施例涉及的专业术语进行介绍：
终端导航：终端导航软件为用户提供规划路线，并在用户驾驶过程中为用户进行沿路语音引导。
地图路网：指的是在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统图。
LinkID：道路的序列号，每个路网版本中，具有唯一性，能都唯一标识该道路。
路径规划：连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。
最短路径问题：图论研究中的一个经典算法问题，旨在寻找图(由结点和路径组成的)中两结点之间的最短路径。
道路权重：赋予道路的一个得分，导航路径规划就是基于这个得分进行的最短路径问题。
路线召回：导航软件能够计算出来用户实际走的路线即为召回。如果召回路线是首条路线，则为0方案召回，简称0召；如果是前三方案路线召回，则为3条召回，简称3召；剩余的则为N条召回，简称N召。
道路召回率：目标道路被选择的次数和发起路径规划请求的数量之间的比值。其中，基于路径规划请求所确定的道路即是目标道路，目标道路对应的起点、终点和路径规划请求对应的起点、终点均相同。
GBDT模型：GBDT(Gradient Boosting Decision Tree，梯度提升决策树)算法，GB代表的是Gradient Boosting，意为梯度提升，梯度是一种数学概念，一个函数的梯度方向是函数上升最快的方向，相反的，负梯度方向是函数下降最快的方向。Boosting迭代，即通过迭代多棵树来共同决策。GBDT的核心就在于，每一棵树学的是之前所有树结论和的残差，这个残差就是一个加预测值后能得真实值的累加量。
XGBOOST分类模型：XGBoost(Extreme Gradiend Boosting)算法可以认为是GBDT模型算法的工程实现，但该算法在分类正则化，数据采样并行化，缺失值处理策略等多个方面都进行了优化改进，可以达到更快的训练和更优的预测效果。
POI：POI(Point of Information)表示信息点，在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。
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。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的方案属于人工智能领域下属的深度学习技术和机器学习技术。
深度学习(Deep Learning，DL)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。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
在本申请中，主要涉及机器学习技术根据每条道路的道路属性信息确定每条道路的道路等级，以及涉及深度学习技术根据路网拓扑图确定道路起点和道路终点之间的目标道路。后续，当获取到路径规划请求时，终端设备可以根据路网拓扑图确定路径规划请求中携带的道路起点和道路终点之间的目标道路，然后将目标道路输出给用户，以使用户根据目标道路进行路线规划、行程规划等。
本申请可应用于如下场景：当用户主动请求需要导航时，可以利用本申请的方案，根据构建的路网拓扑图，生成用户指定的道路起点和道路终点之间的目标道路，然后，将目标道路输出给用户，以使用户进行路径规划或者行程规划等。或者，可以根据用户经常请求导航时选择的道路起点和道路终点，当用户处于道路起点或者道路终点的范围内，终端设备可以利用本申请的方案，主动向用户进行行程规划的导航推荐，可以根据用户的导航需求定制化的向用户进行行程推荐，提升用户的导航体验感。
请参见图1，请参见图1，图1是本申请实施例提供的一种路径生成系统的结构示意图。服务器140以及终端设备集群，其中，终端设备集群可以包括：终端设备110、终端设备120、...、终端设备130等。终端设备集群与服务器140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。
图1所示的服务器140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，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
图1所示的终端设备110、终端设备120、终端设备130等可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(MID，mobile internet device)、车辆、路边设备、飞行器、可穿戴设备，例如智能手表、智能手环、计步器等，等具有路径生成功能的智能设备。
以终端设备110为例，终端设备110获取道路集合中每条道路的道路属性信息，终端设备110将每条道路的道路属性信息发送至服务器140，服务器140根据每条道路的道路属性信息确定每条道路的道路等级，其中，道路集合包括N条道路，N是正整数。然后，服务器140根据每条道路的道路等级和每条道路的道路属性信息，确定每条道路的道路权重；以及，服务器140根据确定的N条道路的道路权重，构建路网拓扑图，其中，路网拓扑图包括与N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应。
后续，当终端设备110当获取到用户提交的路径规划请求时，终端设备可以将路径规划请求发送至服务器140，服务器140根据路网拓扑图确定道路起点和道路终点之间的目标道路。然后，服务器140将目标道路输出至终端设备110，其中，路径规划请求携带道路起点和道路终点。
需要说明的是，根据每条道路的道路属性信息确定每条道路的道路等级，根据每条道路的道路等级和每条道路的道路属性信息，确定每条道路的道路权重，根据确定的N条道路的道路权重，构建路网拓扑图，以及根据路网拓扑图确定道路起点和道路终点之间的目标道路。也可以由终端设备110或者终端设备集群中任意的终端设备来执行。
可以理解的是，本申请实施例描述的系统架构示意图是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
请参见图2a，图2a是本申请实施例提供的一种确定道路等级的场景示意图。本方案根据实际驾驶体验，通过交叉验证和实地采集的方法，首先将所有道路划分为两类：大路和小路。大路代表道路较宽、周边环境比较简单的路段，小路代表道路相对较窄、会车存在一定难度或者周边环境比较复杂、车辆和行人较多的路段。
具体地，可以将大路又细分为4个等级：一级、二级、三级和四级。小路又细分为三个等级：普通小路、难走小路和禁走小路。大路和小路一共分为7级，从一级大路到禁走小路，驾驶体验依次递减。
举例来说，如图2b所示，图2b是本申请实施例提供的一种四级大路的场景示意图。具体地，大路定义是驾驶体验很好或者较好的道路，一般优先推荐给用户。根据道路类型、车道数和隔离状态等属性，将大路划分为4级，具体标准如下：
一级大路：全封闭道路，包括高速与快速。
二级大路：中间物理隔离带、右侧与非机有隔离、单向多车道或者中间物理隔离带、右侧与非机无隔离但非机较少、单向多车道(3以上)。
三级大路：中间物理隔离带、右侧与非机车无隔离、单向多车道，或者中间无物理隔离带、会车较少、右侧无隔离、行人稀少，或者右侧有隔离、单向多车道。
四级大路：中间物理隔离带、单向一车道、右侧与非机车无隔离、有非机动车道，或者中间无物理隔离带、右侧与非机未隔离、单方向可多车通行的道路，或者中间无物理隔离带、右侧与非机未隔离、行人稀少、单向一车道。
举例来说，如图2c所示，图2c是本申请实施例提供的一种三级小路的场景示意图。具体地，相比大路，小路的整体驾驶体验会差很多，难走程度也相应增大。同样地，根据道路基本属性和周边环境情况，将小路分为三类：
普通小路：双向路，可并行会车，中间没有隔档，旁边有行人道或停车位等障碍(没有也可以)。
难走小路：可以会车，但不能通畅会车，路边可能存在障碍物(如停车位、路边摊、土路)，人车不分流，上下线不分离。
禁走小路：双向路，只能并行一辆车，不可会车或者一辆车都无法行驶或勉强行驶通过。
在一种可能的实现方式中，终端设备获取道路集合中每条道路的道路属性信息，并根据每条道路的道路属性信息确定每条道路的道路等级，其中，道路集合包括N条道路，N是正整数。举例来说，可以人工随机选取城市中各个区的一些道路作为道路集合，并根据每条道路的道路属性信息确定每条道路的道路等级。其中，道路属性信息包括但不限于：流量属性、速度属性以及环境属性等。
在一种可能实现方式中，请参见图2d，图2d是本申请实施例提供的一种构建路网拓扑图的场景示意图。如图2d所示，根据图2d中确定的每条道路的道路等级以及每条道路的道路属性信息，可以确定每条道路的道路权重，其中，道路权重可以为正整数、也可以为分数、百分比等等，本申请实施例对此不作限定。最后，终端设备根据确定得到的每条道路的道路权重，可以构建路网拓扑图。路网拓扑图中，每条连接边均与每条道路之间一一对应，例如，连接边1可以与道路1之间对应，连接边2可以与道路2之间对应。并且，每条连接边的边权重等于该连接边对应的道路的道路权重，例如，连接边1的边权重等于道路1的道路权重，连接边2的边权重等于道路2的道路权重。
在一种可能的实现方式中，当终端设备获取到路径规划请求时，可以根据路网拓扑图确定道路起点和道路终点之间的目标道路，然后在终端设备的显示界面中显示目标道路，其中，路径规划请求携带道路起点和道路终点。请参见图2e，图2e是本申请实施例提供的一种路径导航的场景示意图。终端设备根据用户指定的道路起点以及道路终点，在路网拓扑图中，确定道路起点和道路终点之间的目标道路。
如图2e中的终端设备的导航界面示意图中，在导航界面中显示目标道路，然后，用户可以根据输出的目标道路进行选择以及行程规划。需要说明的是，本申请中的目标道路是指道路权重最小的道路，由于本方案得到的道路权重与现有技术中确定道路权重的方式不一样，因此本方案确定出来的道路权重最小的目标道路可能对应现有方案中时间短，或者距离短，或者红绿灯少等情况。例如，目标道路可能是时间短，但是会存在收费情况，通行时间需要43分钟，以及目标道路对应的距离为30.7公里；又如，目标道路可能是距离短，通行时间需要43分钟，以及目标道路对应的距离为30.5公里；还如，目标道路可能是红绿灯少，通行时间需要49分钟，以及目标道路对应的距离为38.2公里。无论通过本方案确定出来的目标道路属于哪种类型，在终端设备的导航界面中还可以通过现有导航技术输出其它几条参考道路。若目标道路是时间最短的道路，则导航界面中输出的其它参考道路可以为距离最短的道路以及红绿灯少的道路；若目标道路是距离最短的道路，则导航界面中输出的其它参考道路可以为时间最短的道路以及红绿灯少的道路。以使用户根据自身情况进行灵活选择，提升用户的导航体验感。
需要说明的是，本申请提供的路径生成方法可以嵌入到终端设备的导航软件中，以此为用户提供更加准确和有效的路径规划服务。
请参见图3，图3是本申请实施例提供的一种路径生成方法的流程示意图。该方法应用于终端设备，如图3所示，该数据处理方法可包括步骤S310～S340。其中：
步骤S310：获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数。
具体实现时，道路属性信息可以包括流量属性、速度属性、环境属性以及上下游属性等等。其中，流量属性可以用于衡量道路中行驶的车辆数量；速度属性可以用于衡量行驶在道路中的车辆的速度特征；环境属性可以用于衡量道路周围环境的特征；上下游属性可以用于衡量与道路相连的道路的数量和道路等级所占的比例。具体来说，流量属性可以包括道路级别(class)；速度属性可以包括速度等级(speed)；环境属性可以包括车道数(lanes)、道路状况(cond)；上下游属性可以包括道路类型(formway)。并且，道路级别(class)、道路类型(formway)、车道数(lanes)、道路状况(cond)和速度等级(speed)统称为单位道路属性。例如，流量属性具体可以还包括月均流量，日均流量，月均UV，日均UV，分时段流量等等，其中，流量是指车辆通过道路的车辆数量。速度属性具体还可以包括平均速度，中位速度，低速占比等等。环境属性具体可以还包括道路周边100米道路数，道路周边500米道路数，道路周边1000米道路数，道路周边100米POI个数，POI与link垂直距离等等。当然，还可以包括等级，长度，车道数，宽度，通行方向等道路的基本特征信息，以及包括道路的上下游属性，其中上下游属性具体还可以包括直接相连道路数，进入道路数，道路等级占比，分时段中位速度，道路流量和，进入流量和。并且，月均流量，日均流量，月均UV，日均UV，分时段流量，平均速度，中位速度，低速占比，道路周边100米道路数，道路周边500米道路数，道路周边1000米道路数，道路周边100米POI个数，POI与link垂直距离，等级，长度，车道数，宽度，通行方向，直接相连道路数，进入道路数，道路等级占比，分时段中位速度，道路流量和，进入流量和，统称为非单位道路属性。其中，单位道路属性和非单位道路属性统称为子单位道路属性，并且，单位道路属性是道路属性信息中关键的子单位道路属性，非单位道路属性是道路属性信息中非关键的子单位道路属性。
另外，如图4a所示，图4a是本申请实施例提供的一种道路等级划分的示意图。本方案根据实际驾驶体验，通过交叉验证和实地采集的方法，道路等级主要划分为两类：大路和小路。其中，大路代表道路较宽、周边环境比较简单的路段；小路代表道路相对较窄、会车存在一定难度或者周边环境比较复杂、车辆和行人较多的路段。进一步地，大路又细分为4个等级：一级、二级、三级和四级。小路又细分为三个等级：普通小路、难走小路和禁走小路。大路和小路一共分为7级，从一级大路到禁走小路，驾驶体验依次递减。
举例来说，制定了道路等级标准之后，需要给全国一亿多条的道路进行等级标定，这个仅靠人工无法完成，所以先通过人工标注一部分样本，然后通过XGBOOST分类模型预测所有道路等级。具体来说，通过XGBOOST分类模型预测所有道路等级具体包括如下步骤：首先，基于行业经验设定一批与道路等级相关的特征值。然后人工标注一批各个等级的训练样本，训练出一个XGBOOST分类模型。最后，基于道路的特征值和XGBOOST分类模型，输出每条道路属于各个等级的概率。
在一种可能的实现方式中，训练分类模型的具体步骤可以包括：首先，终端设备获取样本道路集合，其中，样本道路集合包含多条样本道路和每条样本道路的道路等级标签。其次，终端设备获取每条样本道路的样本道路属性信息，调用样本分类模型，对每个样本道路的道路属性信息分别进行识别处理，得到每条样本道路分别对应的道路等级预测标签。然后，终端设备根据每条样本道路的道路等级预测标签和每条样本道路的道路等级标签调整样本分类模型的模型参数。最后，当调整后的样本分类模型满足模型收敛条件时，终端设备将调整后的样本分类模型确定为分类模型。
具体来说，根据7级道路的定义，通过线上街景人工标注一批样本，每类都标注一些，然后进行交叉验证，确保标注的准确率，对于难于标注或者有分歧的道路，通过路测实采确定，由此得到用于分类模型训练的样本。其中，交叉验证是指：比如A标注了一批等级数据a，B标注了一批等级数据b，a数据和b数据有交集c，然后通过A和B标注的c来验证A和B标注的正确性。
进一步地，样本分类模型可以为样本XGBOOST分类模型，针对人工标注的训练样本产生出训练样本的道路属性信息，当然，道路属性信息也可以称为道路的特征值。并通过调参，训练出最优的XGBOOST分类模型。其中，样本XGBOOST分类模型的模型参数如下：
Figure BDA0002939132820000111
其中，eta代表学习速率，用于控制树的权重，XGBOOST分类模型在进行完每一轮迭代之后，会将叶子节点的分数乘上该系数，以便于削弱各棵树的影响，避免过拟合。
max_depth表示树的最大深度。也是用来避免过拟合的，当它的值越大时，模型会学到更具体更局部的样本，可能会导致过拟合。
Lambda是指权重的L2正则化项。这个参数是用来控制XGBoost分类模型的正则化部分的，在减少过拟合上还是可以挖掘出更多用处的。
Subsample用于控制对于每棵树，随机采样的比例。减小这个参数的值，算法会更加保守，避免过拟合。但是，如果这个值设置得过小，它可能会导致欠拟合。
在一种可能的实现方式中，以参考道路为例进行具体说明，参考道路为N条道路中的任一条道路，那么，根据参考道路的道路属性信息确定参考道路的道路等级的流程，具体可以包括：首先，调用分类模型，对参考道路的道路属性信息进行识别处理，得到参考道路与分类模型中多种道路等级之间的匹配概率集合，其中，参考道路的道路属性信息可以包括流量属性、速度属性、环境属性以及上下游属性。然后，终端设备从匹配概率集合中确定最大匹配概率，将最大匹配概率对应的道路等级确定为参考道路的道路等级。
进一步地，分类模型具体可以为GBDT模型、XGBOOST分类模型、随机森林模型。神经网络模型、决策树算法模型等等，决策树算法模型具体可以包括：ID3算法模型，C4.5算法模型，C5.0算法模型和分类和回归树(Classification And Regression Tree，CART)算法模型等。
其中，XGBOOST分类模型可以认为是GBDT模型算法的工程实现。具体来说，GBDT模型是对多个CART决策树集成，每一颗CART决策树训练的目标都是当前损失函数的负梯度方向。在节点分裂的过程中，依然是基于最小平方误差或基于最小基尼系数做特征选择。XGBOOST分类模型也是一个加法模型，但是它结点分裂的标准发生了新的变化。无论是回归问题还是分类问题，我们都先定义一个损失函数，损失函数是可微的任意损失函数。
举例来说，以分类模型为XGBOOST分类模型为例进行详细说明。首先，基于行业经验累积和案例分析，总结、选择出与道路等级有关的特征。然后，根据XGBOOST分类模型识别每条道路的道路属性信息，即依次将全国所有link(道路)生成XGBOOST特征值列表Fi＝{fk|1≤k≤K}，共有K个特征。如表1所示，表1是本申请实施例提供的一种分类模型特征列表的表格示意图。
表1.XGBOOST分类模型特征列表
Figure BDA0002939132820000131
根据XGBOOST分类模型特征值列表，得到每条道路的特征值列表。其中，特征值列表可以为特征矩阵，也可以为特征向量。然后，将特征值列表Fi带入XGBOOST分类模型，通过XGBOOST分类模型的识别处理，可以计算出当前link(道路)属于不同道路等级的概率
Figure BDA0002939132820000132
从中选择概率最大的等级
Figure BDA0002939132820000133
作为当前link的道路等级。
步骤S320：根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重。
在一种可能的实现方式中，参考道路为N条道路中的任一条道路，终端设备根据参考道路的道路等级和参考道路的道路属性信息，确定参考道路的道路权重的流程，具体可以包括：首先，终端设备获取道路权重体系，其中，道路权重体系包括多个道路等级以及每个道路等级分别对应的权重区间。然后，终端设备根据参考道路的道路等级和道路权重体系，获取参考道路对应的参考权重区间，其中，参考权重区间包括第一目标参数和第二目标参数。最后，终端设备根据第一目标参数、第二目标参数以及参考道路的道路属性信息，确定参考道路的道路权重。
举例来说，全国所有link等级(道路等级)确定后，首先给每个道路等级划分一个权重区间，道路等级内的link权值(道路权重)固定在给定的区间内，这样就把不同道路等级的道路权重很好地区分开，道路等级内的link权值(道路权重)则通过规则模型进行区分。
请参见图4b，图4b是本申请实施例提供的一种权重体系的示意图。如图4b所示，权值体系包括了七个道路等级分别对应的权重区间，具体的，一级道路对应的权重区间1：40-50，二级道路对应的权重区间2：50-58，三级道路对应的权重区间3：58-65，四级道路对应的权重区间4：65-80，五级道路(普通小路)对应的权重区间5：80-110，六级道路(难走小路)对应的权重区间6：160-170，七级道路(禁走小路)对应的权重区间7：220-225。需要说明的是，一级道路到普通小路，都是可以正常行驶的道路，因此可以采用一个连续的取值空间，衔接不同的道路等级。即下一级别道路的最小道路权重等于上一级别道路的最大道路权重，具体的，如三级道路对应的最小道路权重为58，二级道路的最大权重也是58。另外，由于难走小路和禁走小路路况较差，因此可以将权重拉大，与其他道路区分开，尽量避免提供给用户，起到规避作用。例如，六级道路对应的最小道路权重为160，五级道路对应的最大道路权重为110。需要说明的是，第一目标参数是指权重区间中的最小道路权重，第二目标参数是指权重区间中的最大道路权重，或者，第一目标参数是指权重区间中的最大道路权重，第二目标参数是指权重区间中的最小道路权重。
在一种可能的实现方式中，参考道路的道路属性信息包括多个单位道路属性。终端设备根据第一目标参数、第二目标参数以及参考道路的道路属性信息，确定参考道路的道路权重的流程，具体可以包括：首先，终端设备获取每个单位道路属性分别对应的属性权重。然后，终端设备对多个单位道路属性和多个属性权重进行加权运算，确定参考道路的权重系数。最后，终端设备根据参考道路的权重系数、第一目标参数以及第二目标参数，确定参考道路的道路权重。
举例来说，请参见图4c，图4c是本申请实施例提供的一种确定道路权重的流程示意图。如图4c，在每个道路等级的权重范围确定后，所有道路的道路范围也随之确定。最终要确定每条道路的道路权重，则可以根据道路属性信息中包括的所有单位道路属性来确定。从前述可知，道路属性信息可以包括多个子单位道路属性。其中，多个单位道路属性可以是道路属性信息中关键的子单位道路属性，并且具体可以根据人工规则对多个子单位道路属性进行筛选，从而确定出所有的单位道路属性。例如道路的单位道路属性可以包括：道路级别(class)、道路类型(formway)、车道数(lanes)、道路状况(cond)和速度等级(speed)。具体的，道路级别包括但不限于：高速路，国道，省道，乡村道，自行车道，人行道等；道路类型包括但不限于：辅路、三岔路、十字路、主路、隧道、步行街等；车道数可以为双向三车道，单项双车道等等，道路状况可以包括拥堵、畅通等。
进一步地，获取每个道路的关键特征分别对应的属性权重，假设道路级别(class)对应的属性权重为α，道路类型(formway)对应的属性权重为β，车道数(lanes)对应的属性权重为γ、道路状况(cond)对应的属性权重为σ和速度等级(speed)对应的属性权重为ε。根据每个单位道路属性和每个单位道路属性的权重进行加权运算，得到权重系数如公式1所示：
W＝αF0(Class)+βF1(formway)+γF2(lanes)+σF3(Class)+εF4(speed) (1)
公式1中，每个单位道路属性对应的属性权重的取值范围均为[0，1]，并且F0+F1+F2+F3+F4＝1。因此，权重系数W的取值范围也是[0，1]。
最后，根据参考道路所属的权重区间，即可求出参考道路的道路权重，道路权重如公式2所示：
A＝x2-(x2-x1)*W (2)
公式2中，A是指道路权重，x1是指权重区间对应的最大道路权重(第二目标参数)，x2是指权重区间对应的最小道路权重(第一目标参数)。
具体来说，假设参考道路的道路等级为四级，则参考道路所属的权重区间为[65，80]，那么，第一目标参数为65，第二目标参数为80，最后根据第一目标参数，第二目标参数和权重系数计算得到的道路权重为：80-(80-65)*W，W的具体取值根据每条道路的道路属性信息有关，若W＝0.5，则参考道路的道路权重为72.5。这样，所有道路按照自身道路等级区分开，然后又通过规则分布到道路等级区间内，保证权重体系能直接反映道路的驾驶体验。
步骤S330：根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应。
具体实现时，终端设备根据道路集合中的N条道路的道路权重，构建路网拓扑图，其中，每条道路对应两个道路顶点，路网拓扑图中任意两个道路顶点之间的连接边对应N条道路中的任一条道路，并且，路网拓扑图中的N条连接边分别对应N条道路，每条连接边的边权重与每条道路的道路权重之间一一对应。
举例来说，请参见图4d，图4d是本申请实施例提供的一种路网拓扑图的示意图。如图4d所示，路网拓扑图中包含19条连接边，即路网拓扑图是根据19条道路构建而成的，当然，实际情况中，路网拓扑图中的连接边远远大于本申请示意图中的19条连接边，本申请仅仅用于示例。路网拓扑图中的每条连接边均与19条道路之间一一对应。路网拓扑图中的道路顶点A，B1，B2，C1...，可以为道路周边的POI(信息点)，例如信息点可以为一栋房子、一个商铺、一个邮筒、一个公交站、一个加油站等。路网拓扑图中，每条连接边均对应两个道路顶点。并且，每条连接边的边权重与每条道路的道路权重之间一一对应，如图4d中道路顶点A至道路顶点B1对应的连接边的边权重为5，等于道路顶点A至道路顶点B1对应的道路的道路权重。
步骤S340：当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
具体实现时，终端设备获取路径规划请求可以是指，终端设备获取目标用户提交的路径规划请求，也可以是指终端设备检测到目标用户处于目标范围内自动生成的路径规划请求。具体的，目标用户可以在需要导航的时候，向终端设备主动提交路径规划请求，路径规划请求携带有目标用户指定的路径起点以及路径终点。终端设备可以采集目标用户对应的历史导航行为数据，可以将目标用户历史导航行为数据中请求导航次数最多的道路起点和道路终点作为向目标用户自动推荐的路径规划，即终端设备检测到目标用户处于道路起点范围内，则终端设备将自动生成路径规划请求，路径规划请求中包括道路起点和道路终点，或者，终端设备检测到目标用户处于道路终端范围内，则终端设备将自动生成路径规划请求，路径规划请求中包括道路起点和道路终点。采用本方案，可以根据目标用户的历史导航行为数据，自动为用户生成路径规划请求，方便用户出行，提升用户导航体验感。
在一种可能的实现方式中，终端设备确定目标道路之后，可以将目标道路输出给目标用户的同时，还可以输出除目标道路以外的其它待推荐道路，以使用户可以有更多的选择。
通过本申请实施例提供的路径生成方法，通过道路的道路属性信息确定道路的道路权重，提供了一种更客观的衡量道路状态的标准，增加导航路线的合理性和多样性，为用户生成更加反映道路现实情况的路线。由于本申请中的目标道路是根据道路权重生成的路线，就代表道路状态和驾驶体验好的路线，容易被用户选择，从而提高道路的召回率。进一步地，本方案的道路权重是根据道路本身属性来确定的，增加的道路解释性，便于解决用户反馈的道路问题，同时因为人工智能领域的分类模型方案的使用，容易迭代适应道路的不断变化，持续提高用户的满意度。
请参见图5，图5是本申请实施例提供的一种确定目标道路的流程示意图。该方法应用于终端设备，如图5所示，其中，图5实施例为图3实施例中步骤S340的一个具体实施例。该数据处理方法可包括步骤S510～S530。其中：
步骤S510：在路网拓扑图中，通过路径规划算法获取道路起点和道路终点之间的路径集合，路径集合包括多条路径，每条路径包括一条或者多条连接边以及路径权重，参考路径的路径权重是由参考路径包含的连接边对应的边权重确定的。
具体实现时，参考路径是指路径集合中的任一条路径。路径规划算法可以包括Dijkstra(迪杰斯特拉)算法、Bellman-Ford algorithm(贝尔曼-福特算法)、(Floyd-Warshallalgorithm)算法又称为弗洛伊德算法、Shortest Path Faster Algorithm算法。
具体地，以Dijkstra算法为例进行举例说明，Dijkstra算法算是贪心思想实现的，首先在路网拓扑图中把道路起点到所有道路顶点的距离(道路权重)存下来找个最短的，然后松弛一次再找出最短的，所谓的松弛操作就是，遍历一遍看通过刚刚找到的道路权重最小的道路顶点作为中转站会不会更近，如果更近了就更新道路权重，这样把所有的点找遍之后就存下了起点到其他所有点的最小道路权重。
举例来说，如图4d中，若道路起点为A，道路终点为E，则可以通过穷举法获取到的顶点A至顶点E之间包含的所有路径组合为路径集合，路径集合可以包括：路径1(A-B1-C1-D1-E)，路径2(A-B1-C2-D1-E)，路径3(A-B2-C2-D2-E)，路径4(A-B2-C3-D2-E)，路径5(A-B2-C4-D3-E)，...。其中，路径集合中的每条路径对应的路径权重可以通过穷举法在遍历路网拓扑图的过程中计算得到。例如，路径1对应的路径权重x1，等于路径1中包含的所有连接边的边权重相加求和得到的，则路径权重x1＝5+1+6+3＝15，路径2对应的路径权重x2＝5+3+3+3＝14，路径3对应的路径权重x3＝3+8+5+2＝18，路径4对应的路径权重x4＝3+7+3+2＝15，路径5对应的路径权重x5＝3+6+4+2＝15，以此类推，通过穷举法可以计算出路径集合中每条路径的路径权重。
步骤S520：将所述多条路径中路径权重小于参考权重阈值对应的路径，确定为所述道路起点和所述道路终点之间的目标路径。
具体实现时，目标路径可以为一条或者多条。在确定出路径集合中的所有路径的路径权重之后，终端设备可以将所有路径权重中小于参考权重阈值对应的路径作为目标路径。若目标路径不止一条，则可以将多条路径确定为目标路径，或者确定出来的多条目标路径中的路径权重最小的路径确定为最终的一条目标路径。或者，将路径集合中所有的路径的路径权重中权重最小的路径作为目标路径。
举例来说，假设参考权重阈值为15，则路径集合中所有路径的路径权重中小于15的路径只有路径2(A-B1-C2-D1-E)，则终端设备将路径2作为顶点A到顶点E之间的目标路径。
步骤S530：在所述路网拓扑图中，将所述目标路径对应的道路确定为所述道路起点和所述道路终点之间的目标道路。
具体实现时，终端设备确定出目标路径之后，终端设备将目标路径对应的道路确定为道路起点与道路终点之间的目标道路。举例来说，如图4d所示，若目标路径为路径2(A-B1-C2-D1-E)，则在路网拓扑图中，可以确定由顶点A到顶点B1之间的道路，顶点B1至顶点C2之间的道路，顶点C2至顶点D1，顶点D1至顶点E之间的道路共同组成目标道路。
在一种可能的实现方式中，终端设备确定出目标道路之后，终端设备输出目标道路以及增加一些诱导信息提供给用户。其中，诱导信息是指与目标道路相关的导航提示消息或者导航辅助消息，例如“前方路口左转”，或者“前方100米处有违章拍照，请注意限速处理”等等。其中，目标道路可以为一条或者多条。若目标路径为多条的情况下，则确定出来的目标道路也为多条，具体的，若目标路径为3条，则可以将3条目标路径分别对应的目标道路均输出给用户。此时，向用户输出的目标道路可以为3条，3条目标道路可以按照道路权重进行排序，具体可以是按照权重由小到大依次排列，即道路权重最小对应的目标道路排在第一位，道路权重第二小对应的目标道路排在第二位，道路权重最大对应的目标道路排在第三位。以使用户可以根据输出的多条道路有更多的选择，提高用户道路选择的召回率。
请参见图6，图6是本申请实施例提供的一种确定目标道路的流程示意图。该方法应用于终端设备，如图6所示，其中，图6实施例为图3实施例中步骤S340的一个具体实施例。该数据处理方法可包括步骤S610～S630。其中：
步骤S610：在所述路网拓扑图中，从所述道路起点开始，遍历所述道路起点的所有相邻点，所述相邻点是指与所述道路起点之间存在一条连接边的点。
具体实现时，可以通过路线规划算法在路网拓扑图中，从道路顶点开始遍历道路顶点的所有相邻点。其中，相邻点是指在路网拓扑图中与道路起点之间存在并且只存在一条连接边的点。举例来说，如图4d所示，道路起点假设为A，则在路网拓扑图中，A的所有相邻点为B1和B2。
步骤S620：将所有相邻点中与所述道路起点之间的连接边的边权重最小的相邻点，确定为新的道路起点。
具体实现时，终端设备确定了道路起点的所有相邻点之后，若有m个相邻点，则存在m条边权重，则终端设备将m个相邻点中与道路起点之间的m条连接边的边权重最小的相邻点，确定为新的道路起点。如图4d所示，道路起点A的两个相邻点分别为B1，B2，并且A和B1之间的边权重为5，A和B2之间的边权重为3，则终端设备确定B2为新的道路起点。
按照上述方法，将新的道路起点重复执行步骤S610的过程，即将B1作为道路起点，在路网拓扑图中遍历B1的所有相邻点，B1的所有相邻点为C1，C2，C3。然后，在C1，C2，C3中确定出下一个新的道路起点，迭代执行。
步骤S630：若所述新的道路起点为所述道路终点，则将遍历过程中所有的边权重最小的连接边分别对应的道路组合为所述目标道路。
具体实现时，迭代执行步骤S610和步骤S620的过程，直至新的道路起点为道路终点，停止遍历。此时，将遍历过程中确定的所有的边权重最小的连接边分别对应的道路组合为目标道路。例如，道路起点为A，通过遍历路网拓扑图确定的所有的边权重最小的连接边分别为A与B1之间的连接边对应的道路，B1与C2之间的连接边对应的道路，C2与D1之间的连接边对应的道路，D1与E之间的连接边对应的道路，组合为目标道路。
举例来说，实际过程中使用的是可定制的路线规划(customizable routeplanning，crp)算法，crp算法将实际路网划分为路网拓扑以及metric属性(度量标准)，路网拓扑属于路网的静态属性，包括道路长度、类型、车道数等；metric属性代表在路径规划时计算的经过一条道路或者转向时的权重。本方案设计的权重就属于metric属性，在路径规划的时候直接作为权重使用。这样，最终按照本方案权重生成的路线，就代表道路状态和驾驶体验好的路线，容易被用户选择，从而提供路线的召回率。
通过本方案，从道路起点开始依次通过遍历路网拓扑图中的相邻点，最终确定一条目标道路，相比贪婪算法的思想，本申请在遍历过程中每次遍历都直接确定出唯一的一条连接边和一个相邻点，可以提高终端设备的运行效率，减小设备负荷。
请参见图7，图7是本申请实施例提供的一种路径生成装置的结构示意图。图7是本申请实施例提供的一种路径生成装置的结构示意图。图7是本申请实施例所提供的一种路径生成装置的结构示意图。该路径生成装置可应用于图3～图6对应的方法实施例中的终端设备。路径生成装置可以是运行于轻量节点中的一个计算机程序(包括程序代码)，例如该路径生成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。该路径生成装置可包括：
获取单元710，用于获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数，所述每条道路的道路属性信息均包括流量属性、速度属性、环境属性以及上下游属性；
确定单元720，用于根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重；
构建单元730，用于根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；
处理单元740，用于当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
在一种可能的实现方式中，参考道路为所述N条道路中的一条道路；确定单元720根据参考道路的道路等级和参考道路的道路属性信息，确定参考道路的道路权重的流程，包括：
获取道路权重体系，所述道路权重体系包括多个道路等级以及每个道路等级分别对应的权重区间；
根据所述参考道路的道路等级和所述道路权重体系，获取所述参考道路对应的参考权重区间，所述参考权重区间包括第一目标参数和第二目标参数；
根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重。
在一种可能的实现方式中，所述参考道路的道路属性信息包括多个单位道路属性；
确定单元720根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重，包括：
获取每个单位道路属性分别对应的属性权重；
对所述多个单位道路属性和所述多个属性权重进行加权运算，确定所述参考道路的权重系数；
根据所述参考道路的权重系数、所述第一目标参数以及所述第二目标参数，确定所述参考道路的道路权重。
在一种可能的实现方式中，处理单元740根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，包括：
在所述路网拓扑图中，通过路径规划算法获取所述道路起点和所述道路终点之间的路径集合，所述路径集合包括多条路径，每条路径包括一条或者多条连接边以及路径权重，参考路径的路径权重是由所述参考路径包含的连接边对应的边权重确定的，所述参考路径是指所述路径集合中的任一条路径；
将所述多条路径中路径权重小于参考权重阈值对应的路径，确定为所述道路起点和所述道路终点之间的目标路径；
在所述路网拓扑图中，将所述目标路径对应的道路确定为所述道路起点和所述道路终点之间的目标道路。
在一种可能的实现方式中，处理单元740根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，包括：
在所述路网拓扑图中，从所述道路起点开始，遍历所述道路起点的所有相邻点，所述相邻点是指与所述道路起点之间存在一条连接边的点；
将所有相邻点中与所述道路起点之间的连接边的边权重最小的相邻点，确定为新的道路起点；
若所述新的道路起点为所述道路终点，则将遍历过程中所有的边权重最小的连接边分别对应的道路组合为所述目标道路。
在一种可能的实现方式中，参考道路为所述N条道路中的一条道路；获取单元710根据参考道路的道路属性信息确定参考道路的道路等级的流程，包括：
调用分类模型，对所述参考道路的道路属性信息进行识别处理，得到所述参考道路与所述分类模型中多种道路等级之间的匹配概率集合，所述参考道路的道路属性信息包括流量属性、速度属性、环境属性；
从所述匹配概率集合中确定最大匹配概率，将所述最大匹配概率对应的道路等级确定为所述参考道路的道路等级。
在一种可能的实现方式中，获取单元710获取样本道路集合，所述样本道路集合包含多条样本道路和每条样本道路的道路等级标签；
处理单元740获取每条样本道路的样本道路属性信息，调用样本分类模型，对每个样本道路的道路属性信息分别进行识别处理，得到每条样本道路分别对应的道路等级预测标签；
处理单元740根据所述每条样本道路的道路等级预测标签和所述每条样本道路的道路等级标签调整所述样本分类模型的模型参数；
当调整后的样本分类模型满足模型收敛条件时，确定单元720将所述调整后的样本分类模型确定为所述分类模型。
请参见图8，图8是本申请实施例提供的一种终端设备的结构示意图。请参见图8，请参见图8，图8是本申请实施例提供的一种终端设备的结构示意图，该终端设备用于执行图3～图6对应的方法实施例中终端设备所执行的步骤。该服务器包括：一个或多个处理器810；一个或多个输入设备820，一个或多个输出设备830和存储器840。上述处理器810、输入设备820、输出设备830和存储器840通过总线850连接。存储器840用于存储计算机程序，所述计算机程序包括程序指令，处理器810用于执行存储器840存储的程序指令，执行以下操作：
获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数，所述每条道路的道路属性信息均包括流量属性、速度属性、环境属性以及上下游属性；
根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重；
根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；
当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
在一种可能的实现方式中，参考道路为所述N条道路中的一条道路；处理器810根据参考道路的道路等级和参考道路的道路属性信息，确定参考道路的道路权重的流程，包括：
获取道路权重体系，所述道路权重体系包括多个道路等级以及每个道路等级分别对应的权重区间；
根据所述参考道路的道路等级和所述道路权重体系，获取所述参考道路对应的参考权重区间，所述参考权重区间包括第一目标参数和第二目标参数；
根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重。
在一种可能的实现方式中，所述参考道路的道路属性信息包括多个单位道路属性；
处理器810根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重，包括：
获取每个单位道路属性分别对应的属性权重；
对所述多个单位道路属性和所述多个属性权重进行加权运算，确定所述参考道路的权重系数；
根据所述参考道路的权重系数、所述第一目标参数以及所述第二目标参数，确定所述参考道路的道路权重。
在一种可能的实现方式中，处理器810根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，包括：
在所述路网拓扑图中，通过路径规划算法获取所述道路起点和所述道路终点之间的路径集合，所述路径集合包括多条路径，每条路径包括一条或者多条连接边以及路径权重，参考路径的路径权重是由所述参考路径包含的连接边对应的边权重确定的，所述参考路径是指所述路径集合中的任一条路径；
将所述多条路径中路径权重小于参考权重阈值对应的路径，确定为所述道路起点和所述道路终点之间的目标路径；
在所述路网拓扑图中，将所述目标路径对应的道路确定为所述道路起点和所述道路终点之间的目标道路。
在一种可能的实现方式中，处理器810根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，包括：
在所述路网拓扑图中，从所述道路起点开始，遍历所述道路起点的所有相邻点，所述相邻点是指与所述道路起点之间存在一条连接边的点；
将所有相邻点中与所述道路起点之间的连接边的边权重最小的相邻点，确定为新的道路起点；
若所述新的道路起点为所述道路终点，则将遍历过程中所有的边权重最小的连接边分别对应的道路组合为所述目标道路。
在一种可能的实现方式中，参考道路为所述N条道路中的一条道路；处理器810根据参考道路的道路属性信息确定参考道路的道路等级的流程，包括：
调用分类模型，对所述参考道路的道路属性信息进行识别处理，得到所述参考道路与所述分类模型中多种道路等级之间的匹配概率集合，所述参考道路的道路属性信息包括流量属性、速度属性、环境属性；
从所述匹配概率集合中确定最大匹配概率，将所述最大匹配概率对应的道路等级确定为所述参考道路的道路等级。
在一种可能的实现方式中，处理器810还用于执行以下操作：
获取样本道路集合，所述样本道路集合包含多条样本道路和每条样本道路的道路等级标签；
获取每条样本道路的样本道路属性信息，调用样本分类模型，对每个样本道路的道路属性信息分别进行识别处理，得到每条样本道路分别对应的道路等级预测标签；
根据所述每条样本道路的道路等级预测标签和所述每条样本道路的道路等级标签调整所述样本分类模型的模型参数；
当调整后的样本分类模型满足模型收敛条件时，将所述调整后的样本分类模型确定为所述分类模型。
应当理解，本申请实施例中所描述的终端设备可执行前文图3～图6所对应实施例中对路径生成方法的描述，也可执行前文图7所对应实施例中对路径生成装置的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。
此外，这里需要指出的是：本申请实施例还提供了一种计算机存储介质，且计算机存储介质中存储有前文提及的页面生成装置所执行的计算机程序，且该计算机程序包括程序指令，当处理器执行上述程序指令时，能够执行前文图3～图6所对应实施例中的方法，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。作为示例，程序指令可以被部署在一个终端设备上，或者在位于一个地点的多个终端设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个终端设备上执行，分布在多个地点且通过通信网络互连的多个终端设备可以组成区块链系统。
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。终端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，使得该终端设备可以执行前文图3～图6所对应实施例中的方法，因此，这里将不再进行赘述。
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，上述程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (9)

1.一种路径生成方法，其特征在于，所述方法包括：
获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数，所述每条道路的道路属性信息均包括流量属性、速度属性、环境属性以及上下游属性；
根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重；参考道路为所述N条道路中的一条道路；根据参考道路的道路等级和参考道路的道路属性信息，确定参考道路的道路权重的流程，包括：获取道路权重体系，所述道路权重体系包括多个道路等级以及每个道路等级分别对应的权重区间；根据所述参考道路的道路等级和所述道路权重体系，获取所述参考道路对应的参考权重区间，所述参考权重区间包括第一目标参数和第二目标参数；根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重；
根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；
当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
2.根据权利要求1所述的方法，其特征在于，所述参考道路的道路属性信息包括多个单位道路属性；
所述根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重，包括：
获取每个单位道路属性分别对应的属性权重；
对所述多个单位道路属性和所述多个属性权重进行加权运算，确定所述参考道路的权重系数；
根据所述参考道路的权重系数、所述第一目标参数以及所述第二目标参数，确定所述参考道路的道路权重。
3.根据权利要求1-2任一项所述的方法，其特征在于，所述根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，包括：
在所述路网拓扑图中，通过路径规划算法获取所述道路起点和所述道路终点之间的路径集合，所述路径集合包括多条路径，每条路径包括一条或者多条连接边以及路径权重，参考路径的路径权重是由所述参考路径包含的连接边对应的边权重确定的，所述参考路径是指所述路径集合中的任一条路径；
将所述多条路径中路径权重小于参考权重阈值对应的路径，确定为所述道路起点和所述道路终点之间的目标路径；
在所述路网拓扑图中，将所述目标路径对应的道路确定为所述道路起点和所述道路终点之间的目标道路。
4.根据权利要求1-2任一项所述的方法，其特征在于，所述根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，包括：
在所述路网拓扑图中，从所述道路起点开始，遍历所述道路起点的所有相邻点，所述相邻点是指与所述道路起点之间存在一条连接边的点；
将所有相邻点中与所述道路起点之间的连接边的边权重最小的相邻点，确定为新的道路起点；
若所述新的道路起点为所述道路终点，则将遍历过程中所有的边权重最小的连接边分别对应的道路组合为所述目标道路。
5.根据权利要求1所述的方法，其特征在于，参考道路为所述N条道路中的一条道路；根据参考道路的道路属性信息确定参考道路的道路等级的流程，包括：
调用分类模型，对所述参考道路的道路属性信息进行识别处理，得到所述参考道路与所述分类模型中多种道路等级之间的匹配概率集合，所述参考道路的道路属性信息包括流量属性、速度属性、环境属性；
从所述匹配概率集合中确定最大匹配概率，将所述最大匹配概率对应的道路等级确定为所述参考道路的道路等级。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取样本道路集合，所述样本道路集合包含多条样本道路和每条样本道路的道路等级标签；
获取每条样本道路的样本道路属性信息，调用样本分类模型，对每个样本道路的道路属性信息分别进行识别处理，得到每条样本道路分别对应的道路等级预测标签；
根据所述每条样本道路的道路等级预测标签和所述每条样本道路的道路等级标签调整所述样本分类模型的模型参数；
当调整后的样本分类模型满足模型收敛条件时，将所述调整后的样本分类模型确定为所述分类模型。
7.一种路径生成装置，其特征在于，包括：
获取单元，用于获取道路集合中每条道路的道路属性信息，并根据所述每条道路的道路属性信息确定每条道路的道路等级，所述道路集合包括N条道路，N是正整数，所述每条道路的道路属性信息均包括流量属性、速度属性、环境属性以及上下游属性；
确定单元，用于根据所述每条道路的道路等级和所述每条道路的道路属性信息，确定每条道路的道路权重；参考道路为所述N条道路中的一条道路；根据参考道路的道路等级和参考道路的道路属性信息，确定参考道路的道路权重的流程，包括：获取道路权重体系，所述道路权重体系包括多个道路等级以及每个道路等级分别对应的权重区间；根据所述参考道路的道路等级和所述道路权重体系，获取所述参考道路对应的参考权重区间，所述参考权重区间包括第一目标参数和第二目标参数；根据所述第一目标参数、所述第二目标参数以及所述参考道路的道路属性信息，确定所述参考道路的道路权重；
构建单元，用于根据确定的N条道路的道路权重，构建路网拓扑图，所述路网拓扑图包括与所述N条道路分别对应的N条连接边，N条连接边的边权重与N条道路的道路权重之间一一对应；
处理单元，用于当获取到路径规划请求时，根据所述路网拓扑图确定道路起点和道路终点之间的目标道路，输出所述目标道路，所述路径规划请求携带所述道路起点和所述道路终点。
8.一种终端设备，其特征在于，包括存储器以及处理器，所述存储器存储一组程序代码，所述处理器调用所述存储器中存储的程序代码，用于执行1～6中任一项所述的方法。
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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～6中任一项所述的方法。
CN202110173471.2A 2021-02-08 2021-02-08 一种路径生成方法、装置、终端设备及存储介质 Active CN112801399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110173471.2A CN112801399B (zh) 2021-02-08 2021-02-08 一种路径生成方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110173471.2A CN112801399B (zh) 2021-02-08 2021-02-08 一种路径生成方法、装置、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN112801399A CN112801399A (zh) 2021-05-14
CN112801399B true CN112801399B (zh) 2022-08-12

Family

ID=75814812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110173471.2A Active CN112801399B (zh) 2021-02-08 2021-02-08 一种路径生成方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN112801399B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379351B (zh) * 2021-06-22 2022-10-21 沙师弟(重庆)网络科技有限公司 一种基于区块链的运输订单信息存储方法
CN114328594B (zh) * 2021-11-25 2022-11-01 北京掌行通信息技术有限公司 一种车辆的行驶路径判定方法、装置、存储介质及终端
CN114088100B (zh) * 2022-01-11 2022-05-06 中科星图智慧科技有限公司 基于复杂条件的路径规划方法及装置
CN114580796B (zh) * 2022-05-09 2022-07-15 北京建筑大学 一种旅游属性路径规划方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109398363A (zh) * 2018-10-24 2019-03-01 珠海格力电器股份有限公司 一种路面等级确定方法、装置、存储介质及汽车
CN110768819A (zh) * 2018-12-03 2020-02-07 北京嘀嘀无限科技发展有限公司 生成方法、规划方法、装置、终端和可读存储介质
CN111351499A (zh) * 2018-12-24 2020-06-30 北京嘀嘀无限科技发展有限公司 路径识别方法、装置、计算机设备和计算机可读存储介质
CN111862595A (zh) * 2020-06-08 2020-10-30 同济大学 基于路网拓扑关系的速度预测方法、系统、介质及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109398363A (zh) * 2018-10-24 2019-03-01 珠海格力电器股份有限公司 一种路面等级确定方法、装置、存储介质及汽车
CN110768819A (zh) * 2018-12-03 2020-02-07 北京嘀嘀无限科技发展有限公司 生成方法、规划方法、装置、终端和可读存储介质
CN111351499A (zh) * 2018-12-24 2020-06-30 北京嘀嘀无限科技发展有限公司 路径识别方法、装置、计算机设备和计算机可读存储介质
CN111862595A (zh) * 2020-06-08 2020-10-30 同济大学 基于路网拓扑关系的速度预测方法、系统、介质及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于时空大数据的城市最优路径规划的研究与应用;陈天然;《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》;20200715(第7期);C034-513 *
顾及权重信息的地图点群目标自动综合方法;禄小敏;《中国博士学位论文全文数据库-基础科技辑》;20200315(第3期);A008-5 *

Also Published As

Publication number Publication date
CN112801399A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112801399B (zh) 一种路径生成方法、装置、终端设备及存储介质
CN107145991B (zh) 一种考虑路段相关性的时变随机网络动态路径搜索方法
JP2011138487A (ja) 空間−時間関係に基づく交通予測方法およびシステム
CN112991743B (zh) 基于行驶路径的实时交通风险ai预测方法及其系统
CN111710162B (zh) 一种城市路网交通运行状况监测方法及系统
CN111060119B (zh) 基于街景图视觉要素评分的城市慢行出行导航方法和系统
CN113628446B (zh) 一种基于物联网的交通信息采集分析方法及系统
CN109726852A (zh) 基于改进蚁群算法的路线规划方法、装置、终端及介质
CN104112366A (zh) 基于隐语义模型的交通信号优化方法
CN117521937B (zh) 适于多维尺度的协同感知环境的动态路径诱导方法及系统
CN111737826B (zh) 一种基于增强学习的轨道交通自动仿真建模方法及装置
Cohen et al. Machine‐learning prediction models for pedestrian traffic flow levels: Towards optimizing walking routes for blind pedestrians
CN110245776B (zh) 一种基于多属性蚁群算法的智能交通路径规划方法
CN113239138B (zh) 地图匹配方法、装置、计算机设备和存储介质
Menguc et al. A data driven approach to forecasting traffic speed classes using extreme gradient boosting algorithm and graph theory
Cosido et al. Automatic calculation of bicycle routes by combining meta-heuristics and GIS techniques within the framework of smart cities
Nunes et al. A simulated annealing algorithm to solve the multi-objective bike routing problem
CN112797997A (zh) 一种基于栅格路网的应急路径规划架构和方法
Cohen et al. Pedestrian Traffic flow prediction based on ANN model and OSM data
Bock et al. SmarterROUTES—A data-driven context-aware solution for personalized dynamic routing and navigation
CN113688274B (zh) 骑行路线生成方法、装置、设备及存储介质
Habibi et al. Improvement of Multi-agent Routing Guidance with an Intelligent Traffic Light Scheduling and the Ability to Select Intermediate Destinations
Hedderich et al. Optimization of a Park Spot Route based on the A* Algorithm
Lv et al. Optimization of dynamic parking guidance information for special events
Joundi et al. New Urban Mobility Algorithm Based On User Experience

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40044434

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant