CN112815948A - 识别偏航模式的方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及导航技术领域，提供一种识别偏航模式的方法、装置、计算机设备和存储介质。本申请可实现对偏航行为所属模式进行准确识别，可为导航路线的更新提供依据，提高基于人工智能的自动驾驶技术中导航与路线规划质量。该方法可以包括：通过轨迹数据和导航数据的比对，确定出已发生的偏航行为在导航路线上对应的偏航点，然后获取针对该偏航点统计得到的偏航统计信息以及分别获取偏航路线和导航路线的路线属性信息，基于结合偏航统计信息、偏航路线和导航路线的路线属性信息识别前述已发生的偏航行为所属模式，可判断前述已发生的偏航行为是由用户主观选择引起的主动偏航还是由路线属性导致的被动偏航。

Description

识别偏航模式的方法、装置、计算机设备和存储介质

技术领域

本申请涉及导航技术领域，特别是涉及一种识别偏航模式的方法、装置、计算机设备和存储介质。

背景技术

随着信息处理技术的高速发展，出现了导航技术。利用导航技术可为用户提供基于移动端的导航定位服务，还可以进一步通过对用户轨迹数据的检测判断是否发生偏航行为等。

目前所提供的技术主要是对是否发生偏航行为进行检测，例如实时检测导航过程中用户是否发生偏航行为，即实时检测用户是否保持在导航路线上移动，若检测到发生偏航行为则通常是提示用户回到导航路线上。但这种技术只能对是否发生了偏航行为进行判断，无法识别已发生的偏航行为对应的模式。

发明内容

基于此，有必要针对上述技术问题，提供一种识别偏航模式的方法、装置、计算机设备和存储介质。

一种识别偏航模式的方法，所述方法包括：

根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

获取针对所述偏航点的偏航统计信息；

获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；

基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

一种识别偏航模式的装置，所述装置包括：

偏航点确定模块，用于根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

偏航信息获取模块，用于获取针对所述偏航点的偏航统计信息；

路线信息获取模块，用于获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；

模式识别模块，用于基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

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：

根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；获取针对所述偏航点的偏航统计信息；获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

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：

根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；获取针对所述偏航点的偏航统计信息；获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

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。

上述识别偏航模式的方法、装置、计算机设备和存储介质，可通过轨迹数据和导航数据的比对，确定出已发生的偏航行为在导航路线上对应的偏航点，然后可获取针对该偏航点统计得到的偏航统计信息，以及分别获取偏航路线和导航路线的路线属性信息，然后可结合偏航统计信息、偏航路线和导航路线的路线属性信息识别前述已发生的偏航行为所属模式，例如识别该已发生的偏航行为是由用户主观选择引起的主动偏航还是由路线属性导致的被动偏航，从而实现对前述偏航行为所属模式进行准确识别，还可为导航路线的更新提供依据，提高导航与路线规划质量。

附图说明

图1为一个实施例中识别偏航模式的方法的应用环境图；

图2为一个实施例中路线的示意图；

图3为一个实施例中识别偏航模式的方法的流程示意图；

图4为一个实施例中根据偏航统计信息和路线属性信息识别偏航模式的步骤的流程示意图；

图5为一个实施例中获取偏航统计信息的步骤的流程示意图；

图6为另一个实施例中识别偏航模式的方法的流程示意图；

图7为一个实施例中识别偏航模式的装置的结构框图；

图8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。

本申请提供的识别偏航模式的方法，可以应用于如图1所示的应用环境中，该应用环境可以包括终端110和服务器120。其中，终端110和服务器120可以通过网络进行通信，服务器120可以为使用终端110的用户提供导航服务，示例性的，该终端110可以是用户使用的智能手机111、车载终端112、个人计算机、笔记本电脑、平板电脑和便携式可穿戴设备等，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

具体的，用户通过终端110请求导航服务时，终端110可向服务器120发送导航服务请求，服务器120可将相应的导航路线发送至终端110进行展示在钉子地图上以供用户使用，该导航服务可产生导航数据和轨迹数据，其中，导航数据可以包括但不限于是导航起点、导航终端、导航路线、导航时长等信息的数据，轨迹数据则可以包括但不限于是用户的实际起点、实际终端、移动轨迹、移动时长等信息的数据，其中，移动轨迹是指在导航服务过程中，由终端110的移动而产生的轨迹，移动时长则是指在导航服务过程中，前述移动轨迹所对应的时长。该导航数据和轨迹数据可以在导航服务进行过程中或者导航结束后，由终端110传输到服务器120进行存储，作为本次导航服务对应的导航数据和轨迹数据，可以理解，不同用户可以通过不同终端请求导航服务，由此而产生的导航数据和轨迹数据都可以上传并存储到服务器120中，服务器120可用导航信息库来存储这些导航数据和轨迹数据，用于进行偏航模式分析。

本申请所提供的识别偏航模式的方法，可由服务器120执行。具体的，当某次导航服务结束后，服务器120可根据该次导航服务对应的轨迹数据和导航数据判断其中是否存在偏航行为，偏航行为是指导航过程中用户实际路线与导航路线不一致的行为，若存在，则服务器120可将该偏航行为作为待识别的偏航行为，以进一步识别该偏航行为对应的偏航模式。具体的，服务器120根据该导航服务对应的轨迹数据和导航数据，确定该待识别的偏航行为在导航路线上对应的偏航点，然后获取针对该偏航点的偏航统计信息，以及分别获取偏航路线属性信息即前述偏航行为对应的偏航路线的路线属性信息和导航路线属性信息即前述导航路线的路线属性信息，服务器120基于该偏航统计信息、偏航路线属性信息和导航路线属性信息可对前述偏航行为的偏航模式进行识别，偏航模式可以包括主动偏航和被动偏航，其中，主动偏航是指该偏航行为是用户主观选择引起的偏航行为，被动偏航是指该偏航行为发生的原因不是用户主观选择，而是路线属性存在问题导致的偏航行为。

下面结合实施例和相应附图对本申请提供的识别偏航模式的方法做进一步说明。

在一个实施例中，提供了一种识别偏航模式的方法，结合图2并以该方法应用于图1中的服务器120为例进行说明，如图3所示，该方法可以包括如下步骤：

步骤S301，根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

本步骤中，在导航服务结束后，服务器120可获取该次导航服务对应的轨迹数据和导航数据，基于该轨迹数据和导航数据对其中存在的偏航行为进行偏航模式的识别。具体的，轨迹数据可以包括用户的实际起点、实际终端和移动轨迹，导航数据可以包括导航起点、导航终端和导航路线，根据移动轨迹与导航路线的一致性比较，服务器120可判断用户在该次导航中是否存在偏航行为。

其中，偏航与顺航相对，偏航是指导航中用户实际的移动轨迹与导航路线不一致，顺航是指导航中用户实际的移动轨迹与导航路线一致，偏航行为则具体是在导航中用户发生了偏航。

本步骤中，服务器120可根据轨迹数据和导航数据的一致性比对判断该次导航服务其中是否存在偏航行为，若存在，则服务器120将存在的偏航行为作为待识别的偏航行为，并在该次导航服务所提供的导航路线上对应的偏航点，该偏航点是指发生偏航行为时，用户在该导航路线上的位置点。

结合图2对该偏航点进行说明，设该次导航服务中，导航起点为P21、导航终点为P22，导航路线L2122为从导航起点P21与导航终点P22间的路线。用户在导航中可在导航路线L2122上移动形成移动轨迹，用户从导航起点P21移动至第一位置点P23，此时，若用户从第一位置点P23按照第一路线L2324A移动，则用户的移动轨迹与导航路线L2122相符，属于顺航；若用户从第一位置点P23按照第二路线L2324B或者第三路线L2325移动，则用户的移动轨迹与导航路线L2122不一致，属于偏航，也即用户在该第一位置点P23发生偏航行为，该偏航行为作为待识别的偏航行为，该第一位置点P23为偏航点。

步骤S302，获取针对偏航点的偏航统计信息；

本步骤中，服务器120在确定了偏航点P23后，进一步获取针对该偏航点P23的偏航统计信息。其中，偏航统计信息是指对在该偏航点P23发生过偏航、顺航的相关数据进行统计得到的统计信息。举例来说，服务器120可以对在偏航点P23发生过的偏航次数(或称偏航量)、顺航次数(或称顺航量)进行统计得到该偏航统计信息，也即在一些实施例中服务器120可以统计在该偏航点P23发生过多少次偏航、多少次顺航并作为针对该偏航点P23的偏航统计信息。进一步的，服务器120可在已提供过的各导航服务中，先查询提供同一导航路线L2122的目标导航服务，再从这些目标导航服务中对前述例如偏航次数、顺航次数等信息进行统计，从而得到偏航统计信息，以使统计所得的偏航统计信息更有针对性。

步骤S303，获取偏航路线属性信息和导航路线属性信息。

本步骤中，服务器120可从导航服务的电子地图上获取偏航路线属性信息和导航路线属性信息。其中，偏航路线属性信息是指前述偏航行为所对应的偏航路线的路线属性信息，导航路线属性信息则是指前述导航路线的路线属性信息。

结合图2对本步骤中的偏航路线属性信息和导航路线属性信息进行说明，设用户从偏航点P23沿第二路线L2324B移动，该第二路线L2324B称为前述偏航行为所对应的偏航路线，该偏航路线L2324B的路线属性信息称为偏航路线属性信息，导航路线属性信息是指前述导航路线L2122的路线属性信息，也可以特指该导航路线L2122上某一段路线的属性信息，例如第一路线L2324A的属性信息。其中，路线属性信息是用于表征相应路线的属性信息，例如该路线的连通性(即路线连通性)、该路线的通行能力(即路线通行能力)、该路线上的设施分布情况等属性信息，具体的，路线连通性通常表现为路线的几何属性，例如路线是否连通等，路线通行能力通常表现为该路线是否允许通行、是否有限行信息等。

步骤S304，基于偏航统计信息、偏航路线属性信息和导航路线属性信息识别偏航行为的偏航模式。

本步骤中，服务器120综合偏航统计信息、偏航路线属性信息和导航路线属性信息识别前述偏航行为所对应的具体模式，例如该次偏航行为是由于用户主观选择导致的还是由于路线存在问题引起的偏航。示例性的，如图2所示，若偏航统计信息表征大量用户在偏航点P23发生了偏航行为，且偏航路线属性信息和导航路线属性信息表明偏航路线L2324B的通行能力优于第一路线L2324A，则服务器120可识别前述偏航行为的偏航模式为被动偏航，也即服务器120所提供的导航服务中第一路线L2324A可能存在问题，服务器120可对相应导航路线进行优化；又例如若偏航统计信息表征几乎没有用户在偏航点P23发生偏航行为，且偏航路线属性信息和导航路线属性信息表明偏航路线L2324B的通行能力远不如第一路线L2324A，则可识别前述偏航行为的偏航模式为主动偏航，即用户可能由于需要到其他地方办理事务等主观原因而产生该偏航行为。

偏航统计信息、偏航路线属性信息和导航路线属性信息涉及因素较多，为更精确识别偏航行为的偏航模式，可利用预先构建的偏航行为分类器对其进行模式识别。在一些实施例中，如图4所示，上述步骤S304可以包括：

步骤S401，根据偏航统计信息、偏航路线属性信息和导航路线属性信息，得到模型输入特征；

本步骤主要是服务器120基于偏航统计信息、偏航路线属性信息和导航路线属性信息，获取模型输入特征。其中，模型输入特征是指作为偏航行为分类器输入数据的特征。示例性的，服务器120可将偏航统计信息、偏航路线属性信息和导航路线属性信息作为模型输入特征，还可以在这些信息的基础上增加特征信息一并作为模型输入特征。在其中一些实施例中，服务器120还可以在偏航统计信息、偏航路线属性信息和导航路线属性信息的基础上，添加偏航时间信息、归航状态信息和实际终点与导航终点的距离信息等偏航行为特征信息一并作为模型输入特征，以更精确识别偏航行为的偏航模式。

步骤S402，将模型输入特征输入到预先构建的偏航行为分类器，以使偏航行为分类器根据模型输入特征输出偏航模式识别结果；

服务器120将模型输入特征输入到预先构建的偏航行为分类器，偏航行为分类器根据偏航统计信息、偏航路线属性信息和导航路线属性信息等模型输入特征，输出偏航模式识别结果。在实际应用中，偏航行为分类器可利用xgboost分类器、卷积神经网络模型等模型进行训练得到。

步骤S403，根据偏航模式识别结果，识别偏航行为的偏航模式。

其中，偏航行为分类器所输出的偏航模式识别结果可由0至1的概率值进行表示，概率值的大小可用于表征该偏航行为属于主动偏航或被动偏航的概率，在一些实施例中，概率值为0可表示主动偏航、概率值为1可表示被动偏航，也即偏航行为分类器所输出的概率值越接近1，该次偏航行为的偏航模式属于被动偏航的概率越高，服务器120可根据该概率值的大小判断该次偏航行为所属偏航模式，例如当该概率值大于0.5时，将该次偏航行为识别为被动偏航行为等。

本实施例基于偏航行为分类器将包括偏航统计信息、偏航路线属性信息和导航路线属性信息等多因素进行综合，判断偏航行为所属模式，相比于采用单一判断逻辑，能够更精确识别偏航模式的效果。

上述识别偏航模式的方法，服务器120可通过轨迹数据和导航数据的比对，确定出已发生的偏航行为在导航路线上对应的偏航点，然后服务器120可获取针对该偏航点统计得到的偏航统计信息，以及分别获取偏航路线和导航路线的路线属性信息，然后服务器120可结合偏航统计信息、偏航路线和导航路线的路线属性信息识别前述已发生的偏航行为所属模式，例如识别该已发生的偏航行为是由用户主观选择引起的主动偏航还是由路线属性导致的被动偏航，从而实现对前述偏航行为所属模式进行准确识别，还可为导航路线的更新提供依据，提高导航与路线规划质量。

在一个实施例中，如图5所示，步骤S302中的获取针对偏航点的偏航统计信息，具体包括：

步骤S501，从导航信息库中获取针对偏航点的偏航次数和顺航次数；

本步骤中，结合图2，服务器120可从存储有历次导航服务对应的导航数据和轨迹数据的导航信息库中获取针对前述偏航点P23的偏航次数(或称偏航量)和顺航次数(或称顺航量)。也即在历次提供的导航服务中，有多少用户在该偏航点P23选择偏航，有多少用户在该偏航点P23选择顺航。需要说明的是，设前述待识别的偏航行为是为用户A提供的，则本步骤中的历次导航服务不限于是为该用户A所提供的导航服务，也即服务器120从为各个不同用户提供的导航服务所构成的导航信息库中获取针对该偏航点P23的偏航次数和顺航次数，进一步的，为了使得统计所得的偏航次数和顺航次数更有针对性，服务器120可在历次导航服务中，先选取提供同一导航路线L2122的目标导航服务，再从这些目标导航服务中对针对该偏航点P23的偏航次数和顺航次数进行统计。

步骤S502，基于偏航次数和顺航次数，得到偏航统计信息。

服务器120可将偏航次数和顺航次数作为偏航统计信息，也可以以偏航次数和顺航次数为基础进行例如偏航率等计算，以进一步丰富偏航统计信息，使得模式识别更精确。

在一些实施例中，除偏航次数和顺航次数外，服务器120还可以从上述导航信息库中获取针对偏航点P23的伪顺航次数。其中，针对偏航点P23的伪顺航次数是指在导航过程中，用户在偏航点P23的实际发生了偏航但由于定位误差等原因而导致导航系统误认为是顺航的次数，也可以称为伪顺航量。服务器120通过获取伪顺航次数，能够更精确统计出偏航统计信息，以及有利于反映该偏航点P23附近是否存在大量的定位误差等信息。

进一步的，在一些实施例中，步骤S502具体包括：根据偏航次数和顺航次数，确定针对偏航点的偏航率；根据偏航次数、顺航次数和伪顺航次数，确定针对偏航点的真实偏航率；基于偏航次数、偏航率、伪顺航次数和真实偏航率，得到偏航统计信息。

本实施例中，服务器120可以确定出针对偏航点P23的偏航率(ph_rate)为偏航次数(ph_count)/(偏航次数(ph_count)+顺航次数(sh_count))，以及计算出真实偏航率(ph_rate_true)为(偏航次数(ph_count)+伪顺航次数(false_sh_count))/(偏航次数(ph_count)+顺航次数(sh_count))。然后，服务器120可将偏航次数、偏航率、伪顺航次数和真实偏航率作为偏航统计信息。本实施例通过对偏航统计信息进行丰富，以进一步提高识别偏航行为所属模式的准确性。

在一个实施例中，在步骤S304中的基于偏航统计信息、偏航路线属性信息和导航路线属性信息识别偏航行为的偏航模式之前，上述方法还可以包括如下步骤：

根据轨迹数据和导航数据，获取偏航行为的偏航行为特征信息。

结合图2，本实施例主要是服务器120除了获取偏航统计信息、偏航路线属性信息和导航路线属性信息外，还获取偏航行为的偏航行为特征信息。其中偏航行为特征信息是指用于表征发生在偏航点P23的偏航行为所具有的特征的相关信息。该偏航行为特征信息可以包括偏航时间信息、归航状态信息和实际终点与导航终点的距离信息中的至少一种。

具体的，偏航时间信息是指例如用户在什么时刻于该偏航点P23发生前述偏航行为；归航状态信息可以包括用户在偏航后是否回归到导航路线L2122上等相关信息；实际终点与导航终点的距离信息则是指用户偏航后所到达的实际终点与导航终点P22之间的距离，示例性的，用户在偏航点P23偏航后可按照第三路线L2324移动后到达第二位置点P25结束了导航服务，则该第二位置点P25为用户实际终点，该实际终点P25与导航终点P22之间的距离信息即为前述实际终点与导航终点的距离信息。

基于此，上述步骤S304中的基于偏航统计信息、偏航路线属性信息和导航路线属性信息识别偏航行为的偏航模式，进一步包括：

基于偏航行为特征信息、偏航统计信息、偏航路线属性信息和导航路线属性信息识别偏航行为的偏航模式。

本实施例主要是服务器120在偏航统计信息、偏航路线属性信息和导航路线属性信息的基础上，再结合偏航行为特征信息以更精确识别前述偏航行为所属偏航模式。在一些实施例中，服务器120可将偏航行为特征信息、偏航统计信息、偏航路线属性信息和导航路线属性信息作为预先构建的偏航行为分类器的模型输入特征，输入到偏航行为分类器，以使航行为分类器输出相应的偏航模式识别结果，服务器120即可根据该偏航模式识别结果识别偏航行为所属偏航模式，从而服务器120可通过丰富偏航行为分类器的模型输入特征，利用偏航行为分类器获得对偏航行为所属偏航模式更精确的识别结果。

在其中一个实施例中，服务器120所获取的偏航行为特征信息可以包括前述归航状态信息；基于此，上述实施例中的根据轨迹数据和导航数据，获取偏航行为的偏航行为特征信息，具体包括：

服务器120根据轨迹数据和导航数据，获取用于表征从偏航点偏航后是否回归到导航路线上第一归航信息。

该第一归航信息表征回归到导航路线上时，服务器120根据轨迹数据和导航数据，获取第二归航信息，并将第一归航信息和第二归航信息作为归航状态信息，从而得到偏航行为特征信息；其中，该第二归航信息可以包括第一长度信息和第二长度信息，该第一长度信息是指偏航路线的长度信息，第二长度信息是指导航路线在偏航点与归航点间的长度信息；

该第一归航信息表征未回归到导航路线上时，服务器120将第一归航信息作为归航状态信息，得到偏航行为特征信息。

本实施例主要是以归航状态信息为基础，进一步丰富偏航行为特征信息，使得对偏航模式的识别更加精确。结合图2，具体的，服务器120可根据轨迹数据和导航数据，判断用户从偏航点P23偏航后是否回到导航路线L2122上，并用第一归航信息进行表征，该第一归航信息具体可以用0或者1来表示，0可以用于表示未回到，1可以用于表示回到，示例性的，若用户从偏航点P23偏航后沿第三路线L2325移动，则未回到导航路线L2122上，若用户从偏航点P23偏航后沿第二路线L2324B移动，则回到导航路线L2122上，且归航点为第三位置点P24。

由此，在第一归航信息表征用户从偏航点P23偏航后未回到导航路线L2122上时，服务器120可仅将第一归航信息作为归航状态信息，并进一步结合实际终点与导航终点的距离信息等信息作为偏航行为特征信息。

若第一归航信息表征用户从偏航点P23偏航后回到导航路线L2122，设用户偏航路线为第二路线L2324B，归航点为第三位置点P24，则服务器120获取偏航路线L2324B的长度信息(即第一长度信息)，以及获取导航路线L2122在偏航点P23与归航点P24间的第一路线L2324A的长度信息(即第二长度信息)，将该第一长度信息和第二长度信息作为第二归航信息，然后进一步将第一归航信息和第二归航信息作为归航状态信息，从而服务器120可在该归航状态信息的基础上进一步结合例如偏航时间信息作为偏航行为特征信息。

结合图2，对步骤S303中偏航路线属性信息和导航路线属性信息的获取进行说明。

在一个实施例中，关于步骤S303中偏航路线属性信息的获取，具体步骤可以包括：

获取偏航路线的路线连通性和路线通行能力；根据偏航路线的路线连通性和路线通行能力，得到偏航路线属性信息。

本实施例主要是服务器120获取偏航路线L2324B具有的路线连通性和路线通行能力。示例性的，服务器120可判断偏航路线L2324B是否连通，可以用0表示不连通，用1表示连通；服务器120可判断偏航路线L2324B的通行能力，可以用0表示通行能力差，用1表示通行能力正常。在此基础上，服务器120可将偏航路线L2324B具有的路线连通性和路线通行能力作为偏航路线属性信息，该偏航路线属性信息有助于反馈用户的偏航行为是由于主观意愿选择的还是导航路线中存在问题等客观因素引起的。

在一个实施例中，关于步骤S303中导航路线属性信息的获取，具体步骤可以包括：

获取目标对象在导航路线上的分布情况；根据目标对象在导航路线上的分布情况，得到导航路线属性信息。

本实施例中，服务器120可根据目标对象在导航路线上的分布情况得到导航路线属性信息。其中，目标对象可以根据用户导航偏好信息确定，用户导航偏好信息是指在用户在导航中具有的偏好信息，例如用户是否期望走有学校的路线、是否能接受走有收费站的路线等，而根据这些偏好信息可以确定导航路线上是否分布有相应的目标对象，这些目标对象可以是如前所述的学校、收费站等设施，服务器120可将这些目标对象在导航路线上的分布情况，作为导航路线属性信息。

示例性的，以收费站为例，参考图2，服务器120可判断导航路线L2122上的第一路线L2324A中是否分布有收费站，若有，则可以用1表示，若没有，则可以用0表示。本实施例通过例如收费站等目标对象在导航路线上的分布情况，能够反映出用户的偏航行为是主观意愿做出的选择还是原导航路线中存在客观的道路问题导致的。

本申请还提供一种应用场景，该应用场景应用上述的识别偏航模式的方法，该应用场景具体是服务器120为车辆驾驶场景所发生的偏航行为进行偏航模式识别，将本申请的上述的识别偏航模式的方法应用到该应用场景之下，有助于提升基于人工智能的自动驾驶导航服务。具体的，如图6所示，该方法可以包括如下步骤：

步骤S601，服务器120根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

本步骤中，服务器120可获取轨迹数据和导航数据，导航数据可以包括用户请求导航的导航起点、导航终点和导航路线，轨迹数据可以包括用户实际的起点、终点和驾驶路线(可对应前述实施例中的移动轨迹)。服务器120可通过导航数据与轨迹数据的对比，检测出待识别的偏航行为及其在导航路线上对应的偏航点P23，并得到偏航三元组和顺航二元组。其中，偏航三元组在驾驶路线与导航路线发生偏差时产生，该偏航三元组包括进入道路、用户实走道路和导航路线，进入道路指发生偏差前的用户行驶道路与导航路线(此时两条道路一致，如图2中的第四路线L2123)，用户实走道路(发生偏差时用户走的道路，如第二路线L2124B)，导航路线(如导航路线L2122)。顺航二元组包括进入道路和退出道路，即用户实走道路和导航道路一致时走过的连续道路，先经过的是进入道路(如第四路线L2123)，后经过的是退出道路(如第一路线L2124A)。

步骤S602，服务器120从导航信息库中获取针对偏航点的偏航次数、顺航次数和伪顺航次数。

本步骤中，服务器120可从导航信息库中获取针对偏航点P23的多个偏航三元组和顺航二元组，并基于这些偏航三元组和顺航二元组统计针对偏航点P23的偏航次数(ph_count)、顺航次数(sh_count)和伪顺航次数(false_sh_count)。其中，伪顺航次数(false_sh_count)可以经由以偏航三元组的导航路线作为进入道路的偏航三元组的数量进行统计得到。

步骤S603，服务器120根据偏航次数和顺航次数确定针对偏航点的偏航率，服务器120根据偏航次数、顺航次数和伪顺航次数，确定针对偏航点的真实偏航率，服务器120基于偏航次数、偏航率、伪顺航次数和真实偏航率，得到偏航统计信息。

本步骤中，服务器120计算得到偏航率(ph_rate)为偏航次数(ph_count)/(偏航次数(ph_count)+顺航次数(sh_count))，计算得到真实偏航率(ph_rate_true)为(偏航次数(ph_count)+伪顺航次数(false_sh_count))/(偏航次数(ph_count)+顺航次数(sh_count))。然后，服务器120可将偏航次数(ph_count)、偏航率(ph_rate)、伪顺航次数(false_sh_count)和真实偏航率(ph_rate_true)作为偏航统计信息。

步骤S604，服务器120根据偏航路线的路线连通性和路线通行能力，得到偏航路线属性信息，根据目标对象在导航路线上的分布情况，得到导航路线属性信息。

本步骤中，服务器120可将偏航路线L2324B的路线连通性和路线通行能力分别用0或者1进行表示，得到偏航路线属性信息；具体的，对于路线连通性，0表示不连通，1表示连通，对于路线通行能力，0表示差，1表示正常。进一步的，服务器120可将收费站作为目标对象，判断导航路线L2122上的第一路线L2324A是否有收费站，用0表示没有，用1表示有。从而，服务器120分别得到偏航路线属性信息和导航路线属性信息。

步骤S605，服务器120根据偏航行为特征信息、偏航统计信息、偏航路线属性信息和导航路线属性信息，得到模型输入特征。

本步骤中，服务器120还可以获取偏航行为特征信息，该偏航行为特征信息可以包括偏航时间信息、归航状态信息和实际终点与导航终点的距离信息，服务器120可计算用户实际终点与导航终点间的距离(d_user_nav)(即实际终点与导航终点的距离信息)，以及通过导航路线与用户实际驾驶路线对比计算用户是否回到导航路线(0表示未回到，1表示回到)、回到导航路线所行驶的距离(d_user)、偏航发生地点P23与回到导航路线上的归航点P24间第一路线L2324A的距离(d_nav)(即归航状态信息)，以及计算偏航发生时间(ph_time)(即偏航时间信息)，将这些信息均作为偏航行为特征信息，结合前述偏航统计信息、偏航路线属性信息和导航路线属性信息一并作为模型输入特征。

步骤S606，服务器120将模型输入特征输入到预先构建的偏航行为分类器，以使偏航行为分类器根据模型输入特征输出偏航模式识别结果；根据偏航模式识别结果，识别偏航行为的偏航模式。

本步骤中，服务器120将作为模型输入特征的偏航次数(ph_count)、偏航率(ph_rate)、伪顺航次数(false_sh_count)和真实偏航率(ph_rate_true)、是否回到导航路线、用户实际终点与导航终点间的距离(d_user_nav)、回到导航路线所行驶的距离(d_user)、偏航发生地点P23与回到导航路线上的归航点P24间第一路线L2324A的距离(d_nav)、导航路线L2122上的第一路线L2324A是否有收费站、偏航发生时间(ph_time)、偏航路线L2324B的路线连通性和路线通行能力一并输入到偏航行为分类器，识别发生在偏航点P23的偏航行为的偏航模式属于主动偏航还是被动偏航，从而反映出偏航发生地点P23的用户实走路线或导航路线在偏航发生时是否存在问题。

在上述模型输入特征的选择中，偏航次数和偏航率可以客观地反映偏航点P23存在道路问题的概率；伪顺航次数、真实顺航率则可以用于反映GPS(Global PositioningSystem，全球定位系统)点定位、电子地图的道路属性等可能存在偏差导致偏航地点定位不准确；用户实际终点与导航终点间的距离信息和用户是否回归导航路线则可以用于客观判断导航终点与用户真正目的地是否一致；而回到导航路线所行驶的距离、偏航点与归航点间的距离可以用于判断用户在导航过程中是否绕路行驶；而导航路线是否有收费站则可以用于反映用户导航偏好；偏航发生时间结合偏航发生地点则可以一定程度上体现发生前述偏航行为是否是由于当时存在的交通拥堵造成的；而用户实走路线是否连通、用户实走路线通行能力则可以体现用户选择的行驶道路在服务器120所提供的导航服务所依据的地图数据下是否合理。

由此，采用本申请提供的识别偏航模式的方法，可判断某次偏航行为属于被动偏航的概率并由此发现地图数据中可能存在的问题，例如道路连通性、交规交限和道路通行能力等，从而提高为例如车辆等对象进行导航的导航路线规划能力，优化基于人工智能的自动驾驶技术中的路径规划。

其中，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。也即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。

自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术，具有广泛的应用前景，本申请所提供的识别偏航模式的方法可应用于该人工智能的自动驾驶技术的路径规划中，并可具体基于对偏航模式的准确识别，实现为导航路线的更新提供依据，提高自动驾驶技术中导航与路线规划质量，提升基于人工智能的自动驾驶导航服务。

应该理解的是，虽然上述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，上述流程图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7所示，提供了一种识别偏航模式的装置，该装置700可以包括：

偏航点确定模块701，用于根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

偏航信息获取模块702，用于获取针对所述偏航点的偏航统计信息；

路线信息获取模块703，用于获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；

模式识别模704，用于基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

在一个实施例中，偏航信息获取模块702，进一步用于从导航信息库中获取针对所述偏航点的偏航次数和顺航次数；基于所述偏航次数和顺航次数，得到所述偏航统计信息。

在一个实施例中，偏航信息获取模块702，还用于从所述导航信息库中获取针对所述偏航点的伪顺航次数；根据所述偏航次数和顺航次数，确定针对所述偏航点的偏航率；根据所述偏航次数、顺航次数和所述伪顺航次数，确定针对所述偏航点的真实偏航率；基于所述偏航次数、偏航率、伪顺航次数和真实偏航率，得到所述偏航统计信息。

在一个实施例中，上述装置700还可以包括：行为特征获取单元，用于根据所述轨迹数据和导航数据，获取所述偏航行为的偏航行为特征信息；所述偏航行为特征信息至少包括偏航时间信息、归航状态信息和实际终点与导航终点的距离信息的其中之一；模式识别模704，进一步用于基于所述偏航行为特征信息、偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

在一个实施例中，所述偏航行为特征信息包括所述归航状态信息；行为特征获取单元，进一步用于根据所述轨迹数据和导航数据，获取第一归航信息；所述第一归航信息用于表征从所述偏航点偏航后是否回归到所述导航路线上；所述第一归航信息表征回归到所述导航路线上时，根据所述轨迹数据和导航数据，获取第二归航信息，将所述第一归航信息和第二归航信息作为所述归航状态信息，得到所述偏航行为特征信息；所述第二归航信息包括第一长度信息和第二长度信息；所述第一长度信息为所述偏航路线的长度信息；所述第二长度信息为所述导航路线在所述偏航点与归航点间的长度信息；所述第一归航信息表征未回归到所述导航路线上时，将所述第一归航信息作为所述归航状态信息，得到所述偏航行为特征信息。

在一个实施例中，路线信息获取模块703，用于获取所述偏航路线的路线连通性和路线通行能力；根据所述偏航路线的路线连通性和路线通行能力，得到所述偏航路线属性信息；获取目标对象在所述导航路线上的分布情况；所述目标对象根据用户导航偏好信息确定；根据所述目标对象在所述导航路线上的分布情况，得到所述导航路线属性信息。

在一个实施例中，模式识别模704，进一步用于根据所述偏航统计信息、偏航路线属性信息和导航路线属性信息，得到模型输入特征；将所述模型输入特征输入到预先构建的偏航行为分类器，以使所述偏航行为分类器根据所述模型输入特征输出偏航模式识别结果；根据所述偏航模式识别结果，识别所述偏航行为的偏航模式。

关于识别偏航模式的装置的具体限定可以参见上文中对于识别偏航模式的方法的限定，在此不再赘述。上述识别偏航模式的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8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轨迹数据和导航数据等数据。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识别偏航模式的方法。

本领域技术人员可以理解，图8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，所述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-Only Memory，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。

以上所述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 (10)

1.一种识别偏航模式的方法，其特征在于，所述方法包括：

根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

获取针对所述偏航点的偏航统计信息；

获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；

基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

2.根据权利要求1所述的方法，其特征在于，所述获取针对所述偏航点的偏航统计信息，包括：

从导航信息库中获取针对所述偏航点的偏航次数和顺航次数；

基于所述偏航次数和顺航次数，得到所述偏航统计信息。

3.根据权利要求2所述的方法，其特征在于，

所述方法还包括：

从所述导航信息库中获取针对所述偏航点的伪顺航次数；

所述基于所述偏航次数和顺航次数，得到所述偏航统计信息，包括：

根据所述偏航次数和顺航次数，确定针对所述偏航点的偏航率；

根据所述偏航次数、顺航次数和所述伪顺航次数，确定针对所述偏航点的真实偏航率；

基于所述偏航次数、偏航率、伪顺航次数和真实偏航率，得到所述偏航统计信息。

4.根据权利要求1所述的方法，其特征在于，

所述基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式之前，所述方法还包括：

根据所述轨迹数据和导航数据，获取所述偏航行为的偏航行为特征信息；所述偏航行为特征信息至少包括偏航时间信息、归航状态信息和实际终点与导航终点的距离信息的其中之一；

所述基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式，包括：

基于所述偏航行为特征信息、偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

5.根据权利要求4所述的方法，其特征在于，所述偏航行为特征信息包括所述归航状态信息；所述根据所述轨迹数据和导航数据，获取所述偏航行为的偏航行为特征信息，包括：

根据所述轨迹数据和导航数据，获取第一归航信息；所述第一归航信息用于表征从所述偏航点偏航后是否回归到所述导航路线上；

所述第一归航信息表征回归到所述导航路线上时，根据所述轨迹数据和导航数据，获取第二归航信息，将所述第一归航信息和第二归航信息作为所述归航状态信息，得到所述偏航行为特征信息；所述第二归航信息包括第一长度信息和第二长度信息；所述第一长度信息为所述偏航路线的长度信息；所述第二长度信息为所述导航路线在所述偏航点与归航点间的长度信息；

所述第一归航信息表征未回归到所述导航路线上时，将所述第一归航信息作为所述归航状态信息，得到所述偏航行为特征信息。

6.根据权利要求1所述的方法，其特征在于，所述获取偏航路线属性信息和导航路线属性信息，包括：

获取所述偏航路线的路线连通性和路线通行能力；

根据所述偏航路线的路线连通性和路线通行能力，得到所述偏航路线属性信息；

获取目标对象在所述导航路线上的分布情况；所述目标对象根据用户导航偏好信息确定；

根据所述目标对象在所述导航路线上的分布情况，得到所述导航路线属性信息。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式，包括：

根据所述偏航统计信息、偏航路线属性信息和导航路线属性信息，得到模型输入特征；

将所述模型输入特征输入到预先构建的偏航行为分类器，以使所述偏航行为分类器根据所述模型输入特征输出偏航模式识别结果；

根据所述偏航模式识别结果，识别所述偏航行为的偏航模式。

8.一种识别偏航模式的装置，其特征在于，所述装置包括：

偏航点确定模块，用于根据轨迹数据和导航数据，确定待识别的偏航行为在导航路线上对应的偏航点；

偏航信息获取模块，用于获取针对所述偏航点的偏航统计信息；

路线信息获取模块，用于获取偏航路线属性信息和导航路线属性信息；所述偏航路线属性信息为所述偏航行为对应的偏航路线的路线属性信息；所述导航路线属性信息为所述导航路线的路线属性信息；

模式识别模块，用于基于所述偏航统计信息、偏航路线属性信息和导航路线属性信息识别所述偏航行为的偏航模式。

9.一种计算机设备，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7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，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7中任一项所述的方法的步骤。

Images