CN113358131A - 一种导航方法、装置、电子设备及其存储介质 - Google Patents
一种导航方法、装置、电子设备及其存储介质 Download PDFInfo
- Publication number
- CN113358131A CN113358131A CN202110655612.4A CN202110655612A CN113358131A CN 113358131 A CN113358131 A CN 113358131A CN 202110655612 A CN202110655612 A CN 202110655612A CN 113358131 A CN113358131 A CN 113358131A
- Authority
- CN
- China
- Prior art keywords
- risk
- navigation
- prompt
- point
- risk point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 128
- 230000008569 process Effects 0.000 claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008447 perception Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000012163 sequencing technique Methods 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 9
- 238000007635 classification algorithm Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 206010027146 Melanoderma Diseases 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000003064 k means clustering Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 102100023927 Asparagine synthetase [glutamine-hydrolyzing] Human genes 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 2
- 101100380329 Homo sapiens ASNS gene Proteins 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 101100153581 Bacillus anthracis topX gene Proteins 0.000 description 1
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 101100261006 Salmonella typhi topB gene Proteins 0.000 description 1
- 101150041570 TOP1 gene Proteins 0.000 description 1
- 101150104012 TOP2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 101150032437 top-3 gene Proteins 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
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
本申请实施例提供了一种导航方法、装置、电子设备及其存储介质。所述方法包括：在导航过程中，获取当前用户数据；响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示；其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。本申请实施例增强了用户对时空风险程度高的风险点的感知，提高了地图导航的安全性。
Description
技术领域
本申请实施例涉及互联网技术领域，尤其涉及一种导航方法、装置、电子设备及其存储介质。
背景技术
随着移动互联网的发展，地图导航成为人们出行时更倾向于选择的指路方式，其基于全球定位技术，在电子地图上通过以图像和声音向用户发送导航指令的方式，来指导用户到达目的地，为人们的出行指路提供了极大的便利。
发明内容
有鉴于此，本申请实施例提供一种更安全的导航方案，以提高地图导航的安全性。
根据本申请实施例的第一方面，提供了一种导航方法，包括：在导航过程中，获取当前用户数据；响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示；其中，所述第一风险点基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定。
根据本申请实施例的第二方面，提供了一种导航装置，所述装置包括：
获取模块，在导航过程中，获取当前用户数据；风险提醒模块，响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示，其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。
根据本申请实施例的第三方面，提供了一种电子设备，包括：一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如第一方面所述的导航方法。
根据本申请实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的导航方法。
根据本申请实施例提供的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令指示计算机设备执行如第一方面所述的导航方法。
通过本申请实施例所提供的方案，在导航过程中，获取当前用户数据；响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示；其中，所述第一风险点基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定。实现针对导航路线各风险点进行时空风险程度评估并召回，从而采用第一提示方式进行提示，增强用户对时空风险程度相关的风险点的感知，提高了地图导航的安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种导航方法的流程示意图；
图2为本申请实施例所提供的一种导航方法中风险点画像数据的获取的流程示意图；
图3为本申请实施例所提供的另一种导航方法的流程示意图；
图4为本申请实施例所提供的再一种导航方法的流程示意图；
图5a为本申请实施例所提供的一种导航方法的一种以气泡样式的第一提示方式进行风险提醒的页面示意图；
图5b为本申请实施例所提供的一种导航方法的另一种以气泡样式的第一提示方式进行风险提醒的页面示意图；
图6a为本申请实施例所提供的一种导航方法的一种以图标样式的第一提示方式进行风险提醒的页面示意图；
图6b为本申请实施例所提供的一种导航方法的另一种以图标样式的第一提示方式进行风险提醒的页面示意图；
图7为本申请实施例所提供的再一种导航方法的流程示意图；
图8为本申请实施例所提供的再一种导航方法的流程示意图；
图9a为本申请实施例所提供的一种导航方法的一种以第二提示方式进行风险提醒的页面示意图；
图9b为本申请实施例所提供的一种导航方法的另一种以第二提示方式进行风险提醒的页面示意图；
图10为本申请实施例所提供的再一种导航方法的流程示意图；
图11为本申请实施例所提供的再一种导航方法的流程示意图；
图12为本申请实施例所提供的一种导航方法应用场景示意图；
图13为本申请实施例所提供的一种导航装置的结构示意图；
图14为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
在当前的地图导航技术中，对于风险的提示更多的是基于现实世界中的地理位置所进行的提醒，如在连续转弯、落石区域、学校、医院等风险点所进行的简单提醒。但是，这种风险提示方式并未对风险点的风险程度进行评估，风险点的提示方式也无法与风险程度进行关联。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。如图1 所示，图1为本申请实施例所提供的一种导航方法的流程示意图，方法具体包括:
S101、在导航过程中，获取当前用户数据。
首先需要说明的是，导航过程是指用户使用电子地图进行导航的过程，该导航过程在用户确认导航后开始，直至用户结束导航或到达目的地时截止。导航过程中可能涉及到多条导航路线，并包括与其相应的推荐，导航过程中的导航路线可以包括用户正在行驶或者经过的路线，也可以包含用户可能经过的待用路线。
具体地，用户可以为驾车的司机、乘车的乘客或者步行的行人，用户可以通过手机、车机、PAD等移动终端输入导航请求。
示例性地，以驾车为例，司机可以通过移动终端的地图客户端输入起点和终点信息，发起导航请求。地图客户端将路线规划请求发送至路线规划引擎，路线规划引擎在接收到导航请求之后，给出多条推荐的导航路线，司机在选择导航路线后进行导航的过程即构成导航过程。
示例性地，路线规划引擎还可以基于用户的历史数据，预先发送相关的地图数据(例如，用户的常用地图数据)至地图客户端所处的移动终端，从而令地图客户端也可以基于预存的地图数据生成多条推荐的导航路线。
获取得到的导航路线是具有行驶方向的路径序列，即，其中包含了有向且依次首尾连接的多条子路径，每个子路径中可以包括多个已经被标注坐标的风险点。
风险点是指路径中存在安全风险的位置点。具体可以包括诸如：斑马线、大车路段、行人易出没场景、无红绿灯路口、复杂路口、路口转弯、连续转弯、急转弯、学校路段、医院路段、小区路段、国道、省道、长单等等各类地点。通常而言，风险点的坐标及其相关特征是可以被预先确定或者即时获取的。
当前用户数据，可以基于与当前用户关联的以下至少一项数据确定：终端数据、交通工具数据、监测设备数据和时空环境的数据(例如：与当前用户的导航历史相关的数据、当前用户所属群体的导航历史关联数据、当前用户距离风险点的空间距离等)。
在一些具体的实现方式中，当前用户数据可以包括但不限于以下至少一项：诸如当前车辆行驶的状态数据(例如，车辆的使用年限，车辆的过往事故类型及频率、车辆所属车型的事故概率等等)、当前司机的个人状态数据 (例如司机身体健康程度数据、驾驶状态数据等等)以及当前用户所处的环境数据(例如，当前时段环境和天气环境)和用户相对于当前行驶的道路的相对状态数据(例如，当前时段和天气下，在该车道上的历史统计速度和当前用户速度的比值，当前车道所规定的速度和当前用户速度的比值等、与风险点的距离、预计抵达风险点的时间)等等。
S102,响应于确定当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对第一风险点进行导航提示，其中，第一风险点是基于导航过程所采用的导航路线中的各风险点的时空风险程度确定的。
在这里，确定当前用户数据符合第一提示触发条件，可以是确定当前用户数据中的某个维度的数据的量化评估值超出了预设范围。例如，量化评估值可以是基于车辆行驶的状态数据、司机的个人状态数据、当前用户所处的环境数据和用户相对于当前行驶的道路的相对状态数据进行综合的量化评估后得出的。
例如，在一个具体的示例中，当前用户数据符合第一提示触发条件可以是车辆的使用年限超过了5年、车辆历史的追尾频率较高、司机连续驾驶时间超过12小时、车辆速度超过了60公里/小时等等。或者，也可以是基于预先训练的状态评估模型和前述当前用户数据而得到一个较高的评估值，该较高的评估值表征了当前用户数据所对应的状态可能属于较危险而需要进行提示的驾驶状态。
又例如，第一提示触发条件可以是用户距离第一风险点的距离在500m 以内，或者，估计用户到达第一风险点的时间在5分钟以内等等。
如前所述，在导航过程中获取得到的导航路线中可能包含有多个风险点。对于各风险点可以进一步的进行筛选，从而基于各风险点的时空风险程度而确定得到第一风险点。
时空风险程度即为基于各风险的空间特征和时间特征所确定得到的风险点的风险程度。例如，对于同一位置的一个弧度较大的拐角，在白天可能其时空风险程度较低，而在黑夜则其时空风险程度可能较高；对于同一时间而不同位置的两个人行横道，可能因为其中一个位于学校附近而时空风险程度较大，而另一个位于人流较少的郊区而时空风险程度较小。
因此，可以预先对于各风险点的时空风险程度进行排序，并将基于时空风险程度所确定的导航过程中可能经历的风险点作为第一风险点。具体而言，在一个导航过程中，可以首先确定所述导航过程所采用的导航路线；进而将所述导航路线的各风险点中根据风险点画像数据所指示的时空风险程度从高至低排序前N的风险点确定为第一风险点，N为自然数。
在本申请实施例一具体实现中，对于各风险点的风险点画像数据，可以从所述导航路线中的事故黑点数据和地图基础数据中提取得到。参见图2，风险点画像数据的获取包括：
T1、对导航路线中的事故黑点数据和地图基础数据进行风险特征提取。
T2、对导航路线中的各风险点按照风险特征进行画像，得到风险点画像数据。
具体地，事故黑点数据包括：发生过事故的数据。例如，事故黑点数据可以包括以下至少一项：位置(例如经纬度，街道、道路属性、城市等)；事故对象(例如人、车等)；司机情况(例如驾龄，驾驶能力，疲劳情况) 等，来进行事故风险聚类等。其中，数据来源可以是客户工单提取、交警执法记录等。
地图基础数据包括：对安全风险有影响的地图要素。例如，交通拥堵数据、三维数据、街景数据等。
本申请实施例对导航路线中的事故黑点数据和地图基础数据进行风险特征提取，风险特征是指对数据来源中对安全风险有影响的特征。风险特征可以包括但不限于：
风险点基础特征、风险点环境特征、订单特征、道路特征、司机特征、车辆特征、风险点危险程度中的至少一种。
具体地，风险点危险程度用于表征风险点的安全风险的等级。例如，风险点危险程度可以包括但不限于：
事故发生的概率、事故发生的频率、驾驶危险行为概率中的至少一种。
本申请实施例通过对事故黑点数据和地图基础数据进行风险特征的分析和提取，得到风险点画像数据。
示例性地，画像算法包括聚类算法和分类算法。聚类算法包括：K均值聚类算法(k-means clustering algorithm)，层次聚类等。分类算法包括：K 最近邻(KNN，K-NearestNeighbor)分类算法，支持向量机(SVM,Support Vector Machine)等。
如表1所示，表1为本申请实施例风险点的风险画像特征示意情况。
表1风险点的风险画像特征数据示例表
其中，风险点基础特征，包括：ID，表格中以X1至X4表示；位置，表格中以起点坐标(x1，y1)至(x4，y4)、终点坐标(x5，y5)至(x8，y8) 表示。
风险点环境特征，包括：周围环境，通常指：是否有学校，是否有医院，是否有校区。通常采用1表示具有，0表示不具有。
订单特征，包括：属性，属性通常指：订单长度、长度分类以及站场单 (站场，车辆停靠的站点)。通常订单长度包括长单和短单，长度分类采用 10表示长单和20表示短单，如果是站场单用1表示，如果不是站场单用0 表示。
道路特征，包括：时空特征、拓扑结构、基本属性。时空特征，通常包括：天气、时段、拥堵程度(用1、2、3、4表示拥堵程度)、节假日信息。拓扑结构，通常包括：路口结构(十字路口、丁字路口、环岛等)、岔口数量、转弯角度等。基本属性，包括：路口宽度、道路等级(根据路面情况分为1——10)、有无信号灯(用1表示有，0表示没有)等。
司机特征，包括：驾驶能力、疲劳程度。驾驶能力，包括：驾龄、年龄、驾照等级。疲劳程度，包括：当天驾驶时长、近七天平均驾驶时长。
车辆特征，包括：速度特征等，速度特征包括：道路群速度85％位地点车速、道路群速度50％位地点车速、事故时速度。85％位地点车速是指实测地点车速时，行驶的全部汽车中有85％的某高速公路车速频率分布累积曲线车速较其低，而15％车速较其高的车速。50％位地点车速是指实测地点车速时，行驶的全部汽车中有50％的某高速公路车速频率分布累积曲线车速较其低，而50％车速较其高的车速。
风险点危险程度，包括：事故发生的概率、频率。概率包括：不同速度下的概率以及平均概率。
值得注意的是，本申请实施例列举上述风险画像特征数据仅为示意，本申请实施例并不限定于上述风险画像特征数据。例如，还可以包括行走用户的身体状况特征，包括：健康、轻微疲惫、疾病状态等。
本申请实施例通过各风险点按照风险特征进行画像，得到风险点画像数据，可以更为精确的确定出在不同时空情形下各风险点的风险程度。
具体地，风险特征可以为预先设置，或者根据需要进行定义。风险特征也可以增加或者减少，以便更加适应具体时空情形或者更加适应具体的用户。比如，对于长途货车司机，增加当日驾驶时长作为风险特征。再比如，对于步行老人，增加当日身体状态作为风险特征。
在本申请实施例另一具体实现中，参见图3，获得导航路线中时空风险程度排序前N的风险点包括：
S10311、获得导航路线中的各风险点。
S10312、根据风险点画像数据，获得各风险点的当前时空风险程度。
S10313、对各风险点的当前时空风险程度进行排序，获得时空风险程度排序前N的风险点。
示例性地，采用风险排序引擎进行上述步骤S10311至S10313，即获得导航路线中各风险点，根据风险点画像数据，获得各风险点的时空风险程度。例如，查询上述表1，获得各风险点的时空风险程度。对各风险点的时空风险程度进行排序，获得时空风险程度排序前N的风险点并发送至地图客户端所处的移动终端。
示例性地，风险排序引擎还可以基于用户的历史数据，预先发送相关的风险点画像数据至地图客户端所处的移动终端，从而令在地图客户端也可以基于预存的风险点画像数据对各风险点的时空风险程度进行排序，获得时空风险程度排序前N的风险点。
具体地，对导航路线中各风险点进行排序的排序算法，包括：协同过滤、逻辑回归(Logistic Regression,LR)、相似性排序(XGBoost)中的至少一种。
本申请实施例通过对各风险点的时空风险程度进行排序，获得时空风险程度排序前N的风险点，便于对导航路线中各风险点的时空风险程度进行评估，避免出现因对全部风险点等同对待，所造成的用户风险感知不足的情况以及因风险点时空风险程度变化，所造成的未能更新风险点排序而带来的用户感知不足。
例如，即使对于同一风险点，在司机的疲劳程度和车辆速度不同的时候，其确定得到的风险点的风险程度都可能不同。对于一个疲劳驾驶以及高车速的情形，一个拐弯角度较小的风险点都有可能被评估为较高风险程度而被确定为第一风险点，需要在导航路线中进行提示。而对于另一正常车速和非疲劳驾驶的司机而言，该风险点可能风险程度相当低，而不会被确认为第一风险点，从而在导航路线中将不会进行提示。
在本申请实施例再一具体实现中，参见图4，步骤S103中所涉及的采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示，具体可以包括：
S1031、获得导航路线中时空风险程度排序前N的风险点。
S1032、对排序前N的风险点匹配第一提示方式。
示例性地，采用诱导服务引擎对时空风险程度排序前N的风险点进行语音和/或视觉等提示方式的匹配，即对排序前N的风险点匹配第一提示方式，将匹配的第一提示方式以及排序前N的风险点发送至地图客户端。
示例性地，诱导服务引擎还可以基于用户的历史数据，预先发送相关的提示方式(例如，语音和/或视觉等提示方式)至地图客户端所处的移动终端，从而令地图客户端也可以基于预存的提示方式对排序前N的风险点匹配第一提示方式。
本申请实施例通过对排序前N的风险点匹配第一提示方式，便于将风险点的时空风险程度与提示方式相关联，以增强对用户的提示效果。
具体地，第一提示方式可以为预先设置的，或者是可以根据用户输入指令进行调整的。比如，用户为聋哑人，则采用颜色、图案等视觉提示方式进行提示。
具体地，第一提示方式还可以进行自适应调整，比如，感测用户处于嘈杂环境中，则将第一提示方式所采用的语音音量调整放大。在本申请实施例再一具体实现中，第一风险点对应的第一提示方式包括：所述第一风险点对应的第一提示方式包括：在所述导航路线界面中，以以下至少一种形式显示所述第一风险点的风险类型：图像、文字、视频和音频。
示例性地，第一风险点对应的第一提示方式可以是通过语音播报文案进行的语音提示，例如，语音播报文案为“前方斑马线，请提前减速，礼让行人”。第一提示方式也可以是包含有视觉提醒的方式。例如，第一提示方式可以是在客户端的导航显示界面中，以对应于风险类型的图标显示第一风险点于导航路线中。又例如，第一提示方式可以通过播放视频的方式来进行风险提示，例如，当前方的第一风险点是人行横道时，播放视频的内容为有人正在通过该人行横道。
在本申请实施例再一具体实现中，第一提示触发条件，包括：用户位置沿着导航路线方向与第一风险点的距离在第一距离区间内；和/或，预计从用户位置抵达第一风险点的时间与当前时间的差值在第一时间区间内。用户位置可以是客户端所处设备中的定位模块所给出的定位位置。
具体地，第一距离区间，和/或，第一时间区间可以为预先设置，或者用户手动设置。例如，第一距离区间为沿着导航路线方向上[0，500m]，第一时间区间为[0,5分钟].
示例性地，当用户在行驶过程中与第一风险点的距离在第一距离区间内，才在导航路线中显示第一风险点所对应的图标，或者针对第一风险点进行第一提示方式的语音播报。
示例性地，当用户在行驶过程的当前时间与预计抵达第一风险点的时间的时间差在第一时间区间内，才在导航路线中显示第一风险点所对应的图标，或者针对第一风险点进行第一提示方式的语音播报。
为了进一步说明以第一提示方式对第一风险点进行风险提示，下面以示例性界面图(包括图5a、图5b、图6a和图6b)的方式对其进行视觉提示的展示。
图5a为本申请实施例所提供的一种以气泡样式的第一提示方式进行风险提示的示意图。在图5a中，若当前用户数据符合第一提示触发条件，在导航路线中以悬浮于导航路线中的第一风险点附近的气泡样式，提示前方第一风险点可能存在行人穿行道路的风险，对第一风险点进行导航指令提示。
图5b为本申请实施例所提供的另一种以气泡样式的第一提示方式进行风险提示的示意图。在图5b中，若当前用户数据符合第一提示触发条件，则在导航路线中以悬浮于导航路线的第一风险点附近的气泡样式，提示前方的第一风险点可能存在车辆过多/车辆交汇的风险，对第一风险点进行导航指令提示。
图6a为本申请实施例所提供的一种以图标样式的第一提示方式进行风险提示的示意图。在图6a中，若当前用户数据符合第一提示触发条件，在导航路线中的第一风险点处直接戳入对应的图标样式，提示前方第一风险点可能存在行人穿行道路的风险，对第一风险点进行导航指令提示。
图6b为本申请实施例所提供的另一种以图标样式的第一提示方式进行风险提示的示意图。在图6b中，若当前用户数据符合第一提示触发条件，则在导航路线中的第一风险点处直接戳入对应的图标样式，提示前方第一风险点可能存在车辆过多/车辆交汇的风险，对第一风险点进行导航指令提示。
通过本申请实施例所提供的方案，在导航过程中，获取当前用户数据；响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示；其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。通过实现针对导航路线各风险点进行时空风险程度评估并召回，从而采用第一提示方式进行提示的方式，增强了用户对时空风险程度相关的风险点的感知，提高了地图导航的安全性。
在本申请另一些实施例中，参见图7，方法还包括：
S107、获取导航路线中的第二风险点以及第二风险点对应的第二提示方式，其中，第二风险点为第一风险点中按照时空风险程度从高至低排序前M 的第一风险点，M为自然数，且M≤N。换言之，第二风险点构成的集合为第一风险点所构成的集合的子集。
S109、响应于确定所述当前用户数据符合第二提示触发条件，采用第二提示方式对第二风险点进行导航指令提示。
需要说明的是，在导航过程中，当前用户数据是一个实时动态变化的数据。例如，在前一时刻用户距离风险点可能是500m，而在当前时刻，用户距离风险点可能是480m，在下一时刻，用户距离风险点可能是450m，以及当前用户数据中所包含的诸如用户的身体状态、驾驶时长等数据也是在实时动态变化的。
因此，对于第一或者第二提示触发条件的响应是一个实时动态的过程，例如，在前一时刻基于用户数据判断还不是疲劳驾驶，而不满足第二提示触发条件；而在当前时刻，司机的驾驶时长则就可能达到了疲劳驾驶的时长，而使得基于当前用户数据的判断结果符合了第二提示触发条件。
当前用户数据符合第一提示触发条件，采用第一提示方式对第一风险点进行导航指令提示，当前用户数据进一步符合第二提示触发条件，进一步采用第二提示方式对第二风险点进行导航指令提示。
在本申请实施例中，由于第二风险点是在时空风险程度排序更高的风险点，因此，所对应采用的第二提示方式将会比第一提示方式在视觉上或者听觉上更进一步的突出。例如，采用更尖锐(频率更高)的提示音、表征危险的颜色(例如红色或者在频谱上靠近红色的颜色)或者变化显著的动态图标 (例如，高频闪烁的图标)等方式来进行提示。此外，对于需要进行提示的风险点，可以合理的设置第一提示触发条件和第二提示触发条件，以避免因为同时触发第一提示和第二提示而导致提示冲突。例如，设置第一提示触发条件的取值范围和第二提示触发条件的取值范围的交集为空。再例如，对同时满足第一提示触发条件和第二提示触发条件的风险点优先采用第二提示方式对其进行导航指令提示。再例如，对同时满足第一提示触发条件和第二提示触发条件的风险点采用并不冲突的第一提示方式和第二提示方式分别对其进行导航指令提示，例如第一提示方式采用视觉方式，第二提示方式采用听觉方式等。
在本申请实施例一具体实现中，参见图8，步骤S107，包括：
S1071、获得导航路线中时空风险程度排序前M的风险点。
S1072、对排序前M的风险点匹配第二提示方式。
示例性地，采用诱导服务引擎对时空风险程度排序前M的风险点(即第二风险点)进行语音和/或视觉等提示方式的匹配，即对排序前M的风险点匹配第二提示方式，将匹配的第二提示方式以及排序前M的风险点发送至地图客户端。
示例性地，诱导服务引擎还可以基于用户的历史数据，预先发送相关的提示方式(例如，语音和/或视觉等提示方式)至地图客户端所处的移动终端，从而令在地图客户端也可以基于预存的提示方式对排序前M的风险点匹配第二提示方式。
本申请实施例通过对排序前M的风险点匹配第二提示方式，便于将风险点的时空风险程度与提示方式相关联，以进一步增强对用户的提示效果。
具体地，第二提示方式可以为预先设置，或者是可以根据用户输入指令进行调整的。比如，用户为聋哑人，则采用颜色、图案等视觉提示方式进行提示。
具体地，第二提示方式还可以进行自适应调整，比如，感测用户处于嘈杂环境中，则将第一提示方式所采用的语音音量调整放大。
在本申请实施例一具体实现中，第二风险点对应的第二提示方式包括以下至少一种：在所述导航路线界面中,以以下突出形式显示所述优先提示风险点的风险类型：颜色、图像、动态效果中的至少一种；在所述导航路线界面的所述导航路线中，用户所在的位置呈现蒙层半透明图形的动态效果；以增强语音播报方式提示风险点的风险类型。
第二提示方式通常是比第一提示方式在视觉上或者听觉上提示效果更强烈的内容，即以突出形式显示第二风险点的风险类型。
为了进一步说明以第二提示方式对第二风险点进行风险提示，下面以示例性界面图的方式对其进行视觉提示的展示。
图9a为本申请实施例所提供的一种以第二提示方式进行风险提示的示意图,图9b为本申请实施例所提供的另一种以第二提示方式进行风险提醒的示意图。
响应于用户的行驶特征符合第二提示触发条件(例如，检测到用户的行驶速度超过了导航路线中第二风险点所处路段所规定的速度)，在导航路线界面中的码表盘中以红色圆圈和文字以及码表盘下方文字描述“超速”，以及“超速”字体下方的箭头图像进行闪烁的动态效果对第二风险点进行导航指令提示。同时，在导航路线界面中的导航路线中，用户所在的位置呈现蒙层半透明图形的闪烁的动态效果。
值得注意的是，上述颜色、图像、动态效果以及蒙层半透明图形仅为示意，本申请并不限定于上述方式，其他在视觉上或者听觉上提示效果更强烈的提示方式，可被采用对第二风险点进行导航指令提示。
此外，在以第二提示方式对第二风险点进行风险提示的同时，若第一提示方式与第二提示方式不存在提示冲突，则仍然可以保持第一提示方式对第二风险点(第二风险点实际上即为风险程度更高的第一风险点)进行风险提示。如图9a或者图9b中所示，在展示动态效果的第二提示方式对第二风险点进行风险提示的同时，还保持了以在导航路线中以汽包样式或者图标样式的第一提示方式对第二风险点进行了风险方式。
第一提示方式与第二提示方式不存在提示冲突，可以包括：第一提示方式与第二提示方式在导航路线界面中的展示位置不同，例如，第一提示方式的展示位置在导航路线界面中的导航路线上或者附近(导航路线一般位于导航路线界面的中部)，第二提示方式的展示位置在导航路线界面的角落(例如左上角或者左下角)等远离导航路线处；或者，第一提示方式与第二提示方式的提示类型不同，例如，第一提示方式的提示类型为语音，第二提示方式的提示类型为动态图标。
在本申请实施例另一具体实现中，第二提示触发条件，包括：用户位置沿着导航路线方向与第二风险点的距离为第二距离，其中，第二距离小于所述第一距离；和/或，预计从用户位置抵达所述第二风险点的时间与当前时间的差值为第二时间，其中，所述第二时间小于所述第一时间。
具体地，第二距离，和/或，第二时间可以为预先设置的，或者用户手动设置的。
例如，第一距离区间为[200,500m]，那么第二距离则应当小于200m，即第二距离应当小于第一距离区间的最小值。同理，第二时间应当小于所述第一时间区间的最小值。示例性地，当用户在行驶过程中与第二风险点的距离在第二距离区间内，才在导航路线中显示第二风险点进行第二提示方式的视觉提示，或者针对第二风险点进行第二提示方式的语音提示。
示例性地，当用户在行驶过程的当前时间与预计抵达第一风险点的时间的时间差在第二时间区间内，才在导航路线中显示第二风险点进行第二提示方式的视觉提示，或者针对第二风险点进行第二提示方式的语音提示。
本申请实施例进一步将第一风险点中排序的M个第一风险点确定为第二风险点，其中，M≤N，M同样为正整数。例如，若导航路线中存在50个风险点，则第一风险点的可能是10个(即N＝10)，而第二风险点即可以是2个 (即M＝2)。
本申请实施例进一步将第一风险点中时空风险程度排序前M的风险点设置为第二风险点，进一步在满足第二风险点提示触发条件时，采用第二提示方式对第二风险点进行风险提示。
由于第二距离区间的最大值小于或者等于第一距离区间的最大值和/或第二时间区间的最大值小于或者等于第一时间区间的最大值，即第一提示触发条件先被满足，第二提示触发条件在第一提示触发条件被触发后才被满足。
在满足第一提示触发条件时，采用第一提示方式对第一风险点进行风险提示，若此时该第一风险点也是第二风险点，则进一步在满足第二提示触发条件时，进一步增加第二提示方式对第一风险点中的第二风险点进行风险提示。
本申请实施例通过第一提示方式与第二提示方式结合的方式对第二风险点进行提示，令用户对时空风险程度排序前M的风险点具有更加强烈的感知。
为进一步说明本申请实施例第一提示方式与第二提示方式，仅以一具体实现方式示例说明。
如表2所示，表2为本申请实施例所提供的一种风险点时空风险程度排序表格。在该示意表格中，排序前10的风险点即为第一风险点，而排序前2 的即为第二风险点。第一提示方式包括“第一语音播报”，而第二提示方式包括了“图标、气泡、视觉强透出和第二语音播报”。非第一风险点的风险点(即top11及其排序在其之后的其它风险点)则不再进行风险提示。
表2风险点时空风险程度排序表格
| 风险点排序 | 第一语音播报 | 图标 | 气泡 | 视觉强透出 | 第二语音播报 |
| top1 | 有 | 有 | 有 | 有 | 有 |
| top2 | 有 | 有 | 有 | 有 | 有 |
| top3 | 有 | 无 | 无 | 无 | 无 |
| top4 | 有 | 无 | 无 | 无 | 无 |
| …… | …… | …… | …… | …… | …… |
| top10 | 有 | 无 | 无 | 无 | 无 |
| top11 | 无 | 无 | 无 | 无 | 无 |
在本申请一些实施例中，可在上述任一实施例的基础上，增加步骤S111。参见图10，还包括：
S111、根据导航路线中风险点的数量、各风险点所对应的权重系数以及各风险点的时空风险程度中至少一项确定导航路线的风险程度。
本申请实施例在确定了导航路线中的各风险点的风险程度之后，还可以基于该导航路线中所包括的风险点的数量，以及各风险点的风险程度和风险点所对应的权重系数来确定导航路线的风险程度。
本申请实施例通过评估导航路线的风险程度，用户可以根据导航路线的风险程度选择导航路线，进一步改善了导航效果，提供了更佳的用户体验。
在本申请一些实施例中，可在上述任一实施例的基础上，增加步骤S111。参见图11，还包括：
S113、根据所述导航路线的风险程度进行路线规划排序。
在一些示例中，可以在规划排序导航路线时，可以直接按照导航路线的风险程度，将风险程度较低的导航路线排序靠前，风险程度较高的导航路线排序靠后。进一步地，还可以对排序后的导航路线标明导航路线的风险程度。用户可以根据手动选择导航路线，也可以默认选择风险程度最低的导航路线。
在另一些示例中，可以将导航路线的风险程度加入路线规划的惩罚函数或者加权函数，从而规划出风险程度排序由低至高的多条导航路线。进一步地，还可以对排序后的导航路线标明导航路线的风险程度。用户可以根据手动选择导航路线，也可以根据默认选择风险程度最低的导航路线。
本申请实施例将路线风险作为路线规划的依据，可以根据路线风险对导航路线进行规划，能够实现更佳的导航效果。
为进一步说明本申请实施例实现，通过一具体应用场景对本申请实施例进行说明。
参见图12，司机通过安装在手机上的地图客户端1201输入导航请求，手机将规划请求发送至路线规划引擎1202，路线规划引擎1202将根据导航请求生成的导航路线发送至风险排序引擎1203。
风险挖掘引擎1204根据黑点数据库、地图基础数据对导航路线中的事故黑点数据和地图基础数据进行风险特征提取，采用画像算法对各风险特征进行归纳聚类，获取各风险点的风险画像特征数据，从而得到风险点画像数据库1205。画像算法包括聚类算法和分类算法。聚类算法包括：K均值聚类算法(k-means clustering algorithm)，层次聚类等。分类算法包括：K最近邻 (KNN，K-NearestNeighbor)分类算法，支持向量机(SVM,SupportVector Machine)等。
具体地，事故黑点包括：基于发生过事故的数据，包括位置：经纬度，街道、道路属性、城市；事故对象：人、车；司机情况：驾龄，驾驶能力，疲劳情况等，来进行事故风险聚类等。其中，数据来源主要是客户工单提取、交警执法记录等。地图基础数据包括：交通拥堵数据、三维数据、街景数据等。本申请实施例对导航路线中的事故黑点数据和地图基础数据进行风险特征提取，风险特征包括：风险点基础特征、风险点环境特征、订单特征、道路特征、司机特征、车辆特征、风险点危险程度。
风险排序引擎1203对导航路线中各风险点，根据风险点画像数据库1205，获得各风险点的时空风险程度的排序，继而获得时空风险程度排序前N的风险点。
具体地，对导航路线中各风险点进行排序的排序算法，包括：协同过滤、逻辑回归(Logistic Regression,LR)、相似性排序(XGBoost)中的至少一种。
诱导服务引擎1207对时空风险程度排序前N的风险点进行语音和/或视觉等提示方式的匹配，即对排序前N的风险点匹配第一提示方式，将匹配的第一提示方式以及排序前N的风险点发送至地图客户端。
诱导服务引擎1207还对排序前N的风险点中时空风险程度排序前M的风险点进行语音和/或视觉等提示方式的匹配，即对排序前M的风险点匹配第二提示方式，将匹配的第二提示方式以及排序前M的风险点发送至地图客户端。 M≤N，M同样为正整数。例如，若导航路线中存在50个风险点，则第一风险点的可能是10个(即N＝10)，而第二风险点则可以是2个(即M＝2)。
当司机行驶至距离风险点在第一距离区间内时，地图客户端对司机采用第一提示方式对第一风险点进行风险提示，提示界面如图5a、图5b或者图 6a、图6b所示。
当司机行驶至距风险点的距离在第一距离区间内时，地图客户端对司机采用第一提示方式对第一风险点进行风险提示，提示界面如图5a、图5b或者图6a、图6b所示。当司机继续行驶至距第二风险点的距离在第二距离区间内时，地图客户端对司机进一步增加第二提示方式对第二风险点进行风险提示，提示界面如图9a或者图9b所示。本申请实施例通过第一提示方式与第二提示方式结合的方式对第二风险点进行提示，令用户对时空风险程度排序前M的风险点具有更加强烈的感知。
本申请实施例提供了一种TS1、一种导航方法，包括：
在导航过程中，获取当前用户数据；
响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示；
其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。
TS2、如TS1所述的方法，其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的，包括：
确定所述导航过程所采用的导航路线；
将所述导航路线的各风险点中根据风险点画像数据所指示的时空风险程度从高至低排序前N的风险点确定为第一风险点，N为自然数。
TS3、如TS2所述的方法，其中，所述风险点画像数据的获取包括：
从所述导航路线中的事故黑点数据和地图基础数据中提取得到所述各风险点的风险点画像数据。
TS4、如TS3所述的方法，其中，所述风险点画像数据包括：
风险点基础特征、风险点环境特征、订单特征、道路特征、司机特征、车辆特征、风险点危险程度中的至少一种。
TS5、如TS4所述的方法，其中，所述风险点危险程度包括：
事故发生的概率、事故发生的频率、驾驶危险行为概率中至少一种。
TS6、如TS1所述的方法，其中，所述第一风险点对应的第一提示方式包括：
在所述导航过程中，以以下至少一种形式显示所述第一风险点的风险类型：图像、文字、视频和音频。
TS7、如TS6所述的方法，其中，所述第一提示触发条件，包括：用户位置沿着导航路线方向与所述第一风险点的距离在第一距离区间内；和/或，预计从用户位置抵达所述第一风险点的时间与当前时间的差值在第一时间区间内。
TS8、如TS7所述的方法，其中，所述方法还包括：
获取所述导航路线中的第二风险点以及所述第二风险点对应的第二提示方式，其中，所述第二风险点为所述第一风险点中按照时空风险程度从高至低排序前M的第一风险点，M为自然数，且M≤N；
响应于确定所述当前用户数据符合第二提示触发条件，采用所述第二提示方式对所述第二风险点进行导航指令提示。
TS9、如TS8所述的方法，其中，所述优先提示风险点对应的第二提示方式包括以下至少一种：
在所述导航路线界面中,以以下突出形式显示所述优先提示风险点的风险类型：颜色、图像、动态效果中的至少一种；在所述导航路线界面的所述导航路线中，用户所在的位置呈现蒙层半透明图形的动态效果；以增强语音播报方式提示风险点的风险类型。
TS10、如TS9所述的方法，其中，所述第二提示触发条件，包括：
用户位置沿着导航路线方向与所述第二风险点的距离为第二距离，其中，所述第二距离小于所述第一距离；和/或，预计从用户位置抵达所述第二风险点的时间与当前时间的差值为第二时间，其中，所述第二时间小于所述第一时间。
TS11、如TS1所述的方法，其中，所述方法还包括：
根据所述导航路线中风险点的数量、所述各风险点所对应的权重系数以及所述各风险点的时空风险程度中至少一项确定所述导航路线的风险程度。
TS12、如TS11所述的方法，其中，所述方法还包括：
根据所述导航路线的风险程度进行路线规划排序。
在本申请实施例的第二方面，还提供了一种导航装置，如图13所示，图 13为本申请实施例所提供的一种导航装置的结构示意图，包括：
获取模块131，在导航过程中，获取当前用户数据；
风险提醒模块133，响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示，其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。
本实施例的导航装置用于实现前述多个方法实施例中相应的导航方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的导航装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
根据本申请实施例的第三方面，本申请实施例还提供一种计算机设备，其至少包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现第一方面所述的导航方法。
图14示出了本申请实施例所提供的一种更为具体的计算设备硬件结构示意图，该设备可以包括：处理器1410、存储器1420、输入/输出接口1430、通信接口1440和总线1450。其中处理器1410、存储器1420、输入/输出接口1430 和通信接口1440通过总线1450实现彼此之间在设备内部的通信连接。
处理器1410可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1420可以采用ROM(Read Only Memory，只读存储器)、RAM (Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1420可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器 1420中，并由处理器1410来调用执行。
输入/输出接口1430用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1440用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1450包括一通路，在设备的各个组件(例如处理器1410、存储器1420、输入/输出接口1430和通信接口1440)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1410、存储器1420、输入/ 输出接口1430、通信接口1440以及总线1450，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
根据本申请实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的导航方法。
根据本申请实施例提供的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令指示计算机设备执行如第一方面所述的导航方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书实施例各个实施例或者实施例的某些部分所述的方法。
上述实施例阐明的系统、方法、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的方法实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，在实施本说明书实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本说明书实施例的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本说明书实施例原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本说明书实施例的保护范围。
Claims (10)
1.一种导航方法，包括：
在导航过程中，获取当前用户数据；
响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示；
其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。
2.如权利要求1所述的方法，其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的，包括：
确定所述导航过程所采用的导航路线；
将所述导航路线的各风险点中根据风险点画像数据所指示的时空风险程度从高至低排序前N的风险点确定为第一风险点，N为自然数。
3.如权利要求1所述的方法，其中，所述第一提示触发条件，包括：用户位置沿着导航路线方向与所述第一风险点的距离在第一距离区间内；和/或，预计从用户位置抵达所述第一风险点的时间与当前时间的差值在第一时间区间内。
4.如权利要求3所述的方法，其中，所述方法还包括：
获取所述导航路线中的第二风险点以及所述第二风险点对应的第二提示方式，其中，所述第二风险点为所述第一风险点中按照时空风险程度从高至低排序前M的第一风险点，M为自然数，且M≤N；
响应于确定所述当前用户数据符合第二提示触发条件，采用所述第二提示方式对所述第二风险点进行导航指令提示。
5.如权利要求4所述的方法，其中，所述第二提示触发条件，包括：
用户位置沿着导航路线方向与所述第二风险点的距离为第二距离，其中，所述第二距离小于所述第一距离；和/或，预计从用户位置抵达所述第二风险点的时间与当前时间的差值为第二时间，其中，所述第二时间小于所述第一时间。
6.如权利要求1所述的方法，其中，所述方法还包括：
根据所述导航路线中风险点的数量、所述各风险点所对应的权重系数以及所述各风险点的时空风险程度中至少一项确定所述导航路线的风险程度。
7.一种导航装置，所述装置包括：
获取模块，在导航过程中，获取当前用户数据；
风险提醒模块，响应于确定所述当前用户数据符合第一提示触发条件，采用与第一风险点对应的第一提示方式，对所述第一风险点进行导航提示，其中，所述第一风险点是基于所述导航过程所采用的导航路线中的各风险点的时空风险程度确定的。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至6任一项所述的导航方法。
9.一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-6中任一项所述的导航方法。
10.一种计算机程序产品，包括计算机指令，所述计算机指令指示计算机设备执行如权利要求1-6任一项所述的导航方法所对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110655612.4A CN113358131A (zh) | 2021-06-11 | 2021-06-11 | 一种导航方法、装置、电子设备及其存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110655612.4A CN113358131A (zh) | 2021-06-11 | 2021-06-11 | 一种导航方法、装置、电子设备及其存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113358131A true CN113358131A (zh) | 2021-09-07 |
Family
ID=77533985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110655612.4A Pending CN113358131A (zh) | 2021-06-11 | 2021-06-11 | 一种导航方法、装置、电子设备及其存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113358131A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113761007A (zh) * | 2021-09-10 | 2021-12-07 | 阿波罗智联(北京)科技有限公司 | 地图界面显示方法、装置、设备、存储介质和程序产品 |
| CN114368386A (zh) * | 2022-01-11 | 2022-04-19 | 恒安嘉新（北京）科技股份公司 | 一种车辆安全的预警方法、装置、设备及存储介质 |
| CN115294791A (zh) * | 2022-07-29 | 2022-11-04 | 广州市粤迅特数码技术有限公司 | 一种智慧城市用智能交通引导系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109726942A (zh) * | 2019-03-01 | 2019-05-07 | 北京汽车研究总院有限公司 | 一种驾驶环境风险评估方法及系统 |
| CN109733391A (zh) * | 2018-12-10 | 2019-05-10 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置、设备、车辆及存储介质 |
| CN109801491A (zh) * | 2019-01-18 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于风险评估的智能导航方法、装置、设备及存储介质 |
| CN110849384A (zh) * | 2019-11-08 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 导航路线生成方法、装置、可读存储介质和计算机设备 |
| WO2021005524A1 (en) * | 2019-07-09 | 2021-01-14 | Politecnico Di Milano | Method to process navigation information for road circulation and device to process and display such information |
| CN112289054A (zh) * | 2020-09-29 | 2021-01-29 | 深圳市金溢科技股份有限公司 | 道路安全预警方法、obu、rsu、mec设备及系统 |
| CN112614303A (zh) * | 2020-12-09 | 2021-04-06 | 珠海格力电器股份有限公司 | 一种道路安全提示方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-11 CN CN202110655612.4A patent/CN113358131A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109733391A (zh) * | 2018-12-10 | 2019-05-10 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置、设备、车辆及存储介质 |
| CN109801491A (zh) * | 2019-01-18 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于风险评估的智能导航方法、装置、设备及存储介质 |
| CN109726942A (zh) * | 2019-03-01 | 2019-05-07 | 北京汽车研究总院有限公司 | 一种驾驶环境风险评估方法及系统 |
| WO2021005524A1 (en) * | 2019-07-09 | 2021-01-14 | Politecnico Di Milano | Method to process navigation information for road circulation and device to process and display such information |
| CN110849384A (zh) * | 2019-11-08 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 导航路线生成方法、装置、可读存储介质和计算机设备 |
| CN112289054A (zh) * | 2020-09-29 | 2021-01-29 | 深圳市金溢科技股份有限公司 | 道路安全预警方法、obu、rsu、mec设备及系统 |
| CN112614303A (zh) * | 2020-12-09 | 2021-04-06 | 珠海格力电器股份有限公司 | 一种道路安全提示方法、装置、电子设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113761007A (zh) * | 2021-09-10 | 2021-12-07 | 阿波罗智联(北京)科技有限公司 | 地图界面显示方法、装置、设备、存储介质和程序产品 |
| CN114368386A (zh) * | 2022-01-11 | 2022-04-19 | 恒安嘉新（北京）科技股份公司 | 一种车辆安全的预警方法、装置、设备及存储介质 |
| CN115294791A (zh) * | 2022-07-29 | 2022-11-04 | 广州市粤迅特数码技术有限公司 | 一种智慧城市用智能交通引导系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11175152B2 (en) | Method and system for risk determination of a route | |
| CN113358131A (zh) | 一种导航方法、装置、电子设备及其存储介质 | |
| US10222227B2 (en) | Navigation systems and associated methods | |
| CA3033864C (en) | Method and system for determining and dynamically updating a route and driving style for passenger comfort | |
| CN105225519B (zh) | 定向停车可用信息的可视化系统 | |
| JP6796798B2 (ja) | イベント予測システム、イベント予測方法、プログラム、及び移動体 | |
| CN110942332B (zh) | 信息处理装置以及信息处理方法 | |
| JP6727868B2 (ja) | 経路案内装置、経路案内システム、経路案内方法及び経路案内プログラム | |
| JP2018100936A (ja) | 車載装置及び経路情報提示システム | |
| EP3635337B1 (en) | Systems and methods for selecting a poi to associate with a navigation maneuver | |
| JP2023074043A (ja) | 情報処理方法、情報処理装置及びプログラム | |
| CN110741227B (zh) | 地标辅助导航 | |
| CN104842898A (zh) | 用于检测驾驶者对对象的注意力的方法和系统 | |
| JP6888474B2 (ja) | デジタルサイネージ制御装置、デジタルサイネージ制御方法、プログラム、記録媒体 | |
| US11494795B1 (en) | System for dynamic autonomous vehicle service pricing | |
| US20220194426A1 (en) | Method and apparatus for increasing passenger safety based on accident/road link correlation | |
| CN106662455A (zh) | 警告通知系统、警告通知方法和程序 | |
| JP2020008436A (ja) | 経路情報支援装置および経路情報支援システム | |
| CN115691203A (zh) | 一种城市道路泊位诱导方法、装置、设备及可读存储介质 | |
| JP2005030980A (ja) | 車両用情報提供システム | |
| JP6701275B2 (ja) | 情報処理装置、情報提供方法及びプログラム | |
| CN112109645A (zh) | 向车辆用户提供辅助的方法和系统 | |
| JP2020166525A (ja) | 情報提供装置、情報提供プログラム、及び情報提供方法 | |
| CN112543949A (zh) | 使用图像内容分析来发现和评估会面位置 | |
| JP2019104354A (ja) | 情報処理方法及び情報処理装置 |
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 |