CN113378078B - 应用程序交互控制方法、装置、电子设备和存储介质 - Google Patents
应用程序交互控制方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113378078B CN113378078B CN202010117052.2A CN202010117052A CN113378078B CN 113378078 B CN113378078 B CN 113378078B CN 202010117052 A CN202010117052 A CN 202010117052A CN 113378078 B CN113378078 B CN 113378078B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- target
- navigation
- current scene
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
Abstract
本申请公开了应用程序交互控制方法、装置、电子设备和存储介质,涉及导航技术领域。具体实现方案为:在接收用户针对导航应用程序的启动指令后,结合当前场景信息,预测用户在当前场景信息下所使用的目标导航路线信息,并获取进入目标导航路线信息的第一快捷入口,以及根据目标导航路线信息的第一快捷入口,生成并显示导航应用程序启动后的首页界面。由此,在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。
Description
技术领域
本申请涉及计算机技术领域,具体涉及导航技术领域,尤其涉及应用程序交互控制方法、装置、电子设备和存储介质。
背景技术
目前,在用户启动导航应用后,导航应用向所有用户提供的首页界面都是一样的,首页界面较为单一,用户的个性化需求没有满足。并且,在用户需要使用自己经常使用的导航路线时,用户需要经过多次点击选择的方式才能获得导航路线信息,用户获取经常使用导航路线的操作较多,用户的导航体验不理想。因此,导航产品应用如何便捷地满足不同用户的个性化需求是目前亟需解决的技术问题。
发明内容
本申请提出一种应用程序交互控制方法、装置、电子设备和存储介质,在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。
本申请第一方面实施例提出了一种应用程序交互控制方法,包括:接收用户针对导航应用程序的启动指令;获取当前场景信息;预测所述用户在所述当前场景信息下所使用的目标导航路线信息,所述当前场景信息包括当前时间信息和当前位置信息;获取进入所述目标导航路线信息的第一快捷入口;根据所述目标导航路线信息的第一快捷入口,生成并显示所述导航应用程序启动后的首页界面。
在本申请的一个实施例中,所述预测所述用户在所述当前场景信息下所使用的目标导航路线信息,包括:获取所述用户在所述当前场景信息下操作所述导航应用程序的历史行为信息;根据所述历史行为信息,确定所述用户在所述当前场景信息下所使用的目标导航路线信息。
在本申请的一个实施例中,所述预测所述用户在所述当前场景信息下所使用的目标导航路线信息,包括:将所述当前场景信息输入到预先训练的神经网络模型中,以预测所述用户在所述当前场景信息下的目标出行方式和目标目的地;根据所述当前位置信息、所述目标出行方式和所述目标目的地,生成所述目标导航路线信息。
在本申请的一个实施例中,所述神经网络模型是采用样本用户在各个场景信息对所述神经网络模型进行训练,直至所述神经网络模型输出的出行信息与所述样本用户在对应场景信息下所使用的样本输出信息满足收敛条件,所述神经网络模型训练完整,其中,所述样本出行信息包括样本目的地和样本出行方式。
在本申请的一个实施例中,所述方法还包括:接收所述用户对所述第一快捷入口的第一预设操作;根据所述第一预设操作,显示所述导航路线信息。
在本申请的一个实施例中,在所述导航路线信息中的出行方式为叫车方式时,所述方法还包括:根据所述导航路线信息中的起始地和目的地,发起叫车请求。
在本申请的一个实施例中,所述方法还包括:根据所述目标导航路径信息中的出行方式,确定所述用户需要使用导航功能;根据所述目标导航路径信息进行语音导航。
在本申请的一个实施例中,所述方法还包括:接收所述用户针对所述第一快捷入口的第二预设操作:根据所述第二预设操作,为所述用户提供推荐信息,其中,所述推荐信息包括推荐地点和/或推荐出行方式。
在本申请的一个实施例中,所述方法还包括:根据所述当前场景信息对所述用户进行周边信息推荐,以得到推荐的目标周边信息;在所述导航应用程序启动后的首页界面上显示与所述目标周边信息对应的第二快捷入口。
在本申请的一个实施例中,所述方法还包括:根据所述用户对所述第二快捷入口的第三预设操作,显示所述目标周边信息的详情页面。
本申请实施例的应用程序交互控制方法,在接收用户针对导航应用程序的启动指令后,结合当前场景信息,预测所述用户在所述当前场景信息下所使用的目标导航路线信息,并获取进入所述目标导航路线信息的第一快捷入口,以及根据所述目标导航路线信息的第一快捷入口,生成并显示所述导航应用程序启动后的首页界面。由此,在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。
本申请第二方面实施例提出了一种应用程序交互控制装置,包括:第一接收模块,用于接收用户针对导航应用程序的启动指令;第一获取模块,用于获取当前场景信息;预测模块,用于预测所述用户在所述当前场景信息下所使用的目标导航路线信息,所述当前场景信息包括当前时间信息和当前位置信息;第二获取模块,用于获取进入所述目标导航路线信息的第一快捷入口;显示模块,用于根据所述目标导航路线信息的第一快捷入口,生成并显示所述导航应用程序启动后的首页界面。
在本申请的一个实施例中,所述预测模块,具体用于:获取所述用户在所述当前场景信息下操作所述导航应用程序的历史行为信息;根据所述历史行为信息,确定所述用户在所述当前场景信息下所使用的目标导航路线信息。
在本申请的一个实施例中,所述预测模块,具体用于:将所述当前场景信息输入到预先训练的神经网络模型中,以预测所述用户在所述当前场景信息下的目标出行方式和目标目的地;根据所述当前位置信息、所述目标出行方式和所述目标目的地,生成所述目标导航路线信息。
在本申请的一个实施例中,所述神经网络模型是采用样本用户在各个场景信息对所述神经网络模型进行训练,直至所述神经网络模型输出的出行信息与所述样本用户在对应场景信息下所使用的样本输出信息满足收敛条件,所述神经网络模型训练完整,其中,所述样本出行信息包括样本目的地和样本出行方式。
在本申请的一个实施例中,所述装置还包括:第二接收模块,用于接收所述用户对所述第一快捷入口的第一预设操作;所述显示模块,还用于根据所述第一预设操作,显示所述导航路线信息。
在本申请的一个实施例中,在所述导航路线信息中的出行方式为叫车方式时,所述装置还包括:叫车模块,用于根据所述导航路线信息中的起始地和目的地,发起叫车请求。
在本申请的一个实施例中,所述装置还包括:确定模块,用于根据所述目标导航路径信息中的出行方式,确定所述用户需要使用导航功能;语音导航模块,用于根据所述目标导航路径信息进行语音导航。
在本申请的一个实施例中,所述装置还包括:第三接收模块,用于接收所述用户针对所述第一快捷入口的第二预设操作:推荐模块,用于根据所述第二预设操作,为所述用户提供推荐信息,其中,所述推荐信息包括推荐地点和/或推荐出行方式。
在本申请的一个实施例中,所述装置还包括:周边推荐模块,用于根据所述当前场景信息对所述用户进行周边信息推荐,以得到推荐的目标周边信息;所述显示模块,还用于在所述导航应用程序启动后的首页界面上显示与所述目标周边信息对应的第二快捷入口。
在本申请的一个实施例中,所述装置还包括:所述显示模块,还用于根据所述用户对所述第二快捷入口的第三预设操作,显示所述目标周边信息的详情页面。
本申请实施例的应用程序交互控制装置,在接收用户针对导航应用程序的启动指令后,结合当前场景信息,预测所述用户在所述当前场景信息下所使用的目标导航路线信息,并获取进入所述目标导航路线信息的第一快捷入口,以及根据所述目标导航路线信息的第一快捷入口,生成并显示所述导航应用程序启动后的首页界面。由此,在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。
本申请第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例的应用程序交互控制方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例公开的应用程序交互控制方法。
本申请第五方面实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本申请实施例公开的应用程序交互控制方法。
上述申请中的一个实施例具有如下优点或有益效果:在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。因为采用结合当前场景信息来预测所述用户在所述当前场景信息下所使用的目标导航路线信息,并根据目标导航路线信息的快捷入口生成并显示所述导航应用程序启动后的首页界面的技术手段,所以克服了相关技术中导航应用程序的首页界面不具有针对性,用户获取经常使用的导航路线信息所需要的操作较多,从而影响用户的导航体验的技术问题,从而达到了在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是导航应用程序原有的首页界面的示例图;
图3是导航应用程序所显示的个性化首页界面的示例图;
图4是根据本申请第二实施例的示意图;
图5是神经网络模型对应的模型结构的示意图;
图6是根据本申请第三实施例的示意图;
图7是包含导航路线信息的用户界面的示例图;
图8是包括打车到地铁站A的功能图标的首页界面的示例图;
图9是包括功能选择面板的首页界面的示例图;
图10是根据本申请第四实施例的示意图;
图11是根据本申请第五实施例的示意图;
图12是用来实现本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的应用程序交互控制方法、装置、电子设备和存储介质。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例的应用程序交互控制方法的执行主体为应用程序交互控制装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
如图1所示,该应用程序交互控制方法可以包括:
步骤101,接收用户针对导航应用程序的启动指令。
步骤102,获取当前场景信息。
本实施例中,当前场景信息可以包括但不限于当前时间信息和当前位置信息,例如,当前场景信息还可以包括当前位置信息在当前时间信息对应的天气信息。
其中,当前时间信息可以包括当前时间点所属于的时间段信息,还可以包括当前时间信息对应的类型信息,类型信息包括工作日和非工作日。
具体地,可获取用户启动导航应用程序的时间信息,并将用户启动导航应用程序的时间信息作为当前时间信息。
在本实施例中,当前位置信息可以通过电子设备中的定位模块(例如GPS定位模块)来获取。
步骤103,预测用户在当前场景信息下所使用的目标导航路线信息。
在本实施例中,在不同应用场景中,预测用户在当前场景信息下所使用的目标导航路线信息的方式有多种,举例说明如下:
作为一种示例,可获取用户在当前场景信息下操作导航应用程序的历史行为信息;根据历史行为信息,确定用户在当前场景信息下所使用的目标导航路线信息。
其中,目标导航路线信息包括目标目的地和目标出行方式。
具体地,在获取历史行为信息后,可根据历史行为信息,确定出用户在当前场景信息下之前所去的各个候选地点,以及去对应各个候选地点所使用的出行方式,然后,确定出用户去各个候选地点的概率,以及去相应候选地点所使用的出行方式的概率。然后,获取概率最高的候选地点作为用户在当前场景信息下的目标目的地,以及根据用户去目标目的地所使用的各个出行方式的概率,并选择概率最高的出行方式,作为用户在当前场景下去目标目的地所使用的目标出行方式。
其中,本实施例中出行方式可以包括但不限于驾车、公交、骑行、摩托车、步行、火车、飞机、客车、货车等。
具体而言,本实施例中基于历史模式挖掘的个性化功能推荐,主要通过挖掘不同用户在不同位置,不同时间段的场景信息下的历史使用行为模式,基于挖掘得到的用户行为模式,个性化的推荐用户可能感兴趣的功能。
其中,计算公式如下:
其中,u∈U,U为用户集合,li,di∈L,L为地点集合,<u,li,ti>∈S,S为用户发起出行的场景信息集合,mi∈M={驾车、公交、骑行、摩托车、步行、...},M为出行方式的集合。ti∈T={[0,6),[6,10),[10,14),[14,17),[17,20),[20,24)},T为时间分段的集合。为一段时间周期内,比如最近3个月,用户u在地点li、时间段ti时,选择出行方式mi前往目的地di的量,为用户u在地点li、时间段ti时选择不同出行方式抵达不同目的地的总量。
作为另一种示例,预测用户在当前场景信息下所使用的目标导航路线信息的具体实现方式还可以为:将当前场景信息输入到预先训练的神经网络模型中,以预测用户在当前场景信息下的目标出行方式和目标目的地;根据当前位置信息、目标出行方式和目标目的地,生成目标导航路线信息。
其中,本实施例中的神经网络模型已学习得到当前场景信息与出行方式以及目的地之间的映射关系。
其中,需要说明的是,关于神经网络模型的训练过程将在后续实施例中描述。
在本申请的一个实施例中,在实际应用中,可以采用能够上述的任意一种方式来进行预测,还可以采用上述两种方式相结合的方式,例如,在采用上述两种方式相结合的方式时,在根据用户的历史行为数据,确定用户在当前场景信息去往对应一个目的地的概率大于第一预设阈值,以及用户采用对应出行方式去往该目的地的概率大于第二预设阈值,则采用根据历史行为数据所确定的目标目的地和目标出行方式,否则,可采用根据神经网络模型预测出的目标目的地和目标出行方式。
可以理解的是,在用户的历史行为数据量大于预设数量时,根据历史行为数据可能够精准挖掘用户周期性使用的功能。通过神经网络模型可以在对应用户在当前场景信息下的历史行为数据不足时,结合在当前场景信息下的其他用户的行为数据,来预测该用户可能的目标出行方式和目标目的地。也就是说,通过神经网络模型能够发现用户潜在感兴趣的出行目的地和出行方式。
步骤104,获取进入目标导航路线信息的第一快捷入口。
步骤105,根据目标导航路线信息的第一快捷入口,生成并显示导航应用程序启动后的首页界面。
在本实施例中,第一快捷入口以及后续实施例中的第二快捷入口在首页界面上可以以预设方式进行展示,例如,快捷入口可以预设图形的按钮的形式进行展示。
在本实施例中,在获取目标导航路线信息的第一快捷入口后,可根据第一快捷入口对导航应用程序的首页界面上的默认主功能按钮进行调整,例如,可将首页界面中主要功能按钮替换为第一快捷入口对应的图形按钮。
另外,在实际应用中还可以以其他方式生成针对用户在当前场景信息下对应的首页界面,例如,可在导航应用程序的首页界面上的预设区域上显示与第一快捷入口对应图形按钮,以方便用户通过触发图形按钮查看导航路线信息。
举例而言,假设导航应用程序的原有的首页界面的示例图,如图2所示,假设根据当前时间信息确定今天为工作日的七点钟,当前位置信息为用户的家庭住址,如果根据用户在导航应用程序中在当前时间信息和当前位置信息下经常开车去公司A,此时,在用户启动导航应用程序后,导航应用程序所显示的个性化首页界面的示例图,如图3所示,通过图3所示,可以看出,导航应用程序原有的首页界面中的主功能按钮“路线”按钮,被替换为“驾车到公司A”的图形按钮B。
本申请实施例的应用程序交互控制方法,在接收用户针对导航应用程序的启动指令后,结合当前场景信息,预测用户在当前场景信息下所使用的目标导航路线信息,并获取进入目标导航路线信息的第一快捷入口,以及根据目标导航路线信息的第一快捷入口,生成并显示导航应用程序启动后的首页界面。由此,在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。
图4是根据本申请第二实施例的示意图,在第二实施例中示意出了训练神经网络模型的过程。
如图4所示,可以包括:
步骤401,获取样本用户操作导航应用程序的用户行为数据,根据用户行为数据,确定样本用户的行为数据样本集合。
其中,行为数据样本集合包括样本用户在各个场景信息下去往样本目的地所选择的样本出行方式。
在本实施例中,可获取样本用户在预设一段时间周期内的用户行为数据,构造用户的行为数据样本,每条行为记录包括<u,li,ti,di,mi>,即,用户u在地点li、时间段ti时,选择出行方式mi前往目的地di,通过该种方式,可以构造样本集合S。
在本实施例中,预设一段时间是预先设置的时间,例如,可获取用户一个月或者三个月操作导航应用程序的用户行为数据。
步骤402,采用样本用户在各个场景信息对神经网络模型进行训练,直至神经网络模型输出的出行信息与样本用户在对应场景信息下所使用的样本输出信息满足收敛条件,神经网络模型训练完整,其中,样本出行信息包括样本目的地和样本出行方式。
其中,本实施例中的神经网络模型中包括第一神经网络模型和第二神经网络模型,其中,第一神经网络模型用于输出用户在当前场景信息下对应的目标出行方式,第二神经网络模型用户输出用户在当前场景信息下对应的目标目的地。
在本实施例中,可构建基于多任务学习的神经网络,该网络共有两个任务输出,分别对应出行目的地预测以及出行方式预测,两个任务都采用softmax交叉熵损失函数作为目标函数。
其中,本实施例中的神经网络模型对应的模型结构的示意图,如图5所示。通过图5可以看出,本实施例中模型的输入层为用户的行为序列数据,经过编码层,获得用户u的编码,地点li的编码、以及时间段ti的编码,通过concatenate的方式将三个编码的向量合并,分别输入到出行目的地预测网络以及出行方式预测网络。两个网络均为RNN(循环神经网络)的网络,单元采用GRU(Gated Recurrent Unit),也可以采用其他的单元比如LSTM(LongShort-Term Memory)。网络目标函数:
在网络目标函数满足预设的结束条件时,神经网络模型训练结束。
基于上述实施例的基础上,如图6所示,该方法还包括:
步骤601,接收用户对第一快捷入口的第一预设操作。
其中,第一预设操作是预先设置的显示导航路线信息的操作,例如,预设操作可以为点击操作。
步骤602,根据第一预设操作,显示导航路线信息。
本实施例中,在用户触发导航应用程序的启动指令后,根据当前场景信息为用户提供了个性化的首页界面,在监控到用户对首页界面中的第一快捷入口执行第一预设操作时,为用户显示导航路线信息。由此,方便了用户快速获取自己所需要的导航路线信息,避免了用户手动输入目的地以及选择出行方式的麻烦。
例如,导航应用程序当前的首页界面,如图3所示,在用户点击首页界面中“驾车到公司A”的图形按钮后,显示包含导航路线信息的交互界面,其中,包含导航路线信息的用户界面的示例图,如图7所示。
基于上述实施例的基础上,为了进一步减少用户操作,在本申请的一个实施例中,在导航路线信息中的出行方式为叫车方式时,该方法还可以根据导航路线信息中的起始地和目的地,发起叫车请求。
又例如,用户在周末的早晨7点钟左右,在家中打开导航应用程序,根据用户的历史行为,将主要功能替换为打车到地铁站对应的功能图标,用户可以通过点击该功能图标,直接发起叫车需求。其中,包括打车到地铁站A的功能图标的首页界面的示例图,如图8所示。
在本申请的另一个实施例中,为了方便用户基于导航路线信息快速使用导航应用程序中的语音导航功能,该方法还可以包括:根据目标导航路径信息中的出行方式,确定用户需要使用导航功能,根据目标导航路径信息进行语音导航。
作为一种示例性的实施方式,可接收用户对第一快捷入口的第一预设操作,并根据第一预设操作,显示导航路线信息,以及如果根据目标导航路径信息中的出行方式,确定用户需要使用导航功能,则可根据目标导航路径信息直接进行语音导航。由此,极大的减少了用户的交互选择成本。
另外,在根据目标导航路径信息直接进行语音导航之前,还可以向用户提供是否进行语音导航的提示信息,如果接收到用户确认开始语音导航的确认指令,则根据目标导航路径信息进行语音导航。
在本申请的一个实施例中,为了方便用户对导航路线信息中的目标目的地或出行方式进行快速修改,该方法还可以接收用户针对第一快捷入口的第二预设操作:根据第二预设操作,为用户提供推荐信息。
其中,推荐信息可以包括推荐地点和/或推荐出行方式。
在本实施例中,根据第二预设操作,可在首页界面上弹出一个包含推荐信息的功能选择面板。其中,包括功能选择面板的首页界面的示例图,如图9所示,其中,图9示例的功能选择面板包括两层,内层一层为推荐地点层,推荐用户最可能去的其他地点,比如休闲场所『蓝羊咖啡』、景点『故宫博物馆』、商厦『华联商厦』,如果用户选择去『华联商厦』,即可以通过滑动到该地点,即可直接发起到『华联商厦』的导航路线规划,减少用户输入到达目的地的成本。外层一层为推荐出行方式层:包括『公交』、『打车』、『步行』、『骑行』等多种交通方式,比如用户选择『公交』功能,可以滑动选择『公交』功能,则会直接发起公交的路线规划,提供用户可以选择的公交路线,极大的减少了用户的交互选择成本。
其中,可以理解的是,功能选择面板中还可以包括其他功能,例如,首页界面中的路线功能图标为替换了,可在功能选择面板中提供路线功能图标,以方便用户通过触发路线功能图标,进入路线功能的功能页面对导航的目的地以及出行方式进行调整。
其中,第二预设操作是预先设置的,例如,第二预设操作可以长按第一快捷入口。
基于上述实施例的基础上,为了进一步方便用户查看在当前场景信息下经常使用的周边信息,在本申请的一个实施例,如图10所示,该方法还可以包括:
步骤1001,根据当前场景信息对用户进行周边信息推荐,以得到推荐的目标周边信息。
其中,本实施例中推荐的周边信息可以是根据用户在当前场景信息的历史行为数据得到的。
步骤1002,在导航应用程序启动后的首页界面上显示与目标周边信息对应的第二快捷入口。
基于上述实施例的基础上,为了向用户提供便捷的交互方式,在导航应用程序启动后的首页界面上显示与目标周边信息对应的第二快捷入口之后,该方法还可以包括:根据用户对第二快捷入口的第三预设操作,显示目标周边信息的详情页面。
其中,周边信息可以包括但不限于周边景点、周边饭店信息、周边银行信息、周边超市、周边医院、周边电影院等。
例如,用户在周末的早晨7点钟左右,在家中打开导航产品,根据用户的历史行为,将主要功能替换为打车到地铁站,且通过功能icon的替换来提示用户,用户可以通过点击该功能图标,直接发起叫车需求。同时发现周边的功能,基于用户的偏好,以及当前位置,推荐『香山』的景点,用户通过点击可以直接打开『香山』该景点的详情页信息,方便用户的浏览、购票等需求。
为了实现上述实施例,本申请实施例还提供一种应用程序交互控制装置。
图11是根据本申请第五实施例的示意图。
如图11所示,该应用程序交互控制装置100包括第一接收模块110、第一获取模块120、预测模块130、第二获取模块140和显示模块150,其中:
第一接收模块110,用于接收用户针对导航应用程序的启动指令。
第一获取模块120,用于获取当前场景信息。
预测模块130,用于预测用户在当前场景信息下所使用的目标导航路线信息,当前场景信息包括当前时间信息和当前位置信息。
第二获取模块140,用于获取进入目标导航路线信息的第一快捷入口。
显示模块150,用于根据目标导航路线信息的第一快捷入口,生成并显示导航应用程序启动后的首页界面。
在本申请的一个实施例中,预测模块130,具体用于:获取用户在当前场景信息下操作导航应用程序的历史行为信息;根据历史行为信息,确定用户在当前场景信息下所使用的目标导航路线信息。
在本申请的一个实施例中,预测模块130,具体用于:将当前场景信息输入到预先训练的神经网络模型中,以预测用户在当前场景信息下的目标出行方式和目标目的地;根据当前位置信息、目标出行方式和目标目的地,生成目标导航路线信息。
在本申请的一个实施例中,神经网络模型是采用样本用户在各个场景信息对神经网络模型进行训练,直至神经网络模型输出的出行信息与样本用户在对应场景信息下所使用的样本输出信息满足收敛条件,神经网络模型训练完整,其中,样本出行信息包括样本目的地和样本出行方式。
在本申请的一个实施例中,装置还包括:
第二接收模块,用于接收用户对第一快捷入口的第一预设操作;
显示模块,还用于根据第一预设操作,显示导航路线信息。
在本申请的一个实施例中,在导航路线信息中的出行方式为叫车方式时,装置还包括:
叫车模块,用于根据导航路线信息中的起始地和目的地,发起叫车请求。
在本申请的一个实施例中装置还包括:
确定模块,用于根据目标导航路径信息中的出行方式,确定用户需要使用导航功能;
语音导航模块,用于根据目标导航路径信息进行语音导航。
在本申请的一个实施例中装置还包括:
第三接收模块,用于接收用户针对第一快捷入口的第二预设操作:
推荐模块,用于根据第二预设操作,为用户提供推荐信息,其中,推荐信息包括推荐地点和/或推荐出行方式。
在本申请的一个实施例中装置还包括:
周边推荐模块,用于根据当前场景信息对用户进行周边信息推荐,以得到推荐的目标周边信息;
显示模块,还用于在导航应用程序启动后的首页界面上显示与目标周边信息对应的第二快捷入口。
在本申请的一个实施例中装置还包括:
显示模块,还用于根据用户对第二快捷入口的第三预设操作,显示目标周边信息的详情页面。
其中,需要说明的是,前述对应用程序交互控制方法的解释说明也适用于本实施例的应用程序交互控制装置,此处不再赘述。
本申请实施例的应用程序交互控制装置,在接收用户针对导航应用程序的启动指令后,结合当前场景信息,预测用户在当前场景信息下所使用的目标导航路线信息,并获取进入目标导航路线信息的第一快捷入口,以及根据目标导航路线信息的第一快捷入口,生成并显示导航应用程序启动后的首页界面。由此,在向用户提供了满足操作需求的个性化首页界面的同时,方便了从首页界面中快捷调出经常使用的目标导航路线的需求,大大缩短了用户的操作路径,提升了用户的导航体验度。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图12所示,是根据本申请实施例的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图12所示,该电子设备包括:一个或多个处理器121、存储器122,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图12中以一个处理器121为例。
存储器122即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的应用程序交互控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的应用程序交互控制方法。
存储器122作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的应用程序交互控制方法对应的程序指令/模块。处理器121通过运行存储在存储器122中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的应用程序交互控制方法。
存储器122可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器122可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器122可选包括相对于处理器121远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置123和输出装置124。处理器121、存储器122、输入装置123和输出装置124可以通过总线或者其他方式连接,图12中以通过总线连接为例。
输入装置123可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置124可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种应用程序交互控制方法,其特征在于,所述方法包括:
接收用户针对导航应用程序的启动指令;
获取当前场景信息;
预测所述用户在所述当前场景信息下所使用的目标导航路线信息,所述当前场景信息包括当前时间信息和当前位置信息;
获取进入所述目标导航路线信息的第一快捷入口;
根据所述目标导航路线信息的第一快捷入口,生成并显示所述导航应用程序启动后的首页界面;
其中,在获取所述目标导航路线信息的第一快捷入口后,根据所述第一快捷入口对导航应用程序的首页界面上的默认主功能按钮进行调整,所述调整包括将所述默认主功能按钮替换为所述第一快捷入口对应的图形按钮;
根据所述当前场景信息对所述用户进行周边信息推荐,以得到推荐的目标周边信息;
在所述导航应用程序启动后的首页界面上显示与所述目标周边信息对应的第二快捷入口;
所述预测所述用户在所述当前场景信息下所使用的目标导航路线信息,包括:
获取所述用户在所述当前场景信息下操作所述导航应用程序的历史行为信息;
根据所述历史行为信息,确定所述用户在所述当前场景信息下所使用的目标导航路线信息,所述目标导航路线信息包括目标目的地和目标出行方式;
所述根据所述历史行为信息,确定所述用户在所述当前场景信息下所使用的目标导航路线信息,包括:
根据所述历史行为信息,确定出所述用户在当前场景信息下之前所去的各个候选地点,以及去对应所述各个候选地点所使用的出行方式,并确定出用户去各个候选地点的概率,以及去相应候选地点所使用的出行方式的概率,获取概率最高的所述候选地点作为所述用户在当前场景信息下的目标目的地,根据用户去目标目的地所使用的各个出行方式的概率,选择概率最高的出行方式作为所述用户在当前场景下去目标目的地所使用的目标出行方式;
其中,所述用户去目标目的地所使用的各个出行方式的概率的计算公式表示如下:
2.根据权利要求1所述的方法,其特征在于,所述预测所述用户在所述当前场景信息下所使用的目标导航路线信息,包括:
将所述当前场景信息输入到预先训练的神经网络模型中,以预测所述用户在所述当前场景信息下的目标出行方式和目标目的地;
根据所述当前位置信息、所述目标出行方式和所述目标目的地,生成所述目标导航路线信息。
3.根据权利要求2所述的方法,其特征在于,所述神经网络模型是采用样本用户在各个场景信息对所述神经网络模型进行训练,直至所述神经网络模型输出的出行信息与所述样本用户在对应场景信息下所使用的样本输出信息满足收敛条件,所述神经网络模型训练完整,其中,所述样本出行信息包括样本目的地和样本出行方式。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
接收所述用户对所述第一快捷入口的第一预设操作;
根据所述第一预设操作,显示所述导航路线信息。
5.根据权利要求4所述的方法,其特征在于,在所述导航路线信息中的出行方式为叫车方式时,所述方法还包括:
根据所述导航路线信息中的起始地和目的地,发起叫车请求。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述目标导航路径信息中的出行方式,确定所述用户需要使用导航功能;
根据所述目标导航路径信息进行语音导航。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述用户针对所述第一快捷入口的第二预设操作:
根据所述第二预设操作,为所述用户提供推荐信息,其中,所述推荐信息包括推荐地点和/或推荐出行方式。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述用户对所述第二快捷入口的第三预设操作,显示所述目标周边信息的详情页面。
9.一种应用程序交互控制装置,其特征在于,所述装置包括:
第一接收模块,用于接收用户针对导航应用程序的启动指令;
第一获取模块,用于获取当前场景信息;
预测模块,用于预测所述用户在所述当前场景信息下所使用的目标导航路线信息,所述当前场景信息包括当前时间信息和当前位置信息;
第二获取模块,用于获取进入所述目标导航路线信息的第一快捷入口;
显示模块,用于根据所述目标导航路线信息的第一快捷入口,生成并显示所述导航应用程序启动后的首页界面;
其中,在获取所述目标导航路线信息的第一快捷入口后,根据所述第一快捷入口对导航应用程序的首页界面上的默认主功能按钮进行调整,所述调整包括将所述默认主功能按钮替换为所述第一快捷入口对应的图形按钮;
周边推荐模块,用于根据所述当前场景信息对所述用户进行周边信息推荐,以得到推荐的目标周边信息;
所述显示模块,还用于在所述导航应用程序启动后的首页界面上显示与所述目标周边信息对应的第二快捷入口;
所述预测模块,具体用于:
获取所述用户在所述当前场景信息下操作所述导航应用程序的历史行为信息;
根据所述历史行为信息,确定所述用户在所述当前场景信息下所使用的目标导航路线信息;
所述根据所述历史行为信息,确定所述用户在所述当前场景信息下所使用的目标导航路线信息,包括:
根据所述历史行为信息,确定出所述用户在当前场景信息下之前所去的各个候选地点,以及去对应所述各个候选地点所使用的出行方式,并确定出用户去各个候选地点的概率,以及去相应候选地点所使用的出行方式的概率,获取概率最高的所述候选地点作为所述用户在当前场景信息下的目标目的地,以及根据用户去目标目的地所使用的各个出行方式的概率,选择概率最高的出行方式作为所述用户在当前场景下去目标目的地所使用的目标出行方式;
其中,所述用户去目标目的地所使用的各个出行方式的概率的计算公式表示如下:
10.根据权利要求9所述的装置,其特征在于,所述预测模块,具体用于:
将所述当前场景信息输入到预先训练的神经网络模型中,以预测所述用户在所述当前场景信息下的目标出行方式和目标目的地;
根据所述当前位置信息、所述目标出行方式和所述目标目的地,生成所述目标导航路线信息。
11.根据权利要求10所述的装置,其特征在于,所述神经网络模型是采用样本用户在各个场景信息对所述神经网络模型进行训练,直至所述神经网络模型输出的出行信息与所述样本用户在对应场景信息下所使用的样本输出信息满足收敛条件,所述神经网络模型训练完整,其中,所述样本出行信息包括样本目的地和样本出行方式。
12.根据权利要求9-11中任一项所述的装置,其特征在于,所述装置还包括:
第二接收模块,用于接收所述用户对所述第一快捷入口的第一预设操作;
所述显示模块,还用于根据所述第一预设操作,显示所述导航路线信息。
13.根据权利要求12所述的装置,其特征在于,在所述导航路线信息中的出行方式为叫车方式时,所述装置还包括:
叫车模块,用于根据所述导航路线信息中的起始地和目的地,发起叫车请求。
14.根据权利要求12所述的装置,其特征在于,所述装置还包括:
确定模块,用于根据所述目标导航路径信息中的出行方式,确定所述用户需要使用导航功能;
语音导航模块,用于根据所述目标导航路径信息进行语音导航。
15.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第三接收模块,用于接收所述用户针对所述第一快捷入口的第二预设操作:
推荐模块,用于根据所述第二预设操作,为所述用户提供推荐信息,其中,所述推荐信息包括推荐地点和/或推荐出行方式。
16.根据权利要求9所述的装置,其特征在于,所述装置还包括:
所述显示模块,还用于根据所述用户对所述第二快捷入口的第三预设操作,显示所述目标周边信息的详情页面。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117052.2A CN113378078B (zh) | 2020-02-25 | 2020-02-25 | 应用程序交互控制方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117052.2A CN113378078B (zh) | 2020-02-25 | 2020-02-25 | 应用程序交互控制方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113378078A CN113378078A (zh) | 2021-09-10 |
CN113378078B true CN113378078B (zh) | 2023-02-21 |
Family
ID=77569255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010117052.2A Active CN113378078B (zh) | 2020-02-25 | 2020-02-25 | 应用程序交互控制方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378078B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113885751A (zh) * | 2021-09-28 | 2022-01-04 | 阿里巴巴(中国)有限公司 | 显示方法、数据处理方法、电子设备及计算设备 |
CN113849741A (zh) * | 2021-09-29 | 2021-12-28 | 北京百度网讯科技有限公司 | 一种内容推荐方法、装置、设备以及存储介质 |
CN113918802B (zh) * | 2021-12-14 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 导航方法、装置、设备、介质及产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110238289A1 (en) * | 2010-03-24 | 2011-09-29 | Sap Ag | Navigation device and method for predicting the destination of a trip |
CN105892825A (zh) * | 2015-10-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 从应用图标进入应用功能界面的方法和应用设备 |
CN107941234A (zh) * | 2017-12-21 | 2018-04-20 | 广东欧珀移动通信有限公司 | 出行路线的推荐方法、装置、存储介质及移动终端 |
CN108062214A (zh) * | 2017-10-20 | 2018-05-22 | 沈阳美行科技有限公司 | 一种搜索界面的展示方法及装置 |
CN110069724A (zh) * | 2019-03-15 | 2019-07-30 | 深圳壹账通智能科技有限公司 | 应用程序快捷跳转方法、装置、电子设备和存储介质 |
CN110307856A (zh) * | 2019-06-27 | 2019-10-08 | 乐安县云智易联科技有限公司 | 一种导航路线推荐方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606497B2 (en) * | 2006-11-03 | 2013-12-10 | Salient Imaging, Inc. | Method, system and computer program for detecting and monitoring human activity utilizing location data |
JP6656384B2 (ja) * | 2016-08-22 | 2020-03-04 | 三菱電機株式会社 | 情報提示装置、情報提示システムおよび情報提示方法 |
CN109101475B (zh) * | 2017-06-20 | 2021-07-27 | 北京嘀嘀无限科技发展有限公司 | 出行语音识别方法、系统和计算机设备 |
CN110276008A (zh) * | 2019-06-13 | 2019-09-24 | 南京邮电大学 | 一种基于用户旅行决策过程的景点推荐方法及装置 |
CN110309438A (zh) * | 2019-07-04 | 2019-10-08 | 泰康保险集团股份有限公司 | 行车路径的推荐方法、装置、计算机存储介质及电子设备 |
-
2020
- 2020-02-25 CN CN202010117052.2A patent/CN113378078B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110238289A1 (en) * | 2010-03-24 | 2011-09-29 | Sap Ag | Navigation device and method for predicting the destination of a trip |
CN105892825A (zh) * | 2015-10-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 从应用图标进入应用功能界面的方法和应用设备 |
CN108062214A (zh) * | 2017-10-20 | 2018-05-22 | 沈阳美行科技有限公司 | 一种搜索界面的展示方法及装置 |
CN107941234A (zh) * | 2017-12-21 | 2018-04-20 | 广东欧珀移动通信有限公司 | 出行路线的推荐方法、装置、存储介质及移动终端 |
CN110069724A (zh) * | 2019-03-15 | 2019-07-30 | 深圳壹账通智能科技有限公司 | 应用程序快捷跳转方法、装置、电子设备和存储介质 |
CN110307856A (zh) * | 2019-06-27 | 2019-10-08 | 乐安县云智易联科技有限公司 | 一种导航路线推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113378078A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110657818B (zh) | 自动驾驶车辆的路径规划方法、装置、设备及存储介质 | |
CN113378078B (zh) | 应用程序交互控制方法、装置、电子设备和存储介质 | |
CN111486861B (zh) | 一种路径规划方法、装置、设备和介质 | |
CN112050824B (zh) | 用于车辆导航的路线规划方法、装置、系统及电子设备 | |
CN111721317A (zh) | 生成导航信息的方法、装置 | |
WO2018042333A2 (en) | Driver location prediction for a transportation service | |
US9727549B2 (en) | Adaptive key-based navigation on a form | |
US20190196671A1 (en) | Content presentation for a network-based service on a mobile computing device | |
US11346672B2 (en) | Multi-mode route selection | |
CN112000700A (zh) | 地图信息展示方法、装置、电子设备及存储介质 | |
CN110543943B (zh) | 一种网络融合方法及装置、电子设备、存储介质 | |
CN110660219A (zh) | 停车场停车预测方法和装置 | |
CN111121814A (zh) | 导航方法、装置、电子设备及计算机可读存储介质 | |
CN110702136A (zh) | 车辆的路线规划方法、装置、电子设备及可读存储介质 | |
CN111797184A (zh) | 信息显示方法、装置、设备和介质 | |
CN111609863B (zh) | 导航信息生成方法、装置、电子设备和存储介质 | |
CN113532456A (zh) | 用于生成导航路线的方法及装置 | |
CN113139118A (zh) | 停车场推荐方法、装置、电子设备和介质 | |
CN111637899A (zh) | 导航方法、装置、电子设备以及存储介质 | |
CN113390423A (zh) | 一种导航路径规划方法、装置、服务器和存储介质 | |
US20220357965A1 (en) | Pre-generating data for user interface latency improvement | |
CN114491269A (zh) | 出行服务的推荐方法及装置、设备和介质 | |
CN113139138B (zh) | 信息推荐方法和装置、电子设备、存储介质 | |
US20150160031A1 (en) | Method and system for maneuver-level contextual filters in directions | |
CN112035751A (zh) | 信息推荐的方法、装置、设备以及存储介质 |
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 |