CN114218288B - 一种行车路线推荐方法、装置、存储介质及终端 - Google Patents

一种行车路线推荐方法、装置、存储介质及终端 Download PDF

Info

Publication number
CN114218288B
CN114218288B CN202111321460.0A CN202111321460A CN114218288B CN 114218288 B CN114218288 B CN 114218288B CN 202111321460 A CN202111321460 A CN 202111321460A CN 114218288 B CN114218288 B CN 114218288B
Authority
CN
China
Prior art keywords
data set
driving
keyword
road segment
target
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
CN202111321460.0A
Other languages
English (en)
Other versions
CN114218288A (zh
Inventor
陈嵩博
杨海朋
杨健
夏曙东
姜秋雨
王伟
芦希磊
申志远
孙智彬
张志平
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.)
Beijing Sinoiov Vehicle Network Technology Co ltd
Original Assignee
Beijing Sinoiov Vehicle Network Technology 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 Beijing Sinoiov Vehicle Network Technology Co ltd filed Critical Beijing Sinoiov Vehicle Network Technology Co ltd
Priority to CN202111321460.0A priority Critical patent/CN114218288B/zh
Publication of CN114218288A publication Critical patent/CN114218288A/zh
Application granted granted Critical
Publication of CN114218288B publication Critical patent/CN114218288B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种行车路线推荐方法、装置、存储介质及终端,方法包括:当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集;根据历史行车数据库生成至少一个第二路段数据集;计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将相似度最高的第二路段数据集确定为目标路段数据集;基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。由于本申请通过构建当前待行驶车辆的路段数据集,并根据历史行车数据构建经验路段数据集,以及结合相似度计算来确定出最优行车路线,实现了历史行车经验可以得到共享,避免了车辆因路线出现突发情况而无法行驶,从而提升了行车效率。

Description

一种行车路线推荐方法、装置、存储介质及终端
技术领域
本发明涉及智慧交通技术领域,特别涉及一种行车路线推荐方法、装置、存储介质及终端。
背景技术
随着智能终端的不断发展,用户通常可以通过手机地图应用规划自己的出行计划,达到智能化出行,提高出行的效率和体验度。
在现有技术中,司机在驾车出行的过程中,通常使用电子地图规划路线,但是半路遇到突发情况(比如临时的道路施工)而无法继续行驶。出现该情况的原因是电子地图的系统数据库会更新不及,使得司机按照路线行驶无法顺利通行;或者最佳行驶路线并不在推荐的线路中,使得司机绕远路或者找不到路,从而浪费了行车时间,降低了行车效率。
发明内容
本申请实施例提供了一种行车路线推荐方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种行车路线推荐方法,方法包括:
当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集;
根据历史行车数据库生成至少一个第二路段数据集;
计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将最高的相似度对应的第二路段数据集确定为目标路段数据集;
基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。
可选的,获取并预处理目标车辆的第一行车数据后生成第一路段数据集,包括:
获取目标车辆的第一行车数据;
对第一行车数据进行分词处理,生成分析结果;
基于分析结果生成第一关键词集合;
将第一关键词集合中各关键词组合后生成第一路段数据集。
可选的,基于分析结果生成第一关键词集合,包括:
去除分析结果中的停用词,生成去除停用词的分析结果;
计算去除停用词的分析结果中每个词汇的词频;
计算去除停用词的分析结果中每个词汇的逆文档频率;
将每个词汇的词频和与其对应的逆文档频率作积,生成多个词汇的权重值;
将多个词汇的权重值降序排列,并从排序后的多个权重值的起始位置处获取预设百分比的权重值;
将预设百分比的权重值对应的多个词汇确定为第一关键词集合。
可选的,根据历史行车数据库生成至少一个第二路段数据集,包括:
根据目标车辆的行车数据从历史行车数据库中提取多个第二行车数据,并提取每个第二行车数据的关键词后生成多个第二关键词集合;
获取多个第二关键词集合中各第二关键词集合的优先级,并基于优先级的高低顺序确定至少一个目标关键词集合;
接收至少一个目标关键词集合所属的车辆终端所发送的回复答案数据,并提取回复答案数据中的关键词,以及将回复答案数据中的关键词插入目标关键词集合中,得到至少一个第三关键词集合;
采用树状递归算法从至少一个第三关键词集合中获取与第一关键词集合相同关键词,生成至少一个第四关键词集合;
将至少一个第四关键词集合中各关键词组合后生成第二路段数据集。
可选的,获取多个第二关键词集合中各第二关键词集合的优先级,包括:
将多个第二关键词集合中各第二关键词集合与第一关键词集合进行相似度判断,生成各第二关键词集合的相似度值;
根据各第二关键词集合的相似度值确定各第二关键词集合的优先级。
可选的,基于目标路段数据集生成最优行车路线,包括:
将目标路段数据集与预设电子地图进行遍历映射,得到关联路线数据集;
将关联路线数据集输入预先训练的行车路线推荐模型中,输出目标关联路线数据;
根据第一行车数据确定出多个路线推荐的司机终端,并接受司机终端针对目标关联路线数据的选择指令;
基于选择指令确定出每个路线推荐的司机终端所推荐的行车路线;
计算每个路线推荐的司机终端对应的权重值,生成多个权重值;
将多个权重值中最高权重值的司机终端对应的所推荐的行车路线确定为最优行车路线。
可选的,方法还包括:
根据预设阶梯范围查询第一关键词集合对应的当前路段标签;
根据预设阶梯范围查询第四关键词集合对应的经验路段标签;
将当前路段标签和经验路段标签进行展示。
第二方面,本申请实施例提供了一种行车路线推荐装置,装置包括:
第一路段数据集生成模块,用于当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集;
第二路段数据集生成模块,用于根据历史行车数据库生成至少一个第二路段数据集;
目标路段数据集确定模块,计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将最高的相似度对应的第二路段数据集确定为目标路段数据集;
最优行车路线推荐模块,用于基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,行车路线推荐装置首先当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集,然后根据历史行车数据库生成至少一个第二路段数据集,其次计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将相似度最高的第二路段数据集确定为目标路段数据集,最后基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。由于本申请通过构建当前待行驶车辆的路段数据集,并根据历史行车数据构建经验路段数据集,以及结合相似度计算来确定出最优行车路线,实现了历史行车经验可以得到共享,避免了车辆因路线出现突发情况而无法行驶,从而提升了行车效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种行车路线推荐方法的流程示意图;
图2是本申请实施例提供的一种行车路线推荐过程的过程示意框图;
图3是本申请实施例提供的一种行车路线推荐装置的结构示意图;
图4是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
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发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种行车路线推荐方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请通过构建当前待行驶车辆的路段数据集,并根据历史行车数据构建经验路段数据集,以及结合相似度计算来确定出最优行车路线,实现了历史行车经验可以得到共享,避免了车辆因路线出现突发情况而无法行驶,从而提升了行车效率,下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图2,对本申请实施例提供的行车路线推荐方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的行车路线推荐装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图1,为本申请实施例提供了一种行车路线推荐方法的流程示意图。
如图1所示,本申请实施例的方法可以包括以下步骤:
S101,当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集;
其中,第一行车数据包括目标车辆的运单数据、轨迹数据以及问答数据,轨迹数据可分为路况数据和路径数据。
在本申请实施例中,在生成第一路段数据集时,首先获取目标车辆的第一行车数据,然后对第一行车数据进行分词处理,生成分析结果,其次基于分析结果生成第一关键词集合,最后将第一关键词集合中各关键词组合后生成第一路段数据集。
进一步地,在生成第一关键词集合时,首先去除分析结果中的停用词,生成去除停用词的分析结果,然后计算去除停用词的分析结果中每个词汇的词频,再计算去除停用词的分析结果中每个词汇的逆文档频率,其次将每个词汇的词频和与其对应的逆文档频率作积,生成多个词汇的权重值,再将多个词汇的权重值降序排列,并从排序后的多个权重值的起始位置处获取预设百分比的权重值,最后将预设百分比的权重值对应的多个词汇确定为第一关键词集合。
具体的,关键词提取算法可以用TF-IDF算法,具体是:计算关键词词频:
Figure RE-GDA0003491696010000061
计算逆文档频率:
Figure RE-GDA0003491696010000062
计算关键词权重:TF-IDF=关键词词频(TF)×逆文档频率(TDF);
公式中,逆文档频率越小,关键词越常出现;TF-IDF值越大,关键词出现的次数越高。计算出问答语料文档中每个关键词的TF-IDF值,降序排列后位置靠前的词语即为关键词。
进一步地,还包括根据预设阶梯范围查询第一关键词集合对应的当前路段标签,将当前路段标签进行展示。
在一种可能的实现方式中,在接收到提问指令时,首先按照关键词提取规则对问题数据、当前轨迹和运单数据做分词处理并提取第一关键词集合,将分词后提取的第一关键词集合进行组合生成路段数据集,并根据第一关键词集合建立当前路段标签。比如,选择或查询路段为“千方大厦前路段”,则对应的路段关键词包括“滴滴大厦对面、互联网大街、软件园西区”等。如无法精准匹配某段路的路段标签,则可定义为二百米、五百米、一千米内的多个预设阶梯范围,以便多个关键词可以共同关联到一个位置坐标点。
进一步地,根据提问紧急程度可将提问划分为普通提问和加急提问。对于加急提问,可以设置标准问题和标准答案模板,有效提高响应效率,同时,如果提问人希望在更短时间内获得响应,可以通过积分或付费的方式,由系统赋权直接调取用户信息子库中最近行驶过该路段次数最多的司机信息,通过电话方式直接和司机进行沟通。
可选的,设置提问限制阻止非法提问。若问题数据中完全提取不到相关关键词,则限制提问;
或根据提问人已有的运单数据和位置定位确定出限制提问路段,防止无用提问。
例如,用户行车至半路遇到影响道路通行的问题后,通过车载终端上的APP,通过长按地图中某路段进行提问,提问人和回答人均可通过点击“路况更新提交”的按钮后,上传照片文字和语音进行取证,并由工作人员进行审核,审核人员审核通过后,会在该路段设置红色圆形告警标示,并将对应问题添加到告警标示中,以及设置超时时间,在超时后,自动取消圆形标示。
如果已存在告警标示,则无需添加告警,只需要添加问题即可。如有司机发现圆形标示错误并且运单通过该路段或手机定位于该路段附近,可点击“校验”,拍照提交校验申请,由工作人员进行人工校验。效验成功后,取消该路段的红色圆形告警。
地图导航中,可以通过点击告警标示后可跳至问题相关页面,通过操作相关页面向服务端发出提问指令。
行车数据例如表1所示:
表1
Figure RE-GDA0003491696010000071
S102,根据历史行车数据库生成至少一个第二路段数据集;
在本申请实施例中,在根据历史行车数据库生成至少一个第二路段数据集时,首先根据目标车辆的行车数据从历史行车数据库中提取多个第二行车数据,并提取每个第二行车数据的关键词后生成多个第二关键词集合,然后获取多个第二关键词集合中各第二关键词集合的优先级,并基于优先级的高低顺序确定至少一个目标关键词集合,其次接收至少一个目标关键词集合所属的车辆终端所发送的回复答案数据,并提取回复答案数据中的关键词,以及将回复答案数据中的关键词插入目标关键词集合中,得到至少一个第三关键词集合,再采用树状递归算法从至少一个第三关键词集合中获取与第一关键词集合相同关键词,生成至少一个第四关键词集合,最后将至少一个第四关键词集合中各关键词组合后生成第二路段数据集。
进一步地,在获取多个第二关键词集合中各第二关键词集合的优先级时,首先将多个第二关键词集合中各第二关键词集合与第一关键词集合进行相似度判断,生成各第二关键词集合的相似度值,然后根据各第二关键词集合的相似度值确定各第二关键词集合的优先级。
进一步地,根据预设阶梯范围查询第四关键词集合对应的经验路段标签,将经验路段标签进行展示。
具体的,优先级的确定为了限制某个第二关键词集合所属的车载终端进行回答,通常通过相似度阈值进行过滤,将一部分相似度小的第二关键词集合进行过滤。
具体的,相似度阈值的确定规则是:根据回答人的历史轨迹和运单数据获取运单轨迹数据和轨迹点时间,将运单轨迹数据做分段处理并统计,得到基于时间和路段的映射关系,包括:特定路段总通过次数,近48小时内通过次数和频率,一周内通过次数和频率,一个月内通过次数和频率,最后通过频率数据计算出相似度阈值。判断回答人的身份目的在于:当提问人在询问某条路段时,帮助验证回答人答案的可信度。比如,回答人可能很久前跑过该路段,但由于路段建设等原因导致答案不准确,反而给提问人进行了错误引导。还比如,由于部分地区政策性调整或临时施工,很久前跑过该路段的回答人并不能准确反映当前的真实路况。再比如,回答人只跑过一次该路段,由于对路况不熟悉而给出了片面或错误答案,不能很好推荐合适的线路。或者可以侧重司机的提问次数,或侧重路线的常跑频率,或侧重最近跑过该路线的司机等,再结合运单信息进行判断。
S103,计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将最高的相似度对应的第二路段数据集确定为目标路段数据集;
在一种可能的实现方式中,在得到第一路段数据集与至少一个第二路段数据集后,可以通过余弦相似度进行相似度判断,具体是:
Figure RE-GDA0003491696010000091
公式中,Xi与Yi分别代表当前路段标签对应的路段数据集与经验路段标签对应的路段数据集代表的数量向量X与Y的各分量。cos(θ)值越高,当前路段与经验路段之间的相似度越高。将cos(θ)值进行降序排序,排序越靠前,相似度越高。
判断结束后可得到多个cos(θ)值,将最高的相似度对应的第二路段数据集确定为目标路段数据集。
S104,基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。
在一种可能的实现方式中,在确定最优路线时,将目标路段数据集与预设电子地图进行遍历映射,得到关联路线数据集,然后将关联路线数据集输入预先训练的行车路线推荐模型中,输出目标关联路线数据,再根据第一行车数据确定出多个路线推荐的司机终端,并接受司机终端针对目标关联路线数据的选择指令,其次基于选择指令确定出每个路线推荐的司机终端所推荐的行车路线,再计算每个路线推荐的司机终端对应的权重值,生成多个权重值,最后将多个权重值中最高权重值的司机终端对应的所推荐的行车路线确定为最优行车路线。
具体的,将关联路线数据集输入预先训练的行车路线推荐模型中,输出目标关联路线数据时,具体是:
计算误差幅度:
Figure RE-GDA0003491696010000092
设置置信区间:
Figure RE-GDA0003491696010000093
Figure RE-GDA0003491696010000094
公式中,n为关联的路线数据集,σ为路线数据向量的标准差,Zα/2为置信度系数,α为置信度。当路线数据处于置信区间内,其关联度最高。
具体的,在生成预先训练的行车路线推荐模型时,通过首先获取动态更新的数据训练库,然后采用神经网络创建行车路线推荐模型,最后将动态更新的数据训练库中的数据输入行车路线推荐模型中进行不断训练,训练结束后生成预先训练的行车路线推荐模型。
具体的,动态更新的数据训练库包括问答语料子库、道路标签子库(索引表)和用户信息子库,与关键词进行关联。数据训练库除了分析常见问题并设置关键词外,还可以通过人工审核和补充方式设置关键词,并对高频关键词进行统计和扩充。需要说明的是,动态数据库的设定使得模型的精度更符合当前需求。
具体的,行车路线推荐规则是:获取提问人的问题关键词和当前运单轨迹数据生成提问人数据集。根据提问人的当前运单数据选择符合问答要求的回答人并发出请求,回答人接收请求后参与问答;获取回答人的答案关键词和历史运单轨迹数据生成回答人数据集,将提问人数据集与回答人数据集进行匹配以确定至少一条推荐路线;针对多条推荐路线,选择符合路线经验的其他司机参与确认,和/或标注新增的推荐路线,对司机经验赋予权重,根据司机经验权重对上述多条推荐路线进行排序,最终根据老司机经验推荐至少一条最优路线。
在一个应用场景中,例如由于疫情影响,某些村乡进行了封路,司机A不知道自己的运单沈阳送往鸡西的道路是否可以通行,在APP中进行了提问。并进行加急处理,系统将该问题推送给了两天前完成沈阳到鸡西的司机B。B进行了回答地图导航部分可以采用,但在过裕丰村时,需要进行绕路从林家屯村,运单顺利完成。或者司机C接到沈阳送往鹤岗的运单,使用APP导航时,发现打开老司机问路APP。发现红色圆形图标,点击后进入“前进村东段土路能否通行”提问,发现由于积水,前方路段重型货车通行比较困难。司机C马上进行了道路变更,节省了运输时间。
例如图2所示,图2是本申请提供的行车路线推荐的过程示意框图,在图 2中,首先获取待行驶车辆上司机(即提问人)的行车数据,基于该数据得到第一组关键词,并根据第一组关键词生成当前路段标签展示,行车数据至少包括问题数据、当前轨迹和运单数据。同理得到第二组关键词和经验路段标签。然后将第一组关键词和第二组关键词做相似度计算进行身份过滤,相似度小则限制回答。将当前路段标签的路段数据与经验路段标签的路段数据进行相似度判断,获得关联路线数据,将相似度最高的经验路段标签对应的路段数据集与货运地图做遍历映射,获取关联路线数据,由符合身份的多名回答人从关联路线数据集中选择最优路线进行推荐,或者,由符合身份的回答人自行绘制新路线进行推荐。最后智能决策得到最优推荐路线(老司机经验路线)。
具体的,在进行智能决策时,根据身份识别规则自动对推荐路线的回答人赋予经验权重,其中,经验权重是根据回答人跑过的最近时间、常跑频率、常跑次数、推荐线路准确度等数据进行赋值,经验越多,赋值越高,生成回答人—推荐路线—经验权重映射表。根据经验权重倒序排列回答人推荐的路线,得到最优推荐路线。
进一步地,赋权更新线路信息。对于施工路段,给用户设置门槛并赋权,以人工介入方式对路段状态进行实时更新。
进一步地,对推荐路线准确度高的回答人进行奖励和/或积分。
在本申请实施例中,行车路线推荐装置首先当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集,然后根据历史行车数据库生成至少一个第二路段数据集,其次计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将相似度最高的第二路段数据集确定为目标路段数据集,最后基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。由于本申请通过构建当前待行驶车辆的路段数据集,并根据历史行车数据构建经验路段数据集,以及结合相似度计算来确定出最优行车路线,实现了历史行车经验可以得到共享,避免了车辆因路线出现突发情况而无法行驶,从而提升了行车效率。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图3,其示出了本发明一个示例性实施例提供的行车路线推荐装置的结构示意图。该行车路线推荐装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括第一路段数据集生成模块10、第二路段数据集生成模块20、目标路段数据集确定模块30、最优行车路线推荐模块 40。
第一路段数据集生成模块10,用于当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集;
第二路段数据集生成模块20,用于根据历史行车数据库生成至少一个第二路段数据集;
目标路段数据集确定模块30,计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将最高的相似度对应的第二路段数据集确定为目标路段数据集;
最优行车路线推荐模块40,用于基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。
需要说明的是,上述实施例提供的行车路线推荐装置在执行行车路线推荐方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的行车路线推荐装置与行车路线推荐方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,行车路线推荐装置首先当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集,然后根据历史行车数据库生成至少一个第二路段数据集,其次计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将相似度最高的第二路段数据集确定为目标路段数据集,最后基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。由于本申请通过构建当前待行驶车辆的路段数据集,并根据历史行车数据构建经验路段数据集,以及结合相似度计算来确定出最优行车路线,实现了历史行车经验可以得到共享,避免了车辆因路线出现突发情况而无法行驶,从而提升了行车效率。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的行车路线推荐方法。
本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的行车路线推荐方法。
请参见图4,为本申请实施例提供了一种终端的结构示意图。如图4所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI 接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit, GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示,作为一种计算机存储介质的存储器 1005中可以包括操作系统、网络通信模块、用户接口模块以及行车路线推荐应用程序。
在图4所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的行车路线推荐应用程序,并具体执行以下操作:
当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集;
根据历史行车数据库生成至少一个第二路段数据集;
计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将最高的相似度对应的第二路段数据集确定为目标路段数据集;
基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。
在一个实施例中,处理器1001在执行获取并预处理目标车辆的第一行车数据后生成第一路段数据集时,具体执行以下操作:
获取目标车辆的第一行车数据;
对第一行车数据进行分词处理,生成分析结果;
基于分析结果生成第一关键词集合;
将第一关键词集合中各关键词组合后生成第一路段数据集。
在一个实施例中,处理器1001在执行基于分析结果生成第一关键词集合时,具体执行以下操作:
去除分析结果中的停用词,生成去除停用词的分析结果;
计算去除停用词的分析结果中每个词汇的词频;
计算去除停用词的分析结果中每个词汇的逆文档频率;
将每个词汇的词频和与其对应的逆文档频率作积,生成多个词汇的权重值;
将多个词汇的权重值降序排列,并从排序后的多个权重值的起始位置处获取预设百分比的权重值;
将预设百分比的权重值对应的多个词汇确定为第一关键词集合。
在一个实施例中,处理器1001在执行根据历史行车数据库生成至少一个第二路段数据集时,具体执行以下操作:
根据目标车辆的行车数据从历史行车数据库中提取多个第二行车数据,并提取每个第二行车数据的关键词后生成多个第二关键词集合;
获取多个第二关键词集合中各第二关键词集合的优先级,并基于优先级的高低顺序确定至少一个目标关键词集合;
接收至少一个目标关键词集合所属的车辆终端所发送的回复答案数据,并提取回复答案数据中的关键词,以及将回复答案数据中的关键词插入目标关键词集合中,得到至少一个第三关键词集合;
采用树状递归算法从至少一个第三关键词集合中获取与第一关键词集合相同关键词,生成至少一个第四关键词集合;
将至少一个第四关键词集合中各关键词组合后生成第二路段数据集。
在一个实施例中,处理器1001在执行获取多个第二关键词集合中各第二关键词集合的优先级时,具体执行以下操作:
将多个第二关键词集合中各第二关键词集合与第一关键词集合进行相似度判断,生成各第二关键词集合的相似度值;
根据各第二关键词集合的相似度值确定各第二关键词集合的优先级。
在一个实施例中,处理器1001在执行基于目标路段数据集生成最优行车路线时,具体执行以下操作:
将目标路段数据集与预设电子地图进行遍历映射,得到关联路线数据集;
将关联路线数据集输入预先训练的行车路线推荐模型中,输出目标关联路线数据;
根据第一行车数据确定出多个路线推荐的司机终端,并接受司机终端针对目标关联路线数据的选择指令;
基于选择指令确定出每个路线推荐的司机终端所推荐的行车路线;
计算每个路线推荐的司机终端对应的权重值,生成多个权重值;
将多个权重值中最高权重值的司机终端对应的所推荐的行车路线确定为最优行车路线。
在一个实施例中,处理器1001还执行以下操作:
根据预设阶梯范围查询第一关键词集合对应的当前路段标签;
根据预设阶梯范围查询第四关键词集合对应的经验路段标签;
将当前路段标签和经验路段标签进行展示。
在本申请实施例中,行车路线推荐装置首先当接收到来自待行驶的目标车辆的提问指令时,获取并预处理目标车辆的第一行车数据后生成第一路段数据集,然后根据历史行车数据库生成至少一个第二路段数据集,其次计算第一路段数据集与至少一个第二路段数据集之间的相似度,并将相似度最高的第二路段数据集确定为目标路段数据集,最后基于目标路段数据集生成最优行车路线,并将最优行车路线推送至目标车辆。由于本申请通过构建当前待行驶车辆的路段数据集,并根据历史行车数据构建经验路段数据集,以及结合相似度计算来确定出最优行车路线,实现了历史行车经验可以得到共享,避免了车辆因路线出现突发情况而无法行驶,从而提升了行车效率。
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,行车路线推荐的程序可存储于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,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
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 (8)

1.一种行车路线推荐方法,其特征在于,所述方法包括:
当接收到来自待行驶的目标车辆的提问指令时,获取并预处理所述目标车辆的第一行车数据后生成第一路段数据集;其中,所述获取并预处理所述目标车辆的第一行车数据后生成第一路段数据集,包括:
获取所述目标车辆的第一行车数据;
对所述第一行车数据进行分词处理,生成分析结果;
基于所述分析结果生成第一关键词集合;
将所述第一关键词集合中各关键词组合后生成第一路段数据集;
根据历史行车数据库生成至少一个第二路段数据集;其中,
所述根据历史行车数据库生成至少一个第二路段数据集,包括:
根据所述目标车辆的行车数据从历史行车数据库中提取多个第二行车数据,并提取每个所述第二行车数据的关键词后生成多个第二关键词集合;
获取所述多个第二关键词集合中各第二关键词集合的优先级,并基于所述优先级的高低顺序确定至少一个目标关键词集合;
接收所述至少一个目标关键词集合所属的车辆终端所发送的回复答案数据,并提取所述回复答案数据中的关键词,以及将回复答案数据中的所述关键词插入所述目标关键词集合中,得到至少一个第三关键词集合;
采用树状递归算法从所述至少一个第三关键词集合中获取与所述第一关键词集合相同关键词,生成至少一个第四关键词集合;
将所述至少一个第四关键词集合中各关键词组合后生成第二路段数据集;
计算所述第一路段数据集与所述至少一个第二路段数据集之间的相似度,并将最高的所述相似度对应的所述第二路段数据集确定为目标路段数据集;
基于所述目标路段数据集生成最优行车路线,并将所述最优行车路线推送至所述目标车辆。
2.根据权利要求1所述的方法,其特征在于,所述基于所述分析结果生成第一关键词集合,包括:
去除所述分析结果中的停用词,生成去除停用词的分析结果;
计算去除停用词的所述分析结果中每个词汇的词频;
计算去除停用词的所述分析结果中每个词汇的逆文档频率;
将所述每个词汇的词频和与其对应的所述逆文档频率作积,生成多个词汇的权重值;
将所述多个词汇的权重值降序排列,并从排序后的多个所述权重值的起始位置处获取预设百分比的权重值;
将预设百分比的所述权重值对应的多个词汇确定为第一关键词集合。
3.根据权利要求1所述的方法,其特征在于,所述获取所述多个第二关键词集合中各第二关键词集合的优先级,包括:
将所述多个第二关键词集合中各第二关键词集合与所述第一关键词集合进行相似度判断,生成各第二关键词集合的相似度值;
根据所述各第二关键词集合的相似度值确定所述各第二关键词集合的优先级。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标路段数据集生成最优行车路线,包括:
将所述目标路段数据集与预设电子地图进行遍历映射,得到关联路线数据集;
将所述关联路线数据集输入预先训练的行车路线推荐模型中,输出目标关联路线数据;
根据所述第一行车数据确定出多个路线推荐的司机终端,并接受所述司机终端针对所述目标关联路线数据的选择指令;
基于所述选择指令确定出每个路线推荐的所述司机终端所推荐的行车路线;
计算每个路线推荐的所述司机终端对应的权重值,生成多个权重值;
将所述多个权重值中最高权重值的所述司机终端对应的所推荐的所述行车路线确定为最优行车路线。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据预设阶梯范围查询所述第一关键词集合对应的当前路段标签;
根据预设阶梯范围查询所述第四关键词集合对应的经验路段标签;
将所述当前路段标签和所述经验路段标签进行展示。
6.一种行车路线推荐装置,其特征在于,所述装置包括:
第一路段数据集生成模块,用于当接收到来自待行驶的目标车辆的提问指令时,获取并预处理所述目标车辆的第一行车数据后生成第一路段数据集;其中,所述第一路段数据集生成模块具体用于:
获取所述目标车辆的第一行车数据;
对所述第一行车数据进行分词处理,生成分析结果;
基于所述分析结果生成第一关键词集合;
将所述第一关键词集合中各关键词组合后生成第一路段数据集;
第二路段数据集生成模块,用于根据历史行车数据库生成至少一个第二路段数据集;其中,
所述第二路段数据集生成模块具体用于:
根据所述目标车辆的行车数据从历史行车数据库中提取多个第二行车数据,并提取每个所述第二行车数据的关键词后生成多个第二关键词集合;
获取所述多个第二关键词集合中各第二关键词集合的优先级,并基于所述优先级的高低顺序确定至少一个目标关键词集合;
接收所述至少一个目标关键词集合所属的车辆终端所发送的回复答案数据,并提取所述回复答案数据中的关键词,以及将回复答案数据中的所述关键词插入所述目标关键词集合中,得到至少一个第三关键词集合;
采用树状递归算法从所述至少一个第三关键词集合中获取与所述第一关键词集合相同关键词,生成至少一个第四关键词集合;
将所述至少一个第四关键词集合中各关键词组合后生成第二路段数据集;
目标路段数据集确定模块,计算所述第一路段数据集与所述至少一个第二路段数据集之间的相似度,并将最高的所述相似度对应的所述第二路段数据集确定为目标路段数据集;
最优行车路线推荐模块,用于基于所述目标路段数据集生成最优行车路线,并将所述最优行车路线推送至所述目标车辆。
7.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-5任意一项的方法步骤。
8.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-5任意一项的方法步骤。
CN202111321460.0A 2021-11-09 2021-11-09 一种行车路线推荐方法、装置、存储介质及终端 Active CN114218288B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111321460.0A CN114218288B (zh) 2021-11-09 2021-11-09 一种行车路线推荐方法、装置、存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111321460.0A CN114218288B (zh) 2021-11-09 2021-11-09 一种行车路线推荐方法、装置、存储介质及终端

Publications (2)

Publication Number Publication Date
CN114218288A CN114218288A (zh) 2022-03-22
CN114218288B true CN114218288B (zh) 2022-09-23

Family

ID=80696839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111321460.0A Active CN114218288B (zh) 2021-11-09 2021-11-09 一种行车路线推荐方法、装置、存储介质及终端

Country Status (1)

Country Link
CN (1) CN114218288B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117493820B (zh) * 2024-01-03 2024-04-02 中国电子工程设计院股份有限公司 一种数据要素处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104981681A (zh) * 2012-06-05 2015-10-14 苹果公司 显示位置预览
CN113271480A (zh) * 2014-03-26 2021-08-17 马克·W·帕布利科弗 用于提供定制的娱乐内容的计算机处理方法和系统
CN113607182A (zh) * 2021-08-05 2021-11-05 北京中交兴路信息科技有限公司 一种车辆行驶路线导航方法、装置、存储介质及终端

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7221287B2 (en) * 2002-03-05 2007-05-22 Triangle Software Llc Three-dimensional traffic report
US20140298347A1 (en) * 2013-03-13 2014-10-02 Samsung Electronics Co., Ltd. Computing system with resource management mechanism and method of operation thereof
US9400186B1 (en) * 2015-02-16 2016-07-26 International Business Machines Corporation Integration of historical user experience analytics into route recommendations
CN108280548A (zh) * 2018-01-23 2018-07-13 成都信达智胜科技有限公司 基于网络传输的智能处理方法
CN109668570A (zh) * 2018-12-21 2019-04-23 斑马网络技术有限公司 行驶路线推荐方法、装置、系统以及存储介质
CN111859167B (zh) * 2019-04-29 2024-04-30 北京四维图新科技股份有限公司 路径获取方法、装置、系统和存储介质
CN110427574B (zh) * 2019-08-02 2022-10-14 江苏满运软件科技有限公司 路线相似度确定方法、装置、设备和介质
CN110647693B (zh) * 2019-09-23 2021-03-05 北京京东智能城市大数据研究院 路径推荐的方法和装置
CN111078810A (zh) * 2019-11-29 2020-04-28 北京三快在线科技有限公司 经验路线生成方法和装置、存储介质和电子设备
CN111930791B (zh) * 2020-05-28 2022-07-15 中南大学 一种车辆轨迹的相似度计算方法、系统及存储介质
CN111707286B (zh) * 2020-06-28 2022-07-29 北京百度网讯科技有限公司 规划路线的方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104981681A (zh) * 2012-06-05 2015-10-14 苹果公司 显示位置预览
CN113271480A (zh) * 2014-03-26 2021-08-17 马克·W·帕布利科弗 用于提供定制的娱乐内容的计算机处理方法和系统
CN113607182A (zh) * 2021-08-05 2021-11-05 北京中交兴路信息科技有限公司 一种车辆行驶路线导航方法、装置、存储介质及终端

Also Published As

Publication number Publication date
CN114218288A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
KR101797856B1 (ko) 메신저 서비스를 이용한 인공지능 학습 방법 및 시스템, 그리고 인공지능을 이용한 답변 중계 방법 및 시스템
CN107862339B (zh) 用于输出信息的方法和装置
CN109410675B (zh) 一种基于学生画像的练习题推荐方法及家教设备
US20190332621A1 (en) Personnel selecting device, personnel selecting system, personnel selecting method, and recording medium
CN114218288B (zh) 一种行车路线推荐方法、装置、存储介质及终端
CN114090898A (zh) 一种信息推荐方法、装置、终端设备及介质
CN112132291B (zh) 应用于政务系统的智能大脑优化方法、装置、介质及终端
CN112115372A (zh) 一种停车场的推荐方法及装置
CN112818689B (zh) 一种实体识别方法、模型训练方法及装置
CN113420692A (zh) 生成方向识别模型的方法、装置、设备、介质及程序产品
CN111933133A (zh) 智能客服应答的方法及装置、电子设备、存储介质
CN110750633A (zh) 用于确定问题的答案的方法及装置
CN112069833A (zh) 日志分析方法、日志分析装置及电子设备
CN111159379A (zh) 一种自动出题方法、装置及系统
CN110837563B (zh) 案件的裁判方法、装置和系统
CN111651554A (zh) 基于自然语言理解及处理的保险问答回答的方法和装置
CN116611891A (zh) 内容信息的推荐方法、装置、服务器及存储介质
US20220390249A1 (en) Method and apparatus for generating direction identifying model, device, medium, and program product
US20220164723A1 (en) Method for determining boarding information, electronic device, and storage medium
CN113035240B (zh) 语音播报方法、装置、设备及存储介质
CN114943517A (zh) 基于物联网的电子招聘匹配方法、系统以及存储介质
CN114883012A (zh) 基于时空轨迹的传染病溯源方法、装置、介质及设备
US10992631B1 (en) Social quality review
CN113175940A (zh) 数据处理方法、装置、设备和存储介质
CN111883111B (zh) 话术训练处理方法、装置、计算机设备和可读存储介质

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