CN116182891B - 车载导航方法、系统、设备及计算机可读存储介质 - Google Patents
车载导航方法、系统、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116182891B CN116182891B CN202310444798.8A CN202310444798A CN116182891B CN 116182891 B CN116182891 B CN 116182891B CN 202310444798 A CN202310444798 A CN 202310444798A CN 116182891 B CN116182891 B CN 116182891B
- Authority
- CN
- China
- Prior art keywords
- parking place
- vehicle
- parking
- preset
- distance
- 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
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
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请公开了一种车载导航方法、系统、设备及计算机可读存储介质,车载导航方法包括:获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;选择最大预期车位空置率对应的第一停车地点作为目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径。本申请缩短了寻找停车地点的耗时。
Description
技术领域
本申请涉及车载导航技术领域,尤其涉及一种车载导航方法、系统、设备及计算机可读存储介质。
背景技术
随着科技的不断创新进步,于车上安装 GPS(Global PositioningSystem,全球定位系统 ) 导航装置已经成为一般驾驶人的习惯之一。GPS 导航装置接收太空中 GPS 定位卫星发射的卫星信号,并根据该卫星信号将车辆的实时位置显示于该导航装置的导航软件中,实现行车路途的导航功能。
但是目前的导航服务中,通常是向用户提供从起点至终点的路径引导服务,而往往用户达到终点之前会有停车的需求,当产生需求时,用户往往会通过地图搜索查看最近的停车地点,并降低车速以便用户主动地注意道路上停车场的相关标志以免错过,进而导致寻找停车地点的耗时长。
发明内容
本申请的主要目的在于提供一种车载导航方法、系统、设备及计算机可读存储介质,旨在解决如何缩短寻找停车地点的耗时的技术问题。
为实现上述目的,本申请提供一种车载导航的方法,包括以下步骤:
获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;
若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;
确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;
根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径,以将所述行驶车辆导航至所述目标停车地点。
可选地,所述根据所述预期车位空置率确定目标停车地点的步骤,包括:
若存在多个所述预期车位空置率,则确定所有所述预期车位空置率中的最大预期车位空置率;
若所述最大预期车位空置率对应的第一停车地点存在有多个,确定各所述第一停车地点到所述目的地位置的距离;
在各所述第一停车地点到所述目的地位置的距离中选择最短距离对应的第一停车地点作为目标停车地点。
可选地,所述生成所述当前位置到达所述目标停车地点的导航路径的步骤,包括:
确定从所述当前位置到达所述目标停车地点的最短行驶路径,将所述最短行驶路径作为所述当前位置到达所述停车地点的导航路径;
检测所述行驶车辆是否已到达目标停车地点;
若所述行驶车辆已到达目标停车地点,唤醒预设移动终端,以通过所述预设移动终端继续导航。
可选地,所述唤醒预设移动终端的步骤,包括:
发送唤醒信号至预设移动终端,确定所述目标停车地点到达所述目的地位置的最短步行路径;
将所述最短步行路径发送至唤醒后的所述预设移动终端,以通过所述最短步行路径从所述目标停车地点导航至所述目的地位置。
可选地,所述搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点步骤之前,包括:
查找预设的用户停车记录表中是否存在与所述目的地位置匹配的历史位置;
若存在,将所述用户停车记录表中所述历史位置对应的停车位置作为目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径的,以将所述行驶车辆导航至所述目标停车地点。
可选地,所述获取行驶车辆的当前位置与目的地位置的步骤之前,包括:
响应于用户输入的停车地点搜索请求,获取行驶车辆的当前位置与目的地位置以及所述当前位置到所述目的地位置之间的实际距离;
若所述实际距离大于预设距离,搜索与所述当前位置之间的距离在预设范围内的至少一个停车地点,继续执行确定所述行驶车辆所处的当前时间的步骤。
可选地,所述确定所述当前位置到所述目的地位置之间的实际距离的步骤,包括:
以所述当前位置为坐标原点建立平面直角坐标系,确定所述目的地位置在所述平面直角坐标系中的坐标,以得到所述当前位置与所述目的地位置之间的坐标距离;
将所述坐标距离乘以预设画面缩放比例得的所述当前位置到所述目的地位置之间的实际距离。
此外,为实现上述目的,本申请还提供一种车载导航系统,包括:
获取模块,用于获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;
搜索模块,用于若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;
预测模块,用于确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;
导航模块,用于根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径,以将所述行驶车辆导航至所述目标停车地点。
此外,为实现上述目的,本申请还提供一种车载导航设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车载导航程序,所述车载导航程序被所述处理器执行时实现如上述的车载导航方法的步骤。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有车载导航程序,车载导航程序被处理器执行时实现如上述的车载导航方法的步骤。
本申请通过获取行驶车辆的当前位置与目的地位置,在当前位置到目的地位置之间的实际距离小于或等于预设距离时,就搜索与目的地位置之间的距离在预设范围内的至少一个停车地点,并确定各停车地点的预期车位空置率,根据所述预期车位空置率确定目标停车地点,并生成从当前位置到目标停车地点的导航路径,以将行驶车辆导航至目标停车地点完成停车,避免了现有技术中在用户通过地图搜索停车地点时,才搜索附近停车场供用户选择,并且需要由用户主动注意道路上的停车场标志以免错过,导致寻找停车地点的耗时长的现象发生。本申请中在行驶车辆行驶至与目的地位置之间的距离小于或等于预设距离时,就自动搜索距离目的地位置预设范围内的至少一个停车地点,并确定各停车地点的预期车位空置率,根据预期车位空置率确定目标停车地点,通过导航路径从当前位置导航至目标停车地点,从而缩短了寻找停车地点的耗时。
附图说明
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
图1是本申请实施例方案涉及的硬件运行环境的终端\系统结构示意图;
图2为本申请车载导航方法第一实施例的流程示意图;
图3为本申请车载导航方法车辆运行数据获取说明示意图;
图4为本申请车载导航方法中第二实施例的流程示意图;
图5为本申请车载导航方法中唤醒移动终端的流程示意图;
图6为本申请车载导航方法中通过移动终端继续导航的流程示意图;
图7为本申请车载导航方法中查找历史停车记录的流程示意图;
图8为本申请车载导航方法中搜索停车地点的流程示意图;
图9为本申请车载导航方法中第二实施例的另一流程示意图;
图10是本申请车载导航系统的系统模块示意图。
具体实施方式
应当理解,此处所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。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的车载导航设备结构示意图。
如图1所示,该车载导航设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储系统。
本领域技术人员可以理解,图1中示出的结构并不构成对车载导航设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及车载导航程序。
在图1所示的车载导航设备中,网络接口1004主要用于与其他设备进行数据通信;用户接口1003主要用于与用户进行数据交互;本申请车载导航设备中的处理器1001、存储器1005可以设置在车载导航设备中,所述车载导航设备通过处理器1001调用存储器1005中存储的车载导航程序,并执行本申请实施例提供的车载导航方法。
参照图2,本申请提供一种车载导航方法,在车载导航方法的第一实施例中,车载导航方法包括以下步骤:
步骤S10,获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;
目前,停车场系统提供的空余车位信息并不能给予用户选择哪个停车场直观的帮助。一般来说,用户都希望在尽量短的时间内在停车场达成停车目的。由于各个停车场地理位置的不同会导致停车场中车位空置率(停车场中存在空闲车位的概率)存在差异,且同一停车场在不同日期的不同时段车位空置率也会存在差异。因此,对于达成停车目的来说,对用户选择停车场最重要的参考因素应是车位空置率。
基于上述现象,可以在导航设备中设置停车引导功能,用户输入目的地位置开始导航的同时也可以确定是否开启停车引导功能,若用户开启停车引导功能,则在车辆从出发地目的地位置行程中可以以预设时间间隔检测一次行驶车辆的当前位置,确定当前位置到目的地位置之间的实际距离,可选地,若检测到车辆处于未启动状态,且当前位置到目的地位置之间的实际距离大于预设距离时,此时车辆可能是因为塞车等原因处于未启动状态,在此段时间内可以不获取车辆的当前位置,减少导航设备耗电,直至车辆进入到启动状态后,才开始以预设时间间隔检测一次行驶车辆的当前位置,并确定当前位置到目的地位置之间的实际距离,在实际距离小于或等于预设距离时,对车辆进行停车引导,若用户不开启停车引导功能,则按常规导航方式对车辆进行导航,从开始位置导航至目的地位置。
进一步地,若车辆处于未启动状态,且车辆的当前位置到目的地位置之间的实际距离小于或等于预设距离时,可以输出是否需要停车的提示信息由用户选择是否停车,若用户选择需要停车,则开始为车辆提供停车引导服务,若用户选择不需要停车,则不进行停车引导服务。
步骤S20,若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;
进一步地,当行驶车辆的当前位置与目的地位置之间的实际距离小于或等于预设距离时,自动搜索到该行驶车辆的目的地位置预设范围内的至少一个停车地点,其中,预设距离与预设范围可以是用户在开启停车引导功能时,自行设置,并且预设距离与预设范围均提前设置有默认值,若用户不需要修改,即使用默认预设距离与默认预设范围实现停车引导功能,需要说明的是,可以是搜索与所述当前位置之间的距离在预设范围内的至少一个停车地点,用户可以自行选择是搜索与目的地位置之间的距离在预设范围内的至少一个停车地点还是搜索与所述当前位置之间的距离在预设范围内的至少一个停车地点,本实施例不做限制,且若当前预设范围无法搜索到停车地点或搜索到的停车地点不满足用户预期时,用户还可以修改预设范围后再次搜索停车地点直至搜索到满足预期的停车地点。
此外,在另一场景中,还可以对搜索到的一个或多个停车地点的基本信息进行显示,基本信息可以包括停车地点与行驶车辆之间的实时距离、停车地点的名称、预计抵达该停车地点的时间等信息,优选的,可以在导航界面显示搜索到的距离行驶车辆最近的两个停车地点。同时为了能够避免用户担心错过停车地点而频繁观察导航界面,给车辆驾驶带来不必要的风险,在导航界面显示有能够导航该车辆行驶至一个或多个停车地点的一个或多个导航按键,该导航按键与上述一个或多个停车地点一一对应。当用户在显示的一个或多个停车地点中选择要停靠的停车地点后,仅需击导航界面显示的与该停车地点所对应的目标导航按键即可导航至该停车地点。
步骤S30,确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;
可以设置用于集中存储数据的一个云端服务器,为停车引导功能的实现提供支撑,该云端服务器端应该具有非常出色的数据信息分析和处理能力以及足够的存储数据信息的存储空间,另外,该云端服务器端还可以通过网络连接的输入终端,输入终端至少具有输入数据信息的功能以及通过网络将数据信息传输到云端服务器端的功能,还可以在车辆上的设置用于显示云端服务器端信息并与所述云端服务器端进行互动的移动终端,该移动终端不仅能够通过图像和/或图形和/或文字和/或声音等能够识别的信号显示云端服务器端的信息,还能够与云端服务器端进行交互,向云端服务器端发出的特定申请同时在预定的范围内获得应答。
通过云端服务器,对每一车辆以一次开车的行程为单位收集车辆运行数据,进而获得大量不同的车辆在不同的历史行程中的车辆运行数据。所收集的车辆运行数据至少包括车辆位置与熄火数据,熄火数据至少包括是否熄火,以及若有熄火的熄火时长,车辆位置可以为GPS位置或其他卫星定位系统的位置。熄火数据可以从车辆的发动机系统获得。参照图3所示,车辆运行数据一般都可以通过车联网通信盒获得。车联网通信盒连接于车辆总线,以获得来自于各个车辆子系统上传到车辆总线的数据。
通过收集每次行程的车辆位置可以得知车辆是否到达某个停车场,并且还可以获取车辆与某个停车场之间的距离小于预设距离(如5m)时车辆的车速,若车辆位置与停车场之间的距离小于预设距离且车辆车速小于预设车速(如10km/h)时,则认为车辆到达了此停车场,并记录存储车辆到达此停车场的当前时间。实质上,通过车辆到达停车场时获取车辆的熄火数据,若车辆到达某个停车场没有熄火,或者熄火时间小于预设值(如1min),得知此停车场没有空闲车位,车辆未在此停车场成功停车,反之认为车辆在此停车场成功停车。对某辆车某一次行程中的车辆运行数据,在车辆到达某停车场之后,将属于各停车场的车辆运行数据各自归集,就能获得关联于各停车场的车辆运行数据。假设所收集的大量车辆运行数据中的车辆位置指向10个停车场,则归集后就能获得关联于10个停车场的车辆运行数据。
从而,统计某一时刻或者某一时间段内到达某一停车场的总车辆数,以及在此停车场停车成功的车辆数,两者比值(停车成功车辆数/总车辆数)作为此停车场在相应时刻或相应时间段内的车位空置率。
进一步地,通过云端服务器,对关联于每一个停车场的车辆运行数据分别进行建模处理,由于各辆车各次不同行程的日期及时间均不相同,当获得车辆到达某一停车场的时间后,就能获得大量针对该停车场不同日期、不同时间段的停车历史数据(车辆运行数据)。由此,通过机器学习的方式,依据这些停车历史数据可以训练出预测该停车场在各日期、各个时间段的车位空置率预测模型(即预训练空置率预测模型)。
可以将行驶车辆位置与目的地位置之间的距离小于预设距离,触发停车引导功能时的时间作为当前时间,也可以预估到达各停车地点的时间,将预估到达各停车地点的时间作为此停车地点的当前时间,将当前时间输入到各停车地点对应的预训练空置率预测模型中,输出得到此停车地点对应的预期车位空置率。
由此,通过各停车场(停车地点)的车位空置率预测模型预测各停车地点的预期车位空置率。
此外,在另一场景中,还可以考虑各停车地点到目的地位置的距离,将各停车地点到目的地位置的距离与预期车位空置率显示至导航界面,供用户选择,用户根据自身需求自行选择目标停车地点。
步骤S40,根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径,以将所述行驶车辆导航至所述目标停车地点。
可以选择最大预期车位空置率对应的停车地点作为目标停车地点,并根据行驶车辆的当前位置,以及目标停车地点的位置生成从当前位置到达目标停车地点的导航路径,以将行驶车辆导航至目标停车地点进行停车,可以计算当前位置到达目标停车地点的最短行驶路径,将最短行驶路径作为当前位置到目标停车地点的导航路径,也可以获取到达目标停车地点各条路径的路况信息,路况信息至少包括路径中是否包括有拥塞路段,以及拥塞路段的预计通行时间,从而根据路况信息预估各条路径到达目标停车地点所需的时间,选择一条耗时最短的最快路径作为当前位置到达目标停车地点的导航路径。
进一步地,若在计算确定目标停车地点的时间内,若车辆仍处于行驶状态,可以在计算确定目标停车点后,再次获取车辆的当前位置,以此时的当前位置生成到达目的停车地点的导航路径,从而提高导航的准确性,实现了有效的停车引导服务。
本实施例中通过获取行驶车辆的当前位置与目的地位置,在当前位置到目的地位置之间的实际距离小于或等于预设距离时,就搜索与目的地位置之间的距离在预设范围内的至少一个停车地点,并确定各停车地点的预期车位空置率,根据所述预期车位空置率确定目标停车地点,并生成从当前位置到目标停车地点的导航路径,以将行驶车辆导航至目标停车地点完成停车,避免了现有技术中在用户通过地图搜索停车地点时,才搜索附近停车场供用户选择,并且需要由用户主动注意道路上的停车场标志以免错过,导致寻找停车地点的耗时长的现象发生。本实施例中在行驶车辆行驶至与目的地位置之间的距离小于或等于预设距离时,就自动搜索距离目的地位置预设范围内的至少一个停车地点,并确定各停车地点的预期车位空置率,根据所述预期车位空置率确定目标停车地点,通过导航路径从当前位置导航至目标停车地点,从而缩短了寻找停车地点的耗时。
进一步地,基于上述本申请的第一实施例,提出本申请车载导航方法的第二实施例,在本实施例中,上述实施例步骤S40,根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径步骤的细化,参照图4,包括:
步骤a,若存在多个所述预期车位空置率,则确定所有所述预期车位空置率中的最大预期车位空置率;
步骤b,若所述最大预期车位空置率对应的第一停车地点存在有多个,确定各所述第一停车地点到所述目的地位置的距离;
步骤c,在各所述第一停车地点到所述目的地位置的距离中选择最短距离对应的第一停车地点作为目标停车地点。
通过获取各停车场不同日期、不同时间段的停车历史数据(车辆运行数据与熄火数据)。由机器学习的方式,依据这些停车历史数据可训练出预测该停车场在各日期、各个时间段的车位空置率预测模型(即预训练空置率预测模型)。
首先,将获得的大量停车历史数据进行初步的统计分析,以获得可用于导入候选模型算法的训练用数据。该部分的统计分析可以采用分类算法或聚类算法,以从上述的大量停车历史数据中获得训练用数据。例如,获得的训练用数据中有某一停车场某一天中各时间段车位空置率数据、某一停车场每天中午12点的车位空置率数据,等等。分类算法可以采用例如KNN(K-Nearest Neighbor)算法,聚类算法可以采用例如K-means算法。
接着,设置两个数据集:测试集和验证集。验证集中放入训练用数据(来自于停车历史数据的真实数据)。然后,从训练用数据中再挑选合适的数据相应导入一个或多个模型算法,将候选模型算法输出的预测停车时间的数据放入测试集中。通过比较验证集和测试集中属于同一类的数据来评估候选模型算法预测车位空置率的准确度。评估所用的评估指标可依据实际情况进行调整。有关模型算法,可以将例如朴素贝叶斯(Native Bayes)、深度学习(Deep Learning)等作为候选。考虑到训练模型所用的数据量及时间,在不同阶段符合准确度要求的候选模型算法会不同,因而可以多挑选一些候选模型算法训练以进行比较及评估。
最后,依据上述的各种评估过程从候选模型算法中挑选出准确度最符合当前要求的模型算法来作为预测模型。通过将具体的时间信息导入预测模型就能获得预测数据。例如,某月某日上午10点间在某停车场的车位空置率就可由该模型预测出来。
由于这个预测模型的依据是大量精细划分日期及时间段的真实历史数据,因而预测出的车位空置率具有相当的准确性。依此,可以获得各个停车场的车位空置率的预测模型。各个停车场的预测模型可以由云端服务器下发至各个车辆或存于云端服务器。每个停车场对应唯一一个车位空置率预测模型。
将行驶车辆所处的当前时间输入到各停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,应用各停车地点的停车历史数据(车辆运行数据)训练出停车地点对应的车位空置率预测模型(即空置率预测模型),只需获取当前时间即可预测各停车地点对应的预期车位空置率。
进一步地,若最大预期车位空置率对应的第一停车地点存在有多个,则确定第一停车地点到所述目的地位置的距离,选择最短距离对应的第一停车地点作为目标停车地点,若最大预期车位空置率对应的第一停车地点只存在有一个,则将此第一停车地点作为目标停车地点。
在本实施例中,若最大预期车位空置率对应的第一停车地点存在有多个,则将与目的地位置之间的距离最短的第一停车地点作为目标停车地点,从而减少了从目的停车地点到达目的地位置所需的时间,提升了用户的停车体验。
在一实施例中,参照图5,所述生成所述当前位置到达所述目标停车地点的导航路径的步骤,包括:
步骤d,确定从所述当前位置到达所述目标停车地点的最短行驶路径,将所述最短行驶路径作为所述当前位置到达所述停车地点的导航路径;
步骤e,检测所述行驶车辆是否已到达目标停车地点;
步骤f,若所述行驶车辆已到达目标停车地点,唤醒预设移动终端,以通过所述预设移动终端继续导航。
将当前位置到达目标停车地点的最短行驶路径作为当前位置到达停车地点的导航路径,以将行驶车辆导航至目标停车地点进行停车,并且在检测到行驶车辆已到达目标停车地点后,可以自行唤醒预设的移动终端,以通过预设移动终端继续导航。需要说明的是,在到达目标停车地点时是否唤醒预设移动终端,也是用户可以自行设置的,且可以设置为默认处理方式为唤醒预设移动终端,预设移动终端可以是用户触发停车引导功能时采集用户的身份信息(如采集用户的人脸信息或指纹信息等),根据用户身份信息查找对应的预设移动终端,如提前设置存储用户账号及与用户账号关联的移动终端的终端标识(如手机型号等)的关联列表,在关联列表中查找与身份信息匹配的用户账号,将关联列表中此用户账号对应的移动终端作为预设移动终端,此外,如果一个用户账号对应有多个移动终端,可以将多个移动终端的终端标识输出至显示屏幕上,供用户自行选择需要唤醒的移动终端,将用户选择的移动终端作为预设移动终端。
在本实施中,检测到行驶车辆到达目标停车地点之后,唤醒预设移动终端,以通过预设移动终端继续导航至目的地位置,从而避免了由于用户不知道目标停车地点到达目的地位置的路径,需要自行使用移动终端的导航功能再次输入开始位置与目的地位置重新导航,导致用户操作次数多,用户体验差,本实施例在到达目标停车地点之后,自行唤醒预设移动终端,通过预设移动终端继续导航至目的地位置,从而减少了用户的操作次数,提高了用户体验,减少开启移动终端导航的时间,提高了导航效率。
在一实施例中,参照图6,所述唤醒预设移动终端的步骤,包括:
步骤g,发送唤醒信号至预设移动终端,确定所述目标停车地点到达所述目的地位置的最短步行路径;
步骤h,将所述最短步行路径发送至唤醒后的所述预设预设移动终端,其中,以通过所述最短步行路径从所述目标停车地点导航至所述目的地位置。
可以发送一条特定标识的唤醒报文(即唤醒信号)至预设移动终端,将预设移动终端唤醒,进一步地,唤醒信号中还可以包括第三方应用启动指令,启动预设移动终端中具有导航功能或用户常用的具有导航功能的第三方应用,从而可以将目标停车地点到达目的地位置的最短步行路径发送至唤醒后的,无需用户再次通过预设移动终端启动此第三方应用后输入目的地位置进行导航。需要说明的是,预设移动终端与行驶车辆通信连接,至少预设移动终端与行驶车辆中的导航设备通信连接,从而将最短步行路径发送至预设移动终端中,用户解锁手机后,即可查看此最短步行路径,且可依据此最短步行路径行走至目的地位置。最短行驶路径与最短步行路径的确定方法均为现有技术,此处不在详述。
此外,用户在预设的移动终端中可以修改目的地位置,或重新定位预设移动终端所处的当前位置后充电导航,提高导航的准确性,
在本实施例中,以唤醒信号唤醒预设移动终端之后,将目标停车地点到达目的地位置的最短行驶路径发送至预设移动终端中,用户通过预设移动终端继续导航,减少了用户操作次数与用户到达目的地的耗时。
在一实施例中,参照图7,所述搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点的步骤之前,包括:
步骤i,查找预设的用户停车记录表中是否存在与所述目的地位置匹配的历史位置;
步骤j,若存在,将所述用户停车记录表中所述历史位置对应的停车位置作为目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径的,以将所述行驶车辆导航至所述目标停车地点。
在本实施例中,如果预设的用户停车记录表中存在与目的地位置匹配的历史位置,可以用户停车记录表中历史位置对应的停车位置作为目标停车地点,预设的用户停车记录表中收集有用户的历史目的地位置(即历史位置)以及与用户在此历史目的地位置常去的停车位置。此外,用户也可以不选择将用户停车记录表中历史位置对应的停车位置作为目标停车地点,还是以预期车位空置率最大或者距离最近的停车地点作为目标停车地点,都是用户可自行选择,此处,不做限制。
在本实施例中,将用户停车记录表中历史位置对应的停车位置作为目标停车地点,可以减少确定目标停车地点的时间,且用户停车记录表中历史位置对应的停车位置通常为用户使用最多的停车地点,符合用户习惯,实现了个性化选择目标停车地点。
在一实施例中,参照图8,所述获取行驶车辆的当前位置与目的地位置的步骤之前,包括:
步骤k,响应于用户输入的停车地点搜索请求,获取行驶车辆的当前位置与目的地位置;
步骤l,确定所述当前位置到所述目的地位置之间的实际距离;
步骤m,若所述实际距离大于预设距离,搜索与所述当前位置之间的距离在预设范围内的至少一个停车地点,继续执行确定所述行驶车辆所处的当前时间的步骤。
在本实例中,用户在任意时刻均可通过行驶车辆中导航设备相应的功能按钮自行触发停车引导功能,此时不一定是行驶至目的地位置附近,而是用户其他情况产生的停车需求。此时获取行驶车辆的当前位置与目的地位置,确定当前位置到目的地位置之间的实际距离,若所述实际距离大于预设距离或无法获取到目的地位置时,搜索与当前位置之间的距离在预设范围内的至少一个停车地点,在与当前位置之间的距离在预设范围内的至少一个停车地点中选择一个预期车位空置率最大的目标停车地点,若所述实际距离小于或等于预设距离,则可以选择与当前位置之间的距离在预设范围内的目标停车地点,也可以选择与目的地位置之间的距离在预设范围内的目标停车地点,此处,不做限制,可由用户自行选择。
在本实施例中,用户有停车需求时,响应于用户输入的停车地点搜索请求,获取行驶车辆的当前位置与目的地位置,若当前位置目的地位置之间的实际距离大于预设距离,或无法获取到目的地位置时,搜索与当前位置之间的距离在预设范围内的至少一个停车地点,在与当前位置之间的距离在预设范围内的至少一个停车地点中选择一个预期车位空置率最大的目标停车地点,实现了智能化停车引导。
在一实施例中,参照图9,所述确定所述当前位置到所述目的地位置之间的实际距离的步骤,包括:
步骤n,以所述当前位置为坐标原点建立平面直角坐标系,确定所述目的地位置在所述平面直角坐标系中的坐标,以得到所述当前位置与所述目的地位置之间的坐标距离;
步骤o,将所述坐标距离乘以预设画面缩放比例得的所述当前位置到所述目的地位置之间的实际距离。
本实施例中,通过以当前位置为坐标原点建立平面直角坐标系,确定目的地位置在平面直角坐标系中的坐标,以得到当前位置与目的地位置之间的坐标距离,将坐标距离乘以预设画面缩放比例得的当前位置到所述目的地位置之间的实际距离,其中,预设画面缩放比例是提取设置的默认画面缩放比例或用户自行设置的导航时使用的地图的实际画面缩放比例,提高了确定实际距离的准确性。
此外,参照图10,本申请还提供一种车载导航系统,车载导航系统,包括:
获取模块A10,用于获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;
搜索模块A20,用于若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;
预测模块A30,用于确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;
导航模块A40,用于根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径,以将所述行驶车辆导航至所述目标停车地点。
导航模块A40,还用于若存在多个所述预期车位空置率,则确定所有所述预期车位空置率中的最大预期车位空置率;若所述最大预期车位空置率对应的第一停车地点存在有多个,确定各所述第一停车地点到所述目的地位置的距离;在各所述第一停车地点到所述目的地位置的距离中选择最短距离对应的第一停车地点作为目标停车地点。
导航模块A40,还用于确定从所述当前位置到达所述目标停车地点的最短行驶路径,将所述最短行驶路径作为所述当前位置到达所述停车地点的导航路径;检测所述行驶车辆是否已到达目标停车地点;若所述行驶车辆已到达目标停车地点,唤醒预设移动终端,以通过所述预设移动终端继续导航。
导航模块A40,还用于发送唤醒信号至预设移动终端,确定所述目标停车地点到达所述目的地位置的最短步行路径;将所述最短步行路径发送至唤醒后的所述预设移动终端,以通过所述最短步行路径从所述目标停车地点导航至所述目的地位置。
搜索模块A20,还用于查找预设的用户停车记录表中是否存在与所述目的地位置匹配的历史位置;若存在,将所述用户停车记录表中所述历史位置对应的停车位置作为目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径的,以将所述行驶车辆导航至所述目标停车地点。
获取模块A10,还用于响应于用户输入的停车地点搜索请求,获取行驶车辆的当前位置与目的地位置以及所述当前位置到所述目的地位置之间的实际距离;若所述实际距离大于预设距离,搜索与所述当前位置之间的距离在预设范围内的至少一个停车地点。
获取模块A10,还用于以所述当前位置为坐标原点建立平面直角坐标系,确定所述目的地位置在所述平面直角坐标系中的坐标,以得到所述当前位置与所述目的地位置之间的坐标距离;将所述坐标距离乘以预设画面缩放比例得的所述当前位置到所述目的地位置之间的实际距离。
此外,本申请实施例还提出一种车载导航设备,车载导航设备括存储器、处理器及存储在所述存储器上并可在所述处理器上执行的车载导航程序,所述车载导航程序被所述处理器执行时实现如上述的车载导航方法的步骤。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有车载导航程序,车载导航程序被处理器执行时实现如上述的车载导航方法的步骤。
本申请计算机可读计算机可读存储介质具体实施方式与上述车载导航方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,云端服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种车载导航方法,其特征在于,所述车载导航方法包括以下步骤:
获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;
若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;
确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;
根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径,以将所述行驶车辆导航至所述目标停车地点;
所述根据所述预期车位空置率确定目标停车地点的步骤,包括:
若存在多个所述预期车位空置率,则确定所有所述预期车位空置率中的最大预期车位空置率;
若所述最大预期车位空置率对应的第一停车地点存在有多个,确定各所述第一停车地点到所述目的地位置的距离;
在各所述第一停车地点到所述目的地位置的距离中选择最短距离对应的第一停车地点作为目标停车地点;
其中,空置率预测模型的预训练包括:通过收集大量不同的车辆在不同的历史行程中的车辆运行数据,所述车辆运行数据包括车辆位置与熄火数据,将属于各停车地点的车辆运行数据各自归集,获得关联于各停车地点的车辆运行数据,依据各停车地点的车辆运行数据训练得到每一停车地点对应的空置率预测模型,其中,若车辆位置与停车地点之间的距离小于预设距离且车辆车速小于预设车速,则确认车辆到达停车地点,获取车辆到达停车地点时车辆的熄火数据,若车辆到达停车地点没有熄火,或者熄火时间小于预设值,则确定停车地点没有空闲车位;
所述生成所述当前位置到达所述目标停车地点的导航路径的步骤,包括:
确定从所述当前位置到达所述目标停车地点的最短行驶路径,将所述最短行驶路径作为所述当前位置到达所述停车地点的导航路径;
检测所述行驶车辆是否已到达目标停车地点;
若所述行驶车辆已到达目标停车地点,在预设的关联列表中查找与身份信息匹配的用户账号,将预设关联列表中所述用户账号对应的移动终端作为预设移动终端,其中,所述身份信息包括用户触发停车引导功能时采集到的用户的身份信息;
唤醒预设移动终端,以通过所述预设移动终端继续导航。
2.如权利要求1所述的车载导航方法,其特征在于,所述唤醒预设移动终端的步骤,包括:
发送唤醒信号至预设移动终端,确定所述目标停车地点到达所述目的地位置的最短步行路径;
将所述最短步行路径发送至唤醒后的所述预设移动终端,以通过所述最短步行路径从所述目标停车地点导航至所述目的地位置。
3.如权利要求1所述的车载导航方法,其特征在于,所述搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点步骤之前,包括:
查找预设的用户停车记录表中是否存在与所述目的地位置匹配的历史位置;
若存在,将所述用户停车记录表中所述历史位置对应的停车位置作为目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径的,以将所述行驶车辆导航至所述目标停车地点。
4.如权利要求1所述的车载导航方法,其特征在于,所述获取行驶车辆的当前位置与目的地位置的步骤之前,包括:
响应于用户输入的停车地点搜索请求,获取行驶车辆的当前位置与目的地位置以及所述当前位置到所述目的地位置之间的实际距离;
若所述实际距离大于预设距离,搜索与所述当前位置之间的距离在预设范围内的至少一个停车地点,继续执行确定所述行驶车辆所处的当前时间的步骤。
5.如权利要求1所述的车载导航方法,其特征在于,所述确定所述当前位置到所述目的地位置之间的实际距离的步骤,包括:
以所述当前位置为坐标原点建立平面直角坐标系,确定所述目的地位置在所述平面直角坐标系中的坐标,以得到所述当前位置与所述目的地位置之间的坐标距离;
将所述坐标距离乘以预设画面缩放比例得的所述当前位置到所述目的地位置之间的实际距离。
6.一种车载导航系统,其特征在于,所述车载导航系统包括:
获取模块,用于获取行驶车辆的当前位置与目的地位置,确定所述当前位置到所述目的地位置之间的实际距离;
搜索模块,用于若所述实际距离小于或等于预设距离,搜索与所述目的地位置之间的距离在预设范围内的至少一个停车地点;
预测模块,用于确定所述行驶车辆所处的当前时间,将所述当前时间输入到至少一个所述停车地点对应的预训练空置率预测模型中,输出得到预期车位空置率,其中每一处所述停车地点对应的预训练空置率预测模型不相同;
导航模块,用于根据所述预期车位空置率确定目标停车地点,生成所述当前位置到达所述目标停车地点的导航路径,以将所述行驶车辆导航至所述目标停车地点;
所述,导航模块,还用于:
若存在多个所述预期车位空置率,则确定所有所述预期车位空置率中的最大预期车位空置率;
若所述最大预期车位空置率对应的第一停车地点存在有多个,确定各所述第一停车地点到所述目的地位置的距离;
在各所述第一停车地点到所述目的地位置的距离中选择最短距离对应的第一停车地点作为目标停车地点;
其中,空置率预测模型的预训练包括:通过收集大量不同的车辆在不同的历史行程中的车辆运行数据,所述车辆运行数据包括车辆位置与熄火数据,将属于各停车地点的车辆运行数据各自归集,获得关联于各停车地点的车辆运行数据,依据各停车地点的车辆运行数据训练得到每一停车地点对应的空置率预测模型,其中,若车辆位置与停车地点之间的距离小于预设距离且车辆车速小于预设车速时,则确认车辆到达停车地点,获取车辆到达停车地点时车辆的熄火数据,若车辆到达停车地点没有熄火,或者熄火时间小于预设值,则确定停车地点没有空闲车位;
所述生成所述当前位置到达所述目标停车地点的导航路径的步骤,包括:
确定从所述当前位置到达所述目标停车地点的最短行驶路径,将所述最短行驶路径作为所述当前位置到达所述停车地点的导航路径;
检测所述行驶车辆是否已到达目标停车地点;
若所述行驶车辆已到达目标停车地点,在预设的关联列表中查找与身份信息匹配的用户账号,将预设关联列表中所述用户账号对应的移动终端作为预设移动终端,其中,所述身份信息包括用户触发停车引导功能时采集到的用户的身份信息;
唤醒预设移动终端,以通过所述预设移动终端继续导航。
7.一种车载导航设备,其特征在于,所述车载导航设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车载导航程序,所述车载导航程序被所述处理器执行时实现如权利要求1至5中任一项所述的车载导航方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有车载导航程序,所述车载导航程序被处理器执行时实现如权利要求1至5中任一项所述的车载导航方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444798.8A CN116182891B (zh) | 2023-04-24 | 2023-04-24 | 车载导航方法、系统、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444798.8A CN116182891B (zh) | 2023-04-24 | 2023-04-24 | 车载导航方法、系统、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116182891A CN116182891A (zh) | 2023-05-30 |
CN116182891B true CN116182891B (zh) | 2023-08-04 |
Family
ID=86434759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444798.8A Active CN116182891B (zh) | 2023-04-24 | 2023-04-24 | 车载导航方法、系统、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116182891B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11257979A (ja) * | 1998-03-13 | 1999-09-24 | Matsushita Electric Ind Co Ltd | ナビゲーション装置 |
JP2011179932A (ja) * | 2010-02-26 | 2011-09-15 | Aisin Aw Co Ltd | ナビゲーション装置、及びナビゲーションプログラム |
CN106384533A (zh) * | 2015-12-18 | 2017-02-08 | 杭州后博科技有限公司 | 一种基于导航的停车位预约系统及方法 |
CN107644542A (zh) * | 2017-09-11 | 2018-01-30 | 应石磊 | 一种基于车位信息的导航方法及远程信息处理装置 |
CN108120999A (zh) * | 2017-12-19 | 2018-06-05 | 大陆汽车投资(上海)有限公司 | 车载导航设备及停车场引导方法 |
CN108225352A (zh) * | 2016-12-22 | 2018-06-29 | 沈阳美行科技有限公司 | 一种离车导航实现方法、系统和装置 |
CN108417075A (zh) * | 2018-01-16 | 2018-08-17 | 南京航空航天大学 | 一种驾车出行综合引导系统及实现装置 |
CN108986527A (zh) * | 2018-07-17 | 2018-12-11 | 新华三云计算技术有限公司 | 一种停车位引导方法、装置、系统及电子设备 |
CN112050823A (zh) * | 2019-06-06 | 2020-12-08 | 上海博泰悦臻网络技术服务有限公司 | 一种导航目的地修正方法、装置及计算机存储介质 |
CN112750327A (zh) * | 2020-12-29 | 2021-05-04 | 深圳市顺易通信息科技有限公司 | 一种车辆导航方法及相关设备 |
CN113160607A (zh) * | 2021-02-04 | 2021-07-23 | 北京百度网讯科技有限公司 | 停车位导航方法、装置、电子设备、存储介质及产品 |
CN113257035A (zh) * | 2021-07-05 | 2021-08-13 | 江西省湾流港智能科技有限公司 | 停车管理方法、计算机设备、计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9767690B2 (en) * | 2014-11-19 | 2017-09-19 | Uber Technologies, Inc. | Parking identification and availability prediction |
-
2023
- 2023-04-24 CN CN202310444798.8A patent/CN116182891B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11257979A (ja) * | 1998-03-13 | 1999-09-24 | Matsushita Electric Ind Co Ltd | ナビゲーション装置 |
JP2011179932A (ja) * | 2010-02-26 | 2011-09-15 | Aisin Aw Co Ltd | ナビゲーション装置、及びナビゲーションプログラム |
CN106384533A (zh) * | 2015-12-18 | 2017-02-08 | 杭州后博科技有限公司 | 一种基于导航的停车位预约系统及方法 |
CN108225352A (zh) * | 2016-12-22 | 2018-06-29 | 沈阳美行科技有限公司 | 一种离车导航实现方法、系统和装置 |
CN107644542A (zh) * | 2017-09-11 | 2018-01-30 | 应石磊 | 一种基于车位信息的导航方法及远程信息处理装置 |
CN108120999A (zh) * | 2017-12-19 | 2018-06-05 | 大陆汽车投资(上海)有限公司 | 车载导航设备及停车场引导方法 |
CN108417075A (zh) * | 2018-01-16 | 2018-08-17 | 南京航空航天大学 | 一种驾车出行综合引导系统及实现装置 |
CN108986527A (zh) * | 2018-07-17 | 2018-12-11 | 新华三云计算技术有限公司 | 一种停车位引导方法、装置、系统及电子设备 |
CN112050823A (zh) * | 2019-06-06 | 2020-12-08 | 上海博泰悦臻网络技术服务有限公司 | 一种导航目的地修正方法、装置及计算机存储介质 |
CN112750327A (zh) * | 2020-12-29 | 2021-05-04 | 深圳市顺易通信息科技有限公司 | 一种车辆导航方法及相关设备 |
CN113160607A (zh) * | 2021-02-04 | 2021-07-23 | 北京百度网讯科技有限公司 | 停车位导航方法、装置、电子设备、存储介质及产品 |
CN113257035A (zh) * | 2021-07-05 | 2021-08-13 | 江西省湾流港智能科技有限公司 | 停车管理方法、计算机设备、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116182891A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230725B (zh) | 停车推荐方法和装置 | |
JP4997011B2 (ja) | 自動車の燃料消費量推定システム、経路探索システム、及び運転指導システム | |
US8779941B2 (en) | Providing guidance for locating street parking | |
US11747165B2 (en) | Inconvenience for passenger pickups and drop offs for autonomous vehicles | |
RU2402820C1 (ru) | Навигационный сервер, навигационное устройство и навигационная система | |
CN111220168A (zh) | 一种电动汽车充电路径规划方法、装置和存储介质 | |
CN110986985A (zh) | 车辆行程推送方法、装置、介质、控制终端及汽车 | |
CN108230720B (zh) | 停车管理方法和装置 | |
CN109983306A (zh) | 用于产生停车相关数据的方法和系统 | |
US20160349075A1 (en) | Method and system of route scheduling and presenting route-based fuel information | |
US9959508B2 (en) | Systems and methods for providing information for predicting desired information and taking actions related to user needs in a mobile device | |
US20160109243A1 (en) | Suggestive mapping using relevance based drive information | |
JP2019036049A (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 | |
JP3928639B2 (ja) | 自動車用ナビゲーションシステム | |
JP2009230514A (ja) | 行き先情報推薦システム、行き先情報推薦装置、携帯端末および行き先情報推薦方法 | |
Jones et al. | Parkus 2.0: Automated cruise detection for parking availability inference | |
JP2009104415A (ja) | 車両走行履歴情報提供システム | |
CN113724526A (zh) | 用于停车场的诱导泊车方法、装置、系统及存储介质 | |
CN114954129A (zh) | 充电站信息的推荐方法、装置、电子终端及存储介质 | |
JP2007271305A (ja) | 情報配信装置 | |
CN116182891B (zh) | 车载导航方法、系统、设备及计算机可读存储介质 | |
CN110113716B (zh) | 一种路径状态信息获取方法、装置及存储介质 | |
CN116110245A (zh) | 停车场停车引导方法、装置、设备及其存储介质 | |
JP5355826B2 (ja) | 情報提示装置およびナビゲーション装置 | |
US20220207447A1 (en) | Information providing device, information providing method, and storage medium |
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 |