CN117668377A - 公交路线识别方法、装置、电子设备及存储介质 - Google Patents
公交路线识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117668377A CN117668377A CN202210953212.6A CN202210953212A CN117668377A CN 117668377 A CN117668377 A CN 117668377A CN 202210953212 A CN202210953212 A CN 202210953212A CN 117668377 A CN117668377 A CN 117668377A
- Authority
- CN
- China
- Prior art keywords
- bus route
- bus
- user
- data
- route
- 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 48
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000033001 locomotion Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
本公开提供了一种公交路线识别方法、装置、电子设备及存储介质,涉及数据处理技术领域,尤其涉及大数据和智能交通技术领域,包括:确定用户在公交车上,获取用户授权的轨迹数据和第一当前位置,并根据第一当前位置获取多个公交路线;将轨迹数据与多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线;确定第一候选公交路线对应的多个车次的第二当前位置;根据第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线;获取用户的多个历史路线,并根据多个历史路线从所有第二候选公交路线中选取出目标公交路线。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及大数据和智能交通技术领域。
背景技术
目前,当乘客在公交车上需要获取公交车当前路线和到站位置时,第一种方法是听公交车的到站提示,第二种方法是查看公交车上提供的公交路线表。
发明内容
本公开提供了一种公交路线识别方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种公交路线识别方法,包括:
确定用户在公交车上,获取所述用户授权的轨迹数据和第一当前位置,并根据所述第一当前位置获取多个公交路线;
将所述轨迹数据与所述多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线;
确定所述第一候选公交路线对应的多个车次的第二当前位置;
根据所述第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线;
获取所述用户的多个历史路线,并根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线。
根据本公开的另一方面,提供了一种公交路线识别装置,包括:
采集模块,用于确定用户在公交车上,获取所述用户授权的轨迹数据和第一当前位置,并根据所述第一当前位置获取多个公交路线;
匹配模块,用于将所述轨迹数据与所述多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线;
计算模块,用于确定所述第一候选公交路线对应的多个车次的第二当前位置;
处理模块,用于根据所述第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线;
所述处理模块,还用于获取所述用户的多个历史路线,并根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线。
根据本公开的另一方面,提供了一种电子设备,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上述任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述任一项所述的方法。
根据本公开的另一方面,提供了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上述任一项所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的公交路线识别方法的流程示意图;
图2是根据本公开实施例提供的一种确定用户是否在公交车上的方法的流程示意图;
图3是根据本公开实施例提供的一种第二候选公交路线的确定方法的流程示意图;
图4是根据本公开实施例提供的一种目标公交路线的确定方法的流程示意图;
图5是根据本公开实施例提供的另一种目标公交路线的确定方法的流程示意图;
图6是根据本公开实施例提供的一种出行方式识别模型的训练方法的流程示意图;
图7是根据本公开实施例提供的公交路线识别装置的结构示意图;
图8是用来实现本公开实施例的公交路线识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
目前,当乘客在公交车上需要知道公交车当前路线和到站位置时,第一种方法是听公交车的到站提示,但是由于公交车上乘客较多,声音比较嘈杂,大部分情况下乘客听不清楚到站提示。第二种方法是查看公交车上提供的公交路线表,但是有时乘客在公交车上的所在位置离公交路线表的所在位置较远,看不清楚,且公交车上较为拥挤,乘客无法走近查看。所以导致乘客无法及时准确获取公交车当前路线和到站位置,进而导致乘客坐过站。
为了乘客能够及时获取准确的公交车当前路线和到站位置,如图1所示,本公开一实施例提供了一种公交路线识别方法,该方法包括:
步骤101,确定用户在公交车上,获取所述用户授权的轨迹数据和第一当前位置,并根据所述第一当前位置获取多个公交路线。
当确定用户在公交车上时,获取用户授权的轨迹数据和第一当前位置。轨迹数据为用户的定位序列,定位序列中包含用户在第一预设时段内的多个定位数据,定位数据是每隔第二预设时段进行采集得到的。第一当前位置是用户在当前时间的定位数据。
在本实施例中,第一预设时段可以设置为10分钟或者5分钟,第二预设时段可以设置为1秒或者5秒,具体可根据需求进行设置。例如,每隔5秒采集一次用户的定位数据,5分钟内采集的用户的定位数据组成定位序列。
并根据用户的第一当前位置,获取该位置附近的多个公交路线。公交路线为该公交路线多个站点的定位数据所组成的定位序列。
步骤102,将所述轨迹数据与所述多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线。
在本实施例中,可将用户的轨迹数据和多个公交路线映射到地图上进行匹配,确定两者相同的部分,将相同部分占公交路线的比重超过阈值的公交路线确定为第一候选公交路线。阈值可以设置为60%、70%或者80%,具体可根据需求进行设置。例如,用户轨迹数据和公交路线相同的部分占公交路线的75%,阈值为60%,则该公交路线与用户轨迹数据匹配成功,可作为第一候选公交路线。
步骤103,确定所述第一候选公交路线对应的多个车次的第二当前位置。
获取实时公交数据,实时公交数据中包含公交路线的实时数据,每个公交路线的实时数据中包含该公交路线正在行驶的多个车次的当前定位数据,该示例中,将第一候选公交路线对应的每个车次的当前定位数据称为第二当前位置。
步骤104,根据所述第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线。
步骤105,获取所述用户的多个历史路线,并根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线。
历史路线为用户所有检索过和乘坐过的公交路线,每条公交路线都有该用户的使用占比,可以选取这些公交路线中使用占比最高的多条(例如5条或10条)公交路线作为该用户的历史路线;也可以从中选取使用占比最高的部分(例如百分之50)公交路线作为该用户的历史路线。
根据多个历史路线从所有第二候选公交路线中选取出一条目标公交路线,并发送给用户。
通过获取用户授权的轨迹数据和第一位置数据,根据第一位置数据获取到用户所在位置附近的多个公交路线。然后将用户的轨迹数据和附近的多个公交路线进行匹配,将路线相同部分较多的公交路线确定为第一候选公交路线。与用户的轨迹数据路线相同部分较多的公交路线更有可能是用户所在公交车的公交路线。
而通过获取实时公交数据并根据实时公交数据确定每个第一候选公交路线的多个第二当前位置。再根据第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线。第一当前位置表征用户在当前时间的所在位置,而第二当前位置表征第一候选公交路线当前正在行驶的多个公交车在当前时间的所在位置。利用第一当前位置和所有第二当前位置,能够确定出存在与用户所在位置较近的公交车的第一候选公交路线。将这些第一候选公交路线确定为第二候选公交路线能够进一步提高识别公交路线的准确率。
最后获取用户的历史路线,并根据历史路线从所有第二候选公交路线中确定出一条目标公交路线。用户的历史路线为该用户过去使用占比最高的一部分公交路线。那么当用户利用公交车作为出行方式时,最有可能乘坐该部分公交路线。因此利用用户的历史路线从所有第二候选公交路线中确定出一条目标公交路线,能够显著提高识别公交路线的准确率。
本公开一实施例提供了一种确定用户是否在公交车上的方法,该方法包括:响应于所述用户发送的获取公交路线请求,确定所述用户在公交车上。
当用户需要获取公交车当前路线和到站位置时,可通过电子设备(例如移动终端或者公交车上提供的人机交互设备)点击本实施例提供的入口发送获取公交路线请求。入口包括但不限于应用提供的按键、网页提供的按键等。
当接收到用户发送的获取公交路线请求,那么就可以确定用户在公交车上。
如图2所示,本公开另一实施例提供了一种确定用户是否在公交车上的方法,包括:
步骤201,获取所述用户的第一出行数据,所述第一出行数据包括所述用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据中的至少一种,所述运动数据包含陀螺仪数据和加速仪数据,所述蓝牙数据为接收到的蓝牙信号的种类和数量,所述历史出行方式数据包含所述用户使用过的多个出行方式和各个出行方式的使用占比。
在用户授权后获取用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据中的至少一种。
步骤202,利用出行方式识别模型对所述第一出行数据进行特征提取,得到所述用户的特征数据。
步骤203,将所述用户的特征数据输入激活函数,得到所述用户在公交车上的概率。
步骤204,所述概率满足阈值,则确定所述用户在公交车上。
利用出行方式识别模型对用户的第一出行数据进行特征提取,得到用户的特征数据,并根据特征数据确定用户在公交车上的概率。第一出行数据包含用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据中的至少一种。
用户的轨迹数据能够与附近的公交线路和驾车路网进行匹配。若与用户的轨迹数据相同部分最多的是公交线路,则说明用户在公交车上的概率较高。若与用户的轨迹数据相同部分最多的是驾车路网,则说明用户在私家车上的概率较高。
蓝牙数据中包含周围能够接收到的蓝牙信号。将蓝牙信号按照类型分类,比如手机蓝牙信号、车载设备蓝牙信号等。因为公交车上乘客较多,那么手机等移动设备也较多,因此若用户的蓝牙数据中包含的手机蓝牙信号数量较多,那么说明用户在公交车上的概率较高。而因为私家车上一般都携带车载设备,因此若用户的蓝牙数据中包含有车载设备的蓝牙信号,那么说明用户在私家车上的概率较高。
运动数据中包含陀螺仪数据和加速仪数据,能够表征用户的运动状态。公交车和私家车在转弯所形成的陀螺仪数据和在加速时形成的加速仪数据是不同的,根据用户的运动数据也能够表征用户在公交车上还是在私家车上的概率。
历史出行方式数据为用户历史出行中使用过的各类出行方式和对应的使用占比,各类出行方式的使用占比也能够表征用户使用各类出行方式的概率。
公交路线检索数据为用户在预设时段内比如10分钟或者20分钟内检索过的路线信息。若用户在近期检索过公交路线的路线信息,那么说明用户该次出行使用公交车的概率较高。若用户在近期检索过驾车的路线信息,那么说明用户该次出行使用私家车的概率较高。
利用预先训练好的出行方式识别模型对这些数据中的至少一种数据进行特征提取,得到用户的特征数据。并根据特征数据确定用户在公交车上的概率,使得该概率能够更准确地表征用户是否在公交车上。进而主动识别用户所在的公交路线并发送给用户,提高了用户的使用体验。
如图3所示,本公开一实施例提供了一种第二候选公交路线的确定方法,该方法包括:
步骤301,将所述第一候选公交路线的与所述第一当前位置距离最近的第二当前位置确定为该第一候选公交路线的第三当前位置。
例如,有两个第一候选公交路线,分别为A和B。第一候选公交路线A有对应的3个第二当前位置,分别为a1、a2和a3。第一候选公交路线B有对应的4个第二当前位置,分别为b1、b2、b3和b4。第二当前位置a1、a2和a3中与第一当前位置距离最近的是a2,则将第二当前位置a2确定为第一候选公交路线A的第三当前位置。第二当前位置b1、b2、b3和b4中与第一当前位置距离最近的是b4,则将第二当前位置b4确定为第一候选公交路线B的第三当前位置。
步骤302,计算所述第一当前位置和每个第一候选公交路线的第三当前位置的距离。
步骤303,确定所述第三当前位置对应的所述距离小于预设距离,将该第三当前位置对应的第一候选公交路线确定为第二候选公交路线。
在本实施例中,预设距离设置为100米,在其他实施方式中,可根据具体需求进行设置。
通过将每个第一候选公交路线的与第一当前位置最近的第二当前位置确定为该第一候选公交路线的第三当前位置。而第三当前位置表征该第一候选公交路线中正在运营的与用户的所在位置最近的公交车的所在位置。计算每个第三当前位置与第一当前位置的距离,距离越近,说明用户越可能乘坐处于该第三当前位置的公交车上。那么将距离小于预设距离的第三当前位置对应的第一候选公交路线确定为第二候选公交路线,能够提高第二候选公交路线中存在用户当前乘坐的公交线路的概率,显著提高识别公交线路的准确率。
如图4所示,本公开一实施例提供了一种目标公交路线的确定方法,该方法包括:
步骤401,对所述多个历史路线进行遍历。
步骤402,确定至少一个第二候选公交路线中存在当前历史路线,则将所述当前历史路线确定为第三候选公交路线。
将当前遍历到的历史路线确定为当前历史路线,对于当前历史路线,判断所有第二候选公交路线中是否存在该当前历史路线。若存在,则将与当前历史路线相同的第二候选公交路线(即当前历史路线)确定为第三候选公交路线。
步骤403,直到遍历完成,确定存在至少一个第三候选公交路线,则将使用占比最高的第三候选公交路线确定为目标公交路线,所述历史路线包含用户的使用占比。
历史路线为用户历史出行时使用最多的公交路线,那么将第二候选公交路线中与历史路线相同的第二候选公交路线确定为第三候选公交路线。然后将使用占比最高的历史路线对应的第三候选公交路线确定为目标公交路线,能够显著提高识别公交路线的准确率。
如图5所示,本公开一实施例提供了另一种目标公交路线的确定方法,该方法包括:
步骤501,确定不存在第三候选公交路线,则根据所述第二候选公交路线的第三当前位置和所述第一当前位置确定该第二候选公交路线的位置置信度。
当不存在第三候选公交路线时,可以将所有第二候选公交路线的第三当前位置和第一当前位置输入模型,输出每个第二候选公交路线的位置置信度,位置置信度表征第三当前位置和第一当前位置之间的距离关系。
步骤502,将所述位置置信度最高的第二候选公交路线确定为目标公交路线。
通过利用第三当前位置和第一当前位置计算每个第二候选公交路线的位置置信度,使得位置置信度能够表征每个第二候选公交路线当前正在运营的且与用户最近的公交车和用户之间的距离。那么位置置信度越高,说明对应的第二候选公交路线越有可能是用户乘坐的公交路线。将位置置信度最高的第二候选公交路线确定为目标公交路线,能够显著提高识别公交路线的准确率。
如图6所示,本公开一实施例提供了一种出行方式识别模型的训练方法,该方法包括:
步骤601,采集多个用户的第二出行数据,所述第二出行数据中包含所属用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据、公交路线检索数据和标签,所述标签表征所述第二出行数据所属的用户该次出行是否为乘坐公交车出行。
第二出行数据中包含对对应的该次出行的用户采集的轨迹数据、蓝牙数据、运动数据、历史出行方式数据、公交路线检索数据和标签。
标签值为0或1。标签值为0时,表征所属的第二出行数据对应的该次出行方式不是公交车。标签值为1时,表征所属的第二出行数据对应的该次出行方式是公交车。
步骤602,通过初始出行方式识别模型对所述第二出行数据进行识别,得到所述第二出行数据的识别结果。
在本实施例中,初始出行方式识别模型选用的是DNN模型或GBDT模型,在其他实施方式中,也可选用其他任意可以识别出行方式的模型。
步骤603,根据所述第二出行数据的识别结果和所述标签确定该第二出行数据的损失值。
步骤604,根据所述多个第二出行数据的损失值对所述初始出行方式识别模型进行优化,得到出行方式识别模型。
基于多个第二出行数据的损失值对初始出行方式识别模型中的参数进行优化,若模型未收敛,则利用优化后的模型重新对所有第二出行数据进行检测,并计算损失值,基于重新计算的多个第二出行数据的损失值对优化后的模型中的参数进行新一轮优化,直到模型收敛。
利用包含用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据的多个第二出行数据对初始出行方式识别模型进行训练,可以使得初始出行方式模型提高对这些数据进行特征提取的能力,使得从第二出行数据中提取出的特征数据的准确性更高,而利用识别结果和标签计算的损失值对初始出行方式识别模型进行优化,能够使得训练完成后得到的出行方式识别模型的识别能力得到显著的提升,提高识别出行方式的准确率。
本公开一实施例提供了一种公交路线识别装置,如图7所示,该装置包括:
采集模块10,用于确定用户在公交车上,获取所述用户授权的轨迹数据和第一当前位置,并根据所述第一当前位置获取多个公交路线;
匹配模块20,用于将所述轨迹数据与所述多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线;
计算模块30,用于确定所述第一候选公交路线对应的多个车次的第二当前位置;
处理模块40,用于根据所述第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线;
所述处理模块40,还用于获取所述用户的多个历史路线,并根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线。
其中,还包括:
通信模块50,用于响应于所述用户发送的获取公交路线请求,确定所述用户在公交车上;或,
所述采集模块10,还用于获取所述用户的第一出行数据,所述第一出行数据为所述用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据中的至少一种,所述运动数据包含陀螺仪数据和加速仪数据;
识别模块60,用于利用出行方式识别模型对所述第一出行数据进行特征提取,得到所述用户的特征数据;
所述识别模块60,还用于将所述用户的特征数据输入激活函数,得到所述用户在公交车上的概率;
所述处理模块40,还用于所述概率满足阈值,则确定所述用户在公交车上。
其中,所述处理模块40,还用于将所述第一候选公交路线中与所述第一当前位置距离最近的第二当前位置确定为该第一候选公交路线的第三当前位置;
所述计算模块30,还用于计算所述第一当前位置和每个第一候选公交路线的第三当前位置的距离;
所述处理模块40,还用于确定所述第三当前位置对应的所述距离小于预设距离,将该第三当前位置对应的第一候选公交路线确定为第二候选公交路线。
其中,所述计算模块30,还用于对所述多个历史路线进行遍历;
所述计算模块30,还用于确定至少一个第二候选公交路线中存在当前历史路线,则将所述当前历史路线确定为第三候选公交路线;
所述处理模块40,还用于直到遍历完成,确定存在至少一个第三候选公交路线,则将使用占比最高的第三候选公交路线确定为目标公交路线,所述历史路线包含用户的使用占比。
其中,所述计算模块30,还用于确定不存在第三候选公交路线,则根据所述第二候选公交路线的第三当前位置和所述第一当前位置确定该第二候选公交路线的位置置信度;
所述处理模块40,还用于将所述位置置信度最高的第二候选公交路线确定为目标公交路线。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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/或者要求的本公开的实现。
如图8所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如公交路线识别方法。例如,在一些实施例中,公交路线识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM703并由计算单元701执行时,可以执行上文描述的公交路线识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行公交路线识别方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种公交路线识别方法,包括:
确定用户在公交车上,获取所述用户授权的轨迹数据和第一当前位置,并根据所述第一当前位置获取多个公交路线;
将所述轨迹数据与所述多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线;
确定所述第一候选公交路线对应的多个车次的第二当前位置;
根据所述第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线;
获取所述用户的多个历史路线,并根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线。
2.根据权利要求1所述的方法,所述确定用户在公交车上,包括:
响应于所述用户发送的获取公交路线请求,确定所述用户在公交车上;或,
获取所述用户的第一出行数据,所述第一出行数据包括所述用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据中的至少一种,所述运动数据包含陀螺仪数据和加速仪数据,所述蓝牙数据为接收到的蓝牙信号的种类和数量,所述历史出行方式数据包含所述用户使用过的多个出行方式和各个出行方式的使用占比;
利用出行方式识别模型对所述第一出行数据进行特征提取,得到所述用户的特征数据;
将所述用户的特征数据输入激活函数,得到所述用户在公交车上的概率;
所述概率满足阈值,则确定所述用户在公交车上。
3.根据权利要求1所述的方法,所述根据所述第一当前位置与所有第二当前位置从所述所有第一候选公交路线中选取出至少一个第二候选公交路线,包括:
将所述第一候选公交路线中与所述第一当前位置距离最近的第二当前位置确定为该第一候选公交路线的第三当前位置;
计算所述第一当前位置和每个第一候选公交路线的第三当前位置的距离;
确定所述第三当前位置对应的所述距离小于预设距离,将该第三当前位置对应的第一候选公交路线确定为第二候选公交路线。
4.根据权利要求3所述的方法,所述根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线,包括:
对所述多个历史路线进行遍历;
确定至少一个第二候选公交路线中存在当前历史路线,则将所述当前历史路线确定为第三候选公交路线;
直到遍历完成,确定存在至少一个第三候选公交路线,则将使用占比最高的第三候选公交路线确定为目标公交路线,所述历史路线包含用户的使用占比。
5.根据权利要求4所述的方法,所述遍历完成之后,还包括:
确定不存在第三候选公交路线,则根据所述第二候选公交路线的第三当前位置和所述第一当前位置确定该第二候选公交路线的位置置信度;
将所述位置置信度最高的第二候选公交路线确定为目标公交路线。
6.一种公交路线识别装置,包括:
采集模块,用于确定用户在公交车上,获取所述用户授权的轨迹数据和第一当前位置,并根据所述第一当前位置获取多个公交路线;
匹配模块,用于将所述轨迹数据与所述多个公交路线进行匹配,将匹配成功的公交路线确定为第一候选公交路线;
计算模块,用于确定所述第一候选公交路线对应的多个车次的第二当前位置;
处理模块,用于根据所述第一当前位置与所有第二当前位置从所有第一候选公交路线中选取出至少一个第二候选公交路线;
所述处理模块,还用于获取所述用户的多个历史路线,并根据所述多个历史路线从所有第二候选公交路线中选取出目标公交路线。
7.根据权利要求6所述的装置,还包括:
通信模块,用于响应于所述用户发送的获取公交路线请求,确定所述用户在公交车上;或,
所述采集模块,还用于获取所述用户的第一出行数据,所述第一出行数据包括所述用户的轨迹数据、蓝牙数据、运动数据、历史出行方式数据和公交路线检索数据中的至少一种,所述运动数据包含陀螺仪数据和加速仪数据;
识别模块,用于利用出行方式识别模型对所述第一出行数据进行特征提取,得到所述用户的特征数据;
所述识别模块,还用于将所述用户的特征数据输入激活函数,得到所述用户在公交车上的概率;
所述处理模块,还用于所述概率满足阈值,则确定所述用户在公交车上。
8.根据权利要求6所述的装置,包括:
所述处理模块,还用于将所述第一候选公交路线中与所述第一当前位置距离最近的第二当前位置确定为该第一候选公交路线的第三当前位置;
所述计算模块,还用于计算所述第一当前位置和每个第一候选公交路线的第三当前位置的距离;
所述处理模块,还用于确定所述第三当前位置对应的所述距离小于预设距离,将该第三当前位置对应的第一候选公交路线确定为第二候选公交路线。
9.根据权利要求8所述的装置,包括:
所述计算模块,还用于对所述多个历史路线进行遍历;
所述计算模块,还用于确定至少一个第二候选公交路线中存在当前历史路线,则将所述当前历史路线确定为第三候选公交路线;
所述处理模块,还用于直到遍历完成,确定存在至少一个第三候选公交路线,则将使用占比最高的第三候选公交路线确定为目标公交路线,所述历史路线包含用户的使用占比。
10.根据权利要求9所述的装置,包括:
所述计算模块,还用于确定不存在第三候选公交路线,则根据所述第二候选公交路线的第三当前位置和所述第一当前位置确定该第二候选公交路线的位置置信度;
所述处理模块,还用于将所述位置置信度最高的第二候选公交路线确定为目标公交路线。
11.一种电子设备,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权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953212.6A CN117668377A (zh) | 2022-08-09 | 2022-08-09 | 公交路线识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953212.6A CN117668377A (zh) | 2022-08-09 | 2022-08-09 | 公交路线识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117668377A true CN117668377A (zh) | 2024-03-08 |
Family
ID=90073608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210953212.6A Pending CN117668377A (zh) | 2022-08-09 | 2022-08-09 | 公交路线识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668377A (zh) |
-
2022
- 2022-08-09 CN CN202210953212.6A patent/CN117668377A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114581180A (zh) | 一种充电站推荐方法、充电桩状态的确定方法及装置 | |
CN112509585A (zh) | 车载设备的语音处理方法、装置、设备及存储介质 | |
EP4012344A2 (en) | Method and apparatus for generating route information, device, medium and product | |
US20220164723A1 (en) | Method for determining boarding information, electronic device, and storage medium | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 | |
CN113344277B (zh) | 预测模型训练方法、状态更新方法、装置、设备和介质 | |
CN112926630B (zh) | 路线规划方法、装置、电子设备以及计算机可读介质 | |
CN113837455B (zh) | 打车方法、装置、电子设备和可读存储介质 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN117668377A (zh) | 公交路线识别方法、装置、电子设备及存储介质 | |
CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN113139139A (zh) | 用于确定上车点的方法、装置、电子设备和介质 | |
CN113032681A (zh) | 用于地图搜索的方法、装置、电子设备和介质 | |
CN114999204B (zh) | 导航信息处理方法、装置、设备及存储介质 | |
CN114822066B (zh) | 车辆定位方法、装置、电子设备和存储介质 | |
CN113312562B (zh) | 路线规划方法、装置、电子设备、存储介质及程序产品 | |
CN113553515B (zh) | 导航阶段的确定方法、装置、电子设备及存储介质 | |
CN117615363B (zh) | 基于信令数据分析目标车辆内人员的方法、装置、设备 | |
CN114863285B (zh) | 识别目标道路的方法、装置、设备以及存储介质 | |
CN110542428B (zh) | 驾驶路线质量评估方法及装置 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
CN116774705A (zh) | 自动驾驶车辆的速度规划方法、装置、设备及介质 | |
CN114659534A (zh) | 导航路径通行时间处理方法、装置、设备、介质及产品 | |
CN117291617A (zh) | 一种自动建立客服反馈工单的方法及智能研判系统 | |
CN114781714A (zh) | 路线推送、模型训练方法、装置、电子设备和存储介质 |
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 |