CN118094022A - 一种目的地推荐方法、装置、设备及存储介质 - Google Patents
一种目的地推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118094022A CN118094022A CN202311369730.4A CN202311369730A CN118094022A CN 118094022 A CN118094022 A CN 118094022A CN 202311369730 A CN202311369730 A CN 202311369730A CN 118094022 A CN118094022 A CN 118094022A
- Authority
- CN
- China
- Prior art keywords
- travel
- destination
- candidate destination
- determining
- parties
- 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 55
- 238000012216 screening Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function 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
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种目的地推荐方法、装置、设备及存储介质,涉及计算机技术领域和互联网技术领域。具体实现方案为:根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合;根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述至少两个出行方到所述候选目的地的出行成本;根据所述出行成本,从所述候选目的地集合中确定目标目的地。通过上述技术方案,能够为多出行方推荐准确且合适的目的地。
Description
技术领域
本公开涉及计算机技术领域和互联网技术领域,具体涉及一种目的地推荐方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展,人们社交场所的选择越来越多,尤其是在多人进行社交活动时,往往需要选择一个合适的社交地点,使得每个人到达该社交地点的时间均差不多。相关技术中只能通过人为借助地图工具进行社交地点的选择后进行用时计算,而后再选择出一个合适的社交地点。这种方式仅能选择出对于每个人来说用时相对合适的社交地点,并不能精确地为人们推荐出行用时最优的社交地点。因此,亟需一种精确且有效的社交目的地推荐方法。
发明内容
本公开提供了一种目的地推荐方法、装置、设备及存储介质。
根据本公开的一方面,提供了一种目的地推荐方法,该方法包括:
根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合;
根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述至少两个出行方到所述候选目的地的出行成本;
根据所述出行成本,从所述候选目的地集合中确定目标目的地。
根据本公开的另一方面,提供了一种目的地推荐装置,该装置包括:
候选目的地集合确定模块,用于根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合;
出行成本确定模块,用于根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述至少两个出行方到所述候选目的地的出行成本;
目标目的地确定模块,用于根据所述出行成本,从所述候选目的地集合中确定目标目的地。
根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
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公开任一实施例所述目的地推荐方法。
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计算机执行本公开任一实施例所述的目的地推荐方法。
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本公开任一实施例所述的目的地推荐方法。
根据本公开的技术,能够提高目的地推荐的准确性。
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一种目的地推荐方法的流程图;
图2是根据本公开实施例提供的另一种目的地推荐方法的流程图;
图3是根据本公开实施例提供的又一种目的地推荐方法的流程图;
图4是根据本公开实施例提供的一种目的地推荐装置的结构示意图;
图5是用来实现本公开实施例的目的地推荐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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“候选”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
此外,还需要说明的是,本发明的技术方案中,所涉及的出行方的出发地、出发时刻以及地图数据等的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图1是根据本公开实施例提供的一种目的地推荐方法的流程图。该方法适用于如何为多人推荐合适的社交目的地的情况,尤其适用于在多种出行约束前提下如何为多人推荐合适的社交目的地的情况。该方法可以由目的地推荐装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于承载目的地推荐功能的电子设备中,例如移动终端。如图1所示,本实施例的目的地推荐方法可以包括:
S101,根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合。
本实施例中,出行方是指具有社交出行需求的一方。所谓出发地可以是出行方的所在位置;也可以是出行方在进行社交活动时去往社交目的地的起始地。所谓候选目的地集合是指多个出行方可选的社交目的地的集合;可选的,可以包括至少一个社交目的地,比如xx1火锅、xx2火锅等。
一种可选方式,可以基于至少两个出行方的出发地和偏好设置,从地图数据中筛选出与至少两个出行方差不多距离的一个或多个社交地点,作为候选目的地集合。
S102,根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本。
本实施例中,出行成本是指至少两个出行方到候选目的地所产生的成本,例如可以是时间成本。
一种可选方式,对于候选目的地集合中的每一候选目的地,确定每一出行方的出发地与该候选目的地之间的距离,之后根据该距离和该出行方的出发时刻,结合出行方所选择的出行方式,确定每一出行方到达该候选目的地所需的时间,进而根据至少两个出行方到达该候选目的地所需的时间,确定至少两个出行方到达该候选目的地的出行成本,例如,将至少两个出行方到达该候选目的地所需的时间相加,得到至少两个出行方到达该候选目的地的出行成本。
S103,根据出行成本,从候选目的地集合中确定目标目的地。
本实施例中,目标目的地是指最终所确定的目的地,即最终至少两个出行方的社交地点。
具体的,可以根据至少两个出行方到各候选目的地的出行成本,工候选目的地集合中确定目标目的地,例如可以选择出行成本最小的候选目的地,作为目标目的地。
本公开实施例提供的技术方案,根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合,之后根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本,进而根据出行成本,从候选目的地集合中确定目标目的地。上述技术方案,首先基于地图数据和出行方的出发点以及偏好配置,筛选出候选目的地集合,可以确定一个合理的目的地筛选范围,通过根据多个出行方到候选目的地的出行成本,从候选目的地集合中选择最终的目的地,可以为多个出行方推荐合适的目的地,使得所推荐的目的地更加准确,更加符合出行方的出行需求。
图2是根据本公开实施例提供的另一种目的地推荐方法的流程图。本实施例在上述实施例的基础上,对“根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合”进一步优化,提供一种可选实施方案。如图2所示,本实施例的目的地推荐方法可以包括:
S201,根据地图数据和至少两个出行方的出发地,确定目的地筛选范围。
本实施例中,目的地筛选范围是指初始进行目的地筛选的范围,包含多个社交地点。
一种可选方式,在地图数据中标出每一出行方的出发地,将包含各出行发的出发地的区域,作为目的地筛选范围。
S202,根据至少两个出行方的偏好配置,从目的地筛选范围中确定候选目的地集合。
具体的,获取每一出行方的偏好配置,例如xx商场、xx火锅等,之后从目的地筛选范围筛选符合各出行方偏好配置的社交地点,作为候选目的地集合。
S203,根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本。
S204,根据出行成本,从候选目的地集合中确定目标目的地。
本公开实施例提供的技术方案,通过根据地图数据和至少两个出行方的出发地,确定目的地筛选范围,之后根据至少两个出行方的偏好配置,从目的地筛选范围中确定候选目的地集合,进而根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本,并根据出行成本,从候选目的地集合中确定目标目的地。上述技术方案,首先先基于出行方的出发地在地图数据中筛选目的地筛选范围,而后从目的地筛选范围中基于出行方的偏好配置确定候选目的地集合,能够快速且合理的确定候选目的地集合。
在上述实施例的基础上,提供一种可选方式,根据地图数据和至少两个出行方的出发地,确定目的地筛选范围,包括:对地图数据进行投影,得到地图平面;对地图平面进行网格化,得到地图平面网格;根据至少两个出行方的出发地,将出行方映射到地图平面网格,得到至少两个出行方的网格位置;根据网格位置,确定目的地筛选范围。
其中,地图平面是指对地图数据进行二维平面投影后所得到的二维地图。所谓地图平面网格是指对地图平面进行网格编码后的平面网格,即X*Y的格子,每个格子都可以独立编码为(x,y),其中,x表示行号,y表示列号;需要说明的是,行号从上到下依次增大,列号从左往后依次增大。所谓网格位置是指出行方得到地图位置对应的地图平面网格中的位置,即所在哪一行哪一列。
具体的,可以通过莫卡托投影方式将地图数据投影至二维平面,得到地图平面,之后对地图平面进行网格化处理,得到地图平面网格,进而将每个出行方的出发地映射到地图平面网格,得到每一出行方的网格位置。最后根据每一出行方的网格位置,确定包围所有出行方的最大外接矩形,其中,该最大外接矩形的左下顶点编码为(max(x),min(y)),右上顶点编码为(min(x),max(y))。将最大外接矩形对应的地图区域,作为目的地筛选范围。
可以理解的是,通过将地图数据进行二维平面转换并网格化处理,并将出行方的出发地通过地图平面网格进行编码,在二维数据层面进行目的地范围确定,相比于三维的地图数据可以减少计算量,能够快速且准确地确定目的地筛选范围。
图3是根据本公开实施例提供的又一种目的地推荐方法的流程图。本实施例在上述实施例的基础上,对“根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本”进一步优化,提供一种可选实施方案。如图3所示,本实施例的目的地推荐方法可以包括:
S301,根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合。
S302,根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定出行方到候选目的地所需的出行时间。
本实施例中,出行时间是指出行方从出发地到目的地采用最优出行方式所需的时间,也即在从出发地到目的地的所有出行方式中所需的时间最少的出行方式对应的时间。
一种可选方式,对于候选目的地集合中每一候选目的地,可以根据出行方的出发地和出发时刻,确定历史出发时刻和历史出发地,之后根据历史出发时刻和历史出发地,以及该候选目的地,确定在历史出发时刻从历史出发地到该候选目的地所需的历史出行时间,根据历史出行时间,确定出行方到候选目的地所需的出行时间。例如,可以将历史出行时间作为出行方发到候选目的地所需的出行时间。
S303,根据至少两个出行方到候选目的地所需的出行时间,确定至少两个出行方到候选目的地的出行成本。
一种可选方式,可以将至少两个出行方到候选目的地所需的出行时间相加,将相加后的结果作为至少两个出行方到候选目的地的出行成本。
S304,根据出行成本,从候选目的地集合中确定目标目的地。
本公开实施例提供的技术方案,通过根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合,之后根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定出行方到候选目的地所需的出行时间,并根据至少两个出行方到候选目的地所需的出行时间,确定至少两个出行方到候选目的地的出行成本,进而根据出行成本,从候选目的地集合中确定目标目的地。上述技术方案,通过确定出行时间来确定出行成本,从而基于出行成本来确定目标目的地,能够合理且准确地为多出行方推荐的目的地。
在上述实施例的基础上,作为本公开的一种可选方式,根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定出行方到候选目的地所需的出行时间,包括:结合未来路况和出行方式,根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定出行方到候选目的地所需的出行时间。
具体的,对于每一候选目的地,可以根据出行发的出发地和出发时刻,以及该候选目的地,结合未来路况和出行方式,估算得到出行方发到该候选目的地所需的出行时间。
可以理解的是,结合未来路况和出行方式来确定出行方到候选目的地所需的出行时间,能够准确地确定出行时间。
在上述实施例的基础上,作为本公开的一种可选方式,根据至少两个出行方到候选目的地所需的出行时间,确定至少两个出行方到候选目的地的出行成本,包括:根据至少两个出行方到候选目的地所需的出行时间,确定至少两个出行方到候选目的地的平均出行时间和出行时间方差;根据平均出行时间和出行时间方差,确定至少两个出行方到候选目的地的出行成本。
其中,平均出行时间是指至少两个出行方的出行时间的平均值。出行时间方差是指每个出行方的出行时间减去平均出行时间后平方后再求和得到的结果,用于表征至少两个出行方的出行时间距离平均出行时间的波动情况。
具体的,对于每一候选目的地,可以将至少两个出行方到该候选目的地所需的出行时间相加后再除以出行方的数量,得到至少两个出行方到该候选目的地的平均出行时间,之后每个出行方的出行时间减去平均出行时间后再平方,将平方后的结果相加,得到至少两个出行方到该候选目的地的出行时间方差,进而,将平均出行时间和出行时间方差相加,得到至少两个出行方到该候选目的地的出行成本。
可以理解的是,采用平均出行时间和出行时间方差来确定出行成本,可以保证至少两个出行方到达候选目的地的出行时间波动均不太大,每一出行方的出行时间均比较低,从而更准确的确定出行成本。
进一步的,根据平均出行时间和出行时间方差,确定至少两个出行方到候选目的地的出行成本,包括:根据平均出行时间、出行时间方差和时间权重,确定至少两个出行方到候选目的地的出行成本。
其中,时间权重可以包括第一权重和第二权重;可选的,可以由本领域技术人员根据实际情况设定;或者,更进一步的,为提高出行成本确定的合理性,时间权重还可以基于深度学习模型学习得到。
具体的,对于每一候选目的地,将平均出行时间和第一权重相乘,将出行时间方差与第二权重相乘,将两个相乘的结果相加,得到至少两个出行方到该候选目的地的出行成本。
可以理解的是,进一步为平均出行时间和出行时间方差赋予对应的时间权重来确定出行成本,能够更准确确定出行成本。
在上述实施例的基础上,根据出行方到候选目的地所需的出行时间,对候选目的地集合进行更新。
具体的,为了保证所选目的地对于每一出行方距离时间均相对合适,对于某一出行方的出行时间不能太高,因此,设定时间阈值,根据出行方到候选目的地所需的出行时间,对候选目的地集合进行更新,例如,对于每一候选目的地,若至少两个出行方中存在到该候选目的地所需的出行时间大于时间阈值的出行方,则将该候选目的地从候选目的地集合中剔除。
可以理解的是,通过出行方到候选目的地所需的出行时间对候选目的地集合进行更新,剔除距离某个出行方很远或者出行时间过高的候选目的地,从而使得最终推荐的目的地更加合适。
图4是根据本公开实施例提供的一种目的地推荐装置的结构示意图。该方法适用于如何为多人推荐合适的社交目的地的情况,尤其适用于在多种出行约束前提下如何为多人推荐合适的社交目的地的情况。该方法可以由目的地推荐装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于承载目的地推荐功能的电子设备中,例如移动终端。如图4所示,该目的地推荐装置400包括:
候选目的地集合确定模块401,用于根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合;
出行成本确定模块402,用于根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本;
目标目的地确定模块403,用于根据出行成本,从候选目的地集合中确定目标目的地。
本公开实施例提供的技术方案,根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合,之后根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定至少两个出行方到候选目的地的出行成本,进而根据出行成本,从候选目的地集合中确定目标目的地。上述技术方案,首先基于地图数据和出行方的出发点以及偏好配置,筛选出候选目的地集合,可以确定一个合理的目的地筛选范围,通过根据多个出行方到候选目的地的出行成本,从候选目的地集合中选择最终的目的地,可以为多个出行方推荐合适的目的地,使得所推荐的目的地更加准确,更加符合出行方的出行需求。
进一步地,候选目的地集合确定模块401,包括:
目的地筛选范围确定单元,用于根据地图数据和至少两个出行方的出发地,确定目的地筛选范围;
候选目的地集合确定单元,用于根据至少两个出行方的偏好配置,从目的地筛选范围中确定候选目的地集合。
进一步地,目的地筛选范围确定单元,具体用于:
对地图数据进行投影,得到地图平面;
对地图平面进行网格化,得到地图平面网格;
根据至少两个出行方的出发地,将出行方映射到地图平面网格,得到至少两个出行方的网格位置;
根据网格位置,确定目的地筛选范围。
进一步地,出行成本确定模块402,包括:
出行时间确定单元,用于根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定出行方到候选目的地所需的出行时间;
出行成本确定单元,用于根据至少两个出行方到候选目的地所需的出行时间,确定至少两个出行方到候选目的地的出行成本。
进一步地,出行时间确定单元,具体用于:
结合未来路况和出行方式,根据出行方的出发地和出发时刻、以及候选目的地集合中候选目的地,确定出行方到候选目的地所需的出行时间。
进一步地,出行成本确定单元,包括:
时间特征确定子单元,用于根据至少两个出行方到候选目的地所需的出行时间,确定至少两个出行方到候选目的地的平均出行时间和出行时间方差;
出行成本确定子单元,用于根据平均出行时间和出行时间方差,确定至少两个出行方到候选目的地的出行成本。
进一步地,出行成本确定模块402还包括:
候选目的地集合更新单元,用于根据出行方到候选目的地所需的出行时间,对候选目的地集合进行更新。
进一步地,出行成本确定子单元,具体用于:
根据平均出行时间、出行时间方差和时间权重,确定至少两个出行方到候选目的地的出行成本。
进一步地,时间权重基于深度学习模型学习得到。
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5是用来实现本公开实施例的目的地推荐方法的电子设备的框图,图5示出了可以用来实施本公开的实施例的示例电子设备500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5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500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501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501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501执行上文所描述的各个方法和处理,例如目的地推荐方法。例如,在一些实施例中,目的地推荐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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的目的地推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行目的地推荐方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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 (21)
1.一种目的地推荐方法,包括:
根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合;
根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述至少两个出行方到所述候选目的地的出行成本;
根据所述出行成本,从所述候选目的地集合中确定目标目的地。
2.根据权利要求1所述的方法,其中,所述根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合,包括:
根据地图数据和至少两个出行方的出发地,确定目的地筛选范围;
根据至少两个出行方的偏好配置,从所述目的地筛选范围中确定候选目的地集合。
3.根据权利要求2所述的方法,其中,所述根据地图数据和至少两个出行方的出发地,确定目的地筛选范围,包括:
对所述地图数据进行投影,得到地图平面;
对所述地图平面进行网格化,得到地图平面网格;
根据所述至少两个出行方的出发地,将所述出行方映射到所述地图平面网格,得到至少两个出行方的网格位置;
根据所述网格位置,确定目的地筛选范围。
4.根据权利要求1所述的方法,其中,所述根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述至少两个出行方到所述候选目的地的出行成本,包括:
根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述出行方到所述候选目的地所需的出行时间;
根据至少两个出行方到所述候选目的地所需的出行时间,确定所述至少两个出行方到所述候选目的地的出行成本。
5.根据权利要求4所述的方法,其中,所述根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述出行方到所述候选目的地所需的出行时间,包括:
结合未来路况和出行方式,根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述出行方到所述候选目的地所需的出行时间。
6.根据权利要求4所述的方法,其中,所述根据至少两个出行方到所述候选目的地所需的出行时间,确定所述至少两个出行方到所述候选目的地的出行成本,包括:
根据至少两个出行方到所述候选目的地所需的出行时间,确定至少两个出行方到所述候选目的地的平均出行时间和出行时间方差;
根据所述平均出行时间和所述出行时间方差,确定所述至少两个出行方到所述候选目的地的出行成本。
7.根据权利要求4所述的方法,其中,还包括:
根据所述出行方到所述候选目的地所需的出行时间,对所述候选目的地集合进行更新。
8.根据权利要求6所述的方法,其中,所述根据所述平均出行时间和所述出行时间方差,确定所述至少两个出行方到所述候选目的地的出行成本,包括:
根据所述平均出行时间、所述出行时间方差和时间权重,确定所述至少两个出行方到所述候选目的地的出行成本。
9.根据权利要求8所述的方法,其中,所述时间权重基于深度学习模型学习得到。
10.一种目的地推荐装置,包括:
候选目的地集合确定模块,用于根据地图数据、至少两个出行方的出发地和偏好配置,确定候选目的地集合;
出行成本确定模块,用于根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述至少两个出行方到所述候选目的地的出行成本;
目标目的地确定模块,用于根据所述出行成本,从所述候选目的地集合中确定目标目的地。
11.根据权利要求10所述的装置,其中,所述候选目的地集合确定模块,包括:
目的地筛选范围确定单元,用于根据地图数据和至少两个出行方的出发地,确定目的地筛选范围;
候选目的地集合确定单元,用于根据至少两个出行方的偏好配置,从所述目的地筛选范围中确定候选目的地集合。
12.根据权利要求11所述的装置,其中,所述目的地筛选范围确定单元,具体用于:
对所述地图数据进行投影,得到地图平面;
对所述地图平面进行网格化,得到地图平面网格;
根据所述至少两个出行方的出发地,将所述出行方映射到所述地图平面网格,得到至少两个出行方的网格位置;
根据所述网格位置,确定目的地筛选范围。
13.根据权利要求10所述的装置,其中,所述出行成本确定模块,包括:
出行时间确定单元,用于根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述出行方到所述候选目的地所需的出行时间;
出行成本确定单元,用于根据至少两个出行方到所述候选目的地所需的出行时间,确定所述至少两个出行方到所述候选目的地的出行成本。
14.根据权利要求13所述的装置,其中,所述出行时间确定单元,具体用于:
结合未来路况和出行方式,根据所述出行方的出发地和出发时刻、以及所述候选目的地集合中候选目的地,确定所述出行方到所述候选目的地所需的出行时间。
15.根据权利要求13所述的装置,其中,所述出行成本确定单元,包括:
时间特征确定子单元,用于根据至少两个出行方到所述候选目的地所需的出行时间,确定至少两个出行方到所述候选目的地的平均出行时间和出行时间方差;
出行成本确定子单元,用于根据所述平均出行时间和所述出行时间方差,确定所述至少两个出行方到所述候选目的地的出行成本。
16.根据权利要求13所述的装置,其中,还包括:
候选目的地集合更新单元,用于根据所述出行方到所述候选目的地所需的出行时间,对所述候选目的地集合进行更新。
17.根据权利要求15所述的装置,其中,所述出行成本确定子单元,具体用于:
根据所述平均出行时间、所述出行时间方差和时间权重,确定所述至少两个出行方到所述候选目的地的出行成本。
18.根据权利要求17所述的装置,其中,所述时间权重基于深度学习模型学习得到。
19.一种电子设备,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1-9中任一项所述的目的地推荐方法。
20.一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计算机执行根据权利要求1-9中任一项所述的目的地推荐方法。
21.一种计算机程序产品,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1-9中任一项所述的目的地推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311369730.4A CN118094022A (zh) | 2023-10-20 | 2023-10-20 | 一种目的地推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311369730.4A CN118094022A (zh) | 2023-10-20 | 2023-10-20 | 一种目的地推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118094022A true CN118094022A (zh) | 2024-05-28 |
Family
ID=91162391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311369730.4A Pending CN118094022A (zh) | 2023-10-20 | 2023-10-20 | 一种目的地推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118094022A (zh) |
-
2023
- 2023-10-20 CN CN202311369730.4A patent/CN118094022A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114596553B (zh) | 模型训练方法、轨迹预测方法、装置及自动驾驶车辆 | |
CN114792359B (zh) | 渲染网络训练和虚拟对象渲染方法、装置、设备及介质 | |
CN113033346B (zh) | 文本检测方法、装置和电子设备 | |
CN112632380A (zh) | 兴趣点推荐模型的训练方法和推荐兴趣点的方法 | |
JP2023076820A (ja) | 画像処理方法、装置、電子機器、及び記憶媒体 | |
CN114065864A (zh) | 联邦学习方法、联邦学习装置、电子设备以及存储介质 | |
CN112100302A (zh) | 地图信息点的显示方法、装置、设备和可读存储介质 | |
CN115797565A (zh) | 三维重建模型训练方法、三维重建方法、装置及电子设备 | |
CN112632251B (zh) | 回复内容的生成方法、装置、设备和存储介质 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN113723607A (zh) | 时空数据处理模型的训练方法、装置、设备及存储介质 | |
CN113037489A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN115691206B (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN118094022A (zh) | 一种目的地推荐方法、装置、设备及存储介质 | |
CN115470798A (zh) | 意图识别模型的训练方法、意图识别方法、装置及设备 | |
CN115423919A (zh) | 图像的渲染方法、装置、设备以及存储介质 | |
CN116152702A (zh) | 点云标签的获取方法、装置、电子设备和自动驾驶车辆 | |
CN111695679B (zh) | 出入量的预测方法、装置、电子设备及存储介质 | |
CN115687587A (zh) | 一种基于位置信息的物联设备与空间对象关联匹配方法、装置、设备及介质 | |
CN114581586A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN114459494B (zh) | 可达区域的获取方法、装置、电子设备以及存储介质 | |
CN113572679B (zh) | 账户亲密度的生成方法、装置、电子设备和存储介质 | |
EP4036861A2 (en) | Method and apparatus for processing point cloud data, electronic device, storage medium, computer program product | |
CN115294536B (zh) | 基于人工智能的违章检测方法、装置、设备及存储介质 | |
CN112861024B (zh) | 确定路网矩阵的方法、装置、电子设备及存储介质 |
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 |