CN108645422A - 一种车辆用户行为特征的分析方法、***及装置 - Google Patents
一种车辆用户行为特征的分析方法、***及装置 Download PDFInfo
- Publication number
- CN108645422A CN108645422A CN201810635656.9A CN201810635656A CN108645422A CN 108645422 A CN108645422 A CN 108645422A CN 201810635656 A CN201810635656 A CN 201810635656A CN 108645422 A CN108645422 A CN 108645422A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- behavioural characteristic
- vehicle user
- user
- running information
- 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
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
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种车辆用户行为特征的分析方法、***及装置,包括:采集车辆的行车信息;根据行车信息,得到车辆的行车路线;将行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为车辆用户推荐与行为特征相符合的行程消息。本申请首先采集车辆的行车信息,并根据行车信息获取车辆的行车路线,然后将行车路线输入至基于深度学习的行为特征模型(已训练好)中,从而得到车辆用户的行为特征的概率描述(描述的是最大概率的行为特征),进而为车辆用户推荐与行为特征相符合的行程消息。可见,本申请可以主动根据车辆用户的行为特征推荐较合理的行程,方便了用户的出行,用户的体验效果较好。
Description
技术领域
本发明涉及深度学习领域,特别是涉及一种车辆用户行为特征的分析方法、***及装置。
背景技术
目前,车辆按照其使用功能分类,可分为私家车、出租车及公共汽车等多种类别。使用功能不同的车辆,其车辆用户的行为特征大都不同,比如私家车用户周一至周五有固定的上下班路线、出租车用户每天的出发点和终点重合但出行路线不固定,而公共汽车用户每天的出行路线固定。但是,现有技术中的终端***只能被动接收用户的指令,以完成相应的行程规划,其无法根据车辆用户的行为特征推荐较合理的行程,导致用户的出行不够便捷,用户的体验效果较差。
因此,如何提供一种解决上述技术问题的方案是本领域的技术人员目前需要解决的问题。
发明内容
本发明的目的是提供一种车辆用户行为特征的分析方法、***及装置,可以主动根据车辆用户的行为特征推荐较合理的行程,方便了用户的出行,用户的体验效果较好。
为解决上述技术问题,本发明提供了一种车辆用户行为特征的分析方法,包括:
采集车辆的行车信息;
根据所述行车信息,得到所述车辆的行车路线;
将所述行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为所述车辆用户推荐与所述行为特征相符合的行程消息。
优选地,所述行车信息包括车牌号、车辆位置及行车时间。
优选地,所述根据所述行车信息,得到所述车辆的行车路线的过程具体为:
根据所述行车信息确定所述车辆的出发点、出发时间、终点、结束时间、途经位置、途中停留位置及停留时间,以得到所述车辆的行车路线。
优选地,该分析方法还包括:
以所述车辆的车牌号为索引项,记录所述车辆的行车信息、行车路线及所述车辆用户的行为特征的概率描述;
当采集到新的行车信息时,判断已有的索引项中是否存在新的所述行车信息中包含的车牌号;
若存在,则在该车牌号已有的记录信息中添加新的记录信息;若不存在,则为该车牌号新建索引。
优选地,该分析方法还包括:
将同意授权车辆的记录信息的车辆用户加入白名单,以便于官方机构获取位于所述白名单中的车辆用户对应的车辆记录信息。
优选地,该分析方法还包括:
接收所述车辆用户对于推荐的行程消息的评价;
根据所述评价获取所述车辆用户的个人喜好,以后期为所述车辆用户推荐与其行为特征及个人喜好相符合的行程消息。
为解决上述技术问题,本发明还提供了一种车辆用户行为特征的分析***,包括:
信息采集单元,用于采集车辆的行车信息;
路线获取单元,用于根据所述行车信息,得到所述车辆的行车路线;
行为描述单元,用于将所述行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为所述车辆用户推荐与所述行为特征相符合的行程消息。
优选地,所述行车信息包括车牌号、车辆位置及行车时间。
优选地,该分析***还包括:
行程评价单元,用于接收所述车辆用户对于推荐的行程消息的评价;
喜好获取单元,用于根据所述评价获取所述车辆用户的个人喜好,以后期为所述车辆用户推荐与其行为特征及个人喜好相符合的行程消息。
为解决上述技术问题,本发明还提供了一种车辆用户行为特征的分析装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一种车辆用户行为特征的分析方法的步骤。
本发明提供了一种车辆用户行为特征的分析方法,包括:采集车辆的行车信息;根据行车信息,得到车辆的行车路线;将行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为车辆用户推荐与行为特征相符合的行程消息。
本申请首先采集车辆的行车信息,并根据行车信息获取车辆的行车路线,然后将行车路线输入至基于深度学习的行为特征模型(已训练好)中,从而得到车辆用户的行为特征的概率描述(描述的是最大概率的行为特征),进而为车辆用户推荐与行为特征相符合的行程消息。可见,本申请可以主动根据车辆用户的行为特征推荐较合理的行程,方便了用户的出行,用户的体验效果较好。
本发明还提供了一种车辆用户行为特征的分析***及装置,与上述分析方法具有相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种车辆用户行为特征的分析方法的流程图;
图2为本发明提供的一种车辆用户行为特征的分析***的结构示意图。
具体实施方式
本发明的核心是提供一种车辆用户行为特征的分析方法、***及装置,可以主动根据车辆用户的行为特征推荐较合理的行程,方便了用户的出行,用户的体验效果较好。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,图1为本发明提供的一种车辆用户行为特征的分析方法的流程图。
该分析方法可应用于终端的计算机应用程序,包括:
步骤S1:采集车辆的行车信息;
需要说明的是,本申请是在用户已同意的前提下,采集用户车辆的行车信息。
具体地,本申请采集车辆的行车信息,以获取车辆的行车路线。比如采集车辆的车牌号:首先获取道路监控***中含有车辆的车牌号的视频或图像,然后相应通过视频定位技术或图像识别技术提取车辆的车牌号;或者,首先获取车辆的车牌号注册过的导航服务***中含有车牌号的文本信息,然后通过文本识别技术识别文本信息中的车牌号。
又比如采集车辆的车辆位置:道路监控***中采集到车辆的视频或图像的摄像头的安装位置,作为车辆的车辆位置;或者,车辆的车牌号注册过的导航服务***对于车辆的实时定位,作为车辆的车辆位置。又比如采集车辆的行车时间:采集到车辆的视频或图像的道路监控***,或车辆的车牌号注册过的导航服务***提供的时间戳,作为车辆的行车时间。因此,以上行车信息结合可知,车辆在具体时间的位置信息。
步骤S2:根据行车信息,得到车辆的行车路线;
具体地,根据采集的车辆的行车信息,获取车辆的行车路线。当车辆的使用功能不同时,对应的行车路线所完成的功能一般也不相同。比如,当车辆为私家车时,早晨7:30-8:30左右的时间,车辆从地点A1行驶至地点A2,下午5:30-6:00左右的时间,车辆从地点A2行驶至地点A1,则地点A1与地点A2之间的行车路线一般为车辆用户的上下班路线;当车辆为公共汽车时,车辆从地点B1开始出发,依次经过地点B2、B3等位置,途经的地点不重复且每个地点的停留时间较短(3min左右),则这段行车路线一般为固定的公交路线。
步骤S3:将行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为车辆用户推荐与行为特征相符合的行程消息。
具体地,已知车辆的使用功能不同,其对应的行车路线所完成的功能一般也不相同,所以,本申请可以通过车辆的行车路线,反推测出车辆的使用功能,比如一辆车早晨7:30-8:30左右的时间,从地点A1行驶至地点A2,下午5:30-6:00左右的时间,从地点A2行驶至地点A1,推测出地点A1与地点A2之间的行车路线为车辆用户的上下班路线,进而推测出该辆车为私家车。
基于此,本申请提前训练好基于深度学习的行为特征模型:首先建立根据用户车辆的行车路线可以推测出用户行为特征(比如,私家车用户的公司地址、家庭地址、上下班路线及个人生活爱好等;出租车用户的家庭住址、主要工作区域及个人生活爱好等;公共汽车用户上班时的起发站、终点站及公交路线等)的行为特征模型,然后将搜集的大量有关各种车辆用户的行车路线的数据输入至行为特征模型,以对行为特征模型进行训练。
在行为特征模型训练好的基础上,本申请将获取的车辆的行车路线输入至行为特征模型中,从而得到行为特征模型的输出:车辆用户的行为特征的概率描述(描述的是最大概率的行为特征),比如私家车用户周一至周五固定的上下班路线、周末固定的培训班路线、节假日的个人消费路线(体现其个人生活爱好)等;出租车用户的出车路线(体现其家庭住址及主要工作区域)、个人消费路线等;公共汽车用户上班时的公交路线等。
可见,由车辆用户的行为特征的概率描述可知,车辆的使用功能及车辆所属用户的行为特征,本申请便可以为车辆用户推荐与其行为特征相符合的行程消息。比如,为私家车用户推荐更优的上班路线(路程更短和/或交通更顺畅);已知私家车用户在周末下午三点,喜欢在一家与家庭住址距离较近的咖啡厅喝咖啡,则为其推荐附近评价更好的一家咖啡厅;已知私家车用户在节假日喜欢去山水景区游玩,则为其推荐节假日的山水游玩场所;为出租车用户推荐在其主要工作区域内的餐饮区及休息娱乐区等休闲场所;为公共汽车用户推荐公共汽车的终点站附近的各种休闲场所。
可以理解的是,本申请在获取与车辆用户的行为特征相符合的行程消息后,应在车辆用户下次执行自身的行程规划之前,为车辆用户(已订购该项行程推荐服务)推荐与其行为特征相符合的行程消息,供用户参考。可见,本申请可以主动根据车辆用户的行为特征推荐较合理的行程,方便了用户的出行,用户的体验效果较好。
本发明提供了一种车辆用户行为特征的分析方法,包括:采集车辆的行车信息;根据行车信息,得到车辆的行车路线;将行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为车辆用户推荐与行为特征相符合的行程消息。
本申请首先采集车辆的行车信息,并根据行车信息获取车辆的行车路线,然后将行车路线输入至基于深度学习的行为特征模型(已训练好)中,从而得到车辆用户的行为特征的概率描述(描述的是最大概率的行为特征),进而为车辆用户推荐与行为特征相符合的行程消息。可见,本申请可以主动根据车辆用户的行为特征推荐较合理的行程,方便了用户的出行,用户的体验效果较好。
在上述实施例的基础上:
作为一种优选地实施例,行车信息包括车牌号、车辆位置及行车时间。
具体地,本申请采集车辆的行车信息可以包括车牌号、车辆位置及行车时间,具体的采集方式请参考上述实施例,本申请在此不再赘述。除此之外,车辆的行车信息还可以包括车辆的行驶路程(以公里为单位)等信息,本申请在此不做特别的限定,根据实际情况而定。
作为一种优选地实施例,根据行车信息,得到车辆的行车路线的过程具体为:
根据行车信息确定车辆的出发点、出发时间、终点、结束时间、途经位置、途中停留位置及停留时间,以得到车辆的行车路线。
具体地,根据车辆的车牌号可以确定车辆及车辆所属用户的身份信息。根据车辆的车辆位置及行车时间,可以确定车辆每天的出发时间及车辆在出发时间所处的位置(出发点),同样可以确定车辆每天的结束时间及车辆在结束时间所处的位置(终点);从出发时间至结束时间,根据车辆的车辆位置还可以确定车辆的途经位置,一般车辆用户驾车出行的目的是去往选定的地点完成行程规划,所以车辆用户会在途经的某些位置停留,即根据车辆的车辆位置及行车时间还可以确定车辆的途中停留位置及停留时间。
综上,本申请将以上信息汇总,作为车辆的行车路线的描述。
作为一种优选地实施例,该分析方法还包括:
以车辆的车牌号为索引项,记录车辆的行车信息、行车路线及车辆用户的行为特征的概率描述;
当采集到新的行车信息时,判断已有的索引项中是否存在新的行车信息中包含的车牌号;
若存在,则在该车牌号已有的记录信息中添加新的记录信息;若不存在,则为该车牌号新建索引。
进一步地,考虑到车辆的车牌号是唯一的,可以代表车辆及车辆所属用户的身份信息,所以本申请以车辆的车牌号为索引项,记录车辆的各种信息(比如车辆的行车信息、行车路线及车辆用户的行为特征的概率描述)。
当采集到新的行车信息(可能是已记录过的车辆产生的新的行车信息,也可能是未记录过的车辆产生的行车信息)时,判断已有的索引项中是否存在新的行车信息中包含的车牌号,若存在,说明采集到的新的行车信息属于已记录过的车辆,则在该车辆已有的记录信息中添加一条记录信息;若不存在,说明采集到的新的行车信息是未记录过的车辆产生的行车信息,则以该车辆的车牌号为索引项,新建一条记录信息。
作为一种优选地实施例,该分析方法还包括:
将同意授权车辆的记录信息的车辆用户加入白名单,以便于官方机构获取位于白名单中的车辆用户对应的车辆记录信息。
进一步地,为了防止车辆用户的信息泄露,本申请将用户所有的隐私信息均经过保密处理,防止数据的直接泄露导致用户个人的隐私泄露。此外,本申请还可以按照用户个人的意愿,将同意授权车辆的记录信息的车辆用户加入白名单,使得官方机构(授权的合法使用方)可以获取位于白名单中的车辆用户对应的车辆记录信息,防止非法获取车辆信息。
此外,本申请还可以在警方机构允许下,在特殊犯罪事件期间,根据车辆的非日常行为快速锁定可疑车辆,为警方机构提供驾车犯罪线索。
作为一种优选地实施例,该分析方法还包括:
接收车辆用户对于推荐的行程消息的评价;
根据评价获取车辆用户的个人喜好,以后期为车辆用户推荐与其行为特征及个人喜好相符合的行程消息。
进一步地,考虑到车辆用户对于***推荐的行程消息可能并不感兴趣,所以本申请还可以在推荐给车辆用户行程消息之后,为车辆用户提供评价反馈区,用来接收车辆用户对于推荐的行程消息的评价,从而确定车辆用户对于***推荐的行程消息是否感兴趣,进而得知车辆用户的个人喜好,实现后期为车辆用户推荐不仅与其行为特征相符合,还与其个人喜好相符合的行程消息,使用户的体验效果更佳。
请参照图2,图2为本发明提供的一种车辆用户行为特征的分析***的结构示意图。
该分析***包括:
信息采集单元1,用于采集车辆的行车信息;
路线获取单元2,用于根据行车信息,得到车辆的行车路线;
行为描述单元3,用于将行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为车辆用户推荐与行为特征相符合的行程消息。
作为一种优选地实施例,行车信息包括车牌号、车辆位置及行车时间。
作为一种优选地实施例,该分析***还包括:
行程评价单元,用于接收车辆用户对于推荐的行程消息的评价;
喜好获取单元,用于根据评价获取车辆用户的个人喜好,以后期为车辆用户推荐与其行为特征及个人喜好相符合的行程消息。
本申请提供的***的介绍请参考上述方法实施例,本申请在此不再赘述。
本发明还提供了一种车辆用户行为特征的分析装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现上述任一种车辆用户行为特征的分析方法的步骤。
本申请提供的装置的介绍请参考上述方法实施例,本申请在此不再赘述。
还需要说明的是,在本说明书中,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆用户行为特征的分析方法,其特征在于,包括:
采集车辆的行车信息;
根据所述行车信息,得到所述车辆的行车路线;
将所述行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为所述车辆用户推荐与所述行为特征相符合的行程消息。
2.如权利要求1所述的车辆用户行为特征的分析方法,其特征在于,所述行车信息包括车牌号、车辆位置及行车时间。
3.如权利要求2所述的车辆用户行为特征的分析方法,其特征在于,所述根据所述行车信息,得到所述车辆的行车路线的过程具体为:
根据所述行车信息确定所述车辆的出发点、出发时间、终点、结束时间、途经位置、途中停留位置及停留时间,以得到所述车辆的行车路线。
4.如权利要求2所述的车辆用户行为特征的分析方法,其特征在于,该分析方法还包括:
以所述车辆的车牌号为索引项,记录所述车辆的行车信息、行车路线及所述车辆用户的行为特征的概率描述;
当采集到新的行车信息时,判断已有的索引项中是否存在新的所述行车信息中包含的车牌号;
若存在,则在该车牌号已有的记录信息中添加新的记录信息;若不存在,则为该车牌号新建索引。
5.如权利要求4所述的车辆用户行为特征的分析方法,其特征在于,该分析方法还包括:
将同意授权车辆的记录信息的车辆用户加入白名单,以便于官方机构获取位于所述白名单中的车辆用户对应的车辆记录信息。
6.如权利要求1-5任一项所述的车辆用户行为特征的分析方法,其特征在于,该分析方法还包括:
接收所述车辆用户对于推荐的行程消息的评价;
根据所述评价获取所述车辆用户的个人喜好,以后期为所述车辆用户推荐与其行为特征及个人喜好相符合的行程消息。
7.一种车辆用户行为特征的分析***,其特征在于,包括:
信息采集单元,用于采集车辆的行车信息;
路线获取单元,用于根据所述行车信息,得到所述车辆的行车路线;
行为描述单元,用于将所述行车路线输入至已训练好的行为特征模型中,得到车辆用户的行为特征的概率描述,以为所述车辆用户推荐与所述行为特征相符合的行程消息。
8.如权利要求7所述的车辆用户行为特征的分析***,其特征在于,所述行车信息包括车牌号、车辆位置及行车时间。
9.如权利要求7-8任一项所述的车辆用户行为特征的分析***,其特征在于,该分析***还包括:
行程评价单元,用于接收所述车辆用户对于推荐的行程消息的评价;
喜好获取单元,用于根据所述评价获取所述车辆用户的个人喜好,以后期为所述车辆用户推荐与其行为特征及个人喜好相符合的行程消息。
10.一种车辆用户行为特征的分析装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1-6任一项所述的车辆用户行为特征的分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810635656.9A CN108645422A (zh) | 2018-06-20 | 2018-06-20 | 一种车辆用户行为特征的分析方法、***及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810635656.9A CN108645422A (zh) | 2018-06-20 | 2018-06-20 | 一种车辆用户行为特征的分析方法、***及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108645422A true CN108645422A (zh) | 2018-10-12 |
Family
ID=63752937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810635656.9A Pending CN108645422A (zh) | 2018-06-20 | 2018-06-20 | 一种车辆用户行为特征的分析方法、***及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108645422A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887292A (zh) * | 2019-04-04 | 2019-06-14 | 上海赢科信息技术有限公司 | 车辆类型的识别方法及*** |
CN112284407A (zh) * | 2020-12-30 | 2021-01-29 | 智道网联科技(北京)有限公司 | 一种行车信息推荐方法及装置 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892182A (zh) * | 2005-07-01 | 2007-01-10 | 株式会社电装 | 导航*** |
CN101692314A (zh) * | 2009-10-15 | 2010-04-07 | 康华武 | 利用车辆位置信息识别车辆身份的方法及应用 |
CN101964148A (zh) * | 2009-07-24 | 2011-02-02 | 日立(中国)研究开发有限公司 | 道路交通信息记录服务器和gps用户终端 |
CN103345838A (zh) * | 2013-07-19 | 2013-10-09 | 浙江宇视科技有限公司 | 一种车辆信息管理装置及车辆信息检索方法 |
CN103680130A (zh) * | 2013-12-10 | 2014-03-26 | 福建工程学院 | 一种基于浮动车技术获得区域带路专家的方法 |
CN103697901A (zh) * | 2013-12-25 | 2014-04-02 | 沈阳美行科技有限公司 | 一种车载导航自动引导模式解决方法 |
CN104251703A (zh) * | 2014-09-19 | 2014-12-31 | 沈阳美行科技有限公司 | 一种导航路线学习和规划方法 |
CN105825297A (zh) * | 2016-03-11 | 2016-08-03 | 山东大学 | 一种基于马尔科夫模型的位置预测方法 |
CN106197444A (zh) * | 2016-06-29 | 2016-12-07 | 厦门趣处网络科技有限公司 | 一种路线规划方法、*** |
CN106233094A (zh) * | 2014-04-22 | 2016-12-14 | 丰田自动车株式会社 | 路线生成装置和路线生成方法 |
CN106446078A (zh) * | 2016-09-08 | 2017-02-22 | 乐视控股(北京)有限公司 | 一种信息的推荐方法和推荐装置 |
CN106643775A (zh) * | 2017-02-23 | 2017-05-10 | 高域(北京)智能科技研究院有限公司 | 基于大数据机器学习的导航方法及其导航*** |
CN106886837A (zh) * | 2017-02-21 | 2017-06-23 | 携程旅游网络技术(上海)有限公司 | 基于时间规划的自由行行程推荐方法 |
CN106953888A (zh) * | 2017-01-25 | 2017-07-14 | 斑马信息科技有限公司 | 信息推送***和方法 |
CN107111794A (zh) * | 2015-01-11 | 2017-08-29 | 微软技术许可有限责任公司 | 预测和利用地图服务中出行时间的可变性 |
CN107270923A (zh) * | 2017-06-16 | 2017-10-20 | 广东欧珀移动通信有限公司 | 一种路线推送的方法、终端及存储介质 |
CN107341166A (zh) * | 2016-11-29 | 2017-11-10 | 安徽江淮汽车集团股份有限公司 | 一种车载app的推荐方法及*** |
-
2018
- 2018-06-20 CN CN201810635656.9A patent/CN108645422A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892182A (zh) * | 2005-07-01 | 2007-01-10 | 株式会社电装 | 导航*** |
CN101964148A (zh) * | 2009-07-24 | 2011-02-02 | 日立(中国)研究开发有限公司 | 道路交通信息记录服务器和gps用户终端 |
CN101692314A (zh) * | 2009-10-15 | 2010-04-07 | 康华武 | 利用车辆位置信息识别车辆身份的方法及应用 |
CN103345838A (zh) * | 2013-07-19 | 2013-10-09 | 浙江宇视科技有限公司 | 一种车辆信息管理装置及车辆信息检索方法 |
CN103680130A (zh) * | 2013-12-10 | 2014-03-26 | 福建工程学院 | 一种基于浮动车技术获得区域带路专家的方法 |
CN103697901A (zh) * | 2013-12-25 | 2014-04-02 | 沈阳美行科技有限公司 | 一种车载导航自动引导模式解决方法 |
CN106233094A (zh) * | 2014-04-22 | 2016-12-14 | 丰田自动车株式会社 | 路线生成装置和路线生成方法 |
CN104251703A (zh) * | 2014-09-19 | 2014-12-31 | 沈阳美行科技有限公司 | 一种导航路线学习和规划方法 |
CN107111794A (zh) * | 2015-01-11 | 2017-08-29 | 微软技术许可有限责任公司 | 预测和利用地图服务中出行时间的可变性 |
CN105825297A (zh) * | 2016-03-11 | 2016-08-03 | 山东大学 | 一种基于马尔科夫模型的位置预测方法 |
CN106197444A (zh) * | 2016-06-29 | 2016-12-07 | 厦门趣处网络科技有限公司 | 一种路线规划方法、*** |
CN106446078A (zh) * | 2016-09-08 | 2017-02-22 | 乐视控股(北京)有限公司 | 一种信息的推荐方法和推荐装置 |
CN107341166A (zh) * | 2016-11-29 | 2017-11-10 | 安徽江淮汽车集团股份有限公司 | 一种车载app的推荐方法及*** |
CN106953888A (zh) * | 2017-01-25 | 2017-07-14 | 斑马信息科技有限公司 | 信息推送***和方法 |
CN106886837A (zh) * | 2017-02-21 | 2017-06-23 | 携程旅游网络技术(上海)有限公司 | 基于时间规划的自由行行程推荐方法 |
CN106643775A (zh) * | 2017-02-23 | 2017-05-10 | 高域(北京)智能科技研究院有限公司 | 基于大数据机器学习的导航方法及其导航*** |
CN107270923A (zh) * | 2017-06-16 | 2017-10-20 | 广东欧珀移动通信有限公司 | 一种路线推送的方法、终端及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887292A (zh) * | 2019-04-04 | 2019-06-14 | 上海赢科信息技术有限公司 | 车辆类型的识别方法及*** |
CN109887292B (zh) * | 2019-04-04 | 2022-01-25 | 上海赢科信息技术有限公司 | 车辆类型的识别方法及*** |
CN112284407A (zh) * | 2020-12-30 | 2021-01-29 | 智道网联科技(北京)有限公司 | 一种行车信息推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106197458B (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
Li et al. | Prediction of urban human mobility using large-scale taxi traces and its applications | |
CN106469518A (zh) | 基于视频跟踪识别的智能停车引导的方法、服务器和*** | |
CN104508719B (zh) | 驾驶辅助***以及驾驶辅助方法 | |
CN109145065A (zh) | 车辆行驶轨迹的展示方法及装置、计算机可读存储介质 | |
Morishita et al. | SakuraSensor: Quasi-realtime cherry-lined roads detection through participatory video sensing by cars | |
CN111862606B (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
CN106092114A (zh) | 一种图像识别的汽车实景导航装置及方法 | |
CN107862899A (zh) | 反向寻车方法、装置、计算机装置及计算机可读存储介质 | |
CN108960590A (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
CN106935027A (zh) | 一种基于行驶数据的交通信息预测方法及装置 | |
RU2014109432A (ru) | Способ считывания регистрационных номеров транспортных средств | |
CN108062857B (zh) | 用于出租车乘客出行目的的预测方法 | |
CN104613974B (zh) | 导航时间获取方法、***、导航方法和装置 | |
CN105333878A (zh) | 一种路况视频导航***及方法 | |
CN103593977B (zh) | 私家车非法营运的检测方法 | |
CN110543599A (zh) | 一种基于物联网的智慧旅游*** | |
CN108765018A (zh) | 基于人车关联的自适应广告推送方法及*** | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN109448363A (zh) | 基于轨迹预测的嫌疑车辆智能封控方法、***及处理终端 | |
CN108645422A (zh) | 一种车辆用户行为特征的分析方法、***及装置 | |
CN109035768A (zh) | 一种出租车绕路行为的识别方法 | |
CN205862611U (zh) | 一种基于分享车位的管理*** | |
CN106157665B (zh) | 目标场所出入口的类别信息获取方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |
|
RJ01 | Rejection of invention patent application after publication |