CN109084797A - 一种导航路径推荐方法和装置 - Google Patents
一种导航路径推荐方法和装置 Download PDFInfo
- Publication number
- CN109084797A CN109084797A CN201810994431.2A CN201810994431A CN109084797A CN 109084797 A CN109084797 A CN 109084797A CN 201810994431 A CN201810994431 A CN 201810994431A CN 109084797 A CN109084797 A CN 109084797A
- Authority
- CN
- China
- Prior art keywords
- path
- path candidate
- duration
- history
- candidate
- 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.)
- Granted
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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种导航路径推荐方法和装置,该方法包括:响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;针对每条候选路径,根据历史出行数据中该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;基于所述预计花费时长及可信度,计算每条候选路径的综合分值;基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种导航路径推荐方法和装置。
背景技术
对于出租车司机或私家车用户来说,导航路径的选择一般是基于两种标准:一种是从出发点到目的地花费的总时间最短,一种是出发点到目的地实际经过的距离最短。
现有技术中,在确定出发点和目的地后,在若干条导航路径中,基于上述两种标准,选择一条最佳或多条较佳的、对用户来说是至关重要的路径。但是,总距离较短的路径由于上下班高峰期出现的交通拥堵,选择此推荐路径的用户可能要花费大量的等待时间,可靠度比较低;总时间最短的路径会受到路径的复杂度、红绿灯个数、转向路口个数、车流量大小、兴趣点个数等因素的影响,预测的时长和真正花费的时长可能会出现较大的误差,导致真正的花费时间大大超过预测的最短时长,推荐的路径的可靠性较差,大大降低用户对导航***的信任度。
发明内容
有鉴于此,本申请的目的在于提供一种导航路径推荐方法和装置,用于解决现有技术中推荐的路径可靠性差的问题。
第一方面,本申请实施例提供了一种导航路径推荐方法,该方法包括:
响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;
针对每条候选路径,根据历史出行数据中该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;
基于所述预计花费时长及可信度,计算每条候选路径的综合分值;
基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
可选地,所述候选路径包含从出发点到目的点的至少一条中间路段,所述候选路径的预计花费时长为所述至少一条中间路段的预计花费时长之和。
可选地,所述确定满足所述导航需求的候选路径集合,包括:
按照预计花费时长由小到大的顺序,将排序靠前的满足所述导航需求的导航路径作为候选路径,组成候选路径集合。
可选地,所述针对每条候选路径,根据历史出行数据中,该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度,包括:
对于该候选路径的每个中间路段:
基于所述历史出行数据,计算该中间路段的至少一个历史预计花费时长与对应的实际花费时长之间的差值;
基于该候选路径的每个中间路段对应的差值,计算该候选路径的可信度。
可选地,针对每条候选路径,根据历史出行数据中,该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度,包括:
基于所述历史出行数据中该候选路径所包含的每条中间路段的至少一个历史预计花费时长及对应的实际花费时长,计算该候选路径的至少一个历史预计花费时长及对应的实际花费时长之间的差值;
基于该候选路径的所述差值,计算该候选路径的可信度。
可选地,还包括:
基于所述导航需求中的出行时间或默认的出行时间,针对每条候选路径,选择对应于所述出行时间的所述历史出行数据。
第二方面,本申请实施例提供给了一种导航路径推荐装置,该装置包括:
确定模块,用于响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;
第一计算模块,用于针对每条候选路径,根据历史出行数据中该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;
第二计算模块,用于基于所述预计花费时长及可信度,计算每条候选路径的综合分值;
推荐模块,用于基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
可选地,所述候选路径包含从出发点到目的点的至少一条中间路段,所述候选路径的预计花费时长为所述至少一条中间路段的预计花费时长之和。
第三方面,本申请实施例提供了一种计算机设备包括存储器、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计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述方法的步骤。
本申请实施例提供的导航路径推荐方法,在确定满足用户的导航需求的候选路径集合以及集合中每条候选路径的预计花费时长后,根据历史出行数据中,该候选路径的实际花费时长,以及历史预计花费时长,计算该候选路径的可信度,基于预计花费时长及可信度,计算每条候选路径的综合分值,进而从所述候选路径集合中确定推荐路径。本申请考虑到基于传统推荐方式推荐的候选路径的可信度,在进行路径推荐时,不仅考虑预计花费时长,而且还会结合该路径预测花费时长预测的可靠性,采用评分方式将预计花费时长和可信度结合为用户推荐路径,提高了为用户推荐路径时的准确度,增加用户对推荐路径的信任度。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种导航路径推荐方法的流程示意图;
图2为本申请实施例提供的一种中间路段的第一种误差分布示意图;
图3为本申请实施例提供的一种中间路段的第二种误差分布示意图;
图4为本申请实施例提供的一种导航路径推荐装置的结构示意图;
图5为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种导航路径推荐方法,如图1所示,应用于导航路径推荐***中,该导航路径推荐***包括终端设备,如:计算机、笔记本电脑、平板电脑、移动电话、便携设备、车载设备等,也包括网络***,如:视听服务***、大屏幕***、客户端/服务器***(C/S)、浏览器/服务器***、云计算***,等等。此处并不限制导航路径推荐***的类型和架构。该方法包括以下步骤:
S101,响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;
这里,导航需求可以为用户通过移动终端如手机中的导航应用发送的,也可以为用户通过车载导航设备发送的,本申请对此不予限制;导航需求包括用户的出发地(即出发点)、目的地(即目的点)、出发时间、候选路径的数目等;其中,可以使用常见的地理信息定位出发地、目的地,例如:经纬度信息;出发时间可以为预约时间,也可以为发起导航需求的时间(也称默认时间)。
候选路径的数目可以为***预设的数目,如:3、5、7条,也可以为一个范围,如3-10条。具体而言,候选路径集合中,每条候选路径可以包含从出发点到目的点的至少一条中间路段,每个中间路段对应有预计花费时长,每个候选路径的预计花费时长可以通过每个中间路段的预计花费时长计算得到,例如:为该候选路径包含的至少一条中间路段的预计花费时长之和。
对于候选路径或中间路段的预计花费时长,可以根据转移时间预测模型估计得到,本申请对此不予限制。例如:转移时间预测模型可以OC模型和CATD模型的结合,基于出租车的历史全球定位***(Global Positioning System,GPS)定位数据和街道信息数据,采用矩阵分解的方法得到一个中间路段转移时间矩阵(转移时间也就是预计花费时长),该中间路段转移时间矩阵一般为二维矩阵,维度分别是时间段编号和路段编号,矩阵元素表示用户在该时间段内通过该中间路段花费的时长,其中,时间段划分可以采用固定时长划分,也可以采用V-E聚类方式进行划分,本申请不予限制。
将路段转移时间矩阵和实时出租车GPS数据相结合,可以预测得到用户在任意时间段内通过任意导航路径的转移时间,也就是预计花费时长,计算每个导航路径包含的各中间路段的预计花费时长的和值,得到每个导航路径的预计花费时长。
在确定满足所述导航需求的候选路径集合时,还包括:
按照预计花费时长由小到大的顺序,将排序靠前的满足所述导航需求的导航路径作为候选路径,组成候选路径集合。
在具体实施中,根据导航需求中的出发点和目的点,可以确定多条导航路径,以及每条导航路径对应的预计花费时长,按照预预计花费时长由小到大的顺序对导航路径进行排序,将排序靠前的候选路径数目条导航路径作为候选路径,得到候选路径集合。其中,基于出发点和目的点确定导航路径的方法现有技术已有详细的介绍,此处不再进行过多说明。
例如,用户的导航需求中出发点的经纬度为(120.623475,31.322436),目的点的经纬度为(120.603423,31.324523),出发时间为2018-8-2317:23:43,利用转移时间预测模型可以得到多条导航路径,按照时间有小到大排序后,靠前的三条候选路径分别为p1、p2、p3,p1路径的预计花费时长为541秒,p2路径的预计花费时长为582秒,p3路径的预计花费时长为602秒。
S102,针对每条候选路径,根据历史出行数据中该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;;
这里,历史出行数据可以从其他预设平台获取,也可以来自***的日常记录,预设平台可以为交通研究中心平台、路网信息中心平台等。
历史出行数据可以包括历史出发点、历史目的点、历史出发时间、行驶路径、中间路段、历史预计花费时长、实际花费时长等,其中,历史出发时间为已出行路径的导航开始时间,行驶路径为用户完成从出发点到目的点的路径。每个行驶路径通常包括至少一个中间路段,每个中间路段对应有历史预计花费时长和实际花费时长,历史预计花费时长为用户在历史出发时间通过路段时导航应用预测的时长,可以通过转移时间预测模型预测得到,实际花费时长为用户在历史出发时间通过对应的路段花费的时长。
可以基于用户导航需求所体现的出行时间,和/或用户候选路径的预计花费时间,为每条候选路径选择相应的历史出行数据,例如:用户当前的出行时间为早上8点,候选路径1包括3个中间路段L1、L2、L3,预计时长为1小时,则为候选路径1选择8点到9点(或前后扩展为7点40到9点20)之间的历史出行数据。基于所选择时间段的历史出行数据,计算候选路径1的可信度。可以知道的是,所选择的时间段、前后扩展仅为示例,本发明对此并不做过多限制。
更进一步,当历史出行数据足够多时,还可以对每个候选路径的中间路段选择更加精确的历史出行数据,例如:用户当前的出行时间为早上8点,候选路径1包括3个中间路段L1、L2、L3,预计时长为1小时(预计中间路段L1需花费20分钟、L2需花费10分钟、L3需花费30分钟),则为中间路段L1选择8点到8点20(或前后扩展为7点40到8点40)之间的历史出行数据,为L2选择8点20到8点半(或前后扩展为8点到8点50)之间的历史出行数据,为L3选择8点半到9点(或前后扩展为8点10分到9点20)之间的历史出行数据,并进一步基于针对每个中间路段所选择的时间段的历史出行数据,计算候选路径1的可信度。可以知道的是,所选择的时间段、前后扩展仅为示例,本发明对此并不做过多限制。
在计算候选路径的可信度时,可以针对每条候选路径,对于该候选路径的每个中间路段:基于所述历史出行数据,计算该中间路段的至少一个历史预计花费时长与对应的实际花费时长之间的差值,基于该候选路径的每个中间路段对应的差值,计算该候选路径的可信度。
在具体实施中,在针对每条候选路径计算可信度时,针对该候选路径中的每个中间路段,可以基于为该候选路径所选的历史出行数据,将各用户通过该中间路段的实际花费时长的均值作为该中间路段的实际花费时长,将各用户通过该中间路段的历史预计花费时长的均值作为该中间路段的历史预计花费时长,根据该中间路段的历史预计花费时长和实际花费时长,确定该候选路劲过的可信度。
在计算候选路径的可信度时,还可以基于所述历史出行数据中该候选路径所包含的每条中间路段的至少一个历史预计花费时长及对应的实际花费时长,计算该候选路径的至少一个历史预计花费时长及对应的实际花费时长之间的差值,基于该候选路径的所述差值,计算该候选路径的可信度。
在具体实施中,针对每条候选路径,根据为该候选路径所选择的历史出行数据,将该候选路径各中间路段的实际花费时长的和值作为该候选路径的实际花费时长,将各中间路段的历史预计花费时长的和值作为该候选路径的历史预计花费时长,根据该候选路径的历史预计花费时长和实际花费时长,确定该候选路径的可信度。
具体可以通过以下公式计算该候选路径的可信度Con:
其中,Con为候选路径的可信度,Δyj,pi→pi+1为第j个用户经过中间路段pi到中间路段pi+1时的历史预计花费时长和实际花费时长的误差,Δypi→pi+1为中间路段pi到中间路段pi+1时的历史预计花费时长和实际花费时长的差值,N为不同的时间段,经过中间路段pi到中间路段pi+1的用户数量,一般为正整数。
可信度公式的推导过程如下:
以一条候选路径为例进行说明,该候选路径包含多个中间路段,候选路径可以表示为:p1→p2→p3→…...→pn,其中,pi为中间路段名称,如,p1→p2表示为干将东路到临顿路,tp1→p2表示从干将东路转移到临顿路所花费的时长。对于一个导航需求,返回导航结果为P:p1→p2→p3→…...→pn,用误差平方的期望来表示可信度。
可信度Con由公式(1)得到:
Con=E(δP-TP)2 (1)
TP=tp1→p2+tp2→p3+…+tpn-1→pn
δP=δp1→p2+δp2→p3+…+δpn-1→pn
其中,TP为该候选路径的历史预计花费时长,δP为候选路径的实际花费时长,tpn-1→pn为该候选路径中中间路段pn-1到中间路段pn的历史预计花费时长,δpn-1→pn为该候选路径中中间路段pn-1到中间路段pn的实际花费时长。
公式(1)可以表示为:
Con=E(tp1→p2+tp2→p3+…+tpn-1→pn-δp1→p2-δp2→p3-…
-δpn-1→pn)2
因为,不同中间路段的历史预计花费时长是相互独立的,则有:
其中,Δypi→pi+1表示中间路段pi到中间路段pi+1的历史预计花费时长和实际花费时长的差值。
进一步来说,
所以,得到的可信度计算公式如下:
其中,Var(Δyj,pi→i+1)表示误差的方差,E2(Δypi→pi+1)表示误差均值的平方。
该候选路径的预计花费时长的可信度可以通过历史出行数据中对应的误差的方差和误差的均值来衡量。也就是说,可信度越小,对应时间段的预计花费时长的可靠性就越高。参考图2和图3,图2表示用户在5点至24点通过路段1的预计花费时长的误差绝对值的分布,图3表示用户在5点至24点通过路段2的预计花费时长的误差绝对值的分布,相同的时间段,如,8点至8点半,用户通过不同路段的预计花费时长的可靠性是不同的,通过图2可以发现,通过路段2的预计花费时长的可靠性更高。
S103,基于所述预计花费时长及可信度,计算每条候选路径的综合分值;
在具体实施中,针对每条候选路径,确定该条候选路径的可信度与集合中各候选路径的可信度的和值的第一比值,以及确定该条候选路径的预计花费时长和集合中各候选路径的预计花费时长的和值的第二比值;
基于第一比值和第二比值确定该条候选路径的综合分值,且所述第一比值和第一比值越大,表征该候选路径的综合分值越小。
通过以下公式候选路径的综合分值score:
其中,为候选路径Pi的综合分值,为候选路径Pi的可信度;Conp为集合中候选路径可信度的和;为候选路径Pi的预测花费时长;Tp为集合中候选路径的预测花费时长的和值;α为可信度的影响因子,一般为实数;β为预测花费时长的影响因子,一般为实数。
影响因子越大表示其对应的影响因素对综合分值的影响越大,也就是,α越大,可信度对综合分值的影响就越大,β越大,预计花费时长对综合分值的影响就越大。
S104,基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
在具体实施中,按照综合分值由大到小排序对候选路径集合中的候选路径进行排序,将排序靠前的前设定阈值个综合分值对应的候选路径确定为推荐路径。
延续步骤S101中的示例,候选路径为p1、p2、p3,p1路径的预计花费时长为541秒,p2路径的预计花费时长为582秒,p3路径的预计花费时长为602秒,通过可信度公式计算得到p1路径的可信度为10150,通过综合分值计算公式计算得到的p1候选路径的综合分值为71.8,通过可信度公式计算得到p2路径的可信度为4256,通过综合分值计算公式计算得到的p2候选路径的综合分值为73.4,通过可信度公式计算得到p3路径的可信度为8042,通过综合分值计算公式计算得到的p3候选路径的综合分值为69.5。
在三条候选路径中,预计花费时长最少的是p1候选路径,但是,花费时间最少的路径,不一定是最优的路径,在考虑候选路径的可信度之后,最终,返回给用户的推荐导航路径是得分最高的p2候选路径,p2候选路径相对于p1候选路径,p2候选路径的可信度的值要小,即该路径的可信度要更高,这样,推荐给用户的推荐路径的可靠性更高,增加用户对推荐路径的信任感,提高了用户的体验。
本申请实施例提供了一种导航路径推荐装置,如图4所示,该装置包括:
确定模块41,用于响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;
第一计算模块42,用于针对每条候选路径,根据历史出行数据中,该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;
第二计算模块43,用于基于所述预计花费时长及可信度,计算每条候选路径的综合分值;
推荐模块44,用于基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
可选地,所述候选路径包含从出发点到目的点的至少一条中间路段,所述候选路径的预计花费时长为所述至少一条中间路段的预计花费时长之和。
可选地,所述确定模块41用于:
按照预计花费时长由小到大的顺序,将排序靠前的满足所述导航需求的导航路径作为候选路径,组成候选路径集合。
可选地,所述第一计算模块42具体用于:
对于该候选路径的每个中间路段:
基于所述历史出行数据,计算该中间路段的至少一个历史预计花费时长与对应的实际花费时长之间的差值;
基于该候选路径的每个中间路段对应的差值,计算该候选路径的可信度。
可选地,所述第一计算模块42具体用于:
基于所述历史出行数据中,该候选路径所包含的每条中间路段的至少一个历史预计花费时长及对应的实际花费时长,计算该候选路径的至少一个历史预计花费时长及对应的实际花费时长之间的差值;
基于该候选路径的所述差值,计算该候选路径的可信度。
可选地,该装置还包括:选择模块45,所述选择模块45用于:
基于所述导航需求中的出行时间或默认的出行时间,针对每条候选路径,选择对应于所述出行时间的所述历史出行数据。
对应于图1中的导航路径推荐方法,本申请实施例还提供了一种计算机设备,如图5所示,该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序,其中,上述处理器2000执行上述计算机程序时实现上述导航路径推荐方法的步骤。
具体地,上述存储器1000和处理器2000能够为通用的存储器和处理器,这里不做具体限定,当处理器2000运行存储器1000存储的计算机程序时,能够执行上述导航路径推荐方法,用于解决现有技术推荐的路径可靠性差的问题,本申请在确定满足用户的导航需求的候选路径集合以及集合中每条候选路径的预计花费时长后,根据历史出行数据中,该候选路径的实际花费时长,以及历史预计花费时长,计算该候选路径的可信度,基于预计花费时长及可信度,计算每条候选路径的综合分值,进而从所述候选路径集合中确定推荐路径。考虑到基于传统推荐方式推荐的候选路径的可信度,在进行路径推荐时,不仅考虑预计花费时长,而且还会结合该路径预测花费时长预测的可靠性,采用评分方式将预计花费时长和可信度结合为用户推荐路径,提高了为用户推荐路径时的准确度,增加用户对推荐路径的信任度。
对应于图1中的导航路径推荐方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述导航路径推荐方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述导航路径推荐方法,用于解决现有技术推荐的路径可靠性差的问题,本申请在确定满足用户的导航需求的候选路径集合以及集合中每条候选路径的预计花费时长后,根据历史出行数据中,该候选路径的实际花费时长,以及历史预计花费时长,计算该候选路径的可信度,基于预计花费时长及可信度,计算每条候选路径的综合分值,进而从所述候选路径集合中确定推荐路径。考虑到基于传统推荐方式推荐的候选路径的可信度,在进行路径推荐时,不仅考虑预计花费时长,而且还会结合该路径预测花费时长预测的可靠性,采用评分方式将预计花费时长和可信度结合为用户推荐路径,提高了为用户推荐路径时的准确度,增加用户对推荐路径的信任度。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的行驶。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的行驶实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的行驶体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种导航路径推荐方法,其特征在于,该方法包括:
响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;
针对每条候选路径,根据历史出行数据中该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;
基于所述预计花费时长及可信度,计算每条候选路径的综合分值;
基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
2.如权利要求1所述的方法,其特征在于,所述候选路径包含从出发点到目的点的至少一条中间路段,所述候选路径的预计花费时长为所述至少一条中间路段的预计花费时长之和。
3.如权利要求1所述的方法,其特征在于,所述确定满足所述导航需求的候选路径集合,包括:
按照预计花费时长由小到大的顺序,将排序靠前的满足所述导航需求的导航路径作为候选路径,组成候选路径集合。
4.如权利要求2所述的方法,其特征在于,所述针对每条候选路径,根据历史出行数据中,该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度,包括:
对于该候选路径的每个中间路段:
基于所述历史出行数据,计算该中间路段的至少一个历史预计花费时长与对应的实际花费时长之间的差值;
基于该候选路径的每个中间路段对应的差值,计算该候选路径的可信度。
5.如权利要求2所述的方法,其特征在于,所述针对每条候选路径,根据历史出行数据中,该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度,包括:
基于所述历史出行数据中该候选路径所包含的每条中间路段的至少一个历史预计花费时长及对应的实际花费时长,计算该候选路径的至少一个历史预计花费时长及对应的实际花费时长之间的差值;
基于该候选路径的所述差值,计算该候选路径的可信度。
6.如权利要求1-5任一所述的方法,其特征在于,还包括:
基于所述导航需求中的出行时间或默认的出行时间,针对每条候选路径,选择对应于所述出行时间的所述历史出行数据。
7.一种导航路径推荐装置,其特征在于,该装置包括:
确定模块,用于响应于用户的导航需求,确定满足所述导航需求的候选路径集合以及集合中每条候选路径的预计花费时长;
第一计算模块,用于针对每条候选路径,根据历史出行数据中该候选路径的历史预计花费时长以及实际花费时长,计算该候选路径的可信度;
第二计算模块,用于基于所述预计花费时长及可信度,计算每条候选路径的综合分值;
推荐模块,用于基于计算得到的综合分值,从所述候选路径集合中确定推荐路径,推荐给用户。
8.如权利要求7所述的装置,其特征在于,所述候选路径包含从出发点到目的点的至少一条中间路段,所述候选路径的预计花费时长为所述至少一条中间路段的预计花费时长之和。
9.一种计算机设备包括存储器、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计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1至6任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810994431.2A CN109084797B (zh) | 2018-08-29 | 2018-08-29 | 一种导航路径推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810994431.2A CN109084797B (zh) | 2018-08-29 | 2018-08-29 | 一种导航路径推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109084797A true CN109084797A (zh) | 2018-12-25 |
CN109084797B CN109084797B (zh) | 2021-07-27 |
Family
ID=64795206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810994431.2A Active CN109084797B (zh) | 2018-08-29 | 2018-08-29 | 一种导航路径推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109084797B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378525A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
CN111383471A (zh) * | 2018-12-27 | 2020-07-07 | 奥迪股份公司 | 交通灯倒计时的获取方法、装置、计算机设备和存储介质 |
CN111858786A (zh) * | 2019-06-06 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 用于在路径规划中提供通行时间置信度的***和方法 |
CN111968369A (zh) * | 2020-08-14 | 2020-11-20 | 山东师范大学 | 一种交通路径诱导方法及*** |
CN113347243A (zh) * | 2021-05-31 | 2021-09-03 | 重庆工程职业技术学院 | 基于区块链的行车信息记录***及方法 |
CN113902209A (zh) * | 2021-10-20 | 2022-01-07 | 中国联合网络通信集团有限公司 | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308054A (zh) * | 2013-05-20 | 2013-09-18 | 江苏新科软件有限公司 | 一种导航路径旅行时间测算方法 |
CN107421555A (zh) * | 2017-07-10 | 2017-12-01 | 奇瑞汽车股份有限公司 | 确定导航路径的方法和装置 |
CN107702729A (zh) * | 2017-09-06 | 2018-02-16 | 东南大学 | 一种考虑预期路况的车辆导航方法及*** |
CN107945507A (zh) * | 2016-10-13 | 2018-04-20 | 腾讯科技(深圳)有限公司 | 行程时间预测方法及装置 |
-
2018
- 2018-08-29 CN CN201810994431.2A patent/CN109084797B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308054A (zh) * | 2013-05-20 | 2013-09-18 | 江苏新科软件有限公司 | 一种导航路径旅行时间测算方法 |
CN107945507A (zh) * | 2016-10-13 | 2018-04-20 | 腾讯科技(深圳)有限公司 | 行程时间预测方法及装置 |
CN107421555A (zh) * | 2017-07-10 | 2017-12-01 | 奇瑞汽车股份有限公司 | 确定导航路径的方法和装置 |
CN107702729A (zh) * | 2017-09-06 | 2018-02-16 | 东南大学 | 一种考虑预期路况的车辆导航方法及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383471A (zh) * | 2018-12-27 | 2020-07-07 | 奥迪股份公司 | 交通灯倒计时的获取方法、装置、计算机设备和存储介质 |
CN111858786A (zh) * | 2019-06-06 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 用于在路径规划中提供通行时间置信度的***和方法 |
CN111858786B (zh) * | 2019-06-06 | 2023-12-22 | 北京嘀嘀无限科技发展有限公司 | 用于在路径规划中提供通行时间置信度的***和方法 |
CN110378525A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
CN110378525B (zh) * | 2019-07-15 | 2023-09-12 | 腾讯科技(深圳)有限公司 | 出行计划确定方法、装置、设备及存储介质 |
CN111968369A (zh) * | 2020-08-14 | 2020-11-20 | 山东师范大学 | 一种交通路径诱导方法及*** |
CN113347243A (zh) * | 2021-05-31 | 2021-09-03 | 重庆工程职业技术学院 | 基于区块链的行车信息记录***及方法 |
CN113902209A (zh) * | 2021-10-20 | 2022-01-07 | 中国联合网络通信集团有限公司 | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109084797B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109084797A (zh) | 一种导航路径推荐方法和装置 | |
CN110909096B (zh) | 推荐上车点确定方法及装置、存储介质、电子设备 | |
US10712161B2 (en) | System and method of navigation | |
US10648822B2 (en) | Systems and methods for simultaneous electronic display of various modes of transportation for viewing and comparing | |
US11551325B2 (en) | Travel coordination system implementing pick-up location optimization | |
US9689693B2 (en) | Systems and methods for learning and displaying customized geographical navigational options | |
JP6851402B2 (ja) | 輸送サービスを提供するための方法およびシステム | |
US10701759B2 (en) | Predictive location selection transportation optimization system | |
JP4361969B2 (ja) | 目的地表示装置および目的地表示方法 | |
CN107491825B (zh) | 一种约车处理方法及*** | |
US20170059347A1 (en) | Determining Improved Pick-Up Locations | |
US10337876B2 (en) | Constrained-transportation directions | |
US20140156189A1 (en) | Personalized Map Routes | |
CN110741225B (zh) | 确定目标站点的***和方法 | |
CN103940441A (zh) | 一种兴趣点搜索方法和装置 | |
US20080294337A1 (en) | Travel-related information processing system | |
CN108225357B (zh) | 用户引导*** | |
CN110741227B (zh) | 地标辅助导航 | |
CN109059952A (zh) | 一种行程时长预测方法及装置 | |
JP2020531886A (ja) | ナビゲーションアプリケーションにおける配車サービス区分を伴うマルチモーダル道順 | |
CN106595692A (zh) | 一种提供天气信息的方法及装置 | |
WO2019109794A1 (en) | Systems and methods for providing cost-sharing transportation services | |
JP5179945B2 (ja) | 修正された空間データ構造により問い合わせを受けて高速で地域の問い合わせについて推奨する機器 | |
CN112507240A (zh) | 一种基于位置信息与出行方式的商家信息获取方法及*** | |
CN107850458A (zh) | 用于评级和共享具体路线数据的平台 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100070, No. 101-8, building 1, 31, zone 188, South Fourth Ring Road, Beijing, Fengtai District Applicant after: Guoxin Youyi Data Co., Ltd Address before: 100070, No. 188, building 31, headquarters square, South Fourth Ring Road West, Fengtai District, Beijing Applicant before: SIC YOUE DATA Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |