CN110986985A - 车辆行程推送方法、装置、介质、控制终端及汽车 - Google Patents
车辆行程推送方法、装置、介质、控制终端及汽车 Download PDFInfo
- Publication number
- CN110986985A CN110986985A CN201911303462.XA CN201911303462A CN110986985A CN 110986985 A CN110986985 A CN 110986985A CN 201911303462 A CN201911303462 A CN 201911303462A CN 110986985 A CN110986985 A CN 110986985A
- Authority
- CN
- China
- Prior art keywords
- travel
- vehicle
- user
- destination
- trip
- 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
Images
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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请涉及车辆出行目的预测领域,具体涉及车辆行程推送方法、装置、介质、控制终端及汽车,所述方法包括:响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。本申请能够智能地预测用户的出行目的,提高导航的智能化及效率。
Description
技术领域
本申请涉及车辆出行目的预测领域,具体涉及一种车辆行程推送方法、装置、介质、控制终端及汽车。
背景技术
随着车辆的保有量越来越大,人们的出行愈来愈选择车辆出行,而随着互联网的发展,车辆的智能化亦需要发展,而目前,车辆上提供的车载导航需要用户输入目的地然后才能生成路线,用户再选择路线后才能进行导航,无法为用户快速地进行导航,尤其是对于用户经常前往的地址,仍然无法高效地进行导航路线的推荐。
发明内容
为克服以上技术问题,特别是现有技术无法准确、高效预测用户的出行目的及推荐导航路线的问题,特提出以下技术方案:
第一方面,本申请提供了一种车辆行程推送方法,包括:
响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;
根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;
根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;
根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。
进一步的,所述导航路线通过车辆行程推荐模型确定;所述获取用户的上车时间及上车地点之后,还包括:
将所述用户的上车时间及上车地点作为车辆行程推荐模型的输入;
所述车辆行程推荐模型根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线;
所述导航路线为车辆行程推荐模型的输出。
进一步的,所述应用场景包括上班场景、回家场景或其他场景;
所述车辆行程推荐模型通过如下方式训练:
获取车辆的历史行程作为目标样本;
选取历史行程中的用户上车信息及用户行为习惯信息作为目标样本的特征信息;
根据历史行程中的目的地信息为所述历史行程标注应用场景;
根据所述目标样本的特征信息及标注的应用场景对车辆行程推荐模型进行训练,得到车辆行程推荐模型的参数;
获取单个行程的特征信息与用户行为习惯信息的比较作为目标样本的组合特征信息;
根据所述组合特征信息对车辆行程推荐模型的参数进行优化,确定车辆行程推荐模型。
进一步的,所述根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性之前,还包括:
收集车辆的历史行程;
获取所述车辆的历史行程中的起始点的坐标位置;
基于Geohash算法将所述起始点的坐标位置转换成字符串对所述起始点进行聚类,将所述起始点分散为在若干个规划区域内的点;
对同一规划区域内的点的历史行程进行统计识别,确定该规划区域的点的历史行程的出行规律,根据所述出行规律确定所述规划区域的属性。
进一步的,所述根据所述地点属性及所述上车时间确定行程的应用场景之前,还包括:
获取所述车辆的历史行程中的终点的坐标位置;
基于Geohash算法将所述终点的坐标位置转换成字符串对所述终点进行聚类,将所述终点分散为在若干个规划区域内的点;
获取起始点所在的规划区域与终点所在的规划区域均相同的至少两个待处理历史行程;
计算所述待处理历史行程的行程轨迹差异,若所述行程轨迹差异小于预设阈值,将所述至少两个待处理历史行程确定为同一类行程,确定所述至少两个待处理历史行程为同一应用场景的行程。
进一步的,所述应用场景包括多目的应用场景;所述获取所述应用场景对应的行程目的地,包括:
获取所述应用场景对应的途径目的地及终点目的地;
所述根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,包括:
根据所述途径目的地及终点目的地及路线偏好生成前往所述途径目的地及所述终点目的地的导航路线。
进一步的,所述根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好之后,还包括:
根据所述应用场景匹配对应的场景服务;
向用户推送所述场景服务对应的多媒体信息。
第二方面,本申请提供一种车辆行程推送装置,包括:
上车信息获取模块:用于响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;
地点属性获取模块:用于根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;
行程目的预测模块:用于根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;
导航路线推送模块:用于根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。
第三方面,本申请还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,该计算机程序被处理器执行时实现上述的车辆行程推送方法。
第四方面,本申请还提供了一种控制终端,所述控制终端包括一个或多个处理器、存储器、一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个计算机程序配置用于执行上述的车辆行程推送方法。
第五方面,本申请还提供一种汽车,所述汽车包括车载控制***,所述车载控制***配置用于执行上述的车辆行程推送方法。
本申请与现有技术相比,具有以下有益效果:
本申请提供了一种智能地预测用户的出行目的并为用户推送导航路线的方法,在用户触发的行程开始信号后,获取用户的上车时间及上车地点,然后根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性,在确定了上车地点的地点属性后,结合所述上车时间预测用户的出行需求,确定行程的应用场景,根据所述应用场景获取用户出行的目的地,并且根据所述应用场景确定去往所述形成目的地的路线偏好,在确定了行程目的地及路线偏好后,根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线。本申请在检测到有效触发的行程开始信号就执行相关操作,用户无需进行操作,减少操作的时间,提高效率,并且智能化地预测用户的查询该目的地,无需用户动手即可向用户推送潜在目的地的导航路线,从而提高了导航的智能化及效率。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请车辆行程推送方法的一实施例流程示意图;
图2为本申请训练车辆行程推荐模型所选取的特征的一实施例示意图;
图3为本申请车辆行程推送装置的一实施例示意图;
图4为本申请控制终端的一实施例结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本实施例的技术方案,可以应用在车载终端,具体实施中,在车辆的车载终端部署车载应用,并且配合云端服务器处理用户对车载终端的指令,实现在车载终端上进行智能化的行程推送。在本申请以下实施例中,将主要以车载终端为例,结合了车载应用,如车载导航和车载AI助手进行实施例阐述,在此车载AI助手是一种智能的车载应用,不作为对车载应用的限定。
本申请实施例提供一种车辆行程推送方法,如图1所示,所述方法包括以下步骤:
S10:响应于用户触发的行程开始信号,获取用户的上车时间及上车地点。
本实施例中,车载终端响应于用户触发的行程开始信号,所述行程开始信号包括上座信号和驾驶室门开启信号,在一种实施中,所述上座信号包括用户坐上驾驶座,并启动车辆,从而触发行程开始信号;在另一种实施中,所述驾驶室门开启信号包括驾驶座侧门开启,用户坐上驾驶座并系上安全带。本实施例,在车辆上安装若干传感器采集用户的操作行为,然后将所述操作行为转化为相应的事件信号传递至车载终端,车载终端根据采集到的事件信号判断是否为行程开始信号。进一步的,在响应用户触发的行程开始信号之前,对所述行程开始信号作有效触发判断,行程开始信号是否有效触发的判断方法包括:在车辆挂P挡的状态下,检测主驾驶位的上座信号,若所述主驾驶位的上座信号的信号值发生变化且跳变时间间隔达到设定时间间隔,判定为有效触发。当用户触发了行程开始信号,车载终端响应于用户触发的行程开始信号,获取用户的上车时间及上车地点,所述上车时间即用户上车的当前时间,所述上车地点通过获取定位***采集当前车辆的位置而确定,所述定位***包括GPS***(Global Positioning System,全球定位***)、北斗***,根据定位***精确定位车辆所在的位置。本实施例中通过行程开始信号来触发,车载终端在检测到有效触发的行程开始信号就执行相关操作,用户无需进行操作,减少操作的时间,提高效率,且智能化程度高。
S20:根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性。
当获取了用户的上车地点后,根据所述上车地点确定行程的起点区域,本实施例中,上车地点即为行程起点,行程起点均转化为抽象的位置坐标,如GPS坐标,而每一次的行程的起点的位置坐标不可能完全重合,本实施例中,将地址坐标进行区域划分,例如在地图上对地图进行区域划分,当不同的地理坐标均位于相同的一划分的区域内时,定义该些不同的地理坐标均属于同一区域,本实施例中,在确定了上车地点的地理坐标后,便能确定所述地理坐标所述的区域,即根据上车地点(的地理坐标)确定行程的起点区域,进一步的,本实施例为不同的区域定义不同的地点属性,然后根据所述起点区域便能确定相应的地点属性。在一种实施方式中,以广州为例,通过爬取包括太古汇,天河城,正佳广场,各地沃尔玛、***、莲花超市等地点的停车场地理范围,然后根据该些地点的地理范围划分该些地点的区域范围,并且为该些地点区域标注相应的属性。当获取到上车地点的地理坐标后,判断所述上车地点的地理坐标属于哪个区域内,确定行程的起点区域,从而确定起点区域的地点属性,进一步的,该地点属性可以是用户专属的独特属性,包括家、公司、常购物的超市、子女学校等。
S30:根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好。
本实施例中,在确定了上车地点的地点属性后,结合所述上车时间预测用户的出行需求,确定行程的应用场景,根据所述应用场景获取用户出行的目的地,并且根据所述应用场景确定去往所述形成目的地的路线偏好,在一种实施方式中,从用户的历史行程对用户驾车从某一起点去往某一目的地的路线偏好进行统计分析,分析用户会选择哪条路线,是否走高速等偏好。当确定了行程的应用场景后,便能确定对应的行程目的地及路线偏好。
进一步的,由于同一车辆可能由不同驾驶员驾驶,本实施例在所述获取所述应用场景对应的行程目的地及路线偏好时,还根据驾驶员的身份信息进行识别,从而获取该驾驶员在该应用场景对应的行程目的地及路线偏好,相应的,在数据库中亦根据不同驾驶员的身份信息对应用场景、行程目的、路线偏好进行分类存储,以根据不同驾驶员的身份信息确定对应的应用场景。
S40:根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。
本实施例中,在确定了行程目的地及路线偏好后,根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,进一步的,在根据所述路线偏好生成导航路线时,结合实时的路况对导航路线进行修正,再生成前往所述行程目的地的导航路线,然后向用户推送所述导航路线。本申请的一种实施方式,通过车载大屏推送所述导航路线,车载大屏作为汽车中能够直观给用户展示信息的载体,将所述导航路线展示在车载大屏上,能够让用户清晰、直观地了解到导航路线,无需用户动手即可向用户推送潜在目的地的导航路线,从而提高了导航的智能化及效率。
本实施例提供了一种智能地预测用户的出行目的并为用户推送导航路线的方法,在用户触发的行程开始信号后,获取用户的上车时间及上车地点,然后根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性,在确定了上车地点的地点属性后,结合所述上车时间预测用户的出行需求,确定行程的应用场景,根据所述应用场景获取用户出行的目的地,并且根据所述应用场景确定去往所述形成目的地的路线偏好,在确定了行程目的地及路线偏好后,根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线。本申请在检测到有效触发的行程开始信号就执行相关操作,用户无需进行操作,减少操作的时间,提高效率,并且智能化地预测用户的查询该目的地,无需用户动手即可向用户推送潜在目的地的导航路线,从而提高了导航的智能化及效率。
本申请的一种实施例,所述导航路线通过车辆行程推荐模型确定;所述获取用户的上车时间及上车地点之后,还包括:
将所述用户的上车时间及上车地点作为车辆行程推荐模型的输入;
所述车辆行程推荐模型根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线;
所述导航路线为车辆行程推荐模型的输出。
本实施例中,上述的导航路线通过车辆行程推荐模型确定,车载终端响应于用户触发的行程开始信号,获取用户的上车时间及上车地点后,将所述用户的上车时间及上车地点作为车辆行程推荐模型的输入,通过车辆行程推荐模型执行对行程目的地的预测及导航路线的生成,起到路线推荐的效果,即所述车辆行程推荐模型根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,所述导航路线为车辆行程推荐模型的输出,车载终端接收到车辆行程推荐模型的输出后,便能推送所述导航路线。本实施例中,将车载终端对行程开始信号的触发及导航路线的推送与车辆行程推荐模型输出导航路线分离,在一种实施方式中,将车辆行程推荐模型部署于云端服务器,车载终端获取了用户的上车时间及上车地点后,将所述用户的上车时间及上车地点发送至云端服务器,部署于云端服务器的车辆行程推荐模型对行程目的地进行预测及生成导航路线,然后下发至车载终端,车载终端便可向用户推送所述导航路线,基于云端服务器的强大运算力快速地对行程目的地进行预测及生成导航路线,提高导航的智能化及效率,节省车载终端的资源。在另一种实施方式中,将车辆行程推荐模型部署于车载终端,即使离线模式,仍能对行程目的地进行预测及生成导航路线,提高智能化导航的应用广泛性。
本申请的一种实施例,所述应用场景包括上班场景、回家场景或其他场景;
所述车辆行程推荐模型通过如下方式训练:
获取车辆的历史行程作为目标样本;
选取历史行程中的用户上车信息及用户行为习惯信息作为目标样本的特征信息;
根据历史行程中的目的地信息为所述历史行程标注应用场景;
根据所述目标样本的特征信息及标注的应用场景对车辆行程推荐模型进行训练,得到车辆行程推荐模型的参数;
获取单个行程的特征信息与用户行为习惯信息的比较作为目标样本的组合特征信息;
根据所述组合特征信息对车辆行程推荐模型的参数进行优化,确定车辆行程推荐模型。
本实施例中,车辆行程推荐模型的重要功能之一是对出行目的进行预测,而出行目的的预测需要确定应用场景,本实施例的应用场景包括上班场景、回家场景或其他场景,将应用场景简化为上班场景、回家场景及其他场景,所述车辆行程推荐模型需要经过训练,学习用户上车相关信息(实时信息)及用户本身行为习惯(历史信息),从而解决解决用户通勤目的及出行路线预测问题,具体的,所述车辆行程推荐模型通过如下方式训练:获取车辆的历史行程作为目标样本,首先选取样本,本实施例中选取约1万辆车的近几个月约200个历史行程,共约200万个行程作为目标样本,然后选取历史行程中的用户上车信息及用户行为习惯信息作为目标样本的特征信息,如图2所示,所述上车信息为图2中的用户上车相关信息,包括上车时间及上车地点等相关信息,所述户行为习惯信息为图2中的用户本身行为习惯,包括时间基础统计、地点基础统计及概率统计等信息,然后获取历史行程中的目的地信息,确定所述目的地的属性,并根据所述目的地信息为该行程标注应用场景,0记为上班行程应用场景,1记为回家行程应用场景,2记为其他行程应用场景,标注时,可根据行程的目的地是否在用户的家附近或公司附近为依据,自动标注历史行程的应用场景,然后将所述目标样本的特征信息及标注的应用场景对车辆行程推荐模型进行训练,得到车辆行程推荐模型的参数,再获取单个行程的特征信息与用户行为习惯信息的比较作为目标样本的组合特征信息,所述组合特征信息包括图2中的上车时间vs标准差及上车地点vs标准差等特征信息,根据所述组合特征信息对车辆行程推荐模型的参数进行优化,尝试各种对特征组合,确定车辆行程推荐模型,在一种实施方式中,所述车辆行程推荐模型为GBDT(GradientBoosting Decision Tree,梯度提升树)路线推荐模型。通过对车辆行程推荐模型的训练,得到能够解决上班场景、回家场景或其他场景下的出行目的预测及出行路线的推荐,然后再将其他场景进行细分,继而训练出适应多种应用场景的车辆行程推荐模型。
本申请的一种实施例,所述根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性之前,还包括:
收集车辆的历史行程;
获取所述车辆的历史行程中的起始点的坐标位置;
基于Geohash算法将所述起始点的坐标位置转换成字符串对所述起始点进行聚类,将所述起始点分散为在若干个规划区域内的点;
对同一规划区域内的点的历史行程进行统计识别,确定该规划区域的点的历史行程的出行规律,根据所述出行规律确定所述规划区域的属性。
本实施例中,在根据所述上车地点确定行程的起点区域之前,需要对行程起点的地址坐标进行区域划分,具体的,收集车辆的历史行程,然后获取所述车辆的历史行程中的起始点的坐标位置,而相同行程的每一次的行程的起点的位置坐标不可能完全重合,此时基于Geohash算法将所述起始点的坐标位置转换成字符串,Geohash算法将位置坐标对应的二维的经纬度转换成字符串,每一个字符串代表一个矩形区域,而所述起始点分散为在若干个规划区域内的点,历史行程中的起始点分散不同的矩形区域内,同一矩形区域内所有的点(经纬度坐标)都共享相同的Geohash字符串,对同一规划区域内的点的历史行程进行统计识别,再对规划区域的属性进行判断,地点属性判断模块判断出某一类区域的点所代表的地理意义,然后该所在区域即被标注为该地理意义,统计该规划区域的点的历史行程的出行规律,根据所述出行规律确定所述规划区域的属性。在一种实施方式在红,所述地点属性包括家,公司,学校,饭馆,酒店,修车店等,以最常见的家和公司的行程为例,可以通过统计在工作日的行程,若行程持续时间段的累积图满足典型的双驼峰或四驼峰正态分布,满足该分布的日子占整个工作日的一定比例,且驼峰的宽度的变化在一定范围内(上班消耗时间相似),就可以认定该用户是上班族,然后在得知此人是上班族的条件下,通过对工作日第一个行程的出发点及最后一个行程的目的地进行聚类,如果80%(可调整)点能归属为同一类,那么便可将出发点所述的规划区域的地点属性确定为家或公司。通过分析用户出行规律,便可标注出所规划的区域可能是家,公司或其他的地点属性。对于其他地点属性的区域,本申请结合“逆地理编码”等手段,获得地点的属性,从而标注出学校、医院、修车店等属性的规划区域。优先的,该实施例亦可为车辆行程推荐模型的训练过程。
本申请的一种实施例,所述根据所述地点属性及所述上车时间确定行程的应用场景之前,还包括:
获取所述车辆的历史行程中的终点的坐标位置;
基于Geohash算法将所述终点的坐标位置转换成字符串对所述终点进行聚类,将所述终点分散为在若干个规划区域内的点;
获取起始点所在的规划区域与终点所在的规划区域均相同的至少两个待处理历史行程;
计算所述待处理历史行程的行程轨迹差异,若所述行程轨迹差异小于预设阈值,将所述至少两个待处理历史行程确定为同一类行程,确定所述至少两个待处理历史行程为同一应用场景的行程。
上述实施例提及介绍了对行程起点进行区域规划以及定位规划区域的属性,本实施例中,对行程终点亦进行规划区域,具体的,获取所述车辆的历史行程中的终点的坐标位置,基于Geohash算法将所述终点的坐标位置转换成字符串对所述终点进行聚类,将所述终点分散为在若干个规划区域内的点,从而确定行程终点所属的规划区域,并且确终点所属的规划区域定的地点属性,进一步的,同样的出行目的也会有不同的行车路线,本申请还对行程进行有效过滤及分类,确定行程的应用场景是否相同,获取起始点所在的规划区域与终点所在的规划区域均相同的至少两个待处理历史行程,即对于起点、终点均在相同区域的行程,通过两两对比,计算所述待处理历史行程的行程轨迹差异,在一种实施方式中,通过计算Fréchet Distance来计算所述待处理历史行程的行程轨迹差异,若所述行程轨迹差异小于预设阈值,将所述至少两个待处理历史行程确定为同一类行程,将已分类的行程通过目的地地点属性给与标注,从而确定所述至少两个待处理历史行程为同一应用场景的行程。通过对行程的筛选、分类,从而精确地确定行程的应用场景,提高预设行程目的的精确度。
本申请的一种实施例,所述应用场景包括多目的应用场景;所述获取所述应用场景对应的行程目的地,包括:
获取所述应用场景对应的途径目的地及终点目的地;
所述根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,包括:
根据所述途径目的地及终点目的地及路线偏好生成前往所述途径目的地及所述终点目的地的导航路线。
本实施例中,所述应用场景包括多目的应用场景,例如送孩子上学再上班、接孩子下学再回家,或买早餐再上班等应用场景,该些应用场景下需要多个目的地,本实施例中,获取所述应用场景对应的途径目的地及终点目的地,然后在所述根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线时,同时生成前往所述途径目的地及所述终点目的地的导航路线,通过预测多目的应用场景,从而直接生成途径多个目的地的导航路线,避免多次地生成多个目的地的导航路线而耗费的资源,从而提高导航路线的生成效率。进一步的,所述应用场景可以通过车上的乘坐人员进行判定,例如,当小孩进入车辆的座位后,识别出对应的应用场景为送孩子上学再上班的应用场景,从而生成前往途径目的地(孩子学校)的及终点目的地(公司)的导航路线,提高导航路线的生成效率。
本申请的一种实施例,所述根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好之后,还包括:
根据所述应用场景匹配对应的场景服务;
向用户推送所述场景服务对应的多媒体信息。
本实施例中,在确定了行程的应用场景之后,获取所述应用场景对应的行程目的地及路线偏好,然后向用户推送前往所述行程目的地的导航路线,进一步的,本实施例还不仅预测用户的出行目的,向用户推送导航路线,还为用户智能化地匹配个性化的服务,具体的,本实施例为不同的应用场景预设不同的场景服务,并且所述场景服务还根据用户的个性化特征定制,然后根据所述应用场景匹配对应的场景服务,为用户推送所述场景服务对应的多媒体信息。在一种实施方式中,所述行程的应用场景为出行路况提醒,在确定了用户的出行目的地后,生成相应的导航路线,此时匹配的场景服务为路况提醒服务,然后获取所述导航路线的路况信息,为用户推送、播报所述导航路线的路况信息的多媒体信息;在另一种实施方式中,所述行程的应用场景为深夜下班回家,当用户在深夜启动汽车,通过本申请实施例预测该用户的出行目的是回家,则确定应用场景是深夜下班回家,此时匹配的场景服务为上车问候服务,然后向用户推送诸如“这么晚了才下班回家呀,路上请小心驾驶啊。”的多媒体信息;本申请的又一种实施方式,所述行程的应用场景为接送小孩,当预测用户要去学校接孩子时或送孩子上学时,此时匹配的场景服务为娱乐信息服务,然后向用户推送诸如小孩喜欢观看的动画片或的孩子喜欢听的有声读物或其它儿童节目的多媒体信息。通过匹配不同应用场景下的场景服务,智能化地为用户在不同场景下精准地推送相关的多媒体信息,从而丰富不同场景下的出行,提高行程的个性化及内容丰富度。
如图3所示,在另一种实施例中,本申请提供了一种车辆行程推送装置,包括:
上车信息获取模块10:用于响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;
地点属性获取模块20:用于根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;
行程目的预测模块30:用于根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;
导航路线推送模块40:用于根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。
本申请的一种实施例,所述导航路线通过车辆行程推荐模型确定;所述上车信息获取模块10还包括执行:
将所述用户的上车时间及上车地点作为车辆行程推荐模型的输入;
所述车辆行程推荐模型根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线;
所述导航路线为车辆行程推荐模型的输出。
本申请的一种实施例,所述应用场景包括上班场景、回家场景或其他场景;
所述车辆行程推荐模型通过如下方式训练:
获取车辆的历史行程作为目标样本;
选取历史行程中的用户上车信息及用户行为习惯信息作为目标样本的特征信息;
根据历史行程中的目的地信息为所述历史行程标注应用场景;
根据所述目标样本的特征信息及标注的应用场景对车辆行程推荐模型进行训练,得到车辆行程推荐模型的参数;
获取单个行程的特征信息与用户行为习惯信息的比较作为目标样本的组合特征信息;
根据所述组合特征信息对车辆行程推荐模型的参数进行优化,确定车辆行程推荐模型。
本申请的一种实施例,所述装置还包括执行:
收集车辆的历史行程;
获取所述车辆的历史行程中的起始点的坐标位置;
基于Geohash算法将所述起始点的坐标位置转换成字符串对所述起始点进行聚类,将所述起始点分散为在若干个规划区域内的点;
对同一规划区域内的点的历史行程进行统计识别,确定该规划区域的点的历史行程的出行规律,根据所述出行规律确定所述规划区域的属性。
本申请的一种实施例,所述装置还包括执行:
获取所述车辆的历史行程中的终点的坐标位置;
基于Geohash算法将所述终点的坐标位置转换成字符串对所述终点进行聚类,将所述终点分散为在若干个规划区域内的点;
获取起始点所在的规划区域与终点所在的规划区域均相同的至少两个待处理历史行程;
计算所述待处理历史行程的行程轨迹差异,若所述行程轨迹差异小于预设阈值,将所述至少两个待处理历史行程确定为同一类行程,确定所述至少两个待处理历史行程为同一应用场景的行程。
本申请的一种实施例,所述应用场景包括多目的应用场景;所述行程目的预测模块30还包括执行:
获取所述应用场景对应的途径目的地及终点目的地;
所述导航路线推送模块40还包括执行:
根据所述途径目的地及终点目的地及路线偏好生成前往所述途径目的地及所述终点目的地的导航路线。
本申请的一种实施例,所述述行程目的预测模块30还包括执行:
根据所述应用场景匹配对应的场景服务;
向用户推送所述场景服务对应的多媒体信息。
在另一种实施例中,本申请提供了一种计算机可读存储介质,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执行时实现上述实施例所述的车辆行程推送方法。其中,所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random AcceSSMemory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储设备包括由设备以能够读的形式存储或传输信息的任何介质,可以是只读存储器,磁盘或光盘等。
本申请实施例提供的一种计算机可读存储介质,可实现响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。通过提供一种智能地预测用户的出行目的并为用户推送导航路线的方法,在用户触发的行程开始信号后,获取用户的上车时间及上车地点,然后根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性,在确定了上车地点的地点属性后,结合所述上车时间预测用户的出行需求,确定行程的应用场景,根据所述应用场景获取用户出行的目的地,并且根据所述应用场景确定去往所述形成目的地的路线偏好,在确定了行程目的地及路线偏好后,根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线。本申请在检测到有效触发的行程开始信号就执行相关操作,用户无需进行操作,减少操作的时间,提高效率,并且智能化地预测用户的查询该目的地,无需用户动手即可向用户推送潜在目的地的导航路线,从而提高了导航的智能化及效率。
本申请实施例提供的计算机可读存储介质可以实现上述车辆行程推送方法的实施例,具体功能实现请参见方法实施例中的说明,在此不再赘述。
此外,在又一种实施例中,本申请还提供一种控制终端,如图4所示,所述控制终端包括处理器403、存储器405、输入单元407以及显示单元409等器件。本领域技术人员可以理解,图4示出的结构器件并不构成对所有控制终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件。所述存储器405可用于存储计算机程序401以及各功能模块,所述处理器403运行存储在存储器405的计算机程序401,从而执行设备的各种功能应用以及数据处理。所述存储器405可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。
输入单元407用于接收信号的输入及接收用户的输入,输入单元407可包括触控面板以及其它输入设备,触控面板可收集用户在其上或附近的触摸操作,并根据预先设定的程序驱动相应的连接装置。显示单元409可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元409可采用液晶显示器、有机发光二极管等形式。处理器403是计算机设备的控制中心,利用各种接口和线路连接整个电脑的各个部分,通过运行或执行存储在存储器403内的软件程序和/或模块,以及调用存储在存储器内的数据,执行各种功能和处理数据。
在一种实施方式中,所述控制终端包括一个或多个处理器403,以及一个或多个存储器405,一个或多个计算机程序401,其中所述一个或多个计算机程序401被存储在存储器405中并被配置为由所述一个或多个处理器403执行,所述一个或多个计算机程序401配置用于执行以上实施例所述的车辆行程推送方法。图4中所示的一个或多个处理器403能够执行、实现图3中所示的上车信息获取模块10、地点属性获取模块20、行程目的预测模块30、导航路线推送模块40的功能。
本申请实施例提供的一种控制终端,可实现响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。通过提供一种智能地预测用户的出行目的并为用户推送导航路线的方法,在用户触发的行程开始信号后,获取用户的上车时间及上车地点,然后根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性,在确定了上车地点的地点属性后,结合所述上车时间预测用户的出行需求,确定行程的应用场景,根据所述应用场景获取用户出行的目的地,并且根据所述应用场景确定去往所述形成目的地的路线偏好,在确定了行程目的地及路线偏好后,根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线。本申请在检测到有效触发的行程开始信号就执行相关操作,用户无需进行操作,减少操作的时间,提高效率,并且智能化地预测用户的查询该目的地,无需用户动手即可向用户推送潜在目的地的导航路线,从而提高了导航的智能化及效率。
本申请实施例提供的控制终端可以实现上述提供的车辆行程推送方法的实施例,具体功能实现请参见方法实施例中的说明,在此不再赘述。
此外,在又一种实施例中,本申请还提供一种车辆,所述车辆包括车载控制***,所述车载控制***可以实现上述提供的车辆行程推送方法的实施例,具体功能实现请参见上述方法实施例中的说明,在此不再赘述。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种车辆行程推送方法,其特征在于,包括以下步骤:
响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;
根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;
根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;
根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。
2.根据权利要求1所述的方法,其特征在于,所述导航路线通过车辆行程推荐模型确定;所述获取用户的上车时间及上车地点之后,还包括:
将所述用户的上车时间及上车地点作为车辆行程推荐模型的输入;
所述车辆行程推荐模型根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线;
所述导航路线为车辆行程推荐模型的输出。
3.根据权利要求2所述的方法,其特征在于,所述应用场景包括上班场景、回家场景或其他场景;
所述车辆行程推荐模型通过如下方式训练:
获取车辆的历史行程作为目标样本;
选取历史行程中的用户上车信息及用户行为习惯信息作为目标样本的特征信息;
根据历史行程中的目的地信息为所述历史行程标注应用场景;
根据所述目标样本的特征信息及标注的应用场景对车辆行程推荐模型进行训练,得到车辆行程推荐模型的参数;
获取单个行程的特征信息与用户行为习惯信息的比较作为目标样本的组合特征信息;
根据所述组合特征信息对车辆行程推荐模型的参数进行优化,确定车辆行程推荐模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性之前,还包括:
收集车辆的历史行程;
获取所述车辆的历史行程中的起始点的坐标位置;
基于Geohash算法将所述起始点的坐标位置转换成字符串对所述起始点进行聚类,将所述起始点分散为在若干个规划区域内的点;
对同一规划区域内的点的历史行程进行统计识别,确定该规划区域的点的历史行程的出行规律,根据所述出行规律确定所述规划区域的属性。
5.根据权利要求4所述的方法,其特征在于,所述根据所述地点属性及所述上车时间确定行程的应用场景之前,还包括:
获取所述车辆的历史行程中的终点的坐标位置;
基于Geohash算法将所述终点的坐标位置转换成字符串对所述终点进行聚类,将所述终点分散为在若干个规划区域内的点;
获取起始点所在的规划区域与终点所在的规划区域均相同的至少两个待处理历史行程;
计算所述待处理历史行程的行程轨迹差异,若所述行程轨迹差异小于预设阈值,将所述至少两个待处理历史行程确定为同一类行程,确定所述至少两个待处理历史行程为同一应用场景的行程。
6.根据权利要求1所述的方法,其特征在于,所述根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好之后,还包括:
根据所述应用场景匹配对应的场景服务;
向用户推送所述场景服务对应的多媒体信息。
7.一种车辆行程推送装置,其特征在于,包括:
上车信息获取模块:用于响应于用户触发的行程开始信号,获取用户的上车时间及上车地点;
地点属性获取模块:用于根据所述上车地点确定行程的起点区域,获取所述起点区域的地点属性;
行程目的预测模块:用于根据所述地点属性及所述上车时间确定行程的应用场景,获取所述应用场景对应的行程目的地及路线偏好;
导航路线推送模块:用于根据所述行程目的地及路线偏好生成前往所述行程目的地的导航路线,向用户推送所述导航路线。
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计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任意一项所述的车辆行程推送方法。
9.一种控制终端,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个计算机程序;
其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个计算机程序被配置用于执行根据权利要求1至6任意一项所述的车辆行程推送方法。
10.一种汽车,其特征在于,包括:车载控制***,所述车载控制***用于执行权利要求1至6任一项所述的车辆行程推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303462.XA CN110986985B (zh) | 2019-12-17 | 2019-12-17 | 车辆行程推送方法、装置、介质、控制终端及汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303462.XA CN110986985B (zh) | 2019-12-17 | 2019-12-17 | 车辆行程推送方法、装置、介质、控制终端及汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110986985A true CN110986985A (zh) | 2020-04-10 |
CN110986985B CN110986985B (zh) | 2022-07-12 |
Family
ID=70094956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911303462.XA Active CN110986985B (zh) | 2019-12-17 | 2019-12-17 | 车辆行程推送方法、装置、介质、控制终端及汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110986985B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111688439A (zh) * | 2020-06-28 | 2020-09-22 | 曼德电子电器有限公司 | 汽车空调的控制方法和控制*** |
CN111739194A (zh) * | 2020-06-22 | 2020-10-02 | 舒伟伟 | 一种新能源汽车行驶行为分析***及方法 |
CN111735471A (zh) * | 2020-07-28 | 2020-10-02 | 北京奇虎技术服务有限公司 | 导航路线生成方法、设备、存储介质及装置 |
CN112229411A (zh) * | 2020-10-15 | 2021-01-15 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112288599A (zh) * | 2020-10-29 | 2021-01-29 | 四川长虹电器股份有限公司 | 智慧家庭的场景服务实现方法、计算机设备及存储介质 |
CN112395089A (zh) * | 2020-11-19 | 2021-02-23 | 联通智网科技有限公司 | 一种云端异构计算方法及设备 |
CN112414427A (zh) * | 2020-10-27 | 2021-02-26 | 维沃移动通信有限公司 | 导航信息的显示方法及电子设备 |
CN112597387A (zh) * | 2020-12-18 | 2021-04-02 | 芜湖雄狮汽车科技有限公司 | 车载服务推荐方法、***及具有其的车辆 |
CN113188559A (zh) * | 2021-06-02 | 2021-07-30 | 芜湖雄狮汽车科技有限公司 | 车辆的导航方法、装置及车辆 |
CN113379304A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 用于确定用电量的方法和装置 |
CN114754783A (zh) * | 2021-11-10 | 2022-07-15 | 广州汽车集团股份有限公司 | 一种用户出行信息的推荐方法、***及汽车 |
US20220291007A1 (en) * | 2021-03-15 | 2022-09-15 | Mobility Asia Smart Technology Co. Ltd. | Method, device, medium, and program products for information display |
CN115309983A (zh) * | 2022-07-21 | 2022-11-08 | 国家康复辅具研究中心 | 一种辅具适配方法、***及存储介质 |
CN116539046A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市博安智控科技有限公司 | 智慧校园的信息发布方法、装置、服务器及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101578497A (zh) * | 2007-07-12 | 2009-11-11 | 松下电器产业株式会社 | 旅程提示装置以及旅程提示方法 |
CN104833365A (zh) * | 2014-02-12 | 2015-08-12 | 华为技术有限公司 | 一种用户目的地点的预测方法及装置 |
CN106875066A (zh) * | 2017-02-28 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 用车出行行为的预测方法、装置、服务器以及存储介质 |
CN108074415A (zh) * | 2017-12-19 | 2018-05-25 | 广州小鹏汽车科技有限公司 | 一种基于用户行为的车辆目的地预测方法及*** |
CN108108455A (zh) * | 2017-12-28 | 2018-06-01 | 广东欧珀移动通信有限公司 | 目的地的推送方法、装置、存储介质及电子设备 |
CN108286980A (zh) * | 2017-12-29 | 2018-07-17 | 广州通易科技有限公司 | 一种预测目的地和推荐驾驶路线的方法 |
WO2018213996A1 (en) * | 2017-05-22 | 2018-11-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining estimated time of arrival |
CN109256029A (zh) * | 2018-09-12 | 2019-01-22 | 广州小鹏汽车科技有限公司 | 一种地点属性的自动设置方法及装置 |
CN110095133A (zh) * | 2019-04-30 | 2019-08-06 | 广州小鹏汽车科技有限公司 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
CN110296711A (zh) * | 2018-03-23 | 2019-10-01 | 广州小鹏汽车科技有限公司 | 一种行程规划方法及装置 |
CN110334289A (zh) * | 2019-06-12 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 出行目的地的确定方法和目标用户的确定方法 |
-
2019
- 2019-12-17 CN CN201911303462.XA patent/CN110986985B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101578497A (zh) * | 2007-07-12 | 2009-11-11 | 松下电器产业株式会社 | 旅程提示装置以及旅程提示方法 |
CN104833365A (zh) * | 2014-02-12 | 2015-08-12 | 华为技术有限公司 | 一种用户目的地点的预测方法及装置 |
CN106875066A (zh) * | 2017-02-28 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 用车出行行为的预测方法、装置、服务器以及存储介质 |
WO2018213996A1 (en) * | 2017-05-22 | 2018-11-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining estimated time of arrival |
CN108074415A (zh) * | 2017-12-19 | 2018-05-25 | 广州小鹏汽车科技有限公司 | 一种基于用户行为的车辆目的地预测方法及*** |
CN108108455A (zh) * | 2017-12-28 | 2018-06-01 | 广东欧珀移动通信有限公司 | 目的地的推送方法、装置、存储介质及电子设备 |
CN108286980A (zh) * | 2017-12-29 | 2018-07-17 | 广州通易科技有限公司 | 一种预测目的地和推荐驾驶路线的方法 |
CN110296711A (zh) * | 2018-03-23 | 2019-10-01 | 广州小鹏汽车科技有限公司 | 一种行程规划方法及装置 |
CN109256029A (zh) * | 2018-09-12 | 2019-01-22 | 广州小鹏汽车科技有限公司 | 一种地点属性的自动设置方法及装置 |
CN110095133A (zh) * | 2019-04-30 | 2019-08-06 | 广州小鹏汽车科技有限公司 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
CN110334289A (zh) * | 2019-06-12 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 出行目的地的确定方法和目标用户的确定方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739194A (zh) * | 2020-06-22 | 2020-10-02 | 舒伟伟 | 一种新能源汽车行驶行为分析***及方法 |
CN111739194B (zh) * | 2020-06-22 | 2021-09-17 | 乐清市然景电气有限公司 | 一种新能源汽车行驶行为分析***及方法 |
CN111688439B (zh) * | 2020-06-28 | 2021-06-18 | 曼德电子电器有限公司 | 汽车空调的控制方法和控制*** |
CN111688439A (zh) * | 2020-06-28 | 2020-09-22 | 曼德电子电器有限公司 | 汽车空调的控制方法和控制*** |
CN111735471A (zh) * | 2020-07-28 | 2020-10-02 | 北京奇虎技术服务有限公司 | 导航路线生成方法、设备、存储介质及装置 |
CN112229411B (zh) * | 2020-10-15 | 2021-12-07 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112229411A (zh) * | 2020-10-15 | 2021-01-15 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112414427A (zh) * | 2020-10-27 | 2021-02-26 | 维沃移动通信有限公司 | 导航信息的显示方法及电子设备 |
CN112414427B (zh) * | 2020-10-27 | 2023-04-28 | 维沃移动通信有限公司 | 导航信息的显示方法及电子设备 |
CN112288599A (zh) * | 2020-10-29 | 2021-01-29 | 四川长虹电器股份有限公司 | 智慧家庭的场景服务实现方法、计算机设备及存储介质 |
CN112395089A (zh) * | 2020-11-19 | 2021-02-23 | 联通智网科技有限公司 | 一种云端异构计算方法及设备 |
CN112597387A (zh) * | 2020-12-18 | 2021-04-02 | 芜湖雄狮汽车科技有限公司 | 车载服务推荐方法、***及具有其的车辆 |
US20220291007A1 (en) * | 2021-03-15 | 2022-09-15 | Mobility Asia Smart Technology Co. Ltd. | Method, device, medium, and program products for information display |
CN113188559A (zh) * | 2021-06-02 | 2021-07-30 | 芜湖雄狮汽车科技有限公司 | 车辆的导航方法、装置及车辆 |
CN113379304A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 用于确定用电量的方法和装置 |
CN114754783A (zh) * | 2021-11-10 | 2022-07-15 | 广州汽车集团股份有限公司 | 一种用户出行信息的推荐方法、***及汽车 |
CN115309983A (zh) * | 2022-07-21 | 2022-11-08 | 国家康复辅具研究中心 | 一种辅具适配方法、***及存储介质 |
CN116539046A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市博安智控科技有限公司 | 智慧校园的信息发布方法、装置、服务器及存储介质 |
CN116539046B (zh) * | 2023-07-06 | 2023-09-08 | 深圳市博安智控科技有限公司 | 智慧校园的信息发布方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110986985B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110986985B (zh) | 车辆行程推送方法、装置、介质、控制终端及汽车 | |
US11188575B2 (en) | Map updates from a connected vehicle fleet | |
US10140854B2 (en) | Vehicle traffic state determination | |
CA3061281C (en) | Verifying sensor data using embeddings | |
US9689693B2 (en) | Systems and methods for learning and displaying customized geographical navigational options | |
US9020760B2 (en) | System for classifying streets for vehicle navigation | |
US11100794B2 (en) | Autonomous driving and slowdown patterns | |
US10540895B2 (en) | Management of mobile objects | |
US20160358478A1 (en) | Vehicle fleet work order management system | |
EP3413286A1 (en) | Reversible lane active direction detection based on probe data | |
US11932278B2 (en) | Method and apparatus for computing an estimated time of arrival via a route based on a degraded state of a vehicle after an accident and/or malfunction | |
US11670286B2 (en) | Training mechanism of verbal harassment detection systems | |
CN112805762B (zh) | 提高交通状况可视化的***和方法 | |
US11341847B1 (en) | Method and apparatus for determining map improvements based on detected accidents | |
US11620987B2 (en) | Generation of training data for verbal harassment detection | |
JP2022517454A (ja) | ナビゲーション中に難しい操縦についての追加の命令を提供すること | |
US11557132B2 (en) | Lane marking | |
US20220198262A1 (en) | Method, apparatus, and computer program product for surveillance of road environments via deep learning | |
US11060879B2 (en) | Method, system, and computer program product for generating synthetic demand data of vehicle rides | |
US20230288220A1 (en) | Method and apparatus for determining connections between animate objects | |
US11480436B2 (en) | Method and apparatus for requesting a map update based on an accident and/or damaged/malfunctioning sensors to allow a vehicle to continue driving | |
US11807252B2 (en) | Method and apparatus for determining vehicle behavior | |
US20240212486A1 (en) | Method and apparatus for determining an intersection condition | |
US20230098178A1 (en) | Systems and methods for evaluating vehicle occupant behavior | |
US20230391363A1 (en) | User-controlled route selection for autonomous vehicles |
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 |