CN111400425A - 一种路径自动优化选择的方法和*** - Google Patents
一种路径自动优化选择的方法和*** Download PDFInfo
- Publication number
- CN111400425A CN111400425A CN202010191459.XA CN202010191459A CN111400425A CN 111400425 A CN111400425 A CN 111400425A CN 202010191459 A CN202010191459 A CN 202010191459A CN 111400425 A CN111400425 A CN 111400425A
- Authority
- CN
- China
- Prior art keywords
- path
- road
- type
- ink
- road type
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请实施例公开了一种路径自动优化选择的方法和***。所述方法包括:获取第一路径,第一路径为当前规划的行驶路径;获取第一路径的预调整指示,并基于第一路径的预调整指示,生成与预调整指示相关的第二路径;判断第二路径是否满足触发条件:满足,则确定第二路径中的至少一种特定路型和特定路型对应的附加通行时间;基于附加通行时间,确定是否从第一路径切换为第二路径进行行驶;不满足,则引导继续按照第一路径行驶。本申请通过第一路径和第二路径的道路Link和道路Node,确定第二路径中的特定路型以及特定路型对应的附加通行时间,从而以绕路总时间阈值为基准,根据附加通行时间判断是否对行驶路径进行切换,进而提高了运输效率、减少了绕路。
Description
技术领域
本申请涉及出行技术领域,特别涉及一种路径自动优化选择的方法和***。
背景技术
随着科技的快速发展,人们通过私家车或网约车出行已经成为一种普遍现象,并且随着智能化服务的快速发展,人们出行也越来越便利和高效。随着出行频率升高,为了减少交通出行成本,多数人在时间相对空余时更愿意选择共享出行。
因此,有必要提供一种路径自动优化选择的方法和***。
发明内容
本申请实施例之一提供一种路径自动优化选择的方法。所述路径自动优化选择的方法包括:获取第一路径,所述第一路径为当前规划的行驶路径;获取所述第一路径的预调整指示,并基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径;判断所述第二路径是否满足触发条件:若满足,则确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间;基于所述附加通行时间,确定是否从所述第一路径切换为所述第二路径进行行驶;若不满足,则引导继续按照所述第一路径行驶。
本申请实施例之一提供一种路径自动优化选择的***。所述***包括获取模块、生成模块、路型处理模块以及确定模块。所述获取模块,用于获取第一路径,所述第一路径为当前规划的行驶路径;以及获取所述第一路径的预调整指示;所述生成模块,用于基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径;所述路型处理模块,用于判断所述第二路径是否满足触发条件:满足,则确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间;不满足,则引导继续按照所述第一路径行驶;所述确定模块,用于基于所述附加通行时间,确定是否从所述第一路径切换为所述第二路径进行行驶。
本申请实施例之一提供一种路径自动优化选择的装置。所述装置包括至少一个处理器和至少一个存储设备,所述存储设备用于存储指令,当所述至少一个处理器执行所述指令时,实现本申请实施例中任一项所述的方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述存储介质中的所述计算机指令后,所述计算机执行本申请实施例中任一项所述的方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请的一些实施例所示的路径自动优化选择***的应用场景示意图;
图2是根据本申请的一些实施例所示的路径自动优化选择***的模块图;
图3是根据本申请的一些实施例所示的路径自动优化选择方法的示例性流程图;
图4是根据本申请的一些实施例所示的特定路型确定方法的示例性流程图;
图5是根据本申请的一些实施例所示的环形路型的示意图;
图6是根据本申请的一些实施例所示的折返路型的示意图;
图7是根据本申请的又一些实施例所示的折返路型的示意图;
图8是根据本申请的一些实施例所示的频繁转折路型的示意图;
图9是根据本申请的一些实施例所示的梯形路型的示意图;
图10是根据本申请的一些实施例所示的第一/第二时间预测模型训练方法的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的运输***,例如,出租车、专车、顺风车、巴士、代驾等。本申请描述的“乘客”、“乘客端”、“乘客终端”、“顾客”、“需求者”、“服务需求者”、“服务请求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的,是指需要或者订购服务的一方,可以是个人,也可以是工具。同样地,本申请描述的“司机”、“司机端”、“司机终端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的,是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外,本申请描述的“用户”可以是需要或者订购服务的一方(例如服务请求者、乘客),也可以是提供服务或者协助提供服务的一方(例如服务提供者、司机)。
图1是根据本申请一些实施例所示的路径自动优化选择***的应用场景示意图。路径自动优化选择***100可以根据对当前行驶的第一路径的预调整指示生成第二路径,并根据对第二路径的特定路型的判断结果和该特定路型对应的附加通行时间,确定是否从第一路径切换为第二路径进行行驶,并基于从第一路径切换为第二路径进行行驶的确定结果,引导用户按第二路径进行行驶。例如,在拼车服务场景下,***100可以基于当前乘客的行驶路径(第一路径)和当前乘客与其他乘客进行拼车后的行驶路径(第二路径)进行判断,确定拼车后的行驶路径是否包含至少一种特定路型和特定路型对应的附加行驶时间,进一步地,可以确定是否允许进行拼车以及确定允许拼车后引导按照拼车后的行驶路径进行行驶。又例如,当在乘客不拼车或用户单独出行场景下,***100可以根据乘客或用户的行驶路径的路况或当前位置是否偏离行驶路径进行判断,确定是否需要切换当前的行驶路径,并在确定需切换当前的行驶路径后引导用户按照切换后的行驶路径进行行驶。路径自动优化选择***100可以是用于互联网或者其它网络的服务平台。例如,路径自动优化选择***100可以是为交通运输提供服务的线上服务平台。在一些实施例中,路径自动优化选择***100可以应用于网约车服务,例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例中,路径自动优化选择***100还可以应用于代驾、快递、外卖等。在另一些实施例中,路径自动优化选择***100还可以应用于出行(如旅游)服务领域。路径自动优化选择***100可以包括服务器110、网络120、服务请求者终端130、服务提供者终端140和存储设备150。
在一些实施例中,服务器110可以用于处理与服务请求有关的信息和/或数据,例如,用于处理在线打车的服务请求。具体的,服务器可以从服务请求者终端130接收服务请求,并处理该服务请求以向服务请求者终端130推荐行驶路径。又例如,服务器110也可以用于处理在线拼车服务请求,服务器可以从服务请求者终端130接收拼车服务请求,并处理该服务请求以向服务请求者终端130推送是否拼车成功的信息以及拼车成功后推荐的行驶路径。在一些实施例中,服务器110可以是单个的服务器或者服务器群组。所述服务器群可以是集中式的或分布式的(例如,服务器110可以是分布式的***)。在一些实施例中,服务器110可以是本地的或远程的。例如,服务器110可以通过网络120访问存储在服务请求者终端130、存储设备150中的信息和/或数据。再例如,服务器110可以直接连接到服务请求者终端130、存储设备150以访问存储的信息和/或数据。在一些实施例中,服务器110可以在一个云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可处理与路径自动优化选择有关的数据和/或信息以执行一个或多个本申请中描述的功能。例如,处理引擎112可以接收服务请求者终端130发送的拼车请求信息,并处理该服务请求以向服务请求者终端130发送拼车是否成功的信息以及拼车成功后推荐的行驶路径。在一些实施例中,处理引擎112可以获取第一路径,即当前规划的行驶路径。在一些实施例中,处理引擎112可以获取第一路径的预调整指示,并基于第一路径的预调整指示生成与该预调整指示相关的第二路径。在一些实施例中,处理引擎112可以判断第二路径是否满足触发条件,若满足,则确定所述第二路径中的至少一种特定路型和该特定路型对应的附加通行时间。在一些实施例中,处理引擎112可以基于该附加通行时间,确定是否从第一路径切换为第二路径进行行驶。在一些实施例中,处理引擎112可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理器)。仅作为示例,处理引擎112可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可程序逻辑装置(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或以上任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,路径自动优化选择***100中的一个或以上组件(例如,服务器110、服务请求者终端130、服务提供者终端140和存储设备150)可以通过网络120向/从路径自动优化选择***100中的其他组件发送/接收信息和/或数据。例如,服务器110可以通过网络120从服务请求者终端130和/或服务提供者终端140获得/获取服务请求。在一些实施例中,网络120可以为任意形式的有线或无线网络或其任意组合。仅作为示例,网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络、全球移动通讯***(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GPRS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短讯息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、红外线等或其任意组合。在一些实施例中,路径自动优化选择***100可以包括一个或以上网络接入点。例如,路径自动优化选择***100可以包括有线或无线网络接入点,例如基站和/或无线接入点120-1、120-2、…,路径自动优化选择***100的一个或以上组件可以通过其连接到网络120以交换数据和/或信息。
在一些实施例中,服务请求者终端130和/或服务提供者终端140可以是与请求直接相关的个人、工具或其他实体。在一些实施例中,服务请求者终端130可以包括移动设备130-1、平板电脑130-2、笔记本电脑130-3、以及机动车辆中的车载设备130-4等或其任意组合。在一些实施例中,移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中,可穿戴设备可以包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能穿着、智能背包、智能配件等或其任意组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强型虚拟现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google Glass、Oculus Rift、HoloLens或Gear VR等。在一些实施例中,机动车辆中的车载设备130-4可以包括车载计算机、车载电视等。在一些实施例中,服务请求者终端130可以是具有定位技术的设备,用于定位服务请求者和/或服务请求者终端130的位置。
在一些实施例中,服务提供者终端140可以与服务请求者终端130类似或相同的设备。在一些实施例中,服务提供者终端140可以是具有用于确定服务提供者或者服务提供者终端140位置的定位技术的装置。在一些实施例中,服务请求者终端130和/或服务提供者终端140可以与另一定位设备通信以确定服务请求者、服务请求者终端130、服务提供者和/或服务提供者终端140的位置。在一些实施例中,服务提供者终端140可以包括移动设备140-1、平板电脑140-2、笔记本电脑140-3、以及机动车辆中的车载设备140-4等或其任意组合。在一些实施例中,服务请求者终端130和/或服务提供者终端140可以将定位信息发送到服务器110。
存储设备150可以存储与服务请求相关的数据和/或指令。在一些实施例中,存储设备150可以存储从服务请求者终端130和/或服务提供者终端140获得/获取的数据。在一些实施例中,存储设备150可以存储服务器110用于执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量储存器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性的挥发性只读存储器可以包括随机存取内存(RAM)。示例性的RAM可包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、闸流体RAM(T-RAM)和零电容RAM(Z-RAM)等。示例性的ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电子可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用磁盘ROM等。在一些实施例中,所述存储设备150可以在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备150可以连接到网络120以与路径自动优化选择***100中的一个或以上组件(例如,服务器110、服务请求者终端130、服务提供者终端140)通信。路径自动优化选择***100中的一个或以上组件可以通过网络120访问存储设备150中存储的数据或指令。在一些实施例中,存储设备150可以与路径自动优化选择***100中的一个或以上组件(例如,服务器110、服务请求者终端130、服务提供者终端140等)直接连接或通信。在一些实施例中,存储设备150可以是服务器110的一部分。
图2是根据本申请一些实施例所示的路径自动优化选择***的模块图。该***200可以用于获取第一路径以及第一路径的预调整指示,并基于第一路径的预调整指示生成第二路径,进而基于第二路径中的至少一种特定路型以及对应的附加通行时间,确定是否从第一路径切换为第二路径进行行驶。如图2所示,***200可以包括获取模块210、生成模块220、路型处理模块230以及确定模块240。
获取模块210可以用于获取第一路径,所述第一路径为当前规划的行驶路径。获取模块210还可以用于获取所述第一路径的预调整指示。所述预调整指示可以包括有拼车订单加入或路径导航切换指示。
生成模块220可以用于基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径。
路型处理模块230可以用于判断所述第二路径是否满足触发条件:满足,则确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间;不满足,则引导继续按照所述第一路径行驶。在一些实施例中,当预调整指示包括有拼车订单加入时,其触发条件可以包括第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上。在一些实施例中,当有路径导航切换指示时,其触发条件可以包括第二路径与第一路径不一致。
在一些实施例中,所述特定路型可以包括环形路型、折返路型、梯形路型和/或频繁转折路型。具体的,所述环形路型是指在同一段道路上同向行驶两次的路型。所述折返路型是指在同一段道路上反向行驶,或者在邻***行道路上反向行驶的路型。所述梯形路型是指第二路径与第一路径围合,且第一路径只占其中的一条边的路型。所述频繁转折路型为所述第二路径转折点的数量大于第一预设阈值。
在一些实施例中,路型处理模块230可以提取第二路径与第一路径不重合部分的道路Link,判断道路Link中是否包含两个通行方向相同的同一道路Link ID,若是,则确定第二路径包括环形路型,并计算两个通行方向相同的同一道路Link ID之间所有道路link和第二个同一道路Link ID的道路Link的通行时间。
在一些实施例中,路型处理模块230可以提取第二路径与第一路径不重合部分的道路Link,判断道路Link中是否包含至少一对通行方向相反的同一道路Link ID,若是,则确定第二路径包括折返路型,并计算至少一对通行方向相反的同一道路Link ID中所有成对道路Link的通行时间。
在一些实施例中,路型处理模块230可以提取第二路径与第一路径不重合部分的道路Node和道路Link,判断至少第一数量阈值个连续道路Node之间的距离是否小于距离阈值,若是,则判断确定第二路径包括频繁转折路型,并计算小于距离阈值的至少第一数量阈值个连续道路Node之间所有道路link的通行时间。
在一些实施例中,路型处理模块230可以提取第二路径的道路link和道路Node,判断第二路径上第一预设距离内转折点的数量是否大于第一预设阈值,若是,则确定第二路径包括频繁转折路型,并利用经训练的第一时间预测模型处理第二路径和第一路径的第一信息以及用户信息,得到频繁转折路型对应的附加通行时间;若否,则确定第二路径不包括频繁转折路型。在一些实施例中,第一信息可以包括路径所在运营区域、预调整指示时刻、路径段数、道路等级、转折点数量、转折点属性、转折点偏移角度、分段通行距离和分段通行时间。具体的,路径段数可以包括路径按第二预设距离划分成的段数。转折点可以包括左转或右转的路口。转折点属性可以包括路口的转向信息、红绿灯信息。转折点偏移角度可以包括以当前位置与终点位置的连线为基线,转折点与所述基线的角度。分段通行距离可以为相邻转折点之间的通行距离。分段通行时间可以为相邻转折点之间的通行时间。
在一些实施例中,路型处理模块230可以提取第二路径和第一道路的道路Link和道路Node,判断第二路径与第一路径不重合部分道路的转折点数量是否大于第二预设阈值,若是,则确定第二路径包括梯形路型,并利用经训练的第二时间预测模型处理第二路径和第一路径的第二信息以及用户信息,得到梯形路型对应的附加通行时间;若否,则确定第二路径不包括梯形路型。在一些实施例中,第二信息可以包括路径所在运营区域、预调整指示时刻、道路等级、转折点数量、转折点偏移角度、分段通行距离和分段通行时间。
确定模块240可以用于基于所述附加通行时间,确定是否从所述第一路径切换为所述第二路径进行行驶。
在一些实施例中,***200还可以包括导航模块250。导航模块250可以用于响应于从第一路径切换为第二路径进行行驶的确定结果,引导用户按第二路径行驶。
应当理解,图2所示的***及其模块可以利用各种方式来实现。例如,在一些实施例中,***及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和***可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的***及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于候选项显示、确定***及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子***与其他模块连接。例如,图2中披露的获取模块210、生成模块220、路型处理模块230和确定模块240可以是一个***中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。又例如,路型处理模块230、确定模块240可以是两个模块,也可以是一个模块同时具有路型处理和确定是否进行路径切换功能。再例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图3是根据本申请一些实施例所示的路径自动优化选择方法的示例性流程图。
步骤310,获取第一路径。具体的,步骤310可以由获取模块210执行。
在一些实施例中,第一路径可以是当前规划的行驶路径。例如,在拼车服务中,第一路径可以是拼车过程中先叫车的乘客上车后,服务器生成的、车辆即将行驶或正在行驶的路径。又例如,在乘客独自出行(自驾或单独打车出行)时,第一路径可以是服务器生成的车辆即将行驶或正在行驶的路径。在一些实施例中,服务器可以获取第一路径。本申请的服务器可以指的是图1中的服务器110。
步骤320,获取第一路径的预调整指示,基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径。具体的,获取第一路径的预调整指示可以由获取模块210执行,基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径可以由生成模块220执行。
在一些实施例中,第一路径的预调整指示可以包括有拼车订单加入或路径导航切换指示。具体的,路径导航切换指示可以包括因道路拥堵、道路临时封路不予通行、车辆行驶过程中偏离原行驶路径、原行驶路径中红绿灯较多导致通行缓慢等原因需要进行路径切换的指令。
第二路径可以是与第一路径不一致的路径。在一些实施例中,当预调整指示为有拼车订单加入时,第二路径可以是使至少两个拼车用户具有共乘里程的路径。服务器可以根据先叫车用户的规划行驶路径和其他后叫车用户的起点位置、终点位置生成第二路径。
在一些实施例中,当预调整指示为路径导航切换指示时,服务器可以根据当前的行驶路径(即第一路径)的路况或当前位置是否偏离行驶路径生成通行效率高的第二路径。例如,当当前的行驶路径红绿灯较多、行驶车辆较多导致交通拥堵,服务器可以重新生成一条红绿灯少、行驶车辆少的行驶路径(即第二路径)。
步骤330,判断第二路径是否满足触发条件。具体的,步骤330可以由路型处理模块230执行。
在一些实施例中,当第一路径的预调整指示为有拼车订单加入时,触发条件可以包括:第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上。在一些实施例中,当第一路径的预调整指示为路径导航切换指示时,触发条件可以包括:第二路径与第一路径不一致。在一些实施例中,服务器可以判断第二路径是否满足触发条件,当满足触发条件时,执行步骤340;当不满足触发条件时,执行步骤360:引导继续按照第一路径行驶。例如,当预调整指示为有拼车订单加入时,但不满足以下两个条件中任意一个:第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上,则引导继续按照第一路径行驶。
步骤340,确定第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间。具体的,步骤340可以由路型处理模块230执行。
在一些实施例中,特定路型可以包括环形路型、折返路型、梯形路型和/或频繁转折路型。特定路型的类型可以为上述四种路型中任一种,也可以为其中两种或者多种。特定路型的类型还可以根据用户的反馈信息聚合成特定路型后加入到特定路型的类型集合中,在确定第二路径中包含的特定路型时根据需要灵活选择特定路型的类型。例如,可以根据用户的反馈信息聚合多个用户反馈绕路的路径,得到上述路径中共同的路型特点(路型类型),然后加入到特定路型的类型集合中。具体的,环形路型可以是第在同一段道路上同向行驶两次的路径。折返路型可以是在同一段道路上反向行驶,或者在邻***行道路上反向行驶的路型。梯形路型可以是第二路径与第一路径围合,且第一路径只占其中的一条边的路型。频繁转折路型可以是第二路径转折点的数量大于第一预设阈值的路型。例如,频繁转折路型可以是第二路径在第一预设距离内转折点的数量大于第一预设阈值的路型。优选的,第一预设距离可以是服务器110的默认值,例如,1Km、2Km或3Km,也可以根据不同情况进行调整。在一些实施例中,第一预设阈值可以是服务器110的默认值,例如,3、5、7、10、12、15等,也可以根据不同的情况进行调整。第二路径可以同时包括一种或多种特定路型,也可以包括一个或多个同一种特定路型,或上述两种情形的任意组合。例如,第二路径中同时包括环形路型、折返路型和频繁转折路型。又例如,第二路径中同时包括3个环形路型。再例如,第二路径中同时包括3个环形路型、5个折返路型和1个频繁转折路型。确定第二路径中特定路型的具体内容可以参见图4的详细描述。
在一些实施例中,特定路型对应的附加通行时间可以指第二路径的预计通行时间和第一路径的预计通行时间的差值。具体的,环形路型对应的附加通行时间可以根据第一路径和第二路径上与第一路径不重合部分的道路Link的编号和方向进行计算得到,具体可以参见图4的详细描述。折返路型对应的附加通行时间可以根据第二路径上与第一路径不重合部分和第二路径的道路link和道路Node进行计算,具体可以参见图4的详细描述。频繁折返路型对应的附加通行时间可以根据第二路径的道路Link和道路Node,利用训练后的第一时间预测模型进行处理得到。梯形路型对应的附加通行时间可以根据第二路径的道路Link和道路Node,利用训练后的第二时间预测模型进行处理得到计算,具体可以参见图4的详细描述。
在一些实施例中,服务器可以确定第二路径中所包括的特定路型以及与特定路型对应的附加通行时间。
步骤350,基于所述附加通行时间,确定是否从所述第一路径切换为所述第二路径进行行驶。具体的,步骤350可以由确定模块240执行。
在一些实施例中,当第二路径中包含两种或以上的特定路型时,可以根据问卷调查和线上投诉拼车不顺路的占比以及严重程度(如,用户对不顺路的评分),设置对应的权重,将所有特定路型对应的两种或以上附加通行时间进行加权求和,得到第二路径中所有特定路型对应的附加通行时间的总和。例如,当第二路径中包含两种特定路型(如环形路型和折返路型)时,根据问卷调查和线上投诉情况,权重可以分别设置为0.5和0.5,即附加通行时间的总和=(0.5×环形路型对应的附加通行时间)+(0.5×折返路型对应的附加通行时间)。又例如,当存在四种特定路型时,根据问卷调查和线上投诉情况,权重可以分别设置为0.35、0.35、0.2、0.1,即附加通行时间的总和=(0.35×环形路型对应的附加通行时间)+(0.35×折返路型对应的附加通行时间)+(0.2×频繁转折路型对应的附加通行时间)+(0.1×梯形路型对应的附加通行时间)。在一些实施例中,权重值可以根据运营需求进行人工设置。在一些实施例中,当第二路径中所有特定路型对应的附加通行时间的总和满足某一预设条件时,例如,附加通行时间的总和小于某一预先设置的阈值(如,4.5min),则确定从第一路径切换到第二路径进行行驶。
在一些实施例中,方法300还可以包括步骤360,响应于从第一路径切换为第二路径进行行驶的确定结果,引导用户按第二路径进行行驶。具体的,导航模块250可以在服务请求者终端130或服务提供者终端140上显示第二路型并进行语音播报引导。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。例如,步骤340和步骤350可以合并为一个步骤,当确定第二路径中的至少一种特定路型和特定路型对应的附加通行时间后,可以直接根据确定的结果判断是否进行路径切换。
图4是根据本申请一些实施例所示的一种特定路型确定方法的示例性流程图。如图4所示,该特定路型确定方法可以包括:
在电子地图中,道路的拓扑结构是由线段构成的,一般用Link表示一段道路,它是电子地图中道路模型的基本单位,Node表示道路和道路的交点,即Node为Link或Link之间的交点,用Node与Link可以表示整个道路的拓扑结构;电子地图中道路模型的道路是具有方向性的,该道路模型类似于网状结构。具体的,如表1所示,Link属性可以包括图幅号、号码(Link号码或Link ID)、种别代码数、种别代码(M)、幅宽、通行方向和收费设置中的一个或多个。
表1 Link属性
如表2所示,Node属性可以包括图幅号、号码(Node号码或Node ID)、种别代码数、种别代码(M)、路口标识、红绿灯信息、路口接续Link号码(M)、路口主点号码、路口子点号码(M)、接邻点图幅号、接邻点号码、接续Link号码(M)中的一个或多个。
表2 Node属性
如表3所示,路口的转向属性可以包括图幅号、交通限制号码、线号码(Link ID)、点号码(Node ID)、角度。
表3路口的转向属性
该Link属性、Node属性和路口的转向属性可以来自测绘数据。一条行驶路径可以包括多个link和多个Node,该多个Link和多个Node的数据集合可以用于反映该条行驶路径的相关信息(例如,行驶路径的长度、行驶路径所在区域、通行方向等)。通过获取行驶路径对应的多个Link和多个Node,可以计算行驶路径对应的通行时间或行驶路径中至少一种特定路型对应的附加通行时间。
步骤410,确定第二路径包含环形路型和环形路型对应的附加通行时间。具体的,步骤410可以由路型处理模块230执行。
在一些实施例中,当预调整指示为有拼车订单加入,且满足触发条件:第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上,服务器可以确定第二路径中的一种或多种特定路型和特定路型对应的附加通行时间。具体的,服务器可以提取第二路径与第一路径重合部分的道路Link,并判断道路Link中是否包含两个通行方向相同的同一段道路Link ID,若是,则确定第二路径中包含环形路型。确定第二路径包含环形路型后,可以根据两个通行方向相同的同一道路Link ID之间所有道路Link和第二个同一道路Link ID的道路Link进一步计算环形路型对应的附加通行时间。
下面以图5为例进行阐述,环形路型对应的附加通行时间的计算方法为:图5是根据本申请的一些实施例所示的第二路径中包含环形路型的示意图,图5中车辆行驶在道路R上,E点为司机位置(车辆位置),F点为拼车成功的位置,O点为拼友的途经点(即拼车订单的起点位置),车辆行驶到F点时接收到拼车成功的消息,需要返回到O点接拼车乘客,在此过程中在同一条道路R上行驶了一段环形路程,即从E点途经B点、C点、D点、A点再到E点重复行驶了一段环形路程,其中,C点和D点都在道路R上,为了便于说明而绘制在道路R上方。在此过程中,从E点到E点之间同一通行方向的道路Link重复了两次,因此,可以根据两个通行方向相同的同一道路Link ID之间所有道路Link和第二个同一道路Link ID的道路Link之间的所有Link计算该环形路型对应的附加通行时间,即计算车辆从B点行驶到A点、再从A点行驶到B点的附加通行时间。具体的,可以将从B点行驶到A点、再从A点行驶到B点的所有道路Link和当前时间输入ETA模型中,计算得到该环形路型对应的附加通行时间。ETA模型可以预测由多个Link组成的一条规划路径的通行时间。ETA模型可以基于路径中包括的各道路段的历史通行时长、实时通行时长以及各个路口的历史行驶时长和实时行驶时长计算得到路径中各个路段的预计通行时长和各个路口的预计行驶时长,并根据预计通行时长和实际通行时长进行回归计算,得到特定路型的预计通行时间。
步骤420,确定第二路径包含折返路型和折返路型对应的附加通行时间。具体的,步骤420可以由路型处理模块230执行。
在一些实施例中,当预调整指示为有拼车订单加入,且满足触发条件:第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上,服务器可以确定第二路径中的一种或多种特定路型和特定路径对应的附加通行时间。具体的,服务器可以提取第二路径与第一路径不重合部分的道路Link,并判断道路Link中是否包含至少一对通行方向相反的同一段道路Link ID,若是,则确定第二路径中包含折返路型。确定第二路径包含折返路型后,可以根据至少一对通行方向相反的同一道路Link ID中所有成对道路Link进一步计算折返路型对应的附加通行时间。
下面以图6为例进行阐述,折返路型对应的附加通行时间的计算方法为:图6是根据本申请的一些实施例所示的第二路径中包含折返路型的示意图,图6中车辆行驶在道路R上,E点为司机接收到拼车成功消息的位置,O点为拼友的途经点(即拼车订单的起点位置),司机在E点出发开始至O点接拼车乘客,在此过程中行驶了一段折返路程,即从M点途径O点再返回到M点反向行驶了一段折返路程,该折返路程对应的道路可以是如图6中所示的同一段道路。在此过程中,从M点到O点再到M点之间为一对通行方向相反的同一道路Link,因此,可以根据通行方向相反的所有成对道路Link计算车辆从M点行驶到O点、再从O点行驶到M点的附加通行时间。具体的,可以将从M点行驶到O点、再从O点行驶到M点的所有道路Link和当前时间输入ETA模型中,计算得到该折返路型对应的附加通行时间。关于ETA的具体计算方法可以参见步骤410中的相关描述,在此不作赘述。
在一些实施例中,服务器还可以根据第二路径与第一路径不重合部分的道路Node及Node之间的距离,确定第二路径中是否包括折返路型和折返路型对应的附加通行时间。具体的,服务器可以提取第二路径与第一路径不重合部分的道路Node和道路Link,并判断至少第一数量阈值个连续道路Node之间的距离是否小于距离阈值。在一些实施例中,若至少第一数量阈值个连续道路Node之间的距离小于距离阈值,则可以根据至少第一数量阈值个连续道路Node之间的所有道路Link,计算折返路型对应的附加通行时间。在一些实施例中,第一数量阈值可以是服务器110的默认值,例如,5、7、10、12等,也可以根据不同的情况人为进行调整。在一些实施例中,距离阈值可以是服务器110的默认值,例如,5米、7米、10米、12米、15米、20米等,也可以根据不同的情况进行调整。
下面以图7为例阐述又一折返路型对应的附加通行时间的计算方法:图7是根据本申请的又一些实施例所示的第二路径中包含折返路型的示意图,图7中车辆行驶在道路R上,E点为司机接收到拼车成功消息的位置,O点为拼友的途经点(即拼车订单的起点位置),司机在E点出发开始至O点接拼车乘客,在此过程中行驶了一段折返路程,即从M点途径O点、P点再返回到N点过程中反向行驶了一段折返路程,该折返路程可以是两条间距较近的道路,如图7中所示的两条间距较近的平行道路(道路MO和道路PN)。在此过程中,设定距离阈值为15米,分别提取道路MO和道路PN上的至少五个连续道路Node,确定至少五个连续道路Node中始末道路Node的距离小于15米的连续道路Node,并确定连续Node之间的所有道路Link,并计算得到连续Node之间的所有道路Link对应的附加通行时间。具体的,可以将连续Node之间的所有道路Link和当前时间输入ETA模型中,计算得到该折返路型对应的附加通行时间。关于ETA的具体计算方法可以参见步骤410中的相关描述,在此不作赘述。
步骤430,确定第二路径包含频繁转折路型和频繁转折路型对应的附加通行时间。具体的,步骤430可以由路型处理模块230执行。
在一些实施例中,当预调整指示为有拼车订单加入,且满足触发条件:第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上,服务器可以确定第二路径中的一种或多种特定路型和特定路型对应的附加通行时间。具体的,服务器可以提取第二路径和第一路径的道路Link和道路Node,并判断第二路径上第一预设距离内的转折点数量是否大于第一预设阈值,若是,则确定第二路径中包含频繁转折路径;若否,则确定第二路径中不包括频繁转折路型。第一预设距离可以为1km、2km或3km,也可以根据具体情况进行调整,在此不做限制。第一预设阈值可以为5、8或10,也可以根据具体情况进行调整,在此不做限制。例如,当第二路径上1km内的转折点数量大于5时,则确定第二路径中包含频繁转折路型。下面以图8为例阐述确定频繁转折路型的方法:图8是根据本申请的一些实施例所示的第二路径中包含频繁转折路型的示意图,图8中车辆行驶在道路R上,E点为司机接收到拼车成功消息的位置,O点为拼友的途经点(即拼车订单的起点位置),从E点到F点的行驶路径可以认为是第一路径,在接到拼车成功消息后,拼友的途经点O点不在第一路径EF上,***为司机重新生成了第二路径E-P-O-Q-F,若***设置的第一预设距离为2km、第一预设阈值为4,假设路径PO的距离为2km或小于2km,由图8可知,路径PO上的转折点数量为6,因为路径PO上的转折点数量大于第一预设阈值,所以确定第二路径中包含频繁转折路型。
在一些实施例中,确定第二路径中包含频繁转折路型后,服务器还可以利用已训练好的第一时间预测模型处理第二路径和第一路径的第一信息以及用户信息,得到频繁转折路型对应的附加通行时间。具体的,可以将第二路径和第一路径的第一信息以及用户信息输入经训练好的第一时间预测模型中,输出频繁转折路型对应的附加通行时间。第一时间预测模型的训练过程可以参见图10中的详细描述,在此不作赘述。在一些实施例中,第一信息可以包括路径所在运营区域、预调整指示时刻、路径段数、道路等级、转折点数量、转折点属性、转折点偏移角度、分段通行距离和分段通行时间。具体的,路径段数可以包括路径按第二预设距离划分成的段数。转折点可以包括左转或右转的路口。转折点属性可以包括路口的转向信息、红绿灯信息。转折点偏移角度可以包括以当前位置与终点位置的连线为基线,转折点与基线的角度。分段通行距离可以为相邻转折点之间的通行距离。分段通行时间可以为相邻转折点之间的通行时间。
步骤440,确定第二路径包含梯形路型和梯形路型对应的附加通行时间。具体的,步骤440可以由路型处理模块230执行。
在一些实施例中,当预调整指示为有拼车订单加入,且满足触发条件:第二路径与第一路径不一致,且拼车订单的起点位置在第二路径上,服务器可以确定第二路径中的一种或多种特定路型和特定路型对应的附加通行时间。具体的,服务器可以提取第二路径和第一路径的道路Link和道路Node,并判断第二路径与第一路径不重合部分道路的转折点数量是否大于第二预设阈值,若是,则确定第二路径中包括梯形路型;若否,则确定第二路径不包括梯形路型。第二预设距离可以为3km、5km或7km,也可以根据具体情况进行调整,在此不做限制。例如,当第二路径与第一路径不重合部分道路的转折点数量大于5,则确定第二路径中包含梯形路型。下面以图9为例阐述确定梯形路型的方法:图9是根据本申请的一些实施例所示的第二路径中包含梯形路型的示意图,图9中车辆行驶在道路R上,E点为司机接收到拼车成功消息的位置,O点为拼友的途经点(即拼车订单的起点位置),从E点到F点的行驶路径可以认为是第一路径,在接到拼车成功消息后,拼友的途经点O点不在第一路径EF上,***为司机重新生成了第二路径E-A-B-O-C-D-F,第二路径与第一路径不重合部分的道路为A-B-O-C-D,该部分的转折点数量为4,若***设置的第二预设值为2,因为第二路径的转折点数量为大于第二预设值,则确定第二路径中包含梯形路型。
在一些实施例中,确定第二路径中包含梯形路型后,可以利用已训练好的第二时间预测模型处理第二路径和第一路径的第二信息以及用户信息,得到梯形路型对应的附加通行时间。具体的,可以将第二路径和第一路径的第二信息以及用户信息输入经训练好的第二时间预测模型中,输出梯形路型对应的附加通行时间。第二时间预测模型的训练过程可以参见图10中的详细描述。在一些实施例中,第二信息可以包括路径所在运营区域、预调整指示时刻、道路等级、转折点数量、转折点偏移角度、分段通行距离和分段通行时间。
在一些实施例中,由于上述四种特定路型中都包含了一定数量的转折点,为了避免对同一条道路Link重复判断其所属特定路型和重复计算附加通行时间,服务器可以按一定的顺序对第二路径中的特定路型进行判断。优选地,服务器可以先确定第二路径中是否包含上述三种特定路型(环形路型、折返路型和/或频繁转折路型)和计算对应的附加通行时间,当上述三种特定路型和对应的附加通行时间都确定完后,可以将上述三种特定路型包含的所有道路Link取出,在确定第二路径中是否包含梯形路型时,只需处理第二路径中未取出的部分道路Link即可,若其中包含梯形路型,则再计算梯形路型对应的附加通行时间。由于计算梯形路型的附加通行时间时需要对整个第一路径和第二路径进行计算,所以计算量和计算耗时较大;而计算其他三种路型(环形路型、折返路型和/或频繁转折路型)时可以仅计算局部路径,所以计算量和计算耗时较小。因此通过在计算梯形路型时,将上述三种特定路型包含的所有道路Link取出,这样对于同一条道路Link不会重复计算附加通行时间,并且计算的附加通行时间也较为准确,另外还可以达到减少计算量和计算耗时的效果。
应当注意的是,上述有关流程400的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程400进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。例如,步骤410-步骤430中特定路型识别的先后顺序可以是环形路型-折返路型-频繁转折路型,也可以是频繁转折路型-环形路型-折返路型,具体的识别顺序不作限定。
图10是根据本申请的一些实施例所示的第一/第二时间预测模型训练方法的示例性流程图。如图10所示,该第一/第二时间预测模型训练方法1000可以包括:
步骤1010,获取训练样本。具体的,步骤1010可以由路型处理模块230执行。
在一些实施例中,训练样本可以包括用户信息、历史路径的特征信息和特定路型的附加通行时间。为了训练第一预测模型和第二时间预测模型,可以分别获取不同特定路型的训练样本对初始模型进行训练。具体的,训练第一预测模型时,可以获取频繁转折路型对应的历史第一路径的第一信息、历史第二路径的第一信息和用户信息。频繁转折路型对应的历史第一路径的第一信息、历史第二路径的第一信息路径所在运营区域、预调整指示时刻、路径段数、道路等级、转折点数量、转折点属性、转折点偏移角度、分段通行距离、分段通行时间、用车时间。关于第一信息的具体描述参见图4中步骤430及其相关描述,在此不作赘述。频繁转折路型对应的用户信息包括用户个人属性、用户乘车时经历过频繁转折路型且进行投诉、用户对订单的评分。
训练第二预测模型时,可以获取梯形路型对应的历史第一路径的第二信息、历史第二路径的第二信息和用户信息。梯形路型对应的历史第一路径的第二信息、历史第二路径的第二信息路径所在运营区域、预调整指示时刻、道路等级、转折点数量、转折点偏移角度、分段通行距离、分段通行时间、用车时间。关于第一信息的具体描述参见图4中步骤430及其相关描述,在此不作赘述。梯形路型对应的用户信息包括用户个人属性、用户乘车时经历过梯形路型且进行投诉、用户对订单的评分。
在一些实施例中,可以对所获取的训练样本进行预处理,使其符合模型训练的要求。预处理方法可以包括格式转换、归一化、标识等。
在一些实施例中,还可以对获取的训练样本进行标记。具体的,可以将特定路型的附加通行时间标记为参考附加通行时间。例如,在某一训练样本中,已知梯形路型的附加通行时间为1分钟,则可以将该训练样本标记为附加通行时间1分钟。在一些实施例中,训练样本的标记过程可以通过人工或计算机程序进行。
在一些实施例中,还可以将训练样本进行划分,划分为训练集和验证集。具体的,可以对训练样本按一定的比例进行划分。例如,划分比例可以是训练集80%、验证集20%。
步骤1020,基于训练样本及标记结果训练初始模型得到第一/第二时间预测模型。具体的,步骤1020可以由路型处理模块230执行。
为了训练第一预测模型和第二时间预测模型,可以使用相同的初始模型或不同的初始模型进行训练。在一些实施例中,初始模型可以包括决策模型。在一些实施例中,决策模型可以包括提升树(Boosting tree)、自适应提升树(Adaptive Boosting Tree,AdaBoost)、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、极端梯度提升树(Extreme Gradient Boosting,XGBoost)等。在一些实施例中,初始模型可以根据训练情况调整内部参数。在一些实施例中,初始模型可以设置三种类型的参数、常规参数、提升器参数和任务参数,由于第一时间预测模型和第二时间预测模型的输入特征不同,所以每种参数设置的权重也不同,因此在模型训练过程中需要分别进行训练。
在一些实施例中,还可以基于模型的预测结果以及样本真实值构造损失函数,并基于损失函数的梯度值反向对模型中的参数进行调整,使模型优化。在一些实施例中,在训练过程中,可以将验证集中的样本数据输入到训练后的模型中进行计算,获得输出值(即验证结果),并根据验证结果(例如,模型处于欠拟合和/或过拟合状态)对模型参数进行调整以使模型优化。所述验证集中的数据与所述初始模型的训练数据独立同分布,且没有交集。对比样本数据的验证结果与相应样本数据的标识,判断训练结果是否达到要求。如果训练结果未达到要求,则重新准备样本数据或者重新划分训练集、验证集,进行继续训练。如果训练结果达到要求,则可以停止模型训练,并将最终的模型作为所需要的第一/第二时间模型输出。
基于不同的训练样本,可以分别训练得到第一预测模型和第二时间预测模型,通过第一预测模型和第二时间预测模型可以分别预测频繁转折路型和梯形路型的附加通行时间。
应当注意的是,上述有关流程1000的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程1000进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。例如,步骤1010中训练样本可以按照其他比例划分训练集和验证集。
本申请实施例可能带来的有益效果包括但不限于:(1)通过第一路径和第二路径的道路Link和道路Node,确定第二路径中包含的特定路型以及特定路型对应的附加通行时间;(2)以用户体验度为基准,根据第二路径中特定路型对应的附加通行时间,判断是否对行驶路径进行切换,从而提高了用户体验度。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (28)
1.一种路径自动优化选择的方法,其特征在于,所述方法包括:
获取第一路径,所述第一路径为当前规划的行驶路径;
获取所述第一路径的预调整指示,并基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径;
判断所述第二路径是否满足触发条件:
满足,则确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间;基于所述附加通行时间,确定是否从所述第一路径切换为所述第二路径进行行驶;
不满足,则引导继续按照所述第一路径行驶。
2.如权利要求1所述的方法,其特征在于,所述预调整指示包括有拼车订单加入或路径导航切换指示。
3.如权利要求2所述的方法,其特征在于,当所述预调整指示包括有拼车订单加入时,所述触发条件包括:
所述第二路径与所述第一路径不一致,且所述拼车订单的起点位置在所述第二路径上。
4.如权利要求1所述的方法,其特征在于,所述特定路型包括:环形路型、折返路型、梯形路型和/或频繁转折路型;其中,
所述环形路型为在同一段道路上同向行驶两次;
所述折返路型为在同一段道路上反向行驶,或者在邻***行道路上反向行驶;
所述梯形路型为所述第二路径与所述第一路径围合,且第一路径只占其中的一条边;
所述频繁转折路型为所述第二路径转折点的数量大于第一预设阈值。
5.如权利要求4所述的方法,其特征在于,所述确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间包括:
提取所述第二路径与所述第一路径不重合部分的道路Link;
判断所述道路Link中是否包含两个通行方向相同的同一道路Link ID:
若是,则确定所述第二路径包括所述环形路型,并计算两个通行方向相同的同一道路Link ID之间所有道路Link和第二个同一道路Link ID的道路Link的通行时间。
6.如权利要求4所述的方法,其特征在于,所述确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间包括:
提取所述第二路径与所述第一路径不重合部分的道路Link;
判断所述道路Link中是否包含至少一对通行方向相反的同一道路Link ID:
若是,则确定所述第二路径包括所述折返路型,并计算至少一对通行方向相反的同一道路Link ID中所有成对道路Link的通行时间。
7.如权利要求4所述的方法,其特征在于,所述确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间包括:
提取所述第二路径与所述第一路径不重合部分的道路Node和道路Link;
判断至少第一数量阈值个连续道路Node之间的距离是否小于距离阈值:
若是,则确定所述第二路径包括所述折返路型,并计算小于所述距离阈值的至少第一数量阈值个连续道路Node之间所有道路Link的通行时间。
8.如权利要求4所述的方法,其特征在于,所述确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间包括:
提取所述第二路径的道路Link和道路Node;
判断所述第二路径上第一预设距离内转折点的数量是否大于第一预设阈值;
若是,则确定所述第二路径包括频繁转折路型,并利用经训练的第一时间预测模型处理所述第二路径和所述第一路径的第一信息以及用户信息,得到所述频繁转折路型对应的附加通行时间;
若否,则确定所述第二路径不包括频繁转折路型。
9.如权利要求8所述的方法,其特征在于,所述第一信息包括:
路径所在运营区域、预调整指示时刻、路径段数、道路等级、转折点数量、转折点属性、转折点偏移角度、分段通行距离和分段通行时间;其中,
所述路径段数包括路径按第二预设距离划分成的段数;
所述转折点包括左转或右转的路口;
所述转折点属性包括路口的转向信息、红绿灯信息;
所述转折点偏移角度包括以当前位置与终点位置的连线为基线,所述转折点与所述基线的角度;
所述分段通行距离为相邻转折点之间的通行距离;
所述分段通行时间为相邻转折点之间的通行时间。
10.如权利要求4所述的方法,其特征在于,所述确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间包括:
提取所述第二路径和所述第一道路的道路Link和道路Node;
判断所述第二路径与所述第一路径不重合部分道路的转折点数量是否大于第二预设阈值;
若是,则确定所述第二路径包括梯形路型,并利用经训练的第二时间预测模型处理所述第二路径和所述第一路径的第二信息以及用户信息,得到所述梯形路型对应的附加通行时间;
若否,则确定所述第二路径不包括梯形路型。
11.如权利要求10所述的方法,其特征在于,所述第二信息包括:
路径所在运营区域、预调整指示时刻、道路等级、转折点数量、转折点偏移角度、分段通行距离和分段通行时间。
12.如权利要求4所述的方法,其特征在于,所述确定所述第二路径中的至少一种特定路型的顺序包括先确定环形路型、折返路型和/或频繁转折路型后,再确定梯形路型。
13.如权利要求1所述的方法,其特征在于,所述方法还包括:
响应于从所述第一路径切换为所述第二路径进行行驶的确定结果,引导用户按所述第二路径进行行驶。
14.一种路径自动优化选择的***,其特征在于,所述***包括:
获取模块,用于获取第一路径,所述第一路径为当前规划的行驶路径;以及获取所述第一路径的预调整指示;
生成模块,用于基于所述第一路径的预调整指示,生成与所述预调整指示相关的第二路径;
路型处理模块,用于判断所述第二路径是否满足触发条件:满足,则确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间;不满足,则引导继续按照所述第一路径行驶;
确定模块,用于基于所述附加通行时间,确定是否从所述第一路径切换为所述第二路径进行行驶。
15.如权利要求14所述的***,其特征在于,所述预调整指示包括有拼车订单加入或路径导航切换指令。
16.如权利要求15所述的***,其特征在于,当所述预调整指示包括有拼车订单加入时,所述触发条件包括:
所述第二路径与所述第一路径不一致,且所述拼车订单的起点位置在所述第二路径上。
17.如权利要求14所述的***,其特征在于,所述特定路型包括:环形路型、折返路型、梯形路型和/或频繁转折路型;其中,
所述环形路型为在同一段道路上同向行驶两次;
所述折返路型为在同一段道路上反向行驶两次,或者在邻***行道路上反向行驶;
所述梯形路型为所述第二路径与所述第一路径围合,且第一路径只占其中的一条边;
所述频繁转折路型为所述第二路径转折点的数量大于第一预设阈值。
18.如权利要求17所述的***,其特征在于,所述路型处理模块用于:
提取所述第二路径与所述第一路径不重合部分的道路Link;
判断所述道路Link中是否包含两个通行方向相同的同一道路Link ID:
若是,则确定所述第二路径包括所述环形路型,并计算两个通行方向相同的同一道路Link ID之间所有道路Link和第二个同一道路Link ID的道路Link的通行时间。
19.如权利要求17所述的***,其特征在于,所述路型处理模块用于:
提取所述第二路径与所述第一路径不重合部分的道路Link;
判断所述道路Link中是否包含至少一对通行方向相反的同一道路Link ID:
若是,则确定所述第二路径包括所述折返路型,并计算至少一对通行方向相反的同一道路Link ID中所有成对道路Link的通行时间。
20.如权利要求17所述的***,其特征在于,所述路型处理模块用于:
提取所述第二路径与所述第一路径不重合部分的道路Node和道路Link;
判断至少第一数量阈值个连续道路Node之间的距离是否小于距离阈值:
若是,则确定所述第二路径包括所述折返路型,并计算小于所述距离阈值的至少第一数量阈值个连续道路Node之间所有道路Link的通行时间。
21.如权利要求17所述的***,其特征在于,所述路型处理模块用于:
提取所述第二路径的道路Link和道路Node;
判断所述第二路径上第一预设距离内转折点的数量是否大于第一预设阈值;
若是,则确定所述第二路径包括频繁转折路型,并利用经训练的第一时间预测模型处理所述第二路径和所述第一路径的第一信息以及用户信息,得到所述频繁转折路型对应的附加通行时间;
若否,则确定所述第二路径不包括频繁转折路型。
22.如权利要求21所述的***,其特征在于,所述第一信息包括:
路径所在运营区域、预调整指示时刻、路径段数、道路等级、转折点数量、转折点属性、转折点偏移角度、分段通行距离和分段通行时间;其中,
所述路径段数包括路径按第二预设距离划分成的段数;
所述转折点包括左转或右转的路口;
所述转折点属性包括路口的转向信息、红绿灯信息;
所述转折点偏移角度包括以当前位置与终点位置的连线为基线,所述转折点与所述基线的角度;
所述分段通行距离为相邻转折点之间的通行距离;
所述分段通行时间为相邻转折点之间的通行时间。
23.如权利要求17所述的***,其特征在于,所述确定所述第二路径中的至少一种特定路型和所述特定路型对应的附加通行时间包括:
提取所述第二路径和所述第一道路的道路Link和道路Node;
判断所述第二路径与所述第一路径不重合部分道路的转折点数量是否大于第二预设阈值;
若是,则确定所述第二路径包括梯形路型,并利用经训练的第二时间预测模型处理所述第二路径和所述第一路径的第二信息以及用户信息,得到所述梯形路型对应的附加通行时间;
若否,则确定所述第二路径不包括梯形路型。
24.如权利要求23所述的***,其特征在于,所述第二信息包括:
路径所在运营区域、预调整指示时刻、道路等级、转折点数量、转折点偏移角度、分段通行距离和分段通行时间。
25.如权利要求17所述的***,其特征在于,所述确定所述第二路径中的至少一种特定路型的顺序包括先确定环形路型、折返路型和/或频繁转折路型后,再确定梯形路型。
26.如权利要求14所述的***,其特征在于,所述***还包括:
导航模块,用于响应于从所述第一路径切换为所述第二路径进行行驶的确定结果,引导用户按所述第二路径进行行驶。
27.一种根据特定路型进行判断的装置,其特征在于,所述装置包括至少一个处理器和至少一个存储设备,所述存储设备用于存储指令,当所述至少一个处理器执行所述指令时,实现如权利要求1~13中任一项所述的方法。
28.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述存储介质中的所述计算机指令后,所述计算机执行如权利要求1~13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191459.XA CN111400425B (zh) | 2020-03-18 | 2020-03-18 | 一种路径自动优化选择的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191459.XA CN111400425B (zh) | 2020-03-18 | 2020-03-18 | 一种路径自动优化选择的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111400425A true CN111400425A (zh) | 2020-07-10 |
CN111400425B CN111400425B (zh) | 2023-10-13 |
Family
ID=71430989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010191459.XA Active CN111400425B (zh) | 2020-03-18 | 2020-03-18 | 一种路径自动优化选择的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400425B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420810A (zh) * | 2021-06-22 | 2021-09-21 | 中国民航大学 | 一种基于红外和可见光的电缆沟智能巡检***及巡检方法 |
CN113570103A (zh) * | 2020-09-14 | 2021-10-29 | 宁波舜宇智能科技有限公司 | 路径控制的方法、装置、电子装置和存储介质 |
CN113792921A (zh) * | 2021-09-06 | 2021-12-14 | 南京领行科技股份有限公司 | 出租车拼车方法、装置、服务器及存储介质 |
CN113792921B (zh) * | 2021-09-06 | 2024-07-23 | 南京领行科技股份有限公司 | 出租车拼车方法、装置、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096750A (zh) * | 2015-04-29 | 2016-11-09 | 福特全球技术公司 | 共乘用户的路径干扰和用户的重新规划路线 |
CN107123258A (zh) * | 2016-02-24 | 2017-09-01 | 滴滴(中国)科技有限公司 | 订单分配方法及装置 |
CN108364494A (zh) * | 2018-02-26 | 2018-08-03 | 郑清辉 | 道路交通智能管理方法、***及平台 |
US20180283889A1 (en) * | 2017-03-31 | 2018-10-04 | Intel Corporation | Navigation based on user intentions |
CN110276465A (zh) * | 2018-03-13 | 2019-09-24 | 高德信息技术有限公司 | 一种顺风车乘客推荐方法及装置 |
-
2020
- 2020-03-18 CN CN202010191459.XA patent/CN111400425B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096750A (zh) * | 2015-04-29 | 2016-11-09 | 福特全球技术公司 | 共乘用户的路径干扰和用户的重新规划路线 |
CN107123258A (zh) * | 2016-02-24 | 2017-09-01 | 滴滴(中国)科技有限公司 | 订单分配方法及装置 |
US20180283889A1 (en) * | 2017-03-31 | 2018-10-04 | Intel Corporation | Navigation based on user intentions |
CN108364494A (zh) * | 2018-02-26 | 2018-08-03 | 郑清辉 | 道路交通智能管理方法、***及平台 |
CN110276465A (zh) * | 2018-03-13 | 2019-09-24 | 高德信息技术有限公司 | 一种顺风车乘客推荐方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570103A (zh) * | 2020-09-14 | 2021-10-29 | 宁波舜宇智能科技有限公司 | 路径控制的方法、装置、电子装置和存储介质 |
CN113420810A (zh) * | 2021-06-22 | 2021-09-21 | 中国民航大学 | 一种基于红外和可见光的电缆沟智能巡检***及巡检方法 |
CN113792921A (zh) * | 2021-09-06 | 2021-12-14 | 南京领行科技股份有限公司 | 出租车拼车方法、装置、服务器及存储介质 |
CN113792921B (zh) * | 2021-09-06 | 2024-07-23 | 南京领行科技股份有限公司 | 出租车拼车方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111400425B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12025449B2 (en) | Dynamically determining origin and destination locations for a network system | |
EP3318985B1 (en) | Driving route matching method and apparatus and storage medium | |
US20170328721A1 (en) | Methods and systems for generating a horizon for use in an advanced driver assistance system (adas) | |
US20130204524A1 (en) | System for classifying streets for vehicle navigation | |
EP3332365A1 (en) | Systems and methods for adjusting ride-sharing schedules and routes | |
CN104011763A (zh) | 情境和历史数据合并到路线确定中 | |
TW201946025A (zh) | 用於提供從出發地點到目標地點的旅程路線或旅程路線所需時間的方法與電腦系統 | |
Huang et al. | Travel time prediction using tree-based ensembles | |
CN111861618A (zh) | 一种上车点推荐方法和*** | |
US20210042622A1 (en) | Systems and methods for providing a travelling suggestion | |
CN108106622A (zh) | 一种乘车路线规划方法及*** | |
US20180045527A1 (en) | Systems and Methods for Predicting Vehicle Fuel Consumption | |
CN111859178A (zh) | 一种推荐上车点的方法和*** | |
Conlon et al. | Greenhouse gas emission impact of autonomous vehicle introduction in an urban network | |
CN110956375B (zh) | 一种订单处理的方法及装置 | |
CN109840632A (zh) | 一种行车路线评估规划方法及装置 | |
CN112270427A (zh) | 一种推荐上车点的方法和*** | |
CN112344953A (zh) | 一种导航路线的生成方法和装置 | |
CN111400425A (zh) | 一种路径自动优化选择的方法和*** | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
CN112747761A (zh) | 一种基于自动驾驶车辆出行的导航方法和*** | |
Fernandes et al. | A macroscopic approach for assessing the environmental performance of shared, automated, electric mobility in an intercity corridor | |
CN111882109A (zh) | 一种订单分配方法和*** | |
CA2749016C (en) | Method and system for generating fixed transit routes | |
US11747153B1 (en) | Apparatus and associated method for determining a travel itinerary |
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 |