CN111854779B - 一种路线规划方法、装置、电子设备及可读存储介质 - Google Patents
一种路线规划方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111854779B CN111854779B CN202010117331.9A CN202010117331A CN111854779B CN 111854779 B CN111854779 B CN 111854779B CN 202010117331 A CN202010117331 A CN 202010117331A CN 111854779 B CN111854779 B CN 111854779B
- Authority
- CN
- China
- Prior art keywords
- road
- driving
- historical
- basic
- user
- 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.)
- Active
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
- G01C21/3453—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)
- Navigation (AREA)
Abstract
本申请提供了一种路线规划方法、装置、电子设备及可读存储介质,通过获取历史时间段内满足预设路径规划条件的待规划路径用户在目标行驶区域中的历史行驶轨迹数据以及目标行驶区域的基础路网数据;分别基于历史行驶轨迹数据和基础路网数据,确定待规划路径用户的每个历史行驶路段与在基础数据确定出的多个基础路段中对应的目标基础路段之间的差异度;基于每个差异度,确定待规划路径用户的多个偏好行驶路段以及子路网;基于基础路网和子路网,规划出行路线。这样,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
Description
技术领域
本申请涉及路径规划导航技术领域,具体而言,涉及一种路线规划方法、装置、电子设备及可读存储介质。
背景技术
在人们日常的出行过程中,导航由于其准确性、时效性,与用户日常生活紧密相关,成为了人们必不可少的使用工具,在用户出行、搜救抢险以及科学研究等领域得到了十分广泛的应用,极大地方便用户实际生活。
实现导航功能最基础的即为用户进行路线规划,而现有的路线规划,大多是基于实时路况,规划从起始点以及终点之间的路线,或者直接向用户推荐该用户最近走过或者大多数用户走过的路线,这样的路线规划方式,对于出行区域比较陌生的用户会比较有效,但是对于出行区域中存在用户比较熟悉的部分区域或者部分路线的时候,这种常规的路线规划方式规划的路线,准确率低,当用户结合自己的认知出行时,易导致用户出现偏航情况,从而需要实时的重新规划出行路线,增加了路线规划的计算资源消耗和设备负担。
发明内容
有鉴于此,本申请的目的在于提供一种路线规划方法、装置、电子设备及可读存储介质,能够通过用户的历史轨迹数据得知用户的行驶偏好,以筛选出用户的偏好行驶路段,在基础路网中结合用户的偏好行驶路段,为用户规划出行路线,这样,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
根据本申请的第一方面,提供了一种路线规划方法,所述路线规划方法包括:
若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;
分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;
基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;
基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
在本申请的一些实施例中,在所述若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据之前,所述路线规划方法包括:
在接收到待规划路径用户的路径规划请求后,获取所述待规划路径用户的出行平台数据;
若所述出行平台数据指示所述待规划路径用户属于提供出行服务的高频用户,确定所述待规划路径用户满足预设路径规划条件,其中,所述高频用户的特征包括提供服务的次数大于预设次数、服务订单数量大于预设数量、在出行平台中的在线时间大于预设时间以及出行路线总距离大于预设路线距离中的一个或者多个。
在本申请的一些实施例中,所述分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度,包括:
基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度;
基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度;
基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度。
在本申请的一些实施例中,所述基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度,包括:
基于所述历史行驶轨迹数据,确定所述待规划路径用户行驶过的多个历史行驶路段、所述待规划路径用户行驶过每个历史行驶路段的行驶次数以及所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数;
基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度。
在本申请的一些实施例中,所述基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度,包括:
通过以下公式确定每个历史行驶路段的历史路段密度:
A=x1/y1;
其中,A为历史行驶路段的历史路段密度,x1为该历史行驶路段的所述行驶次数,y1为所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数。
在本申请的一些实施例中,所述基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度,包括:
基于所述基础路网数据,确定所述目标行驶区域中的多个基础路段中每个目标基础路段被行驶过的经过次数以及所述多个基础路段被行驶过的经过总次数;
基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度。
进一步的,所述基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度,包括:
通过以下公式确定与每个历史行驶路段对应的目标基础路段的基础路段密度:
B=x2/y2;
其中,B为与历史行驶路段对应的基础路段的基础路段密度,x2为与历史行驶路段对应的基础路段的经过次数,y2为所述多个基础路段被行驶过的所述经过总次数。
在本申请的一些实施例中,所述基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度,包括:
通过以下公式确定每个历史行驶路段相对于对应的目标基础路段的差异度:
C=((A-B)/B)*X+(A-B)*(1-X);
其中,C为历史行驶路段相对于对应的目标基础路段的差异度,A为历史行驶路段的历史路段密度,B为与历史行驶路段对应的基础路段的基础路段密度,X为常量参数。
在本申请的一些实施例中,所述基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网,包括:
确定出差异度大于预设阈值的多个历史行驶路段,或者所述多个历史行驶路段中预设数量的历史行驶路段为候选路段,其中,所述候选路段的差异度大于所述多个历史行驶路段中除候选路段之外的其他历史行驶路段的差异度;
从多个候选路段中筛除满足预设筛除条件的候选路段,并将多个候选路段中筛除后剩余的候选路段确定为所述待规划路径用户偏好行驶的偏好行驶路段,其中,满足预设筛除条件的候选路段为所述待规划路径用户行驶经过的次数小于预设次数的路段,或者连接成环形的多个路段,或者单独存在的路段。
在本申请的一些实施例中,所述基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线,包括:
将所述子路网以及所述历史行驶轨迹数据指示的至少一条历史行驶轨迹输入至先练好的路段权重预测模型中,得到所述子路网中每个偏好行驶路段的偏好权重;
基于所述基础路网数据,确定所述目标行驶区域的基础路网中每个基础路段的基础权重;
基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线。
在本申请的一些实施例中,所述基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线,包括:
使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网;
在更新权重后的基础路网中规划所述待规划路径用户的出行路线。
在本申请的一些实施例中,所述使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网,包括:
在使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重时,针对每个偏好行驶路段,若偏好行驶路段的偏好权重大于对应的目标基础路段的目标基础权重,则将该偏好行驶路段的偏好权重调整至小于对应的目标基础路段的目标基础权重,使用该偏好行驶路段的调整后的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网。
在本申请的一些实施例中,所述基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线,包括:
基于每个基础路段的基础权重,确定所述待规划路径用户从出行始发地至所述子路网所在子路网区域的第一中转点和所述出行始发地与所述第一中转点之间的第一路线,以及所述待规划路径用户从出行目的地至所述子路网区域的第二中转点和所述出行目的地与所述第二中转点之间的第二路线;
基于每个偏好行驶路段的偏好权重,确定在所述子路网区域中从所述第一中转点至所述第二中转点之间的、所述待规划路径用户的偏好路线;
确定包括所述第一路线、所述第二路线和所述偏好路线的在所述目标行驶区域中的出行路线。
在本申请的一些实施例中,通过以下步骤训练所述路段权重预测模型:
基于获取到的多个样本用户的样本行驶轨迹数据,确定每个样本用户的样本子路网,每个样本行驶轨迹数据指示的样本用户的实际行驶轨迹,以及每个实际行驶轨迹中每个样本路段的样本基础权重;
针对每个样本用户,将样本子路网和实际行驶轨迹输入至构建好的深度学习模型中,得到样本子路网中每个样本路段的预测偏好权重;
基于每个样本子路网中每个样本路段的预测偏好权重,确定每个样本用户在对应的样本子路网中的预测行驶轨迹;
针对每个样本用户,确定样本用户的实际行驶轨迹在对应的样本子路网中的实际行驶路径与预测行驶轨迹之间的偏差值;
若存在样本用户对应的偏差值大于预设偏差阈值,调整所述深度学习模型中的参数,直至每个样本用户对应的偏差值小于或者等于预设偏差阈值,确定所述深度学习模型训练完毕,并将训练完毕的所述深度学习模型确定为训练好的所述路段权重预测模型。
根据本申请的第二方面,提供了一种路线规划装置,所述路线规划装置包括:
数据获取模块,用于若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;
差异度确定模块,用于分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;
子路网构建模块,用于基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;
路线规划模块,用于基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
在本申请的一些实施例中,所述路线规划装置还包括用户检测模块,所述用户检测模块用于:
在接收到待规划路径用户的路径规划请求后,获取所述待规划路径用户的出行平台数据;
若所述出行平台数据指示所述待规划路径用户属于提供出行服务的高频用户,确定所述待规划路径用户满足预设路径规划条件,其中,所述高频用户的特征包括提供服务的次数大于预设次数、服务订单数量大于预设数量、在出行平台中的在线时间大于预设时间以及出行路线总距离大于预设路线距离中的一个或者多个。
在本申请的一些实施例中,所述差异度确定模块在用于分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度时,所述差异度确定模块用于:
基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度;
基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度;
基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度。
在本申请的一些实施例中,所述差异度确定模块在用于基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度时,所述差异度确定模块用于:
基于所述历史行驶轨迹数据,确定所述待规划路径用户行驶过的多个历史行驶路段、所述待规划路径用户行驶过每个历史行驶路段的行驶次数以及所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数;
基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度。
在本申请的一些实施例中,所述差异度确定模块在用于基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度时,所述差异度确定模块用于:
通过以下公式确定每个历史行驶路段的历史路段密度:
A=x1/y1;
其中,A为历史行驶路段的历史路段密度,x1为该历史行驶路段的所述行驶次数,y1为所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数。
在本申请的一些实施例中,所述差异度确定模块在用于基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度时,所述差异度确定模块用于:
基于所述基础路网数据,确定所述目标行驶区域中的多个基础路段中每个目标基础路段被行驶过的经过次数以及所述多个基础路段被行驶过的经过总次数;
基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度。
在本申请的一些实施例中,所述差异度确定模块在用于基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度时,所述差异度确定模块用于:
通过以下公式确定与每个历史行驶路段对应的目标基础路段的基础路段密度:
B=x2/y2;
其中,B为与历史行驶路段对应的基础路段的基础路段密度,x2为与历史行驶路段对应的基础路段的经过次数,y2为所述多个基础路段被行驶过的所述经过总次数。
在本申请的一些实施例中,所述差异度确定模块在用于基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度时,所述差异度确定模块用于:
通过以下公式确定每个历史行驶路段相对于对应的目标基础路段的差异度:
C=((A-B)/B)*X+(A-B)*(1-X);
其中,C为历史行驶路段相对于对应的目标基础路段的差异度,A为历史行驶路段的历史路段密度,B为与历史行驶路段对应的基础路段的基础路段密度,X为常量参数。
在本申请的一些实施例中,所述子路网构建模块在用于基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网时,所述子路网构建模块用于:
确定出差异度大于预设阈值的多个历史行驶路段,或者所述多个历史行驶路段中预设数量的历史行驶路段为候选路段,其中,所述候选路段的差异度大于所述多个历史行驶路段中除候选路段之外的其他历史行驶路段的差异度;
从多个候选路段中筛除满足预设筛除条件的候选路段,并将多个候选路段中筛除后剩余的候选路段确定为所述待规划路径用户偏好行驶的偏好行驶路段,其中,满足预设筛除条件的候选路段为所述待规划路径用户行驶经过的次数小于预设次数的路段,或者连接成环形的多个路段,或者单独存在的路段。
在本申请的一些实施例中,所述路线规划模块在用于基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线时,所述路线规划模块用于:
将所述子路网以及所述历史行驶轨迹数据指示的至少一条历史行驶轨迹输入至先练好的路段权重预测模型中,得到所述子路网中每个偏好行驶路段的偏好权重;
基于所述基础路网数据,确定所述目标行驶区域的基础路网中每个基础路段的基础权重;
基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线。
在本申请的一些实施例中,所述路线规划模块在用于基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线时,所述路线规划模块用于:
使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网;
在更新权重后的基础路网中规划所述待规划路径用户的出行路线。
在本申请的一些实施例中,所述路线规划模块在用于使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网时,所述路线规划模块用于:
在使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重时,针对每个偏好行驶路段,若偏好行驶路段的偏好权重大于对应的目标基础路段的目标基础权重,则将该偏好行驶路段的偏好权重调整至小于对应的目标基础路段的目标基础权重,使用该偏好行驶路段的调整后的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网。
在本申请的一些实施例中,所述路线规划模块在用于基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线时,所述路线规划模块用于:
基于每个基础路段的基础权重,确定所述待规划路径用户从出行始发地至所述子路网所在子路网区域的第一中转点和所述出行始发地与所述第一中转点之间的第一路线,以及所述待规划路径用户从出行目的地至所述子路网区域的第二中转点和所述出行目的地与所述第二中转点之间的第二路线;
基于每个偏好行驶路段的偏好权重,确定在所述子路网区域中从所述第一中转点至所述第二中转点之间的、所述待规划路径用户的偏好路线;
确定包括所述第一路线、所述第二路线和所述偏好路线的在所述目标行驶区域中的出行路线。
在本申请的一些实施例中,所述路线规划装置还包括模型训练模块,所述模型训练模块用于通过以下步骤训练所述路段权重预测模型:
基于获取到的多个样本用户的样本行驶轨迹数据,确定每个样本用户的样本子路网,每个样本行驶轨迹数据指示的样本用户的实际行驶轨迹,以及每个实际行驶轨迹中每个样本路段的样本基础权重;
针对每个样本用户,将样本子路网和实际行驶轨迹输入至构建好的深度学习模型中,得到样本子路网中每个样本路段的预测偏好权重;
基于每个样本子路网中每个样本路段的预测偏好权重,确定每个样本用户在对应的样本子路网中的预测行驶轨迹;
针对每个样本用户,确定样本用户的实际行驶轨迹在对应的样本子路网中的实际行驶路径与预测行驶轨迹之间的偏差值;
若存在样本用户对应的偏差值大于预设偏差阈值,调整所述深度学习模型中的参数,直至每个样本用户对应的偏差值小于或者等于预设偏差阈值,确定所述深度学习模型训练完毕,并将训练完毕的所述深度学习模型确定为训练好的所述路段权重预测模型。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的路线规划方法的步骤。
本申请实施例还提供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如上述的路线规划方法的步骤。
本申请实施例提供的一种路线规划方法、装置、电子设备及可读存储介质,若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
这样,当所述待规划路径用户满足预设路径规划条件时,获取历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及在目标行驶区域中的基础路网数据,并根据多个历史行驶路段以及对应的目标基础路段之间的差异度,确定所述待规划路径用户偏好行驶的多个偏好行驶路,并构建子路网,根据所述目标行驶区域以及所述子路网,规划所述待规划路径用户的出行路线,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
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路线规划***的架构示意图;
图2为本申请实施例提供的一种路线规划方法的流程示意图;
图3为本申请另一实施例提供的一种路线规划方法的流程示意图;
图4为本申请实施例所提供的一种路线规划装置的结构示意图之一;
图5为本申请实施例所提供的一种路线规划装置的结构示意图之二;
图6为本申请实施例所提供的一种电子设备的结构示意图。
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每个其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“在出行服务中为用户规划出行路线”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕基于用户的偏好路段以及基础路网,规划用户的出行路线进行描述,但是应该理解,这仅是一个示例性实施例。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
本申请中的术语“乘客”、“请求方”、“服务请求方”和“客户”可互换使用,以指代可以请求或订购服务的个人、实体或工具。本申请中的术语“用户”、“提供方”、“服务提供方”和“供应商”可互换使用,以指代可以提供服务的个人、实体或工具。本申请中的术语“用户”可以指代请求服务、订购服务、提供服务或促成服务的提供的个人、实体或工具。例如,用户可以是乘客、驾驶员、操作员等,或其任意组合。在本申请中,“乘客”和“乘客终端”可以互换使用,“驾驶员”和“驾驶员终端”可以互换使用。
本申请中的术语“服务请求”和“订单”可互换使用,以指代由乘客、服务请求方、用户、服务提供方、或供应商等、或其任意组合发起的请求。接受该“服务请求”或“订单”的可以是乘客、服务请求方、司机、服务提供方、或供应商等、或其任意组合。服务请求可以是收费的或免费的。
本申请中使用的定位技术可以基于全球定位***(Global Positioning System,GPS)、全球导航卫星***(Global Navigation Satellite System,GLONASS),罗盘导航***(COMPASS)、伽利略定位***、准天顶卫星***(Quasi-Zenith Satellite System,QZSS)、无线保真(Wireless Fidelity,WiFi)定位技术等,或其任意组合。一个或多个上述定位***可以在本申请中互换使用。
本申请的一个方面涉及一种路线规划***。该***可以当所述待规划路径用户满足预设路径规划条件时,获取历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及在目标行驶区域中的基础路网数据,并根据多个历史行驶路段以及对应的目标基础路段之间的差异度,确定所述待规划路径用户偏好行驶的多个偏好行驶路,并构建子路网,根据所述目标行驶区域以及所述子路网,规划所述待规划路径用户的出行路线,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
值得注意的是,在本申请提出申请之前,实现导航功能最基础的即为用户进行路线规划,而现有的路线规划,大多是基于实时路况,规划从起始点以及终点之间的路线,或者直接向用户推荐该用户最近走过或者大多数用户走过的路线,这样的路线规划方式,对于出行区域比较陌生的用户会比较有效,但是对于出行区域中存在用户比较熟悉的部分区域或者部分路线的时候,这种常规的路线规划方式规划的路线,准确率低,当用户结合自己的认知出行时,易导致用户出现偏航情况,从而需要实时的重新规划出行路线,增加了路线规划的计算资源消耗和设备负担。然而,本申请的目的在于提供一种路线规划方法、装置、电子设备及可读存储介质,能够通过用户的历史轨迹数据得知用户的行驶偏好,以筛选出用户的偏好行驶路段,在基础路网中结合用户的偏好行驶路段,为用户规划出行路线,这样,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
图1为本申请实施例提供的一种路线规划***的架构示意图。路线规划***可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。路线规划***可以包括服务器110、网络120、服务请求端130、服务提供端140和数据库150中的一种或多种。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。例如,处理器可以基于从服务请求端130获得的服务请求来确定待规划路径用户所在的目标行驶区域以及多个偏好路段,从而进行路线规划。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(CentralProcessing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics ProcessingUnit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
在一些实施例中,服务请求端130和服务提供端140对应的设备类型可以是移动设备,比如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、或增强现实设备等,也可以是平板计算机、膝上型计算机、或机动车辆中的内置设备等。
在一些实施例中,数据库150可以连接到网络120以与路线规划***中的一个或多个组件(例如,服务器110,服务请求端130,服务提供端140等)通信。路线规划***中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中,数据库150可以直接连接到路线规划***中的一个或多个组件,或者,数据库150也可以是服务器110的一部分。
下面结合上述图1示出的路线规划***中描述的内容,对本申请实施例提供的路线规划方法进行详细说明。
参照图2所示,图2为本申请实施例提供的一种路线规划方法的流程示意图,该方法可以由路线规划***中的处理器来执行,具体执行过程为:
S201、若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据。
该步骤中,针对于待规划路径用户,检测所述待规划路径用户是否满足预设路径规划条件,如果所述待规划路径用户满足预设路径规划条件,获取历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及目标行驶区域对应的预设的基础路网数据。
用户可以是服务请求方,即请求乘车出行的乘客,也可以是服务提供方,即提供出行服务的司机。
其中,所述历史时间段是指在当前路线规划开始之前的一段时间,例如可以是过去半年时间内,或者过去半年时间内的某段时间,或者是某一天中的某一时间段(早上7:00~9:00)等。
这里,所述目标行驶区域可以是从所述待规划路径用户的行驶起始地到行驶目的地之间的区域;所述目标行驶区域还可以是当所述待规划路径用户在行驶途中对行驶路线规划时,从所述待规划路径用户的当前位置到所述行驶目的地之间的区域。
这里,所述历史轨迹数据是指所述待规划路径用户在目标区域中的行驶路线,可以是一条也可以是多条,所述历史轨迹数据指示出了所述待规划路径用户在历史时间段内的行驶过程中的路径选择,所述历史轨迹数据可以是当用户与网约车平台连接时,平台获取的轨迹数据,其包括接单和未接单时的轨迹数据。
这里,所述目标行驶区域的基础路网数据包括基础路网每个基础路段的基础权重,所述基础权重是指将把地图道路抽象成一个有向图,这样每个路口即是一个点,每个基础路段即是一个边,基础权重即每条有向边的数值,例如数值的大小,可以是反应这条路对于全体用户而言,通行经过的平均时间,一般对于全体用户而言通过每一条路的时间越短,该条路对应的基础权重越小。
S202、分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度。
该步骤中,可以通过所述历史行驶轨迹数据来确定出所述待规划路径用户行驶过的多个历史行驶路段,并根据所述基础路网数据确定出所述目标行驶区域内的多个基础路段,然后根据所述历史行驶轨迹数据和所述基础网络数据从多个基础路段中确定出与每个历史行驶路段对应的目标基础路段,并确定出每一个历史行驶路段相对于对应的目标基础路段的差异度。
其中,目标区域中所有用户指的在所述目标区域中行驶过的全部用户,即所述所有用户是包括在所述目标区域中行驶过的待规划用户的。
这里,所述基础路段是根据在所述目标行驶区域中行驶过的全部用户的基础路网数据确定出来的,所述历史行驶路段是根据所述待规划路径用户在所述目标行驶区域中行驶过程中的轨迹数据确定出来的,即基础路段包括历史行驶路段;所述历史行驶路段以及对应的目标基础路段实质上指的是同一段路,都是指所述待规划路径用户行驶过的路段,一个行驶过的路段即为一个link,在通过绑路或者是地图匹配获取用户行驶过的link,其主要是通过将收集的用户GPS点序列绑定在地图一系列的道路上获取,对于一个路口来说可能会存在多个link,例如,从A到B的直线路径可以由link1、link2、link3组成,并且link具有方向性,即同一路段的不同方向为两个link。基于此,在确定所述历史行驶轨迹数据对应的目标基础路段时,可以通过link进行对应,两者对应的link方向相同,且两者之间的重合度大于预设阈值,就可以认为上述历史行驶轨迹数据与目标基础路段对应。
这里,对于历史行驶路段中的每一段历史行驶路段都可以确定出一个权重值,并且对于所述目标行驶区域中的每一个目标基础路段也都会在预先设置中设置一个权重值,所以每个历史行驶路段相对于对应的目标基础路段的差异度可以是指针对于同一路段,历史行驶路段对应的权重值与目标基础路段之间对应的权重值之间的差值;也可以是指历史行驶路段与目标基础路段的实际位置之间的位置距离差值。
S203、基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网。
该步骤中,通过步骤S202中确定出的每一个历史行驶路段对应的差异度,根据多个差异度的大小,确定所述待规划路径用户多个偏好行驶路段,并根据多个偏好行驶路段构建出与所述待规划路径用户对应的子路网。
其中,所述子路网可以是包含在所述基础路网中,也可以是与所述基础路网大部分重合。
这里,对于所述待规划路径用户倾向的偏好行驶路段的筛选可以是将确定出的每一个历史行驶路段的差异值按照预设顺序进行排序,从中选取TopN个差异值用户对应的N个历史行驶路段,确定为所述待规划路径用户倾向的多个偏好行驶路段。
S204、基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
该步骤中,根据所述目标行驶区域的基础路网以及步骤S203确定出来的子路网,将所述基础路网根据所述子路网进行调整,生成与所述待规划路径用户相对应的路网,并在所述与所述待规划路径用户相对应的路网中规划所述待规划路径用户的出行路线。
本申请实施例提供的路线规划方法,若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
这样,当所述待规划路径用户满足预设路径规划条件时,获取历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及在目标行驶区域中的基础路网数据,并根据多个历史行驶路段以及对应的目标基础路段之间的差异度,确定所述待规划路径用户偏好行驶的多个偏好行驶路,并构建子路网,根据所述目标行驶区域以及所述子路网,规划所述待规划路径用户的出行路线,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
参照图3所示,图3为本申请另一实施例提供的一种路线规划方法的流程示意图,该方法可以由路线规划***中的处理器来执行,具体执行过程为:
S301、在接收到待规划路径用户的路径规划请求后,获取所述待规划路径用户的出行平台数据。
该步骤中,在接收到待规划路径用户的路径规划请求后,根据所述待规划路径用户的唯一身份标识等信息获取在出行平台上与所述待规划路径用户向对应的出行平台数据,其中,获取的出行平台数据是在所述待规划路径用户当前提出所述路径规划请求的请求时间之前的历史时间段的出行平台数据。
其中,所述待规划路径用户的唯一身份标识可以包括所述待规划路径用户的身份证号、手机号、所述待规划路径用户在所述出行平台上的ID或是工号等。
其中,所述出行平台数据包括所述待规划路径用户在历史时间段内的接单数量、在线时长、遍历的路径,以及历史行驶路段的位置、经过每一个历史行驶路段的次数、每一个历史行驶路段与其他历史路段之间的关联关系等。
S302、若所述出行平台数据指示所述待规划路径用户属于提供出行服务的高频用户,确定所述待规划路径用户满足预设路径规划条件,其中,所述高频用户的特征包括提供服务的次数大于预设次数、服务订单数量大于预设数量、在出行平台中的在线时间大于预设时间以及出行路线总距离大于预设路线距离中的一个或者多个。
该步骤中,如果获取到的所述待规划路径用户的出行平台数据指示所述待规划路径用户属于提供出行服务的高频用户,确定所述待规划路径用户满足预设路径规划条件,可以对所述待规划路径用户进行路径规划。
这里,如果所述待规划路径用户为低频用户,那么该待规划路径用户轨迹数据量太少,得到的结果准确性较低,对于出行路线的规划参考意义不大,所以需要针对高频用户进行出行路线规划,所述高频用户的特征包括提供服务的次数大于预设次数、服务订单数量大于预设数量、在出行平台中的在线时间大于预设时间以及出行路线总距离大于预设路线距离中的一个或者多个。
其中,在确定高频用户的过程中,还可以在每一个维度下将多个用户对应的数据进行排序,将排名靠前的多名用户确定为高频用户,例如,在服务订单数量维度下将多名用户进行排序,将排名在前10%的用户确定为高频用户。
S303、若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据。
S304、分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度。
S305、基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网。
S306、基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
其中,S303至S306的描述可以参照S201至S204的描述,并且能达到相同的技术效果,对此不做赘述。
进一步的,步骤S304包括:基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度;基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度;基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度。
该步骤中,根据获取到的历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户在统计时间周期内的多个历史行驶路段,以及每一个历史行驶路段被行驶过的历史路段密度;根据所述基础路网数据,确定在同一目标行驶区域中所有用户行驶过的多个基础路段,并从多个基础路段中确定出与每一个历史行驶路段对应的目标基础路段,并确定每一个目标基础路段在统计时间周期内在所述目标行驶区域中被行驶过的目标基础路段密度;根据所述历史路段密度以及和所述历史路段密度对应的所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度。
进一步的,所述基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度,包括:基于所述历史行驶轨迹数据,确定所述待规划路径用户行驶过的多个历史行驶路段、所述待规划路径用户行驶过每个历史行驶路段的行驶次数以及所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数;基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度。
该步骤中,根据获取到的历史行驶轨迹数据,从每一条历史行驶轨迹数据中确定出所述待规划路径用户行驶过的多个历史行驶路段,并针对于每一个历史行驶路段,确定出所述待规划路径用户行驶过该历史行驶路段的次数,并确定出所述待规划路径用户行驶过全部历史行驶路段的总次数,根据每一个历史行驶路段被行驶过的次数以及所述待规划路径用户行驶过全部历史行驶路段的总次数,通过公式确定每个历史行驶路段被行驶过的历史路段密度。
其中,通过以下公式确定每个历史行驶路段的历史路段密度:
A=x1/y1;
A为历史行驶路段的历史路段密度,x1为该历史行驶路段的所述行驶次数,y1为所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数。
这里,对于所述确定每个历史行驶路段被行驶过的历史路段密度来说,体现的是在统计时间周期内所述待规划路径用户行驶过某一历史行驶路段的次数占该待规划路径用户行驶过的全部历史行驶路段的总次数的比例。
进一步的,所述基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度,包括:基于所述基础路网数据,确定所述目标行驶区域中的多个基础路段中每个目标基础路段被行驶过的经过次数以及所述多个基础路段被行驶过的经过总次数;基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度。
该步骤中,确定所述基础路段在所述目标行驶区域中的多个基础路段中与每个所述历史行驶路段对应的目标基础路段被行驶过的经过次数以及多个基础路段被行驶过的经过总次数,根据所述每个目标基础路段的经过次数以及所述经过总次数,通过公式确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度。
这里,对于所述的经过总次数计算是针对于所述目标行驶区域中的全部基础路段来说的,不管该基础路段是否与历史行驶路段对应,在计算所述经过总次数时,都应该进行统计。
其中,通过以下公式确定与每个历史行驶路段对应的目标基础路段的基础路段密度:
B=x2/y2;
其中,B为与历史行驶路段对应的基础路段的基础路段密度,x2为与历史行驶路段对应的基础路段的经过次数,y2为所述多个基础路段被行驶过的所述经过总次数。
这里,对于所述确定与每个历史行驶路段对应的目标基础路段的基础路段密度来说,体现的是在统计时间周期内所述待规划路径用户行驶过某一目标基础路段的次数占全部基础路段被行驶过的总次数的比例。
进一步的,所述基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度包括:通过以下公式确定每个历史行驶路段相对于对应的目标基础路段的差异度:
C=((A-B)/B)*X+(A-B)*(1-X);
其中,C为历史行驶路段相对于对应的目标基础路段的差异度,A为历史行驶路段的历史路段密度,B为与历史行驶路段对应的基础路段的基础路段密度,X为常量参数。
这里,X为需要学习的参数,用来避免计算出来的差异度较大的link都为经过的人很少的link,以此使得计算出的结果更具有普适性,常量参数X可以通过历史经验设置,也可以根据所述差异度的精确度进行设置。
进一步的,步骤S305包括:确定出差异度大于预设阈值的多个历史行驶路段,或者所述多个历史行驶路段中预设数量的历史行驶路段为候选路段,其中,所述候选路段的差异度大于所述多个历史行驶路段中除候选路段之外的其他历史行驶路段的差异度;从多个候选路段中筛除满足预设筛除条件的候选路段,并将多个候选路段中筛除后剩余的候选路段确定为所述待规划路径用户偏好行驶的偏好行驶路段。
该步骤中,根据计算出来的差异度对多个历史行驶路段进行初步筛选,这里,筛选方式可以为两种,一是将差异度大于预设阈值的多个历史行驶路段确定为多个候选路段,二是根据每个历史行驶路段的差异度的大小以及预设次序,对全部历史行驶路段排序,从排序位于第一位的历史行驶路段开始确定预设数量的多个候选路段;并针对于多个候选路段,进行二次筛选,将剩下的候选路段确定为所述待规划路径用户偏好行驶的偏好行驶路段。
这里,针对于第二种筛选方式,预设数量可以是根据需求设定的,也可以是根据历史偏好行驶路段的数量进行设置。
这里,满足预设筛除条件的候选路段为所述待规划路径用户行驶经过的次数小于预设次数的路段,或者连接成环形的多个路段,或者单独存在的路段。预设筛选条件是为了保证剩余的候选路径是具有代表性的,对于预设次数的设定是过滤掉待规划路径用户可能是由于特殊情况而行驶过的路段,所以所述预设次数可以设置为1;所述连接成环形的多个路段,可能是由于待规划路径用户不熟悉路况,在反复确认道路的情况下行驶经过的,显然不符合待规划路径用户偏好的路径的规则需要滤除;单独存在的路段,不能与其他路段共同构成完整的出行路线,可能是在数据统计获取过程中的误操作,这种路段也需要滤除。
进一步的,步骤S306包括:将所述子路网以及所述历史行驶轨迹数据指示的至少一条历史行驶轨迹输入至先练好的路段权重预测模型中,得到所述子路网中每个偏好行驶路段的偏好权重;基于所述基础路网数据,确定所述目标行驶区域的基础路网中每个基础路段的基础权重;基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线。
该步骤中,将确定出的子路网以及历史行驶轨迹数据指示的至少一条历史行驶轨迹输入在已经训练好的权重预测模型中,得到子路网中每一个偏好行驶路段的偏好权重,并根据所述基础路网数据的设定,确定每个基础路段对应的基础权重,根据每一个对应的偏好权重以及基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线。
本申请实施例中,是通过权重预测模型对所述待规划路径用户倾向的偏好行驶路段进行偏好权重的确定,但并不局限于此,在其他实施例中,还可以通过权重标定的方式来确定偏好行驶路段的偏好权重,例如,针对于某一偏好行驶路段,根据该偏好行驶路段对应的目标基础路段的基础权重,可以是将该偏好行驶路段的偏好权重赋值成比对应的目标基础路段的基础权重小的值,也可以是在该偏好权重预设范围内的全部基础路段对应的基础权重取平均值后,将所述平均值确定为所述偏好行驶路段的偏好权重,还可以是在该偏好权重预设范围内的全部基础路段对应的基础权重取平均值后,将所述平均值减去一个预设值,在将作差后的差值确定为所述偏好行驶路段的偏好权重。
进一步的,通过以下步骤训练所述路段权重预测模型:
(1)基于获取到的多个样本用户的样本行驶轨迹数据,确定每个样本用户的样本子路网,每个样本行驶轨迹数据指示的样本用户的实际行驶轨迹,以及每个实际行驶轨迹中每个样本路段的样本基础权重。
该步骤中,根据获取到的多个样本用户的样本行驶轨迹,确定出每一个样本用户的多个偏好路段,并针对每一个样本用户的多个偏好路段,确定出每个样本用户对应的样本子路网,其中,每个样本行驶轨迹数据指示出了每个对应的样本用户的实际行驶轨迹,以及所述实际行驶轨迹中包括的每个样本路段的样本基础权重。
这里,样本用户的样本行驶轨迹数据是在历史行车过程中,对每个用户的行驶过程中产生的轨迹数据,多个样本用户的样本行驶轨迹数据,可以来自同一统计时间段,也可以是来自多个统计时间段。
(2)针对每个样本用户,将样本子路网和实际行驶轨迹输入至构建好的深度学习模型中,得到样本子路网中每个样本路段的预测偏好权重。
该步骤中,针对于每一个样本用户,将该样本用户对应的样本子路网以及实际行驶轨迹输入至预先构建好的深度学习模型中,经过所述深度学习模型后,得到样本子路网中每个样本路段的预测偏好权重。
(3)基于每个样本子路网中每个样本路段的预测偏好权重,确定每个样本用户在对应的样本子路网中的预测行驶轨迹。
该步骤中,根据所述样本子路网中每个样本路段的预测偏好权重,再结合最短路径算法,确定出所述样本用户在对应的样本子路网中的预测行驶轨迹。
其中,所述最短路径算法可以是Dijkstra2算法等。
(4)针对每个样本用户,确定样本用户的实际行驶轨迹在对应的样本子路网中的实际行驶路径与预测行驶轨迹之间的偏差值。
该步骤中,确定出的同一样本用户的预测行驶轨迹与所述实际行驶轨迹之间的偏差值。
这里,所述预测行驶轨迹与所述实际行驶轨迹之间的偏差值,可以是在同一路段内,所述预测行驶轨迹与所述实际行驶轨迹所处的位置之间的距离差值,也可以是所述预测行驶轨迹中的预测路段的预测权重与对应的实际行驶轨迹中实际行驶路段的实际权重之间的差值。
(5)若存在样本用户对应的偏差值大于预设偏差阈值,调整所述深度学习模型中的参数,直至每个样本用户对应的偏差值小于或者等于预设偏差阈值,确定所述深度学习模型训练完毕,并将训练完毕的所述深度学习模型确定为训练好的所述路段权重预测模型。
该步骤中,若通过步骤(4)确定出的偏差值大于预设偏差阈值,即所述预测行驶轨迹与所述实际行驶轨迹相差过大,所述深度学习模型中确定出来的路线不符合实际行驶情况,需进一步对所述深度学习模型中的参数值进行调整,在重复步骤(1)-(4),直到每个样本用户对应的偏差值小于或者等于预设偏差阈值,确定所述深度学习模型训练完毕,将训练完毕的深度学习模型确定为训练好的所述路段权重预测模型。
这里,由于每个用户的行驶轨迹、子路图不相同,因此权重预测模型也不同,即针对每个用户可以训练其专属权重预测模型,也可以通过每个用户之间的差异规律,训练出适用于全部用户的权重预测模型。
进一步的,所述基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线,包括:使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网;在更新权重后的基础路网中规划所述待规划路径用户的出行路线。
该步骤中,在基础路网中显示的是针对于全部用户的数据,需要针对所述待规划路径用户的规划路线,需要用所述待规划路径用户对应的数据替换所述基础路网中对应的位置处的数据,即使用每个偏好行驶路段的偏好权重对应的替换基础路网中的目标基础路段的目标基础权重,得到更新的与所述待规划路径用户对应的更新权重后的基础路网,根据所述更新权重后的基础路网,结合最短路径算法,规划所述待规划路径用户的出行路线。
这里,在基础路网中,可以将确定出的所述待规划路径用户倾向的多个偏好行驶路段,重点标示出来与所述基础路网中的基础路段做区分,例如,可以将所述多个偏好行驶路段标为红色等。
这里,对于偏好权重来说,所述偏好权重的值在一定程度上代表了所述待规划路径用户对应的偏好行驶路段的偏好情况,所述偏好权重的值越小代表所述待规划路径用户对该偏好行驶路段越偏好,所以,一般情况下,偏好权重的值会比对应的目标基础路段的目标基础权重的值小。
这里,在对所述基础路网的更新过程中,对于没有对应的偏好行驶路段的基础路段的基础权重值,直接保留原基础权重值,不需要进行更新。
进一步的,所述使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网,包括:在使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重时,针对每个偏好行驶路段,若偏好行驶路段的偏好权重大于对应的目标基础路段的目标基础权重,则将该偏好行驶路段的偏好权重调整至小于对应的目标基础路段的目标基础权重,使用该偏好行驶路段的调整后的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网。
该步骤中,在使用所述偏好权重对所述目标基础权重进行更新时,比较所述偏好权重与目标基础权重的大小,如果所述偏好权重大于所述目标基础权重,不符合权重值越小代表所述待规划路径用户偏好程度越高的规则,需要将所述偏好权重的值调小,在调整到确定所述偏好权重的值小于所述目标基础权重的值时为止,并用调整后的偏好权重替换目标基础权重。
这里,对于所述偏好权重的调整可以是将所述偏好路段预设范围内的多条基础路段对应的多个基础权重取平均值,并将多个基础权重取平均值后的值确定为新的偏好权重;也可以是在取平均值后,将所述平均值减去一个预设值,在将作差后值确定为新的偏好权重;还可以是将偏好权重根据所述基础权重与偏好权重的差值,减去一个比所述差值大的数值,然后再基于此确定新的偏好权重。
进一步的,所述基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线,包括:
(1)基于每个基础路段的基础权重,确定所述待规划路径用户从出行始发地至所述子路网所在子路网区域的第一中转点和所述出行始发地与所述第一中转点之间的第一路线,以及所述待规划路径用户从出行目的地至所述子路网区域的第二中转点和所述出行目的地与所述第二中转点之间的第二路线。
该步骤中,根据所述基础路网中每个基础路段对应的基础权重,通过最短路径算法,找到所述待规划路径用户从出行始发第至所述子路网区域中的第一中转点以及所述出行始发地与所述第一中转点之间的第一路线,并确定所述待规划路径用户从出行目的地的第二中转点和所述出行目的地与所述第二中转点之间的第二路线。
这里,对于第一中转点和第二中转点的确定,可以是分为两种情况,一是所述子路网包括所述出行始发地以及所述出行目的地,这时可以直接将所述出行始发地确定为第一中转点,将所述出行目的地确定为第二中转点;二是,所述子路网不全部包含所述出行始发地以及所述出行目的地,当所述子路网不包括所述出行始发地时,根据所述基础路网的基础路段对应的基础权重,结合最短路径算法,确定出所述出行目的地与所述子路网的交点,并将该交点确定为第一中转点,根据最短路径确定出的最短路径就位所述出行始发地与所述第一中转点之间的第一路线。
这里,还可以是在子路网中先通过最短路径算法以及所述待规划路径用户倾向的多个偏好行驶路段对应的多个偏好权重,确定出偏好路线,并将所述偏好路线与所述子路网的边界的两个交点确定为第一中转点以及第二中转点,其中,靠近所述出行始发地的为第一中转点,靠近所述出行目的地的为第二中转点,同时计算所述出行始发地与所述第一中转点之间的第一路线以及所述出行目的地与所述第二中转点之间的第二路线。
其中,在计算最短路径时使用的最短路径算法可以分为两种,在所述子路网区域外的路径计算,也即第一路线以及第二路线计算可以是通过CH3算法直接进行计算,对于在子路网内部的路径计算可以是通过Dijkstra2算法进行计算。
(2)基于每个偏好行驶路段的偏好权重,确定在所述子路网区域中从所述第一中转点至所述第二中转点之间的、所述待规划路径用户的偏好路线。
该步骤中,在确定出子路网的第一中转点以及第二中转点之后,基于在所述子路网内的每个偏好行驶路段对应的偏好权重,结合最短路径算法,确定在子路网中从所述第一中转点至所述第二中转点之间所述待规划路径用户的偏好路线。
这里,在根据所述偏好权重以及最短路径算法进行路线计算的过程中,如果计算出可推荐的路线不止一条的情况,还可以根据待规划路线用户的出行时间段内,每一条可推荐的路线的路况,有选择地确定偏好路线,例如,可以推荐拥挤程度最小的路线等。
(3)确定包括所述第一路线、所述第二路线和所述偏好路线的在所述目标行驶区域中的出行路线。
该步骤中,将所述第一路线、所述第二路线和所述偏好路线共同确定的一条路线确定为在所述目标行驶区域中的可向待规划路径用户推荐的出行路线。
本申请实施例提供的路线规划方法,在接收到待规划路径用户的路径规划请求后,获取所述待规划路径用户的出行平台数据;若所述出行平台数据指示所述待规划路径用户属于提供出行服务的高频用户,确定所述待规划路径用户满足预设路径规划条件,其中,所述高频用户的特征包括提供服务的次数大于预设次数、服务订单数量大于预设数量、在出行平台中的在线时间大于预设时间以及出行路线总距离大于预设路线距离中的一个或者多个;若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
这样,当所述待规划路径用户满足预设路径规划条件时,获取历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及在目标行驶区域中的基础路网数据,并根据多个历史行驶路段以及对应的目标基础路段之间的差异度,确定所述待规划路径用户偏好行驶的多个偏好行驶路,并构建子路网,根据所述目标行驶区域以及所述子路网,规划所述待规划路径用户的出行路线,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
请参阅图4、图5,图4为本申请实施例所提供的一种路线规划装置的结构示意图之一,图5为本申请实施例所提供的一种路线规划装置的结构示意图之二。如图4中所示,所述路线规划装置400包括:
数据获取模块410,用于若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据。
差异度确定模块420,用于分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度。
子路网构建模块430,用于基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网。
路线规划模块440,用于基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
进一步的,如图5所示,所述路线规划装置400还包括用户检测模块450,所述用户检测模块450用于:
在接收到待规划路径用户的路径规划请求后,获取所述待规划路径用户的出行平台数据;
若所述出行平台数据指示所述待规划路径用户属于提供出行服务的高频用户,确定所述待规划路径用户满足预设路径规划条件,其中,所述高频用户的特征包括提供服务的次数大于预设次数、服务订单数量大于预设数量、在出行平台中的在线时间大于预设时间以及出行路线总距离大于预设路线距离中的一个或者多个。
进一步的,所述差异度确定模块420在用于分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度时,所述差异度确定模块420用于:
基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度;
基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度;
基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度。
进一步的,所述差异度确定模块420在用于基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度时,所述差异度确定模块420用于:
基于所述历史行驶轨迹数据,确定所述待规划路径用户行驶过的多个历史行驶路段、所述待规划路径用户行驶过每个历史行驶路段的行驶次数以及所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数;
基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度。
进一步的,所述差异度确定模块420在用于基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度时,所述差异度确定模块420用于:
通过以下公式确定每个历史行驶路段的历史路段密度:
A=x1/y1;
其中,A为历史行驶路段的历史路段密度,x1为该历史行驶路段的所述行驶次数,y1为所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数。
进一步的,所述差异度确定模块420在用于基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度时,所述差异度确定模块420用于:
基于所述基础路网数据,确定所述目标行驶区域中的多个基础路段中每个目标基础路段被行驶过的经过次数以及所述多个基础路段被行驶过的经过总次数;
基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度。
进一步的,所述差异度确定模块420在用于基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度时,所述差异度确定模块420用于:
通过以下公式确定与每个历史行驶路段对应的目标基础路段的基础路段密度:
B=x2/y2;
其中,B为与历史行驶路段对应的基础路段的基础路段密度,x2为与历史行驶路段对应的基础路段的经过次数,y2为所述多个基础路段被行驶过的所述经过总次数。
进一步的,所述差异度确定模块420在用于基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度时,所述差异度确定模块420用于:
通过以下公式确定每个历史行驶路段相对于对应的目标基础路段的差异度:
C=((A-B)/B)*X+(A-B)*(1-X);
其中,C为历史行驶路段相对于对应的目标基础路段的差异度,A为历史行驶路段的历史路段密度B为与历史行驶路段对应的基础路段的基础路段密度,X为常量参数。
进一步的,所述子路网构建模块430在用于基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网时,所述子路网构建模块430用于:
确定出差异度大于预设阈值的多个历史行驶路段,或者所述多个历史行驶路段中预设数量的历史行驶路段为候选路段,其中,所述候选路段的差异度大于所述多个历史行驶路段中除候选路段之外的其他历史行驶路段的差异度;
从多个候选路段中筛除满足预设筛除条件的候选路段,并将多个候选路段中筛除后剩余的候选路段确定为所述待规划路径用户偏好行驶的偏好行驶路段,其中,满足预设筛除条件的候选路段为所述待规划路径用户行驶经过的次数小于预设次数的路段,或者连接成环形的多个路段,或者单独存在的路段。
进一步的,所述路线规划模块440在用于基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线时,所述路线规划模块440用于:
将所述子路网以及所述历史行驶轨迹数据指示的至少一条历史行驶轨迹输入至先练好的路段权重预测模型中,得到所述子路网中每个偏好行驶路段的偏好权重;
基于所述基础路网数据,确定所述目标行驶区域的基础路网中每个基础路段的基础权重;
基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线。
进一步的,所述路线规划模块440在用于基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线时,所述路线规划模块440用于:
使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网;
在更新权重后的基础路网中规划所述待规划路径用户的出行路线。
进一步的,所述路线规划模块440在用于使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网时,所述路线规划模块440用于:
在使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重时,针对每个偏好行驶路段,若偏好行驶路段的偏好权重大于对应的目标基础路段的目标基础权重,则将该偏好行驶路段的偏好权重调整至小于对应的目标基础路段的目标基础权重,使用该偏好行驶路段的调整后的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网。
进一步的,所述路线规划模块440在用于基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线时,所述路线规划模块440用于:
基于每个基础路段的基础权重,确定所述待规划路径用户从出行始发地至所述子路网所在子路网区域的第一中转点和所述出行始发地与所述第一中转点之间的第一路线,以及所述待规划路径用户从出行目的地至所述子路网区域的第二中转点和所述出行目的地与所述第二中转点之间的第二路线;
基于每个偏好行驶路段的偏好权重,确定在所述子路网区域中从所述第一中转点至所述第二中转点之间的、所述待规划路径用户的偏好路线;
确定包括所述第一路线、所述第二路线和所述偏好路线的在所述目标行驶区域中的出行路线。
进一步的,如图5所示,所述路线规划装置400还包括模型训练模块460,所述模型训练模块460用于通过以下步骤训练所述路段权重预测模型:
基于获取到的多个样本用户的样本行驶轨迹数据,确定每个样本用户的样本子路网,每个样本行驶轨迹数据指示的样本用户的实际行驶轨迹,以及每个实际行驶轨迹中每个样本路段的样本基础权重;
针对每个样本用户,将样本子路网和实际行驶轨迹输入至构建好的深度学习模型中,得到样本子路网中每个样本路段的预测偏好权重;
基于每个样本子路网中每个样本路段的预测偏好权重,确定每个样本用户在对应的样本子路网中的预测行驶轨迹;
针对每个样本用户,确定样本用户的实际行驶轨迹在对应的样本子路网中的实际行驶路径与预测行驶轨迹之间的偏差值;
若存在样本用户对应的偏差值大于预设偏差阈值,调整所述深度学习模型中的参数,直至每个样本用户对应的偏差值小于或者等于预设偏差阈值,确定所述深度学习模型训练完毕,并将训练完毕的所述深度学习模型确定为训练好的所述路段权重预测模型。
本申请实施例提供的路线规划装置,若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
这样,当所述待规划路径用户满足预设路径规划条件时,获取历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及在目标行驶区域中的基础路网数据,并根据多个历史行驶路段以及对应的目标基础路段之间的差异度,确定所述待规划路径用户偏好行驶的多个偏好行驶路,并构建子路网,根据所述目标行驶区域以及所述子路网,规划所述待规划路径用户的出行路线,可以使得规划的出行路线贴合用户对路线的实际认知和熟悉程度,有助于提高出行路线规划的准确性,减少路线重新规划的几率和次数,从而降低计算资源的消耗,减少设备负担和性能损耗。
请参阅图6,图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示,所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令,当电子设备600运行时,所述处理器610与所述存储器620之间通过总线630通信,所述机器可读指令被所述处理器610执行时,可以执行如上述图2以及图3所示方法实施例中的路线规划方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供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可以执行如上述图2以及图3所示方法实施例中的路线规划方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、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,机械或其它的形式。
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,在本申请各个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形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的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形式体现出来,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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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以权利要求的保护范围为准。
Claims (13)
1.一种路线规划方法,其特征在于,所述路线规划方法包括:
若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;
分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;所述差异度是基于历史路段密度和所述目标基础路段密度确定的,所述历史路段密度表征在统计时间周期内所述待规划路径用户行驶过某一历史行驶路段的次数占该待规划路径用户行驶过的全部历史行驶路段的总次数的比例;所述目标基础路段密度表征在统计时间周期内所述待规划路径用户行驶过某一目标基础路段的次数占全部基础路段被行驶过的总次数的比例;
基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;
基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
2.根据权利要求1所述的路线规划方法,其特征在于,所述分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度,包括:
基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度;
基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度;
基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度。
3.根据权利要求2所述的路线规划方法,其特征在于,所述基于所述历史行驶轨迹数据,确定在所述目标行驶区域中所述待规划路径用户行驶过的多个历史行驶路段,以及每个历史行驶路段被行驶过的历史路段密度,包括:
基于所述历史行驶轨迹数据,确定所述待规划路径用户行驶过的多个历史行驶路段、所述待规划路径用户行驶过每个历史行驶路段的行驶次数以及所述待规划路径用户行驶过所述多个历史行驶路段的行驶总次数;
基于每个历史行驶路段的行驶次数以及所述行驶总次数,确定每个历史行驶路段被行驶过的历史路段密度。
4.根据权利要求2所述的路线规划方法,其特征在于,所述基于所述基础路网数据,确定所述目标行驶区域中所有用户行驶过的多个基础路段,所述目标行驶区域中与每个历史行驶路段对应的目标基础路段,以及所述多个基础路段中与每个历史行驶路段对应的目标基础路段在所述目标行驶区域中被行驶过的目标基础路段密度,包括:
基于所述基础路网数据,确定所述目标行驶区域中的多个基础路段中每个目标基础路段被行驶过的经过次数以及所述多个基础路段被行驶过的经过总次数;
基于每个目标基础路段的经过次数以及所述经过总次数,确定每个历史行驶路段对应的目标基础路段被行驶过的基础路段密度。
5.根据权利要求2所述的路线规划方法,其特征在于,所述基于所述历史路段密度和所述目标基础路段密度,确定每个历史行驶路段相对于对应的目标基础路段的差异度,包括:
通过以下公式确定每个历史行驶路段相对于对应的目标基础路段的差异度:
C=((A-B)/B)*X+(A-B)*(1-X);
其中,C为历史行驶路段相对于对应的目标基础路段的差异度,A为历史行驶路段的历史路段密度,B为与历史行驶路段对应的基础路段的基础路段密度,X为常量参数。
6.根据权利要求1所述的路线规划方法,其特征在于,所述基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网,包括:
确定出差异度大于预设阈值的多个历史行驶路段,或者所述多个历史行驶路段中预设数量的历史行驶路段为候选路段,其中,所述候选路段的差异度大于所述多个历史行驶路段中除候选路段之外的其他历史行驶路段的差异度;
从多个候选路段中筛除满足预设筛除条件的候选路段,并将多个候选路段中筛除后剩余的候选路段确定为所述待规划路径用户偏好行驶的偏好行驶路段,其中,满足预设筛除条件的候选路段为所述待规划路径用户行驶经过的次数小于预设次数的路段,或者连接成环形的多个路段,或者单独存在的路段。
7.根据权利要求1所述的路线规划方法,其特征在于,所述基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线,包括:
将所述子路网以及所述历史行驶轨迹数据指示的至少一条历史行驶轨迹输入至先练好的路段权重预测模型中,得到所述子路网中每个偏好行驶路段的偏好权重;
基于所述基础路网数据,确定所述目标行驶区域的基础路网中每个基础路段的基础权重;
基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线。
8.根据权利要求7所述的路线规划方法,其特征在于,所述基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线,包括:
使用每个偏好行驶路段的偏好权重替换基础路网中对应的目标基础路段的目标基础权重,得到更新权重后的基础路网;
在更新权重后的基础路网中规划所述待规划路径用户的出行路线。
9.根据权利要求7所述的路线规划方法,其特征在于,所述基于每个偏好行驶路段的偏好权重以及每个基础路段的基础权重,规划所述待规划路径用户在所述目标行驶区域中的出行路线,包括:
基于每个基础路段的基础权重,确定所述待规划路径用户从出行始发地至所述子路网所在子路网区域的第一中转点和所述出行始发地与所述第一中转点之间的第一路线,以及所述待规划路径用户从出行目的地至所述子路网区域的第二中转点和所述出行目的地与所述第二中转点之间的第二路线;
基于每个偏好行驶路段的偏好权重,确定在所述子路网区域中从所述第一中转点至所述第二中转点之间的、所述待规划路径用户的偏好路线;
确定包括所述第一路线、所述第二路线和所述偏好路线的在所述目标行驶区域中的出行路线。
10.根据权利要求7所述的路线规划方法,其特征在于,通过以下步骤训练所述路段权重预测模型:
基于获取到的多个样本用户的样本行驶轨迹数据,确定每个样本用户的样本子路网,每个样本行驶轨迹数据指示的样本用户的实际行驶轨迹,以及每个实际行驶轨迹中每个样本路段的样本基础权重;
针对每个样本用户,将样本子路网和实际行驶轨迹输入至构建好的深度学习模型中,得到样本子路网中每个样本路段的预测偏好权重;
基于每个样本子路网中每个样本路段的预测偏好权重,确定每个样本用户在对应的样本子路网中的预测行驶轨迹;
针对每个样本用户,确定样本用户的实际行驶轨迹在对应的样本子路网中的实际行驶路径与预测行驶轨迹之间的偏差值;
若存在样本用户对应的偏差值大于预设偏差阈值,调整所述深度学习模型中的参数,直至每个样本用户对应的偏差值小于或者等于预设偏差阈值,确定所述深度学习模型训练完毕,并将训练完毕的所述深度学习模型确定为训练好的所述路段权重预测模型。
11.一种路线规划装置,其特征在于,所述路线规划装置包括:
数据获取模块,用于若待规划路径用户满足预设路径规划条件,获取在历史时间段内,所述待规划路径用户在目标行驶区域中的历史行驶轨迹数据,以及所述目标行驶区域的基础路网数据;
差异度确定模块,用于分别基于所述历史行驶轨迹数据和所述基础路网数据,确定所述待规划路径用户行驶过的多个历史行驶路段和所述目标行驶区域中所有用户行驶过的多个基础路段,并确定出所述多个基础路段中与每个历史行驶路段对应的目标基础路段,以及每个历史行驶路段相对于对应的目标基础路段的差异度;所述差异度是基于历史路段密度和所述目标基础路段密度确定的,所述历史路段密度表征在统计时间周期内所述待规划路径用户行驶过某一历史行驶路段的次数占该待规划路径用户行驶过的全部历史行驶路段的总次数的比例;所述目标基础路段密度表征在统计时间周期内所述待规划路径用户行驶过某一目标基础路段的次数占全部基础路段被行驶过的总次数的比例;
子路网构建模块,用于基于每个历史行驶路段的差异度,确定所述多个历史行驶路段中所述待规划路径用户偏好行驶的多个偏好行驶路段,以及由所述多个偏好行驶路段构建的子路网;
路线规划模块,用于基于所述目标行驶区域的基础路网和所述子路网,规划所述待规划路径用户的出行路线。
12.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至10任一项所述路线规划方法的步骤。
13.一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运行时执行如权利要求1至10任一项所述路线规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117331.9A CN111854779B (zh) | 2020-02-25 | 2020-02-25 | 一种路线规划方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117331.9A CN111854779B (zh) | 2020-02-25 | 2020-02-25 | 一种路线规划方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111854779A CN111854779A (zh) | 2020-10-30 |
CN111854779B true CN111854779B (zh) | 2022-04-26 |
Family
ID=72984910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010117331.9A Active CN111854779B (zh) | 2020-02-25 | 2020-02-25 | 一种路线规划方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111854779B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667925B (zh) * | 2020-12-30 | 2022-05-13 | 腾讯科技(深圳)有限公司 | 一种路线推荐方法、装置、计算机设备以及存储介质 |
CN112964266B (zh) * | 2021-02-04 | 2022-08-19 | 西北大学 | 一种网约服务拼单路线规划方法及存储介质 |
CN113516003A (zh) * | 2021-03-10 | 2021-10-19 | 武汉特斯联智能工程有限公司 | 一种应用于智慧安防的基于识别模型的识别方法及装置 |
CN112990571B (zh) * | 2021-03-11 | 2023-06-20 | 平安科技(深圳)有限公司 | 基于双层规划的交通数据分析方法、装置、设备及介质 |
CN112991739B (zh) * | 2021-03-23 | 2022-03-04 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行强度的车辆引导方法、装置、介质及设备 |
CN113701778B (zh) * | 2021-09-02 | 2024-04-19 | 广州宸祺出行科技有限公司 | 一种基于乘客路线偏好的网约车路线规划方法及装置 |
CN113758496B (zh) * | 2021-11-09 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 路径的规划方法、装置、电子设备及存储介质 |
CN114281908A (zh) * | 2021-11-12 | 2022-04-05 | 上海国际港务(集团)股份有限公司 | 一种历史行驶路径重建方法、装置和计算机设备 |
CN115752502B (zh) * | 2023-01-04 | 2023-05-02 | 小米汽车科技有限公司 | 路径筛选方法、装置及电子设备 |
CN115826591B (zh) * | 2023-02-23 | 2023-04-18 | 中国人民解放军海军工程大学 | 一种基于神经网络估计路径代价的多目标点路径规划方法 |
CN117870713B (zh) * | 2024-03-11 | 2024-05-31 | 武汉视普新科技有限公司 | 基于大数据车载影像的路径规划方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006177804A (ja) * | 2004-12-22 | 2006-07-06 | Nissan Motor Co Ltd | 走行経路探索方法、経路誘導装置 |
JP2011017556A (ja) * | 2009-07-07 | 2011-01-27 | Alpine Electronics Inc | 自車位置選択方法及び装置 |
CN102288193A (zh) * | 2011-07-06 | 2011-12-21 | 东南大学 | 一种基于历史数据的机动车出行路径的确定方法 |
CN104165634A (zh) * | 2014-07-28 | 2014-11-26 | 广州视源电子科技股份有限公司 | 基于用户使用习惯的路径规划方法 |
WO2015063237A1 (en) * | 2013-10-31 | 2015-05-07 | Tomtom International B.V. | Apparatus and methods of determining paths through an electronic map |
CN107747947A (zh) * | 2017-10-23 | 2018-03-02 | 电子科技大学 | 一种基于用户历史gps轨迹的协同旅行路线推荐方法 |
CN108627174A (zh) * | 2017-03-24 | 2018-10-09 | 北京嘀嘀无限科技发展有限公司 | 导航路线确定方法及装置、数据检索处理方法和服务器 |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0520576D0 (en) * | 2005-10-10 | 2005-11-16 | Applied Generics Ltd | Using traffic monitoring information to provide better driver route planning |
US20080215237A1 (en) * | 2006-05-17 | 2008-09-04 | International Business Machines Corporation | Design structure for adaptive route planning for gps-based navigation |
US7512487B1 (en) * | 2006-11-02 | 2009-03-31 | Google Inc. | Adaptive and personalized navigation system |
JP5858564B2 (ja) * | 2011-06-02 | 2016-02-10 | 株式会社デンソーアイティーラボラトリ | ナビゲーション装置、ナビゲーション方法、及びナビゲーションプログラム |
GB2497931B (en) * | 2011-12-21 | 2014-07-16 | Vodafone Ip Licensing Ltd | Determining a common origin, a common destination and a common route from a network data record |
CN103217166B (zh) * | 2012-01-21 | 2016-01-27 | 日电(中国)有限公司 | 用于抽取用户路线选择偏好的方法和*** |
CN105277189B (zh) * | 2014-06-30 | 2018-03-30 | 高德软件有限公司 | 一种路线推送方法及装置 |
CN107945507B (zh) * | 2016-10-13 | 2020-08-11 | 腾讯科技(深圳)有限公司 | 行程时间预测方法及装置 |
CN106952475B (zh) * | 2017-04-26 | 2019-04-23 | 清华大学 | 用户均衡原则下的双路径路网个性化诱导率分配方法 |
-
2020
- 2020-02-25 CN CN202010117331.9A patent/CN111854779B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006177804A (ja) * | 2004-12-22 | 2006-07-06 | Nissan Motor Co Ltd | 走行経路探索方法、経路誘導装置 |
JP2011017556A (ja) * | 2009-07-07 | 2011-01-27 | Alpine Electronics Inc | 自車位置選択方法及び装置 |
CN102288193A (zh) * | 2011-07-06 | 2011-12-21 | 东南大学 | 一种基于历史数据的机动车出行路径的确定方法 |
WO2015063237A1 (en) * | 2013-10-31 | 2015-05-07 | Tomtom International B.V. | Apparatus and methods of determining paths through an electronic map |
CN104165634A (zh) * | 2014-07-28 | 2014-11-26 | 广州视源电子科技股份有限公司 | 基于用户使用习惯的路径规划方法 |
CN108627174A (zh) * | 2017-03-24 | 2018-10-09 | 北京嘀嘀无限科技发展有限公司 | 导航路线确定方法及装置、数据检索处理方法和服务器 |
CN107747947A (zh) * | 2017-10-23 | 2018-03-02 | 电子科技大学 | 一种基于用户历史gps轨迹的协同旅行路线推荐方法 |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
Non-Patent Citations (1)
Title |
---|
考虑出行者偏好和经验的路径选择行为研究;杜玲丽等;《公路交通科技》;20190531;第36卷(第5期);138-144转151 * |
Also Published As
Publication number | Publication date |
---|---|
CN111854779A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111854779B (zh) | 一种路线规划方法、装置、电子设备及可读存储介质 | |
KR101976294B1 (ko) | 주행 노선 매칭 방법, 장치 및 저장 매체 | |
US11022457B2 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
RU2406158C2 (ru) | Способы предсказания пунктов назначения из частичных траекторий, применяющие способы моделирования открытого и замкнутого мира | |
CN110646004B (zh) | 一种基于路况预测的智能导航方法及装置 | |
CN111859178B (zh) | 一种推荐上车点的方法和*** | |
CN110595493A (zh) | 一种实时动态路径规划方法和装置 | |
US10982969B2 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
CN111915893B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN111721306A (zh) | 道路匹配方法、装置、电子设备及可读存储介质 | |
CN104024801A (zh) | 使用有界地理区域用于导航的方法和*** | |
JP6527060B2 (ja) | 経路探索システム、経路探索方法及びコンピュータプログラム | |
CN111400425B (zh) | 一种路径自动优化选择的方法和*** | |
CN113984075A (zh) | 导航方法、装置、导航设备及计算机可读存储介质 | |
US20230137263A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
JP2020056730A (ja) | 経路探索プログラム、経路探索方法、及び経路探索システム | |
CN111613052B (zh) | 一种交通状况确定方法、装置、电子设备及存储介质 | |
JP6366296B2 (ja) | 経路探索装置および経路探索方法 | |
CN111861538A (zh) | 信息推送方法、装置、电子设备和存储介质 | |
Rodrigues et al. | Hybrid context-aware multimodal routing | |
WO2020091620A1 (ru) | Способ прогнозирования пассажиропотока и устройство для его осуществления | |
CN111831931B (zh) | 一种上车点排序、信息排序的方法及装置 | |
CN113886413A (zh) | 地图更新方法及装置 | |
CN111612198B (zh) | 预测拼单成功率的方法、装置和电子设备 | |
CN111860904B (zh) | 上车点排序的方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |