CN115290109B - 一种基于人物画像的导航***及方法 - Google Patents
一种基于人物画像的导航***及方法 Download PDFInfo
- Publication number
- CN115290109B CN115290109B CN202210953673.3A CN202210953673A CN115290109B CN 115290109 B CN115290109 B CN 115290109B CN 202210953673 A CN202210953673 A CN 202210953673A CN 115290109 B CN115290109 B CN 115290109B
- Authority
- CN
- China
- Prior art keywords
- driver
- vehicle
- selectable
- route tree
- characteristic information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 description 22
- 238000012549 training Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008570 general process Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3629—Guidance using speech or audio output, e.g. text-to-speech
-
- 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
- G01C21/3632—Guidance using simplified or iconic instructions, e.g. using arrows
-
- 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
- G01C21/3641—Personalized guidance, e.g. limited guidance on previously travelled routes
-
- 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
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Navigation (AREA)
Abstract
本发明提出一种基于人物画像的导航***及方法,所述方法包括:当检测到车辆启动时,检测所述车辆是否开启静默导航模式;当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;根据所述人物特征信息,得到所述驾乘人员的人物画像;根据所述人物画像生成所述驾乘人员的路线树;当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。通过本发明的方案,不需要用户输入目的地,通过人物画像即可智能地预测用户的目的地,从而自动生成用户的路线树,简化了用户操作;同时,通过人物画像预测目的地,能更好地贴合用户的兴趣/需求,提供了个性化的导航服务。
Description
技术领域
本发明涉及智能导航技术领域,具体涉及一种基于人物画像的导航***及方法。
背景技术
随着定位技术、网络技术、传感器技术等IT技术的不断发展,电子地图的功能越来越完善和丰富,人们出行也越来越依赖电子地图提供的导航服务。目前的导航***大多需要先由用户在导航界面上输入目的地(或者输入的起点及目的地),然后按预设的条件机械地为用户计算出一条或多条出行路径,再依照用户选择的出行路径为用户提供导航服务。
然而,不同的用户以及同一个用户在不同时间点对导航路线的偏好是不一样的,因此,电子地图提供的导航路线不仅需要帮助人们进行出行路线的规划,还需要考虑不同用户对导航路线的偏好。而现有的导航***中,导航路线的生成仅仅依赖于对路网数据的计算,对不同用户提供相同的推荐路线,不能满足用户的个性化需求。
发明内容
本发明正是基于上述问题,提出了一种基于人物画像的导航***及方法,通过本发明的方案,不需要用户输入目的地,通过人物画像即可智能地预测用户的目的地,从而自动生成用户的路线树,简化了用户操作;同时,通过人物画像预测目的地,能更好地贴合用户的兴趣/需求,提供了个性化的导航服务。
有鉴于此,本发明的一方面提出了一种基于人物画像的导航***,包括:检测模块、获取模块、处理模块和提示模块;其中,
所述检测模块,用于当检测到车辆启动时,检测所述车辆是否开启静默导航模式;
所述获取模块,用于当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;
所述处理模块,用于根据所述人物特征信息,得到所述驾乘人员的人物画像;
所述处理模块,还用于根据所述人物画像生成所述驾乘人员的路线树;
所述提示模块,用于当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。
可选地,所述驾乘人员为多人;所述根据所述人物特征信息,得到所述驾乘人员的人物画像的步骤中,所述处理模块具体用于:
获取每个所述驾乘人员的行车需求优先级;
根据所述人物特征信息得到每个所述驾乘人员的人物画像数据;
将所述人物画像数据按所述行车需求优先级进行排序得到人物画像数据集;
将所述人物画像数据集作为多个所述驾乘人员的人物画像。
可选地,所述根据所述人物画像生成所述驾乘人员的路线树的步骤中,所述处理模块具体用于:
在后台获取所述驾乘人员的当前位置信息;
根据所述人物画像预测所述驾乘人员的多个可选目的地;
分别绘制所述当前位置信息与多个所述可选目的地间的可选路线;
将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树。
可选地,所述获取模块,还用于获取所述驾乘人员的历史出行数据;
所述处理模块,还用于根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值;以及,获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值。
可选地,所述处理模块,还用于:
根据所述当前权重值大小将对应的所述可选路线进行优先级排序;
保留预设的优先级范围内的所述可选路线,并对所述路线树进行更新。
本发明的另一方面提供一种基于人物画像的导航方法,包括:
当检测到车辆启动时,检测所述车辆是否开启静默导航模式;
当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;
根据所述人物特征信息,得到所述驾乘人员的人物画像;
根据所述人物画像生成所述驾乘人员的路线树;
当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。
可选地,所述驾乘人员为多人;所述根据所述人物特征信息,得到所述驾乘人员的人物画像的步骤,包括:
获取每个所述驾乘人员的行车需求优先级;
根据所述人物特征信息得到每个所述驾乘人员的人物画像数据;
将所述人物画像数据按所述行车需求优先级进行排序得到人物画像数据集;
将所述人物画像数据集作为多个所述驾乘人员的人物画像。
可选地,所述根据所述人物画像生成所述驾乘人员的路线树的步骤,包括:
在后台获取所述驾乘人员的当前位置信息;
根据所述人物画像预测所述驾乘人员的多个可选目的地;
分别绘制所述当前位置信息与多个所述可选目的地间的可选路线;
将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树。
可选地,所述根据所述人物画像预测所述驾乘人员的多个可选目的地的步骤之后,包括:
获取所述驾乘人员的历史出行数据;
根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值;
获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值。
可选地,所述将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树的步骤之后,还包括:
根据所述当前权重值大小将对应的所述可选路线进行优先级排序;
保留预设的优先级范围内的所述可选路线,并对所述路线树进行更新。
采用本发明的技术方案,基于人物画像的导航***设置检测模块、获取模块、处理模块和提示模块;其中,所述检测模块,用于当检测到车辆启动时,检测所述车辆是否开启静默导航模式;所述获取模块,用于当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;所述处理模块,用于根据所述人物特征信息,得到所述驾乘人员的人物画像;所述处理模块,还用于根据所述人物画像生成所述驾乘人员的路线树;所述提示模块,用于当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。通过本发明的方案,不需要用户输入目的地,通过人物画像即可智能地预测用户的目的地,从而自动生成用户的路线树,简化了用户操作;同时,通过人物画像预测目的地,能更好地贴合用户的兴趣/需求,提供了个性化的导航服务。
附图说明
图1是本发明一个实施例提供的基于人物画像的导航***的示意框图;
图2是本发明另一个实施例提供的基于人物画像的导航方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面参照图1至图2来描述根据本发明一些实施方式提供的一种基于人物画像的导航***及方法。
如图1所示,本发明一个实施例提供一种基于人物画像的导航***,包括:检测模块、获取模块、处理模块和提示模块;其中,
所述检测模块,用于当检测到车辆启动时,检测所述车辆是否开启静默导航模式;
所述获取模块,用于当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;
所述处理模块,用于根据所述人物特征信息,得到所述驾乘人员的人物画像;
所述处理模块,还用于根据所述人物画像生成所述驾乘人员的路线树;
所述提示模块,用于当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。
可以理解的是,本发明的实施例中,所述静默导航模式是指在车辆启动后,不需要用户输入目的地,导航***获取当前位置信息以及预测用户可能要去的目的地,生成可能的导航路线后一直在后台运行,当车辆快要达到路线切换点(即所述路线树的分叉点)时,再进行导航提醒。
当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;所述人物特征信息至少包括:性别、年龄、性格、学历、消费能力/特点、消费地点、消费时间、兴趣爱好、健康状况、职业、收入范围、家庭状况、驾龄、车况、驾驶偏好、惯用车速等等。可以将所述人物特征数据作为大数据分析的素材或者作为训练神经网络的输入数据,从而可以进一步得到所述驾乘人员的人物画像。
可以理解的是,神经网络可以BP神经网络,也可以是其他神经网络,本实施例中以BP神经网络为例进行讲述训练神经网络的大致过程:基本BP算法包括信号的前向传播和误差的反向传播两个过程。即计算误差输出时按从输入到输出的方向进行,而调整权值和阈值则从输出到输入的方向进行。正向传播时,输入信号通过隐含层作用于输出节点,经过非线性变换,产生输出信号,若实际输出与期望输出不相符,则转入误差的反向传播过程。误差反传是将输出误差通过隐含层向输入层逐层反传,并将误差分摊给各层所有单元,以从各层获得的误差信号作为调整各单元权值的依据。通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数(权值和阈值),训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息,自行处理输出误差最小的经过非线形转换的信息。
得到所述驾乘人员的人物画像后,根据所述人物画像可以预测所述驾乘人员多个可选目的地(例如可以通过利用大量的人物画像数据训练出“目的地预测神经网络”,将所述驾乘人员的所述人物画像输入“目的地预测神经网络”即可得到可选目的地;或者,可以通过所述人物画像推测出所述驾乘人员的兴趣点,进一步选择出其可能感兴趣的目的地),由当前位置信息和多个所述可选目的地可生成多条可选路线,多条可选路线融合生成所述驾乘人员的路线树;当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围(如100米)时,进行图文显示和/或声音提示(如在显示界面显示和/或通过语音播放“前往A点请保持前行,前往B点请在下一个红绿灯路口左转,前往C点请在下一个红绿灯路口右转”等)。
采用该实施例的技术方案,所述基于人物画像的导航***包括:检测模块、获取模块、处理模块和提示模块;其中,所述检测模块,用于当检测到车辆启动时,检测所述车辆是否开启静默导航模式;所述获取模块,用于当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;所述处理模块,用于根据所述人物特征信息,得到所述驾乘人员的人物画像;所述处理模块,还用于根据所述人物画像生成所述驾乘人员的路线树;所述提示模块,用于当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。通过本发明的方案,不需要用户输入目的地,通过人物画像即可智能地预测用户的目的地,从而自动生成用户的路线树,简化了用户操作;同时,通过人物画像预测目的地,能更好地贴合用户的兴趣/需求,提供了个性化的导航服务。
应当知道的是,图1所示的基于人物画像的导航***的框图仅作示意,其所示出的各模块的数量并不对本发明的保护范围进行限定。
在本发明一些可能的实施方式中,所述驾乘人员为多人;所述根据所述人物特征信息,得到所述驾乘人员的人物画像的步骤中,所述处理模块具体用于:
获取每个所述驾乘人员的行车需求优先级;
根据所述人物特征信息得到每个所述驾乘人员的人物画像数据;
将所述人物画像数据按所述行车需求优先级进行排序得到人物画像数据集;
将所述人物画像数据集作为多个所述驾乘人员的人物画像。
可以理解的是,在实际生活中,同一车上的驾乘人员可能除了驾驶人员外,还有其他乘客的存在,为了更准确地构建人物画像以提供贴心的导航服务,在本发明的实施例中,分别获取每个所述驾乘人员的行车需求优先级,例如在基于授权的情况下,获取驾乘人员的语音数据,对语音数据进行识别以确定驾乘人员之间的角色关系(如雇佣关系、上下级关系、亲友关系等)、驾乘人员的出行计划等,可以得到驾乘人员间的需求的优先级关系,例如一家老小出行,老人要在8点到医院进行体检、小孩9点上兴趣班,在这种情况下,老人的行车需求优先级高于小孩;再比如,在雇佣关系及上下级关系中,一般是雇主/上级的行车需求优先级高于雇员/下级。再根据所述人物特征信息得到每个所述驾乘人员的人物画像数据,将所述人物画像数据按对应的所述行车需求优先级进行排序得到人物画像数据集;最后,将所述人物画像数据集作为多个所述驾乘人员的人物画像,应当说明的是,此处人物画像可以根据驾乘人员的上车或下车状态而进行动态更新。
在本发明一些可能的实施方式中,所述根据所述人物画像生成所述驾乘人员的路线树的步骤中,所述处理模块具体用于:
在后台获取所述驾乘人员的当前位置信息;
根据所述人物画像预测所述驾乘人员的多个可选目的地;
分别绘制所述当前位置信息与多个所述可选目的地间的可选路线;
将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树。
在本发明的实施例中,在后台获取所述驾乘人员的当前位置信息,同时,如前所述,在得到所述驾乘人员的人物画像后,根据所述人物画像可以预测所述驾乘人员多个可选目的地(例如可以通过利用大量的人物画像数据训练出“目的地预测神经网络”,将所述驾乘人员的所述人物画像输入“目的地预测神经网络”即可得到可选目的地;或者,可以通过所述人物画像推测出所述驾乘人员的兴趣点,进一步选择出其可能感兴趣的目的地),根据当前位置信息和多个所述可选目的地,可分别绘制出多条可选路线,将所述可选路线中相同的部分进行合并,以将多条可选路线组合/融合生成所述驾乘人员的路线树。可以理解的是,多个所述可选目的地在以车辆的当前位置为中心的预设范围内,所述路线树可以是实时动态生成的,即随着车辆当前位置的变化,所述可选目的地也在同步增减,对应地,可选路线也在变化,从而使得所述路线树也在变化,以更灵活地贴合用户的需求。
在本发明一些可能的实施方式中,所述获取模块,还用于获取所述驾乘人员的历史出行数据;
所述处理模块,还用于根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值;以及,获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值。
可以理解的是,出行时间点不同,出行的目的也可能不同,即可选目的地随着出行时间点的不同而可能产生差异,为了提供更精确的导航服务,在本发明的实施例中,通过获取所述驾乘人员的历史出行数据,根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值,比如在饭点出行,用户出行的目的地可能是饭店、餐馆或者住所;在工作日的上午10点出行,可能是去办公室或者客户公司;而在休息目上午10点出行,可能是去商场、去兴趣班等,根据对所述历史出行数据统计分析,对于每个时间点/时段的可选目的地,可以赋予不同的权重值;然后,获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值是,从而可以得知所述驾乘人员在当前时间点出行,最有可能去的可选目的地有哪些,据此可以提供针对性可选路线。
在本发明一些可能的实施方式中,所述处理模块,还用于:
根据所述当前权重值大小将对应的所述可选路线进行优先级排序;
保留预设的优先级范围内的所述可选路线,并对所述路线树进行更新。
可以理解的是,在本发明的实施例中,根据所述当前权重值大小将对应的所述可选路线进行优先级排序,保留预设的优先级范围内(如前5优先级)的所述可选路线,并对所述路线树进行更新,使得导航服务更精确。
请参见图2,本发明的另一实施例提供一种基于人物画像的导航方法,包括:
当检测到车辆启动时,检测所述车辆是否开启静默导航模式;
当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;
根据所述人物特征信息,得到所述驾乘人员的人物画像;
根据所述人物画像生成所述驾乘人员的路线树;
当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。
可以理解的是,本发明的实施例中,所述静默导航模式是指在车辆启动后,不需要用户输入目的地,导航***获取当前位置信息以及预测用户可能要去的目的地,生成可能的导航路线后一直在后台运行,当车辆快要达到路线切换点(即所述路线树的分叉点)时,再进行导航提醒。
当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;所述人物特征信息至少包括:性别、年龄、性格、学历、消费能力/特点、消费地点、消费时间、兴趣爱好、健康状况、职业、收入范围、家庭状况、驾龄、车况、驾驶偏好、惯用车速等等。可以将所述人物特征数据作为大数据分析的素材或者作为训练神经网络的输入数据,从而可以进一步得到所述驾乘人员的人物画像。
可以理解的是,神经网络可以BP神经网络,也可以是其他神经网络,本实施例中以BP神经网络为例进行讲述训练神经网络的大致过程:基本BP算法包括信号的前向传播和误差的反向传播两个过程。即计算误差输出时按从输入到输出的方向进行,而调整权值和阈值则从输出到输入的方向进行。正向传播时,输入信号通过隐含层作用于输出节点,经过非线性变换,产生输出信号,若实际输出与期望输出不相符,则转入误差的反向传播过程。误差反传是将输出误差通过隐含层向输入层逐层反传,并将误差分摊给各层所有单元,以从各层获得的误差信号作为调整各单元权值的依据。通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数(权值和阈值),训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息,自行处理输出误差最小的经过非线形转换的信息。
得到所述驾乘人员的人物画像后,根据所述人物画像可以预测所述驾乘人员多个可选目的地(例如可以通过利用大量的人物画像数据训练出“目的地预测神经网络”,将所述驾乘人员的所述人物画像输入“目的地预测神经网络”即可得到可选目的地;或者,可以通过所述人物画像推测出所述驾乘人员的兴趣点,进一步选择出其可能感兴趣的目的地),由当前位置信息和多个所述可选目的地可生成多条可选路线,多条可选路线融合生成所述驾乘人员的路线树;当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围(如100米)时,进行图文显示和/或声音提示(如在显示界面显示和/或通过语音播放“前往A点请保持前行,前往B点请在下一个红绿灯路口左转,前往C点请在下一个红绿灯路口右转”等)。
采用该实施例的技术方案,当检测到车辆启动时,检测所述车辆是否开启静默导航模式;当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;根据所述人物特征信息,得到所述驾乘人员的人物画像;根据所述人物画像生成所述驾乘人员的路线树;当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示。通过本发明的方案,不需要用户输入目的地,通过人物画像即可智能地预测用户的目的地,从而自动生成用户的路线树,简化了用户操作;同时,通过人物画像预测目的地,能更好地贴合用户的兴趣/需求,提供了个性化的导航服务。
在本发明一些可能的实施方式中,所述驾乘人员为多人;所述根据所述人物特征信息,得到所述驾乘人员的人物画像的步骤,包括:
获取每个所述驾乘人员的行车需求优先级;
根据所述人物特征信息得到每个所述驾乘人员的人物画像数据;
将所述人物画像数据按所述行车需求优先级进行排序得到人物画像数据集;
将所述人物画像数据集作为多个所述驾乘人员的人物画像。
可以理解的是,在实际生活中,同一车上的驾乘人员可能除了驾驶人员外,还有其他乘客的存在,为了更准确地构建人物画像以提供贴心的导航服务,在本发明的实施例中,分别获取每个所述驾乘人员的行车需求优先级,例如在基于授权的情况下,获取驾乘人员的语音数据,对语音数据进行识别以确定驾乘人员之间的角色关系(如雇佣关系、上下级关系、亲友关系等)、驾乘人员的出行计划等,可以得到驾乘人员间的需求的优先级关系,例如一家老小出行,老人要在8点到医院进行体检、小孩9点上兴趣班,在这种情况下,老人的行车需求优先级高于小孩;再比如,在雇佣关系及上下级关系中,一般是雇主/上级的行车需求优先级高于雇员/下级。再根据所述人物特征信息得到每个所述驾乘人员的人物画像数据,将所述人物画像数据按对应的所述行车需求优先级进行排序得到人物画像数据集;最后,将所述人物画像数据集作为多个所述驾乘人员的人物画像,应当说明的是,此处人物画像可以根据驾乘人员的上车或下车状态而进行动态更新。
在本发明一些可能的实施方式中,所述根据所述人物画像生成所述驾乘人员的路线树的步骤,包括:
在后台获取所述驾乘人员的当前位置信息;
根据所述人物画像预测所述驾乘人员的多个可选目的地;
分别绘制所述当前位置信息与多个所述可选目的地间的可选路线;
将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树。
在本发明的实施例中,在后台获取所述驾乘人员的当前位置信息,同时,如前所述,在得到所述驾乘人员的人物画像后,根据所述人物画像可以预测所述驾乘人员多个可选目的地(例如可以通过利用大量的人物画像数据训练出“目的地预测神经网络”,将所述驾乘人员的所述人物画像输入“目的地预测神经网络”即可得到可选目的地;或者,可以通过所述人物画像推测出所述驾乘人员的兴趣点,进一步选择出其可能感兴趣的目的地),根据当前位置信息和多个所述可选目的地,可分别绘制出多条可选路线,将所述可选路线中相同的部分进行合并,以将多条可选路线组合/融合生成所述驾乘人员的路线树。可以理解的是,多个所述可选目的地在以车辆的当前位置为中心的预设范围内,所述路线树可以是实时动态生成的,即随着车辆当前位置的变化,所述可选目的地也在同步增减,对应地,可选路线也在变化,从而使得所述路线树也在变化,以更灵活地贴合用户的需求。
在本发明一些可能的实施方式中,所述根据所述人物画像预测所述驾乘人员的多个可选目的地的步骤之后,包括:
获取所述驾乘人员的历史出行数据;
根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值;
获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值。
可以理解的是,出行时间点不同,出行的目的也可能不同,即可选目的地随着出行时间点的不同而可能产生差异,为了提供更精确的导航服务,在本发明的实施例中,通过获取所述驾乘人员的历史出行数据,根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值,比如在饭点出行,用户出行的目的地可能是饭店、餐馆或者住所;在工作日的上午10点出行,可能是去办公室或者客户公司;而在休息目上午10点出行,可能是去商场、去兴趣班等,根据对所述历史出行数据统计分析,对于每个时间点/时段的可选目的地,可以赋予不同的权重值;然后,获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值是,从而可以得知所述驾乘人员在当前时间点出行,最有可能去的可选目的地有哪些,据此可以提供针对性可选路线。
在本发明一些可能的实施方式中,所述将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树的步骤之后,还包括:
根据所述当前权重值大小将对应的所述可选路线进行优先级排序;
保留预设的优先级范围内的所述可选路线,并对所述路线树进行更新。
可以理解的是,在本发明的实施例中,根据所述当前权重值大小将对应的所述可选路线进行优先级排序,保留预设的优先级范围内(如前5优先级)的所述可选路线,并对所述路线树进行更新,使得导航服务更精确。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
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,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,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,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接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元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,可以存储在一个计算机可读取存储器中。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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,可轻易想到变化或替换,均可作各种更动与修改,包含上述不同功能、实施步骤的组合,包含软件和硬件的实施方式,均在本发明的保护范围。
Claims (2)
1.一种基于人物画像的导航***,其特征在于,包括:检测模块、获取模块、处理模块和提示模块;其中,
所述检测模块,用于当检测到车辆启动时,检测所述车辆是否开启静默导航模式;
所述获取模块,用于当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;
所述处理模块,用于根据所述人物特征信息,得到所述驾乘人员的人物画像;
所述处理模块,还用于根据所述人物画像生成所述驾乘人员的路线树;
所述提示模块,用于当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示;
其中,所述驾乘人员为多人;所述根据所述人物特征信息,得到所述驾乘人员的人物画像的步骤中,所述处理模块具体用于:
获取每个所述驾乘人员的行车需求优先级;
根据所述人物特征信息得到每个所述驾乘人员的人物画像数据;
将所述人物画像数据按所述行车需求优先级进行排序得到人物画像数据集;
将所述人物画像数据集作为多个所述驾乘人员的人物画像;
其中,所述根据所述人物画像生成所述驾乘人员的路线树的步骤中,所述处理模块具体用于:
在后台获取所述驾乘人员的当前位置信息;
根据所述人物画像预测所述驾乘人员的多个可选目的地;
分别绘制所述当前位置信息与多个所述可选目的地间的可选路线;
将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树;
所述获取模块,还用于获取所述驾乘人员的历史出行数据;
所述处理模块,还用于根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值;以及,获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值;
所述处理模块,还用于:
根据所述当前权重值大小将对应的所述可选路线进行优先级排序;
保留预设的优先级范围内的所述可选路线,并对所述路线树进行更新。
2.一种基于人物画像的导航方法,其特征在于,包括:
当检测到车辆启动时,检测所述车辆是否开启静默导航模式;
当所述车辆开启静默导航模式时,获取所述车辆上的驾乘人员的人物特征信息;
根据所述人物特征信息,得到所述驾乘人员的人物画像;
根据所述人物画像生成所述驾乘人员的路线树;
当所述车辆与前进方向上的所述路线树的分叉点的距离为预设范围时,进行图文显示和/或声音提示;
其中,所述驾乘人员为多人;所述根据所述人物特征信息,得到所述驾乘人员的人物画像的步骤,包括:
获取每个所述驾乘人员的行车需求优先级;
根据所述人物特征信息得到每个所述驾乘人员的人物画像数据;
将所述人物画像数据按所述行车需求优先级进行排序得到人物画像数据集;
将所述人物画像数据集作为多个所述驾乘人员的人物画像;
其中,所述根据所述人物画像生成所述驾乘人员的路线树的步骤,包括:
在后台获取所述驾乘人员的当前位置信息;
根据所述人物画像预测所述驾乘人员的多个可选目的地;
分别绘制所述当前位置信息与多个所述可选目的地间的可选路线;
将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树;
所述根据所述人物画像预测所述驾乘人员的多个可选目的地的步骤之后,包括:
获取所述驾乘人员的历史出行数据;
根据所述历史出行数据计算基于时间维度的多个所述可选目的地中每个目的地的权重值;
获取在当前时间点时多个所述可选目的地中每个目的地的当前权重值;
所述将所述可选路线中相同的部分进行合并,以组合成所述驾乘人员的路线树的步骤之后,还包括:
根据所述当前权重值大小将对应的所述可选路线进行优先级排序;
保留预设的优先级范围内的所述可选路线,并对所述路线树进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953673.3A CN115290109B (zh) | 2022-08-10 | 2022-08-10 | 一种基于人物画像的导航***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953673.3A CN115290109B (zh) | 2022-08-10 | 2022-08-10 | 一种基于人物画像的导航***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115290109A CN115290109A (zh) | 2022-11-04 |
CN115290109B true CN115290109B (zh) | 2024-06-04 |
Family
ID=83828420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210953673.3A Active CN115290109B (zh) | 2022-08-10 | 2022-08-10 | 一种基于人物画像的导航***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115290109B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087114A (zh) * | 2009-12-02 | 2011-06-08 | 罗伯特·博世有限公司 | 用于动态地获得路线走向的方法和导航装置 |
GB201412151D0 (en) * | 2014-07-08 | 2014-08-20 | Jaguar Land Rover Ltd | Navigation system for a vehicle |
CN111897850A (zh) * | 2020-08-05 | 2020-11-06 | 湖南翰坤实业有限公司 | 根据用户画像个性化生成逃生路线的方法、*** |
CN112634647A (zh) * | 2020-12-10 | 2021-04-09 | 深圳集智数字科技有限公司 | 一种提供停车信息的导航***、方法、设备及介质 |
CN114118582A (zh) * | 2021-11-29 | 2022-03-01 | 中国第一汽车股份有限公司 | 目的地预测方法、装置、电子终端及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8392116B2 (en) * | 2010-03-24 | 2013-03-05 | Sap Ag | Navigation device and method for predicting the destination of a trip |
CN102890869B (zh) * | 2012-09-25 | 2015-01-14 | 孙涛 | 车辆行车路线预测通知方法及移动智能终端 |
EP2930469A1 (de) * | 2014-04-09 | 2015-10-14 | Volkswagen Aktiengesellschaft | Verfahren zur Bereitstellung prädiktiver Zielpositionen und/oder prädiktiver Routen zur Erreichung einer Zielposition und Navigationssystem |
GB201707070D0 (en) * | 2017-05-03 | 2017-06-14 | Tomtom Int Bv | Methods and systems of providing information using a navigation apparatus |
CN109459050B (zh) * | 2018-12-17 | 2020-03-03 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN112945253A (zh) * | 2019-12-10 | 2021-06-11 | 阿里巴巴集团控股有限公司 | 一种出行路线推荐方法、***和装置 |
CN111024112A (zh) * | 2019-12-31 | 2020-04-17 | 联想(北京)有限公司 | 一种路线导航的方法、装置及电子设备 |
-
2022
- 2022-08-10 CN CN202210953673.3A patent/CN115290109B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087114A (zh) * | 2009-12-02 | 2011-06-08 | 罗伯特·博世有限公司 | 用于动态地获得路线走向的方法和导航装置 |
GB201412151D0 (en) * | 2014-07-08 | 2014-08-20 | Jaguar Land Rover Ltd | Navigation system for a vehicle |
CN111897850A (zh) * | 2020-08-05 | 2020-11-06 | 湖南翰坤实业有限公司 | 根据用户画像个性化生成逃生路线的方法、*** |
CN112634647A (zh) * | 2020-12-10 | 2021-04-09 | 深圳集智数字科技有限公司 | 一种提供停车信息的导航***、方法、设备及介质 |
CN114118582A (zh) * | 2021-11-29 | 2022-03-01 | 中国第一汽车股份有限公司 | 目的地预测方法、装置、电子终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115290109A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Faber et al. | How will older adults use automated vehicles? Assessing the role of AVs in overcoming perceived mobility barriers | |
US8392116B2 (en) | Navigation device and method for predicting the destination of a trip | |
TWI626615B (zh) | 資訊提供裝置及儲存提供程式的資訊之非暫態電腦可讀媒體 | |
EP2218061B1 (en) | Personalized real-time location-based travel management | |
CN106335513B (zh) | 具有先进驾驶员辅助和自主驾驶的车上时间智能使用的方法和*** | |
JP6432205B2 (ja) | 予約管理方法、予約管理プログラムおよび予約管理装置 | |
US11358605B2 (en) | Method and apparatus for generating a passenger-based driving profile | |
US20140257988A1 (en) | Method and system for selecting navigation routes and providing on-route advertising | |
EP3620972A1 (en) | Method and apparatus for providing a user reaction user interface for generating a passenger-based driving profile | |
EP3038047A1 (en) | System and method for determining an appropriate time for providing a message to a driver | |
CN115290109B (zh) | 一种基于人物画像的导航***及方法 | |
CN110941253B (zh) | 驾驶评价装置、驾驶评价***、驾驶评价方法及存储介质 | |
JP2021149617A (ja) | レコメンド案内装置、レコメンド案内方法、および、レコメンド案内プログラム | |
CN111382899A (zh) | 用于改进公共交通乘车体验的众包决策支持的***和方法 | |
US20220397408A1 (en) | Content Delivery In Real-Time Guided Navigation | |
JP7231498B2 (ja) | ライドシェア管理装置、ライドシェア管理方法、およびプログラム | |
JP2022185947A (ja) | 配車装置、制御方法、および、制御プログラム | |
JP7095892B2 (ja) | 情報処理システム、情報処理方法および情報処理プログラム | |
JP2021189770A (ja) | 情報処理装置、情報処理システム、プログラム、及び車両 | |
JP2015176589A (ja) | 情報処理システム、情報処理方法および情報処理プログラム | |
JP7351836B2 (ja) | 情報収集装置、及び制御方法 | |
US20230267836A1 (en) | Human machine interface device of a vehicle and a controlling method thereof | |
JP2019040457A (ja) | 関係性推定方法、関係性推定装置、及び情報提供方法 | |
US20240037510A1 (en) | Method and apparatus for determining appointment attendance probability | |
Copp | Studying volunteer driver programs to inform transportation planning for autonomous vehicles in rural areas |
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 |