一种预测目的地的方法及装置制造方法及图纸

本发明专利技术公开了一种预测目的地的方法及装置，该方法为，获取用户设定的服务类型，以及监测用户驾驶的车辆的当前行车轨迹；获取对应服务类型设置的目的地集合；基于车辆的当前行车轨迹，采用目的地集合中包含的每一个目的地对应的预测模型，分别确定每一个目的地对应的预测概率，其中，一个目的地对应的预测模型表示根据用户驾驶的车辆的历史行车轨迹和设定的服务类型，确定车辆的当前行车轨迹的目的地为一个目的地的概率；选取预测概率符合预设规则的目的地为预测目的地。这样，避免了仅通过历史行车轨迹进行目的地预测时，用户的习惯、目的以及需求等对目的地预测的影响，提高了目的地预测的准确性。

【技术实现步骤摘要】
一种预测目的地的方法及装置
本专利技术涉及智能
，尤其涉及一种预测目的地的方法及装置。
技术介绍
随着互联网技术的发展，基于位置服务(LocationBasedService，LBS)的应用程序不断地涌现，从而为用户驾车出行提供位置定位、路线查询以及历史行车轨迹呈现等服务。而由于用户驾车出行的路线既会受到自身行为的习惯的影响，还会受到外部条件的约束，因此，用户驾车出行的目的地是具有一定的规律的，用户驾车到达某些特定区域的可能性比较高，如，家、公司、购物中心、餐厅以及电影院等。现有技术下，终端可以通过位置服务的应用程序获取用户驾车出行的历史行车轨迹，进一步地，可以基于用户驾车出行的历史行车轨迹预测用户驾车出行的目的地。现有技术下，终端预测用户驾车出行的目的地的方式如下：终端获取车辆当前的行车轨迹，以及各个历史行车轨迹，并将当前的行车轨迹与每一个历史行车轨迹相比对，若存在某一历史行车轨迹与当前的行车轨迹部分比对成功，则确定当前车辆的目的地为该历史行车轨迹的目的地。进一步，若存在多个历史行车轨迹与当前的行车轨迹部分比对成功，则根据上述多个历史行车轨迹，计算到达对应上述多个历史行车轨迹的各个目的地的概率，确定当前车辆的目的地为概率最高的目的地。但是，由于用户驾车出行的轨迹受用户的习惯、目的以及需求等影响较大，因此，预测用户驾车出行的目的地的准确率比较低。进一步地，由于车辆的当前行车轨迹是不断变化的，因此，当在历史行车轨迹的数据库中找不到与当前的行车轨迹比对成功的历史行车轨迹时，则无法预测用户驾车出行的目的地。有鉴于此，需要设计一种新的预测目的地的方法，以克服上述缺陷。
技术实现思路
本专利技术实施例提供一种预测目的地的方法及装置，用于根据用户驾驶的车辆的当前行车轨迹和用户设定的服务类型，预测用户驾车出行的目的地，避免了仅通过历史行车轨迹进行目的地预测时，用户的习惯、目的以及需求等对目的地预测的影响，提高了目的地预测的准确性。本专利技术实施例提供的具体技术方案如下：一种预测目的地的方法，包括：获取用户设定的服务类型，以及监测用户驾驶的车辆的当前行车轨迹；获取对应服务类型设置的目的地集合；基于车辆的当前行车轨迹，采用目的地集合中包含的每一个目的地对应的预测模型，分别确定每一个目的地对应的预测概率，其中，一个目的地对应的预测模型表示根据用户驾驶的车辆的历史行车轨迹和设定的服务类型，确定车辆的当前行车轨迹的目的地为一个目的地的概率；选取预测概率符合预设规则的目的地为预测目的地。较佳的，在获取用户设定的服务类型，以及监测用户驾驶的车辆的当前行车轨迹之前，进一步包括：参照经纬度方向，按照设定网格面积将地图划分为若干网格；对应每一个网格设置一个节点；建立每一个节点与相应的的网格中包含的位置点之间的关联关系，称为位置关联关系。较佳的，基于目的地集合中包含的每一个目的地对应的预测模型，以及车辆的当前行车轨迹，分别确定每一个目的地对应的预测概率，具体包括：分别获取车辆的每一条历史行车轨迹及相应的起始点、终止点和终止点的服务类型，以及获取车辆的当前行车轨迹的的起始点，其中，终止点为一条行车轨迹的结束地所在位置点，起始点为一条行车轨迹的出发地所在位置点；基于位置关联关系，分别确定每一个起始点对应的节点，作为起始点节点，分别确定每一个终止点对应的节点，作为终止点节点，并分别确定目的地集合中的每一个目的地所在位置点对应的节点，作为目的地节点；基于车辆的当前行车轨迹，车辆的当前行车轨迹相应的起始点节点，每一条历史行车轨迹以及相应的起始点节点、终止点节点和终止点的服务类型，采用每一个目的地节点对应的预测模型，分别确定每一个目的地节点对应的预测概率。较佳的，基于车辆的当前行车轨迹，车辆的当前行车轨迹相应的起始点节点，每一条历史行车轨迹以及相应的起始点节点、终止点节点和终止点的服务类型，采用任意一个目的地节点对应的预测模型，确定任意一个目的地节点对应的预测概率，包括：基于每一条历史行车轨迹和相应的终止点节点，确定对应的终止点节点为任意一个目的地节点的历史行车轨迹在所有历史行车轨迹中的占比；基于车辆的当前行车轨迹，车辆的当前行车轨迹相应的起始点节点，每一条历史行车轨迹以及相应的起始点节点和终止点节点，确定任意一个目的地节点的当前行车轨迹概率，其中，任意一个目的地节点的当前行车轨迹概率为：一条行车轨迹的起始点节点为车辆的当前行车轨迹相应的起始点节点，并且，一条行车轨迹与车辆的当前行车轨迹重合，以及一条行车轨迹的终止点节点为任意一个目的地节点的概率；基于车辆的当前行车轨迹，设定的服务类型，每一条历史行车轨迹以及相应的终止点节点和终止点节点的服务类型，确定任意一个目的地节点的服务类型概率，其中，任意一个目的地节点的服务类型概率为：一条行车轨迹与车辆的当前行车轨迹重合，并且，一条行车轨迹对应的终止点节点的服务类型为设定的服务类型，以及对应的终止点节点为任意一个目的地节点的概率；基于任意一个目的地节点对应的占比、当前行车轨迹概率和服务类型概率，采用任意一个目的地节点对应的预测模型，确定任意一个目的地节点对应的预测概率，其中，一个目的地节点对应的预测概率与一个目的地节点对应的占比、当前行车轨迹概率和服务类型概率呈正相关。较佳的，确定任意一个目的地节点的当前行车轨迹概率，包括：获取车辆的当前行车轨迹的的停留点，其中，停留点为当前时刻所在位置点；基于位置关联关系，确定停留点对应的节点，作为停留点节点；基于停留点节点，确定任意一个目的地节点的停留点节点转移概率，其中，任意一个目的地节点的停留点节点转移概率为：一条行车轨迹与停留点节点重合，并与任意一个目的地节点重合的概率；基于车辆的当前行车轨迹相应的起始点节点，确定任意一个目的地节点的起始点节点转移概率，其中，任意一个目的地节点的起始点节点转移概率为：一条行车轨迹与车辆的当前行车轨迹相应的起始点节点重合，并与任意一个目的地节点重合的概率；基于获取的车辆的出发时间，车辆的当前行车轨迹相应的起始点节点，以及设定的服务类型，确定任意一个目的地节点的时间概率，其中，任意一个目的地节点的时间概率为：一条行车轨迹对应的出发时间为车辆的出发时间，并且，一条行车轨迹对应的起始点节点为车辆的当前行车轨迹相应的起始点节点，以及对应的终止点节点的服务类型为设定的服务类型的概率；基于任意一个目的地节点对应的停留点节点转移概率、起始点节点转移概率以及时间概率，确定任意一个目的地节点的当前行车轨迹概率，其中，一个目的地节点对应的当前行车轨迹概率与一个目的地节点对应的停留点节点转移概率和时间概率呈正相关，并与一个目的地节点对应的起始点节点转移概率呈负相关。较佳的，确定任意一个目的地节点的服务类型概率，包括：基于车辆的当前行车轨迹，设定的服务类型，每一条历史行车轨迹以及相应的终止点节点和终止点节点的服务类型，确定第一轨迹总数，其中，第一轨迹总数为：对应的终止点节点的服务类型为设定的服务类型，并且对应的终止点节点为任意一个目的地节点，以及与车辆的当前行车轨迹重合的历史行车轨迹的总数；基于车辆的当前行车轨迹，以及每一条历史行车轨迹以及相应的终止点节点，确定第二轨迹总数，其中，第二轨迹总数为：对应的终止点节点为任意一个目的地节点，并且与车辆的当前行本文档来自技高网...

【技术保护点】
一种预测目的地的方法，其特征在于，包括：获取用户设定的服务类型，以及监测所述用户驾驶的车辆的当前行车轨迹；获取对应所述服务类型设置的目的地集合；基于所述车辆的当前行车轨迹，采用所述目的地集合中包含的每一个目的地对应的预测模型，分别确定所述每一个目的地对应的预测概率，其中，一个目的地对应的预测模型表示根据用户驾驶的车辆的历史行车轨迹和所述设定的服务类型，确定所述车辆的当前行车轨迹的目的地为所述一个目的地的概率；选取预测概率符合预设规则的目的地为预测目的地。

【技术特征摘要】
1.一种预测目的地的方法，其特征在于，包括：获取用户设定的服务类型，以及监测所述用户驾驶的车辆的当前行车轨迹；获取对应所述服务类型设置的目的地集合；基于所述车辆的当前行车轨迹，采用所述目的地集合中包含的每一个目的地对应的预测模型，分别确定所述每一个目的地对应的预测概率，其中，一个目的地对应的预测模型表示根据用户驾驶的车辆的历史行车轨迹和所述设定的服务类型，确定所述车辆的当前行车轨迹的目的地为所述一个目的地的概率；选取预测概率符合预设规则的目的地为预测目的地。2.如权利要求1所述的方法，其特征在于，在获取用户设定的服务类型，以及监测所述用户驾驶的车辆的当前行车轨迹之前，进一步包括：参照经纬度方向，按照设定网格面积将地图划分为若干网格；对应每一个网格设置一个节点；建立每一个节点与相应的的网格中包含的位置点之间的关联关系，称为位置关联关系。3.如权利要求2所述的方法，其特征在于，基于所述目的地集合中包含的每一个目的地对应的预测模型，以及所述车辆的当前行车轨迹，分别确定所述每一个目的地对应的预测概率，具体包括：分别获取所述车辆的每一条历史行车轨迹及相应的起始点、终止点和终止点的服务类型，以及获取所述车辆的当前行车轨迹的的起始点，其中，所述终止点为一条行车轨迹的结束地所在位置点，所述起始点为一条行车轨迹的出发地所在位置点；基于所述位置关联关系，分别确定每一个起始点对应的节点，作为起始点节点，分别确定每一个终止点对应的节点，作为终止点节点，并分别确定所述目的地集合中的每一个目的地所在位置点对应的节点，作为目的地节点；基于所述车辆的当前行车轨迹，所述车辆的当前行车轨迹相应的起始点节点，所述每一条历史行车轨迹以及相应的起始点节点、终止点节点和终止点的服务类型，采用每一个目的地节点对应的预测模型，分别确定所述每一个目的地节点对应的预测概率。4.如权利要求3所述的方法，其特征在于，基于所述车辆的当前行车轨迹，所述车辆的当前行车轨迹相应的起始点节点，所述每一条历史行车轨迹以及相应的起始点节点、终止点节点和终止点的服务类型，采用任意一个目的地节点对应的预测模型，确定所述任意一个目的地节点对应的预测概率，包括：基于所述每一条历史行车轨迹和相应的终止点节点，确定对应的终止点节点为所述任意一个目的地节点的历史行车轨迹在所有历史行车轨迹中的占比；基于所述车辆的当前行车轨迹，所述车辆的当前行车轨迹相应的起始点节点，所述每一条历史行车轨迹以及相应的起始点节点和终止点节点，确定所述任意一个目的地节点的当前行车轨迹概率，其中，所述任意一个目的地节点的当前行车轨迹概率为：一条行车轨迹的起始点节点为所述车辆的当前行车轨迹相应的起始点节点，并且，所述一条行车轨迹与所述车辆的当前行车轨迹重合，以及所述一条行车轨迹的终止点节点为所述任意一个目的地节点的概率；基于所述车辆的当前行车轨迹，所述设定的服务类型，所述每一条历史行车轨迹以及相应的终止点节点和终止点节点的服务类型，确定所述任意一个目的地节点的服务类型概率，其中，所述任意一个目的地节点的服务类型概率为：一条行车轨迹与所述车辆的当前行车轨迹重合，并且，所述一条行车轨迹对应的终止点节点的服务类型为所述设定的服务类型，以及对应的终止点节点为所述任意一个目的地节点的概率；基于所述任意一个目的地节点对应的占比、当前行车轨迹概率和服务类型概率，采用所述任意一个目的地节点对应的预测模型，确定所述任意一个目的地节点对应的预测概率，其中，一个目的地节点对应的预测概率与所述一个目的地节点对应的占比、当前行车轨迹概率和服务类型概率呈正相关。5.如权利要求4所述的方法，其特征在于，确定所述任意一个目的地节点的当前行车轨迹概率，包括：获取所述车辆的当前行车轨迹的的停留点，其中，所述停留点为当前时刻所在位置点；基于所述位置关联关系，确定所述停留点对应的节点，作为停留点节点；基于所述停留点节点，确定所述任意一个目的地节点的停留点节点转移概率，其中，所述任意一个目的地节点的停留点节点转移概率为：一条行车轨迹与所述停留点节点重合，并与所述任意一个目的地节点重合的概率；基于所述车辆的当前行车轨迹相应的起始点节点，确定所述任意一个目的地节点的起始点节点转移概率，其中，所述任意一个目的地节点的起始点节点转移概率为：一条行车轨迹与所述车辆的当前行车轨迹相应的起始点节点重合，并与所述任意一个目的地节点重合的概率；基于获取的所述车辆的出发时间，所述车辆的当前行车轨迹相应的起始点节点，以及所述设定的服务类型，确定所述任意一个目的地节点的时间概率，其中，所述任意一个目的地节点的时间概率为：一条行车轨迹对应的出发时间为所述车辆的出发时间，并且，所述一条行车轨迹对应的起始点节点为所述车辆的当前行车轨迹相应的起始点节点，以及对应的终止点节点的服务类型为所述设定的服务类型的概率；基于所述任意一个目的地节点对应的停留点节点转移概率、起始点节点转移概率以及时间概率，确定所述任意一个目的地节点的当前行车轨迹概率，其中，一个目的地节点对应的当前行车轨迹概率与所述一个目的地节点对应的停留点节点转移概率和时间概率呈正相关，并与所述一个目的地节点对应的起始点节点转移概率呈负相关。6.如权利要求4所述的方法，其特征在于，确定所述任意一个目的地节点的服务类型概率，包括：基于所述车辆的当前行车轨迹，所述设定的服务类型，所述每一条历史行车轨迹以及相应的终止点节点和终止点节点的服务类型，确定第一轨迹总数，其中，所述第一轨迹总数为：对应的终止点节点的服务类型为所述设定的服务类型，并且对应的终止点节点为所述任意一个目的地节点，以及与所述车辆的当前行车轨迹重合的历史行车轨迹的总数；基于所述车辆的当前行车轨迹，以及所述每一条历史行车轨迹以及相应的终止点节点，确定第二轨迹总数，其中，所述第二轨迹总数为：对应的终止点节点为所述任意一个目的地节点，并且与所述车辆的当前行车轨迹重合的历史行车轨迹的总数；基于所述第一轨迹总数和所述第二轨迹总数，确定所述任意一个目的地节点的服务类型概率，其中，一个目的地节点的服务类型概率与所述第一轨迹总数呈正相关，与所述第二轨迹总数呈负相关。7.如权利要求5所述的方法，其特征在于，确定所述任意一个目的地节点的时间概率，包括：基于所述车辆的出发时间，所述设定的服务类型，以及所述每一条历史行车轨迹相应的出发时间和终止点节点的服务类型，确定出发时间概率，其中，所述出发时间概率为：一条行车轨迹对应的出发时间为所述车辆的出发时间，并且对应的终止点节点的服务类型为所述设定的服务类型的概率；基于所述车辆的当前行车轨迹，以及每一条历史行车轨迹，确定当前行车轨迹转移概率，其中，所述当前行车轨迹连续转移概率为：一条行车轨迹与所述车辆的当前行车轨迹重合的概率；基于所述出发时间概率，以及所述当前行车轨迹转移概率，确定所述任意一个目的地节点的时间概率，其中，所述任意一个目的地节点的时间概率与所述出发时间概率和所述当前行车轨迹转移概率呈正相关。8.如权利要求7所述的方法，其特征在于，确定出发时间概率，包括：基于所述车辆的出发时间，所述设定的服务类型，以及所述每一条历史行车轨迹相应的出发时间和终止点节点的服务类型，确定第三轨迹总数，其中，所述第三轨迹总数为：对应的出发时间为所述车辆的出发时间，并且对应的终止点节点的服务类型为所述设定的服务类型的历史行车轨迹的总数。基于所述车辆的出发时间，以及所述每一条历史行车轨迹相应的出发时间，确定第四轨迹总数，其中，所述第四轨迹总数为：对应的出发时间为所述车辆的出发时间的历史行车轨迹的总数；基于所述第三轨迹总数，以及所述第四轨迹总数，确定所述出发时间概率，其中，所述出发时间概率与所述第三轨迹总数呈正相关，并与所述第四轨迹总数呈负相关。9.如权利要求7所述的方法，其特征在于，确定当前行车轨迹转移概率，包括：基于获取的与所述车辆的当前行车轨迹重合的节点，生成当前行车轨迹节点集合；基于所述每一条历史行车轨迹，确定所述当前行车轨迹节点集合中任意两个相邻节点之间的单步转移概率，其中，所述任意两个相邻的节点之间的单步转移概率为：一条行车轨迹与所述任意两个相邻的节点重合的概率；基于所述当前行车轨迹节点集合中任意两个相邻节点之间的单步转移概率，确定所述当前行车轨迹转移概率，其中，所述当前行车轨迹转移概率与所述当前行车轨迹节点集合中任意两个相邻节点之间的单步转移概率呈正相关。10.如权利要求9所述的方法，其特征在于，确定所述当前行车轨迹节点集合中任意两个相邻节点之间的单步转移概率，包括：基于所述每一条历史行车轨迹，确定任意一个节点的第五轨迹总数，其中一个节点的第五轨迹总数为：与一个节点以及所述一个节点的周边的节点重合的历史行车轨迹的总数；基于所述每一条历史行车轨迹，确定所述任意两个相邻节点的第六轨迹总数，其中，两个相邻的节点的第六轨迹总数为：与所述两个相邻节点重合的历史行车轨迹的总数；基于所述任意一个节点的第五轨迹总数，以及所述任意两个相邻节点的第六轨迹总数，确定所述当前行车轨迹节点集合中任意两个相邻节点之间的单步转移概率，其中，两个相邻节点之间的单步转移概率与单步轨迹的起始点节点的第五轨迹总数呈负相关，并与所述两个相邻节点的第六轨迹总数呈正相关，以及所述单步轨迹的起始点节点为：按照所述车辆的当前行车轨迹的方向，确定的所述两个相邻节点之间的一条行车轨迹的起始点节点。11.如权利要求5所述方法，其特征在于，确定所述任意一个目的地节点的停留点节点转移概率，包括：基于所述停留点节点，生成所述任意一个目的地节点的第一轨迹集合，其中，所述第一轨迹集合为：对应的起始点节点为所述停留点节点，并且，对应的终止点节点为所述任意一个目的地节点的历史行车轨迹的集合；获取所述第一轨迹集合中的每一条历史行车轨迹对应的第一节点总数，其中，一条历史行车轨迹对应的第一节点总数为：与所述一条历史行车轨迹重合的节点的总数；基于所述第一轨迹集合中的每一条历史行车轨迹对应的第一节点总数，挑选出取值最小的第一节点总数，作为最小第一节点总数；基于预设的迂回轨迹比值，以及所述最小第一节点总数，确定所述任意一个目的地节点的最大第一节点总数，其中，所述最大第一节点总数与所述迂回轨迹比值和所述最小第一节点总数呈正相关；基于与所述任意一个目的地节点的第一轨迹集合中任意一条历史行车轨迹重合的节点，生成所述任意一个目的地节点的第一节点集合；基于所述第一轨迹集合中的每一条历史行车轨迹，确定所述第一节点集合中任意两个相邻节点之间的单步转移概率；基于所述第一节点集合中任意两个相邻节点之间的单步转移概率，所述最小第一节点总数，以及所述最大第一节点总数，确定所述任意一个目的地节点的停留点节点转移概率。12.如权利要求11所述方法，其特征在于，基于所述第一节点集合中任意两个相邻节点之间的单步转移概率，所述最小第一节点总数，以及所述最大第一节点总数，确定所述任意一个目的地节点的停留点节点转移概率，包括：基于所述最小第一节点总数，以及所述最大第一节点总数，生成第一节点总数集合，其中，所述第一节点总数集合为所述最小第一节点总数和所述最大第一节点总数，以及所述最小第一节点总数与所述最大第一节点总数之间的每一个节点总数的取值的集合；基于所述停留点节点，以及所述第一轨迹集合中任意两个相邻节点之间的单步转移概率，确定对应的阶数为所述第一节点总数集合中的任意一个节点总数的取值的停留点转移概率矩阵，其中，对应的阶数为一个节点总数的取值的停留点转移概率矩阵为：一条行车轨迹与总数为所述一个节点总数的取值的节点重合，并且，所述一条行车轨迹的起始点节点为所述停留点，以及对应的终止点节点为所述任意一个目的地节点的概率。与所述停留点节点和所述任意一个目的地节点重合，并且，与所述停留点节点与所述任意一个目的地节点之间的总数为所述一个节点总数的取值的节点重合的概率；基于对应的阶数为所述第一节点总数集合中的任意一个取值的停留点转移概率矩阵，确定所述任意一个目的地节点的停留点节点转移概率，其中，所述任意一个目的地节点的停留点节点转移概率为：对应的阶数为所述第一节点总数集合中的每一个取值的停留点转移概率矩阵的加和。13.如权利要求5所述方法，其特征在于，确定所述任意一个目的地节点的起始点节点转移概率，包括：基于所述车辆的当前行车轨迹相应的起始点节点，生成所述任意一个目的地节点的第二轨迹集合，其中，所述任意一个目的地节点的第二轨迹集合为：对应的起始点节点为所述车辆的当前行车轨迹相应的起始点节点，并且，对应的终止点节点为所述任意一个目的地节点的历史行车轨迹的集合；获取所述第二轨迹集合中的每一条历史行车轨迹对应的第二节点总数，其中，一条历史行车轨迹对应的第二节点总数为：与所述一条历史行车轨迹重合的节点的总数；基于所述第二轨迹集合中的每一条历史行车轨迹对应的第二节点总数，确定所述最小第二节点总数，其中，所述最小第二节点总数为：所述第二轨迹集合中的历史行车轨迹对应的取值最小的第二节点总数；基于所述迂回轨迹比值，以及所述最小第二节点总数，确定所述最大第二节点总数，其中，所述最大第二节点总数与所述迂回轨迹比值和所述最小第二节点总数呈正相关；基于与所述第二轨迹集合中任意一条历史行车轨迹重合的节点，生成所述第二节点集合；基于所述每一条历史行车轨迹，确定所述第二节点集合中任意两个相邻节点之间的单步转移概率；基于所述第二节点集合中任意两个相邻节点之间的单步转移概率，所述最小第二节点总数，以及所述最大第二节点总数，确定所述任意一个目的地节点的起始点节点转移概率。14.如权利要求13所述方法，其特征在于，基于所述第二节点集合中任意两个相邻节点之间的单步转移概率，所述最小第二节点总数，以及所述最大第二节点总数，确定所述任意一个目的地节点的起始点节点转移概率，包括：基于所述最小第二节点总数，以及所述最大第二节点总数，生成第二节点总数集合，其中，所述第二节点总数集合为：所述最小第一节点总数和所述最大第一节点总数，以及所述最小第二节点总数与所述最大第二节点总数之间的每一个节点总数的取值的集合；基于所述车辆的行车轨迹对应的起始点节点，以及所述第二节点集合中任意两个相邻节点之间的单步转移概率，确定对应的阶数为所述第二节点总数集合中的任意一个节点总数的取值的起始点转移概率矩阵，其中，对应的阶数为一个节点总数的取值的起始点转移概率矩阵为：一条行车轨迹与总数为所述一个节点总数的取值的节点重合，并且，所述一条行车轨迹的起始点节点为所述车辆的行车轨迹对应的起始点节点，以及对应的终止点节点为所述任意一个目的地节点的概率。基于对应的阶数为所述第二节点总数集合中的任意一个节点总数的取值的起始点转移概率矩阵，确定所述任意一个目的地节点的起始点节点转移概率，其中，所述任意一个目的地节点的起始点节点转移概率为：对应的阶数为所述第二节点总数集合中的每一个节点总数的取值的起始点转移概率矩阵的加和。15.如权利要求2-14任一项所述的方法，其特征在于，在选取预测概率符合预设规则的目的地为预测目的地之后，进一步包括：获取所述车辆的当前行车轨迹对应的实际目的地节点，其中，所述实际目的地节点为：所述车辆的当前行车轨迹的结束地所在点对应的节点；将所述预测目的地对应的目的地节点与所述实际目的地节点进行比对，获得比对结果；基于所述比对结果，对所述设定网格面积进行调整。16.一种预测目的地的装置，其特征在于，包括：监测单元，用于获取用户设定的服务类型，以及监测所述用户驾驶的车辆的当前行车轨迹；获取单元，用于获...

【专利技术属性】
技术研发人员：吕广娜，鲍媛媛，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团公司，
类型：发明
国别省市：北京,11