一种预测目的地和推荐驾驶路线的方法技术

本发明专利技术公开了一种预测目的地和推荐驾驶路线的方法，包括下述步骤：S1、获取用户的历史行程数据，所述用户历史行程数据包括：出发时间、出发地点、行驶轨迹、到达时间以及到达地点；S2、对获取的历史行程数据进行分析；S3、目的地预测，根据历史行程数据，及当前时间、用户的当前位置，预测用户可能去哪里；S4、路线推荐，根据目的地，结合服务端学习的组合数据，推荐路线；S5、算路结果处理，推荐给用户最优的行使路线；本发明专利技术对车主出行的目的地和时间段进行聚类，能完整分析出车主出行的周期性规律，将规律划分为工作日、节假日，并且节假日考虑到除周末以为的国家法定假期，当同一时间有多个可能目的地时，计算出行可能性的概率。

A method for predicting destinations and recommending driving routes

The present invention discloses a method for predicting destinations and recommended driving routes, including the following steps: S1, obtaining a user's historical travel data. The user's historical travel data includes the starting time, the starting place, the running track, the arrival time, and the arrival location; S2, the analysis of the historical travel data obtained. S3, destination prediction, according to historical travel data, and the current time, the current location of the user, predict where the user may go; S4, route recommendation, according to the destination, combined with the server to learn the combination of data, recommended route; S5, road result processing, recommended to the best users of the exercise route; the invention of the car The destination and time section of the main trip can be clustered to analyze the periodic rule of the main trip, divide the rules into working days, holidays, and take into account the national holidays thought for the weekend, and calculate the probability of travel possibility when there are many possible destinations at the same time.

【技术实现步骤摘要】
一种预测目的地和推荐驾驶路线的方法
本专利技术涉及交通出行领域，更具体地说，涉及一种预测目的地和推荐驾驶路线的方法。
技术介绍
随着城市的发展，行车路况也越来越复杂，人们越来越依赖于驾驶路线推荐软件，现在常用的有百度地图App和高德地图App等导航类的应用，它们提供了出行目的地预测和驾驶路线推荐功能。实现的方法是，车主需要预先输入家和工作单位的地址，早上上班时间段车主在家时预测车主去工作单位，下午下班时间段车主在公司时预测车主回家，然后按照实时路况和用户输入的选路偏好，推荐一个驾驶路线。虽然上述导航软件一定程度解决了驾驶路线推荐的问题，但还是存在着下述的一些缺点：1、预测目的地有限，仅适用于出行规律很固定的上班族，只能预测家和工作单位两个地点，例如车主固定周三上午拜访A客户就不可预测。2、预测时间段范围有限，周末节假日等非工作日不可预测。3、推荐驾驶路线，不按照车主的出行选路习惯，只考虑出行时间最短等因素。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种预测目的地和推荐驾驶路线的方法，根据车主的出行规律，预测车主即将出行的目的地，同时根据实时路况和车主选路习惯的驾驶路线，推荐驾驶路线，预报出行路线的实时路况信息和预计到达时间。为了达到上述目的，本专利技术采用以下技术方案：本专利技术预测目的地和推荐驾驶路线的方法，包括下述步骤：S1、获取用户的历史行程数据，所述用户历史行程数据包括：出发时间、出发地点、行驶轨迹、到达时间以及到达地点；S2、对获取的历史行程数据进行分析，具体包括下述步骤：S2.1、停留点聚类，取前后两条行程，若前一条行程的终点与后一条行程的起点一样，则说明用户在该地点停留，前一条行程的结束时间与后一条行程的开始时间之间，为用户在该地点的停留时长；S2.2、停留点停留时间段学习，确定某个地点的停留时间段的有效范围；S2.3、识别停留点的社会属性，所述社会属性包括家和公司；S2.4、起止点组合聚类，分别聚类起止点，起止点在都在同一范围内的行程属于同一组合；S2.5、行程路线学习，包括下述步骤：S2.5.1、聚类行驶路线，将GPS点网格化，通过将GPS坐标，换算成坐标上的网格，后续行程路线间的比较直接使用网格进行比较；S2.5.2、选取路线的模板行程，即选出最具代表性的行程，生成对应的路线网格；S2.5.3、添加途经点；S2.6、出发时间聚类，将同一组合下的行程的出发时间点进行聚类，得出一个或多个出发时间段；S2.7、路线行驶时长统计学习；S3、目的地预测，根据历史出行数据，结合当前时间，车主当前位置，预测目的地，具体包括：S3.1、优先按车主当前位置，预测目的地；S3.1.1、按起点聚类车主的历史行程数据；S3.1.2、匹配车主当前位置，得到从当前位置出发的所有行程；S3.1.3、若S3.1.2中的所有行程的终点指向同一地点，则该地点为预测的目的地；S3.2、其次，按位置及时间规律，预测目的地；S3.2.1、按位置及时间的周几属性，预测目的地；S3.2.1.1、获取出行时间与当前时间的周几属性一样，并且出行时间在当前时间前后一段时间内的所有历史行程数据；S3.2.1.2、计算S3.2.1.1中的行程的得分；S3.2.1.3、按终点聚类S3.2.1.1中的所有行程；S3.2.1.4、计算每个终点的总得分，获取每个终点的得分比例；S3.2.1.5、当某个终点的得分占比超过一定比例，并且该终点对应的行程频次达到一定数值时，则该终点为预测的目的地；S3.2.2、按位置及时间的工作日/节假日属性，预测目的地；S3.2.2.1、获取出行时间与当前时间的工作日/节假日属性一样，并且出行时间在当前时间前后一段时间内的所有历史行程数据；S3.2.2.2、后续步骤类似S3.2.1的S3.2.1.2、S3.2.1.3、S3.2.1.4、S3.2.1.5；S3.3、最后，按行程总体得分比例，预测目的地；S3.3.1、计算所有行程的得分；S3.3.2、将行程按终点进行聚类，统计聚类后每个终点对应的行程的总得分，为该终点的得分，计算每个终点的得分比例；S3.3.3、当某个终点的得分占比，超过大数据分析的最优概率时，并且车主在当前时间接下来的一定时间段内，有在该终点停留，则预测该目的地；S3.4、按社会属性预测，在无法预测目的地的情况下，增加以下预测规则的补充：(A)晚上时间段预测回家；(B)工作日上班时间段内预测去公司；S4、路线推荐，根据预测的目的地，结合服务端学习的组合数据，推荐路线，具体包括：S4.1、对用户的历史行程按起止点进行聚类，得到组合；S4.2、对组合下的行程按行驶轨迹进行聚类，得到组合的多种走法，为每种走法指定1条行程作为走法路线；考虑到，即使为同一条路线，原始采集到的行程GPS数据可能存在着偏差，需将GPS点网格化：通过GPS坐标，换算成坐标上的网格，后续行程路线间的比较直接使用网格进行比较，轨迹聚类算法如下：S4.2.1、将路线网格化；S4.2.2、对比两条路线，若两条路线间的连续差异网格对应的距离长度，大于指定长度，则说明这两条路线不是同一路线，反之，为同一路线；S4.3、为每条路线添加途经点；为确保规划的路线尽可能匹配车主的实际出行路线，需要在每条路线上特定的位置添加途经点，途经点添加策略如下：S4.3.1、按导航默认速度优先策略，规划出路线起止点对应的规划路线；S4.3.2、比较规划路线与走法路线之间的差异，找出最大差异路段，在差异路段添加途经点；S4.3.3、添加途经点后再次进行路线规划，得到新的规划路线；S4.3.4、重复步骤S4.3.2、S4.3.3，直到两路线间的最大差异路段长度，小于指定长度，则不再添加途经点；S4.4、在目的地确定的情况下，规划目的地对应的组合下的所有路线，得到走各路线的所需时间，比较各路线的时间，结合用户历史走该路线的平均时长，推荐用户最优的路线，实时提供对应路线上的路况信息；S4.5给出多条路线的路况信息，供驾驶者选择。作为优选的技术方案，步骤S.2.2.1.2中，行程的得分通过下述方法计算：行程得分score＝f(p,t)＝f(p)*f(t)＝f(p0,pi)*f(t0,ti)，时间及位置越匹配，得分越大；其中，p0为当前位置，pi为第i条行程的起止点位置；t0为当前时间，ti为第i条行程的开始时间；S2.2.1.2.1、对于f(p)有：S2.2.1.2.2、对于f(t)有f(t)＝f(w)*f(d)*f(m)；其中w为时间的周几属性，d为当前时间与行程开始时间的相隔天数，m为两时间在同一天内的间隔分钟数；对于周几属性f(w)，有：考虑行程历史数据的时效性问题，设计以下递减函数：对于间隔天数f(d)＝Math.pow(0.8,d/7)，按一周为周期进行递减，间隔天数越大，则该行程的得分越小；对于间隔分钟数f(m)＝Math.pow(0.8,m/30)，按30分钟为周期进行递减，其中m的范围[0,12*60]，间隔分钟数越长，则该行程的得分越小。作为优选的技术方案，步骤S3.3.3中，最优概率的计算方法如下：S3.3.3.1、对于每个用户，设计预测目的地的效应评估函数；f(效应)＝预测准确次数*1-预测错误次数*1.5-无法预测次数*0.5本文档来自技高网...

【技术保护点】
1.一种预测目的地和推荐驾驶路线的方法，其特征在于，包括下述步骤：S1、获取用户的历史行程数据，所述用户历史行程数据包括：出发时间、出发地点、行驶轨迹、到达时间以及到达地点；S2、对获取的历史行程数据进行分析，具体包括下述步骤：S2.1、停留点聚类，取前后两条行程，若前一条行程的终点与后一条行程的起点一样，则说明用户在该地点停留，前一条行程的结束时间与后一条行程的开始时间之间，为用户在该地点的停留时长；S2.2、停留点停留时间段学习，确定某个地点的停留时间段的有效范围；S2.3、识别停留点的社会属性，所述社会属性包括家和公司；S2.4、起止点组合聚类，分别聚类起止点，起止点在都在同一范围内的行程属于同一组合；S2.5、行程路线学习，包括下述步骤：S2.5.1、聚类行驶路线，将GPS点网格化，通过将GPS坐标，换算成坐标上的网格，后续行程路线间的比较直接使用网格进行比较；S2.5.2、选取路线的模板行程，即选出最具代表性的行程，生成对应的路线网格；S2.5.3、添加途经点；S2.6、出发时间聚类，将同一组合下的行程的出发时间点进行聚类，得出一个或多个出发时间段；S2.7、路线行驶时长统计学习；S3、目的地预测，根据历史出行数据，结合当前时间，车主当前位置，预测目的地，具体包括：S3.1、优先按车主当前位置，预测目的地；S3.1.1、按起点聚类车主的历史行程数据；S3.1.2、匹配车主当前位置，得到从当前位置出发的所有行程；S3.1.3、若S3.1.2中的所有行程的终点指向同一地点，则该地点为预测的目的地；S3.2、其次，按位置及时间规律，预测目的地；S3.2.1、按位置及时间的周几属性，预测目的地；S3.2.1.1、获取出行时间与当前时间的周几属性一样，并且出行时间在当前时间前后一段时间内的所有历史行程数据；S3.2.1.2、计算S3.2.1.1中的行程的得分；S3.2.1.3、按终点聚类S3.2.1.1中的所有行程；S3.2.1.4、计算每个终点的总得分，获取每个终点的得分比例；S3.2.1.5、当某个终点的得分占比超过一定比例，并且该终点对应的行程频次达到一定数值时，则该终点为预测的目的地；S3.2.2、按位置及时间的工作日/节假日属性，预测目的地；S3.2.2.1、获取出行时间与当前时间的工作日/节假日属性一样，并且出行时间在当前时间前后一段时间内的所有历史行程数据；S3.2.2.2、后续步骤类似S3.2.1的S3.2.1.2、S3.2.1.3、S3.2.1.4、S3.2.1.5；S3.3、最后，按行程总体得分比例，预测目的地；S3.3.1、计算所有行程的得分；S3.3.2、将行程按终点进行聚类，统计聚类后每个终点对应的行程的总得分，为该终点的得分，计算每个终点的得分比例；S3.3.3、当某个终点的得分占比，超过大数据分析的最优概率时，并且车主在当前时间接下来的一定时间段内，有在该终点停留，则预测该目的地；S3.4、按社会属性预测，在无法预测目的地的情况下，增加以下预测规则的补充：(A)晚上时间段预测回家；(B)工作日上班时间段内预测去公司；S4、路线推荐，根据预测的目的地，结合服务端学习的组合数据，推荐路线，具体包括：S4.1、对用户的历史行程按起止点进行聚类，得到组合；S4.2、对组合下的行程按行驶轨迹进行聚类，得到组合的多种走法，为每种走法指定1条行程作为走法路线；考虑到，即使为同一条路线，原始采集到的行程GPS数据可能存在着偏差，需将GPS点网格化：通过GPS坐标，换算成坐标上的网格，后续行程路线间的比较直接使用网格进行比较，轨迹聚类算法如下：S4.2.1、将路线网格化；S4.2.2、对比两条路线，若两条路线间的连续差异网格对应的距离长度，大于指定长度，则说明这两条路线不是同一路线，反之，为同一路线；S4.3、为每条路线添加途经点；为确保规划的路线尽可能匹配车主的实际出行路线，需要在每条路线上特定的位置添加途经点，途经点添加策略如下：S4.3.1、按导航默认速度优先策略，规划出路线起止点对应的规划路线；S4.3.2、比较规划路线与走法路线之间的差异，找出最大差异路段，在差异路段添加途经点；S4.3.3、添加途经点后再次进行路线规划，得到新的规划路线；S4.3.4、重复步骤S4.3.2、S4.3.3，直到两路线间的最大差异路段长度，小于指定长度，则不再添加途经点；S4.4、在目的地确定的情况下，规划目的地对应的组合下的所有路线，得到走各路线的所需时间，比较各路线的时间，结合用户历史走该路线的平均时长，推荐用户最优的路线，实时提供对应路线上的路况信息；S4.5给出多条路线的路况信息，供驾驶者选择。...

【技术特征摘要】
1.一种预测目的地和推荐驾驶路线的方法，其特征在于，包括下述步骤：S1、获取用户的历史行程数据，所述用户历史行程数据包括：出发时间、出发地点、行驶轨迹、到达时间以及到达地点；S2、对获取的历史行程数据进行分析，具体包括下述步骤：S2.1、停留点聚类，取前后两条行程，若前一条行程的终点与后一条行程的起点一样，则说明用户在该地点停留，前一条行程的结束时间与后一条行程的开始时间之间，为用户在该地点的停留时长；S2.2、停留点停留时间段学习，确定某个地点的停留时间段的有效范围；S2.3、识别停留点的社会属性，所述社会属性包括家和公司；S2.4、起止点组合聚类，分别聚类起止点，起止点在都在同一范围内的行程属于同一组合；S2.5、行程路线学习，包括下述步骤：S2.5.1、聚类行驶路线，将GPS点网格化，通过将GPS坐标，换算成坐标上的网格，后续行程路线间的比较直接使用网格进行比较；S2.5.2、选取路线的模板行程，即选出最具代表性的行程，生成对应的路线网格；S2.5.3、添加途经点；S2.6、出发时间聚类，将同一组合下的行程的出发时间点进行聚类，得出一个或多个出发时间段；S2.7、路线行驶时长统计学习；S3、目的地预测，根据历史出行数据，结合当前时间，车主当前位置，预测目的地，具体包括：S3.1、优先按车主当前位置，预测目的地；S3.1.1、按起点聚类车主的历史行程数据；S3.1.2、匹配车主当前位置，得到从当前位置出发的所有行程；S3.1.3、若S3.1.2中的所有行程的终点指向同一地点，则该地点为预测的目的地；S3.2、其次，按位置及时间规律，预测目的地；S3.2.1、按位置及时间的周几属性，预测目的地；S3.2.1.1、获取出行时间与当前时间的周几属性一样，并且出行时间在当前时间前后一段时间内的所有历史行程数据；S3.2.1.2、计算S3.2.1.1中的行程的得分；S3.2.1.3、按终点聚类S3.2.1.1中的所有行程；S3.2.1.4、计算每个终点的总得分，获取每个终点的得分比例；S3.2.1.5、当某个终点的得分占比超过一定比例，并且该终点对应的行程频次达到一定数值时，则该终点为预测的目的地；S3.2.2、按位置及时间的工作日/节假日属性，预测目的地；S3.2.2.1、获取出行时间与当前时间的工作日/节假日属性一样，并且出行时间在当前时间前后一段时间内的所有历史行程数据；S3.2.2.2、后续步骤类似S3.2.1的S3.2.1.2、S3.2.1.3、S3.2.1.4、S3.2.1.5；S3.3、最后，按行程总体得分比例，预测目的地；S3.3.1、计算所有行程的得分；S3.3.2、将行程按终点进行聚类，统计聚类后每个终点对应的行程的总得分，为该终点的得分，计算每个终点的得分比例；S3.3.3、当某个终点的得分占比，超过大数据分析的最优概率时，并且车主在当前时间接下来的一定时间段内，有在该终点停留，则预测该目的地；S3.4、按社会属性预测，在无法预测目的地的情况下，增加以下预测规则的补充：(A)晚上时间段预测回家；(B)工作日上班时间段内预测去公司；S4、路线推荐，根据预测的目的地，结合服务端学习的组合数据，推荐路线，具体包括：S4.1、对用户的历史行程按起止点进行聚类，得到组合；S4.2、对组合下的行程按行驶轨迹进行聚类，得到组合的多种走法，为每种走法指定1条行程作为走法路线；考虑到，即使为同一条路线，原始采集到的行程GPS数据可能存在着偏差，需将GPS点网格化：通过GPS坐标，换算成坐标上的网格，后续行程路线间的比较直接使用网格进行比较，轨迹聚类算法如下：S4.2.1、将路线网格化；S4.2.2、对比两条路线，若两条路线间的连续差异网格对应的距离长度，大于指定长度，则说明这两条路线不是同一路线，反之，为同一路线；S4.3、为每条路线添加途经点；为确保规划的路线尽可能匹配车主的实际出行路线，需要在每条路线上特定的位置添加途经点，途经点添加策略如下：S4.3.1、按导航默认速度优先策略，规划出路线起止点对应的规划路线；S4.3.2、比较规划路线与走法路线之间的差异，找出最大差异路段，在差异路段添加途经点；S4.3.3、添加途经点后再次进行路线规划，得到新的规划路线；S4.3.4、重复步骤S4.3.2、S4.3.3，直到两路线间的最大差异路段长度，小于指定长度，则不再添加途经点；S4.4、在目的地确定的情况下，规划目的地对应的组合下的所有路...

【专利技术属性】
技术研发人员：刘锬，罗永坚，杨喜宏，谢朝林，
申请(专利权)人：广州通易科技有限公司，
类型：发明
国别省市：广东,44