一种基于用户行为的车辆目的地预测方法及系统技术方案

本发明专利技术公开了一种基于用户行为的车辆目的地预测方法及系统，该方法包括步骤：当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。本发明专利技术可以在用户启动车辆时，就自动预测获得目的地，及时性好，而且本发明专利技术是在云端服务器进行用户目的地预测，无需占用本地存储计算资源，当需要更新预测模型时，只需要在云端服务器进行更新即可，可以保证预测的准确度，而且无需对每台车辆进行更改，应用推广较为方便、快捷，可广泛应用于智能交通行业中。

【技术实现步骤摘要】
一种基于用户行为的车辆目的地预测方法及系统
本专利技术涉及智能交通信息处理领域，特别是涉及一种基于用户行为的车辆目的地预测方法及系统。
技术介绍
随着智能车辆技术的发展，目前在车辆行驶过程中，根据用户车辆的行驶轨迹进行目的地预测，可以为用户的行驶提供重要参考信息。目前对车辆目的地预测的主要方案是，根据车辆行进中的轨迹，结合车辆行驶的历史数据，预测获得车辆的目的地，这种预测方式，需要结合车辆行进中的轨迹来进行目的地预测，必须在车辆出发一段时间后才能进行预测，无法做到在车辆出发时就预测获得目的地，及时性差。另外，目前的预测方案中，主要是在车载端进行本地预测，预测模型存储在本地，需要占用较多的本地存储和计算资源，无法及时进行更新，导致预测准确度较低。
技术实现思路
为了解决上述的技术问题，本专利技术的目的是提供一种基于用户行为的车辆目的地预测方法及系统。本专利技术解决其技术问题所采用的技术方案是：一种基于用户行为的车辆目的地预测方法，包括步骤：当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。进一步，所述车辆目的地预测模型是云端服务器通过执行以下步骤训练获得：针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；对历史行驶轨迹数据进行离线数据预处理；采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；获得每个聚类的中心点作为该聚类的代表点；将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量对应的终点位置作为输出数据，进而将输入数据和输出数据输入到逻辑回归模型中进行训练，最后获得该车辆的车辆目的地预测模型。进一步，所述对历史行驶轨迹数据进行离线数据预处理的步骤，其具体为：对历史行驶轨迹数据进行降噪，去除偏离点和冗余点。进一步，所述采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类的步骤，具体包括：针对历史行驶轨迹数据中的所有终点，根据地球坐标系中的三角函数原理，计算任意两个终点之间的距离；设定DBSCAN聚类算法的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类。进一步，所述历史行驶轨迹数据包括出发时间、起点、终点，以及行驶过程中的GPS经纬度、GPS精度、GPS数量、车速、时间戳、行驶方向角、海拔。进一步，所述将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量的步骤，所抽取的特征包括：起点位置、具体出发时分、上午或下午、星期几以及一年中的第几周。进一步，在采用DBSCAN聚类算法进行聚类的过程中，聚类准确率设定为90％。进一步，在采用DBSCAN聚类算法进行聚类的过程中，通过调整所提取特征的数量或者调整所提取特征的类型进行算法优化。本专利技术解决其技术问题所采用的另一技术方案是：一种基于用户行为的车辆目的地预测系统，包括车载模块和云端服务器，所述车载模块用于当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；所述云端服务器用于采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。进一步，所述云端服务器包括云端模型训练模块，所述云端模型训练模块用于：针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；对历史行驶轨迹数据进行离线数据预处理；采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；获得每个聚类的中心点作为该聚类的代表点；将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量对应的终点位置作为输出数据，进而将输入数据和输出数据输入到逻辑回归模型中进行训练，最后获得该车辆的车辆目的地预测模型。进一步，所述云端服务器还包括用于存储每辆车辆的车辆目的地预测模型的云端数据存储模块。本专利技术方法、系统的有益效果是：本专利技术可以在车辆启动时，自动获取当前时间以及车辆当前所在地点，并发送到云端服务器，云端服务器采用训练好的车辆目的地预测模型预测获得用户出行目的地，并将预测获得的目的地返回给对应车辆，从而可以在用户启动车辆时，就自动预测获得目的地，及时性好。另外，本方专利技术是在云端服务器进行用户目的地预测，无需占用本地存储计算资源，当需要更新预测模型时，只需要在云端服务器进行更新即可，可以保证预测的准确度，而且无需对每台车辆进行更改，应用推广较为方便、快捷。附图说明图1是本专利技术的基于用户行为的车辆目的地预测方法的流程图；图2是本专利技术的车辆目的地预测模型的训练过程的流程图；图3是本专利技术的基于用户行为的车辆目的地预测系统的结构框图。具体实施方式方法实施例参照图1，本实施例提供了一种基于用户行为的车辆目的地预测方法，包括步骤：当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。其中，采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地的步骤，具体过程为：将当前时间以及车辆当前所在地点生成车辆目的地预测模型的输入数据后，将输入数据输入到车辆目的地预测模型，车辆目的地预测模型进行计算后，预测获得用户车辆出行的目的地。具体的，车辆发送当前时间以及车辆当前所在地点到云端服务器时，会同时发送对应的车辆识别码，云端服务器根据车辆识别码，就可以匹配获得该车辆对应的训练好的车辆目的地预测模型。本专利技术可以在车辆启动时，自动获取当前时间以及车辆当前所在地点，并发送到云端服务器，云端服务器采用训练好的车辆目的地预测模型预测获得用户出行目的地，并将预测获得的目的地返回给对应车辆，从而可以在用户启动车辆时，就自动预测获得目的地，及时性好。此外，可直接或在获得用户确认预测的目的地后，生成当前出发地至目的地的导航信息以及沿途的拥堵情况，并可根据用户选择切换不同的导航路线。另外，本方法是在云端服务器进行用户目的地预测，无需占用本地存储计算资源，当需要更新预测模型时，只需要在云端服务器进行更新即可，可以保证预测的准确度，而且无需对每台车辆进行更改，应用推广较为方便、快捷。进一步作为优选的实施方式，参照图2，所述车辆目的地预测模型是云端服务器通过执行以下步骤S01～S06训练获得：S01、针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；S02、对历史行驶轨迹数据进行离线数据预处理；S03、采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；S04、获得每个聚类的中心点作为该聚类的代表点；S05、将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；这个特征抽取的过程中，将历史行驶轨迹数据的起点位置以及历史行驶轨迹数据的其它参数抽取作为稀疏向量后作为逻辑回归模型的输入数据，将历史行驶轨迹数据的终点位置作为输出数据；S06、将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量本文档来自技高网...

【技术保护点】
一种基于用户行为的车辆目的地预测方法，其特征在于，包括步骤：当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。

【技术特征摘要】
1.一种基于用户行为的车辆目的地预测方法，其特征在于，包括步骤：当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。2.根据权利要求1所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述车辆目的地预测模型是云端服务器通过执行以下步骤训练获得：针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；对历史行驶轨迹数据进行离线数据预处理；采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；获得每个聚类的中心点作为该聚类的代表点；将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量对应的终点位置作为输出数据，进而将输入数据和输出数据输入到逻辑回归模型中进行训练，最后获得该车辆的车辆目的地预测模型。3.根据权利要求2所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述对历史行驶轨迹数据进行离线数据预处理的步骤，其具体为：对历史行驶轨迹数据进行降噪，去除偏离点和冗余点。4.根据权利要求2所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类的步骤，具体包括：针对历史行驶轨迹数据中的所有终点，根据地球坐标系中的三角函数原理，计算任意两个终点之间的距离；设定DBSCAN聚类算法的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类。5.根据权利要求2所述的一种基于用户行为的车辆目的地预测方法，其特征在于，所述历史行驶轨迹数据包括出发...

【专利技术属性】
技术研发人员：钟鸿飞，
申请(专利权)人：广州小鹏汽车科技有限公司，
类型：发明
国别省市：广东,44