一种目的地预测方法及装置制造方法及图纸

本发明专利技术涉及智能交通领域，尤其涉及一种目的地预测方法及装置，该方法为：预先设置目的地预测模型，其中，上述目的地预测模型中分别记录了每一个设定时间段内车辆的各条历史行车轨迹中每两个历史位置点之间的目标转移概率，通过监测车辆的当前行车轨迹，确定当前行车轨迹对应的时间段，并基于上述当前行车轨迹对应的时间段，采用预设的目的地预测模型，分别计算上述当前行车轨迹与各条历史行车轨迹中每一个历史位置点之间的预测概率，将对应的预测概率符合预设条件的历史位置点确定为预测目的地，这样，不论是建立目的地预测模型时，还是进行目的地预测时，都考虑到了时间因素，有效了提高目的地预测的准确性，进而提升了用户的驾驶体验。

【技术实现步骤摘要】
一种目的地预测方法及装置
本专利技术涉及智能交通领域，尤其涉及一种目的地预测方法及装置。
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，而且在进行轨迹比对时，并没有考虑途经地和目的地的差异性，而实际上，历史行车轨迹中的目的地相对于途经地来说更能表明用户当前驾车出行的目的地，也没有考虑历史行车轨迹中的时间因素，而实际上，一方面一天的不同时间段产生的历史行车轨迹能反映用户的出行习惯和不同的交通状况，另一方面，越接近当前时期的历史行车轨迹更能反映用户当前的驾驶习惯，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，需要设计一种新的目的地预测方法，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目的地预测方法及装置，用于根据用户驾驶的车辆的当前行车轨迹和历史行车轨迹，预测用户驾车出行的目的地，解决了现有技术中通过历史行车轨迹进行目的地预测时，目的地预测的准确性过低的问题。本专利技术实施例提供的具体技术方案如下：一种目的地预测方法，包括：监测车辆的当前行车轨迹，确定所述当前行车轨迹对应的时间段；获取预设的目的地预测模型，所述目的地预测模型中分别记录了每一个设定时间段内，所述车辆的各条历史行车轨迹中，每两个历史位置点之间的目标转移概率，其中，所述设定时间段是基于一个自然日划分的；基于所述当前行车轨迹对应的时间段，采用所述目的地预测模型，分别计算所述当前行车轨迹与各条历史行车轨迹中每一个历史位置点之间的预测概率；将对应的预测概率符合预设条件的历史位置点确定为预测目的地。可选的，监测所述车辆的当前行车轨迹之前，进一步包括：生成所述目的地预测模型，具体包括：获取所述车辆的各条历史行车轨迹；将获得的所述车辆的各条历史行车轨迹投影至道路网络后，获得目标转移网络，其中，所述目标转移网络用于指示所述各条历史行车轨迹中的各个历史位置点之间的相对运动；基于第一维度、第二维度和第三维度建立第一转移张量，其中，所述第一维度表示所述目标转移网络中发生转移前的各个历史位置点，所述第二维度表示所述目标转移网络中发生转移后的各个历史位置点，第三维度表示设定时间段集合，所述第一转移张量用于指示每一个设定时间段内，所述车辆的各条历史行车轨迹中每两个历史位置点之间的第一转移概率；对所述第一转移张量进行处理，获得符合预设规则的目标转移张量，其中，所述目标转移张量分别记录了每一个设定时间段内，所述车辆的各条历史行车轨迹中，每两个历史位置点之间的目标转移概率。可选的，将获得的所述车辆的各条历史行车轨迹投影至道路网络后，获得目标转移网络，包括:将获得的所述车辆的各条历史行车轨迹投影至道路网络后，在投影后的道路网络中建立第一转移网络；将所述第一转移网络中包含的所述各条历史行车轨迹中每一个历史位置点识别为瞬态历史位置点，并为每一个瞬态历史位置点创建一个镜像的吸收历史位置点，其中，所述瞬态历史位置点表示历史行车轨迹中的非终止点，所述吸收历史位置点表示历史行车轨迹中的终止点；基于所述各条历史行车轨迹中各个瞬态历史位置点和各个吸收历史位置点之间的相对运动，建立相应的目标转移网络。可选的，基于第一维度、第二维度和第三维度建立第一转移张量，包括：将所述目标转移网络按照预设的时间分割点，划分为远期目标转移网络和近期目标转移网络，其中，所述远期目标转移网络包含有所述目标转移网络中在所述时间分割点之前产生的历史位置点，所述近期目标转移网络包含有所述目标转移网络中在所述时间分割点之后产生的历史位置点；根据所述远期目标转移网络，并基于第一维度、第二维度和第三维度建立远期第一转移张量，其中，所述远期第一转移张量的第一维度表示所述远期目标转移网络中发生转移前的各个历史位置点，所述远期第一转移张量的第二维度表示所述远期目标转移网络中发生转移后的各个历史位置点，所述远期第一转移张量的第三维度表示所述设定时间段集合，所述远期第一转移张量用于指示在所述时间分割点之前的每一个设定时间段内，所述车辆的各条历史行车轨迹中每两个历史位置点之间的远期第一转移概率；根据所述近期目标转移网络，并基于第一维度、第二维度和第三维度建立近期第一转移张量，其中，所述近期第一转移张量的第一维度表示所述近期目标转移网络中发生转移前的各个历史位置点，所述近期第一转移张量的第二维度表示所述近期目标转移网络中发生转移后的各个历史位置点，所述近期第一转移张量的第三维度表示所述设定时间段集合，所述近期第一转移张量用于指示在所述时间分割点之后的每一个设定时间段内，所述车辆的各条历史行车轨迹中每两个历史位置点之间的近期第一转移概率；采用所述远期第一转移张量和所述近期第一转移张量，组成所述第一转移张量。可选的，对所述第一转移张量进行处理，获得符合预设规则的目标转移张量，包括：分别获取在所述目标转移网络中每一个设定时间段内出现的车辆数量和在所述目标转移网络中位于每一个历史位置点预设范围内的指定兴趣点数量，组成中央张量；基于获得的所述中央张量，对所述第一转移张量进行填充，获得第二转移张量；对获得的所述第二转移张量进行优化训练，获得各个优化训练结果；基于所述各个优化训练结果，确定符合预设规则的优化训练结果为目标转移张量。可选的，对获得的所述第二转移张量进行优化训练，获得各个优化训练结果，包括：计算所述第一转移张量和所述第二转移张量之间的损失值；基于所述损失值和各个正则化项，对所述第二转移张量进行拟合，获得各个优化训练结果，其中，所述各个正则化项是由所述设定时间段集合、所述车辆的各条历史行车轨迹中每一个历史位置点、所述目标转移网络、所述中央张量和预设的地理特征因子生成的。可选的，基于所述当前行车轨迹对应的时间段，采用所述目的地预测模型，计算所述当前行车轨迹与各条历史行车轨迹中任意一个历史位置点之间的预测概率，包括：确定所述当前行车轨迹的起始位置点、当前停留位置点和起始位置点与当前停留位置点之间的各个路过位置点本文档来自技高网...

【技术保护点】
一种目的地预测方法，其特征在于，包括：监测车辆的当前行车轨迹，确定所述当前行车轨迹对应的时间段；获取预设的目的地预测模型，所述目的地预测模型中分别记录了每一个设定时间段内，所述车辆的各条历史行车轨迹中，每两个历史位置点之间的目标转移概率，其中，所述设定时间段是基于一个自然日划分的；基于所述当前行车轨迹对应的时间段，采用所述目的地预测模型，分别计算所述当前行车轨迹与各条历史行车轨迹中每一个历史位置点之间的预测概率；将对应的预测概率符合预设条件的历史位置点确定为预测目的地。

【技术特征摘要】
1.一种目的地预测方法，其特征在于，包括：监测车辆的当前行车轨迹，确定所述当前行车轨迹对应的时间段；获取预设的目的地预测模型，所述目的地预测模型中分别记录了每一个设定时间段内，所述车辆的各条历史行车轨迹中，每两个历史位置点之间的目标转移概率，其中，所述设定时间段是基于一个自然日划分的；基于所述当前行车轨迹对应的时间段，采用所述目的地预测模型，分别计算所述当前行车轨迹与各条历史行车轨迹中每一个历史位置点之间的预测概率；将对应的预测概率符合预设条件的历史位置点确定为预测目的地。2.如权利要求1所述的方法，其特征在于，监测所述车辆的当前行车轨迹之前，进一步包括：生成所述目的地预测模型，具体包括：获取所述车辆的各条历史行车轨迹；将获得的所述车辆的各条历史行车轨迹投影至道路网络后，获得目标转移网络，其中，所述目标转移网络用于指示所述各条历史行车轨迹中的各个历史位置点之间的相对运动；基于第一维度、第二维度和第三维度建立第一转移张量，其中，所述第一维度表示所述目标转移网络中发生转移前的各个历史位置点，所述第二维度表示所述目标转移网络中发生转移后的各个历史位置点，第三维度表示设定时间段集合，所述第一转移张量用于指示每一个设定时间段内，所述车辆的各条历史行车轨迹中每两个历史位置点之间的第一转移概率；对所述第一转移张量进行处理，获得符合预设规则的目标转移张量，其中，所述目标转移张量分别记录了每一个设定时间段内，所述车辆的各条历史行车轨迹中，每两个历史位置点之间的目标转移概率。3.如权利要求2所述的方法，其特征在于，将获得的所述车辆的各条历史行车轨迹投影至道路网络后，获得目标转移网络，包括:将获得的所述车辆的各条历史行车轨迹投影至道路网络后，在投影后的道路网络中建立第一转移网络；将所述第一转移网络中包含的所述各条历史行车轨迹中每一个历史位置点识别为瞬态历史位置点，并为每一个瞬态历史位置点创建一个镜像的吸收历史位置点，其中，所述瞬态历史位置点表示历史行车轨迹中的非终止点，所述吸收历史位置点表示历史行车轨迹中的终止点；基于所述各条历史行车轨迹中各个瞬态历史位置点和各个吸收历史位置点之间的相对运动，建立相应的目标转移网络。4.如权利要求2所述的方法，其特征在于，基于第一维度、第二维度和第三维度建立第一转移张量，包括：将所述目标转移网络按照预设的时间分割点，划分为远期目标转移网络和近期目标转移网络，其中，所述远期目标转移网络包含有所述目标转移网络中在所述时间分割点之前产生的历史位置点，所述近期目标转移网络包含有所述目标转移网络中在所述时间分割点之后产生的历史位置点；根据所述远期目标转移网络，并基于第一维度、第二维度和第三维度建立远期第一转移张量，其中，所述远期第一转移张量的第一维度表示所述远期目标转移网络中发生转移前的各个历史位置点，所述远期第一转移张量的第二维度表示所述远期目标转移网络中发生转移后的各个历史位置点，所述远期第一转移张量的第三维度表示所述设定时间段集合，所述远期第一转移张量用于指示在所述时间分割点之前的每一个设定时间段内，所述车辆的各条历史行车轨迹中每两个历史位置点之间的远期第一转移概率；根据所述近期目标转移网络，并基于第一维度、第二维度和第三维度建立近期第一转移张量，其中，所述近期第一转移张量的第一维度表示所述近期目标转移网络中发生转移前的各个历史位置点，所述近期第一转移张量的第二维度表示所述近期目标转移网络中发生转移后的各个历史位置点，所述近期第一转移张量的第三维度表示所述设定时间段集合，所述近期第一转移张量用于指示在所述时间分割点之后的每一个设定时间段内，所述车辆的各条历史行车轨迹中每两个历史位置点之间的近期第一转移概率；采用所述远期第一转移张量和所述近期第一转移张量，组成所述第一转移张量。5.如权利要求2所述的方法，其特征在于，对所述第一转移张量进行处理，获得符合预设规则的目标转移张量，包括：分别获取在所述目标转移网络中每一个设定时间段内出现的车辆数量和在所述目标转移网络中位于每一个历史位置点预设范围内的指定兴趣点数量，组成中央张量；基于获得的所述中央张量，对所述第一转移张量进行填充，获得第二转移张量；对获得的所述第二转移张量进行优化训练，获得各个优化训练结果；基于所述各个优化训练结果，确定符合预设规则的优化训练结果为目标转移张量。6.如权利要求5所述的方法，其特征在于，对获得的所述第二转移张量进行优化训练，获得各个优化训练结果，包括：计算所述第一转移张量和所述第二转移张量之间的损失值；基于所述损失值和各个正则化项，对所述第二转移张量进行拟合，获得各个优化训练结果，其中，所述各个正则化项是由所述设定时间段集合、所述车辆的各条历史行车轨迹中每一个历史位置点、所述目标转移网络、所述中央张量和预设的地理特征因子生成的。7.如权利要求1-6任一项所述的方法，其特征在于，基于所述当前行车轨迹对应的时间段，采用所述目的地预测模型，计算所述当前行车轨迹与各条历史行车轨迹中任意一个历史位置点之间的预测概率，包括：确定所述当前行车轨迹的起始位置点、当前停留位置点和起始位置点与当前停留位置点之间的各个路过位置点；确定所述目的地预测模型中，在所述当前行车轨迹对应的时间段内，所述当前行车轨迹的起始位置点、当前停留位置点和各个路过位置点，各自与所述各条历史行车轨迹中所述任意一个历史位置点之间的目标转移概率；基于获得的每一个目标转移概率，确定所述当前行车轨迹与所述各条历史行车轨迹中所述任意一个历史位置点之间的预测概率。8.一种目的地预测装置，其特征在于，包括：监测单元，用于监测车辆的当前行车轨迹，确定所述当前行车轨...

【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