出行路线的推荐方法、装置、电子设备及可读存储介质制造方法及图纸

本申请实施例提供了一种出行路线的推荐方法、装置、电子设备及可读存储介质，涉及人工智能及地图导航、智慧交通、车联网等技术领域。该方法包括：获取目标对象的出行位置信息，出行位置信息包括起点位置和终点位置；获取目标对象的特征、以及出行位置信息的各关联道路的路况特征；根据目标对象特征以及各关联道路的路况特征，通过调用预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，并将目标出行方式推荐给目标对象。有效的解决了目前人工手动选择出行方式的问题，并且由于最终确定的目标出行方式根据目标对象特征、以及目标对象的出行位置信息的各关联道路的路况特征所确定的，因此将更符合实际偏好和实际需求。

【技术实现步骤摘要】
出行路线的推荐方法、装置、电子设备及可读存储介质
本申请涉及人工智能及地图等
，具体而言，本申请涉及一种出行路线的推荐方法、装置、电子设备及可读存储介质。
技术介绍
目前的出行路线规划应用程序(如地图、导航应用程序或包含地图、导航功能的应用程序)中，在用户给定起点位置和终点位置后，需要基于人工手动选择的方式选择从起点位置到达终点位置的出行方式，如具体是采用步行、地铁或公交等方式从起点位置到达终点位置。但是，在该过程中未与用户的出行偏好联系起来，并且由于只能人工选择出行方式，用户操作也相对比较繁琐，可见，现有技术中确定出行方式的方式有待改进。
技术实现思路
本申请提供一种出行路线的推荐方法、装置、电子设备及可读存储介质，能够为用户智能推荐出行方式和出行路线，更加符合用户的实际需求一方面，本申请实施例提供了一种出行路线的推荐方法，该方法包括：获取用户的出行位置信息，出行位置信息包括起点位置和终点位置；获取用户的用户特征、以及出行位置信息的各关联道路的路况特征；根据用户特征以及各关联道路的路况特征，通过调用预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，并将目标出行方式推荐给用户。另一方面，本申请实施例提供了一种出行路线的推荐装置，该装置包括：位置信息获取模块，用于获取用户的出行位置信息，出行位置信息包括起点位置和终点位置；特征获取模块，用于获取用户的用户特征、以及出行位置信息的各关联道路的路况特征；出行方式推荐模块，用于根据用户特征以及各关联道路的路况特征，通过调用预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，并将目标出行方式推荐给用户。再一方面，本申请实施例提供了一种电子设备，包括处理器以及存储器：存储器被配置用于存储计算机程序，计算机程序在由处理器执行时，使得处理器执行上述中的出行路线的推荐方法。又一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质用于存储计算机程序，当计算机程序在计算机上运行时，使得计算机可以执行上述中的出行路线的推荐方法。本申请实施例提供的技术方案带来的有益效果是：本申请实施例提供的方案，能够根据用户特征、以及用户的出行位置信息的各关联道路的路况特征，自动为用户选择出目标出行方式推荐给用户，有效的解决了目前需要人工手动选择出行方式的问题，并且由于最终确定的目标出行方式根据用户的用户特征、以及用户的出行位置信息的各关联道路的路况特征所确定的，此时所确定的目标出行方式将更符合用户的实际偏好，更符合用户的实际需求。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。图1为本申请实施例提供的一种目前确定出行方式的方法流程示意图；图2为本申请实施例提供的一种出行路线的推荐方法的流程示意图；图3为本申请实施例提供的一种基于地图应用程序执行出行路线的推荐方法的示意图；图4为本申请实施例提供的一种应用界面的示意图；图5为本申请实施例提供的另一种应用界面的示意图；图6为本申请实施例提供的一种导航模式时的应用界面的示意图；图7为本申请实施例提供的一种出行路线的推荐方法的原理示意图；图8为本申请实施例提供的一种训练出行方式推荐模型的流程示意图；图9为本申请实施例提供的一种确定目标出行方式的流程示意图；图10为本申请实施例提供的一种训练出行路线推荐模型的流程示意图；图11为本申请实施例提供的一种确定目标出行路线的流程示意图；图12为本申请实施例提供的一种出行路线的推荐装置的结构示意图；图13为本申请实施例提供的一种电子设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。为了更好的理解和说明本申请实施例所提供的方案及有益效果，下面先对本申请实施例所涉及到的一些相关技术进行简单说明。随着信息技术的快速发展，地图类应用程序已经成为人们生活中使用频率很高的一类应用程序，该类应用程序为人们的出行带来便利。用户使用地图类应用程序可以进行路线查询、出现导航等。但是，目前用户基于地图类应用程序确定出行方式的方式有待改善。如图1所示，目前，用户基于地图应用程序确定出行方式时的一般流程为：用户首先在搜索栏中输入“出发地”和“目的地”并点击“路线”按键，此时可以显示候选出行方式，然后点击“选择出行方式”按键从候选选出行方式选择出行方式，在这过程中需要人工进行手动选择出行方式，无法向用户智能推荐出行方式。基于此，为了解决目前确定出行方式的方法需要有待改进的问题，本申请实施例提供一种出行路线的推荐方法、装置、电子设备及可读存储介质。在本申请实施例中，可以根据获取到的用户特征、以及用户的出行位置信息的各关联道路的路况特征，通过调用基于人工智能技术预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，并将确定的目标出行方式推荐给用户。其中，人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。可选的，本申请实施例可以基于人工智能技术中的机器学习/深度学习训练得到出行方式推荐模型。其中，机器学习(MachineLearning,ML)是一门多领域交叉学科本文档来自技高网...

【技术保护点】
1.一种出行路线的推荐方法，其特征在于，包括：/n获取用户的出行位置信息，所述出行位置信息包括起点位置和终点位置；/n获取所述用户的用户特征、以及所述出行位置信息的各关联道路的路况特征；/n根据所述用户特征以及各所述关联道路的路况特征，通过调用预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，并将所述目标出行方式推荐给所述用户。/n

【技术特征摘要】
1.一种出行路线的推荐方法，其特征在于，包括：
获取用户的出行位置信息，所述出行位置信息包括起点位置和终点位置；
获取所述用户的用户特征、以及所述出行位置信息的各关联道路的路况特征；
根据所述用户特征以及各所述关联道路的路况特征，通过调用预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，并将所述目标出行方式推荐给所述用户。


2.根据权利要求1所述的方法，其特征在于，还包括：
根据所述出行位置信息，确定所述目标出行方式对应的各候选出行路线，并获取各所述候选出行路线的路线特征；
获取所述用户对应于所述目标出行方式的路线偏好特征；
根据所述路线偏好特征和各所述候选出行路线的路线特征，通过调用预先训练好的出行路线推荐模型从各所述候选出行路线中确定出目标出行路线；
所述将所述目标出行方式推荐给所述用户，包括：
将所述目标出行方式和所述目标出行路线推荐所述用户。


3.根据权利要求2所述的方法，其特征在于，所述根据所述路线偏好特征和各所述候选出行路线的路线特征，通过调用预先训练好的出行路线推荐模型从各所述候选出行路线中确定出目标出行路线，包括：
根据所述路线偏好特征和各所述候选出行路线的路线特征，通过调用预先训练好的与所述目标出行方式对应的出行路线推荐模型，从各所述候选出行路线中确定出目标出行路线。


4.根据权利要求1至3中任一项所述的方法，其特征在于，所述用户特征包括所述用户的用户属性特征、以及与出行车辆相关的车辆关联特征；
所述根据所述用户特征以及各所述关联道路的路况特征，通过调用预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式，包括：
将各所述关联道路的路况特征和所述车辆关联特征所包含的各特征进行特征交叉，得到交叉特征；
将所述交叉特征、所述用户属性特征以及所述出行位置信息的特征进行拼接，得到拼接后的特征；
基于所述拼接后的特征，通过预先训练好的出行方式推荐模型从各候选出行方式中确定目标出行方式。


5.根据权利要求4所述的方法，其特征在于，所述用户属性特征包括以下至少一项：
用户基本信息特征或用户的非车辆资产的资产信息特征；
所述车辆关联特征包括以下至少一项：
用户的车辆资产信息特征、用户对于地图类应用程序的使用行为特征、用户车辆的油耗信息特征、每种出行方式对应的出行成本特征。


6.根据权利要求4所述的方法，其特征在于，所述出行方式推荐模型包括至少一个隐藏层以及与所述至少一个隐藏层中的最后一个隐藏层连接的分类输出层；
基于所述拼接后的特征，通过预训练好的出行方式推荐模型执行以下操作：
将所述拼接后的特征输入至所述出行方式推荐模型中，通过所述至少一个隐藏层对所述拼接后的特征进行特征提取，得到所述拼接后的特征对应的隐层特征，其中，所述隐层特征为一维特征向量，所述一维特征向量的特征值的个数等于候选出行方式的方式数量，一个特征值唯一对应一种候选出现方式；
通过所述分类输出层对所述隐层特征进行归一化处理，得到归一化后的特征向量，其中，归一化后的特征向量中的一个特征值唯一对应于一...

【专利技术属性】
技术研发人员：钟子宏，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44