【技术实现步骤摘要】
本申请涉及导航，特别涉及一种路线推荐方法、装置、设备及存储介质。
技术介绍
1、目前导航技术应用越来越广泛，终端可基于用户选择的出发地和目的地查询得到多条出行线路供用户选择。
2、相关技术中的路线推荐技术通常是基于路线的距离以及默认的用户出行速度计算耗时，按照耗时对多条线路进行排序展示。然而，实际出行过程中不同线路中的车辆、行人等因素对出行速度的影响程度不同，因此相关技术中的路线推荐准确性较低。
技术实现思路
1、本申请提供了一种路线推荐方法、装置、设备及存储介质，能够生成距离短且安全性高的推荐路线。该技术方案如下：
2、一方面，本申请实施例提供了一种路线推荐方法，包括：
3、将出发地和目的地的位置信息输入路线推荐模型，得到至少两条候选路线以及所述候选路线对应的路线长度；
4、获取各条候选路线对应的当前路线流量，其中路线流量包括路段内的车流量和人流量中的至少一种；
5、将路线评估数据输入奖励函数生成所述候选路线的路线评分，并基于所述路线评分对所述路线推荐模型进行迭代训练，所述路线评估数据包括所述路线长度和所述当前路线流量；
6、响应于所述奖励函数收敛，将所述路线评分最高的候选路线确定为推荐路线。
7、可选的，所述将出发地和目的地的位置信息输入路线推荐模型，得到至少两条候选路线以及所述候选路线对应的路线长度，包括：
8、将所述位置信息分别输入遗传算法模型和深度强化学习模型，得到所述遗传算法
9、所述将路线评估数据输入奖励函数生成所述候选路线的路线评分，并基于所述路线评分对所述路线推荐模型进行迭代训练，包括：
10、将所述路线评估数据输入所述奖励函数，计算所述第一候选路线的第一路线评分以及所述第二候选路线的第二路线评分；
11、基于所述第一路线评分和所述第二路线评分对所述遗传算法模型和所述深度强化学习模型进行迭代训练。
12、可选的，所述基于所述第一路线评分和所述第二路线评分对所述遗传算法模型和所述深度强化学习模型进行迭代训练，包括：
13、响应于所述第一路线评分低于所述第二路线评分，将所述第一路线评分输入所述遗传算法模型，并基于模型输出结果进行下一轮评分计算和模型训练；
14、响应于所述第一路线评分高于所述第二路线评分，将所述第二路线评分输入所述深度强化学习模型，并基于模型输出结果进行下一轮评分计算和模型训练。
15、可选的，所述奖励函数的组成部分包含耗时函数以及流量函数；
16、所述耗时函数的表达式包括：
17、
18、其中，h为所述路线长度，v为所述候选路线中行人和/或车辆的平均速度；
19、所述流量函数的表达式包括：
20、
21、其中，a、b为权重，yi1为所述候选路线中第i条街道的人流量，yi2为所述第i条街道的车流量，n为所述候选路线中街道的总数。
22、可选的，所述路线评估数据还包括交通事故的发生频率，所述奖励函数的组成部分还包含安全性函数；
23、所述安全性函数的表达式包括：
24、
25、其中，xi为所述第i条街道路口对应的交通事故的发生频率。
26、可选的，所述获取各条候选路线对应的当前路线流量，包括：
27、从第三方平台获取所述候选路线在预设时长内通过的车辆数和/或行人数，并计算得到所述当前路线流量；
28、所述方法还包括：
29、基于当前行进路线向所述第三方平台发送当前位置，所述第三方平台用于基于所述当前位置更新所述当前行进路线的车辆数或行人数。
30、可选的，所述将出发地和目的地的位置信息输入路线推荐模型之前，所述方法包括：
31、接收终端发送的所述位置信息，所述终端用于在检测到通过道路闸机的情况下显示路线查询界面，基于所述路线查询界面接收到的目的地输入操作获取所述位置信息。
32、另一方面，本申请实施例提供了一种路线推荐装置，包括：
33、输入模块，用于将出发地和目的地的位置信息输入路线推荐模型，得到至少两条候选路线以及所述候选路线对应的路线长度；
34、获取模块，用于获取各条候选路线对应的当前路线流量，其中路线流量包括路段内的车流量和人流量中的至少一种；
35、评分模块，用于将路线评估数据输入奖励函数生成所述候选路线的路线评分，并基于所述路线评分对所述路线推荐模型进行迭代训练，所述路线评估数据包括所述路线长度和所述当前路线流量；
36、确定模块，用于响应于所述奖励函数收敛，将所述路线评分最高的候选路线确定为推荐路线。
37、另一方面，本申请实施例提供了一种电子设备，所述电子设备包括存储器和处理器；所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现如上述方面所述的方法。
38、另一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上述方面所述的方法。
39、本申请提供的技术方案至少包括以下有益效果：
40、本申请提供的路线推荐方法、装置、设备及存储介质，通过获取候选路线的路线长度和路线流量进行评分，并基于路线评分训练模型直至函数收敛，确定出路线长度相对较短且路线流量相对少的评分最高的路线，一方面考虑路线长度对应的出行耗时，另一方面能够考虑人流量和车流量对出行速度以及安全性的影响，根据实际路况的人流量、车流量结合路线长度进行路线推荐，能够生成距离短且安全性高的推荐路线。
本文档来自技高网...【技术保护点】
1.一种路线推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将出发地和目的地的位置信息输入路线推荐模型，得到至少两条候选路线以及所述候选路线对应的路线长度，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一路线评分和所述第二路线评分对所述遗传算法模型和所述深度强化学习模型进行迭代训练，包括：
4.根据权利要求2所述的方法，其特征在于，所述奖励函数的组成部分包含耗时函数以及流量函数；
5.根据权利要求4所述的方法，其特征在于，所述路线评估数据还包括交通事故的发生频率，所述奖励函数的组成部分还包含安全性函数；
6.根据权利要求1至5任一所述的方法，其特征在于，所述获取各条候选路线对应的当前路线流量，包括：
7.根据权利要求1至5任一所述的方法，其特征在于，所述将出发地和目的地的位置信息输入路线推荐模型之前，所述方法包括：
8.一种路线推荐装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器；所述存储器中存储有计算机程序，所述
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种路线推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将出发地和目的地的位置信息输入路线推荐模型，得到至少两条候选路线以及所述候选路线对应的路线长度，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一路线评分和所述第二路线评分对所述遗传算法模型和所述深度强化学习模型进行迭代训练，包括：
4.根据权利要求2所述的方法，其特征在于，所述奖励函数的组成部分包含耗时函数以及流量函数；
5.根据权利要求4所述的方法，其特征在于，所述路线评估数据还包括交通事故的发生频率，所述奖励函数的组成部分还包含安全性函数；
【专利技术属性】
技术研发人员：曾嘉懿，孙弋，白金蓬，黎清顾，王宽，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。