行车路径预测方法、规律性判定方法及数据库建立方法

摘要

本发明提供一种行车路径预测方法、规律性判定方法及数据库建立方法。首先对车辆的行车规律性进行判断，如所述车辆具有行车规律性，则根据统计的设定时间段内的行车信息，建立所述车辆的行车规律数据库。再根据所述车辆的出发时间和出发地点，参照所述行车规律数据库实现行车路径的预测。因此，本发明通过所述行车规律数据库，来获取用户的行车规律以及特定化的行车偏好，从而在无导航的工况下，能够根据用户的出发时间和出发地点，精准预测出用户的行车目的地，并获取相对应的预测路线。相对于现有的预测方式，本发明不但适用范围广，不受行车数据分布限制，数据计算量小，预测精准度高，而且能够符合用户特定的行车偏好，特定性强，实用价值高。

说明书

技术领域

本发明涉及智能交通技术领域，特别涉及一种行车路径预测方法、规律性判定方法及数据库建立方法。

背景技术

随着计算机网络技术及定位技术的发展，采用智能导航软件规划出行路线已经成为人们普遍选用的路径规划方法。导航终端会根据全球定位系统获取当前位置信息和终点位置信息，再参照路径规划模型，获取最优路径，并向用户展示全程路况信息。

然而，这种出行路径的规划是基于用户开启导航模式，并输入行驶目的地。在很多情况下，用户基于对路线的熟悉选择不开启导航，或者因故无法开启导航。则在无导航状态下的行车路径规划，在本领域中仍处于技术洼地。虽然，现已存在无导航状态下对行车目的地的预测和路线预测。但对行车目的地的预测技术是在假设用户出发时间、经纬度符合三维高斯分布的前提下，利用贝叶斯公式预测目的地列表的概率分布。这种方法不但计算量庞大，而且对数据分布有一定要求，在不符合三维高斯分布的情况下则无法预测。并且，现有的对路线的预测，多应用于智能驾驶领域，即：根据车辆实时驾驶状况，预测接下来车辆可能选择的驾驶方向和线路等。这种方法对日常出行的实用性不强，且可靠性低。

此外，现有的行车路径规划都是基于大数据统计而得到的，是按照大概率选定的方式推荐路径，并不适用于所有用户，无法针对每位用户实现行车路径的个性化定制。

因此，需要一种新的行车路径预测方法，以在无导航的工况下，不仅能实现行车路径的精准预测，还能满足用户个性化的行车偏好。

发明内容

本发明的目的在于提供一种行车路径预测方法、规律性判定方法及数据库建立方法，以解决如何在在无导航的工况下实现行车路径的精准预测，以及如何满足用户个性化的行车路径偏好中的至少一个问题。

为解决上述技术问题，本发明提供一种行车路径预测方法，包括：

在无导航的工况下，获取车辆的出发时间和出发地点，且当所述出发时间位于任意一个规律时间区间内时，以及所述出发地点属于所述规律时间区间相对应的出发地点集合时，根据行车规律数据库，获取在所述规律时间区间内，所述出发地点对应的预测目的地集合，以及在所述预测目的地集合中每一预测目的地相对应的预测路线集合；

在行车过程中，通过车辆GPS信号，获取车辆行驶轨迹，并将所述行驶轨迹与所述预测目的地集合相对应的所有所述预测路线相比对，以判断出行车目的地；

在所述行车目的地相对应的所述预测路线集合中，选定出现概率最高的所述预测路线作为预测的行车路径。

可选的，在所述的行车路径预测方法中，所述行车规律数据库包括规律时间区间集合、至少一个所述出发地点集合、至少一个所述预测目的地集合以及至少一个所述预测路线集合。

可选的，在所述的行车路径预测方法中，在所述规律时间区间集合中每一所述规律时间区间对应一个所述出发地点集合，且每一所述出发地点集合中的每一出发地点对应一个所述预测目的地集合，以及每一所述预测目的地集合中的每一预测目的地对应一个所述预测路线集合。

可选的，在所述的行车路径预测方法中，在判断所述出发时间是否位于任意一个规律时间区间内，以及所述出发地点是否属于所述规律时间区间相对应的出发地点集合之前，以所述出发时间为所述行车规律数据库的统计截止时间点，更新所述行车规律数据库。

可选的，在所述的行车路径预测方法中，获取所述预测的行车路径之后，通过车辆GPS信号，实时获取车辆行驶轨迹，且当所述行驶轨迹偏离所述预测的行车路径时，将所述行驶轨迹与所述行车目的地相对应的所述预测路线集合中所有所述预测路线相对比，筛选出与所述行驶轨迹相匹配的所有所述预测路线，并在相匹配的所有所述预测路线中选定出现概率最高的所述预测路线作为预测的行车路径。

可选的，在所述的行车路径预测方法中，当所述行车目的地相对应的所述预测路线集合中没有与所述行驶轨迹相匹配的预测路线时，重新判断行车目的地。

基于同一发明构思，本发明还提供一种行车规律性的判定方法，包括：

获取设定时间段内的行车信息；

将所述设定时间段分为多个周期，并判断有无在每一周期的相同时间区间内，至少一个出发地点，所述出发地点对应的至少一个行车目的地，以及所述出发地点到达对应的所述行车目的地的至少一条行车路线的出现概率达到预设标准，如有，认定车辆具有行车规律性，且将所述相同时间区间作为规律时间区间；如无，认定车辆无行车规律性。

可选的，在所述的行车规律性的判定方法中，所述行车信息包括所有出发时间、所有出发地点、每次出行的截止时间以及每次出行所对应的行车目的地和行车路线。

基于同一发明构思，本发明还提供一种行车规律数据库的建立方法，包括：

判定车辆具有行车规律性，并获取所有所述规律时间区间，以作为规律时间区间集合；

根据所述设定时间段内的行车信息，获取每一所述规律时间区间内的所有所述出发地点、所有所述行车目的地，以及对应的所有行车路线；

将每一所述规律时间区间内的所有所述出发地点归为该规律时间区间的出发地点集合，将每一所述出发地点集合中的每一所述出发地点对应的所有行车目的地归为该出发地点的预测目的地集合，以及将每一所述出发地点到达每一所述行车目的地的所有条行车路线归为该出发地点到达该行车目的地的预测路线集合。

可选的，在所述的行车规律数据库的建立方法中，根据所述设定时间段内的行车信息，将每一所述规律时间区间内，所述出发地点到达所述行车目的地的相同所述行车路线作为一条所述行车路线。

综上所述，本发明提供一种行车路径预测方法、规律性判定方法及数据库建立方法。首先对车辆的行车规律性进行判断，如所述车辆具有行车规律性，则根据统计的设定时间段内的行车信息，获取所述车辆的行车规律数据库。再利用所述行车规律数据库实现行车路径的预测。其中，所述行车路径预测方法包括：在无导航的工况下，获取车辆的出发时间和出发地点，且当所述出发时间位于任意一个规律时间区间内时，以及所述出发地点属于所述规律时间区间相对应的出发地点集合时，根据行车规律数据库，获取在所述规律时间区间内，所述出发地点对应的预测目的地集合，以及在所述预测目的地集合中每一预测目的地相对应的预测路线集合；在行车过程中，通过车辆GPS信号，获取车辆行驶轨迹，并将所述行驶轨迹与所述预测目的地集合相对应的所有所述预测路线相比对，以判断出行车目的地；在所述行车目的地相对应的所述预测路线集合中，选定出现概率最高的所述预测路线作为预测的行车路径。由此可见，本发明通过所述行车规律数据库，来获取用户的行车规律以及特定化的行车偏好，从而在无导航的工况下，能够根据用户的出发时间和出发地点，精准预测出用户的行车目的地，并获取相对应的预测路线。相对于现有的预测方式，本发明不但适用范围广，不受行车数据分布限制，数据计算量小，预测精准度高，而且能够符合用户特定的行车偏好，特定性强，实用价值高。

附图说明

图1是本发明实施例中的一种行车路径预测方法的流程图；

图2是本发明实施例中的一种行车规律性的判定方法的流程图；

图3是本发明实施例中的时间区间[6:00,8:00]内，A-B的行车记录表；

图4是本发明实施例中的时间区间[16:00,20:00]内，B-A的行车记录表；

图5是本发明实施例中的一种行车规律数据库的建立方法的流程图；

图6是本发明实施例中的时间区间[6:00,8:00]内，A-B的路线种类统计图；

图7是本发明实施例中的时间区间[16:00,20:00]内，B-A的路线种类统计图。

具体实施方式

为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。还应当理解的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。

为解决上述技术问题，本实施例提供一种行车路径预测方法，请参阅图1，所述行车路径预测方法包括：

步骤一S1：在无导航的工况下，获取车辆的出发时间和出发地点，且当所述出发时间位于任意一个规律时间区间内时，以及所述出发地点属于所述规律时间区间相对应的出发地点集合时，根据行车规律数据库，获取在所述规律时间区间内，所述出发地点对应的预测目的地集合，以及在所述预测目的地集合中每一预测目的地相对应的预测路线集合。

步骤二S2：在行车过程中，通过车辆GPS信号，获取车辆行驶轨迹，并将所述行驶轨迹与所述预测目的地集合相对应的所有所述预测路线相比对，以判断出行车目的地。

步骤三S3：在所述行车目的地相对应的所述预测路线集合中，选定出现概率最高的所述预测路线作为预测的行车路径。

以下结合具体示例介绍本实施例提供的所述行车路径预测方法。

步骤一S1：在无导航的工况下，获取车辆的出发时间和出发地点，且当所述出发时间位于任意一个规律时间区间内时，以及所述出发地点属于所述规律时间区间相对应的出发地点集合时，根据行车规律数据库，获取在所述规律时间区间内，所述出发地点对应的预测目的地集合，以及在所述预测目的地集合中每一预测目的地相对应的预测路线集合。

本实施例的应用场景为无导航的状态下。其中，无导航是指不开启智能导航终端，即不利于智能导航软件主动搜索行车目的地来获取行径路线。在日常行车中，无导航工况常出现于用户熟悉路径或者因故无法开启导航的情况下。在该情况下，以车辆启动时间作为出发时间，以出发时间时车辆GPS信号显示的位置为出发地点。进一步的，判断所述出发时间是否位于任意一个规律时间区间内，以及所述出发地点是否属于所述规律时间区间相对应的出发地点集合，如是，则可执行行车路径的预测，如否，则无法执行行车路径规划。

例如，该车辆的所述规律时间区间集合包括时间区间1[8：00，9:00]和时间区间2[1800,19:00]。若出发时间为8：30，则属于时间区间1，若出发时间为10：00，均不属于时间区间1和时间区间2，则不能执行行车路径的预测。若时间区间1所对应的出发地点集合包括A地、B地以及C地。当出发时间为8：30时，若出发地点为A地，则可执行行车路径的预测，若出发地点为D地，则不能执行行车路径的预测。

在可进行路径规划的情况下，根据所述行车规律数据库获取在所述规律时间区间内，所述出发地点对应的预测目的地集合，以及在所述预测目的地集合中每一预测目的地相对应的预测路线集合。换言之，当出发时间为8：30时，出发地点为A地，则获取与A地对应的所述预测目的地集合。例如，与A地对应的所述预测目的地集合包括X地、Y地以及Z地，则还需获取A地-X地的预测路线集合、A地-Y地的预测路线集合、A地-Z地的预测路线集合。

进一步的，所述行车规律数据库包括规律时间区间集合、至少一个所述出发地点集合、至少一个所述预测目的地集合以及至少一个所述预测路线集合。换言之，在所述规律时间区间集合中每一所述规律时间区间对应一个所述出发地点集合，且每一所述出发地点集合中的每一出发地点对应一个所述预测目的地集合，以及每一所述预测目的地集合中的每一预测目的地对应一个所述预测路线集合。其中，规律时间区间集合、所述出发地点集合、所述预测目的地集合以及所述预测路线集合的数量和包含的元素，均由车辆的规律性来决定。因此，本实施提供的所述行车路径预测方法具有专属性，以用户的行车规律作为预测的基准。

因本实施例提供的所述行车路径预测方法是建立在车辆具有形车规律的基础上开展的，故本实施例还提供一种行车规律性的判定方法，请参阅图2，包括：

步骤一S10：获取设定时间段内的行车信息。

其中，所述行车信息是统计行车规律的基础，对于所述行车信息的数据量由用户自行选定，即设定时间段可根据用户的需求自行设定，例如设定为一个月，两个月或者三个月等。进一步的，所述行车信息包括所有出发时间、所有出发地点、每次出行的截止时间以及每次出行所对应的行车目的地和行车路线。如下表示例：

步骤二S20：将所述设定时间段分为多个周期，并判断有无在每一周期的相同时间区间内，至少一个出发地点，所述出发地点对应的至少一个行车目的地，以及所述出发地点到达对应的所述行车目的地的至少一条行车路线的出现概率达到预设标准，如有，认定车辆具有行车规律性，且将所述相同时间区间作为规律时间区间；如无，认定车辆无行车规律性。

其中，周期可选为日、星期或者月。进一步的，以图3和4的数据为例。统计用户两个月的行车信息，并以日为周期。根据所述行车信息，发现用户有41.3％的概率在每日的时间区间[6:00,8:00]内出发，并且从A出发，有86.70％的概率到达B。且有42.9％的概率会在每日的时间区间[16:00,20:00]内出发，从B出发，有96.4％的概率到达A。因此，当在时间区间[6:00,8:00]和[16:00,20:00]内，存在A-B以及B-A的概率高于预设标准，则时间区间[6:00,8:00]和[16:00,20:00]均作为所述规律时间区间，同时，认定该车辆具有行车规律性。其中，对于用于筛选规律性的概率预设标准，本实施例不作限定，可以为0.5％、1％、2％、5％、8％或10％等。

在判定所述车辆具有行车规律性之后，可针对该车辆进行行车规律数据库的建立。因此，本实施例还提供一种行车规律数据库的建立方法，请参阅图5，包括：

步骤一S100：判定车辆具有行车规律性，并获取所有所述规律时间区间，以作为规律时间区间集合。

采用上述的行车规律性的判定方法判断车辆具有行车规律性之后，将所有所述规律时间区间，以作为规律时间区间集合。即图3和4的示例中，所述车辆的所述规律时间区间集合为[(6:00,8:00)，(16:00,20:00)]。

步骤二S200：根据所述设定时间段内的行车信息，获取每一所述规律时间区间内的所有所述出发地点、所有所述行车目的地，以及对应的所有行车路线。

步骤三S300：将每一所述规律时间区间内的所有所述出发地点归为该规律时间区间的出发地点集合，将每一所述出发地点集合中的每一所述出发地点对应的所有行车目的地归为该出发地点的预测目的地集合，以及将每一所述出发地点到达每一所述行车目的地的所有条行车路线归为该出发地点到达该行车目的地的预测路线集合。

在所述规律时间区间集合[(6:00,8:00)，(16:00,20:00)]中，经统计，每一所述规律时间区间内的出发地点的数量可能是一个也可能是多个。因此，将每一规律时间区间内的所有出发地点归类为该规律时间区间的出发地点集合。例如，在规律时间区间内(6:00,8:00)内的出发地点为A、D、F，则该规律时间区间的出发地点集合为[A,D,F]。同样，根据行车信息统计，每一出发地点到达的行车目的地的数量也可能是一个或是多个。例如，A-X，A-Y，A-Z，则[X、Y、Z]作为该出发地点A的预测目的地集合。进一步的，A-X中可能存在一条或者多条路径，如存在三条行车路径：a1、a2、a3，则[a1,a2,a3]即作为A-X的预测路线集合。同样，A-Y和A-Z也具有相对应的预测路线集合。

进一步的，根据所述设定时间段内的行车信息，将每一所述规律时间区间内，所述出发地点到达所述行车目的地的相同所述行车路线作为一条所述行车路线。如图6和7所示。图6为图3所对应的A-B的路线统计图，可见在时间区间[6:00,8:00]内，从A到达目的地B的所有路线均为相同的一种，可归为同一条路线，即第9次驾驶路线。因此，从A到达目的地B的预测路线数集为[100％第9次驾驶路线]。图7为图4所对应的B-A的路线统计图,可见在时间区间[16:00,20:00]内，从B到达目的地A的所有路线可归纳为三种，即81.5％的概率按照第二次驾驶路线行驶，11.1％的概率按照第十次的驾驶路线行驶，7.4％的概率按照第二十二次的驾驶路线行驶。因此，可到从B到达目的地A的预测路线数集为[81.5％第二次驾驶路线,11.1％第十次的驾驶路线,7.4％第二十二次的驾驶路线]。

综上，可建立该车辆的所述行车规律数据库，具有专属性，便于满足用户个性化行车偏好。在建立所述行车规律数据库后，即可在无导航的工况下，实现用户的日常行车路径预测。进一步的，判断所述出发时间是否位于任意一个规律时间区间内，以及所述出发地点是否属于所述规律时间区间相对应的出发地点集合之前，以所述出发时间为所述行车规律数据库的统计截止时间点，更新所述行车规律数据库。

请继续参阅图1，步骤二S2：在行车过程中，通过车辆GPS信号，获取车辆行驶轨迹，并将所述行驶轨迹与所述预测目的地集合相对应的所有所述预测路线相比对，以判断出行车目的地。

例如所述出发时间位于在时间区间[6:00,8:00]内，在行车过程中，通过车辆GPS信号，记录车辆行驶轨迹，如车辆按照第9次驾驶路线行驶，则可判断出行目的地为B。当车辆行驶轨迹与第9次驾驶路线不同，则将所述行驶轨迹与其他预测目的地对应的预测路线集合进行比对，从而判断出行目的地。在与任意一个预测路线均不匹配的情况下，将所述行驶轨迹进行分段判断，判断车辆是否从其中一个预测路线转至另一个预测路线，如是，按照最新的行驶轨迹所匹配的预测路线来确定目的地。

步骤三S3：在所述行车目的地相对应的所述预测路线集合中，选定出现概率最高的所述预测路线作为预测的行车路径。

在确定所述行车目的地后，根据所述行车规律数据库，获得所述行车目的地相对应的所述预测路线集合，并将出现概率最高的所述预测路线作为预测的行车路径推荐至用户。例如，出发时间为17:00，对应的规律时间区间为[16:00，20:00]。出发地为B，经行驶轨迹比对，用户按照第二次驾驶路线行驶，则确定目的地为A，其中第二次驾驶路线行驶的概率最高，为81.5％。则向用户推荐的预测的行车路径为第二次驾驶路线。

进一步的，获取所述预测的行车路径之后，通过车辆GPS信号，实时获取车辆行驶轨迹，且当所述行驶轨迹偏离所述预测的行车路径时，将所述行驶轨迹与所述行车目的地相对应的所述预测路线集合中所有所述预测路线相对比，筛选出与所述行驶轨迹相匹配的所有所述预测路线，并在相匹配的所有所述预测路线中选定出现概率最高的所述预测路线作为预测的行车路径。即，当行驶轨迹偏离第二次驾驶路线时，将新获取的所述行驶轨迹与第十次的驾驶路线,和第二十二次的驾驶路线相比对，判断车辆是否位于第十次的驾驶路线和/或第二十二次的驾驶路线上，如与第十次的驾驶路线和第二十二次的驾驶路线均匹配，则选定概率最高的第十次的驾驶路线为预测的行车路径推荐至用户。如仅仅与第二十二次的驾驶路线相匹配，则选定第二十二次的驾驶路线为预测的行车路径推荐至用户。

进一步的，当所述行车目的地相对应的所述预测路线集合中没有与所述行驶轨迹相匹配的预测路线时，则重新判断行车目的地，再重复步骤二S2和步骤三S3。

综上所述，本实施例提供的所述行车路径预测方法、规律性判定方法及数据库建立方法。首先对车辆的行车规律性进行判断，如所述车辆具有行车规律性，则根据统计的设定时间段内的行车信息，建立所述车辆的行车规律数据库。再根据所述车辆的出发时间和出发地点，参照所述行车规律数据库实现行车路径的预测。因此，本实施例通过所述行车规律数据库，来获取用户的行车规律以及特定化的行车偏好，从而在无导航的工况下，能够根据用户的出发时间和出发地点，精准预测出用户的行车目的地，并获取相对应的预测路线。相对于现有的预测方式，本发明不但适用范围广，不受行车数据分布限制，数据计算量小，预测精准度高，而且能够符合用户特定的行车偏好，特定性强，实用价值高。例如，可适用于预测性能量管理，尤其是适用于混动汽车，根据预测的行车路径，以及路径中每段路的耗时情况，可以合理分配哪个路段供以电动力，哪个路段供以燃油动力，实现能量的合理分配。

此外，所述方法还有利于车辆用途分析。车辆用途是实现二手车评估、车辆保险、新车推荐等智能化服务的一个重要属性。根据行车规律数据库，可以确定车辆的用途，例如通勤、租赁、滴滴、长途等。车辆不同的用途，在驾驶过程中存在的安全隐患也是不同的，对应的车辆衰退速率也会有出入，而这些不同最终体现在智能化服务的算法参数的设定以及算法的选择上。同时，采用所述方法获取行车规律数据库还可以确定车辆的活动范围。所述活动范围指的是车辆有效的活动区域，这个指标是实现智能化推荐的一个重要参数。可根据车主的“经常活动区域”匹配合适的加油站推荐信息、汽车服务店推荐信息等，以此提高智能化推荐的满意度。

因此，本实施例提供的所述行车路径预测方法、规律性判定方法及数据库建立方法，不但能够实现无导航工况下的路线精准规划，而且其在智能制造领域的使用范围更广，实用价值更高。

此外还应该认识到，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。