一种用户出行信息的推荐方法、系统及汽车与流程

1.本发明涉及用户提供出行路径规划技术领域，特别是涉及一种用户出行信息的推荐方法、系统及汽车。


背景技术：

2.目前一般出行路径诱导的产品需要用户主动输入出行起点及终点，然后进行出行路径规划，未能主动预测用户可能的出行需求并提前推送相关出行信息。一般导航系统需要用户输入明确起点、终点；多数情况下都是单独基于车端或者云端，未与用户行程安排信息打通，导致车辆信息整合性差。


技术实现要素：

3.本发明的目的在于，提出一种用户出行信息的推荐方法、系统及汽车，解决现有方法未能主动预测用户可能的出行需求并提前推送相关出行信息，导致用户体验差的技术问题。
4.一方面，提供一种用户出行信息的推荐方法，应用于车载端、移动端与云端的协同对用户出行信息进行处理，包括：
5.所述云端同步所述移动端或所述车载端最新的出行备忘录；
6.判断最新的出行备忘录内容是否发生变更，若发生变更，则对变更的内容进行文本识别，得到出行终点信息及对应的出行时间信息；并根据所述出行终点信息及对应的出行时间信息生成出行计划；
7.根据所述出行计划的出行时间查询预建的出行路径与时间推荐表确定在所述出行计划的出行时间内是否存在对应的推荐行程，当在所述出行计划的出行时间内存在对应的推荐行程时，判断所述推荐行程的途经点是否包含所述出行计划的出行终点，若包含，则将该推荐行程推送给所述车载端或所述移动端。
8.优选地，所述判断最新的出行备忘录内容是否发生变更具体包括：
9.将最新的出行备忘录与所述云端上一次同步的出行备忘录进行比较，若最新的出行备忘录记录的内容与所述云端上一次同步的出行备忘录记录的内容相同，则判定最新的出行备忘录未发生变更；若最新的出行备忘录记录的内容与所述云端上一次同步的出行备忘录记录的内容不相同，则判定最新的出行备忘录发生变更。
10.优选地，所述预建的出行路径与时间推荐表通过以下步骤获取：
11.所述云端响应于移动端或车载端的授权指令，记录用户所有历史出行起点、历史出行终点、历史出行路径及对应的时间戳；当记录历史出行路径时，按照预设的间隔时间节点记录实时位置作为所述历史出行路径的路径点；
12.将历史出行起点、历史出行终点、历史出行路径进行组合确定多条常用路线及所有常用路线的起始时间和终止时间；
13.根据预设的时间段将所有常用路线进行分组，并根据分组结果计算每个时间段中
每条常用路线的概率值；
14.按概率值由高到低对每个时间段中所有的常用路线进行排序，将排序后的常用路线设置为推荐行程；
15.将常用路线的起始时间、常用路线的终止时间、常用路线的起点、常用路线的终点、常用路线对应的概率值及推荐行程依次排列组成出行路径与时间推荐表。
16.优选地，所述查询预建的出行路径与时间推荐表确定在所述出行计划的出行时间内是否存在对应的推荐行程具体包括：
17.根据所述出行计划的出行时间分别查询所述出行路径与时间推荐表内所有常用路线的起始时间和终止时间，
18.当所述出行计划的出行时间处于一条常用路线的起始时间和终止时间之间时，判定所述出行计划的出行时间内存在对应的推荐行程；将该条常用路线设置为推荐行程。
19.优选地，所述判断所述推荐行程的途经点是否包含所述出行计划的出行终点具体包括：
20.获取所述推荐行程对应的历史出行路径内的所有路径点；
21.将所述出行计划的出行终点与获取的所有路径点分别进行匹配，若所述出行计划的出行终点匹配到任一路径点，则判定所述推荐行程的途经点包含所述出行计划的出行终点；若所述出行计划的出行终点未匹配到任一路径点，则判定所述推荐行程的途经点不包含所述出行计划的出行终点。
22.优选地，还包括：
23.当所述车载端或所述移动端接收到所述云端推送的推荐行程时，展示推荐内容并获取输入的用户指令；
24.当输入的用户指令为确定导航时，根据所述推荐行程生成导航信息并根据导航信息进行导航；
25.当输入的用户指令为编辑时，对所述推荐行程的出行终点或出行路径或出行时间进行导航编辑，根据编辑后的推荐行程进行导航。
26.另一方面，还提供一种用户出行信息的推荐系统，用以实现所述的用户出行信息的推荐方法，包括：
27.云端，用以同步所述移动端或所述车载端最新的出行备忘录；判断最新的出行备忘录内容是否发生变更，若发生变更，则对变更的内容进行文本识别，得到出行终点信息及对应的出行时间信息；并根据所述出行终点信息及对应的出行时间信息生成出行计划；以及，根据所述出行计划的出行时间查询预建的出行路径与时间推荐表确定在所述出行计划的出行时间内是否存在对应的推荐行程，当在所述出行计划的出行时间内存在对应的推荐行程时，判断所述推荐行程的途经点是否包含所述出行计划的出行终点，若包含，则将该推荐行程推送给所述车载端或所述移动端；
28.车载端，用以向所述云端同步最新的出行备忘录；
29.移动端，用以向所述云端同步最新的出行备忘录。
30.优选地，所述云端还用于响应于移动端或车载端的授权指令，记录用户所有历史出行起点、历史出行终点、历史出行路径及对应的时间戳；当记录历史出行路径时，按照预设的间隔时间节点记录实时位置作为所述历史出行路径的路径点；
31.将历史出行起点、历史出行终点、历史出行路径进行组合确定多条常用路线及所有常用路线的起始时间和终止时间；
32.根据预设的时间段将所有常用路线进行分组，并根据分组结果计算每个时间段中每条常用路线的概率值；
33.按概率值由高到低对每个时间段中所有的常用路线进行排序，将排序后的常用路线设置为推荐行程；
34.将常用路线的起始时间、常用路线的终止时间、常用路线的起点、常用路线的终点、常用路线对应的概率值及推荐行程依次排列组成出行路径与时间推荐表。
35.优选地，所述云端还用于根据所述出行计划的出行时间分别查询所述出行路径与时间推荐表内所有常用路线的起始时间和终止时间，
36.当所述出行计划的出行时间处于一条常用路线的起始时间和终止时间之间时，判定所述出行计划的出行时间内存在对应的推荐行程；将该条常用路线设置为推荐行程；
37.获取所述推荐行程对应的历史出行路径内的所有路径点；
38.将所述出行计划的出行终点与获取的所有路径点分别进行匹配，若所述出行计划的出行终点匹配到任一路径点，则判定所述推荐行程的途经点包含所述出行计划的出行终点；若所述出行计划的出行终点未匹配到任一路径点，则判定所述推荐行程的途经点不包含所述出行计划的出行终点。
39.另一方面，还提供一种汽车，通过所述的用户出行信息的推荐系统进行用户出行信息推荐。
40.综上，实施本发明的实施例，具有如下的有益效果：
41.本发明提供的用户出行信息的推荐方法、系统及汽车，基于车云协同，算力要求主要在云端，车端算力要求低；结合用户日程及出行历史，实现用户出行诱导，主动发起出行路径规划，增加用户粘性；通过分析统计用户出行习惯并进行辅助提醒，对用户出行路径进行智能规划及诱导，提升整体出行效率。后期结合车内智能场景推荐系统，可针对出行时间、路径周边生态资源进行整体移动出行运营，还可与第三方生态服务如交通、生活资讯结合，可以实现运营场景订制。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
43.图1为本发明实施例中车载端、移动端与云端的协同示意图。
44.图2为本发明实施例中一种用户出行信息的推荐方法的主流程示意图。
45.图3为本发明实施例中一种用户出行信息的推荐方法的逻辑示意图。
具体实施方式
46.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
47.如图1所示，为本技术提供的车载端、移动端与云端的协同连接关系，包括车联网云平台(云端)，用户移动终端(移动端)一般指手机等移动通信设备，车机系统终端(车端)，第三方生态类系统(云生态)；这种协同关系中，算力要求主要在云端，车端算力要求低。
48.如图2和图3所示，为本发明提供的一种用户出行信息的推荐方法的一个实施例的示意图。在该实施例中，所述方法应用于车载端、移动端与云端的协同对用户出行信息进行处理，包括以下步骤：
49.首先，在云端进行推送处理之前需要进行出行路径与时间推荐表的建立，也就是预建出行路径与时间推荐表，具体地，所述云端获取用户的历史出行数据；其中，所述历史出行数据至少包括起点信息、终点信息及路径信息；也就是，在用户移动终端与车端在用户授权前提下对车辆和用户的历史出行数据进行累计采集，根据这些历史出行数据的分析建立大数据，便于对用户出行习惯进行识别，进而得到常用线路。
50.具体地，获取历史出行数据时，所述云端响应于移动端或车载端的授权指令，记录用户所有历史出行起点、历史出行终点、历史出行路径及对应的时间戳；当记录历史出行起点时，记录着车后的第一个有效位置点；当记录历史出行终点时，记录停车前的最后一个有效位置点；当记录历史出行路径时，按照预设的间隔时间节点记录实时位置，这些数据的采集主要在车载端，但是最终处理和存储的位置在云端。
51.再具体地，所述云端对用户历史出行数据中的轨迹点进行聚类，得到多条常用路线；计算每条常用路线在时间分布上的概率并进行排序，得到用户出行路径与时间推荐表；并向所述车载端和所述移动端发送所述用户出行路径与时间推荐表；也就是，云端对用户历史行程轨迹点进行聚类分析，得到各条以n元组描述的路线，如路线sn：起点poi，p1，p2……
pn，终点poi，其中，pn是聚类分析后主要的poi，主要用于区别其他路线。云端计算每个用户常用路线在时间分布上的概率并进行排序，把各时间段内概率最高的起点、终点及路线构成形如下面的架构化表格“用户出行路径-时间推荐表”。进行聚类得到多条常用路线时，根据所述历史出行数据确定多个起点、多个终点及多个路径点；将任一起点、任一终点以及该起点与该终点之间的多个路径点组成一条常用路线；并将多个起点、多个终点及对应的多个路径点组成多条常用路线；其中，聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性，聚类分析的目标就是在相似的基础上收集数据来分类。根据获取的时间戳确定所有常用路线的起始时间和终止时间；根据预设的时间段将所有常用路线进行分组，并根据分组结果计算每个时间段中每条常用路线的概率值；按概率值由高到低对每个时间段中所有的常用路线进行排序，将排序后的常用路线设置为推荐行程。具体地，将常用路线的起始时间、常用路线的终止时间、常用路线的起点、常用路线的终点、常用路线对应的概率值及推荐行程依次排列组成用户出行路径与时间推荐表，如下表：
52.星期起始时间终止时间核心起点核心终点概率备选路线mon0:001:59位置坐标位置坐标n％(s1
……
sn)
…………………………ꢀ……
sun22:0023:59位置坐标位置坐标n％(s1
……
sn)
53.其中，第一列为星期(1～7),第二、三列为时间段，间隔为2小时，第四、五列为步骤2中通过聚类算法分析出来的起点及终点位置坐标，第六列为出现概率，第七列为备选路线
集合，每条s(常用路线)是一条路径主要poi坐标集合。
54.云端会通过ota功能刷新存储在各车端与用户移动终端的“用户出行路径-时间推荐表”，之后，车端或用户移动终端(可用户设置优先级)根据“用户出行路径-时间推荐表”在指定时间内触发系统内导航、交通等第三方生态类系统对备选路径进行实时路径路况查询。
55.在出行路径与时间推荐表预建完成后，就可以对用户(车载端、移动端)进行出行信息推荐，具体过程为：
56.所述云端同步所述移动端或所述车载端最新的出行备忘录；
57.判断最新的出行备忘录内容是否发生变更，若发生变更，则对变更的内容进行文本识别，得到出行终点信息及对应的出行时间信息；并根据所述出行终点信息及对应的出行时间信息生成出行计划；也就是，若用户移动终端授权获取的工作备忘录出行信息且该出行安排行程在推荐行程时间内，可以通过“位置信息poi提取识别”算法匹配出备忘录中的安排出行目的地poi。经与用户交互确认后可在推荐行程生成时会把该poi增设为途经点来规划整体行程。
58.具体实施例中，将最新的出行备忘录与所述云端上一次同步的出行备忘录进行比较，若最新的出行备忘录记录的内容与所述云端上一次同步的出行备忘录记录的内容相同，则判定最新的出行备忘录未发生变更；若最新的出行备忘录记录的内容与所述云端上一次同步的出行备忘录记录的内容不相同，则判定最新的出行备忘录发生变更；当最新的出行备忘录发生变更时，可以通过预设的自然语言理解算法提取备忘录中出行目的地及出行时间，实现原理为：基于注意力的递归神经网络模型用于联合意图检测和插槽填充(natural language understanding，简称nlu)自然语言理解(natural language understanding,nlu)是所有支持机器理解文本内容的方法模型或任务的总称。nlu在文本信息处理处理系统中扮演着非常重要的角色，是推荐、问答、搜索等系统的必备模块；工作过程大致是，通过话筒采集我的声音；然后使用语音处理系统将语音转换为文字；接着基于ner、句法分析、意图识别、语义槽填充等等环节，正确理解文字内容；最后，基于理解的文字内容，挑选或生成合适的答案，反馈回去。具体地，在同步之前需要用户的授权同意指令，即用户需授权同意开通将备忘录等相关信息上传云端。识别同步的备忘录数据中发生变更的文本信息，云端识别用户移动终端或车端同步过来的备忘录信息发生变更，利用nlu技术对变更文本消息进行意图分析和识别。根据意图分析结果确定出行时间及出行终点，根据确定的出行时间及出行终点。
59.进一步的，根据所述出行计划的出行时间查询预建的出行路径与时间推荐表确定在所述出行计划的出行时间内是否存在对应的推荐行程，当在所述出行计划的出行时间内存在对应的推荐行程时，判断所述推荐行程的途经点是否包含所述出行计划的出行终点，若包含，则将该推荐行程推送给所述车载端或所述移动端。
60.具体实施例中，根据所述出行计划的出行时间分别查询所述出行路径与时间推荐表内所有常用路线的起始时间和终止时间，当所述出行计划的出行时间处于一条常用路线的起始时间和终止时间之间时，判定所述出行计划的出行时间内存在对应的推荐行程；将该条常用路线设置为推荐行程。进而，获取所述推荐行程对应的历史出行路径内的所有路径点；将所述出行计划的出行终点与获取的所有路径点分别进行匹配，若所述出行计划的
出行终点匹配到任一路径点，则判定所述推荐行程的途经点包含所述出行计划的出行终点；若所述出行计划的出行终点未匹配到任一路径点，则判定所述推荐行程的途经点不包含所述出行计划的出行终点。当确定后，云端根据文本意图识别的业务场景，生成智能卡片，识别并完成至少包含时间、终点两个槽填充。例如，识别到用户备忘录新增信息：“x年x月x日x点x分到xxx参加xxxxx会议”，云端通过nlu算法生成一张卡片，记录形如“时间：x年x月x日x点x分，目的地：xxxxx”，让用户编辑并确认。
61.进一步的，当所述车载端或所述移动端接收到所述云端推送的推荐行程时，展示推荐内容并获取输入的用户指令；当输入的用户指令为确定导航时，根据所述推荐行程生成导航信息并根据导航信息进行导航；当输入的用户指令为编辑时，对所述推荐行程的出行终点或出行路径或出行时间进行导航编辑，根据编辑后的推荐行程进行导航，也就是，把实时路况信息与推荐路线在用户移动终端与车端进行推送，用户可一键启动车端的导航功能。如上述步骤，把填写完成的智能卡片以弹窗或语音等交互方式展示给用户，征询用户是否同意该信息的识别结果与是否增设为途经点。用户可对该识别结果进行手动编辑，云端根据用户编辑结果自动调整和训练云端算法模型，形成human-in-the-loop的有监控学习。
62.本发明还提供的一种用户出行信息的推荐系统，在该实施例中，所述系统用以实现所述的用户出行信息的推荐方法，包括：云端，用以同步所述移动端或所述车载端最新的出行备忘录；判断最新的出行备忘录内容是否发生变更，若发生变更，则对变更的内容进行文本识别，得到出行终点信息及对应的出行时间信息；并根据所述出行终点信息及对应的出行时间信息生成出行计划；以及，根据所述出行计划的出行时间查询预建的出行路径与时间推荐表确定在所述出行计划的出行时间内是否存在对应的推荐行程，当在所述出行计划的出行时间内存在对应的推荐行程时，判断所述推荐行程的途经点是否包含所述出行计划的出行终点，若包含，则将该推荐行程推送给所述车载端或所述移动端；
63.具体实施例中，所述云端还用于响应于移动端或车载端的授权指令，记录用户所有历史出行起点、历史出行终点、历史出行路径及对应的时间戳；当记录历史出行路径时，按照预设的间隔时间节点记录实时位置作为所述历史出行路径的路径点；
64.将历史出行起点、历史出行终点、历史出行路径进行组合确定多条常用路线及所有常用路线的起始时间和终止时间；
65.根据预设的时间段将所有常用路线进行分组，并根据分组结果计算每个时间段中每条常用路线的概率值；
66.按概率值由高到低对每个时间段中所有的常用路线进行排序，将排序后的常用路线设置为推荐行程；
67.将常用路线的起始时间、常用路线的终止时间、常用路线的起点、常用路线的终点、常用路线对应的概率值及推荐行程依次排列组成出行路径与时间推荐表。
68.具体地，所述云端还用于根据所述出行计划的出行时间分别查询所述出行路径与时间推荐表内所有常用路线的起始时间和终止时间，
69.当所述出行计划的出行时间处于一条常用路线的起始时间和终止时间之间时，判定所述出行计划的出行时间内存在对应的推荐行程；将该条常用路线设置为推荐行程；
70.获取所述推荐行程对应的历史出行路径内的所有路径点；
71.将所述出行计划的出行终点与获取的所有路径点分别进行匹配，若所述出行计划
的出行终点匹配到任一路径点，则判定所述推荐行程的途经点包含所述出行计划的出行终点；若所述出行计划的出行终点未匹配到任一路径点，则判定所述推荐行程的途经点不包含所述出行计划的出行终点。
72.车载端，用以向所述云端同步最新的出行备忘录；
73.移动端，用以向所述云端同步最新的出行备忘录。
74.本发明还提供的一种汽车，通过所述的用户出行信息的推荐系统进行用户出行信息推荐。
75.关于所述用户出行信息的推荐系统、所述汽车的具体实施过程，可参考上述的所述用户出行信息的推荐方法的具体过程，在此不再赘述。
76.综上，实施本发明的实施例，具有如下的有益效果：
77.本发明提供的用户出行信息的推荐方法、系统及汽车，基于车云协同，算力要求主要在云端，车端算力要求低；结合用户日程及出行历史，实现用户出行诱导，主动发起出行路径规划，增加用户粘性；通过分析统计用户出行习惯并进行辅助提醒，对用户出行路径进行智能规划及诱导，提升整体出行效率。后期结合车内智能场景推荐系统，可针对出行时间、路径周边生态资源进行整体移动出行运营，还可与第三方生态服务如交通、生活资讯结合，可以实现运营场景订制。
78.以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。