一种个性化联运导航方法和系统与流程

测量装置的制造及其应用技术1.本发明涉及道路交通领域，更具体地，涉及一种个性化联运导航方法和系统。背景技术：2.近年来，随着导航技术的发展，存在各种各样的导航系统供用户车辆使用，目前导航系统可以根据用户对路线起点和终点的设置以及用户所设置的导航策略(例如，“高速优先”、“距离最短”或“避免收费”等)来确定为用户提供的导航路径。导航系统还可以根据所计算出的路径中的红绿灯个数、限速等信息来为用户提供优化的路径推荐。然而，导航系统针对同一服务需求得到的搜索结果和规划路线是相同的，其在为用户提供路径规划时并未考虑用户的个性化因素，例如，用户偏好、当前实时路况信息(诸如车流量、拥堵状况等)和天气状况等。3.此外，目前的导航系统只能够针对不同类型的交通方式分别给出建议，例如导航系统可以分别给出开车的几种建议路线、乘坐公共交通的几种建议路线、或者步行、骑行等建议路线，但不会综合考虑这几种方式并给出最适合用户的建议。而且，目前的导航系统仅针对用户个人对路线起点和终点的设置来进行路线规划，并未从系统最优的角度针对整个交通系统网络来进行路线规划。4.另外，目前兴建了许多停车换乘(p+r)停车场，通过将私家车和公共交通系统接驳的方式来使得人们在出行时有更多的选择(例如，停在地铁站附近的停车场并且搭乘公共交通来更快地抵达目的地)，而目前存在的导航系统无法根据个人需求来提供联运路线解决方案(即，停车换乘(p+r)的解决方案)。5.因此，希望能够提供一种改进的个性化导航系统，以便能够根据用户画像和当前实时变化的路况来提供个性化的全局最优的路线规划，并且同时考虑联运路线策略。技术实现要素：6.提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。7.根据本发明的一个方面，提供了一种个性化导航方法，所述方法包括：8.从用户接收关于路径规划的用户请求，其中所述用户请求包括路径起点、路径终点和出发时间；9.响应于所述用户请求，对所述用户的个性化参数进行评分以得到各参数的相应权重，其中所述个性化参数包括个人偏好参数和行车上下文参数；10.针对整个交通系统网络进行仿真以得到从所述路径起点到所述路径终点的原始规划路径，其中所述规划路径包括出行模式、出行路线和出发时间；以及11.基于所得到的各参数的相应权重来对所述原始规划路径进行调整以向所述用户推荐最优规划路径。12.根据本发明的一个实施例，所述个人偏好参数包括车辆依赖性、成本高效性和时间高效性中的一者或多者。13.根据本发明的进一步实施例，所述行车上下文参数包括路况、天气状况、路网类型和交通密度中的一者或多者。14.根据本发明的进一步实施例，所述对所述用户的个性化参数进行评分以得到各参数的相应权重进一步包括：15.通过统计和分析所述用户的历史出行信息来对所述用户的个性化参数进行评分以得到相应的权重。16.根据本发明的进一步实施例，所述出行模式包括仅驾车出行的模式或停车换乘公共交通p+r的模式。17.根据本发明的进一步实施例，所述基于所得到的各参数的相应权重来对所述原始规划路径进行调整进一步包括：18.基于较高权重所对应的参数来对所述原始规划路径进行调整，其中所述权重越高，所述权重所对应的参数对所述用户的最优规划路径的影响越大。19.根据本发明的进一步实施例，该方法进一步包括：向所述用户指示所述最优规划路径的预计旅行时间和路况信息。20.根据本发明的进一步实施例，该方法进一步包括：在向所述用户推荐停车换乘的路线时，向所述用户指示停车换乘点附近的车站和时刻表以更方便所述用户停车换乘。21.根据本发明的另一方面，提供了一种个性化导航系统，所述系统包括：22.出行服务平台，所述出行服务平台被配置成从用户接收关于路径规划的用户请求，其中所述用户请求包括路径起点、路径终点和出发时间；23.评分模块，所述评分模块被配置成响应于所述用户请求，对所述用户的个性化参数进行评分以得到各参数的相应权重，其中所述个性化参数包括个人偏好参数和行车上下文参数；24.仿真模块，所述仿真模块被配置成针对整个交通系统网络进行仿真以得到从所述路径起点到所述路径终点的原始规划路径，其中所述规划路径包括出行模式、出行路线和出发时间；以及25.推荐模块，所述推荐模块被配置成基于所得到的各参数的相应权重来对所述原始规划路径进行调整以经由所述出行服务平台来向所述用户推荐最优规划路径。26.根据本发明的一个实施例，所述个人偏好参数包括车辆依赖性、成本高效性和时间高效性中的一者或多者。27.根据本发明的进一步实施例，所述行车上下文参数包括路况、天气状况、路网类型和交通密度中的一者或多者。28.根据本发明的进一步实施例，所述对所述用户的个性化参数进行评分以得到各参数的相应权重进一步包括：29.通过统计和分析所述用户的历史出行信息来对所述用户的个性化参数进行评分以得到相应的权重。30.根据本发明的进一步实施例，所述出行模式包括仅驾车出行的模式或停车换乘公共交通p+r的模式。31.根据本发明的进一步实施例，所述基于所得到的各参数的相应权重来对所述原始规划路径进行调整进一步包括：32.基于较高权重所对应的参数来对所述原始规划路径进行调整，其中所述权重越高，所述权重所对应的参数对所述用户的最优规划路径的影响越大。33.根据本发明的进一步实施例，所述推荐模块被进一步配置成：在向所述用户推荐停车换乘的路线时，向所述用户指示停车换乘点附近的车站和时刻表以更方便所述用户停车换乘。34.针对现有技术中存在的问题，本发明提供了一种个性化联运导航方法和系统，该方法和系统至少具有以下优点：35.1、为每个用户创建用户画像，针对同一个服务需求，不同的用户将由于不同的用户偏好而得到不同的搜索结果和不同的规划路线，另外通过从系统最优的角度针对整个交通系统网络进行仿真来实现全局最优的导航路线规划；以及36.2、在可以通过其他的交通方式来更快地抵达目的地的情况下，利用maas(出行即服务)平台所整合的公交、地铁、步行、骑车等全品类的交通服务，根据用户的个性化需求来为用户提供联运路线解决方案(p+r)，从而使用户的出行更舒适和快捷。37.通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。附图说明38.为了能详细地理解本发明的上述特征所用的方式，可以参照各实施例来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中示出。然而应该注意，附图仅示出了本发明的某些典型方面，故不应被认为限定其范围，因为该描述可以允许有其它等同有效的方面。39.图1是根据本发明的一个实施例的个性化联运导航系统的架构示意图。40.图2是根据本发明的一个实施例的个性化联运导航方法的示意流程图。具体实施方式41.下面结合附图详细描述本发明，本发明的特点将在以下的具体描述中得到进一步的显现。42.图1是根据本发明的一个实施例的个性化联运导航系统100的架构示意图。如图1所示，个性化联运导航系统100可至少包括出行服务平台101、数据采集模块102、数据处理模块103、预测模块104、仿真模块105、评分模块105和推荐模块107。该系统可被实现在移动终端(例如，以小程序的方式)或车端。43.出行服务平台101可从用户接收关于路径规划的用户请求信息，其中该用户请求信息包括路径起点、路径终点和出发时间。响应于来自用户的导航请求，数据采集模块102可进行实时数据采集和离线数据采集，其中实时数据可包括指示实时交通状况的数据(例如，实时车流量、拥堵路段等)，离线数据可包括诸如离线地图之类的存储在数据库中的数据。数据处理模块103可基于路网场景、交通场景和需求场景来对所采集的实时和离线数据进行处理以得到所规划的多条导航路线。预测模块104可对所规划的多条导航路线进行交通预测(例如，路况预测、车流量预测等)、旅行时间预测、起终点(od)需求预测等。在一些情形中，预测模块104可基于深度学习的方法来建立预测模型以对导航路线的交通状况进行预测，从而为用户提供诸如“时间最短”、“最少拥堵”之类的路线选择。44.本发明在此基础上增加了评分模块105、仿真模块106和推荐模块107以使得能够通过从系统最优的角度针对整个交通系统网络进行仿真并且结合用户画像来实现全局最优的路线推荐。45.评分模块105可记录用户的个性化参数并且对各参数进行评分以得出相应权重，其中该个性化参数包括个人偏好参数和行车上下文参数。个人偏好参数被用于标识驾驶员的个人偏好，包括但不限于车辆依赖性、成本高效性和时间高效性。车辆依赖性是指用户对驾车出行的依赖程度，其中用户的车辆依赖性越高，越不倾向于选择停车换乘(p+r)的出行模式。成本高效性是指用户倾向于选择出行成本较低的出行方式(例如，路过高速收费站较少等)。时间高效性是指用户倾向于选择出行时间较短的出行方式(例如，选择拥堵较少的路线)。行车上下文参数被用于传达与周围环境有关的信息，包括但不限于路况、天气状况、路网类型和交通密度。进一步地，评分模块105可通过统计和分析各用户的历史出行信息来对各用户的个性化参数进行评分以得到相应的权重。46.作为一个示例，下表1示出了分别针对bmw车主和非bmw车主统计得出的各参数的权重。[0047] bmw车主非bmw车主车辆依赖性6.60.2时间高效性0.150.25成本高效性0.150.25路况0.050.15天气状况0.050.15[0048]表1：针对bmw车主和非bmw车主的各参数的权重[0049]如表1中可见，bmw车主的车辆依赖性的权重为6.6，而时间高效性、成本高效性、路况和天气状况的权重较低，分别为0.15、0.15、0.05和0.05。作为对比，非bmw车主的车辆依赖性的权重仅为0.2，而时间高效性、成本高效性、路况和天气状况的权重与bmw车主相比较高，分别为0.25、0.25、0.15和0.15。由此可见，bmw车主更倾向于选择仅驾车出行的出行模式，而不太关注路况、天气状况对出行的影响，而非bmw车主更倾向于选择出行时间较短且出行成本较低的出行模式，例如，在早晚高峰期间，停车换乘公共交通的解决方案更具时间高效性和成本高效性，因此非bmw车主更倾向于例如选择将车停在地铁口的停车场并且换乘地铁等公共交通。在如上所述的情形中，在为bmw车主推荐个性化导航路线时，仅驾车出行的出行模式和出行路线是更合适的，而在为非bmw车主推荐个性化导航路线时，出行时间较短且出行成本较低的出行模式和出行路线是更合适的。[0050]仿真模块106可针对整个交通系统网络进行仿真，从系统最优的角度模拟从路径起点到路径终点的路线规划结果。作为一个示例，可以从出行服务平台获取40万用户的路径起点和终点并且进行集中路由的仿真，从而可以为用户提供全局最优的导航路线规划。[0051]推荐模块107基于从评分模块105获取的各参数的相应权重以及通过仿真模块106得到的仿真结果来向用户推荐合适的出行模式、合适的路线和合适的出发时间，其中出行模式可例如包括仅驾车出行和停车换乘的模式。由此，针对同一用户导航需求(即，相同的路径起点、路径终点和出发时间)，可以通过针对整个交通系统网络进行仿真，并且基于用户的个性化特征来对仿真结果进行修正来为每个用户推荐不同的个性化导航路线以实现全局最优的导航路线规划。另外，在向用户推荐联运路线(即，驾车+公共交通的路线)时，推荐模块107可经由出行服务平台101向用户指示车站和时刻表以更方便用户停车换乘。[0052]图2是根据本发明的一个实施例的个性化联运导航方法200的示意流程图。方法200开始于步骤201，出行服务平台101接收关于路径规划的用户请求，其中该用户请求包括路径起点、路径终点和出发时间。[0053]在步骤202，评分模块105响应于该用户请求，对该用户的个性化参数进行评分以得出各参数的相应权重，其中该个性化参数包括个人偏好参数和行车上下文参数。参数的权重越高，则该参数对用户的个性化导航路线的影响越大。作为一个示例，针对用户a的车辆依赖性的权重较高而时间高效性和成本高效性的权重较低，则即使在例如早晚高峰期间路况比较拥堵的情况下，用户a也不太可能选择停车换乘的出行模式。作为另一示例，针对用户b的车辆依赖性的权重较低而时间高效性和成本高效性的权重较高，则在路况比较拥堵的情况下，用户b更有可能由于出行花费较低且出行时间较短而选择停车换乘的出行模式。[0054]在步骤203，仿真模块106针对整个交通系统网络进行仿真以得到从路径起点到路径终点的原始规划路径，其中该规划路径包括关于出行模式、出行路线和出发时间的信息，出行模式可例如包括仅驾车出行和停车换乘的模式。由于该仿真过程是针对整个交通系统网络进行的，因此可以从系统最优的角度得到全局最优的路径规划。[0055]在步骤204，推荐模块107基于从评分模块105获取的用户的各个性化参数的相应权重来对从仿真模块106获取的原始规划路径进行调整以向用户推荐最优规划路径，其中该最优规划路径包括最优出行模式、最优出行路线和最优出发时间。另外，在向用户推荐停车换乘的导航路线时，推荐模块107可向用户指示车站和时刻表以更方便用户进行停车换乘。推荐模块107还可向用户指示该最优规划路径的预计旅行时间、预计拥堵路段等。[0056]在一个场景中，在接收到用户的导航请求(例如，在早上7点从家里到公司)之后，该个性化导航系统可获取针对整个交通系统网络的仿真结果以得到原始规划路径，并且基于用户的个性化特征(例如，用户对驾车出行的依赖性较低但更关注出行开销和出行时间以花费较少且避免迟到)来对该原始规划路径进行调整以向用户推荐合适的出行模式(例如，停车换乘)、合适的出行路线(例如，到收费较少的停车换乘点停车换乘公共交通)、以及合适的出发时间(例如，考虑到早晚高峰时间段而推荐错峰出行)。[0057]以上所已经描述的内容包括所要求保护主题的各方面的示例。当然，出于描绘所要求保护主题的目的而描述每一个可以想到的组件或方法的组合是不可能的，但本领域内的普通技术人员应该认识到，所要求保护主题的许多进一步的组合和排列都是可能的。从而，所公开的主题旨在涵盖落入所附权利要求书的精神和范围内的所有这样的变更、修改和变化。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!