一種延時路徑規(guī)劃的方法和系統(tǒng)的制作方法

文檔序號：6169560閱讀：249來源：國知局

一種延時路徑規(guī)劃的方法和系統(tǒng)的制作方法
【專利摘要】本申請?zhí)峁┝艘环N延時路徑規(guī)劃的方法和系統(tǒng)，涉及智能交通技術。所述方法包括：實時獲取各客戶端記錄的個性化信息；將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。本申請數據樣本量大、數據范圍廣泛、及時，能減少預測結果的偏差，能更全面、更準確及時的給用戶預測未來一定時間段內路況良好的行駛路段，提高了路徑預測和調整的準確度。
【專利說明】一種延時路徑規(guī)劃的方法和系統(tǒng)

【技術領域】
[0001] 本申請涉及智能交通【技術領域】，特別是涉及一種延時路徑規(guī)劃的方法和系統(tǒng)。

【背景技術】
[0002] 道路的路徑導航是GPS【技術領域】中的一種典型應用，目前已經開始被廣泛應用。在現有技術中，路徑規(guī)劃往往基于路網拓撲關系，考慮路網的相關道路基本屬性，比如道路的等級、車道數、十字路口數量、紅綠燈的數量等基本屬性，利用拓撲算法給出起點和終點之間的總距離最短或總耗時最短等路徑方案。
[0003] 現有技術中大致存在兩種導航方式：
[0004] 1.基于道路基礎屬性的車輛導航：根據道路的基礎屬性來為用戶選擇最優(yōu)的駕駛路線，考慮到每條道路的限速和長度得到最快的路線。該方案只考慮了道路的基礎屬性，而沒有考慮這些基礎屬性的適應性，一旦某路段嚴重堵車，則計算得到的通行時間并沒有意義。
[0005] 2.基于路況的車輛導航：在考慮道路基礎屬性的基礎上，再加入根據路況歷史所推測的路況，來幫助用戶選擇最優(yōu)的駕駛路線。利用歷史上公路一些車輛中的GPS的流動速度或從第三方采集到的歷史交通流量數據來判斷當前時間下這個路段的通暢情況。如果歷史上當前路段的車輛速度普遍較高，則當前時刻的路況視為通暢，如果歷史上當前路段的車輛速度普遍較低，則當前時刻的路況視為擁堵。將各路段交通流量設定不同的權值，根據當前車輛的移動速度和各路段的交通流量計算從車輛的當前位置到目的地的總代價，從而進行路徑規(guī)劃，并將代價最低，即時間花費最少的路徑返回給當前車輛。
[0006] 但是該方案只考慮了歷史路況，但實際上路況并非固定不變的，而是實時變化的，特別是對于一些長距離的路段，常常會遇到當前通暢但開到的時候又變成擁堵了。該方案的數據信息稀疏且范圍有限：只有很少量的出租、公交裝載了速度記錄儀，所以得到的歷史數據只對主干道有效，作用范圍有限，而且所有樣本并非均勻分布在所有的汽車中，歷史數據中樣本不夠均勻，也可能會導致結果不夠準確。另外，僅僅通過道路的歷史通行狀況來預測未來路況，信息不夠充分，特別是對于規(guī)律性不強的路況變化無法準確預測。由于在進行路徑規(guī)劃時所依據的各路段的路況將在當前車輛的行駛過程中不斷變化，在當前車輛行駛到之前進行路徑規(guī)劃的某一路段時，該路段的路況很可能由好變差，使用戶很可能行駛在預測時路況好、但實際已變得擁堵的道路上，反而增加了行駛時間。

【發(fā)明內容】

[0007] 本申請?zhí)峁┝艘环N延時路徑規(guī)劃的方法和系統(tǒng)，能夠更全面、更準確的對預測通暢的行駛路徑。
[0008] 為了解決上述問題，本申請公開了一種延時路徑規(guī)劃的方法，包括：
[0009] 實時獲取各客戶端記錄的個性化信息；
[0010] 將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；
[0011] 根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；
[0012]當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
[0013] 優(yōu)選的，所述個性化信息包括客戶端記錄的文本信息；
[0014] 進一步的，所述將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息包括：
[0015] 針對所述文本信息進行語義分析，獲得語義表達式；
[0016] 從所述語義表達式中提取出發(fā)時間及對應的地點信息；
[0017] 根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
[0018] 優(yōu)選的，所述獲得對應每個客戶端的移動預判信息包括：
[0019] 統(tǒng)計路網中全體車輛的行駛記錄，查找與所述地點信息的共線頻率大于閾值的關鍵地點，并整合各關鍵地點得到待定路徑，并提取所述待定路徑對應的移動預判信息。
[0020] 優(yōu)選的，所述移動預判信息包括待定路徑、行駛于所述待定路徑的概率和出發(fā)時間三個屬性。
[0021] 優(yōu)選的，根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息包括：
[0022] 針對路網中每條待定路徑的各個連續(xù)路段，以所述出發(fā)時間為起始時間，根據每個路段的限速，計算每個客戶端在每個路段時所處的時間段；
[0023] 以路段為單位，根據每個用戶行駛于所述待定路徑的概率和在每個路段時所處的時間段，標記每個用戶在各時間段中在對應路段的概率；
[0024] 根據每個用戶的在各時間段中在對應路段的概率，統(tǒng)計各時間段內各路段的路況信息。
[0025] 優(yōu)選的，還包括：
[0026] 提取各客戶端實時的基礎移動信息；
[0027] 進一步的，在根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息之前，還包括：
[0028] 根據所述基礎移動信息校正所述移動預判信息。
[0029] 優(yōu)選的，根據所述基礎移動信息校正所述移動預判信息包括：
[0030] 采用決策樹根據每個客戶端的基礎移動信息對獲得的移動預判信息進行校正；所述基礎移動信息包括客戶端的實時位置、移動軌跡和速度。
[0031] 優(yōu)選的，所述依據不斷預測得到的所述路況信息實時調整所述初始路徑時包括：
[0032] 根據每個客戶端的實時位置、移動軌跡和速度，預測每個客戶端在未來小段時間內所處的路段概率；
[0033] 以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的路況信息；
[0034] 根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。
[0035] 本申請還公開了一種延時路徑規(guī)劃的系統(tǒng)，包括：
[0036] 個性化信息提取模塊，用于實時獲取各客戶端記錄的個性化信息；
[0037] 預判信息獲取模塊，用于將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；
[0038] 路況信息預測模塊，用于根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；
[0039] 路徑規(guī)劃模塊，用于當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
[0040] 優(yōu)選的，還包括：
[0041] 基礎移動信息提取模塊，用于提取各客戶端實時的基礎移動信息；
[0042] 進一步的，在路況信息預測模塊，之前，還包括：
[0043] 校正模塊，用于根據所述基礎移動信息校正所述移動預判信息。
[0044] 優(yōu)選的，所述個性化信息包括對應客戶端的文本信息；
[0045] 進一步的，所述預判信息獲取模塊包括：
[0046] 語義分析單元，用于針對所述文本信息進行語義分析，獲得語義表達式；
[0047] 移動信息提取單元，用于從所述語義表達式中提取出發(fā)時間及對應的地點信息；
[0048] 預判信息獲取單元，用于根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
[0049] 與現有技術相比，本申請包括以下優(yōu)點：
[0050] 首先，本申請獲取對應各客戶端的個性化信息，比如短信、郵件、日程等信息，然后將這些個性化信息轉化為語義信息，再從語義信息中提取用戶的移動預判信息（比如用戶將在時刻A，要從Μ地點行駛至N地點），再根據移動預判信息預測在各時間段中各路段的路況信息。如此，通過分析全體客戶端的個性化信息，可先獲得各客戶端的預計行駛行為，其數據樣本量大，并且數據樣本隨時根據實時獲取到的個性化信息進行更新，數據范圍廣泛、及時，能減少預測結果的偏差。
[0051] 其次，在上述路況信息的基礎之上，針對當前客戶端規(guī)劃初始路徑，并在用戶行駛過程中依據預測得到的上述路況信息調整初始路徑中各路段，可基于前述由廣泛、相對客觀的用戶出行行為預測得到的路況信息的基礎上，更全面、更準確及時的給用戶預測未來一定時間段內路況良好的行駛路段。
[0052] 再次，本申請還提取全體客戶端的基礎移動信息，比如客戶端當前位置、歷史軌跡和速度等信息，對提取的移動預判信息進行校正，提高了由分析用戶個性化信息得到的移動預判信息的準確度，進一步提高了得到的各時間段中各路段的路況信息的準確度，從而提高了針對當前需要進行路徑規(guī)劃的客戶端的進行最優(yōu)路徑預測和調整的準確度。

【專利附圖】

【附圖說明】
[0053] 圖1是申請實施例一的一種延時路徑規(guī)劃的方法的流程示意圖；
[0054] 圖2是申請實施例二的一種延時路徑規(guī)劃的方法的流程示意圖；
[0055] 圖3和圖4是本申請具體規(guī)劃的一個示例；
[0056] 圖5是本申請實施例三的一種延時路徑規(guī)劃的系統(tǒng)的結構示意圖；
[0057] 圖6是本申請實施例四的一種延時路徑規(guī)劃的系統(tǒng)的結構示意圖。

【具體實施方式】
[0058] 為使本申請的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖和具體實施方式對本申請作進一步詳細的說明。
[0059] 在本申請實施例中，不斷實時提取用對應全體客戶端記錄的個性化信息等數據，然后針對個性化信息進行語義分析，再從語義分析結果從提取對應每個用戶的移動預判信息，該移動預判信息隨著時間的變化和用戶個性化信息的變化可不斷更新，從而可以不斷根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；當前客戶端依據當前時刻的路況信息規(guī)劃從當前位置到目的地之間的初始路徑，在行駛過程中依據不斷預測得到的路況信息實時調整該初始路徑，直到當前客戶端到達目的地?？苫诟娴臄祿?樣本，更準確的針對用戶進行路徑規(guī)劃，特別是針對路況規(guī)律性不強的路段，規(guī)劃的準確性更高。
[0060] 實施例一
[0061] 參照圖1，示出了本申請實施例一的一種延時路徑規(guī)劃的方法的流程示意圖。
[0062] 本申請實施例中實際上包括兩個方面：
[0063] 其一，不斷實時獲取對應的各客戶端的個性化信息進行分析，以預測客戶端對應的行車軌跡和行車時間，然后根據每輛車的行車軌跡和行車時間預測各路段在各時間段內的路況信息（擁堵位置和擁堵程度等）；
[0064] 其二，在預測得到的路況信息的基礎上，針對當前客戶端，規(guī)劃從當前位置至目的地的初始路徑，在當前客戶端的行駛過程中，根據不斷變化的、預測得到的路況信息調整初始路徑，直至客戶端到達目的地。
[0065] 具體的，本實施例中所述延時路徑規(guī)劃的方法包括：
[0066] 步驟110,實時獲取各客戶端記錄的個性化信息；
[0067] 在本申請實施例中，所述個性化信息包括用戶的短信、郵件、日程等信息。比如，通過在用戶的手機中提取記錄來收集用戶手機上的文本信息，包括但不限于用戶的短信，郵件，日程等。本申請實施例中，則可以實時采集各客戶端記錄的上述個性化信息，將其加入待分析的數據源中，以繼續(xù)進行后續(xù)的分析。
[0068] 步驟120,將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；
[0069] 對于前述采集得到的各客戶端記錄的個性化信息，比如短信、郵件、日程等文本信息，本步驟可對上述文本信息進行語義分析，轉化為語義信息，然后再從語義信息中提取出用戶出發(fā)時刻對應的地點信息（比如出發(fā)點、目的地等地點信息），并根據出發(fā)時刻對應的地點信息，結合路徑推理模板進行分析，獲得每個客戶端的未來時段的移動預判信息。
[0070] 優(yōu)選的，所述移動預判信息包括路徑、行駛于所述路徑的概率和出發(fā)時間三個屬性。
[0071] 優(yōu)選的，所述個性化信息包括對應客戶端的文本信息；
[0072] 個性化信息可包括比如客戶端存儲的短信、郵件、日程等信息，還可包括其他文本信息。本申請對此不作限制。
[0073] 另外，本申請的個性化信息還可為語音信息，當個性化信息為語音信息時，還包括將所述語音信息轉化為文本信息。
[0074] 進一步的，將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息包括：
[0075] 步驟S121，針對所述文本信息進行語義分析，獲得語義表達式；
[0076] 本申請可解析所述文本信息，并標注解析所述文本信息所得各詞對應的屬性； [0077]為了解析文本信息的語義，本申請首先會解析和標注所述文本信息中各詞的屬性。比如，日程中記錄有"我明天上午10:00要去清華大學開會"的文本，可標注為"[我人物][日期I明天上午10:00][要去I動詞][清華大學I地點][開會I事務]"。
[0078] 其中，解析文本信息，并標注解析所述文本信息所得各詞對應的屬性可包括：
[0079] 步驟A111，利用停用詞表去除所述文本信息中的停用詞；
[0080] 本步驟利用預存的停用詞表去除停用詞：去除無意義的詞，比如"的"，"啦"，"啊" 等無異議的詞或字。
[0081] 步驟A112,利用知識類詞表標注所述文本信息中的知識類詞；
[0082] 即利用預存的知識類詞進行標注：根據預先加載的知識類詞表來標注查詢。比如 "書名"，"電影名"，"電視節(jié)目名"等知識類信息。
[0083] 步驟A113,利用預存的命名體詞表標注所述文本信息中的命名體詞；
[0084] 即命名體詞表進行命名體識別：利用命名體識別來把查詢中的命名體標注出來，比如"地名"，"機構名"，"時間"，"日期"，"人名"等。比如"今天上午"，則通過命名體詞表，識別"今天上午"的意思為"時間"，即標注"今天上午"為時間。
[0085] 步驟A114,利用短語義段詞表標注所述文本信息中簡單且具有獨立語義的文字段。
[0086] 即進行短語義段標注：簡單且有獨立語義的文字段，比如"能否幫我"，"你知不知道"，"幫我查一下"等。
[0087] 在前述步驟A112和A113之中，知識類詞表和命名體詞表可能包括相同的詞，導致對文本信息的標注存在多種情況，比如對于文本信息"南京市長江大橋"，其中"南京"及其同義詞"南京市"可為知識類詞"行政區(qū)劃"，也可為命名體詞"地名";那么"南京市長江大橋"可標注為1:"南京I行政區(qū)劃" "市長I職務""江大橋I人名";或者2 :"南京市|地名""長江大橋I地名"。
[0088] 對于該種情況，本申請可采取多種處理方式：1、將多種標注結果返回給客戶端，等待客戶端確認一種標注結果。2、根據客戶端的行為習慣，選擇與其行為習慣最相似的標注結果。比如通過分析用戶的行為信息，發(fā)現用戶關注政治信息的概率為40%，旅游地點為 30%，其他為30%，那么其關注政治信息行為概率最高，可與政治信息最相近的"南京|行政區(qū)劃" "市長I職務""江大橋I人名"作為最終標注結果。
[0089] 另外，在本申請實施例中，還會提取客戶端個性化信息的時間以及用戶標識，以確定語義信息中的"日期"，比如前述例子中，如果短信發(fā)送時間為"2013-3-18"，那么短信中的明天即為"2013-3-19"，該用戶標識為"aaa"，那么[我|人物][日期|明天][時間上午10:00][要去|動詞][清華大學|地點][開會|事務]可為[aaa|人物][日期 2013-3-19][[時間I上午10:00][要去I動詞][清華大學I地點][開會I事務]。
[0090] 然后，根據解析模板確認語義表達式中具體的地點信息，比如確認地點信息是目的地，還是出發(fā)點，還是路過點。比如對于前述例子中，根據[要去|動詞]和[清華大學地點]，確認[清華大學I目的地]。
[0091] 步驟S122,從所述語義表達式中提取出發(fā)時間及對應的地點信息；
[0092] 在前述語義表達式例子中，從記錄的日程信息中提取出發(fā)時間2013-3-19上午 10:00,地點信息：目的地-清華大學。如果語義表達式信息中出現出發(fā)點，則提取該出發(fā)地點，如果語義表達式中沒有出發(fā)地點，則可提取用戶的在該條信息對應的時間點時的所處位置作為出發(fā)地點，或者提取用戶預設的辦公地點作為出發(fā)地點等等。
[0093] 步驟S123,根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
[0094] 在本步驟中，首先根據地點信息與路徑推理模板進行匹配，根據匹配結果獲得對應每個客戶端的移動預判信息。然后結合出發(fā)時間，即可獲得每個用戶的移動預判信息。 [0095] 所述獲得對應每個客戶端的移動預判信息包括：統(tǒng)計路網中全體車輛的行駛記錄，查找與所述地點信息的共線頻率大于閾值的關鍵地點，并整合各關鍵地點得到待定路徑，并提取所述待定路徑對應的移動預判信息。
[0096] 在本發(fā)明實施例中，路徑推理模板可以通過統(tǒng)計各地點關鍵詞的共線頻率獲得。本申請實施例中，可預先統(tǒng)計路網中的全體車輛的行駛記錄，而每個車輛的行駛的每一條路徑均可由一系列的地點構成，那么這一系列的地點即可理解為共線，那么各個地點可能與不同的其他地點存在共線的情況，即對應路徑被行駛的情況，而在大批量的統(tǒng)計中，即可統(tǒng)計某些地點共線的頻率，及對應路徑被行駛的頻率，共線頻率高，則說明對應的路徑被行駛的概率大。比如，得知出發(fā)點為A、目的地為F，可統(tǒng)計路網中全體車輛的行駛記錄得到，大批量的經過A、F的路徑對應的關鍵地點，判斷與A、F在同一條規(guī)劃路線上的出現的概率，即為共線頻率。比如A-B-C-F的概率為80%，A-B-D-F的概率為20%，那么用戶aaa行駛路徑A-B-C-F的概率為80%，待定路徑A-B-D-F的概率為20%。然后結合出發(fā)時間，即可獲得包括待定路徑、行駛于該待定路徑的概率和出發(fā)時間三個屬性。比如用戶aaa:"時間： 2013-3-19 上午 10:00,待定路徑：A-B-C-F，概率：80% "、"時間：2013-3-19 上午 10:00,待定路徑:A-B-D-F，概率：20% "。其中，根據地點的關鍵詞統(tǒng)計共線頻率時，可能存在共線頻率非常低的地點的關鍵詞，取共線概率大于閾值的關鍵地點，整合得到待定路徑，即在統(tǒng)計時可以對共線頻率非常小的相關路徑進行忽略，選擇共線頻率大于閾值的關鍵地點對應的各路徑信息。
[0097] 其中，所述移動預判信息包括待定路徑、行駛于所述待定路徑的概率和出發(fā)時間三個屬性。
[0098] 步驟130,根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；
[0099] 在本申請實施例中，會將全體用戶的移動預判信息映射到路段上，獲得在各時間段中各路段的路況信息。在本申請實施例中，還可結合各路段的基礎屬性將全體用戶的移動預判信息映射到路段上，從而可預測在各時間段中各路段的路況信息。在本申請實施例中，由于各客戶端記錄的個性化信息被實時獲取，則所提取的移動預判信息也實時得到，因此，對于各路段的路況信息的預測是實時跟進的，即預測得到的各時間段中各路段的路況息是實時更新。
[0100] 優(yōu)選的，根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息，包括：
[0101] 步驟All，針對路網中每條待定路徑的各個連續(xù)路段，以所述出發(fā)時間為起始時間，根據每個路段的限速，計算每個客戶端在每個路段時所處的時間段；
[0102] 步驟A12,以路段為單位，根據每個用戶行駛于所述待定路徑的概率和在每個路段時所處的時間段，標記每個用戶在各時間段中在對應路段的概率；
[0103] 步驟A13,根據每個用戶的在各時間段中在對應路段的概率，統(tǒng)計各時間段內各路段的路況信息。
[0104] 比如，前述用戶aaa對應兩條待定路徑："時間：2013-3-19上午10:00,路徑： A-B-C-F，概率：80%"和"時間：2013-3-19 上午 10:00,路徑：A-B-D-F，概率：20%"，從第三方數據源可知，路段A的限速30公里/小時，長度10公里；路段B的限速60公里/小時，長度20公里；路段C的限速40公里/小時，長度20公里。那么用戶aaa行駛于路段A的時間段為2013-3-19上午10:00-10:20,概率為100%;行駛于路段B的時間段為2013-3-19 上午10:20-10:40,概率為100 %;行駛于路段C的時間段為2013-3-19上午10:40-11:10，概率為80，％，其他情況以此類推，則針對用戶aaa來說，在2013-3-19上午10:00-10:20 內對于路段A的車輛數可計為1，在2013-3-19上午10:20-10:40內對于路段B的車輛數可算為1，在2013-3-19上午10:40-11:10內對于路段C內的車輛數算為0.8。如此，將全體用戶的移動行為預測信息分布映射到各路段上后，即可知道各個路段上各個時間段內的用戶數，然后即可以路段為單位，根據每個用戶行駛于所述待定路徑的概率和在每個路段時所處的時間段，統(tǒng)計在各時間段內各路段中的車輛流量。然后可統(tǒng)計不同范圍的單位時間內的車輛流量，對應不同的擁堵情況，從而可根據單位時間內各路段的車輛數判斷各路段各時間段內的路況的擁堵程度。
[0105] 步驟140,當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
[0106] 在得到前述的路況信息的基礎下，如果某個客戶端需要在特定時段進行路徑規(guī) 劃，則提取自身的個性化信息進行分析得到目的地，與前述得到的路況信息結合，規(guī)劃特定時段內從其出發(fā)地點至目的地的初始路徑。在本申請中，比如，在發(fā)動汽車時，當前客戶端發(fā)送路徑規(guī)劃請求（包括規(guī)劃時間段）給服務器，服務器則提取當前客戶端的位置、對應的當前時間和目的地，如提取該客戶端的日程信息中的出發(fā)時間、出發(fā)地點和目的地，然后基于當前的路況信息針對該用戶的該日程信息中的出發(fā)時間、出發(fā)地點、目的地規(guī)劃特定時段至目的地的初始路徑。比如基于出發(fā)時間對應的時間段開始，選擇與出發(fā)地點關聯(lián)的路段中的路況信息為權重，逐步選擇后續(xù)路段內的路況信息為權重，得到從出發(fā)地點到目的地的擁堵程度最低的初始路徑。
[0107] 當前客戶端開始行駛以后，由于前述獲取路況信息的過程中，路況信息可能會產生變化（各客戶端記錄的個性化信息在當前客戶端開始行駛前和行駛過程中不斷被采集，使提取得到的移動預判信息不斷增加，導致預測得到的路況信息也發(fā)生變化），那么可針對客戶端在行駛過程中的位置實時調整初始路徑中的各路段，結合與初始路徑中各路段鄰接的其他路段或者與用戶所在路段鄰接的其他路段的路況信息調整初始路徑，使當前客戶端對應的車輛行走的路徑擁堵程度最低，直至到達目的地。比如用戶aaa初始路徑為A-B-C-E 時，通過前述可能不斷采集得到的移動預判信息獲得的路況信息中，統(tǒng)計得到未來30分鐘內，路段C會產生擁堵，而用戶aaa在未來30分鐘可能走到C，則可調整路段C至與路段B 關聯(lián)的、且相對路段C不擁堵的路段。
[0108] 在本申請實施例中，所述客戶端可以為導航裝置、智能手機、移動電腦等終端。
[0109] 其中，本申請實施例還可獲取各客戶端的基礎移動信息；
[0110] 所述基礎移動信包括客戶端實時位置、移動軌跡和速度等信息。
[0111] 進一步，所述依據不斷預測得到的所述路況信息實時調整所述初始路徑時可包括：
[0112] 步驟S141，將所述基礎移動信息代替移動預判信息，根據每個客戶端的實時位置、移動軌跡和速度，預測每個客戶端在未來小段時間內所處的路段概率；
[0113] 當客戶端移動后，將其包括實際位置、實際出發(fā)時間等的基礎移動信息代替移動預判信息，比如用戶aaa的移動預判信息為在第二日上午11:00從Y1去地點X，其行駛于第一條路徑的概率為40%，行駛于第2條路徑的概率為60%，而第二天采集用戶端的基礎移動信息得到：用戶aaa是在10:40從Y1出發(fā)，行走第一條路徑去地點X，那么將用戶aaa的基礎移動信息代替原來的移動預判信息，即用戶aaa在行走第一條路徑。
[0114] 步驟S142,以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的路況信息；
[0115] 然后繼續(xù)在從前述步驟中得到的路況信息中，以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的車輛數量，進而得到各路段的路況信息。未來小段時間可設置為10分鐘或者20分鐘，也可以為當前客戶端從當前位置到走完所處路段的時間。
[0116] 步驟S143,根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。
[0117] 根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。比如未來20分鐘，用戶aaa對應的初始路徑中未來要行駛的路段C將發(fā)生擁堵，那么可以用初始路徑中與路段C的前一路段關聯(lián)，且未來20分鐘路況好于路段C的路段替代路段C，也可以采用其他規(guī)劃方式，如重新規(guī)劃未來小段時間內各路段的路況信息優(yōu)于初始路徑的優(yōu) 選路線規(guī)避路段C。
[0118] 在本申請實施例中，首先，本申請獲取對應各客戶端的個性化信息，比如短信、郵件、日程等信息，然后將這些個性化信息轉化為語義信息，再從語義信息中提取用戶的移動預判信息（比如用戶將在時刻A，要從Μ地點行駛至N地點），再根據移動預判信息更新在各時間段中各路段的路況信息。如此，通過分析全體客戶端的個性化信息，可先獲得各客戶端的預計行駛行為，其數據樣本量大，并且數據樣本隨時根據實時獲取到用戶的個性化信息進行更新，數據范圍廣泛、及時，能減少預測結果的偏差。
[0119] 其次，在上述路況信息的基礎之上，針對當前需要進行路徑規(guī)劃的客戶端規(guī)劃初始路徑，并在用戶行駛過程中依預測得到的上述路況信息調整初始路徑中各路段，可基于前述由廣泛、相對客觀的用戶出行行為預測得到的路況信息的基礎上，更全面、更準確及時的給用戶預測未來一定時間段內路況良好的行駛路段。
[0120] 實施例二
[0121] 參照圖2,示出了本申請實施例二的一種延時路徑規(guī)劃的方法。
[0122] 在本申請實施例中，為了提高路況信息的準確度，針對已經行駛的客戶端，則提取客戶端實時的基礎移動信息對所述根據所述語義信息提取用戶的移動預判信息進行糾偏。
[0123] 在本實施例中，一種延時路徑規(guī)劃的方法所述具體可以包括：
[0124] 步驟210,實時獲取各客戶端記錄的個性化信息；
[0125] 該步驟與步驟110類似，在此不再詳述。
[0126] 步驟220,提取各客戶端實時的基礎移動信息；
[0127] 在本申請實施例中，可實時提取各客戶端當前的基礎移動信息，所述基礎移動信包括客戶端的實時位置、已行駛的移動軌跡和速度等信息。
[0128] 本實施例中步驟210和步驟220的順序可以任意調換，也可同時進行，本申請不對其加以限制。
[0129] 步驟230,將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；
[0130] 優(yōu)選的，所述將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息包括：
[0131] 步驟S231，針對所述文本信息進行語義分析，獲得語義表達式；
[0132] 步驟S232,從所述語義表達式中提取出發(fā)時間及對應的地點信息；
[0133] 步驟S233,根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
[0134] 優(yōu)選的，所述獲得對應每個客戶端的移動預判信息包括：
[0135] 步驟S241，統(tǒng)計路網中全體車輛的行駛記錄，查找與所述地點信息的共線頻率大于閾值的關鍵地點，并整合各關鍵地點得到待定路徑，并提取所述待定路徑對應的移動預判信息。
[0136] 步驟230原理與步驟120類似，具體原理在此不再詳述。
[0137] 步驟240,根據所述基礎移動信息校正所述移動預判信息；
[0138] 在收集用戶實際的基礎移動信息，包括實際位置，移動軌跡，速度等信息，并根據這些基礎移動信息來進一步糾正根據所述語義信息獲取用戶的移動預判信息。
[0139] 優(yōu)選的，在本申請中，根據所述基礎移動信息校正所述根據所述語義信息提取用戶的移動預判信息包括：
[0140] 步驟S21，采用決策樹根據每個客戶端的基礎移動信息對獲得的移動預判信息進行校正；所述基礎移動信息包括客戶端的實時位置、移動軌跡和速度。
[0141] 本申請實施例可以使用決策樹進行移動預判信息和基礎移動信息的整合，但不限于決策樹。比如，前述用戶aaa在2013-3-9的12:00從A至G，而通過路徑推理模板分析得到A至Η的路徑包括A-C-H-G和A-D-F-G，用戶選擇前者進行行駛的概率高，選擇后者進行行駛的概率低。而提取到用戶aaa的基礎信息得：在2013-3-9的11:30就從Α出發(fā)了，其當前移動軌跡包括了 A-C，那么即可將該條路徑對應的移動預判信息的時間進行調整，并可提高該用戶行駛于路徑A-C-H-G對應的后續(xù)路段的概率，降低用戶行駛于其他路徑上各路段的概率（在上述種情況下可調整H、G路段的概率為1)。
[0142] 步驟250,根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；
[0143] 在本申請實施例中，會將全體用戶的移動預判信息映射到各路段上，獲得在各時間段中各路段的路況信息。在本申請實施例中，還可結合各路段的基礎屬性將全體用戶的移動預判信息映射到路段上。比如統(tǒng)計各行車軌跡中每條路段在單位時刻對應的車輛流量，分析得到每個路段上單位時間的行駛壓力，從而反映了各路段的擁堵情況；由于各客戶端記錄的個性化信息被實時獲取，則所提取的移動預判信息也實時得到，因此，對于各路段的路況信息的預測是實時跟進的，即預測得到的各時間段中各路段的路況信息是實時更新的。
[0144] 步驟250與步驟130原理類似，在此不再詳述。
[0145] 步驟260,當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
[0146] 其中，所述依據不斷預測得到的所述路況信息實時調整所述初始路徑時包括：
[0147] 步驟S261，將所述基礎移動信息代替移動預判信息，根據每個客戶端的實時位置、移動軌跡和速度，預測每個客戶端在未來小段時間內所處的路段概率；
[0148] 當客戶端移動后，將包括實際位置、實際出發(fā)時間等的基礎移動信息代替相應時間段以及相關的移動預判信息，比如用戶aaa的移動預判信息為在第二日上午11:00從Y1 去地點X，其行駛于第一路徑的概率為40%，行駛于第二路徑的概率為60%，而第二天采集基于移動信息為用戶于10:40從Y1出發(fā)，行駛于第一路徑去地點X，那么將用戶aaa的基礎移動信息代替原來的移動預判信息，即表示用戶aaa行駛于第一路徑。
[0149] 步驟S262,以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的路況信息；
[0150] 然后繼續(xù)在從前述步驟中得到的路況信息中，根據預測得到的每個客戶端在未來小段時間內所處路段對應的概率，以路段為單位，統(tǒng)計在未來小段時間內各路段的車輛數量，進而得到各路段的路況信息。未來小段時間可設置為10分鐘或者20分鐘，也可以為當前客戶端從當前位置到走完所處路段的時間。
[0151] 步驟S263,根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。
[0152] 根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。比如未來20分鐘，用戶aaa對應的初始路徑中未來要行駛的路段C將發(fā)生擁堵，那么可以用初始路徑中與路段C的前一路段關聯(lián)，且未來20分鐘路況好于路段C的路段替代路段C，也可以采用其他規(guī)劃方式，如重新規(guī)劃未來小段時間內各路段的路況信息優(yōu)于初始路徑的優(yōu) 選路線規(guī)避路段C。
[0153] 下面參照圖3和圖4,描述一下該實施例的一種工作過程：
[0154] 其一，比如對于用戶aa，提取當前用戶的日程記錄進行語義分析，發(fā)現一條出行意圖信息，并從中解析出明天12點出行至路段G處的地點X的日程安排信息。通過前述分析和統(tǒng)計其他用戶的個性化信息得到的路況信息，統(tǒng)計第二天的11:00-13:00的各路段的路況信息，得到每個路段上單位時間的行駛壓力，然后得知路網中路段C、D、E在該時段通行量較大，則預測路段C、D、E易堵，則不返回經路段C、D、E的路線，返回路線為A-B-F-G。
[0155] 其二，根據獲取到的全網用戶的具體位置來調整之前預測的移動預判信息，比如某用戶從文本信息分析出其下午2點從路段A的出發(fā)地點到路段Η處的目的地，但根據其采集得到的位置信息反饋該用戶在下午1:40就出發(fā)了，所以會對該用戶行駛路徑中各路段的路況信息進行修正。用同樣的方法不斷修正全網用戶的出行預期，并實時更新對應路段的路況信息，得到對全網中各路段路況的整體預測。
[0156] 然后，第二天用戶按其文本信息的預測準時出發(fā)，當前用戶沿著查詢得到的既定路線A-B-F-G行駛至Β、將要行至路段F時，由于其他用戶上傳的目的地和實時位置、時間信息都在不斷的實時采集分析，則根據昨日返回A-B-F-G時至當前時刻之間采集的目的地和實時位置、時間信息，分析對應的路徑規(guī)劃中未來十分鐘內將要對路段A、B、F、G的影響，預測得到未來十分鐘內路段F通行量較大，將發(fā)生擁堵，則用通行量較少的路段Η替換路段 F，實時調整既定路線為A-B-H-G，從而避免了用戶行駛至未來將擁堵的路段。
[0157] 本實施例獲取對應各客戶端的個性化信息，比如短信、郵件、日程等信息，然后將這些個性化信息轉化為語義信息，再從語義信息中提取用戶的移動預判信息（比如用戶將在時刻Α，要從Μ地點行駛至Ν地點），再根據移動預判信息預測在各時間段中各路段的路況信息。如此，通過分析全體客戶端的個性化信息，可先獲得各客戶端的預計行駛行為，其數據樣本量大，并且數據樣本隨時根據實時獲取到的個性化信息進行更新，數據范圍廣泛、及時，能減少預測結果的偏差。，在上述路況信息的基礎之上，針對當前客戶端規(guī)劃初始路徑，并在用戶行駛過程中依據預測得到的上述路況信息調整初始路徑中各路段，可基于前述由廣泛、相對客觀的用戶出行行為預測得到的路況信息的基礎上，更全面、更準確及時的給用戶預測未來一定時間段內路況良好的行駛路段。本實施例還提取全體客戶端的基礎移動信息，比如客戶端當前位置、歷史軌跡和速度等信息，對提取的移動預判信息進行校正，提高了由分析用戶個性化信息得到的移動預判信息的準確度，進一步提高了得到的各時間段中各路段的路況信息的準確度，從而提高了針對當前需要進行路徑規(guī)劃的客戶端的進行最優(yōu)路徑預測和調整的準確度。
[0158] 實施例三
[0159] 參照圖5,其示出了本申請實施例三的一種延時路徑規(guī)劃的系統(tǒng)的結構示意圖，具體可以包括：
[0160] 個性化信息提取模塊310,用于實時獲取各客戶端記錄的個性化信息；
[0161] 預判信息獲取模塊320,用于將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；
[0162] 優(yōu)選的，所述個性化信息包括客戶端記錄的文本信息；
[0163] 進一步的，所述預判信息獲取模塊包括：
[0164] 語義分析單元，用于針對所述文本信息進行語義分析，獲得語義表達式；
[0165] 移動信息提取單元，用于從所述語義表達式中提取出發(fā)時間及對應的地點信息；
[0166] 預判信息獲取單元，用于根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
[0167] 優(yōu)選的，所述預判信息獲取模塊包括：
[0168] 第一預判信息獲取模塊，用于統(tǒng)計路網中全體車輛的行駛記錄，查找與所述地點信息的共線頻率大于閾值的關鍵地點，并整合各關鍵地點得到待定路徑，并提取所述待定路徑對應的移動預判信息。
[0169] 所述移動預判信息包括路徑、行駛于所述路徑的概率和出發(fā)時間三個屬性。
[0170] 路況信息預測模塊330,用于根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；
[0171] 優(yōu)選的，路況信息預測模塊包括：
[0172] 時間段計算模塊，用于針對路網中每條路徑的各個連續(xù)路段，以所述出發(fā)時間為起始時間，根據每個路段的限速，計算每個客戶端在每個路段時所處的時間段；
[0173] 標記模塊，用于以路段為單位，根據每個用戶行駛于所述路徑的概率和在每個路段時所處的時間段，標記每個用戶在各時間段中在對應路段的概率；
[0174] 統(tǒng)計模塊，用于根據每個用戶的在各時間段中在對應路段的概率，統(tǒng)計各時間段內各路段的路況信息。
[0175] 路徑規(guī)劃模塊340,用于當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
[0176] 優(yōu)選的，還包括：
[0177] 基礎移動信息提取模塊，用于提取各客戶端實時的基礎移動信息
[0178] 所述路徑規(guī)劃模塊340包括：
[0179] 第一校正模塊，用于采用決策樹根據每個客戶端的基礎移動信息對獲得的移動預判信息進行校正；所述基礎移動信息包括客戶端的實時位置、移動軌跡和速度。
[0180] 在基礎移動信息提取模塊，的情況下，進一步的，所述路徑規(guī)劃模塊包括：
[0181] 信息替換單元，用于將所述基礎移動信息代替移動預判信息，根據每個客戶端的實時位置、移動軌跡和速度，預測每個客戶端在未來小段時間內所處的路段概率；
[0182] 統(tǒng)計單元，用于以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的路況信息；
[0183] 實時調整單元，用于根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。
[0184] 實施例四
[0185] 參照圖6,其示出了本申請實施例四的一種延時路徑規(guī)劃的系統(tǒng)的結構示意圖，具體可以包括：
[0186] 個性化信息提取模塊410,用于獲取對應各客戶端的個性化信息；
[0187] 基礎信息提取模塊420,用于提取各客戶端實時的基礎移動信息
[0188] 預判信息獲取模塊430,用于將對應每個客戶端的個性化信息轉化為語義信息，并從所述語義信息中分析用戶的移動預判信息；
[0189] 優(yōu)選的，所述個性化信息包括客戶端記錄的文本信息；
[0190] 進一步的，所述預判信息獲取模塊包括：
[0191] 語義分析單元，用于針對所述文本信息進行語義分析，獲得語義表達式；
[0192] 移動信息提取單元，用于從所述語義表達式中提取出發(fā)時間及對應的地點信息；
[0193] 預判信息獲取單元，用于根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
[0194] 優(yōu)選的，所述預判信息獲取模塊包括：
[0195] 第一預判信息獲取模塊，用于統(tǒng)計路網中全體車輛的行駛記錄，查找與所述地點信息的共線頻率大于閾值的關鍵地點，并整合各關鍵地點得到待定路徑，并提取所述待定路徑對應的移動預判信息。
[0196] 所述移動預判信息包括路徑、行駛于所述路徑的概率和出發(fā)時間三個屬性。
[0197] 校正模塊440,用于根據所述基礎移動信息校正所述移動預判信息；
[0198] 優(yōu)選的，所述校正模塊包括：
[0199] 采用決策樹根據每個客戶端的基礎移動信息對獲得的移動預判信息進行校正；所述基礎移動信息包括客戶端的實時位置、移動軌跡和速度。
[0200] 路況信息預測模塊450,用于根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；
[0201] 優(yōu)選的，所述路況信息預測模塊包括：
[0202] 時間段計算模塊，用于針對每條路徑的各個連續(xù)路段，以所述出發(fā)時間為起始時間，根據每個路段的限速，計算每個路段所處時間段；
[0203] 標記模塊，用于針對每個路段，標記所述用戶在所處時間段內走該路段的概率；
[0204] 統(tǒng)計模塊，用于根據每個用戶的在各時間段中走各路段的概率，統(tǒng)計指定時間段內各路段的路況信息。
[0205] 路徑規(guī)劃模塊460,用于當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
[0206] 優(yōu)選的，所述路徑規(guī)劃模塊包括：
[0207] 信息替換單元，用于將所述基礎移動信息代替移動預判信息，根據每個客戶端的實時位置、移動軌跡和速度，預測每個客戶端在未來小段時間內所處的路段概率；
[0208] 統(tǒng)計單元，用于以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的路況信息；
[0209] 實時調整單元，用于根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。
[0210] 對于系統(tǒng)實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
[0211] 本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
[0212] 最后，還需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。
[0213] 本申請是參照根據本申請實施例的方法、設備（系統(tǒng)）、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執(zhí)行的指令產生用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
[0214] 這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
[0215] 這些計算機程序指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
[0216] 盡管已描述了本申請的優(yōu)選實施例，但本領域內的技術人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權利要求意欲解釋為包括優(yōu) 選實施例以及落入本申請范圍的所有變更和修改。
[0217] 以上對本申請所提供的一種延時路徑規(guī)劃的方法和系統(tǒng)，進行了詳細介紹，本文中應用了具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想；同時，對于本領域的一般技術人員，依據本申請的思想，在【具體實施方式】及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本申請的限制。
【權利要求】
1. 一種延時路徑規(guī)劃的方法，其特征在于，包括：實時獲取各客戶端記錄的個性化信息；將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
2. 根據權利要求1所述的方法，其特征在于，所述個性化信息包括客戶端記錄的文本信息；進一步的，所述將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息包括：針對所述文本信息進行語義分析，獲得語義表達式；從所述語義表達式中提取出發(fā)時間及對應的地點信息；根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
3. 根據權利要求2所述的方法，其特征在于，所述獲得對應每個客戶端的移動預判信息包括：統(tǒng)計路網中全體車輛的行駛記錄，查找與所述地點信息的共線頻率大于閾值的關鍵地點，并整合各關鍵地點得到待定路徑，并提取所述待定路徑對應的移動預判信息。
4. 根據權利要求2或3任一所述的方法，其特征在于，所述移動預判信息包括待定路徑、行駛于所述待定路徑的概率和出發(fā)時間三個屬性。
5. 根據權利要求4所述的方法，其特征在于，根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息包括：針對路網中每條待定路徑的各個連續(xù)路段，以所述出發(fā)時間為起始時間，根據每個路段的限速，計算每個客戶端在每個路段時所處的時間段；以路段為單位，根據每個用戶行駛于所述待定路徑的概率和在每個路段時所處的時間段，標記每個用戶在各時間段中在對應路段的概率；根據每個用戶的在各時間段中在對應路段的概率，統(tǒng)計各時間段內各路段的路況信肩、。
6. 根據權利要求1所述的方法，其特征在于，還包括：提取各客戶端實時的基礎移動信息；進一步的，在根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息之前，還包括：根據所述基礎移動信息校正所述移動預判信息。
7. 根據權利要求6所述的方法，其特征在于，根據所述基礎移動信息校正所述移動預判信息包括：采用決策樹根據每個客戶端的基礎移動信息對獲得的移動預判信息進行校正；所述基礎移動信息包括客戶端的實時位置、移動軌跡和速度。
8. 根據權利要求7所述的方法，其特征在于，所述依據不斷預測得到的所述路況信息實時調整所述初始路徑時包括：根據每個客戶端的實時位置、移動軌跡和速度，預測每個客戶端在未來小段時間內所處的路段概率；以路段為單位，根據預測得到的每個客戶端在未來小段時間內所處的路段概率，統(tǒng)計在未來小段時間內各路段的路況信息；根據預測得到的在未來小段時間內各路段的路況信息實時調整所述初始路徑。
9. 一種延時路徑規(guī)劃的系統(tǒng)，其特征在于，包括：個性化信息提取模塊，用于實時獲取各客戶端記錄的個性化信息；預判信息獲取模塊，用于將每個客戶端記錄的個性化信息轉化為語義信息，并根據所述語義信息提取用戶的移動預判信息；路況信息預測模塊，用于根據各用戶的所述移動預判信息預測在各時間段中各路段的路況信息；路徑規(guī)劃模塊，用于當前客戶端根據所述各時間段中各路段的路況信息和自身的個性化信息，規(guī)劃特定時段至目的地的初始路徑；并在行駛過程中，依據不斷預測得到的所述路況信息實時調整所述初始路徑。
10. 根據權利要求9所述的系統(tǒng)，其特征在于，還包括：基礎移動信息提取模塊，用于提取各客戶端實時的基礎移動信息；進一步的，在路況信息預測模塊，之前，還包括：校正模塊，用于根據所述基礎移動信息校正所述移動預判信息。
11. 根據權利要求9所述的系統(tǒng)，其特征在于，所述個性化信息包括對應客戶端的文本信息；進一步的，所述預判信息獲取模塊包括：語義分析單元，用于針對所述文本信息進行語義分析，獲得語義表達式；移動信息提取單元，用于從所述語義表達式中提取出發(fā)時間及對應的地點信息；預判信息獲取單元，用于根據所述出發(fā)時間及對應的地點信息，結合路徑推理模板進行分析，獲得對應每個客戶端的移動預判信息。
【文檔編號】G01C21/34GK104121908SQ201310148801
【公開日】2014年10月29日申請日期:2013年4月25日優(yōu)先權日:2013年4月25日
【發(fā)明者】張帆, 柴思遠, 張闊申請人:北京搜狗信息服務有限公司, 北京搜狗科技發(fā)展有限公司

完整全部詳細技術資料下載