[发明专利]路线偏差量化及基于此的车辆路线学习

说明书

本公开提供了用于路线偏差量化和基于其的车辆路线学习的方法、装置和系统。在一些示例中，提供了一种用于对建议路线进行路线偏差量化的方法。该方法包括：基于过滤轨迹获得地面实况路线，该过滤轨迹包括推断的起点位置和推断的目的地位置；获得基于推断的起点位置和推断的目的地位置生成的建议路线；通过基于建议路线中与地面实况路线中的对应路段匹配的路段的组合长度和地面实况路线中的路段的组合长度计算偏离比率，来量化建议路线与地面实况路线的偏差。

技术领域

本公开宽泛但非排他地涉及用于路线偏差量化和基于其的车辆路线学习的方法、设备和系统。

背景技术

车辆路线确定在叫车服务行业对于基于位置的服务(例如预计到达时间(ETA)、定价、导航、最近的驾驶员搜索等)至关重要。准确的路线规划是通过避免额外成本(例如，收费和电子道路定价(ERP))、交通繁忙和道路限制为客户提供卓越交通体验的关键因素。

传统的车辆路线确定以成本为中心，且旨在寻找成本最低的路线(例如，通过最短距离或最短旅行时间)。最短路径算法，例如Dijkstra的算法和收缩层次结构用于在传统车辆路线确定中建议最快或最短的路线。

然而，在现实生活中，驾驶员经常选择通常既不是最快也不是最短的、并且与建议的最快或最短路线的那些有很大不同的路线。驾驶员的实际路线与车辆路线确定建议的最快或最短路线之间的偏差可能是由多种因素造成的，例如避免收费、路况，或甚至是个人原因。

当前的车辆路线确定方法试图通过学习驾驶员的轨迹数据来最小化偏差，这些数据捕获车辆的运动，以优化路网中每个边或路段的成本，从而建议尽可能接近驾驶员实际路线的最短路线。

然而，当前的车辆路线确定方法存在多重挑战，其包括：a.如何量化车辆路线确定建议的路线与驾驶员的实际路线之间的偏差，以最小化偏差来改善路线确定结果；b.如何高效地且有效地学习驾驶员的量大且可能有噪声的原始轨迹数据，以改善路线确定结果；和c.如何改进路线确定，使其在不同国家或地理区域运行良好，尽管存在超本地化情况(例如，在东南亚，每个国家的交通规则、路况和法规差异很大)。

因此存在对于提供寻求克服或至少最小化上述挑战并提供准确路线规划的方法和装置的需要。

发明内容

根据本公开的第一方面，提供了一种用于对建议路线进行路线偏差量化的方法。该方法包括：基于过滤轨迹获得地面实况路线，该过滤轨迹包括推断的起点位置和推断的目的地位置；获得基于推断的起点位置和推断的目的地位置生成的建议路线；通过基于建议路线中与地面实况路线中的对应路段匹配的路段的组合长度和地面实况路线中路段的组合长度计算偏离比率来量化建议路线与地面实况路线的偏差。

根据本公开的第二方面，提供了一种用于建议路线的路线偏差量化的装置。该装置包括处理器模块和包括计算机程序代码的存储器模块。存储器模块和计算机程序代码被配置为利用处理器模块使该装置：基于过滤轨迹获得地面实况路线，过滤轨迹包括推断的起点位置和推断的目的地位置；获得基于推断的起点位置和推断的目的地位置生成的建议路线；并且通过基于与地面实况路线中的对应路段匹配的建议路线中的路段的组合长度和在地面实况路线中的路段的组合长度计算偏离比率，来量化建议路线与地面实况路线之间的偏差。

根据本公开的第三方面，提供了一种用于车辆路线学习的方法。该方法包括：取得与地图上的历史轨迹对应的训练数据集；优化地图的速度分布，以实现训练数据集的最小平均偏离比率；以及更新地图的速度分布。

根据本公开的第四方面，提供了一种用于车辆路线学习的系统。该系统包括处理器模块和包括计算机程序代码的存储器模块。存储器模块和计算机程序代码被配置为利用处理器模块使该系统：取得与地图上的历史轨迹相对应的训练数据集；优化地图的速度轮廓，以实现训练数据集的最小平均偏离比率；以及更新地图的速度分布。

附图说明