一种基于点火信号的出行预测方法及装置与流程

本申请涉及智能交通，尤其涉及一种基于点火信号的出行预测方法及装置。

背景技术：

1、汽车的点火信号是控制汽车发动机点火的电信号。在汽车点火的过程中点火系统产生高压电，将火花塞的电极间隙击穿，点燃混合气，只有当混合气成功点燃时，发动机才能正常运转，使汽车发动机正常工作。发动机正常工作后就能够驾驶出行。

2、随着出行需求的快速增长，对于导航设备的要求也越来越高。目前主流的车载导航设备通常需要用户手动输入目的地后才能生成路线，用户选择路线后才能规划路径，进行导航。

3、此外，现有的出行预测算法只依靠统计数据来预测用户的出行路线，无法高效地进行导航路线的推荐。

技术实现思路

1、本申请实施例通过提供一种基于点火信号的出行预测方法，解决了现有的导航设备无法高效地推荐导航路线的问题，实现了一种基于点火信号的出行预测方法能够解决上述问题。

2、第一方面，本申请实施例提供了一种基于点火信号的出行预测方法，包括：提取车辆历史信息数据中的特征数据构成特征数据集；其中，所述特征数据包括行车数据与驾驶习惯；基于所述特征数据集进行类别聚类以区分运营车和非运营车；根据所述特征数据集对非运营车进行聚类得到聚类结果；其中，所述聚类结果包括家庭用车与上班用车；对上班用车的所述行车数据进行聚类，并标注出发地与目的地的聚类类别；解析目标行程的点火信号，并基于解析结果与所述聚类类别在对应所述行车数据中确定相似行程；确定所述相似行程中的目的地，将出现次数最多的目的地作为所述目标行程的预测目的地，并根据所述预测目的地规划导航路线。

3、结合第一方面，在一种可能的实现方式中，所述行车数据包括行驶时长、行程数、出发位置、目的地位置、充电次数与日行驶里程；其中，所述行驶时长包括日均行驶时长、工作日行驶时长、休息日行驶时长、早高峰行驶时长、晚高峰行驶时长；所述行驶里程包括工作日行驶里程与休息日行驶里程。

4、结合第一方面，在一种可能的实现方式中，所述驾驶习惯包括左前门打开次数、右前门打开次数、左后门打开次数、右后门打开次数与后盖打开次数。

5、结合第一方面，在一种可能的实现方式中，所述基于所述特征数据集进行类别聚类以区分运营车和非运营车，包括：将所述特征数据集中的k个所述特征数据作为初始聚类中心；计算所述初始聚类中心与所述特征数据集中其他特征数据的相似度；将所述其他特征数据分配给相似度最高的所述初始聚类中心，得到k个簇；执行迭代步骤直至标准测度函数收敛或达到预设迭代次数，根据当前的聚类中心定义运营车和非运营车；其中，所述标准测度函数为均方差；所述迭代步骤如下：分别计算k个簇中所述特征数据的平均值，并将平均值作为对应簇的聚类中心；计算所述聚类中心与对应簇中其他特征数据的相似度；根据相似度将其他特征数据分配给相似度最高的聚类中心。

6、结合第一方面，在一种可能的实现方式中，所述点火信号包括点火位置与点火时间。

7、结合第一方面，在一种可能的实现方式中，所述根据所述特征数据集对非运营车进行聚类得到聚类结果，包括：根据所述行车数据确定每辆车的工作日早高峰出行占比；对工作日早高峰的目的地进行位置聚类得到工作日早高峰常去地，并计算各个常去地的工作日早高峰常去地占比；根据所述工作日早高峰出行占比与所述工作日早高峰常去地占比确定上班用车与家庭用车。

8、结合第一方面，在一种可能的实现方式中，所述将出现次数最多的目的地作为所述目标行程的目标目的地后，还包括：根据所述目标行程的结束地，评价所述预测目的地的准确率、置信度与偏离度。

9、第二方面，本申请实施例提供了一种基于点火信号的出行预测装置，包括：提取模块，用于提取车辆历史信息数据中的特征数据构成特征数据集；其中，所述特征数据包括行车数据与驾驶习惯；第一聚类模块，用于基于所述特征数据集进行类别聚类以区分运营车和非运营车；第二聚类模块，用于根据所述特征数据集对非运营车进行聚类得到聚类结果；其中，所述聚类结果包括家庭用车与上班用车；标注模块，用于对上班用车的所述行车数据进行聚类，并标注出发地与目的地的聚类类别；解析模块，用于解析目标行程的点火信号，并基于解析结果与所述聚类类别在对应所述行车数据中确定相似行程；预测模块，用于确定所述相似行程中的目的地，将出现次数最多的目的地作为所述目标行程的预测目的地，并根据所述预测目的地规划导航路线。

10、第三方面，本申请实施例提供了一种设备，所述设备包括：处理器；用于存储处理器可执行指令的存储器；所述处理器执行所述可执行指令时，实现如第一方面或第一方面任一种可能实现的方式所述的方法。

11、第四方面，本申请实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质包括用于存储计算机程序或指令，当该计算机程序或指令被执行时，使如第一方面或第一方面任一种可能实现的方式所述的方法被实现。

12、本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

13、本申请实施例通过采用了将车辆分为运营车和非运营车，能够将用户分类；通过预测目的地能够避免或简化用户操作流程，有效解决了现有的导航设备法高效地推荐导航路线的问题，进而实现了在用户点火时快速为用户推荐目的地并规划导航路线，能够根据车辆类别为用户个性化推荐目的地，能够大幅度提升用户体验。

技术特征：

1.一种基于点火信号的出行预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述行车数据包括行驶时长、行程数、出发位置、目的地位置、充电次数与日行驶里程；其中，所述行驶时长包括日均行驶时长、工作日行驶时长、休息日行驶时长、早高峰行驶时长、晚高峰行驶时长；所述行驶里程包括工作日行驶里程与休息日行驶里程。

3.根据权利要求1所述的方法，其特征在于，所述驾驶习惯包括左前门打开次数、右前门打开次数、左后门打开次数、右后门打开次数与后盖打开次数。

4.根据权利要求1所述的方法，其特征在于，所述基于所述特征数据集进行类别聚类以区分运营车和非运营车，包括：

5.根据权利要求1所述的方法，其特征在于，所述点火信号包括点火位置与点火时间。

6.根据权利要求1所述的方法，其特征在于，所述根据所述特征数据集对非运营车进行聚类得到聚类结果，包括：

7.根据权利要求1所述的方法，其特征在于，所述将出现次数最多的目的地作为所述目标行程的目标目的地后，还包括：

8.一种基于点火信号的出行预测装置，其特征在于，包括：

9.一种基于点火信号的出行预测设备，其特征在于，包括：

10.一种非易失性计算机可读存储介质，其特征在于，包括用于存储计算机程序或指令，当该计算机程序或指令被执行时，使如权利要求1至7中任一项所述的方法被实现。

技术总结本申请公开了一种基于点火信号的出行预测方法及装置，该方法包括：提取车辆历史信息数据中的特征数据构成特征数据集；基于特征数据集进行类别聚类以区分运营车和非运营车；根据特征数据集对非运营车进行聚类得到聚类结果；对上班用车的行车数据进行聚类，并标注出发地与目的地的聚类类别；解析目标行程的点火信号，并基于解析结果与聚类类别在对应行车数据中确定相似行程；确定相似行程中的目的地，将出现次数最多的目的地作为目标行程的预测目的地，并根据预测目的地规划导航路线。解决了现有的导航设备无法高效地推荐导航路线的问题，进而实现了在用户点火时快速为用户推荐目的地并规划导航路线，大幅度提升用户体验。技术研发人员：黄亮受保护的技术使用者：彩虹无线（北京）新技术有限公司技术研发日：技术公布日：2024/7/15