[发明专利]一种基于用户行为的车辆目的地预测方法及系统

说明书

本发明公开了一种基于用户行为的车辆目的地预测方法及系统，该方法包括步骤：当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。本发明可以在用户启动车辆时，就自动预测获得目的地，及时性好，而且本发明是在云端服务器进行用户目的地预测，无需占用本地存储计算资源，当需要更新预测模型时，只需要在云端服务器进行更新即可，可以保证预测的准确度，而且无需对每台车辆进行更改，应用推广较为方便、快捷，可广泛应用于智能交通行业中。

技术领域

本发明涉及智能交通信息处理领域，特别是涉及一种基于用户行为的车辆目的地预测方法及系统。

背景技术

随着智能车辆技术的发展，目前在车辆行驶过程中，根据用户车辆的行驶轨迹进行目的地预测，可以为用户的行驶提供重要参考信息。目前对车辆目的地预测的主要方案是，根据车辆行进中的轨迹，结合车辆行驶的历史数据，预测获得车辆的目的地，这种预测方式，需要结合车辆行进中的轨迹来进行目的地预测，必须在车辆出发一段时间后才能进行预测，无法做到在车辆出发时就预测获得目的地，及时性差。另外，目前的预测方案中，主要是在车载端进行本地预测，预测模型存储在本地，需要占用较多的本地存储和计算资源，无法及时进行更新，导致预测准确度较低。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种基于用户行为的车辆目的地预测方法及系统。

本发明解决其技术问题所采用的技术方案是：

一种基于用户行为的车辆目的地预测方法，包括步骤：

当检测到车辆启动时，获取当前时间以及车辆当前所在地点，并发送到云端服务器；

云端服务器采用训练好的车辆目的地预测模型，预测获得用户车辆出行的目的地后，将预测获得的目的地返回给对应车辆。

进一步，所述车辆目的地预测模型是云端服务器通过执行以下步骤训练获得：

针对每辆车辆，采集该车辆在一段时间内的历史行驶轨迹数据；

对历史行驶轨迹数据进行离线数据预处理；

采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类；

获得每个聚类的中心点作为该聚类的代表点；

将历史行驶轨迹数据的起点和终点替换为对应的代表点，并将历史行驶轨迹数据进行特征抽取后，封装为稀疏向量；

将封装获得的所有稀疏向量作为输入数据，并将每个稀疏向量对应的终点位置作为输出数据，进而将输入数据和输出数据输入到逻辑回归模型中进行训练，最后获得该车辆的车辆目的地预测模型。

进一步，所述对历史行驶轨迹数据进行离线数据预处理的步骤，其具体为：

对历史行驶轨迹数据进行降噪，去除偏离点和冗余点。

进一步，所述采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类的步骤，具体包括：

针对历史行驶轨迹数据中的所有终点，根据地球坐标系中的三角函数原理，计算任意两个终点之间的距离；

设定DBSCAN聚类算法的聚类参数，所述聚类参数包括同类点的最大距离以及形成聚类的最少点数；

采用DBSCAN聚类算法对历史行驶轨迹数据中的终点进行聚类。

进一步，所述历史行驶轨迹数据包括出发时间、起点、终点，以及行驶过程中的GPS经纬度、GPS精度、GPS数量、车速、时间戳、行驶方向角、海拔。