一种导航方法及装置制造方法及图纸

本申请涉及通信领域，特别涉及一种导航方法及装置，用以解决导航结果不准确的问题，该方法为：智能终端基于获得的道路定位数据和车辆定位数据，确定各个候选行驶路径及对应的各个初始车流密度后，基于预设的车身长度均值以及预设的车辆间距均值，结合预设的车辆定位误差，获得统计分布的方差，再采用基于各个初始车流密度和方差确定的车流密度区间，结合方差，分别确定各个候选行驶路径对应的车辆密度均值，以及将符合设定条件的一个车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径；这样，可以在各个候选行驶路径对应的车流密度区间内对相应的初始车流密度进行修正，从而令获得的各个车流密度均值更为准确，提升了导航结果准确性。导航结果准确性。导航结果准确性。

【技术实现步骤摘要】
一种导航方法及装置


[0001]本申请涉及通信领域，特别涉及一种导航方法及装置。

技术介绍

[0002]相关技术下，智能通信技术已经融入生活的各个方面，其中也包括智能导航系统。智能导航系统通过通信手段，收集路况信息，分析道路通行情况，并给出相应的导航建议，极大地方便了人们的日常出行。
[0003]实际应用中，车载电脑上使用的智能导航系统，可以基于智能交通控制系统提供的道路定位数据，得到各个候选行驶路径，再基于其他车辆的车辆定位数据，获得每条候选行驶路径上行驶的车流密度，以及选取车流密度最小候选行驶路径作为导航的目标行驶路径。
[0004]上述方案中，获得的车流密度是一个平均值，一般通过计算单位路径上车辆的数目获得，因此，往往不能准确反映实际的车流密度情况，进而也会影响导航结果的准确性。
[0005]因此，需要重新设计一种导航的方法，用以克服上述缺陷。

技术实现思路

[0006]本申请提供一种导航方法及装置，用以解决相关技术中由于无法准确计算车流密度而导致导航结果不准确的问题。
[0007]本申请提供的具体技术方案如下：
[0008]第一方面，一种导航的方法，包括：
[0009]基于获得的道路定位数据，确定N条候选行驶路径，N为自然数，以及基于获得的车辆定位数据，分别确定各个候选行驶路径上的初始车流密度；
[0010]基于预设的车身长度均值以及预设的车辆间距均值，结合预设的车辆定位误差，获得统计分布的方差，并按照各个候选行驶路径的初始车流密度和所述方差，分别确定所述各个候选行驶路径对应的车流密度区间；
[0011]按照所述各个候选行驶路径对应的车流密度区间及所述方差，分别确定所述各个候选行驶路径对应的车辆密度均值；
[0012]选取符合设定条件的一个车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径。
[0013]第二方面，一种导航的装置，包括：
[0014]第一确定单元，用于基于获得的道路定位数据，确定N条候选行驶路径，N为自然数，以及基于获得的车辆定位数据，分别确定各个候选行驶路径上的初始车流密度；
[0015]第二确定单元，用于基于预设的车身长度均值以及预设的车辆间距均值，结合预设的车辆定位误差，获得统计分布的方差，并按照各个候选行驶路径的初始车流密度和所述方差，分别确定所述各个候选行驶路径对应的车流密度区间；
[0016]第三确定单元，用于按照所述各个候选行驶路径对应的车流密度区间及所述方
差，分别确定所述各个候选行驶路径对应的车辆密度均值；
[0017]选取单元，用于选取符合设定条件的一个车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径。
[0018]第三方面，一种电子设备，包括：
[0019]存储器，用于存储可执行指令；
[0020]处理器，用于读取并执行所述存储器中存储的可执行指令，以实现上述第一方面所述的方法。
[0021]第四方面，提出一种计算机可读存储介质，当所述计算机可读存储介质中的指令由处理器执行时，使得所述处理器能够执行上述第一方面所述的方法。
[0022]第五方面，一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备能够执行上述第一方面所述的方法。
[0023]本申请实施例中，智能终端基于获得的道路定位数据和车辆定位数据，确定各个候选行驶路径以及对应的各个初始车流密度后，基于预设的车身长度均值以及预设的车辆间距均值，结合预设的车辆定位误差，获得统计分布的方差，然后按照基于各个初始车流密度和所述方差确定的车流密度区间，结合方差，分别确定各个候选行驶路径对应的车辆密度均值，以及选取符合设定条件的一个车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径；这样，便基于预设的车身长度均值、预设的车辆间距均值以及预设的车辆定位误差，在各个候选行驶路径对应的车流密度区间内对相应的初始车流密度进行了修正，令最终获得的各个候选行驶路径的车流密度均值更为准确，从而提升了导航结果的准确性，提高了智能导航系统的服务性能。
附图说明
[0024]图1为本申请实施例中智能导航系统的应用架构示意图；
[0025]图2为本申请实施例中一个应用场景的示意图；
[0026]图3为本申请实施例中导航流程示意图；
[0027]图4为本申请实施例中第一种车流密度区间示意图；
[0028]图5为本申请实施例中第二种车流密度区间示意图；
[0029]图6为本申请实施例中智能终端逻辑架构示意图；
[0030]图7为本申请实施例中智能终端实体架构示意图。
具体实施方式
[0031]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0032]为便于对本申请实施例的理解，下面先对几个概念进行简单介绍：
[0033]智能终端：可以安装各类应用，并且能够将已安装的应用中提供的对象进行显示的设备，可以是移动的。例如，智能手机、车载电脑、平板电脑、阅读器电脑、手提电脑、PC机、
各类可穿戴设备、个人数字助理(Personal Digital Assistant，PDA)、销售终端(Point of Sales，POS)或其它能够实现上述功能的电子设备等。
[0034]浮动车辆：是指安装有定位模块的车辆，例如，安装有全球定位系统(Global Positioning System，GPS)模块或北斗模块的出租车、公交车、私家车等等。后续实施例中，为了便于描述，将浮动车辆简称为车辆，但默认所有车辆为浮动车辆，将不再赘述。
[0035]车流密度(traffic density)：又称交通流密度。在单位长度(通常为1km)路段上，一个车道或一个方向上某一瞬时的车辆数目。用以表示在一条道路上车辆的密集程度。
[0036]正态分布：本申请实施例中，假设候选行驶路径上的车流密度服从正态分布。
[0037]可信概率：本申请实施例中是指车流密度均值的取值为真的概率。
[0038]人工智能(Artificial Intelligence，AI)：是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0039]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种导航的方法，其特征在于，包括：基于获得的道路定位数据，确定N条候选行驶路径，N为自然数，以及基于获得的车辆定位数据，分别确定各个候选行驶路径上的初始车流密度；基于预设的车身长度均值以及预设的车辆间距均值，结合预设的车辆定位误差，获得统计分布的方差，并按照各个候选行驶路径的初始车流密度和所述方差，分别确定所述各个候选行驶路径对应的车流密度区间；按照所述各个候选行驶路径对应的车流密度区间及所述方差，分别确定所述各个候选行驶路径对应的车辆密度均值；选取符合设定条件的一个车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径。2.如权利要求1所述的方法，其特征在于，所述预设的车身长度均值是按照以下方式获得的：基于历史行车记录，统计各个路段上通行的各种车辆的车辆类型及相应的车身长度；基于各个路段上所述各种车辆类型对应的车辆数目，在通行车辆总数目中的占比，结合所述各种车辆类型对应的车身长度，获得相应的车身长度均值。3.如权利要求1所述的方法，其特征在于，基于预设的车身长度均值以及预设的车辆间距均值，结合预设的车辆定位误差，获得统计分布的方差，包括：基于预设的车身长度均值以及所述预设的车辆间距均值，结合所述预设的车辆定位误差，获得统计分布的标准差；基于所述标准差，获得相应的方差。4.如权利要求1所述的方法，其特征在于，按照各个候选行驶路径的初始车流密度和所述方差，分别确定各个候选行驶路径对应的车流密度区间，包括：基于各个候选行驶路径对应的初始车流密度和所述方差，分别生成相应的统计分布随机数；基于各个候选行驶路径对应的初始车流密度和统计分布随机数，分别确定各个候选行驶路径对应的车流密度区间的上限值和下限值。5.如权利要求1－4任一项所述的方法，其特征在于，选取符合设定条件的一个车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径，包括：若取值最小的车辆密度均值为一个，则获得所述取值最小的车辆密度均值的可信概率，若所述可信概率达到设定阈值，选取所述取值最小的车辆密度均值对应的候选行驶路径，作为导航的目标行驶路径；若取值最小的车辆密度均值为多个，则分别获得各个取值最小的车辆密度均值的可信概率，并进行比较，若取值最大的可信概率达到设定阈值，则选取所述取值最大的可信概率对应的车辆密度均值关联的候选行驶路径，作为导航的目标行驶路径。6.如权利要求5所述的方法，其特征在于，确定取值最小的车辆密度均值的可信概率，包括：基于所述取值最小的车辆密度均值对应的候选行驶路径的车流密度区间及所述方差，获得所述取值小的车辆密度均值的可信概率。7.一种导航的装置，其特征在于，包括：
第一确定单元，用于基于获得的道路定位数据，确定N条候选行驶路径，N为自然数，以及基于获得的车辆定位数据，分别确定各个候选行驶路径上的初始车流密度；第二确定单元，用于基于预设的车身长度均值以及预设的...

【专利技术属性】
技术研发人员：侯琛，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：