[发明专利]基于大数据机器学习的导航方法及其导航系统

说明书

技术领域

本发明属于导航领域，特别是涉及一种基于大数据机器学习的导航方法及其导航系统。

背景技术

现在的导航技术，基本是基于对历史数据的统计，或者是基于对某些有效数据的学习，来将道路交通网根据节点(各种交叉路口或者影响行车的关键性地貌如转盘、特殊行车点等)、路径(车道宽窄、拥堵等情况)、行车方向(双向、单向、定时限向等)等要素，划分成有逻辑内在的矢量地图数据。然后根据用户提出的起点与终点的数据，按照预设的时间最短、路径最短、红绿灯最少等不同规则，计算出一条符合用户需要的线路。

然后这种方式的问题在于，将实际路况读入后，需要经过建模和逻辑推演转换成数字模型，然后利用数字模型计算，并给出最终结果。在具体数据采集和路径计算过程中，依据其建模准确性、公式选用等因素，具体导航路线的设计和灵活性等，不能保证。这也造成了不同的导航软件都声称自己具备最优的算法或者具有最权威的交通数据。但是在实际应用中，导航软件往往仅适于陌生目标地的查询和找路，对于一些路况熟悉的老司机而言，总是能找到比导航软件更优化的路线。

原因也是显而易见的，总有一些导航软件无法预见的意外因素是没法统计在导航软件内的，比如某些地点的周期性拥堵(学校放学、医院排号、人流量大小区的周期性拥堵)，甚至有些因素是计算机无法理解和难以采集的。比如某些路段因为难于监管原因长期存在干扰道路畅通的黑车或者路边摊贩，再如某些地段因为属于大学集中地，有大量步行人群影响路况等。

专利文献CN105675002A公开的一种面向非同等优先级的多途经点导航路线规划方法包含以下步骤：步骤1、任务初始化：任务调度中心向导航用户终端发送模型系数设定方案，并分配非同等优先级的多途经点的多重导航任务，其中所述多途经点个数为n，当导航用户终端选择接受该任务时，将该任务中的途经点与用户终端已有任务中的途经点共同组成新的当前任务，则该当前任务下共有n！条备选路线；其中n！表示n的全排列；步骤2、计算导航模型权重：所述导航模型为面向非同等优先级的多途经点的多点模型；步骤3、路线规划：用户终端的地图导航系统提供任意两个途经点间的分路段距离和分路段耗时，自动根据上述模型及设置的权重计算全部备选路线的权重值，并按权重值由大到小进行排序，将权重值最大的规划路线设为第一优选路线；步骤4、输出规划结果并导航：将全部备选路线的权重值输出给UI交互模块，用户可选择默认接受第一优选路线或自主选择其他优选路线，并根据选择结果开始导航。该专利建立了面向非同等优先级的多途经点道路导航规划算法模型，可解决多任务多目的地外卖/生鲜配送服务，但该专利无法不受实时路况数据的限制，给出参考线路，对于网络资源流量和数据计算的依赖较大，采用建模、计算的方式，增加数据转换的次数，增加了不确定性，降低了原始数据的利用率,且由于建模忽略了很多因素，特别是一些意外因素和无法采集或规律化的因素，导航路线规划上具有准确性天花板。

专利文献CN103968853 A公开的一种用于为驾驶员导航提供调整性引导的方法包括：记录由车辆中的导航系统检测到的导航误差的导航误差数据；分析导航误差数据来检测导航误差中的模式；以及提供调整性驾驶员导航引导，其中基于导航误差中的模式来做出引导的调整。该专利可通过记录和分析过去的导航误差，来调整性地改进向驾驶员提供的导航引导，但该专利无法不受实时路况数据的限制，给出参考线路,对于网络资源流量和数据计算的依赖较大；该专利虽然采用误差数据进行修正，但其并没有急于海量的数据来确定最佳导航路线规划，只是在原来建模方式产生的导航路线上进行修正，其导航路线离最佳导航路线仍具有显著的差距。

综上所述，现有的导航方法中，基本也是基于对历史交通数据的统计，然后得到关于道路信息、历史行车信息的统计规律，但是传统导航方法为了解决从任一点到任一点的导航线路计算，必须将上述信息按照构建地图的逻辑规则，将线路转化为节点之间的线段。然后分别计算每个线段所需要消耗的行车时间。从而将从某一点到另一点的行车路线，先按照合理并且尽可能全面的方式来计算所有可能的行车路线，然后通过比较这些所有行车路线中，在每一段路程上可能消耗的时间，并求出总时间。基于总时间的多少，来向用户推荐最佳路线。常见的推荐标准，比如可以是时间最省、路程最短、红绿灯最少等等。