CN116932929B - 目标路段筛选方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明实施例可应用于交通领域。本申请涉及一种目标路段筛选方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。该方法包括：从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个引导路段的路段集合，该路段集合所表征行程的目的地为目标兴趣点；基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段；基于热门引导路段所在的路段集合所表征的子行程，确定至少包含子行程的目标行程；从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。采用上述方法，相当于对历史轨迹数据进行了降维处理，可以提高筛选工作效率。

Description

目标路段筛选方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机应用技术领域，特别是涉及一种目标路段筛选方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术

随着城市规模的不断扩大以及私家车保有量不断增多，自驾出行成为当前的主流通行方式，为自驾出行提供导航算路和路径推荐的各类导航服务应运而生。为优化导航服务，通常需要基于历史数据对路网中的热门路段进行筛选，得到目标路段。

传统的目标路段筛选方法，对历史轨迹数据进行聚类分析，基于轨迹的时空相似度确定路网中的热门路段，得到目标路段。为确保目标路段的准确性，通常需要对海量的历史轨迹数据进行分析，采用传统的目标路段筛选方法，需要对每一个轨迹与其他轨迹之间的时空相似度进行分析，计算量大响应时间长，存在工作效率低的缺点。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高工作效率的目标路段筛选方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种目标路段筛选方法。所述方法包括：

从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

第二方面，本申请还提供了一种目标路段筛选装置，其特征在于，所述装置包括：

路段获取模块，用于从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

热门引导路段筛选模块，用于基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

目标行程确定模块，用于基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

目标路段筛选模块，用于从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

上述目标路段筛选方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，获取所表征行程的目的地为目标兴趣点的路段集合，根据目标兴趣点的引导路段在各路段集合中的出现次数，筛选出热门引导路段；基于该热门引导路段所在的路段集合所表征的子行程，确定至少包含该子行程的目标行程；再从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。可以基于目标兴趣点，有针对性地进行目标路段的筛选，相当于对历史轨迹数据进行了降维处理，有利于提高工作效率。

附图说明

图1为一个实施例中目标路段筛选方法的应用环境图；

图2为一个实施例中目标路段筛选方法的流程示意图；

图3为一个实施例中以目标兴趣点A为目的地的路段集合所表征行程的示意图；

图4为一个实施例中以目标兴趣点A为目的地的目标行程示意图；

图5为一个实施例中基于MapReduce算法从目标行程中筛选得到目标路段的过程示意图；

图6为另一个实施例中目标路段筛选方法的流程示意图；

图7为一个实施例中基于MapReduce算法筛选得到热门引导路段的过程示意图；

图8为又一个实施例中目标路段筛选方法的流程示意图；

图9为再一个实施例中目标路段筛选方法的流程示意图；

图10为一个实施例中目标路段筛选装置的结构框图；

图11为一个实施例中计算机设备的内部结构图。

具体实施方式

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。

在一个实施例中，本申请提供的目标路段筛选方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他服务器上。具体地，服务器104基于与终端102的历史轨迹所对应的路网地图数据，进行目标路段的筛选。服务器104进行目标路段筛选的过程中：从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个引导路段的路段集合，该路段集合所表征行程的目的地为目标兴趣点；基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段；基于热门引导路段所在的路段集合所表征的子行程，确定至少包含该子行程的目标行程；从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。

在一个实施例中，本申请提供的目标路段筛选方法，在终端102的计算处理能力和路网地图数据量均满足要求的情况下，该应用环境可以仅涉及终端102。具体地，由终端102基于与自身历史轨迹所对应的路网地图数据，进行目标路段的筛选。

其中，终端102可以但不限于是各种台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

本发明实施例可应用于各种场景，包括但不限于云技术、人工智能、辅助驾驶、智能车路协同系统等。其中，智能车路协同系统(Intelligent Vehicle InfrastructureCooperative Systems，IVICS)，简称车路协同系统，是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。

在一个实施例中，如图2所示，提供了一种目标路段筛选方法，本实施例以该方法应用于服务器104进行举例说明，可以理解的是，该方法也可以应用于终端102，还可以应用于包括终端102和服务器104的系统，并通过终端102和服务器104的交互实现。本实施例中，该方法包括以下步骤：

步骤S201，从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个引导路段的路段集合。

其中，路网方案是指为便于开展道路信息采集、更新、对外服务等工作，将实际道路网络进行的抽象化处理的方案，通常将整个路网划分为多个存在连接关系的路段(link)，每个路段可承载某个方向的车流。同一条道路的两个车流方向，将被表示为两个不同的路段，每个路段均可以携带路段标识、几何线形数据、路段长度、道路等级、车道数、车道宽度、信号灯信息等数据。路网地图数据是基于路网方案获得的地图数据。该路网地图数据，不仅包括静态数据，例如路段数据，又如学校、商场、医院、景区等信息点(Point ofInteresting，POI)的相关数据；还包括动态数据，例如依靠空间定位技术，将追寻到的目标移动对象的位置信息，结合路网信息形成的轨迹数据。

目标兴趣点是指路网地图数据中某一类型的信息点，例如学校、商场、医院、景区等。目标兴趣点通常携带有名称、类型、位置信息、面域几何信息、引导路段等数据。通往目标兴趣点的引导路段，是指出行者要访问或进入目标兴趣点所必须经过的路段，通常是与目标兴趣点的某个入口距离最近的路段。对于面积较大的目标兴趣点，可能存在多条引导路段。例如：北京植物园有多个入口，相应地每个入口都将关联着1个或多个引导路段。对于距离较近的不同目标兴趣点，可能存在同一引导路段关联多个目标兴趣点的情况。例如，西长安街南长街至南河沿大街路段，是故宫博物院、中国国家博物馆和人民英雄纪念碑等多个目标兴趣点的引导路段。

进一步的，路段集合所表征行程的目的地为目标兴趣点。路段集合所表征的行程，是指目标移动对象以目标兴趣点为目的地的行程中，包含至少一个引导路段的子行程。对应的，该路段集合是指该子行程内的路段构成的集合。需要说明的是，实际情况中，以目标兴趣点为目的地的行程的终点，并不必然是目标兴趣点的某一入口，对应的，该行程所经过的最后一个路段，并不必然是引导路段。以目标兴趣点为景区，目标移动对象为汽车的情况为例，以下情况下均会导致行程所经过的最后一个路段不是引导路段：例如，景区的停车场可能设在景区内部，或者与景区入口存在一定距离的位置；又如，节假日时可能存在景区停车场无停车位，需要就近寻找景区附近停车位的情况。

需要说明的是，虽然以目标兴趣点为目的地的行程所经过的最后一个路段，并不必然是引导路段，但是由于引导路段是与目标兴趣点的某个入口距离最近的路段，因此，引导路段通常出现在以该引导路段关联的目标兴趣点为目的地的行程的末端子行程。该末端子行程的行程长度，可以根据出行行为特点以及目标兴趣点的面域几何信息确定。例如，目标兴趣点的几何面积越大，末端子行程的行程长度越长。又如，目标兴趣点为景区，目标移动对象为汽车的情况下，根据汽车出行的特点，停车点与目的地之间的距离通常在2公里以内，可以将末端子行程的行程长度确定为2公里，并从路网地图数据中，获取行程末端2公里以内的路段集合。如图3所示，圆形区域为目标兴趣点A的所在区域；目标兴趣点A的入口A1关联引导路段a1和引导路段a2，入口A2关联引导路段a3；子行程k1对应的路段集合包括引导路段a1，子行程k2、k3和k4对应的路段集合包括引导路段a2，子行程k5对应的路段集合包括引导路段a3和引导路段a1；各子行程的目的地均为目标兴趣点A。图3中，子行程k2、k3、k4和k5的终点在目标兴趣点A的内部，子行程k1的终点在目标兴趣点A的外部。

具体地，服务器可以针对设定类型的目标兴趣点，从路网地图数据中，获取通往该类型目标兴趣点的各引导路段，以及以该类型目标兴趣点为目的地的行程中，至少包含一个引导路段的路段集合。其中，设定类型可以是景区、学校、医院或商场等类型中的至少一类。服务器也可以针对某一特定的目标兴趣点，从路网地图数据中，获取通往该目标兴趣点的各引导路段，以及以该目标兴趣点为目的地的行程中，至少包含一个引导路段的路段集合。进一步的，服务器获取各引导路段和路段集合的具体方式，可以是主动获取，也可以是被动接收。

步骤S205，基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段。

其中，次数筛选条件可以是出现次数大于预设次数，也可以是出现次数大于或等于预设次数。具体地，服务器根据通往目标兴趣点的各引导路段，以及包含至少一个引导路段的路段集合，统计每一引导路段在各路段集合中的出现次数，并基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段。例如图3中，引导路段a1在各路段集合中的出现次数为两次，引导路段a2在各路段集合中的出现次数为三次，引导路段a1在各路段集合中的出现次数为一次。若次数筛选条件为大于两次，则引导路段a2为热门引导路段。

步骤S206，基于热门引导路段所在的路段集合所表征的子行程，确定至少包含该子行程的目标行程。

其中，目标行程至少包含热门引导路段所在的路段集合所表征的子行程，是指，目标行程与热门引导路段所在的路段集合所表征的子行程一样，也是以该热门引导路段关联的目标兴趣点为目的地的行程的子行程，区别在于，目标行程对应的行程长度，比路段集合所表征的子行程对应的行程长度更长。这是由于，路段集合用于筛选热门引导路段，目标行程用于筛选目标路段，热门引导路段是与目标兴趣点的某个入口距离最近的路段，目标路段是通往目标兴趣点的较为热门的路段。

具体地，服务器基于热门引导路段所在的路段集合所表征的子行程，可以确定至少包含该子行程的目标行程。例如，服务器可以根据热门引导路段所在的路段集合所表征的子行程的行程长度，确定目标行程的行程长度，进而确定目标行程。又如，服务器可以根据热门引导路段所在的路段集合所表征的子行程，以及该子行程对应的完整行程，将子行程的行程长度，叠加完整行程长度与预设比例的乘积，确定目标行程的行程长度，进而确定目标行程。如图4所示，热门引导路段a2所在的路段集合所表征的子行程包括子行程k2、子行程k3和子行程k4，其中，子行程k2对应的目标行程为K2，子行程k3对应的目标行程为K3，子行程k4对应的目标行程为K4。

在一个实施例中，确定至少包含子行程的目标行程，包括：根据目标兴趣点的辐射面积，确定与目标兴趣点匹配的行程长度；将各子行程所在的备选行程中，与目标兴趣点的路径距离在行程长度范围内的路段所构成的行程，确定为目标行程。

其中，目标兴趣点的辐射面积是指以该目标兴趣点为目的地的行程，对应的起始地的大概率分布区域。例如，学校的辐射面积与该学校的学区面积对应；景区的辐射面积与该景区的几何面积和热门度对应，景区面积越大越热门，辐射面积越大；商场的辐射面积与该商场的商业体量对应，商业体量越大辐射面积越大。基于此，服务器可以根据目标兴趣点的辐射面积，确定与目标兴趣点匹配的行程长度，再将各子行程向所在的备选行程的起始地方向延伸，将与目标兴趣点的路径距离在行程长度范围内的路段所构成的行程，确定为目标行程。例如，对于某一景区，可以将目的地为该景区的备选行程中，与末端5公里范围内的路段所构成的行程，确定为目标行程。上述实施例中，根据目标兴趣点的辐射面积，确定目标行程的行程长度，有利于提高目标行程中各路段与目标兴趣点的匹配度，提升效率。

步骤S207，从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。

其中，共现即共同出现，若某一路段仅在两个目标行程中出现，则该路段在各目标行程中的共现次数为两次。共现筛选条件可以是共现次数大于设定次数，也可以是共现次数大于或等于设定次数。具体地，服务器根据每一目标行程中各自所包含的路段，分别进行比对，可以筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。例如图4中，路段b1在各目标行程中的共现次数为两次，路段a2在各目标行程中的共现次数为三次，其余路段在各目标行程中的共现次数为一次。若共现筛选条件为大于或等于两次，则路段a2和路段b1为通往目标兴趣点的热门路段，即目标路段。

进一步的，可以基于MapReduce算法，从目的地为目标兴趣点的行程中筛选出目标路段。具体地，如图5所示，先确定各行程各自对应的路段标识序列，以及目标兴趣点的各热门引导路段所对应的热门引导路段标识。其中，行程标识和路段标识序列可以组成<key，value>形式的键值对，key为行程标识，value为该行程对应的路段标识序列。在Mapper(映射)阶段，若行程末端包含热门引导路段，则基于热门引导路段确定目标行程，得到与目标行程对应的路段标识序列，再将该路段标识序列内的每个路段的路段标识作为key，数值1作为value输出键值对。最后在Reducer(汇总)阶段，对每个Mapper输出的键值对进行聚合统计，累加相同的路段的value值，得到每个通往目标兴趣点的各路段在各目标行程中的共现次数，即各Link所关联的目标行程的数量，筛选出满足共现筛选条件的目标路段，即为通往目标兴趣点的热门路段。采用MapReduce算法进行目标路段的筛选，可以将数据集的大规模操作分发给网络上的各个节点进行并行运算，有利于提高运算效率。需要说明的是，其他实施例中，也可以采用Spark算法等其他算法进行目标路段的筛选。

上述目标路段筛选方法，获取所表征行程的目的地为目标兴趣点的路段集合，根据目标兴趣点的引导路段在各路段集合中的出现次数，筛选出热门引导路段；基于该热门引导路段所在的路段集合所表征的子行程，确定至少包含该子行程的目标行程；再从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。采用上述方法，可以基于目标兴趣点，有针对性地进行目标路段的筛选，相当于对历史轨迹数据进行了降维处理，有利于提高工作效率。

可以理解，基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段之前，还需要统计得到每一引导路段在各路段集合中的出现次数。在一个实施例中，如图6所示，目标路段筛选方法还包括：

步骤S602，确定各路段集合各自对应的路段标识序列、以及引导路段所对应的引导路段标识。

其中，路段标识是指可以唯一标识路段的信息，该路段标识具体可以包括文字、数字和字母等字符类型中的至少一种。对应的，引导路段标识是指可以唯一标识引导路段的信息。具体地，服务器基于路网地图数据，可以确定通往目标兴趣点的各引导路段的引导路段标识；将路段集合中所包含的路段的路段标识，按照行驶方向排序，可以得到该路段集合对应的路段标识序列。

步骤S603，基于引导路段标识的标识号所属的存储分区，确定引导路段标识与路段标识序列的匹配结果的存储位置。

其中，引导路段标识与路段标识序列的匹配结果，是指用于表征路段标识序列中是否包含引导路段标识的结果。该匹配结果，具体可以是键值对、映射关系等形式。具体地，服务器可以根据引导路段标识的标识号，将各标识号对应不同的存储分区，再基于标识号所属的存储分区，确定引导路段标识与路段标识序列的匹配结果的存储位置。该存储分区，可以是指同一服务器上的不同存储分区，也可以是指服务器所在的服务器集群中，不同节点服务器的存储分区。进一步的，服务器还可以根据引导路段的数量，以及可用存储分区的数量，将各引导路段关联的匹配结果，均匀分配至不同的存储分区，以确保负载均衡，提高统计效率。

步骤S604，聚合各存储分区中所存储的匹配结果，得到每一引导路段在各路段集合中的出现次数。

具体地，服务器分别聚合各存储分区中所存储的匹配结果，可以得到每一引导路段在各路段集合中的出现次数。

以采用MapReduce算法统计得到每一引导路段在各路段集合中的出现次数的情况为例。如图7所示，先确定各行程各自对应的路段标识序列，以及目标兴趣点的各引导路段所对应的引导路段标识。其中，行程标识和路段标识序列可以组成<key，value>形式的键值对，key为行程标识，value为该行程对应的路段标识序列。在Mapper阶段，若行程末端子行程对应的路段集合包含通往目标兴趣点的引导路段标识，则输出以引导路段标识为key，以数值1作为value的键值对。为了保证负载均衡和避免数据倾斜，Mapper的输出结果在Shuffle阶段时，根据引导路段的数量，将各引导路段关联的匹配结果均衡分配至不同的Partition分区。例如，可以对引导路段标识的标识号先进行逆序等特殊转换之后，再根据标识号将各引导路段关联的匹配结果均衡分配至不同的Partition分区，最后对每个Mapper输出的键值对进行聚合统计，累加相同的引导路段的value值，得到每一引导路段在各路段集合中的出现次数，进而得到热门引导路段。需要说明的是，其他实施例中，也可以采用Spark算法等其他算法进行热门引导路段的筛选。

上述实施例中，基于引导路段标识的标识号所属的存储分区，确定各引导路段标识与路段标识序列的匹配结果的存储位置，再聚合各存储分区中所存储的匹配结果，得到每一引导路段在各路段集合中的出现次数，可以将各引导路段关联的匹配结果，分配至不同的存储分区分别进行出现次数的统计，有利于提高统计效率。

在一个实施例中，请继续参考图6，目标路段筛选方法还包括：

步骤S608，响应于出行起止地点输入事件，确定从起始地至目的地的出行路径。

具体地，导航服务过程中，通常由用户通过客户端输入出行起止地点，服务器响应于出行起止地点输入事件，结合路网地图数据，确定从起始地至目的地的出行路径。可以理解，该出行路径通常由多个路段组成，可能会经过多个POI。

步骤S609，在出行路径包含目标路段时，输出针对目标路段的个性化展示信息。

其中，个性化展示信息可以是个性化展示指令，用于指示客户端展示个性化信息，也可以是文字、图片或语音等形式的展示信息。具体地，在出行路径包含目标路段时，服务器可以针对目标路段所对应的目标兴趣点的特征，输出针对目标路段的个性化展示信息。例如，若目标路段对应的目标兴趣点为景点时，采用特殊的视觉样式凸显该目标路段，或者对该目标路段进行针对性的语音播报。

上述实施例中，在出行路径包含目标路段时，输出针对目标路段的个性化展示信息，可以丰富导航服务的信息量，有利于提升用户体验。

在一个实施例中，目标路段筛选方法还包括：提取各目标行程中，各目标路段关联的时间信息，并根据时间信息确定各目标路段的时段属性。在该实施例的情形下，步骤S609包括：在出行路径包含目标路段、且出行时间与目标路段的时段属性相匹配时，输出针对目标路段的个性化展示信息。

其中，目标路段的时段属性包括与目标路段关联的时间信息所对应的季节属性、节日属性或时间属性。例如，通往植物园的目标路段所关联的时间信息可能集中在春季；通往世界之窗的目标路段所关联的时间信息可能集中在大型节日；通往学校的目标路段所关联的时间信息可能集中在早晨7:00至8:00，以及下午17:00至18:00。具体地，服务器提取各目标行程中，各目标路段关联的时间信息，根据时间信息可以确定各目标路段的时段属性。进一步的，获得目标路段的时段属性后，在出行路径包含目标路段、且出行时间与目标路段的时段属性相匹配时，输出针对目标路段的个性化展示信息。例如，可以输出目标路段可能拥堵的展示信息，并向用户提供备选出行路径以供选择；又如，可以输出与目标路段对应的目标兴趣点的相关信息。

此外，获得目标路段的时段属性后，在基于历史数据进行拥堵概率的预测时，可以考虑目标路段的时段属性的影响，以提高拥堵预测准确性；在进行历史平均拥堵概率的计算时，可以有针对地屏蔽时段属性较为明显的历史数据，以提高历史平均拥堵概率的参考价值。

上述实施例中，在出行路径包含目标路段、且出行时间与目标路段的时段属性相匹配时，输出针对目标路段的个性化展示信息，可以提高个性化展示信息展示效果。

在一个实施例中，如图8所示，步骤S201包括步骤S801：从路网地图数据中，获取通往目标兴趣点的各引导路段。以及从路网地图数据中获取包含至少一个引导路段的路段集合。具体地，从路网地图数据中获取包含至少一个引导路段的路段集合，包括：

步骤S802，从路网地图数据中，获取样本车辆的历史行车轨迹。

其中，样本车辆包括公共车辆和个人车辆。该公共车辆可以是的士或网约车等。历史行车轨迹是指已经发生的，基于路网地图进行匹配处理后得到的样本车辆的行驶轨迹。通常，车辆轨迹由一系列的位置点构成，每个位置点携带有时间戳、经纬度坐标、点速度、方位角等信息，与路网地图进行匹配之后，可以得到对应的路段和相对位置等信息。也即，基于样本车辆的历史行车轨迹，可以得到该样本车辆行驶经过的路段序列。进一步的，服务器获取样本车辆的历史行车轨迹的具体方式，可以是主动获取，也可以是被动接收。

在一个实施例中，获取样本车辆的历史行车轨迹，包括：基于目标兴趣点对应的出行行为时间特点，确定该目标兴趣点关联的目标出行时间；获取样本车辆在目标出行时间的历史行车轨迹。

其中，目标兴趣点对应的出行行为时间特点是指根据日常出行习惯，以目标兴趣点为目的地的出行行为大概率出现的时间区间。例如，目的地为景区的出行行为主要集中在周末和节假日；目的地为学校的出行行为主要集中在工作日。基于此，服务器可以基于目标兴趣点对应的出行行为时间特点，确定该目标兴趣点关联的目标出行时间，并获取样本车辆在目标出行时间的历史行车轨迹，以提高获取的历史行车轨迹中，目的地为目标兴趣点的有效轨迹所占的比例。

步骤S803，根据各历史行车轨迹的行驶特征，得到样本车辆的历史行程。

其中，行驶特征是指可以用于表征历史行车轨迹的特点的信息。该行驶特征可以包括行驶状态标识、定位信息、道路属性和时间戳等信息中的一种或多种。历史行程是指历史行车轨迹中，从始发地至目的地的轨迹片段。某一样本车辆的历史行车轨迹，通常包含多个历史行程。各历史行程之间，还可能会存在非行程类的行车轨迹。例如，的士运营过程中，通常在道路上边行驶边等客，也即，的士载客之前的行车轨迹并无明确目的地，该轨迹为与行程无关的轨迹。需要说明的是，由于样本车辆的类型并不唯一，服务器根据各历史行程轨迹的行驶特征，得到样本车辆的历史行程的具体方式也不唯一。

在一个实施例中，样本车辆包括公共车辆，行驶特征包括行驶状态标识。在该实施例的情形下，步骤S803包括：根据公共车辆的历史行车轨迹对应的行驶状态标识，提取各历史行车轨迹中载客状态对应的轨迹片段，得到公共车辆的历史行程。

其中，行驶状态标识用于标识公共车辆的接送客状态，具体包括空车状态、接客状态、等客状态、载客状态等等。具体地，公共车辆的历史行车轨迹对应的轨迹数据中，携带有各位置点的行驶状态标识。以网约车为例，对应于一次完整地接送客过程，车辆将依次处于空车状态、接客状态、等客状态和载客状态，最终再回到空车状态。也即，公共车辆的历史行车轨迹中载客状态对应的轨迹片段，与乘客的一次独立的行程对应。基于此，服务器可以根据公共车辆的历史行车轨迹对应的行驶状态标识，提取各历史行车轨迹中载客状态对应的轨迹片段，得到公共车辆的历史行程。

在另一个实施例中，样本车辆包括个人车辆；行驶特征包括定位信息、道路属性和时间戳。在该实施例的情形下，步骤S803包括：根据个人车辆的历史行车轨迹中各轨迹点的定位信息、道路属性和时间戳，将各定位信息按照各自对应的时间戳进行排序，得到定位序列；将定位序列中，时间间隔超过预设时长的相邻定位信息，确定为备选定位信息对；若备选定位信息对中，时间戳靠前的备选定位信息对应的道路属性为开放道路，将该备选定位信息对中的各备选定位信息确定为目标定位信息；基于各目标定位信息对历史行车轨迹进行行程切分，得到个人车辆的历史行程。

其中，道路属性包括封闭道路和开放道路，该封闭道路包括城市快速路、高速等类型的道路，其余非封闭道路均为开放道路。个人车辆行驶过程中，若开启导航服务，则可通过对应的客户端记录该车辆的行车轨迹，得到各轨迹点的定位信息、道路属性和时间戳。一次行程中的各定位信息，对应的时间戳是连续的，并且相邻时间戳之间的间隔很短。基于此，服务器可以将各定位信息按照各自对应的时间戳进行排序，得到定位序列，并将定位序列中，时间间隔超过预设时长的相邻定位信息，确定为备选定位信息对。该预设时长可以设定为30分钟、35分钟或40分钟。

可以理解，该备选定位信息对中，时间戳靠前的备选定位信息，可能为上一次行程的目的地，时间戳靠后的备选定位信息，可能为下一次行程的起始地。进一步的，考虑到实际行驶过程中，可能存在一次行程过程中，车辆在高速服务区休息，或者在城市快速路停车处理紧急事件的情况，获得备选定位信息对后，服务区进一步从备选定位信息对中确定目标定位信息，并基于目标定位信息对历史行车轨迹进行行程切分，得到个人车辆的历史行程。具体地，若备选定位信息对中，时间戳靠前的备选定位信息对应的道路属性为开放道路，则将该备选定位信息对中的各备选定位信息确定为目标定位信息，再基于各目标定位信息对历史行车轨迹进行行程切分，得到个人车辆的历史行程。

上述实施例中，基于样本车辆的车辆类型，以及各历史行车轨迹的行驶特征，有差别地获得样本车辆的历史行程，可以提高历史行程获取方式的科学性，进而提升用于进行目标路段筛选的历史行程的关联样本数据的数据质量，提高目标路段筛选结果的准确性。

步骤S804，将目的地为目标兴趣点的历史行程确定为备选行程。

步骤S805，获取备选行程匹配的路段集合。

其中，路段集合包含至少一个引导路段。路段集合所表征的行程，是指目的地为目标兴趣点的备选行程中，包含至少一个引导路段的子行程。对应的，该路段集合是指该子行程内的路段构成的集合。如前文所述的，虽然以目标兴趣点为目的地的备选行程所经过的最后一个路段，并不必然是引导路段，但是由于引导路段是与目标兴趣点的某个入口距离最近的路段，因此，引导路段通常出现在备选行程的末端子行程。基于此，服务器将目的地为目标兴趣点的历史行程确定为备选行程，并获取备选行程末端，与该备选行程匹配的，包含至少一个引导路段的路段集合。

上述实施例中，基于样本车辆的历史行车轨迹，得到该样本车辆的历史行程，进而获得目的地为目标兴趣点的备选行程中，包含至少一个引导路段的路段集合，可以从海量样本车辆的历史行车轨迹中获得路段集合，用于目标路段的筛选，有利于增加目标路段筛选过程的样本数量，提升筛选结果的准确性。

在一个实施例中，如图9所示，目标路段筛选方法包括：

S901，从路网地图数据中，获取通往目标兴趣点的各引导路段；

S902，基于目标兴趣点对应的出行行为时间特点，确定该目标兴趣点关联的目标出行时间；

S903，获取样本车辆在目标出行时间的历史行车轨迹；若样本车辆为公共车辆，执行步骤S904，若样本车辆为个人车辆，执行步骤S905至步骤S908；

S904，根据公共车辆的历史行车轨迹对应的行驶状态标识，提取各历史行车轨迹中载客状态对应的轨迹片段，得到公共车辆的历史行程；

S905，根据个人车辆的历史行车轨迹中各轨迹点的定位信息、道路属性和时间戳，将各定位信息按照各自对应的时间戳进行排序，得到定位序列；

S906，将定位序列中，时间间隔超过预设时长的相邻定位信息，确定为备选定位信息对；

S907，若备选定位信息对中，时间戳靠前的备选定位信息对应的道路属性为开放道路，将该备选定位信息对中的各备选定位信息确定为目标定位信息；

S908，基于各目标定位信息对历史行车轨迹进行行程切分，得到个人车辆的历史行程；

S909，将目的地为目标兴趣点的历史行程确定为备选行程；

S910，获取备选行程匹配的路段集合；

S911，确定各路段集合各自对应的路段标识序列、以及引导路段所对应的引导路段标识；

S912，基于引导路段标识的标识号所属的存储分区，确定引导路段标识与路段标识序列的匹配结果的存储位置；

S913，聚合各存储分区中所存储的匹配结果，得到每一引导路段在各路段集合中的出现次数；

S914，基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段；

S915，根据目标兴趣点的辐射面积，确定与目标兴趣点匹配的行程长度；

S916，基于热门引导路段所在的路段集合所表征的子行程，将各子行程所在的备选行程中，与目标兴趣点的路径距离在行程长度范围内的路段所构成的行程，确定为目标行程；

S917，从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段；

S918，提取各目标行程中，各目标路段关联的时间信息，并根据时间信息确定各目标路段的时段属性；

S919，响应于出行起止地点输入事件，确定从起始地至目的地的出行路径；

S920，在出行路径包含目标路段、且出行时间与目标路段的时段属性相匹配时，输出针对目标路段的个性化展示信息。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的目标路段筛选方法的目标路段筛选装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个目标路段筛选装置实施例中的具体限定可以参见上文中对于目标路段筛选方法的限定，在此不再赘述。

在一个实施例中，如图10所示，提供了一种目标路段筛选装置1000，包括：路段获取模块1001、热门引导路段筛选模块1002、目标行程确定模块1003和目标路段筛选模块1004，其中：

路段获取模块1001，用于从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个引导路段的路段集合，该路段集合所表征行程的目的地为目标兴趣点；

热门引导路段筛选模块1002，用于基于每一引导路段在各路段集合中的出现次数，从各引导路段中筛选出出现次数满足次数筛选条件的热门引导路段；

目标行程确定模块1003，用于基于热门引导路段所在的路段集合所表征的子行程，确定至少包含子行程的目标行程；

目标路段筛选模块1004，用于从每一目标行程中各自所包含的路段中，筛选出在各目标行程中的共现次数满足共现筛选条件的目标路段。

在一个实施例中，目标路段筛选装置1000还包括：路段标识确定模块，用于确定各路段集合各自对应的路段标识序列、以及引导路段所对应的引导路段标识；存储位置确定模块，用于基于引导路段标识的标识号所属的存储分区，确定引导路段标识与路段标识序列的匹配结果的存储位置；出现次数确定模块，用于聚合各存储分区中所存储的匹配结果，得到每一引导路段在各路段集合中的出现次数。

在一个实施例中，目标路段筛选装置1000还包括：出现路径确定模块，用于响应于出行起止地点输入事件，确定从起始地至目的地的出行路径；展示信息输出模块，用于在出行路径包含目标路段时，输出针对目标路段的个性化展示信息。

在一个实施例中，目标路段筛选装置1000还包括：时段属性确定模块，用于提取各目标行程中，各目标路段关联的时间信息，并根据时间信息确定各目标路段的时段属性；展示信息输出模块，具体用于在出行路径包含目标路段、且出行时间与目标路段的时段属性相匹配时，输出针对目标路段的个性化展示信息。

在一个实施例中，路段获取模块1001包括：历史行车轨迹获取单元，用于从路网地图数据中，获取样本车辆的历史行车轨迹；历史行程获取单元，用于根据各历史行车轨迹的行驶特征，得到样本车辆的历史行程；备选行车确定单元，用于将目的地为目标兴趣点的历史行程确定为备选行程；路段集合获取单元，用于获取备选行程匹配的路段集合，路段集合包含至少一个引导路段。

在一个实施例中，历史行车轨迹获取单元具体用于：基于目标兴趣点对应的出行行为时间特点，确定该目标兴趣点关联的目标出行时间；获取样本车辆在目标出行时间的历史行车轨迹。

在一个实施例中，样本车辆包括公共车辆，行驶特征包括行驶状态标识。在该实施例的情形下，历史行程获取单元具体用于：根据公共车辆的历史行车轨迹对应的行驶状态标识，提取各历史行车轨迹中载客状态对应的轨迹片段，得到公共车辆的历史行程。

在另一个实施例中，样本车辆包括个人车辆；行驶特征包括定位信息、道路属性和时间戳。在该实施例的情形下，历史行程获取单元具体用于：根据个人车辆的历史行车轨迹中各轨迹点的定位信息、道路属性和时间戳，将各定位信息按照各自对应的时间戳进行排序，得到定位序列；将定位序列中，时间间隔超过预设时长的相邻定位信息，确定为备选定位信息对；若备选定位信息对中，时间戳靠前的备选定位信息对应的道路属性为开放道路，将该备选定位信息对中的各备选定位信息确定为目标定位信息；基于各目标定位信息对历史行车轨迹进行行程切分，得到个人车辆的历史行程。

在一个实施例中，目标行程确定模块1003具体用于：根据目标兴趣点的辐射面积，确定与目标兴趣点匹配的行程长度；将各子行程所在的备选行程中，与目标兴趣点的路径距离在行程长度范围内的路段所构成的行程，确定为目标行程。

上述目标路段筛选装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储路网地图数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标路段筛选方法。本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体地计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (13)

1.一种目标路段筛选方法，其特征在于，所述方法包括

从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

2.根据权利要求1所述的方法，其特征在于，从路网地图数据中获取包含至少一个引导路段的路段集合，包括：

从路网地图数据中，获取样本车辆的历史行车轨迹；

根据各所述历史行车轨迹的行驶特征，得到所述样本车辆的历史行程；

将目的地为所述目标兴趣点的所述历史行程确定为备选行程；

获取所述备选行程匹配的路段集合，所述路段集合包含至少一个引导路段。

3.根据权利要求2所述的方法，其特征在于，所述获取样本车辆的历史行车轨迹，包括：

基于目标兴趣点对应的出行行为时间特点，确定所述目标兴趣点关联的目标出行时间；

获取样本车辆在所述目标出行时间的历史行车轨迹。

4.根据权利要求2所述的方法，其特征在于，所述样本车辆包括公共车辆；所述行驶特征包括行驶状态标识；

所述根据所述历史行车轨迹的行驶特征，得到所述样本车辆的历史行程，包括：

根据各所述公共车辆的历史行车轨迹对应的行驶状态标识，提取各所述历史行车轨迹中载客状态对应的轨迹片段，得到所述公共车辆的历史行程。

5.根据权利要求2所述的方法，其特征在于，所述样本车辆包括个人车辆；所述行驶特征包括定位信息、道路属性和时间戳；

所述根据各所述历史行车轨迹的行驶特征，得到所述样本车辆的历史行程，包括：

根据各所述个人车辆的历史行车轨迹中各轨迹点的定位信息、道路属性和时间戳，将各所述定位信息按照各自对应的时间戳进行排序，得到定位序列；

将所述定位序列中，时间间隔超过预设时长的相邻定位信息，确定为备选定位信息对；

若所述备选定位信息对中，时间戳靠前的备选定位信息对应的道路属性为开放道路，将所述备选定位信息对中的各备选定位信息确定为目标定位信息；

基于各所述目标定位信息对所述历史行车轨迹进行行程切分，得到所述个人车辆的历史行程。

6.根据权利要求2所述的方法，其特征在于，所述确定至少包含所述子行程的目标行程，包括：

根据所述目标兴趣点的辐射面积，确定与所述目标兴趣点匹配的行程长度；

将各所述子行程所在的备选行程中，与所述目标兴趣点的路径距离在所述行程长度范围内的路段所构成的行程，确定为目标行程。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定各所述路段集合各自对应的路段标识序列、以及所述引导路段所对应的引导路段标识；

基于所述引导路段标识的标识号所属的存储分区，确定所述引导路段标识与所述路段标识序列的匹配结果的存储位置；

聚合各所述存储分区中所存储的匹配结果，得到每一所述引导路段在各所述路段集合中的出现次数。

8.根据权利要求1至7中任意一项所述的方法，其特征在于，所述方法还包括：

响应于出行起止地点输入事件，确定从起始地至目的地的出行路径；

在所述出行路径包含所述目标路段时，输出针对所述目标路段的个性化展示信息。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

提取各所述目标行程中，各所述目标路段关联的时间信息，并根据所述时间信息确定各所述目标路段的时段属性；

所述在所述出行路径包含所述目标路段时，输出针对所述目标路段的个性化展示信息，包括：

在所述出行路径包含所述目标路段、且出行时间与所述目标路段的时段属性相匹配时，输出针对所述目标路段的个性化展示信息。

10.一种目标路段筛选装置，其特征在于，所述装置包括：

路段获取模块，用于从路网地图数据中，获取通往目标兴趣点的各引导路段以及包含至少一个所述引导路段的路段集合，所述路段集合所表征行程的目的地为所述目标兴趣点；

热门引导路段筛选模块，用于基于每一所述引导路段在各所述路段集合中的出现次数，从各所述引导路段中筛选出所述出现次数满足次数筛选条件的热门引导路段；

目标行程确定模块，用于基于所述热门引导路段所在的路段集合所表征的子行程，确定至少包含所述子行程的目标行程；

目标路段筛选模块，用于从每一所述目标行程中各自所包含的路段中，筛选出在各所述目标行程中的共现次数满足共现筛选条件的目标路段。

11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。

13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。