一种车辆行驶过程中的智能探路方法及装置与流程

1.本发明涉及交通安全技术领域，具体涉及一种车辆行驶过程中的智能探路方法及装置。


背景技术：

2.在货运司机驾车出行过程中，由于不同城市、不同道路对于不同车辆类型的限制，经常会遇到各种限制无法通行，或因未留意各种交通限制而导致罚款。而货车司机一般都不习惯开启导航，在行车过程中也不方便操作手机，目前的导航系统也不会根据司机驾驶习惯选择路线，若要涉及多个途经点，设置也很繁琐。
3.且有些路况预测系统一般也都要求用户自己输入常用出行路线及指定出行时间，智能化水平不高，有的不需要用户输入信息，但其预测目的地仅限于用户自身的历史轨迹，如用户改变行驶路线或目的地，则无法预测。


技术实现要素：

4.本发明所要解决的技术问题是：提供一种车辆行驶过程中的智能探路方法及装置，有效提高驾驶的安全性。
5.为了解决上述技术问题，本发明采用的技术方案为：
6.一种车辆行驶过程中的智能探路方法，包括步骤：
7.s1、将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；
8.s2、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；
9.s3、根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；
10.s4、根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。
11.为了解决上述技术问题，本发明提供的另一个技术方案为：
12.一种车辆行驶过程中的智能探路装置，包括：
13.历史轨迹学习系统，用于将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；
14.目的地预测系统，用于根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；
15.路况信息及行驶路径融合系统，用于根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；
16.路况播报系统，用于根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。
17.本发明的有益效果在于：本发明提供一种车辆行驶过程中的智能探路方法及装置，通过学习车辆的历史行车轨迹，利用贝叶斯定理预测行驶的终点，根据预测的终点获取途经道路的实时路况信息，为司机提前进行播报提醒，有效提高驾驶安全性，减少交通事故和罚款。
附图说明
18.图1为本发明实施例的一种车辆行驶过程中的智能探路方法的流程图；
19.图2位本发明实施例的一种车辆行驶过程中的智能探路方法中的目的地预测流程图；
20.图3为本发明实施例的一种车辆行驶过程中的智能探路装置的结构示意图。
21.标号说明：
22.1、历史轨迹学习系统；2、目的地预测系统；3、路况信息及行驶路径融合系统；4、路况播报系统。
具体实施方式
23.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
24.请参照图1及图2，一种车辆行驶过程中的智能探路方法，包括步骤：
25.s1、将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；
26.s2、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；
27.s3、根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；
28.s4、根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。
29.由上述描述可知，本发明的有益效果在于：通过学习车辆的历史行车轨迹，利用贝叶斯定理预测行驶的终点，根据预测的终点获取途经道路的实时路况信息，为司机提前进行播报提醒，有效提高驾驶安全性，减少交通事故和罚款。
30.进一步地，所述步骤s2具体为：
31.s21、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的n个所述候选节点，将已行驶过的道路节点标记为r，所述候选节点标记为r
*
；
32.s22、根据贝叶斯定理计算所述候选节点成为终点的概率p(r
*
|r)，得到公式一：
[0033][0034]
公式一中，p(r|r
*
)为所述候选节点的似然值，p(r
*
)为根据所述候选节点的先验概率，为归一化因子，用于使所有所述候选节点的概率和为1；
[0035]
s23、以概率最大的所述候选节点作为本次行车的预测终点。
[0036]
由上述描述可知，将车辆当前行驶的部分轨迹与历史行车轨迹相结合，以贝叶斯定理为基础，由候选节点在历史行车轨迹中的先验概率和似然值以得到候选节点作为终点的概率，确保最终得到的概率最大的候选节点为终点的准确性，且通过归一化因子保证所有候选节点的概率值之和为1，确保概率值计算的有效性。
[0037]
进一步地，所述步骤s22具体为：
[0038]
s221、初始化计算空间范围为所述历史行车轨迹中的所有终点，所述计算空间范围随着当前车辆的行驶轨迹的变化和行驶时间的增加逐渐缩小；
[0039]
s222、计算所述计算空间范围内的所述候选节点的先验概率p(r
*
)：
[0040]
p(r
*
)＝所述历史行车轨迹中所述候选节点为终点的次数/所有终点的次数；
[0041]
s223、根据所述历史行车轨迹中以所述候选节点为终点时途经的每段道路从自身道路段的起点到所述候选节点所耗费的行驶时长，对多次行驶时长进行统计，按正态分布计算出平均值和标准差，以平均值作为从每段道路的起点到所述候选节点的最短行驶时间，然后统计所述历史行车轨迹中每段道路的所述最短行驶时间小于位于前个道路节点的道路段的所述最短行驶时间的频数，由频数与道路段数的比值得到每段道路的平均概率p，得到所述候选节点的似然值p(r|r
*
)，如公式二：
[0042][0043]
公式二中r为车辆从开始行车到当前所行驶过的道路节点，若当前行驶到的道路节点ri在所述历史行车轨迹中距所述候选节点r
*
较上一个道路节点r
i-1
在所述历史行车轨迹中距所述候选节点r
*
的时间为增加，则公式二中取(1-p)作为该道路节点ri所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算，否则取p为该道路节点ri所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算；
[0044]
s224、将所述候选节点的先验概率p(r
*
)和似然值p(r|r
*
)相乘，得到所述候选节点成为终点的概率p(r
*
|r)。
[0045]
由上述描述可知，由于车辆是不断前进的，因此与行驶终点的距离也会越来越近，即计算空间范围会不断缩小，可根据计算空间范围的缩小剔除不在范围内的候选节点，减小后续的计算量；同时似然值计算公式二中的平均概率p为根据历史行车轨迹中的多组数据进行相应的行驶时间、平均值等计算得到，进一步提高了似然值计算的准确性。
[0046]
进一步地，所述步骤s2和s3之间还包括：
[0047]
每当车辆行驶至一个新的道路节点时，重复步骤s2计算得到新的所述预测终点，覆盖上一次的预测结果。
[0048]
由上述描述可知，根据当前车辆不断变化的行驶轨迹重新计算候选节点的概率，从而重新得到新的概率最大的候选节点作为预测终点，避免用户改变路线造成目的地预测出错现象，即实时根据行驶路线预测目的地，提高预测的准确性。
[0049]
进一步地，所述实时路况信息包括所述途经道路的基本静态信息和动态信息，所述基本静态信息包括以下至少一种：电子眼、限高限宽信息、桥梁和隧道、上陡坡和下陡坡和急拐弯道路，所述动态信息为交通拥堵情况和道路限制信息；
[0050]
所述步骤s3中还包括：
[0051]
预先将所述历史行车轨迹中发生变化的时间间隔小于预设时间的历史路况信息的位置和属性与所述历史行车轨迹中的行驶路径进行关联匹配，并进行融合存储；
[0052]
比对所述实时路况信息中与所述历史路况信息对应的路况信息的是否有差异，若有，则发出该路况信息变更的提醒。
[0053]
由上述描述可知，对于不发生频繁变化的路况信息，当车辆行驶时，对预测到的终点所途经道路的路况信息进行实时获取，并与不发生频繁变化的历史路况信息进行比对差异，可有针对性地提醒驾驶员注意平常不常更改的路况信息发生了变化，以免驾驶员不注意实时路况信息依然按旧的经验行驶导致安全事故或交通罚款等。
[0054]
请参照图3，一种车辆行驶过程中的智能探路装置，包括：
[0055]
历史轨迹学习系统，用于将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；
[0056]
目的地预测系统，用于根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；
[0057]
路况信息及行驶路径融合系统，用于根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；
[0058]
路况播报系统，用于根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。
[0059]
由上述描述可知，本发明的有益效果在于：基于同一技术构思，配合上述的一种车辆行驶过程中的智能探路方法，提供一种车辆行驶过程中的智能探路装置，通过学习车辆的历史行车轨迹，利用贝叶斯定理预测行驶的终点，根据预测的终点获取途经道路的实时路况信息，为司机提前进行播报提醒，有效提高驾驶安全性，减少交通事故和罚款。
[0060]
进一步地，所述目的地预测系统具体执行以下步骤：
[0061]
s21、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的n个所述候选节点，将已行驶过的道路节点标记为r，所述候选节点标记为r
*
；
[0062]
s22、根据贝叶斯定理计算所述候选节点成为终点的概率p(r
*
|r)，得到公式一：
[0063][0064]
公式一中，p(r|r
*
)为所述候选节点的似然值，p(r
*
)为根据所述候选节点的先验概
率，为归一化因子，用于使所有所述候选节点的概率和为1；
[0065]
s23、以概率最大的所述候选节点作为本次行车的预测终点。
[0066]
由上述描述可知，将车辆当前行驶的部分轨迹与历史行车轨迹相结合，以贝叶斯定理为基础，由候选节点在历史行车轨迹中的先验概率和似然值以得到候选节点作为终点的概率，确保最终得到的概率最大的候选节点为终点的准确性，且通过归一化因子保证所有候选节点的概率值之和为1，确保概率值计算的有效性。
[0067]
进一步地，所述目的地预测系统执行所述步骤s22时，具体包括以下步骤：
[0068]
s221、初始化计算空间范围为所述历史行车轨迹中的所有终点，所述计算空间范围随着当前车辆的行驶轨迹的变化和行驶时间的增加逐渐缩小；
[0069]
s222、计算所述计算空间范围内的所述候选节点的先验概率p(r
*
)：
[0070]
p(r
*
)＝所述历史行车轨迹中所述候选节点为终点的次数/所有终点的次数；
[0071]
s223、根据所述历史行车轨迹中以所述候选节点为终点时途经的每段道路从自身道路段的起点到所述候选节点所耗费的行驶时长，对多次行驶时长进行统计，按正态分布计算出平均值和标准差，以平均值作为从每段道路的起点到所述候选节点的最短行驶时间，然后统计所述历史行车轨迹中每段道路的所述最短行驶时间小于位于前个道路节点的道路段的所述最短行驶时间的频数，由频数与道路段数的比值得到每段道路的平均概率p，得到所述候选节点的似然值p(r|r
*
)，如公式二：
[0072][0073]
公式二中r为车辆从开始行车到当前所行驶过的道路节点，若当前行驶到的道路节点ri在所述历史行车轨迹中距所述候选节点r
*
较上一个道路节点r
i-1
在所述历史行车轨迹中距所述候选节点r
*
的时间为增加，则公式二中取(1-p)作为该道路节点ri所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算，否则取p为该道路节点ri所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算；
[0074]
s224、将所述候选节点的先验概率p(r
*
)和似然值p(r|r
*
)相乘，得到所述候选节点成为终点的概率p(r
*
|r)。
[0075]
由上述描述可知，由于车辆是不断前进的，因此与行驶终点的距离也会越来越近，即计算空间范围会不断缩小，可根据计算空间范围的缩小剔除不在范围内的候选节点，减小后续的计算量；同时似然值计算公式二中的平均概率p为根据历史行车轨迹中的多组数据进行相应的行驶时间、平均值等计算得到，进一步提高了似然值计算的准确性。
[0076]
进一步地，每当车辆行驶至一个新的道路节点时，所述目的地预测系统重复计算得到新的所述预测终点，覆盖上一次的预测结果。
[0077]
由上述描述可知，根据当前车辆不断变化的行驶轨迹重新计算候选节点的概率，从而重新得到新的概率最大的候选节点作为预测终点，避免用户改变路线造成目的地预测出错现象，即实时根据行驶路线预测目的地，提高预测的准确性。
[0078]
进一步地，所述实时路况信息包括所述途经道路的基本静态信息和动态信息，所述基本静态信息包括以下至少一种：电子眼、限高限宽信息、桥梁和隧道、上陡坡和下陡坡
和急拐弯道路，所述动态信息为交通拥堵情况和道路限制信息；
[0079]
所述路况信息及行驶路径融合系统还用于：
[0080]
预先将所述历史行车轨迹中发生变化的时间间隔小于预设时间的历史路况信息的位置和属性与所述历史行车轨迹中的行驶路径进行关联匹配，并进行融合存储；
[0081]
比对所述实时路况信息中与所述历史路况信息对应的路况信息的是否有差异，若有，则发出该路况信息变更的提醒。
[0082]
由上述描述可知，对于不发生频繁变化的路况信息，当车辆行驶时，对预测到的终点所途经道路的路况信息进行实时获取，并与不发生频繁变化的历史路况信息进行比对差异，可有针对性地提醒驾驶员注意平常不常更改的路况信息发生了变化，以免驾驶员不注意实时路况信息依然按旧的经验行驶导致安全事故或交通罚款等。
[0083]
请参照图1，本发明的实施例一为：
[0084]
一种车辆行驶过程中的智能探路方法，如图1所示，包括步骤：
[0085]
s1、将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长。
[0086]
s2、根据车辆当前行驶的部分轨迹，结合历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个候选节点成为终点的概率，以概率最大的候选节点作为本次行车的预测终点。
[0087]
s3、根据预测终点，获取当前车辆的行驶位置到预测终点的途经道路的实时路况信息。
[0088]
s4、根据获取的实时路况信息距离当前车辆的行驶位置的远近和重要性程度对实时路况信息进行分批播报。
[0089]
即在本实施例中，通过学习车辆的历史行车轨迹，利用贝叶斯定理预测行驶的终点，根据预测的终点获取途经道路的实时路况信息，为司机提前进行播报提醒，有效提高驾驶安全性，减少交通事故和罚款。
[0090]
请参照图2，本发明的实施例二为：
[0091]
一种车辆行驶过程中的智能探路方法，在上述实施例一的基础上，在本实施例中，步骤s2具体包括以下步骤：
[0092]
s21、根据车辆当前行驶的部分轨迹，结合历史行车轨迹，得到所有可能为当前行驶轨迹终点的n个候选节点，将已行驶过的道路节点标记为r，候选节点标记为r
*
；
[0093]
s22、根据贝叶斯定理计算候选节点成为终点的概率p(r
*
|r)，得到公式一：
[0094][0095]
其中，在公式一中，p(r|r
*
)为候选节点的似然值，p(r
*
)为根据候选节点的先验概率，为归一化因子，用于使所有候选节点的概率和为1，即通过归一化因子保证所有候选节点的概率值之和为1，确保概率值计算的有效性；
[0096]
在本实施例中，步骤s22具体还包括以下步骤：
[0097]
s221、初始化计算空间范围为历史行车轨迹中的所有终点，计算空间范围随着当
前车辆的行驶轨迹的变化和行驶时间的增加逐渐缩小。
[0098]
在本实施例中，由于车辆是不断前进的，因此，计算空间范围会不断缩小，例如车辆开始行车一段时间(20分钟以上)，车辆的当前位置距候选节点d的最短行驶时间在逐渐增加，且当前参与计算的候选节点也不只d一个，则将候选节点d从计算空间范围内剔除，以便减少候选节点的数量，进一步缩小后续计算候选节点为终点的概率的计算量。
[0099]
s222、计算计算空间范围内的候选节点的先验概率p(r
*
)。
[0100]
在本实施例中，p(r
*
)＝历史行车轨迹中候选节点为终点的次数/所有终点的次数，由于先验概率可能会在多次行车后发生改变，因此每一次行车开始前都必须重新计算一遍先验概率。
[0101]
s223、计算似然值p(r|r
*
)，得到公式二：
[0102][0103]
一般驾驶员都会选择一条最有效率的路线，从开始行车到当前所行驶过的道路节点，如果到某个候选节点的时间在逐渐增加，则说明该候选节点作为本次行车路径的终点的可能性(即似然值)较低。基于此，将似然值的计算简化为了上述公式二。
[0104]
其中，在本实施例中，上述公式二中r为车辆从开始行车到当前所行驶过的道路节点，式中时间的计算可以通过道路节点ri到候选节点r
*
的最短路径上的每条道路上的平均行车时间求和而得。
[0105]
式中的p值需要根据历史行车轨迹数据学习得到，具体学习训练过程如下：
[0106]
根据历史行车轨迹中以候选节点为终点时途经的每段道路从自身道路段的起点到候选节点所耗费的行驶时长，对多次行驶时长进行统计，按正态分布计算出平均值和标准差，以平均值作为从每段道路的起点到候选节点的最短行驶时间，然后统计历史行车轨迹中每段道路的最短行驶时间小于位于前个道路节点的道路段的最短行驶时间的频数，由频数与道路段数的比值得到每段道路的平均概率p。
[0107]
例如下表1，某次历史行车从a道路段的起点开始，到终点j的途经道路段为a～j，行驶时间减少的频数(次数)为7，而由于a为起点道路段，因此其没有前个道路节点的道路段，固无需对其行驶时间为减少还是增加进行判断，因此，由a～j段道路的概率为p＝7/9＝0.778。
[0108]
表1：
[0109][0110]
同时，在本实施例中，公式二中的似然值函数为分段求积函数，包括(1-p)和p两种，若当前行驶到的道路节点ri在历史行车轨迹中距候选节点r
*
较上一个道路节点r
i-1
在历史行车轨迹中距候选节点r
*
的时间为增加，则公式二中取(1-p)作为该道路节点ri所对应的道路段的平均概率，代入公式二中进行候选节点的似然值的求积运算，否则取p为该道路节点ri所对应的道路段的平均概率，代入公式二中进行候选节点的似然值的求积运算。
[0111]
s224、将候选节点的先验概率p(r
*
)和似然值p(r|r
*
)相乘，得到候选节点成为终点的概率p(r
*
|r)。
[0112]
s23、以概率最大的候选节点作为本次行车的预测终点。
[0113]
其中，根据上述计算候选节点为终点的概率预测终点的方法，得到一次请求实现目的地预测的流程如图2所示，在车辆出发之前，需要根据历史行车轨迹、地图数据以及初始的计算空间范围，为空间里的每一个候选节点计算出一个先验概率。
[0114]
在本实施例中，步骤s2和s3之间还包括：
[0115]
每当车辆行驶至一个新的道路节点时，重复步骤s2计算得到新的预测终点，覆盖上一次的预测结果。
[0116]
即当车辆发动时，系统首先会记录下车辆当前的行车轨迹，每当车辆行驶至一个新的道路节点时，就会触发上述请求流程并输出一个预测结果，该结果将是地图数据中的一条道路。随着车辆的移动，请求将不断地进行，同时也会不断地输出新结果覆盖掉上一次预测的结果，即根据当前车辆不断变化的行驶轨迹重新计算候选节点的概率，从而重新得到新的概率最大的候选节点作为预测终点，避免用户改变路线造成目的地预测出错现象，即实时根据行驶路线预测目的地，提高预测的准确性。
[0117]
另外，在本实施例中，步骤s3中根据预测终点，获取当前车辆的行驶位置到预测终点的途经道路的实时路况信息，其中实时路况信息包括途经道路的基本静态信息和动态信
息，基本静态信息包括以下至少一种：电子眼、限高限宽信息、桥梁和隧道、上陡坡和下陡坡和急拐弯道路，动态信息为交通拥堵情况和道路限制信息。
[0118]
同时，步骤s3中还包括：
[0119]
预先将历史行车轨迹中发生变化的时间间隔小于预设时间的历史路况信息的位置和属性与历史行车轨迹中的行驶路径进行关联匹配，并进行融合存储；
[0120]
比对实时路况信息中与历史路况信息对应的路况信息的是否有差异，若有，则发出该路况信息变更的提醒。
[0121]
即对于不发生频繁变化的路况信息，当车辆行驶时，对预测到的终点所途经道路的路况信息进行实时获取，并与不发生频繁变化的历史路况信息进行比对差异，可有针对性地提醒驾驶员注意平常不常更改的路况信息发生了变化，以免驾驶员不注意实时路况信息依然按旧的经验行驶导致安全事故或交通罚款等。
[0122]
请参照图3，本发明的实施例三为：
[0123]
一种车辆行驶过程中的智能探路装置，包括：
[0124]
历史轨迹学习系统1，用于将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；
[0125]
目的地预测系统2，用于根据车辆当前行驶的部分轨迹，结合历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个候选节点成为终点的概率，以概率最大的候选节点作为本次行车的预测终点；
[0126]
路况信息及行驶路径融合系统3，用于根据预测终点，获取当前车辆的行驶位置到预测终点的途经道路的实时路况信息；
[0127]
路况播报系统4，用于根据获取的实时路况信息距离当前车辆的行驶位置的远近和重要性程度对实时路况信息进行分批播报。
[0128]
即在本实施例中，通过历史轨迹学习系统1学习车辆的历史行车轨迹，由目的地预测系统2利用贝叶斯定理预测行驶的终点，再由路况信息及行驶路径融合系统3根据预测的终点获取途经道路的实时路况信息，由路况播报系统4为司机提前进行播报提醒，有效提高驾驶安全性，减少交通事故和罚款。
[0129]
请参照图3，本发明的实施例四为：
[0130]
一种车辆行驶过程中的智能探路装置，在上述实施例三的基础上，在本实施例中，目的地预测系统2具体执行以下步骤：
[0131]
s21、根据车辆当前行驶的部分轨迹，结合历史行车轨迹，得到所有可能为当前行驶轨迹终点的n个候选节点，将已行驶过的道路节点标记为r，候选节点标记为r
*
；
[0132]
s22、根据贝叶斯定理计算候选节点成为终点的概率p(r
*
|r)，得到公式一：
[0133][0134]
公式一中，p(r|r
*
)为候选节点的似然值，p(r
*
)为根据候选节点的先验概率，为归一化因子，用于使所有候选节点的概率和为1；
[0135]
s23、以概率最大的候选节点作为本次行车的预测终点。
[0136]
其中，在本实施例中，目的地预测系统2执行步骤s22时，具体包括以下步骤：
[0137]
s221、初始化计算空间范围为历史行车轨迹中的所有终点，计算空间范围随着当前车辆的行驶轨迹的变化和行驶时间的增加逐渐缩小；
[0138]
s222、计算计算空间范围内的候选节点的先验概率p(r
*
)：
[0139]
p(r
*
)＝历史行车轨迹中候选节点为终点的次数/所有终点的次数；
[0140]
s223、根据历史行车轨迹中以候选节点为终点时途经的每段道路从自身道路段的起点到候选节点所耗费的行驶时长，对多次行驶时长进行统计，按正态分布计算出平均值和标准差，以平均值作为从每段道路的起点到候选节点的最短行驶时间，然后统计历史行车轨迹中每段道路的最短行驶时间小于位于前个道路节点的道路段的最短行驶时间的频数，由频数与道路段数的比值得到每段道路的平均概率p，得到候选节点的似然值p(r|r
*
)，如公式二：
[0141][0142]
公式二中r为车辆从开始行车到当前所行驶过的道路节点，若当前行驶到的道路节点ri在历史行车轨迹中距候选节点r
*
较上一个道路节点r
i-1
在历史行车轨迹中距候选节点r
*
的时间为增加，则公式二中取(1-p)作为该道路节点ri所对应的道路段的平均概率，代入公式二中进行候选节点的似然值的求积运算，否则取p为该道路节点ri所对应的道路段的平均概率，代入公式二中进行候选节点的似然值的求积运算；
[0143]
s224、将候选节点的先验概率p(r
*
)和似然值p(r|r
*
)相乘，得到候选节点成为终点的概率p(r
*
|r)。
[0144]
当车辆行驶至一个新的道路节点时，目的地预测系统重复计算得到新的预测终点，覆盖上一次的预测结果。
[0145]
其中，在本实施例中，路况信息及行驶路径融合系统3中获取的实时路况信息包括途经道路的基本静态信息和动态信息，基本静态信息包括以下至少一种：电子眼、限高限宽信息、桥梁和隧道、上陡坡和下陡坡和急拐弯道路，动态信息为交通拥堵情况和道路限制信息。
[0146]
其中，在本实施例中，路况信息及行驶路径融合系统3还用于：
[0147]
预先将历史行车轨迹中发生变化的时间间隔小于预设时间的历史路况信息的位置和属性与历史行车轨迹中的行驶路径进行关联匹配，并进行融合存储；
[0148]
比对实时路况信息中与历史路况信息对应的路况信息的是否有差异，若有，则发出该路况信息变更的提醒。
[0149]
综上所述，本发明提供的一种车辆行驶过程中的智能探路方法及装置，在不需要驾驶员手动输入任何目的地信息的条件下，通过学习车辆的历史行车轨迹，利用贝叶斯定理预测行驶的终点，根据预测的终点获取途经道路的实时路况信息，为司机提前进行播报提醒，有效提高驾驶安全性，减少交通事故和罚款；同时当车辆行驶于一条全新的轨迹时，重新计算得到新的预测终点，即能实时根据行驶路线预测目的地，提高预测的准确性。
[0150]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括
在本发明的专利保护范围内。

技术特征：
1.一种车辆行驶过程中的智能探路方法，其特征在于，包括步骤：s1、将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；s2、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；s3、根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；s4、根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。2.根据权利要求1所述的一种车辆行驶过程中的智能探路方法，其特征在于，所述步骤s2具体为：s21、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的n个所述候选节点，将已行驶过的道路节点标记为r，所述候选节点标记为r
*
；s22、根据贝叶斯定理计算所述候选节点成为终点的概率p(r
*
|r)，得到公式一：公式一中，p(r|r
*
)为所述候选节点的似然值，p(r
*
)为根据所述候选节点的先验概率，为归一化因子，用于使所有所述候选节点的概率和为1；s23、以概率最大的所述候选节点作为本次行车的预测终点。3.根据权利要求2所述的一种车辆行驶过程中的智能探路方法，其特征在于，所述步骤s22具体为：s221、初始化计算空间范围为所述历史行车轨迹中的所有终点，所述计算空间范围随着当前车辆的行驶轨迹的变化和行驶时间的增加逐渐缩小；s222、计算所述计算空间范围内的所述候选节点的先验概率p(r
*
)：p(r
*
)＝所述历史行车轨迹中所述候选节点为终点的次数/所有终点的次数；s223、根据所述历史行车轨迹中以所述候选节点为终点时途经的每段道路从自身道路段的起点到所述候选节点所耗费的行驶时长，对多次行驶时长进行统计，按正态分布计算出平均值和标准差，以平均值作为从每段道路的起点到所述候选节点的最短行驶时间，然后统计所述历史行车轨迹中每段道路的所述最短行驶时间小于位于前个道路节点的道路段的所述最短行驶时间的频数，由频数与道路段数的比值得到每段道路的平均概率p，得到所述候选节点的似然值p(r|r
*
)，如公式二：公式二中r为车辆从开始行车到当前所行驶过的道路节点，若当前行驶到的道路节点r
i
在所述历史行车轨迹中距所述候选节点r
*
较上一个道路节点r
i-1
在所述历史行车轨迹中距
所述候选节点r
*
的时间为增加，则公式二中取(1-p)作为该道路节点r
i
所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算，否则取p为该道路节点r
i
所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算；s224、将所述候选节点的先验概率p(r
*
)和似然值p(r|r
*
)相乘，得到所述候选节点成为终点的概率p(r
*
|r)。4.根据权利要求1所述的一种车辆行驶过程中的智能探路方法，其特征在于，所述步骤s2和s3之间还包括：每当车辆行驶至一个新的道路节点时，重复步骤s2计算得到新的所述预测终点，覆盖上一次的预测结果。5.根据权利要求1所述的一种车辆行驶过程中的智能探路方法，其特征在于，所述实时路况信息包括所述途经道路的基本静态信息和动态信息，所述基本静态信息包括以下至少一种：电子眼、限高限宽信息、桥梁和隧道、上陡坡和下陡坡和急拐弯道路，所述动态信息为交通拥堵情况和道路限制信息；所述步骤s3中还包括：预先将所述历史行车轨迹中发生变化的时间间隔小于预设时间的历史路况信息的位置和属性与所述历史行车轨迹中的行驶路径进行关联匹配，并进行融合存储；比对所述实时路况信息中与所述历史路况信息对应的路况信息的是否有差异，若有，则发出该路况信息变更的提醒。6.一种车辆行驶过程中的智能探路装置，其特征在于，包括：历史轨迹学习系统，用于将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；目的地预测系统，用于根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；路况信息及行驶路径融合系统，用于根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；路况播报系统，用于根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。7.根据权利要求6所述的一种车辆行驶过程中的智能探路装置，其特征在于，所述目的地预测系统具体执行以下步骤：s21、根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的n个所述候选节点，将已行驶过的道路节点标记为r，所述候选节点标记为r
*
；s22、根据贝叶斯定理计算所述候选节点成为终点的概率p(r
*
|r)，得到公式一：公式一中，p(r|r
*
)为所述候选节点的似然值，p(r
*
)为根据所述候选节点的先验概率，为归一化因子，用于使所有所述候选节点的概率和为1；
s23、以概率最大的所述候选节点作为本次行车的预测终点。8.根据权利要求7所述的一种车辆行驶过程中的智能探路装置，其特征在于，所述目的地预测系统执行步骤s22时，具体包括以下步骤：s221、初始化计算空间范围为所述历史行车轨迹中的所有终点，所述计算空间范围随着当前车辆的行驶轨迹的变化和行驶时间的增加逐渐缩小；s222、计算所述计算空间范围内的所述候选节点的先验概率p(r
*
)：p(r
*
)＝所述历史行车轨迹中所述候选节点为终点的次数/所有终点的次数；s223、根据所述历史行车轨迹中以所述候选节点为终点时途经的每段道路从自身道路段的起点到所述候选节点所耗费的行驶时长，对多次行驶时长进行统计，按正态分布计算出平均值和标准差，以平均值作为从每段道路的起点到所述候选节点的最短行驶时间，然后统计所述历史行车轨迹中每段道路的所述最短行驶时间小于位于前个道路节点的道路段的所述最短行驶时间的频数，由频数与道路段数的比值得到每段道路的平均概率p，得到所述候选节点的似然值p(r|r
*
)，如公式二：公式二中r为车辆从开始行车到当前所行驶过的道路节点，若当前行驶到的道路节点r
i
在所述历史行车轨迹中距所述候选节点r
*
较上一个道路节点r
i-1
在所述历史行车轨迹中距所述候选节点r
*
的时间为增加，则公式二中取(1-p)作为该道路节点r
i
所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算，否则取p为该道路节点r
i
所对应的道路段的平均概率，代入公式二中进行所述候选节点的似然值的求积运算；s224、将所述候选节点的先验概率p(r
*
)和似然值p(r|r
*
)相乘，得到所述候选节点成为终点的概率p(r
*
|r)。9.根据权利要求6所述的一种车辆行驶过程中的智能探路装置，其特征在于，每当车辆行驶至一个新的道路节点时，所述目的地预测系统重复计算得到新的所述预测终点，覆盖上一次的预测结果。10.根据权利要求6所述的一种车辆行驶过程中的智能探路装置，其特征在于，所述实时路况信息包括所述途经道路的基本静态信息和动态信息，所述基本静态信息包括以下至少一种：电子眼、限高限宽信息、桥梁和隧道、上陡坡和下陡坡和急拐弯道路，所述动态信息为交通拥堵情况和道路限制信息；所述路况信息及行驶路径融合系统还用于：预先将所述历史行车轨迹中发生变化的时间间隔小于预设时间的历史路况信息的位置和属性与所述历史行车轨迹中的行驶路径进行关联匹配，并进行融合存储；比对所述实时路况信息中与所述历史路况信息对应的路况信息的是否有差异，若有，则发出该路况信息变更的提醒。

技术总结
本发明提供的一种车辆行驶过程中的智能探路方法及装置，包括步骤：将车辆的历史行车轨迹与地图路网数据进行匹配，记录车辆经过的所有道路节点、每段道路的长度和耗费的行驶时长；根据车辆当前行驶的部分轨迹，结合所述历史行车轨迹，得到所有可能为当前行驶轨迹终点的候选节点，并采用贝叶斯定理计算每个所述候选节点成为终点的概率，以概率最大的所述候选节点作为本次行车的预测终点；根据所述预测终点，获取当前车辆的行驶位置到所述预测终点的途经道路的实时路况信息；根据获取的所述实时路况信息距离当前车辆的行驶位置的远近和重要性程度对所述实时路况信息进行分批播报。本发明能为司机提供提前提醒和实时路况，有效提高驾驶安全性。高驾驶安全性。高驾驶安全性。


技术研发人员：曲建云 罗腾元 张皓 林木生
受保护的技术使用者：厦门雅迅网络股份有限公司
技术研发日：2022.01.06
技术公布日：2023/7/22