一种导航提示方法、装置、电子设备及可读介质与流程

1.本发明涉及导航技术领域，特别是涉及一种导航提示方法、一种导航提示装置、一种电子设备以及一种计算机可读介质。


背景技术：

2.现有的车载导航方案通常是预先设定距离阈值、提醒时间间隔和固定的提示信息，当车辆运行的距离达到预设的距离阈值或达到预设提醒时间时，车载导航系统输出预设的提示信息。
3.然而，现有的导航方案比较刻板，不够灵活，不能针对不同用户对路段的熟悉程度和用户驾车的熟练程度采取不同的导航方案，如：不能针对不同用户对路段的熟悉程度和用户驾车的熟练程度采取不同的提醒时间间隔和提示信息。


技术实现要素：

4.本发明实施例是提供一种导航提示方法、装置、电子设备以及计算机可读存储介质，以解决不能针对不同用户对路段的熟悉程度和用户驾车的熟练程度采用不同导航方案的问题。
5.本发明实施例公开了一种导航提示方法，包括：
6.当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；
7.根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；
8.根据所述用户偏航的概率向所述用户提供相应的导航提示信息。
9.可选地，所述根据所述高频偏航路段的外部环境数据，预测用户偏航的概率，包括：
10.将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率。
11.可选地，所述将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率的步骤，包括：
12.确定用户是否具有所述高频偏航路段对应的历史行驶数据；
13.在用户具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第二偏航预测模型，获取所述第二偏航预测模型输出的用户偏航概率；其中，所述第二偏航预测模型基于用户的历史行驶数据训练得到；
14.在用户不具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第一偏航预测模型，获取所述第一偏航预测模型输出的用户偏航概率；其中，所述第一偏航预测模型基于用户群体的历史行驶数据训练得到。
15.可选地，所述第一偏航预测模型采用如下方式训练得到：
16.获取历史外部环境数据及其对应的用户群体的历史行驶数据；
17.基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户群体的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
18.将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第一偏航预测模型。
19.可选地，所述第二偏航预测模型采用如下方式训练得到：
20.获取历史外部环境数据及其对应的用户的历史行驶数据；
21.基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
22.将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第二偏航预测模型。
23.可选地，所述根据所述用户偏航的概率向用户提供相应的导航提示信息的步骤，包括：
24.当所述用户偏航的概率超过预设阈值时，针对用户偏航的概率向用户提供相应的导航提示信息。
25.可选地，所述方法还包括：
26.针对没有历史行驶数据的用户，提前向所述用户提供新手导航提示信息。
27.本发明实施例还公开一种导航提示装置，包括：
28.获取模块，用于当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；
29.预测模块，用于根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；
30.导航提示模块，用于根据所述用户偏航的概率向所述用户提供相应的导航提示信息。
31.可选地，所述预测模块，包括：
32.第一获取子模块，用于将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率。
33.可选地，所述获取子模块，包括：
34.确定单元，用于确定用户是否具有所述高频偏航路段对应的历史行驶数据；
35.第一获取单元，用于在用户具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第二偏航预测模型，获取所述第二偏航预测模型输出的用户偏航概率；其中，所述第二偏航预测模型基于用户的历史行驶数据训练得到；
36.第二获取单元，用于在用户不具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第一偏航预测模型，获取所述第一偏航预测模型输出的用户偏航概率；其中，所述第一偏航预测模型基于用户群体的历史行驶数据训练得到。
37.可选地，所述第一偏航预测模型采用如下单元训练得到：
38.第三获取单元，用于获取历史外部环境数据及其对应的用户群体的历史行驶数
据；
39.第一分类单元，用于基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户群体的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
40.第一训练单元，用于将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第一偏航预测模型。
41.可选地，所述第二偏航预测模型采用如下单元训练得到：
42.第四获取单元，用于获取历史外部环境数据及其对应的用户的历史行驶数据；
43.第二分类单元，用于基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
44.第二训练单元，用于将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第二偏航预测模型。
45.可选地，所述导航提示模块，包括：
46.导航提示子模块，用于当所述用户偏航的概率超过预设阈值时，针对用户偏航的概率向用户提供相应的导航提示信息。
47.可选地，所述装置还包括：
48.新手导航提示模块，用于针对没有历史行驶数据的用户，提前向所述用户提供新手导航提示信息。
49.本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
50.所述存储器，用于存放计算机程序；
51.所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。
52.本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。
53.本发明实施例包括以下优点：
54.通过本发明实施例的导航提示方法，当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定，以便用于输入模型中预测用户的偏航概率；根据所述高频偏航路段的外部环境数据，预测用户偏航的概率，可以得到用户偏航的概率，以便根据用户偏航概率提供导航提示信息；根据所述用户偏航的概率向所述用户提供相应的导航提示信息，从而实现针对不同偏航概率的用户提供相应的导航提示信息。
附图说明
55.图1是本发明实施例中提供的一种导航提示方法的步骤流程图；
56.图2是本发明实施例中提供的一种导航提示方法的步骤流程图；
57.图3是本发明实施例中提供的一种导航提示装置的结构框图；
58.图4是本发明实施例中提供的一种电子设备的框图；
59.图5是本发明实施例中提供的一种计算机可读介质的示意图。
具体实施方式
60.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
61.参照图1，示出了本发明实施例中提供的一种导航提示方法的步骤流程图，具体可以包括如下步骤：
62.步骤101，当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；
63.在本发明实施例中，为了预测用户在高频偏航路段的偏航概率，当用户经过高频偏航路段时，可以获取所述高频偏航路段的外部环境数据，用于预测用户在高频偏航路段的偏航概率。
64.其中，外部环境数据可以包括天气预报中常报道的变量，例如温度、是否结冰、风的级别、环境能见度，等等，本技术对此不做限制。
65.具体而言，当用户经过高频偏航路段时，可以从天气预报系统获取所述高频偏航路段的外部环境数据。
66.其中，高频偏航路段可以为用户群体偏航频率比较高的路段。作为本发明的一种具体示例，可以先统计经过某路段的用户数量，在这些用户中，若因导航提示问题而偏航的用户数量占经过该路段的总用户数量的比例超过预设阈值，则可以确定该路段为高频偏航路段。
67.其中，预设阈值可以根据实际情况设定，例如，预设阈值可以为5％、10％、20％，等等，本发明对此不做限制。
68.其中，因导航提示问题而偏航的用户数量可以采用如下方式确定：可以采集用户群体的历史偏航数据，从中先筛除网络异常导致偏航的数据，然后在剩下的偏航数据中筛除掉拥堵和道路维修这两种异常情况的数据，最后剩下的数据可以视为导航提示问题导致的偏航数据。
69.具体地，车辆可以将每一次的行驶数据上传至云端，行驶数据包括不同的行为id，不同类别的事件对应不同的的行为id，例如，导航偏离-1001表示导航偏离可以对应于1001，网络异常-1002表示网络异常可以对应于1002，等等。可以根据行为id判断该偏航行为是因为导航提示问题导致偏航还是因为网络异常导致偏航，从而可以根据行为id过滤掉网络异常导致偏航的数据；接着，在剩下的偏航数据中提取出各偏航数据对应的偏航行为发生时的时间和地点，根据时间和地点可以通过地图导航等查询到该时空状态下路段的拥堵情况、以及一些路况信息，如路段的拥堵情况可以用类别变量表示，例如，0-不拥堵、1-较拥堵、2-非常拥堵；某个经纬度是否在进行路面施工等也是类别变量，例如，0-否，1-是。从而可以筛除掉拥堵情况和道路维修这两种异常情况导致的偏航，最后剩下的数据可以视为因导航提示问题导致用户偏航的数据。
70.步骤102，根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；
71.为了针对不同偏航概率的用户提供不同的导航提示信息，可以在获取所述高频偏航路段的外部环境数据之后，基于获取到的高频偏航路段的外部环境数据，预测用户偏航的概率。
72.其中，用户偏航的概率可以用预设的模型预测，模型是根据用户在高频偏航路段的历史行驶数据训练的，由于不同用户对路段的熟悉程度和驾车的熟练程度存在较大差别，所以历史行驶数据也存在较大差别，用历史行驶数据训练出来的模型预测的用户偏航概率也会有较大差别。
73.步骤103，根据所述用户偏航的概率向所述用户提供相应的导航提示信息。
74.由于不同用户的偏航概率存在差别，因此对于行驶至高频偏航路段的用户，在预测其偏航概率之后，可以根据所述偏航概率，为所述用户提供相应的导航提示信息。
75.具体地，可以在系统中为不同的偏航概率设定对应的导航提示信息，以便在预测出用户偏航概率后可以提供对应的导航提示信息。作为本发明的一种示例，若所述用户的偏航概率为10％，则所述用户的偏航概率较小，可以在用户行驶至距离高频偏航路段100米时，向用户提供一次“前方100米即将到达高频偏航路段，请小心偏航”的提示信息；若用户的偏航概率为50％，则所述用户有较大的偏航概率，可以在用户行驶至距离高频偏航路段500米时，向用户提供“前方500米即将到达高频偏航路段，您有较大偏航概率，请小心偏航”的提示信息，并在继续前进的过程中每隔100米向用户提供一次更新了距离的提示信息；若用户的偏航概率为80％，则所述用户有极大的偏航概率，可以在用户行驶至距离高频偏航路段800米时，向用户提供“前方800米即将到达高频偏航路段，您有非常大的偏航概率，请小心偏航”的提示信息，并在继续前进的过程中每隔100米向用户提供一次更新了距离的提示信息，等等，本发明对此不做限制。
76.通过本发明实施例的导航提示方法，当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定，以便用于输入模型中预测用户的偏航概率；根据所述高频偏航路段的外部环境数据，预测用户偏航的概率，可以得到用户偏航的概率，以便根据用户偏航概率提供导航提示信息；根据所述用户偏航的概率向所述用户提供相应的导航提示信息，从而实现针对不同偏航概率的用户提供相应的导航提示信息。
77.参照图2，示出了本发明实施例中提供的另一种导航提示方法的步骤流程图，具体可以包括如下步骤：
78.步骤201，当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；
79.在本发明实施例中，为了预测用户在高频偏航路段的偏航概率，当用户经过高频偏航路段时，可以获取所述高频偏航路段的外部环境数据，用于预测用户在高频偏航路段的偏航概率。
80.其中，外部环境数据可以包括天气预报中常报道的变量，例如温度、是否结冰、风的级别、环境能见度，等等，本技术对此不做限制。
81.具体而言，当用户经过高频偏航路段时，可以从天气预报系统获取所述高频偏航路段的外部环境数据。
82.其中，高频偏航路段可以为用户群体偏航频率比较高的路段。作为本发明的一种
具体示例，可以先统计经过某路段的用户数量，在这些用户中，若因导航提示问题而偏航的用户数量占经过该路段的总用户数量的比例超过预设阈值，则可以确定该路段为高频偏航路段。
83.其中，预设阈值可以根据实际情况设定，例如，预设阈值可以为5％、10％、20％，等等，本发明对此不做限制。
84.其中，因导航提示问题而偏航的用户数量可以采用如下方式确定：可以采集用户群体的历史偏航数据，从中先筛除网络异常导致偏航的数据，然后在剩下的偏航数据中筛除掉拥堵和道路维修这两种异常情况的数据，最后剩下的数据可以视为导航提示问题导致的偏航数据。
85.具体地，车辆可以将每一次的行驶数据上传至云端，行驶数据包括不同的行为id，不同类别的事件对应不同的的行为id，例如，导航偏离-1001表示导航偏离可以对应于1001，网络异常-1002表示网络异常可以对应于1002，等等。可以根据行为id判断该偏航行为是因为导航提示问题导致偏航还是因为网络异常导致偏航，从而可以根据行为id过滤掉网络异常导致偏航的数据；接着，在剩下的偏航数据中提取出各偏航数据对应的偏航行为发生时的时间和地点，根据时间和地点可以通过地图导航等查询到该时空状态下路段的拥堵情况、以及一些路况信息，如路段的拥堵情况可以用类别变量表示，例如，0-不拥堵、1-较拥堵、2-非常拥堵；某个经纬度是否在进行路面施工等也是类别变量，例如，0-否，1-是。从而可以筛除掉拥堵情况和道路维修这两种异常情况导致的偏航，最后剩下的数据可以视为因导航提示问题导致用户偏航的数据。
86.步骤202，将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率；
87.在本发明实施例中，用户偏航的概率可以用预设的模型预测，模型是根据用户在高频偏航路段的历史行驶数据训练的，由于不同用户对路段的熟悉程度和驾车的熟练程度存在较大差别，所以历史行驶数据也存在较大差别，用历史行驶数据训练出来的模型预测的用户偏航概率也会有较大差别。
88.具体地，在获取所述高频偏航路段的外部环境数据之后，可以将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，从而可以获取所述偏航预测模型输出的用户偏航概率。
89.在本发明的一种实施例中，所述将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率的步骤，包括：
90.s11，确定用户是否具有所述高频偏航路段对应的历史行驶数据；
91.模型是根据用户在高频偏航路段的历史行驶数据训练的，由于存在部分用户并没有在所述高频路段行驶过，所以针对在高频偏航路段有历史行驶数据和在高频偏航路段没有行驶数据的用户，预先设置了两种模型。
92.因此，在实际应用中，为了针对具体用户判断使用哪一种模型进行偏航概率预测，需要先确定用户是否具有所述高频偏航路段对应的历史行驶数据，再根据确定的结果选择对应的模型。
93.s12，在用户具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第二偏航预测模型，获取所述第二偏航预测模型输出的用户偏
航概率；其中，所述第二偏航预测模型基于用户的历史行驶数据训练得到；
94.在确定用户具有所述高频偏航路段对应的历史行驶数据的情况下，可以选择第二偏航预测模型。由于所述用户在高频偏航路段有历史行驶数据，所以可以用用户自己的历史行驶数据训练模型，从而训练得到第二偏航预测模型。
95.具体而言，在确定用户具有所述高频偏航路段对应的历史行驶数据后，可以将所述高频偏航路段的外部环境数据输入第二偏航预测模型，从而可以获取所述第二偏航预测模型输出的用户偏航概率。
96.s13，在用户不具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第一偏航预测模型，获取所述第一偏航预测模型输出的用户偏航概率；其中，所述第一偏航预测模型基于用户群体的历史行驶数据训练得到。
97.在确定用户没有所述高频偏航路段对应的历史行驶数据的情况下，可以选择第一偏航预测模型。由于所述用户在高频偏航路段没有历史行驶数据，所以需要使用其他在高频偏航路段的用户群体的历史行驶数据来训练模型，从而训练得到第一偏航预测模型。
98.具体而言，在确定用户没有所述高频偏航路段对应的历史行驶数据后，可以将所述高频偏航路段的外部环境数据输入第一偏航预测模型，从而可以获取所述第一偏航预测模型输出的用户偏航概率。
99.在本发明的一种实施例中，所述第一偏航预测模型采用如下方式训练得到：
100.s21，获取历史外部环境数据及其对应的用户群体的历史行驶数据；
101.在本发明实施例中，用于预测偏航概率的第一偏航预测模型通过训练得到，通过训练使得第一偏航预测模型预测的偏航概率有较高的准确率。
102.具体地，训练第一偏航预测模型需要使用历史外部环境数据及其对应的用户群体的历史行驶数据，所以需要先获取历史外部环境数据及其对应的用户群体的历史行驶数据。
103.由于偏航概率是根据外部环境数据预测的，所以对第一偏航预测模型进行预测就需要使用历史的外部环境数据，因此就需要获取历史外部环境数据。训练模型不仅需要历史外部环境数据，还需要对应于历史外部环境数据的历史行驶数据，而由于存在一些用户没有行驶经历，则需要使用用户群体的历史行驶数据，以及用户群体历史行驶数据对应的历史外部环境数据。
104.s22，基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户群体的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
105.由于偏航概率针对的是在其他情况都正常的情况下由于用户自身原因导致的偏航，所以需要判断用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，从而将历史行驶数据分为两类，即所述历史行驶数据对应的分类信息可以为在导航提示正常且对应的路段状态正常的情况下发生偏航和在导航提示正常且对应的路段状态正常的情况下没有发生偏航。
106.s23，将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第一偏航预测模型。
107.在本发明实施例中，通过将所述历史外部环境数据作为预设的待训练模型的输
入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，从而得到第一偏航预测模型。
108.所述待训练模型可以为logistic回归分类模型，logistic回归分类模型的公式可以为：
109.z＝θ0+θ1x1+θ2x2+θ3x3+
…
+θnxn110.其中，z表示预测的历史外部环境数据对应的历史行驶数据的分类信息；x表示输入的历史外部环境数据；θ表示参数。
111.具体而言，可以将得到的真实的分类信息分别用标签进行表示，可以用“0”来表示导航提示正常且对应的路段状态正常的情况下发生偏航，可以用“1表示”在导航提示正常且对应的路段状态正常的情况下没有发生偏航。
112.可以首先预设参数θ为某一个数值，历史外部环境数据组成一个数据集合，其中的数据元素可以分别为x1、x2、x3…
xn，接着可以将历史外部环境数据集合中的数据代入logistic回归分类模型中，可以得到预测的历史外部环境数据对应的历史行驶数据的分类信息z，将预测的历史外部环境数据对应的历史行驶数据的分类信息z与经过标记的真实分类信息进行比较。若差值不在预设的误差范围内，则修改参数θ的取值，继续输入历史外部环境数据来获取预测的历史外部环境数据对应的历史行驶数据的分类信息z，以及将预测的历史外部环境数据对应的历史行驶数据的分类信息z与经过标记的真实分类信息进行比较，判断差值是否在预设的误差范围内。若差值不在预设的误差范围内，则修改参数θ的取值，继续进行上述计算和判断步骤，直至所述差值在预设的误差范围内，可以将此时的参数θ作为logistic回归分类模型的公式的参数取值，从而完成对待训练的logistic回归分类模型的训练，即得到第一偏航预测模型。
113.在本发明的一种实施例中，所述第二偏航预测模型采用如下方式训练得到：
114.s31，获取历史外部环境数据及其对应的用户的历史行驶数据；
115.在本发明实施例中，用于预测偏航概率的第二偏航预测模型通过训练得到，通过训练使得第二偏航预测模型预测的偏航概率有较高的准确率。
116.具体地，训练第二偏航预测模型需要使用历史外部环境数据及其对应的用户的历史行驶数据，所以需要先获取历史外部环境数据及其对应的用户的历史行驶数据。
117.由于偏航概率是根据外部环境数据预测的，所以对第二偏航预测模型进行预测就需要使用历史的外部环境数据，因此就需要获取历史外部环境数据。训练模型不仅需要历史外部环境数据，还需要对应于历史外部环境数据的历史行驶数据，在用户自己有行驶经历时，可以使用用户自己的历史行驶数据，以及用户自己的历史行驶数据对应的历史外部环境数据。
118.s32，基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
119.由于偏航概率针对的是在其他情况都正常的情况下由于用户自身原因导致的偏航，所以需要判断用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，从而将历史行驶数据分为两类，即所述历史行驶数据对应的分类信息可以为在导航提示正常且对应的路段状态正常的情况下发生偏航和在导航提示正常且对应的路段状态正常的情况下没有发生偏航。
120.s33，将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第二偏航预测模型。
121.在本发明实施例中，通过将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，从而得到第二偏航预测模型。
122.所述待训练模型可以为logistic回归分类模型，logistic回归分类模型的公式可以为：
123.z＝θ0+θ1x1+θ2x2+θ3x3+
…
+θnxn124.其中，z表示预测的历史外部环境数据对应的历史行驶数据的分类信息；x表示输入的历史外部环境数据；θ表示参数。
125.具体而言，可以将得到的真实的分类信息分别用标签进行表示，可以用“0”来表示导航提示正常且对应的路段状态正常的情况下发生偏航，可以用“1表示”在导航提示正常且对应的路段状态正常的情况下没有发生偏航。
126.可以首先预设参数θ为某一个数值，历史外部环境数据组成一个数据集合，其中的数据元素可以分别为x1、x2、x3…
xn，接着可以将历史外部环境数据集合中的数据代入logistic回归分类模型中，可以得到预测的历史外部环境数据对应的历史行驶数据的分类信息z，将预测的历史外部环境数据对应的历史行驶数据的分类信息z与经过标记的真实分类信息进行比较。若差值不在预设的误差范围内，则修改参数θ的取值，继续输入历史外部环境数据来获取预测的历史外部环境数据对应的历史行驶数据的分类信息z，以及将预测的历史外部环境数据对应的历史行驶数据的分类信息z与经过标记的真实分类信息进行比较，判断差值是否在预设的误差范围内。若差值不在预设的误差范围内，则修改参数θ的取值，继续进行上述计算和判断步骤，直至所述差值在预设的误差范围内，可以将此时的参数θ作为logistic回归分类模型的公式的参数取值，从而完成对待训练的logistic回归分类模型的训练，即得到第二偏航预测模型。
127.步骤203，根据所述用户偏航的概率向所述用户提供相应的导航提示信息。
128.由于不同用户的偏航概率存在差别，因此对于行驶至高频偏航路段的用户，在预测其偏航概率之后，可以根据所述偏航概率，为所述用户提供相应的导航提示信息。
129.具体地，可以在系统中为不同的偏航概率设定对应的导航提示信息，以便在预测出用户偏航概率后可以提供对应的导航提示信息。
130.在本发明的一种实施例中，所述根据所述用户偏航的概率向用户提供相应的导航提示信息的步骤，包括：
131.s41，当所述用户偏航的概率超过预设阈值时，针对用户偏航的概率向用户提供相应的导航提示信息。
132.由于存在一些驾驶经验比较丰富且对高频偏航路段比较熟悉的用户，对于这些用户来说，并不需要导航提示，所以可以设置当预测的用户偏航概率超过预设阈值时，才需要根据所述用户偏航的概率为用户提供相应的导航提示信息。
133.其中，所述预设阈值可以根据实际情况设定，例如，所述预设阈值可以为2％、5％、10％，等等，本发明对此不做限制。
134.在本发明的一种实施例中，所述方法还包括：
135.s51，针对没有历史行驶数据的用户，提前向所述用户提供新手导航提示信息。
136.对于完全没有行驶经验的用户，为了最大程度的确保行驶路线正确何保证驾驶安全，可以为这些新手用户额外设置更为细致的提示信息，并可以在距离操作路段较远时就提前提醒，并可以以较高的提醒频次提醒。
137.作为本发明的一种示例，所述新手导航提示信息可以为针对需要短时内需要多次驾驶操作行为的路段所提供的细致的操作步骤，例如：注意前方需要多次操作，50米后调头，行驶10米后右转，请提前做好准备；注意前方需要多次操作，20米后左转，行驶10米后右转，行驶10米后开入匝道，请提前做好准备；等等，本发明对此不做限制。
138.通过本发明实施例的导航提示方法，当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定，以便用于输入模型中预测用户的偏航概率；将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率，可以得到用户偏航的概率，以便根据用户偏航概率提供导航提示信息；根据所述用户偏航的概率向所述用户提供相应的导航提示信息，从而实现针对不同偏航概率的用户提供相应的导航提示信息。
139.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
140.参照图3，示出了本发明实施例中提供的一种导航提示装置的结构框图，具体可以包括如下模块：
141.获取模块，用于当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；
142.预测模块，用于根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；
143.导航提示模块，用于根据所述用户偏航的概率向所述用户提供相应的导航提示信息。
144.可选地，所述预测模块，包括：
145.第一获取子模块，用于将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率。
146.可选地，所述获取子模块，包括：
147.确定单元，用于确定用户是否具有所述高频偏航路段对应的历史行驶数据；
148.第一获取单元，用于在用户具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第二偏航预测模型，获取所述第二偏航预测模型输出的用户偏航概率；其中，所述第二偏航预测模型基于用户的历史行驶数据训练得到；
149.第二获取单元，用于在用户不具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第一偏航预测模型，获取所述第一偏航预测模型输出的用户偏航概率；其中，所述第一偏航预测模型基于用户群体的历史行驶数据训
练得到。
150.可选地，所述第一偏航预测模型采用如下单元训练得到：
151.第三获取单元，用于获取历史外部环境数据及其对应的用户群体的历史行驶数据；
152.第一分类单元，用于基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户群体的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
153.第一训练单元，用于将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第一偏航预测模型。
154.可选地，所述第二偏航预测模型采用如下单元训练得到：
155.第四获取单元，用于获取历史外部环境数据及其对应的用户的历史行驶数据；
156.第二分类单元，用于基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；
157.第二训练单元，用于将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第二偏航预测模型。
158.可选地，所述导航提示模块，包括：
159.导航提示子模块，用于当所述用户偏航的概率超过预设阈值时，针对用户偏航的概率向用户提供相应的导航提示信息。
160.可选地，所述装置还包括：
161.新手导航提示模块，用于针对没有历史行驶数据的用户，提前向所述用户提供新手导航提示信息。
162.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
163.另外，本发明实施例还提供一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
164.存储器403，用于存放计算机程序；
165.处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
166.当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；
167.根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；
168.根据所述用户偏航的概率向所述用户提供相应的导航提示信息。
169.可选地，所述根据所述高频偏航路段的外部环境数据，预测用户偏航的概率，包括：
170.将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率。
171.可选地，所述将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型
integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
191.如图5所示，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质501，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中所述的导航提示方法。
192.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的导航提示方法。
193.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
194.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
195.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
196.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种导航提示方法，其特征在于，所述方法包括：当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；根据所述用户偏航的概率向所述用户提供相应的导航提示信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述高频偏航路段的外部环境数据，预测用户偏航的概率，包括：将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率。3.根据权利要求2所述的方法，其特征在于，所述将所述高频偏航路段的外部环境数据输入预设的第一偏航预测模型中，获取所述偏航预测模型输出的用户偏航概率的步骤，包括：确定用户是否具有所述高频偏航路段对应的历史行驶数据；在用户具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第二偏航预测模型，获取所述第二偏航预测模型输出的用户偏航概率；其中，所述第二偏航预测模型基于用户的历史行驶数据训练得到；在用户不具有所述高频偏航路段对应的历史行驶数据的情况下，将所述高频偏航路段的外部环境数据输入第一偏航预测模型，获取所述第一偏航预测模型输出的用户偏航概率；其中，所述第一偏航预测模型基于用户群体的历史行驶数据训练得到。4.根据权利要求2所述的方法，其特征在于，所述第一偏航预测模型采用如下方式训练得到：获取历史外部环境数据及其对应的用户群体的历史行驶数据；基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户群体的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第一偏航预测模型。5.根据权利要求3所述的方法，其特征在于，所述第二偏航预测模型采用如下方式训练得到：获取历史外部环境数据及其对应的用户的历史行驶数据；基于用户是否在导航提示正常且对应的路段状态正常的情况下产生偏航，对用户的历史行驶数据进行分类，得到所述历史行驶数据对应的分类信息；将所述历史外部环境数据作为预设的待训练模型的输入，将所述历史外部环境数据对应的历史行驶数据的分类信息作为所述待训练模型的输出，对所述待训练模型进行训练，得到第二偏航预测模型。6.根据权利要求1所述的方法，其特征在于，所述根据所述用户偏航的概率向用户提供相应的导航提示信息的步骤，包括：当所述用户偏航的概率超过预设阈值时，针对用户偏航的概率向用户提供相应的导航提示信息。
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：针对没有历史行驶数据的用户，提前向所述用户提供新手导航提示信息。8.一种导航提示装置，其特征在于，所述装置包括：获取模块，用于当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定；预测模块，用于根据所述高频偏航路段的外部环境数据，预测用户偏航的概率；导航提示模块，用于根据所述用户偏航的概率向所述用户提供相应的导航提示信息。9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行存储器上所存放的程序时，实现如权利要求1-7任一项所述的方法。10.一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的方法。

技术总结
本发明实施例提供了一种导航提示方法、装置、电子设备及可读介质，所述方法包括：当用户行驶至高频偏航路段时，获取所述高频偏航路段的外部环境数据；其中，所述高频偏航路段基于用户群体的历史偏航数据确定，以便用于输入模型中预测用户的偏航概率；根据所述高频偏航路段的外部环境数据，预测用户偏航的概率，可以得到用户偏航的概率，以便根据用户偏航概率提供导航提示信息；根据所述用户偏航的概率向所述用户提供相应的导航提示信息，从而实现针对不同偏航概率的用户提供相应的导航提示信息。不同偏航概率的用户提供相应的导航提示信息。不同偏航概率的用户提供相应的导航提示信息。


技术研发人员：曾奇缊
受保护的技术使用者：沈阳精一智驾科技有限公司
技术研发日：2022.01.17
技术公布日：2023/8/1