一种路线召回方法、导航的方法、相关装置及系统与流程

1.本发明涉及电子地图技术领域，特别涉及一种路线召回方法、导航的方法、相关装置及系统。


背景技术：

2.现有技术中，导航路线一般采用单算路目标的召回策略，针对各个单算路目标召回多条导航线路，得到导航路线组合。召回的导航路线无法同时实现多个目标的优化，因为同时满足多个算路目标的导航路线按照单算路目标召回策略无法被优先召回。例如，算路目标为时间最短或算路目标为距离最短时，召回的是用时最短或者距离最短的路线，而在时间最短或距离最短任意一个算路目标上并不是最优、但两个算路目标综合较优的路线却很难被优先召回。但用户在使用出行类应用进行导航路线规划时，用户对路线要求是多方面的，例如，用户可能会同时考虑道路拥堵程度、行驶距离、行驶时长、收费等。但现有基于单算路目标的技术，无法支持此类产品需求。


技术实现要素：

3.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种路线召回方法、导航的方法、装置及系统。
4.第一方面，本发明实施例提供一种路线召回方法，包括如下步骤：
5.当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值；
6.根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线。
7.在一个或一些可选的实施例中，所述至少一套单算路目标权值组合是通过下述方式预先训练得到的：
8.获取多个历史算路请求；
9.针对每个历史算路请求，根据预设的多算路目标组合，利用多目标算法以及初始设置的或者训练中得到的至少一套单算路目标权值组合得到至少一条多算路目标导航路线；
10.根据所述多个历史算路请求和确定的单算路目标，召回至少一条单算路目标导航路线；
11.将得到的至少一条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到机器学习模型中进行训练，根据训练结果调整每套单算路目标权值组合，直到得到最优化的至少一套单算路目标权值组合。
12.在一个或一些可选的实施例中，所述根据预设的多目标组合，利用多目标算法以及初始设置的或者训练中得到的至少一套单算路目标权值组合得到至少一条多算路目标
导航路线，包括：
13.根据每个历史算路请求携带的起终点信息，利用选择的多目标算法确定pareto路线集合；所述pareto路线集合中包括符合预设的多算路目标组合要求的多条备选路线；
14.根据初始设置的或者训练中得到的至少一套单算路目标权值组合，从所述pareto路线集合中召回至少一条多算路目标导航路线。
15.在一个或一些可选的实施例中，所述将得到的至少一条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到机器学习模型中进行训练，根据训练结果调整至少一套单算路目标权值组合，直到得到最优化的至少一套单算路目标权值组合，包括：
16.在机器学习模型中，确定所述路线集合的最优路线以及至少一条单算路目标导航路线中的最优路线；
17.根据所述路线集合中的最优路线的属性值和至少一条单算路目标导航路线中的最优路线的属性值，确定预设的损失函数的损失值，根据损失函数的损失值，调整每套单算路目标权值组合中各单算路目标的权值和机器学习模型的参数；所述预设的损失函数是根据预设的导航目标组合，利用线性整流relu函数确定的；
18.重复上述过程直至得到最小化损失函数时的至少一套单算路目标权值组合。
19.在一个或一些可选的实施例中，所述预设的导航目标组合包括一个优化目标和至少一个作为约束条件的目标，所述优化目标和作为约束条件的目标从下列目标中选取：
20.预计行驶时间、行驶距离、收费、拥堵距离、小路距离、无路况道路距离、红绿灯数和转向动作数。
21.在一个或一些可选的实施例中，所述根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线，包括：
22.根据算路请求中携带的起终点信息，利用每套单算路目标权值组合，确定待召回的多目标导航路线包括的路线段；
23.将每条待召回的多目标导航路线包括的路线段的权值进行加权，得到相应待召回的多目标导航路线的路线权值；
24.从待召回的多目标导航路线中按照路线权值由小到大的顺序，选择预设数量的路线作为多算路目标导航路线。
25.在一个或一些可选的实施例中，所述根据算路请求中携带的起终点信息，利用每套单算路目标权值组合，确定待召回的多目标导航路线包括的路线段，包括：
26.预先将路网切分为多个网格；
27.根据算路请求中携带的起终点信息，确定从起点到终点所经过的所有网格；
28.利用每套单算路目标权值组合中的各单算路目标的权值，分别对起点到终点所经过的每个网格对应的各路线段中各算路目标的属性值进行加权，得到每个网格对应的各路线段的权值；
29.对于每个网格，按照权值由小到大的顺序，选择预设数量的路线段，作为待召回的多目标导航路线的路线段。
30.第二方面，本发明实施例提供一种导航的方法，包括：根据上述的路线召回方法得到至少一条多算路目标导航路线，并推送给导航客户端。
31.第三方面，本发明实施例提供一种路线召回装置，包括：
32.确定模块，用于当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值；
33.召回模块，用于根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线。
34.第四方面，本发明实施例提供一种导航的装置，包括：
35.确定模块，用于当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值；
36.召回模块，用于根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线；
37.推送模块，用于将得到的至少一条多算路目标导航路线推送给导航客户端。
38.第五方面，本发明实施例提供一种路线召回系统，包括：服务器和至少一个客户端；
39.所述客户端，用于发送算路请求，以及接收所述服务器推送的路线；
40.所述服务器，用于当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值，根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线，并推送到所述客户端。
41.第六方面，本发明实施例提供一种路线召回系统，包括服务器和至少一个客户端；
42.所述服务器，用于根据接收的算路请求，向所述客户端发送至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括多算路目标组合中每个单算路目标对应的权值；
43.所述客户端，用于根据所述算路请求以及服务器发送的至少一套单算路目标权值组合，召回多算路目标导航路线。
44.第七方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述的路线召回方法或上述的导航的方法。
45.第八方面，本发明实施例提供一种服务器，包括：处理器、用于存储处理器可执行命令的存储器；其中，处理器被配置为可执行如上述的路线召回方法或上述的导航的方法。
46.本发明实施例提供的上述技术方案的有益效果至少包括：
47.由于用户在实际路线规划时，对于路线的选择是多目标的，而不是仅仅考虑比如时间或距离等单算路目标，本发明实施例提供的技术方案中，每套单算路目标权值组合中包含至少两个算路目标对应的权值，利用至少一套单算路目标权值组合召回导航路线，可以根据算路请求，得到综合至少两个算路目标均占优势的多算路目标导航路线，召回各算路目标均占优势的导航路线，更符合用户的实际线路选择的需求。而且，可以根据实际路线规划的需要，同时考虑多个算路目标，提前规划单算路目标权值组合的套数，召回适合条数的多算路目标导航路线，从而增加了根据算路请求可以召回的导航路线的数量，扩大了向
用户推荐的导航路线的选择范围。
48.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
49.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
50.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
51.图1为本发明实施例中路线召回方法流程图；
52.图2为本发明实施例中单算路目标权值组合训练过程流程图；
53.图3为本发明实施例中单算路目标权值组合训练过程中多算路目标导航路线的获取流程图；
54.图4为本发明实施例中单算路目标权值组合训练过程流程图；
55.图5为本发明实施例中提供的一种机器学习模型训练时的综合训练模型示意图；
56.图6为本发明实施例中路线召回方法中多算路目标导航路线的获取流程图；
57.图7为本发明实施例中路线召回方法中待召回的多目标导航路线的路线段确定过程流程图；
58.图8为本发明实施例中路线召回装置示意图；
59.图9为本发明实施例中导航的装置示意图；
60.图10为本发明实施例中路线召回系统示意图。
具体实施方式
61.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
62.实施例1：
63.本发明实施例针对上述现有技术存在的问题，提供了一种路线召回方法，其流程参照图1所示，包括如下步骤：
64.s101：当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值；
65.上述步骤s101中当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合时，该至少一套单算路目标权值组合是根据预先设置的包含至少两个单算路目标的多算路目标组合，通过机器学习模型训练得到的。根据不同的预设的多算路目标组合，通过机器学习模型进行训练，可以得到对应于不同多目标组合的单算路目标权值组合。在机器学习模型训练开始前可以根据实际需要，预先设置单算路目标权值组合的套数的值k的大小，其中，k为大于等于1的
正整数，以便召回适当数量的多算路目标导航路线。比如，算路请求中包括用户的路线偏好指标包括下述路线偏好中的一种或多种：通行时间最短、行驶距离最短、红绿灯数最少、转向动作最少、躲避拥堵、避免收费、不走高速、高速优先。不同的用户的路线偏好指标不同。当接收到算路请求时，可以根据算录请求中的路线偏好指标，找到对应的包含至少两个算路目标的多算路目标组合，根据该多目标组合，选择对应的k套单算路目标权值组合。
66.s102：根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线。
67.上述步骤s102中，根据算路请求请求携带的起终点信息，以及k套单算路目标权值组合中每套单算路目标权值组合分别进行算路，得到每套单算路目标权值组合对应的算路结果，根据所述算路结果，确定每套单算路目标权值组合对应的至少一条多算路目标导航路线。
68.由于用户在实际路线规划时，对于路线的选择是多目标的，而不是仅仅考虑比如时间或距离等单算路目标，本发明实施例提供的技术方案中，每套单算路目标权值组合中包含至少两个算路目标对应的权值，利用至少一套单算路目标权值组合召回导航路线，可以根据算路请求，得到综合至少两个算路目标均占优势的多算路目标导航路线，召回各算路目标均占优势的导航路线，更符合用户的实际线路选择的需求。而且，可以根据实际路线规划的需要，同时考虑多个算路目标，提前规划单算路目标权值组合的套数，召回适合条数的多算路目标导航路线，从而增加了根据算路请求可以召回的导航路线的数量，扩大了向用户推荐的导航路线的选择范围。
69.下面分别对本发明具体实施方式进行详细的说明。
70.实施例2：
71.对于一个算路请求，选择一个单算路目标，利用迪杰斯特拉算法进行算路，得到的单算路目标导航路线，不能满足用户在进行路线规划时，对导航路线的需求，因为用户在使用出行类应用进行导航路线规划时，用户对路线要求是多方面的，例如，用户可能会同时考虑道路拥堵程度、行驶距离、行驶时长、收费等。假设，从起点s到终点t，共有三条路线p1、p2和p3，其中路线p1＝{时间＝20分钟，距离＝10公里}，路线p2＝{时间＝12分钟，距离＝11公里}，路线p3＝{时间＝10分钟，距离＝18公里}。如果在进行路线召回时，选择距离最短单算路目标，利用迪杰斯特拉(dijkstra)算法进行算路，从理论上可以召回p1路线；选择时间最短单算路目标，利用迪杰斯特拉算法进行算路，从理论上可以召回p3路线。但是基于当前单算路目标，利用迪杰斯特拉算法进行算路，只能召回p1和p3路线，而无法召回p2路线。然而p2路线综合时间和距离两个算路目标来看均较优的召回路线，所以在实际路线规划时p2路线才是用户最想走的路线。本发明的发明人在实践中发现，在进行算路时，选择距离和时间两个算路目标，利用现有技术中的多目标最短路径算法，可以召回上述描述的p2路线。
72.对于给定的算路请求，根据算路请求的起点和终点以及包括至少两个算路目标的预设多算路目标组合，利用上述多目标算法，可以得到对应于预设多算路目标组合的一个pareto路线集合。假设pareto路线集合＝{p1,p2,
…
pm}，则p1,p2,
…
pm为pareto路线集合中的备选路线，m为pareto路线集合中备选路线的数量。利用多目标算法得到的pareto路线集合就是对应该算路请求的最优路线集合，pareto路线集合中任何一条备选路线都不能占优dominate该pareto路线集合中其他任意备选路线(例如：假设p1路线的距离比p2路线的
距离短，而p2路线的预计到达时间比p1路线的预计到达时间短，则p1无法dominatep2，且p2无法dominatep1)，并且对于给定的算路请求，得到的不属于pareto路线集合中的其他路线，都会被pareto集合中的至少一条备选路线所dominate(例如：假设根据算路请求的起点和终点得到一个pn路线，若px路线的距离和预计到达时间均大于pareto路线集合中的p2路线的距离和预计到达时间，则px路线被p2路线所dominate，所以px路线不属于pareto路线集合)。
73.在一个具体实施例中，假如对于一个算路请求，存在4条路线：p1＝{距离＝10公里，时间＝20分钟}、p2＝{距离＝12公里，时间＝12分钟}、p3＝{距离＝20公里，时间＝10分钟}、p4＝{距离＝15分钟，时间＝15分钟}，根据各条路线的距离和时间属性值可以看出：路线p1的距离最短，路线p3的时间最短，而路线p2的时间比p1短，距离比p3短，即路线p1、p2和p3之间相互不能dominate，而路线p4的时间和距离均大于路线p2，所以路线p4被路线p2所dominate，如果根据多目标算法进行算路得到pareto路线集合，则pareto路线集合＝{p1,p2,p3}。
74.本发明的发明人在试验中还发现，采用多目标算法，根据算路请求和预设多算路目标组合得到pareto路线集合的方法，虽然能够得到至少一条多算路目标导航路线，但是若预设的多算路目标组合中的单算路目标数量越多，用于召回导航路线的计算机系统的性能也就越慢，因此，该方法无法直接应用在实时交互系统中，不能适用于实时召回导航路线。这是由于采用多目标方法解决的多目标问题是一种非确定性多项式问题(non-deterministic polynomial problems，np)，这种在多项式时间内不可解的复杂的算法问题，消耗时间长、对计算机系统的资源占用严重，并且单算路目标的数量越多得到的备选路线越多，pareto路线集合越大，对计算系统的资源占用越多，系统性能就会越慢，无法满足实时交互式系统的响应要求，因此，不能将多目标算法应用到电子地图的导航路线召回。
75.为了克服直接利用多目标算法不能应用于电子地图的实时路线召回的问题，本发明的发明人通过对路线召回方法进行改进，预先设置包含至少两个算路目标的多算路目标组合，利用机器学习模型进行训练得到所述多目标组合对应的k套单算路目标权值组合，其中k为大于等于1的正整数。根据算路请求携带的起终点信息，以及k套单算路目标权值组合中的每套单算路目标权值组合进行算路，得到小于等于k条多算路目标导航路线。该路线召回方法能够应用在地图数据的实时交互系统，并且召回的多目标召回路线，满足用户进行路线规划时对多个单算路目标综合考虑的期望。
76.在通过机器学习模型训练k套单算路目标权值组合之前，可以根据实际导航路线召回的需求，确定k值的大小，需要说明的是，k值越大，在进行路线召回时，得到的多算路目标导航路线可能就会越多，但是k值越大，计算机系统的计算量就会越大，耗时也会越长，占用的计算机资源也越多，对地图数据服务的计算机系统的性能要求也越高，因此为了满足实时交互系统的时间要求，k值也不能设置过大。
77.在一个实施例中，参照图2所示，所述至少一套单算路目标权值组合是通过机器学习模型训练得到的：
78.s201：获取多个历史算路请求；
79.s202：针对每个历史算路请求，根据预设的多算路目标组合，利用多目标算法以及初始设置的或者训练中得到的至少一套单算路目标权值组合得到至少一条多算路目标导
航路线；
80.s203：针对每个历史算路请求和确定的单算路目标，召回至少一条单算路目标导航路线；
81.s204：将得到的至少一条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到机器学习模型中进行训练，根据训练结果调整每套单算路目标权值组合，直到得到最优化的至少一套单算路目标权值组合。
82.在一个具体实施例中，参照图3所示，上述步骤s202中根据预设的多目标组合，利用多目标算法以及初始设置的或者训练中得到的至少一套单算路目标权值组合得到至少一条多算路目标导航路线，在具体实施时，可以采用下述流程实现：
83.s301：根据每个历史算路请求携带的起终点信息，利用选择的多目标算法确定pareto路线集合；所述pareto路线集合中包括符合预设的多算路目标组合要求的多条备选路线；
84.s302：根据初始设置的或者训练中得到的至少一套单算路目标权值组合，从所述pareto路线集合中召回至少一条多算路目标导航路线。
85.在一个具体实施例中，上述步骤s203中，针对每个历史算路请求和确定的单算路目标，召回至少一条单算路目标导航路线时，可以采用现有技术中的单目标召回策略，例如，可以是，采用现有技术中的单算路目标和迪杰斯特拉算法进行算路，或者采用基于网格路线(cell-based routing，cbr)算法进行导航路线召回。
86.在一个具体实施例中，参照图4所示，上述步骤s204中，将得到的至少一条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到机器学习模型中进行训练，根据训练结果调整至少一套单算路目标权值组合，直到得到最优化的至少一套单算路目标权值组合，可实施为下述流程：
87.s401：在机器学习模型中，确定所述路线集合的最优路线以及至少一条单算路目标导航路线中的最优路线；
88.s402：根据所述路线集合中的最优路线的属性值和至少一条单算路目标导航路线中的最优路线的属性值，确定预设的损失函数的损失值，根据损失函数的损失值，调整每套单算路目标权值组合中各单算路目标的权值和机器学习模型的参数；预设的损失函数是根据预设的导航目标组合，利用线性整流relu函数确定的；重复上述过程直至得到最小化损失函数时的至少一套单算路目标权值组合。
89.本发明实施例中，上述步骤s202中，预设的多算路目标组合中的单算路目标例如可以是，下述单算路目标中的至少两项：
90.常规最快、距离最短、预计时间最短、红绿灯数最少和转向动作数最少；其中，常规最快为不考虑道路拥堵状态下的通行时间最短的路线。
91.在一个具体实施例中，假设预设的多算路目标组合中包括常规最快、距离最短、预计时间最短、红绿灯数最少和转向动作数最少的五个单算路目标，则得到的pareto路线集合中的每条备选路线的属性值均包括躲避拥堵属性值、时间属性值、距离属性值、红绿灯数属性值和导航动作数属性值。在初始设置k套单算路目标权值组合时，其中，k为大于等于1的正整数，每套单算路目标权值组合中包括了对应常规最快、距离最短、预计时间最短、红绿灯数最少和转向动作数最少这五个单算路目标的权值，在训练过程中，调整k套单算路目
标权值组合，即调整k套单算路目标权值组合中，每套单算路目标权值组合的各单算路目标的权值的大小，其中，每套单算路目标权值组合中各单算路目标的权值的和为1。
92.在一个实施例中，根据初始设置的或者训练中得到的k套单算路目标权值组合，从所述pareto路线集合中筛选出不大于k条多算路目标导航路线。在具体实施时，例如可使用k套单算路目标权值组合中的每套单算路目标权值组合与pareto路线集合中的每条备选路线进行加权，即将每套单算路目标权值组合中的各单算路目标的权值与pareto路线集合中的每条备选路线对应的目标属性值相乘之后再求和，得到pareto路线集合中的每条备选路线的综合权值，按照综合权值的大小，对pareto路线集合中的全部备选路线进行排序，选择综合权值最小的路线作为该套单算路目标权值组合筛选出的多算路目标导航路线。由于可能存在两套单算路目标权值组合筛选出同一条多算路目标导航路线的情形，所以使用k套单算路目标权值组合从所述pareto路线集合中筛选多算路目标导航路线时，可以筛选出小于或等于k条多算路目标导航路线。
93.在一个具体实施例中，上述步骤s402中，根据预设的导航目标组合，利用线性整流(relu)函数确定预设的损失函数时，该预设的导航目标组合中包括优化目标和至少一个作为约束条件的目标，优化目标和作为约束条件的目标例如可以为下述任一项或多项：
94.预计行驶时间、行驶距离、收费、拥堵距离、路线中红绿灯数和转向动作数。
95.在一个具体实施例中，预设的导航目标组合，例如，可以是，优化目标为预计行驶时间，约束条件为行驶距离和收费，以达到控制路线距离和收费不大于根据现有技术的方法得到的单算路目标导航路线，并且达到降低预计行驶时间的效果。本发明实施例中所描述的损失函数可以根据上述的导航目标组合进行设置，例如，可以设置为下述公式：
96.loss＝feature_eta+lam_dis*tf.nn.relu(feature_dis-online_dis)+lam_toll*tf.nn.re lu(feature_toll-online_toll)。
97.上式中，其中feature_eta为多算路目标导航路线和单算路目标导航路线组成的路线集合中的最优路线的时间属性值，feature_dis为多算路目标导航路线和单算路目标导航路线组成的路线集合中的最优路线的距离属性值，feature_toll为多算路目标导航路线和单算路目标导航路线组成的路线集合中的最优路线的收费属性值，online_dis为单算路目标导航路线中最优路线的距离属性值，online_toll为单算路目标导航路线中最优路线的收费属性值；lam_dis*tf.nn.relu(feature_dis-online_dis)表示根据距离设置的relu函数，用于对比feature_dis和online_dis的大小，若feature_dis-online_dis大于0，则该函数值为feature_dis-online_dis的真实值，若feature_dis-online_dis小于等于0，则该函数值为0；lam_toll*tf.nn.relu(feature_toll-online_toll)表示根据收费设置的relu函数，用于对比feature_toll和online_toll的大小，若feature_toll-online_toll大于0，则该函数值为feature_toll-online_toll的真实值，若feature_toll-online_toll小于等于0，则该函数值为0。
98.由于k套单算路目标权值组合是根据预设的导航目标组合设置的损失函数进行训练得到的，所以每套单算路目标权值组合的各单算路目标的权值的确定符合导航目标组合的预期的效果，通过k套单算路目标权值组合召回多算路目标导航路线时，召回的导航路线综合的多算路目标优于根据现有技术的单算路目标召回策略召回的单算路目标导航路线。
99.在一个实施例中，机器学习模型训练过程中，在机器学习模型中，确定每个路线集
合的最优路线以及单算路目标导航路线中的最优路线的过程如下：
100.将得到的多算路目标导航路线和单算路目标召回路线组成的路线集合输入到机器学习模型中时，根据机器学习模型的参数确定的机器学习模型能够输出该路线集合中所有导航路线的排序得分，按照排序得分的高低对该路线集合中的所有导航路线进行排序，则排序得分最高的导航路线即为该路线集合的最优路线，同时，单算路目标导航路线中排序得分最高的路线即为单算路目标导航路线中的最优路线。
101.在一个具体实施例中，所述机器学习模型为深度神经网络(deep neural network，dnn)模型，例如可以是，所述dnn网络模型为一个多维的神经网络中间连接神经元和激活函数。机器学习模型的具体结构可以参照现有技术中的描述，本发明实施例中，对此不做具体限定。
102.下面通过一个具体的实施例说明k套单权值组合和机器学习模型的参数的训练过程：
103.参照图5所示，在机器学习模型训练时，建立一个综合训练模型，包括：算路请求获取模块501、pareto集合获取模块502、多目标路线召回模块503、单目标路线召回模块504以及待训练的机器学习模型505。针对多个历史算路请求，例如，北京早高峰时段的多个历史算路请求，预先设置包括常规最快、距离最短、预计时间最短、红绿灯数最少和转向动作数最少等五个单算路目标的多算路目标组合。并且，假设，用于设置损失函数的预设导航目标组合为：在保持行驶距离和收费不高于现有单算路目标召回策略得到的单算路目标导航路线的条件下，达到缩短预计行驶时间的目标。将损失函数设置为loss＝feature_eta+lam_dis*tf.nn.relu(feature_dis-online_dis)+lam_toll*tf.nn.relu(fe ature_toll-online_toll)。
104.具体说明该综合训练模型的训练过程如下：
105.算路请求获取模块501从历史算路请求数据中获取北京早高峰时段的多个历史算路请求；
106.pareto集合获取模块502对于每个历史算路请求，利用多目标算法求出符合预设多算路目标组合的pareto路线集合，该pareto路线集合中的每条备选路线都是用五个算路目标对应的属性值来表示；
107.多目标路线召回模块503用初始化的k套单算路目标权值组合中每套单算路目标权值组合的各单算路目标的权值与pareto集合中的所有备选路线的对应目标的属性值相乘之后求和，得到每个备选路线的综合权值，对所有备选路线的综合权值由低到高进行排序，这样对应每套单算路目标权值组合可以得到一条综合权值最低的路线，即多算路目标导航路线；因为可能会出现几套单算路目标权值组合召回同一条多算路目标导航路线的情况，因此，用k套单算路目标权值组合，将得到小于等于k条多算路目标导航路线；
108.在利用多目标算法以及k套单算路目标权值组合确定小于等于k条多算路目标导航路线的同时，单目标路线召回模块504对于每个历史算路请求和确定的单算路目标，利用单算路目标召回策略召回至少一条单算路目标导航路线；
109.将得到的小于等于k条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到根据初始化的机器学习模型的参数确定的机器学习模型505中，输出路线集合中所有导航路线的排序得分，按照排序得分由大到小的顺序进行排序，确定路线集
合的最优路线以及单算路目标导航路线中的最优路线，获取路线集合的最优路线的时间属性值、距离属性值和收费属性值，以及单算路目标导航路线中的最优路线的距离属性值和收费属性值，计算损失函数的损失值，根据损失函数的损失值，调整k套单算路目标权值组合中每套单算路目标权值组合的各单算路目标的权值以及机器学习模型的参数；
110.采用与上述过程中相同的方式，多目标路线召回模块303再次得到小于等于k条多算路目标导航路线；将得到的小于等于k条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到根据训练中得到的机器学习模型的参数确定的机器学习模型505中，进而得到相应路线集合的最优路线以及单算路目标导航路线中的最优路线，计算损失函数的损失值，根据损失函数的损失值，继续调整k套单算路目标权值组合中每套单算路目标权值组合的各单算路目标的权值以及机器学习模型的参数。不断继续上述过程，直至得到最小化损失函数时的k套单算路目标权值组合和机器学习模型参数，结束机器学习模型505的训练过程。
111.本发明实施例中，机器学习模型的训练指标为通过调整k套单算路目标权值组合和机器学习模型的参数，降低损失函数的损失值，找到最小化损失函数时的最优的k套单算路目标权值组合和机器学习模型的参数。也就是说，在机器学习模型训练过程中，通过调整的k套单算路目标权值组合和机器学习模型的参数，优化损失函数的损失值，得到最小化损失函数时的k套单算路目标权值组合和机器学习模型的参数。在实时进行导航路线召回时，当接收到算路请求时，根据算路请求中携带的起终点信息，以及训练得到的k套单算路目标权值组合进行算路，根据算路结果，即可确定每套单算路目标权值组合对应的至少一条多算路目标导航路线，完成对应算路请求的多算路目标导航路线召回。
112.在一个实施例中，可以是，将根据上述路线召回方法得到的至少一条多算路目标导航路线输入到训练得到的机器学习模型505中，输出所有多算路目标导航路线的排序得分，按照排序得分由高到低对所有多算路目标导航路线进行排序，选择预设数量的多算路目标导航路线推送到导航客户端。
113.在一个具体实施例中，参照图6所示，根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线，具体过程如下所述：
114.s601：根据算路请求中携带的起终点信息，利用每套单算路目标权值组合，确定待召回的多目标导航路线包括的路线段；
115.s602：将每条待召回的多目标导航路线包括的路线段的权值进行加权，得到相应待召回的多目标导航路线的路线权值；
116.s603：从待召回的多目标导航路线中按照路线权值由小到大的顺序，选择预设数量的路线作为多算路目标导航路线。
117.在一个具体实施例中，参照图7所示，上述步骤s601中，根据算路请求中携带的起终点信息，利用每套单算路目标权值组合，确定待召回的多目标导航路线包括的路线段，可通过下述流程实现：
118.s701：预先将路网切分为多个网格；
119.s702：根据算路请求中携带的起终点信息，确定从起点到终点所经过的所有网格；
120.s703：利用每套单算路目标权值组合中的各单算路目标的权值，分别对起点到终点所经过的每个网格对应的各路线段中各单算路目标的属性值进行加权，得到每个网格对
应的各路线段的权值；
121.s704：对于每个网格，按照权值由小到大的顺序，选择预设数量的路线段，作为待召回的多目标导航路线的路线段。
122.本发明实施例中，为了便于确定对算路请求的起点到终点经过的路线，预先将路网切分为多个网格。在进行路线召回时，先确定算路请求的起点和终点所在的网格，再确定起点到终点所经过的所有网格；利用每套单算路目标权值组合中的各单算路目标对应的权值，分别对起点到终点所经过的每个网格对应的各路线段中对应目标的属性值进行加权，得到每个网格对应的各路线段的多算路目标的权值，对于每个网格，根据多算路目标的权值由小到大的顺序进行排序，选择出预设数量的路线段作为该网格对应的待召回的多目标导航路线包括的路线段；将从起点到终点的所有网格对应的待召回的多目标导航路线的路线段的权值求和，得到从起点到终点的所有可能待召回的多目标导航路线，按照待召回的多目标导航路线的权值由小到大的顺序进行排序，从所有可能待召回的多目标导航路线中选择出预设数量的路线作为多算路目标导航路线。
123.在一个具体实施例中，预先将路网切分为多个网格之后，利用k套单算路目标权值组合进行路线召回时，对于每个算路请求，先确定算路请求的起点和终点所在的网格，再确定起点到终点所经过的所有网格；对于k套单算路目标权值组合中的每套单算路目标权值组合，利用单算路目标权值组合中的各单算路目标的权值，分别对起点到终点所经过的每个网格对应的各路线段中对应目标的属性值进行加权，得到每个网格对应的各路线段的多算路目标权值，对于每个网格，利用迪杰斯特拉算法筛选出一条最短路线段；将从起点到终点的所有网格对应的最短路线段的权值求和，得到从起点到终点所有待召回的多目标导航路线，从所有待召回的多目标导航路线中选择出权值最小的一条路线作为该套单算路目标权值组合对应的多算路目标导航路线，则k套单算路目标权值组合能够召回k条多算路目标导航路线，但是，考虑到可能存在两套以上的单算路目标权值组合召回同一条路线的情形，因此最终得到的是小于等于k条多算路目标导航路线，其中，k为大于等于1的正整数。
124.本发明实施例提供的路线召回方法，通过得到对应于预设多算路目标组合的至少一套单算路目标权值组合，利用至少一套单算路目标权值组计算算路请求的起点到终点所经过的所有网格对应的路线段的权值，得到所有网格对应的至少一条待召回多目标导航路线的路线段，最终得到小于等于k条多算路目标导航路线，该方法不仅能够适用于实时交互系统，而且得到的多算路目标导航路线综合的多算路目标优于根据现有技术的单算路目标召回策略召回的单算路目标导航路线。
125.基于同一发明构思，本发明实施例还提供了一种导航的方法，路线召回装置、导航的装置、路线召回系统、相关存储介质和设备，由于这些方法、装置、系统、相关存储介质和设备所解决问题的原理与前述路线召回方法相似，因此该方法、装置、系统、相关存储介质和设备的实施可以参见前述路线召回方法的实施，重复之处不再赘述。
126.实施例3
127.基于相同的发明构思，本实施例提供一种导航的方法，根据上述实施例1或实施例2提供的路线召回方法得到至少一条多算路目标导航路线，并推送给导航客户端。
128.本发明实施例提供的导航的方法中多算路目标导航路线的推送的具体过程可以参照上述实施例2中所述的方式，或者是利用其它现有技术中的方式对得到的至少一条多
算路目标导航路线进行排序，选择排序在前的预设数量的多算路目标导航路线推送给导航客户端，本发明实施例中，对于具体的推送方式不作限定。
129.实施例4
130.基于相同的发明构思，本实施例提供一种路线召回装置，该装置可以装设于本地服务器或云端服务器中，通过执行上述路线召回方法，得到至少一条多目标召回路线。参照图8所示，该路线召回装置，包括：
131.确定模块801，用于当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值；
132.召回模块802，用于根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线。
133.在一个实施例中，可以是，所述路线召回装置，还包括训练模块800，用于通过下述方式预先训练得到所述至少一套单算路目标权值组合：
134.获取多个历史算路请求；
135.针对每个历史算路请求，根据预设的多算路目标组合，利用多目标算法以及初始设置的或者训练中得到的至少一套单算路目标权值组合得到至少一条多算路目标导航路线；
136.根据所述多个历史算路请求和确定的单算路目标，召回至少一条单算路目标导航路线；
137.将得到的至少一条多算路目标导航路线和至少一条单算路目标导航路线组成的路线集合输入到机器学习模型中进行训练，根据训练结果调整每套单算路目标权值组合，直到得到最优化的至少一套单算路目标权值组合。
138.在一个实施例中，所述训练模块800，具体用于根据每个历史算路请求携带的起终点信息，利用选择的多目标算法确定pareto路线集合；所述pareto路线集合中包括符合预设的多算路目标组合要求的多条备选路线；
139.根据初始设置的或者训练中得到的至少一套单算路目标权值组合，从所述pareto路线集合中召回至少一条多算路目标导航路线。
140.在一个实施例中，所述训练模块800，具体用于在机器学习模型中，确定所述路线集合的最优路线以及至少一条单算路目标导航路线中的最优路线；
141.根据所述路线集合中的最优路线的属性值和至少一条单算路目标导航路线中的最优路线的属性值，确定预设的损失函数的损失值，根据损失函数的损失值，调整每套单算路目标权值组合中各单算路目标的权值和机器学习模型的参数；所述预设的损失函数是根据预设的导航目标组合，利用线性整流relu函数确定的；
142.重复上述过程直至得到最小化损失函数时的至少一套单算路目标权值组合。
143.在一个实施例中，所述预设的导航目标组合包括一个优化目标和至少一个作为约束条件的目标，所述优化目标和作为约束条件的目标从下列目标中选取：
144.预计行驶时间、行驶距离、收费、拥堵距离、小路距离、无路况道路距离、红绿灯数和转向动作数。
145.在一个实施例中，所述召回模块802，具体用于根据算路请求中携带的起终点信
息，利用每套单算路目标权值组合，确定待召回的多目标导航路线包括的路线段；
146.将每条待召回的多目标导航路线包括的路线段的权值进行加权，得到相应待召回的多目标导航路线的路线权值；
147.从待召回的多目标导航路线中按照路线权值由小到大的顺序，选择预设数量的路线作为多算路目标导航路线。
148.在一个实施例中，所述召回模块802，具体用于预先将路网切分为多个网格；
149.根据算路请求中携带的起终点信息，确定从起点到终点所经过的所有网格；
150.利用每套单算路目标权值组合中的各单算路目标的权值，分别对起点到终点所经过的每个网格对应的各路线段中各算路目标的属性值进行加权，得到每个网格对应的各路线段的权值；
151.对于每个网格，按照权值由小到大的顺序，选择预设数量的路线段，作为待召回的多目标导航路线的路线段。
152.实施例5
153.基于相同的发明构思，本实施例还提供一种导航的装置，该装置可以装设于本地服务器或云端服务器中，通过执行上述导航的方法，得到至少一条多目标召回路线，并推送给导航客户端。
154.参照图9所示，该导航的装置，包括：
155.确定模块901，用于当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值；
156.召回模块902，用于根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线；
157.推送模块903，用于将得到的至少一条多算路目标导航路线推送给导航客户端。
158.本发明实施例提供的导航的装置，其中确定模块901和召回模块902与实施例4中的路线召回装置中的确定模块901和召回模块902相类似，具体的实施方式可以参照上述实施例4的描述。
159.实施例6
160.基于相同的发明构思，本实施例还提供一种路线召回系统，参照图10所示，包括：服务器1和至少一个客户端2；
161.所述客户端2，用于发送算路请求，以及接收所述服务器推送的路线；
162.所述服务器1，用于当接收到算路请求时，选择包括至少两个单算路目标的多算路目标组合，确定所述多算路目标组合对应的至少一套单算路目标权值组合，其中，一套单算路目标权值组合中包括所述多算路目标组合中各单算路目标对应的权值，根据所述算路请求携带的起终点信息，以及所述至少一套单算路目标权值组合，召回多算路目标导航路线，并推送到所述客户端2。
163.实施例7
164.基于相同的发明构思，本实施例还提供另一种路线召回系统，参照图10所示，包括：服务器1和至少一个客户端2；
165.所述服务器1，用于根据接收的算路请求，向所述客户端发送至少一套单算路目标
权值组合，其中，一套单算路目标权值组合中包括多算路目标组合中每个单算路目标对应的权值；
166.所述客户端2，用于根据所述算路请求以及服务器发送的至少一套单算路目标权值组合，召回多算路目标导航路线。
167.实施例8
168.基于相同的发明构思，本实施例还提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述实施例1或2所述的路线召回方法。
169.实施例9
170.基于相同的发明构思，本实施例还提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述实施例3所述的导航的方法。
171.实施例10
172.基于相同的发明构思，本实施例还提供一种服务器，包括：处理器、用于存储处理器可执行命令的存储器；其中，处理器被配置为可执行如上述实施例1或2所述的路线召回方法。
173.实施例11
174.基于相同的发明构思，本实施例还提供一种服务器，包括：处理器、用于存储处理器可执行命令的存储器；其中，处理器被配置为可执行如上述实施例3所述的导航的方法。
175.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
176.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
177.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
178.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
179.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。