根据所预测的导航路线向车辆用户提供特定于路线的服务的制作方法

本发明涉及一种用于向车辆用户提供特定于路线的服务的方法。本发明此外涉及一种用于向车辆用户提供特定于路线的服务的计算机可读的介质、一种用于向车辆用户提供特定于路线的服务的系统、以及包括用于向车辆用户提供特定于路线的服务的系统的一种车辆和一种移动终端设备。

背景技术：

1、从现有技术中已知使所估计的路线的命中频率最大化的方法。所估计的路线应尽可能经常地对应于实际路线。所估计的路线可以作为路线建议而显示给车辆用户。

技术实现思路

1、因此，本发明的任务在于，更有效地向车辆用户提供特定于路线的服务。特别是本发明的任务在于，更有效地预测导航路线，且根据所预测的导航路线向车辆用户提供特定于路线的服务。

2、所述任务通过独立权利要求的特征解决。本发明有利的设计方案和进一步扩展方案从从属权利要求中产生。

3、按照第一方面，本发明的特征在于一种用于向车辆用户提供特定于路线的服务的方法。所述方法可以是计算机实现的方法和/或控制装置实现的方法。车辆可以是机动车。特定于路线的服务可以包括给车辆用户的特定于路线的交通信息、路线建议和/或特定于路线的消息。所述方法包括：接收车辆的多个已行驶导航路线。已行驶导航路线可以由车辆存储。所述方法可以接收车辆的一个或多个用户的存储的导航路线。所述方法包括在使用车辆的多个已行驶导航路线的情况下求取导航路线簇以及在使用所求取的导航路线簇作为训练数据的情况下训练机器学习方法。所述方法此外还包括：接收车辆的当前行驶的特征；以及借助于经训练的机器学习方法，根据车辆的当前行驶的接收到的特征来预测对于车辆的每个所求取的导航路线簇的概率。所述方法此外还包括：确定具有最高的所预测的概率的导航路线簇；以及假如具有最高的所预测的概率的导航路线簇超过预定阈值，那么将特定于路线的服务提供给车辆用户以用于车辆的当前行驶。

4、有利地，所述方法可以提供特定于路线的服务，而无需由车辆用户预定导航路线和/或用户不必操作车辆的导航系统。由此可以通过特定于路线的服务主动将与路线相关的信息提供给用户。车辆可以在利用车辆行驶期间有效地支持用户，其方式为将相关信息提供给用户而用户不必主动进行操作处理。

5、按照本发明的一个有利的设计方案，多个已行驶导航路线可以包括车辆的一个用户的已行驶导航路线；和/或多个已行驶导航路线可以包括车辆的所有用户的已行驶导航路线。由此可以有效地控制为车辆的一个或所有用户提供特定于路线的服务。

6、按照本发明的另一有利的设计方案，导航路线簇可以代表来自所述多个已行驶导航路线的如下一个或多个已行驶导航路线，所述导航路线的距离具有预定的最大距离。特别是导航路线簇可以代表如下已行驶导航路线，在导航路线中在分别两个导航线路之间的距离具有预定的最大距离。例如可以在dbscan聚类算法中预定最大距离。由此可以总结相似的已行驶导航路线。

7、按照本发明的另一有利的设计方案，在训练机器学习方法期间可以使用成本函数，利用所述成本函数评估通过超参数优化方法对机器学习方法的超参数的调节。以此可以有效调节机器学习方法。

8、按照本发明的另一有利的设计方案，可以调节机器学习方法的超参数，直至达到成本函数的优选全局最大值。以此可以有效调节机器学习方法。

9、按照本发明的另一有利的设计方案，所述成本函数可以借助于两个特征参量来评估对机器学习方法的超参数的调节；和/或第一特征参量可以代表特定于路线的服务的显示频率或提供频率；和/或第二特征参量可以代表所预测的概率的预测精度。以此可以有效调节机器学习方法。

10、按照本发明的另一有利的设计方案，确定具有最高的所预测的概率的导航路线簇可以包括确定具有n个最高的所预测的概率的导航路线簇，其中，n＝1、2、3；和/或可以对于具有n个最高的所预测的概率的导航路线簇来提供特定于路线的服务。以此可以向车辆用户有效提供多个选择选项。

11、按照另一方面，本发明的特征是一种用于向车辆用户提供特定于路线的服务的计算机可读的介质，其中，所述计算机可读的介质包括指令，所述指令当在计算机和/或控制装置上执行时执行上述的方法。

12、按照另一方面，本发明的特征是一种用于向车辆用户提供特定于路线的服务的系统，其中，所述系统构成为执行上述的方法。

13、按照另一方面，本发明的特征是一种车辆，所述车辆包括上述的用于向车辆用户提供特定于路线的服务的系统。

14、按照另一方面，本发明的特征是一种移动终端设备，所述移动终端设备包括上述的用于向车辆用户提供特定于路线的服务的系统。

15、本发明另外的特征从权利要求、附图和对附图的说明中产生。上文在说明书中所提及的所有特征和特征组合以及在下文中在对附图的说明中所提及的和/或在附图中单独示出的特征和特征组合不仅可以以分别提出的组合方式使用，而且也可以以其他组合方式使用或者单独使用。

技术特征：

1.用于向车辆用户提供特定于路线的服务的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述多个已行驶导航路线包括车辆的一个用户的已行驶导航路线；和/或所述多个已行驶导航路线包括车辆的所有用户的已行驶导航路线。

3.根据上述权利要求之一所述的方法，其中，所述导航路线簇代表来自所述多个已行驶导航路线的如下一个或多个已行驶导航路线，所述导航路线的距离具有预定的最大距离。

4.根据上述权利要求之一所述的方法，其中，在训练机器学习方法期间使用成本函数，利用所述成本函数评估通过超参数优化方法对机器学习方法的超参数的调节。

5.根据上述权利要求之一所述的方法，其中，调节机器学习方法的超参数，直至达到成本函数的优选全局最大值。

6.根据上述权利要求之一所述的方法，其中，所述成本函数借助于两个特征参量来评估对机器学习方法的超参数的调节；和/或第一特征参量代表特定于路线的服务的显示频率或提供频率；和/或第二特征参量代表所预测的概率的预测精度。

7.根据上述权利要求之一所述的方法，其中，确定具有最高的所预测的概率的导航路线簇包括确定具有n个最高的所预测的概率的导航路线簇，其中，n＝1、2、3；和/或对于具有n个最高的所预测的概率的导航路线簇来提供特定于路线的服务。

8.用于向车辆用户提供特定于路线的服务的计算机可读的介质，其中，所述计算机可读的介质包括指令，所述指令当在计算机和/或控制装置上执行时执行根据权利要求1至7之一所述的方法。

9.用于向车辆用户提供特定于路线的服务的系统，其中，所述系统构成为执行根据权利要求1至7之一所述的方法。

10.车辆，所述车辆包括根据权利要求9所述的用于向车辆用户提供特定于路线的服务的系统。

11.移动终端设备，所述移动终端设备包括根据权利要求9所述的用于向车辆用户提供特定于路线的服务的系统。

技术总结
本发明涉及一种用于向车辆用户提供特定于路线的服务的方法，所述方法包括：接收车辆的多个已行驶导航路线；在使用车辆的多个已行驶导航路线的情况下求取导航路线簇；在使用所求取的导航路线簇作为训练数据的情况下训练机器学习方法；接收车辆的当前行驶的特征；借助于经训练的机器学习方法，根据车辆的当前行驶的接收到的特征来预测对于车辆的每个所求取的导航路线簇的概率；确定具有最高的所预测的概率的导航路线簇；假如具有最高的所预测的概率的导航路线簇超过预定阈值，那么将特定于路线的服务提供给车辆用户以用于车辆的当前行驶。

技术研发人员：D·科茨尔,S·霍尔德
受保护的技术使用者：宝马股份公司
技术研发日：
技术公布日：2024/1/15