路径生成方法、装置、存储介质及电子设备与流程
本公开涉及路线规划技术领域，具体地，涉及一种路径生成方法、装置、存储介质及电子设备。
背景技术：
路径规划的主要目的是让目标对象在一定范围区域内找到一条从起点通向终点的路径。当前，路径规划已是一种重要的辅助出行手段，在订单配送、物流、车载导航等领域得到了广泛的应用。
以外卖配送为例，通过路径规划能够确定从商家到用户的外卖配送路径，以便于提升配送员的配送效率。然而，相关技术中，路径规划时往往考虑通行时间、通行距离等因素，但采用这种方式生成的路线可能影响用户的通行效率。例如，通行距离最短的路线可能也是最为拥堵的路线，从而影响了用户的通行效率，降低用户体验。
技术实现要素：
本公开的目的是提供一种路径生成方法、装置、存储介质及电子设备，以解决上述相关技术问题。
为了实现上述目的，根据本公开实施例的第一方面，提供一种路径生成方法，包括：
响应于接收到路径生成请求，根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合，其中，所述路径连接关系集合表征多个路段之间的连接关系，根据所述连接关系，所述多个路段能够组成从所述路径起始点到达所述路径终点的多条路径；
通过通行成本模型生成各所述路段的通行成本值；
根据每一所述路段的通行成本值以及路段连接关系生成从所述路径起始点至所述路径终点的目标路径；
其中，所述通行成本模型是基于历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息训练得到的。
上述技术方案中，通过历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息可以训练得到通行成本模型。这样，在接收到路径生成请求时，可以基于所述路径生成请求的路径起始点以及路径终点确定路径连接关系集合，并通过所述通行成本模型确定每一路段的通行成本，从而可以根据各路段的通行成本值来生成从所述路径起始点至所述路径终点的目标路径。由于通行成本模型是根据历史数据训练得到，因此通过所述通行成本模型确定的路段的通行成本值能够反映用户对所述路段的选择偏好，从而使得生成的所述目标路径能够匹配用户的驾驶习惯，提升通行效率。
可选地，所述根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合，包括：
获取所述路径起始点在区域路网中的第一位置信息以及所述路径终点在所述区域路网中的第二位置信息；
根据所述第一位置信息以及所述第二位置信息确定所述路径起始点以及所述路径终点在所述区域路网中的所述路径连接关系集合。
这样，可以根据路网信息、所述路径起始点以及路径终点生成所述路径连接关系集合，以便于通过各路段的配送成本值从所述路径连接关系集合中确定所述目标路径。
可选地，所述根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合，包括：
对地理区域进行划分，得到多个地理分块；
根据所述路径起始点所处的地理分块信息以及所述路径终点所处的地理分块信息，确定地理分块连接关系集合，其中，所述地理分块连接关系集合表征多个地理分块之间的连接关系，根据所述连接关系，所述多个地理分块能够组成从所述路径起始点到达所述路径终点的多条地理分块路径；
通过所述通行成本模型生成各所述分块之间的路段的通行成本值；
根据各所述分块之间的路段的通行成本值生成从所述路径起始点至所述路径终点的目标地理分块路径；
根据历史路径在所述目标地理分块路径中的各目标地理分块中的分布信息，确定所述路径连接关系集合。
采用上述技术方案，能够不依赖路网信息生成所述路径连接关系集合，从而可以根据各路段的通行成本值从所述路径连接关系集合中确定所述目标路径。
可选地，所述根据历史路径在所述目标地理分块路径中的各目标地理分块中的分布信息，确定所述路径连接关系集合，包括：
获取各所述子区域中所包括的对应于所述历史路径的定位点；
对所述定位点进行过滤，得到过滤后的定位点；
将过滤得到的各定位点之间进行连接，得到所述路径连接关系集合，其中，相邻定位点连接形成所述路段。
上述技术方案中，通过对历史路径在所述目标地理分块路径中的定位点进行过滤，可以得到过滤后的定位点。这样，可以将各过滤后的定位点相互连接，从而得到所述路径连接关系集合，为确定目标路径提供基础。
可选地，所述对所述定位点进行过滤，包括：
针对每一目标地理分块，将该目标地理分块划分为多个子区域；
计算每一所述子区域内的定位点的数量；
过滤目标子区域内的各定位点，所述目标子区域是包括的定位点的数量小于第一阈值的子区域。
可选地，所述将过滤得到的定位点之间进行连接，包括：
针对每一所述过滤得到的定位点，将该定位点与距该定位点的距离小于第二阈值的定位点进行连接；或者，
针对每一所述过滤得到的定位点，获取该定位点的第三阈值范围内的多个候选定位点；根据该定位点与每一所述候选定位点之间的距离值对所述多个候选定位点进行排序；
将该定位点与所述排序中处于第四阈值范围内的候选定位点进行连接。
这样，通过对定位点进行过滤，能够有效减少定位点的数量，降低计算量。
可选地，所述通行成本模型是通过如下方式训练得到的：
获取历史路径生成请求以及对应于所述历史路径生成请求的历史路径集合，每一所述历史路径包括多个相连的路段；
将所述历史路径生成请求以及所述历史路径集合输入至通行成本模型，得到所述通行成本模型输出的各路段的通行成本值；
根据所述通行成本值确定对应于每一所述历史路径生成请求的预测最优路径；
根据每一所述预测最优路径，确定每一所述路段的第一访问频率；
根据每一所述路段的所述第一访问频率与历史访问频率计算梯度值，所述历史访问频率是根据所述历史路径集合确定的；
根据所述梯度值对所述通行成本模型的参数进行调整，直至所述通行成本模型收敛，得到训练好的所述通行成本模型。
上述技术方案中，通过历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息训练通行成本模型，从而可以通过所述通行成本模型确定路段的通行成本值，进而能够通过所述通行成本值反映用户对所述路段的选择偏好，为路径生成提供基础。
根据本公开实施例的第二方面，一种路径生成装置，包括：
确定模块，被配置为用于响应接收到路径生成请求，根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合，其中，所述路径连接关系集合表征多个路段之间的连接关系，根据所述连接关系，所述多个路段能够组成从所述路径起始点到达所述路径终点的多条路径；
第一生成模块，被配置为用于通过通行成本模型生成各所述路段的通行成本值；
第二生成模块，被配置为用于根据每一所述路段的通行成本值以及路段连接关系生成从所述路径起始点至所述路径终点的目标路径；
其中，所述通行成本模型是基于历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息训练得到的。
上述技术方案中，通过历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息可以训练得到通行成本模型。这样，在接收到路径生成请求时，可以基于所述路径生成请求的路径起始点以及路径终点确定路径连接关系集合，并通过所述通行成本模型确定每一路段的通行成本，从而可以根据各路段的通行成本值来生成从所述路径起始点至所述路径终点的目标路径。由于通行成本模型是根据历史数据训练得到，因此通过所述通行成本模型确定的路段的通行成本值能够反映用户对所述路段的选择偏好，从而使得生成的所述目标路径能够匹配用户的驾驶习惯，提升通行效率。
可选地，所述确定模块，包括：
第一获取子模块，被配置为用于获取所述路径起始点在区域路网中的第一位置信息以及所述路径终点在所述区域路网中的第二位置信息；
第一确定子模块，被配置为用于根据所述第一位置信息以及所述第二位置信息确定所述路径起始点以及所述路径终点在所述区域路网中的所述路径连接关系集合。
可选地，所述确定模块，包括：
划分子模块，被配置为用于对地理区域进行划分，得到多个地理分块；
第二确定子模块，被配置为用于根据所述路径起始点所处的地理分块信息以及所述路径终点所处的地理分块信息，确定地理分块连接关系集合，其中，所述地理分块连接关系集合表征多个地理分块之间的连接关系，根据所述连接关系，所述多个地理分块能够组成从所述路径起始点到达所述路径终点的多条地理分块路径；
第一生成子模块，被配置为用于通过所述通行成本模型生成各所述分块之间的路段的通行成本值；
第二生成子模块，被配置为用于根据各所述分块之间的路段的通行成本值生成从所述路径起始点至所述路径终点的目标地理分块路径；
第三确定子模块，被配置为用于根据历史路径在所述目标地理分块路径中的各目标地理分块中的分布信息，确定所述路径连接关系集合。
可选地，所述第三确定子模块，包括：
获取子单元，被配置为用于获取各所述子区域中所包括的对应于所述历史路径的定位点；
过滤子单元，被配置为用于对所述定位点进行过滤，得到过滤后的定位点；
连接子单元，被配置为用于将过滤得到的各定位点之间进行连接，得到所述路径连接关系集合，其中，相邻定位点连接形成所述路段。
可选地，所述过滤子单元，被配置为用于：
针对每一目标地理分块，将该目标地理分块划分为多个子区域；
计算每一所述子区域内的定位点的数量；
过滤目标子区域内的各定位点，所述目标子区域是包括的定位点的数量小于第一阈值的子区域。
可选地，所述连接子单元，被配置为用于：
针对每一所述过滤得到的定位点，将该定位点与距该定位点的距离小于第二阈值的定位点进行连接；或者，
针对每一所述过滤得到的定位点，获取该定位点的第三阈值范围内的多个候选定位点；根据该定位点与每一所述候选定位点之间的距离值对所述多个候选定位点进行排序；将该定位点与所述排序中处于第四阈值范围内的候选定位点进行连接。
可选地，所述装置还包括：
训练模块，用于训练得到所述通行成本模型，所述训练模块包括：
第二获取子模块，被配置为用于获取历史路径生成请求以及对应于所述历史路径生成请求的历史路径集合，每一所述历史路径包括多个相连的路段；
输入子模块，被配置为用于将所述历史路径生成请求以及所述历史路径集合输入至通行成本模型，得到所述通行成本模型输出的各路段的通行成本值；
第四确定子模块，被配置为用于根据所述通行成本值确定对应于每一所述历史路径生成请求的预测最优路径；
第五确定子模块，被配置为用于根据每一所述预测最优路径，确定每一所述路段的第一访问频率；
计算子模块，被配置为用于根据每一所述路段的所述第一访问频率与历史访问频率计算梯度值，所述历史访问频率是根据所述历史路径集合确定的；
调整子模块，被配置为用于根据所述梯度值对所述通行成本模型的参数进行调整，直至所述通行成本模型收敛，得到训练好的所述通行成本模型。
本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方面中任一项所述方法的步骤。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是本公开一示例性实施例所示出的一种路径生成方法的流程图。
图2是本公开一示例性实施例所示出的一种路径连接关系的示意图。
图3是本公开一示例性实施例所示出的一种路径生成方法的流程图。
图4是本公开一示例性实施例所示出的一种地理分块连接关系的示意图。
图5是本公开一示例性实施例所示出的一种目标地理分块路径的示意图。
图6是本公开一示例性实施例所示出的一种通行成本模型的训练流程图。
图7是本公开一示例性实施例所示出的一种路径生成装置的框图。
图8是本公开一示例性实施例所示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
在介绍本公开的路径生成方法、装置、存储介质及电子设备之前，首先对本公开的应用场景进行介绍。本公开的各实施例可以用于各种路径生成场景，例如导航场景、订单配送场景等等，其中订单配送例如可以是物流订单、外卖订单等等。
以外卖订单为例，相关场景中可以根据订单的商家地址以及用户地址生成配送路径，以便于配送运力进行订单配送。一般来说，可以存在多种从商家地址到用户地址的路径。相关技术中在从所述多种路径中确定最终路径时，通常考虑通行距离、路口数量等因素，但通过这样的方式生成的路径可能影响用户的通行效率。例如，用户地址s1可以包括距离商家地址y1较远的入口a以及距离商家地址较近的入口b，其中入口a全天可以通行，入口b则只在目标时段可以通行。若根据通行距离确定路线，则可能出现所确定的路线导致配送运力无法进入用户地址的现象，从而降低了配送运力的配送效率。
为此，本公开提供一种路径生成方法，参照图1所示出的一种路径生成方法的流程图，所述方法包括：
s11，响应于接收到路径生成请求，根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合；
s12，通过通行成本模型生成各所述路段的通行成本值；
s13，根据每一所述路段的通行成本值以及路段连接关系生成从所述路径起始点至所述路径终点的目标路径。
具体来讲，所述方法例如可以应用于路径规划服务器或是路径规划设备。以路径规划服务器为例，在s11中，所述路径规划服务器可以接收其他设备发送的路径生成请求，并根据所述路径规划请求确定待规划的路径的起始点以及终点。这样，可以根据路径起始点以及终点确定路径连接关系集合。
其中，所述路径连接关系集合可以表征多个路段之间的连接关系，根据所述连接关系，所述多个路段能够组成从所述路径起始点到达所述路径终点的多条路径。图2是本公开一示例性实施例所示出的一种路径连接关系的示意图，参照图2，起始点a至终点g之间可以包括多个路段，例如路段ab、ae等等。其中，多个路段能够组成从所述路径起始点a到达所述路径终点g的多条路径，例如路段ab、bc、cd、dg可以组成一条路径，路段ae、ef、fg也可以组成一条路径。这样，可以根据路段之间的连接关系生成路径连接关系集合。
在获得所述路径连接关系集合之后，在s12中，可以通过通行成本模型生成各所述路段的通行成本值。其中，所述通行成本模型是基于历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息训练得到的，所述历史路径信息包括通行对象的真实历史通行路径。
值得说明的是，通行对象的真实通行路径能够反映通行对象对路段的偏好。沿用上述从商家地址s1至用户地址y1的例子，配送运力在确定入口b具有通行限制之后，其之后在配送从商家地址s1至用户地址y1的订单时，更可能选择从入口a进入的路线。因此，采用历史路径数据训练所述通行成本模型，能够使所述通行成本模型学习到通行对象对路段的选择偏好，并通过通行成本值来描述通行对象对对应路段的选择偏好，从而使得生成的所述目标路径能够匹配通行对象的驾驶习惯，提升通行效率。
这样，在s13中，可以根据每一所述路段的通行成本值以及路段连接关系生成从所述路径起始点至所述路径终点的目标路径。
举例来讲，可以根据所述路径连接关系集合确定从路径起始点至路径终点的多条候选路径。针对每一候选路径，可以将该候选路径所对应的多个路段的通行成本值进行累加，将累加结果作为该条候选路径的通行成本值。这样，可以根据应用需求以及各候选路径的通行成本值确定所述目标路径，例如，可以讲通行成本值最小的候选路径作为所述目标路径；或者，根据应用需求，也可以将通行成本值最大的候选路径作为所述目标路径。当然，在一些实施例中，也可以将每一所述路段的通行成本值作为路段距离参数，通过a星算法、dijkstra算法等寻路算法确定从路径起始点至路径终点的目标路径，本公开对此不作限定。
上述技术方案中，通过历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息可以训练得到通行成本模型。这样，在接收到路径生成请求时，可以基于所述路径生成请求的路径起始点以及路径终点确定路径连接关系集合，并通过所述通行成本模型确定每一路段的通行成本，从而可以根据各路段的通行成本值来生成从所述路径起始点至所述路径终点的目标路径。由于通行成本模型是根据历史数据训练得到，因此通过所述通行成本模型确定的路段的通行成本值能够反映用户对所述路段的选择偏好，从而使得生成的所述目标路径能够匹配用户的驾驶习惯，提升通行效率。
针对所述路径连接关系集合的生成过程，在一种可能的实施方式中，可以根据路网信息生成所述路径连接关系集合。在这种情况下，所述根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合，包括：
获取所述路径起始点在区域路网中的第一位置信息以及所述路径终点在所述区域路网中的第二位置信息；
根据所述第一位置信息以及所述第二位置信息确定所述路径起始点以及所述路径终点在所述区域路网中的所述路径连接关系集合。
其中，路网信息可以包括各种不同功能的道路的信息，例如各类干道、区域性道路等等。因此，可以通过获取所述路径起始点在区域路网中的第一位置信息以及所述路径终点在所述区域路网中的第二位置信息，并结合路网信息中各路段的位置信息以及连接关系，生成所述径起始点以及所述路径终点在所述区域路网中的所述路径连接关系集合，以便于通过各路段的配送成本值从所述路径连接关系集合中确定所述目标路径。
在另一种可能的实施方式中，也可以不依赖路网信息生成所述路径连接关系集合。在这种情况下，参照图3所示出的一种路径生成方法的流程图，所述方法包括：
在s31中，响应于接收到路径生成请求，对地理区域进行划分，得到多个地理分块。
举例来讲，在接收到所述路径生成请求之后，可以根据所述路径生成请求中的路径起始点以及路径终点，确定包括所述路径起始点以及路径终点的地理区域。进一步的，可以通过对所述地理区域进行划分，得到多个地理分块。例如，可以通过geohash地理编码系统，将所述地理区域划分为矩形网格，得到多个geohash块。
在s32中，根据所述路径起始点所处的地理分块信息以及所述路径终点所处的地理分块信息，确定地理分块连接关系集合。
其中，所述地理分块连接关系集合表征多个地理分块之间的连接关系，根据所述连接关系，所述多个地理分块能够组成从所述路径起始点到达所述路径终点的多条地理分块路径。参照图4所示出的一种地理分块连接关系的示意图，所述地理分块连接关系可以包括地理分块a至r，多个地理分块能够组成从起始点a至终点q的多条地理分块路径。
值得说明的是，所述通行成本模型可以生成路段的通行成本，对于地理分块而言，相邻地理分块之间也可以看作是一种通行路段。因此在s33中，可以通过所述通行成本模型生成各所述分块之间的路段的通行成本值。此外，由于通行成本模型是根据历史路径训练得到的，因此，若相邻地理分块之间不能直接到达，其通行成本值可以体现为大于阈值(例如无穷大)。
这样，在s34中，可以根据各所述分块之间的路段的通行成本值生成如图5所示的从所述路径起始点至所述路径终点的目标地理分块路径。根据通行成本值确定路径的方法请参照上述关于步骤s13的实施例，本公开在此不做赘述。
在s35中，根据历史路径在所述目标地理分块路径中的各目标地理分块中的分布信息，确定所述路径连接关系集合。以图5为例进行说明，在具体实施时可以获取历史路径在各所述目标地理分块的定位点，所述定位点例如可以是对象在所述历史路径中基于定位系统生成的定位点。进一步的，可以将每一所述定位点之间进行连接，得到所述路径连接关系集合，其中，可以将相邻定位点之间的连接作为所述路段。
s36，通过通行成本模型生成各所述路段的通行成本值；
s37，根据每一所述路段的通行成本值以及路段连接关系生成从所述路径起始点至所述路径终点的目标路径。
关于步骤s36和s37，请参照上述关于步骤s12和s13的说明，本公开在此不做赘述。
采用上述技术方案，能够不依赖路网信息生成所述路径连接关系集合，从而可以根据各路段的通行成本值从所述路径连接关系集合中确定所述目标路径。也就是说，上述技术方案在进行路径生成时可以摆脱对路网信息的依赖，从而实现在路网数据错误或者路网数据缺失的情况下生成路径的效果。
上述实施例分别从依赖路网信息的情况以及不依赖路网信息的情况对所述路径生成方法进行了说明，但本领域技术人员应当知晓，上述技术方案也可以结合使用。例如，在生成路径时可以首先确定能否获取路网信息或检测路网信息的准确性，在能够获取路网信息或者检测到路网信息准确时，可以依据所述路网信息生成所述路径连接关系集合，并进而生成路径。在无法获取路网信息或者检测到路网信息的准确性较低的情况下，可以通过图3所示的路径生成方法进行路径生成。
针对路径连接关系集合的确定过程，在一种可能的实施方式中，所述根据历史路径在所述目标地理分块路径中的各目标地理分块中的分布信息，确定所述路径连接关系集合，包括：
获取各所述子区域中所包括的对应于所述历史路径的定位点；
对所述定位点进行过滤，得到过滤后的定位点；
将过滤得到的各定位点之间进行连接，得到所述路径连接关系集合，其中，相邻定位点连接形成所述路段。
以图5为例进行说明，由于所述目标地理分块中的定位点的数量较多，因此可以对所述定位点进行过滤，从而减少过滤点的数量，进而降低路径连接关系集合的数据量，提升计算速度。
针对定位点的过滤过程，在一些实施例中，所述对所述定位点进行过滤，包括：
针对每一目标地理分块，将该目标地理分块划分为多个子区域；
计算每一所述子区域内的定位点的数量；
过滤目标子区域内的各定位点，所述目标子区域是包括的定位点的数量小于第一阈值的子区域。
举例来讲，针对每一目标地理分块，可以按照地理面积将所述目标地理分块分割为n个子区域，并统计每一所述子区域内的定位点的数量。这样，可以将包括的定位点的数量小于第一阈值的子区域作为目标子区域，并对所述目标子区域内的定位点进行过滤，从而减少定位点的数量，过滤结果如图5所示。
可选地，所述将过滤得到的定位点之间进行连接，包括：
针对每一所述过滤得到的定位点，将该定位点与距该定位点的距离小于第二阈值的定位点进行连接。例如，针对图5所示的定位点过滤结果中的每一定位点，可以以该定位点为中心，第二阈值为半径确定范围，将该定位点与所述范围内的定位点进行连接，从而得到所述路径连接关系集合。
在一些可能的实施方式中，所述将过滤得到的定位点之间进行连接，包括：
针对每一所述过滤得到的定位点，获取该定位点的第三阈值范围内的多个候选定位点；根据该定位点与每一所述候选定位点之间的距离值对所述多个候选定位点进行排序；
将该定位点与所述排序中处于第四阈值范围内的候选定位点进行连接。
例如，针对图5所示的定位点过滤结果中的每一定位点，可以以该定位点为中心，第三阈值为半径确定第三阈值范围，并获取该定位点的第三阈值范围内的多个候选定位点。进一步的，可以根据该定位点与每一所述候选定位点之间的距离值对所述多个候选定位点进行排序，并将该定位点与排序中前百分之五的定位点进行连接，从而得到所述路径连接关系集合。当然，在一些实施例中，也可以将该定位点与排序中前预设数量个定位点进行连接，从而得到所述路径连接关系集合。
采用上述技术方案，能够进一步的减少定位点的数量，降低路径生成过程的计算量。
针对所述通行成本模型，参照图6所示出的一种通行成本模型的训练流程图，所述通行成本模型是通过如下方式训练得到的：
s61，获取历史路径生成请求以及对应于所述历史路径生成请求的历史路径集合，每一所述历史路径包括多个相连的路段。
s62，将所述历史路径生成请求以及所述历史路径集合输入至通行成本模型，得到所述通行成本模型输出的各路段的通行成本值。
具体来讲，可以根据所述历史路径生成请求以及所述历史路径集合获取历史路径集合t、历史路径数量n以及路径终点集合d、路段si对应的路径终点集合
在s63中，根据所述通行成本值确定对应于每一所述历史路径生成请求的预测最优路径。例如，可以通过a星算法或dijkstra算法，将所述通行成本值作为各路段之间的距离参数，从而确定预测最优路径。
以dijkstra算法为例，可以将路径终点集合d、路段集合s以及回报函数
进一步的，可以从所述堆结构中确定路段s0最近的路段sy(将通行成本值作为距离，sy＝deletemin(h))。此外，针对sy的相邻路段sv，可以判断是否dist(sv)>dist(sy)+
在s64中，根据每一所述预测最优路径，确定每一所述路段的第一访问频率。
在s65中，根据每一所述路段的所述第一访问频率与历史访问频率计算梯度值，所述历史访问频率是根据所述历史路径集合确定的。
举例来讲，由于历史路径中的某条路径被通行对象选中的概率可以取决于其回报函数，即：
其中pφ(τ)为路径τ被选中的概率，φ为通行成本模型中的参数，rφ(τ)为路径τ的回报函数。zφ为配分函数，zφ＝∑τ∈texprφ(τ)，τ为所有具有相同起始点以及终点的备选路径组成的集合。每条路径的回报函数rφ(τ)由路径经过的各个路段si的通行成本值相加得到：
进一步的，由于逆强化学习的目标是最大化历史轨迹的熵值，基于相关技术的记载，该问题可以转化为最大化历史轨迹的对数似然函数，即：
其中，lr(φ)为对数似然函数，n为历史轨迹数量。进一步的，对公式进行变形，可以得到：
其中，μexp为路段的第一访问频率，某路段的第一访问频率可以是指该路段在所有预测最优路径中的出现频次与预测最优路径的数量的比值。这样，可以通过上述公式完成神经网络的参数的梯度计算，进而在步骤s66中，可以根据所述梯度值对所述通行成本模型的参数进行调整，直至所述通行成本模型收敛，得到训练好的所述通行成本模型。
上述技术方案中，通过历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息训练通行成本模型，从而可以通过所述通行成本模型确定路段的通行成本值，进而能够通过所述通行成本值反映用户对所述路段的选择偏好，为路径生成提供基础。
本公开还提供一种路径生成装置，参照图7所示出的一种路径生成装置的框图，装置700包括：
确定模块701，被配置为用于响应接收到路径生成请求，根据所述路径生成请求中的路径起始点以及路径终点，确定路径连接关系集合，其中，所述路径连接关系集合表征多个路段之间的连接关系，根据所述连接关系，所述多个路段能够组成从所述路径起始点到达所述路径终点的多条路径；
第一生成模块702，被配置为用于通过通行成本模型生成各所述路段的通行成本值；
第二生成模块703，被配置为用于根据每一所述路段的通行成本值以及路段连接关系生成从所述路径起始点至所述路径终点的目标路径；
其中，所述通行成本模型是基于历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息训练得到的。
上述技术方案中，通过历史路径生成请求以及对应于所述历史路径生成请求的历史路径信息可以训练得到通行成本模型。这样，在接收到路径生成请求时，可以基于所述路径生成请求的路径起始点以及路径终点确定路径连接关系集合，并通过所述通行成本模型确定每一路段的通行成本，从而可以根据各路段的通行成本值来生成从所述路径起始点至所述路径终点的目标路径。由于通行成本模型是根据历史数据训练得到，因此通过所述通行成本模型确定的路段的通行成本值能够反映用户对所述路段的选择偏好，从而使得生成的所述目标路径能够匹配用户的驾驶习惯，提升通行效率。
可选地，所述确定模块，包括：
第一获取子模块，被配置为用于获取所述路径起始点在区域路网中的第一位置信息以及所述路径终点在所述区域路网中的第二位置信息；
第一确定子模块，被配置为用于根据所述第一位置信息以及所述第二位置信息确定所述路径起始点以及所述路径终点在所述区域路网中的所述路径连接关系集合。
可选地，所述确定模块，包括：
划分子模块，被配置为用于对地理区域进行划分，得到多个地理分块；
第二确定子模块，被配置为用于根据所述路径起始点所处的地理分块信息以及所述路径终点所处的地理分块信息，确定地理分块连接关系集合，其中，所述地理分块连接关系集合表征多个地理分块之间的连接关系，根据所述连接关系，所述多个地理分块能够组成从所述路径起始点到达所述路径终点的多条地理分块路径；
第一生成子模块，被配置为用于通过所述通行成本模型生成各所述分块之间的路段的通行成本值；
第二生成子模块，被配置为用于根据各所述分块之间的路段的通行成本值生成从所述路径起始点至所述路径终点的目标地理分块路径；
第三确定子模块，被配置为用于根据历史路径在所述目标地理分块路径中的各目标地理分块中的分布信息，确定所述路径连接关系集合。
可选地，所述第三确定子模块，包括：
获取子单元，被配置为用于获取各所述子区域中所包括的对应于所述历史路径的定位点；
过滤子单元，被配置为用于对所述定位点进行过滤，得到过滤后的定位点；
连接子单元，被配置为用于将过滤得到的各定位点之间进行连接，得到所述路径连接关系集合，其中，相邻定位点连接形成所述路段。
可选地，所述过滤子单元，被配置为用于：
针对每一目标地理分块，将该目标地理分块划分为多个子区域；
计算每一所述子区域内的定位点的数量；
过滤目标子区域内的各定位点，所述目标子区域是包括的定位点的数量小于第一阈值的子区域。
可选地，所述连接子单元，被配置为用于：
针对每一所述过滤得到的定位点，将该定位点与距该定位点的距离小于第二阈值的定位点进行连接；或者，
针对每一所述过滤得到的定位点，获取该定位点的第三阈值范围内的多个候选定位点；根据该定位点与每一所述候选定位点之间的距离值对所述多个候选定位点进行排序；将该定位点与所述排序中处于第四阈值范围内的候选定位点进行连接。
可选地，所述装置还包括：
训练模块，用于训练得到所述通行成本模型，所述训练模块包括：
第二获取子模块，被配置为用于获取历史路径生成请求以及对应于所述历史路径生成请求的历史路径集合，每一所述历史路径包括多个相连的路段；
输入子模块，被配置为用于将所述历史路径生成请求以及所述历史路径集合输入至通行成本模型，得到所述通行成本模型输出的各路段的通行成本值；
第四确定子模块，被配置为用于根据所述通行成本值确定对应于每一所述历史路径生成请求的预测最优路径；
第五确定子模块，被配置为用于根据每一所述预测最优路径，确定每一所述路段的第一访问频率；
计算子模块，被配置为用于根据每一所述路段的所述第一访问频率与历史访问频率计算梯度值，所述历史访问频率是根据所述历史路径集合确定的；
调整子模块，被配置为用于根据所述梯度值对所述通行成本模型的参数进行调整，直至所述通行成本模型收敛，得到训练好的所述通行成本模型。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中所述方法的步骤。
本公开还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现上述实施例中所述方法的步骤。
图8是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以被提供为一服务器。参照图8，电子设备800包括处理器822，其数量可以为一个或多个，以及存储器832，用于存储可由处理器822执行的计算机程序。存储器832中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器822可以被配置为执行该计算机程序，以执行上述的路径生成方法。
另外，电子设备800还可以包括电源组件826和通信组件850，该电源组件826可以被配置为执行电子设备800的电源管理，该通信组件850可以被配置为实现电子设备800的通信，例如，有线或无线通信。此外，该电子设备800还可以包括输入/输出(i/o)接口858。电子设备800可以操作基于存储在存储器832的操作系统，例如windowsservertm，macosxtm，unixtm，linuxtm等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的路径生成方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器832，上述程序指令可由电子设备800的处理器822执行以完成上述的路径生成方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的路径生成方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
- 还没有人留言评论。精彩留言会获得点赞！