目的地预测方法、装置以及车辆

摘要

本申请实施例公开了一种目的地预测方法、装置以及车辆。所述方法包括：获取车辆的侯选目的地数据库；获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息；获取初始目的地信息；将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息；若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息得到目的地预测结果，提高了目的地预测的准确性。

权利要求

1.一种目的地预测方法，其特征在于，所述方法包括：

获取车辆的侯选目的地数据库；

获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息；

获取初始目的地信息；

将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息；

若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息中的位置信息和所述多个候选目的地各自对应的位置信息，得到所述多个候选目的地各自对应的第一概率值，其中，所述车辆与所述候选目的地之间的距离越近，所述候选目的地对应的第一概率值越大；

基于所述车辆信息中的时间信息和多个候选目的地各自对应的时间信息，得到所述多个候选目的地各自对应的第二概率值，其中，所述车辆与所述候选目的地的时间信息越相似，所述候选目的地对应的第二概率值越大；

基于所述第一概率值和所述第二概率值进行加权，得到第三概率值，将最大的第三概率值对应的候选目的地作为目的地预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取车辆的侯选目的地数据库，包括：获取所述车辆的历史行驶数据；

基于所述历史行驶数据获取所述车辆对应的多条历史行程以及所述多条历史行程各自对应的历史行程数据，其中，每条历史行程表征所述车辆的一次历史行驶路线；

基于所述历史行程数据以及目的地预测模型得到所述车辆的侯选目的地数据库。

3.根据权利要求2所述的方法，其特征在于，所述历史行驶数据包括所述车辆每次行驶的起始时间和终止时间，所述基于所述历史行驶数据获取所述车辆对应的多条行程以及所述多条行程各自对应的历史行程数据，包括：基于所述起始时间和所述终止时间得到多个起止过程；

将所述多个起止过程中每相邻的两个起止过程的时间间隔与第一预设时长进行比较，其中，将对应的时间间隔小于所述第一预设时长的相邻的两个起止过程划分到同一条历史行程，将对应的时间间隔不小于所述第一预设时长的相邻的两个起止过程分别划分为不同历史行程，以得到所述车辆对应的多条历史行程；

基于所述历史行驶数据以及所述多条历史行程，获取所述多条历史行程各自对应的历史行程数据。

4.根据权利要求2所述的方法，其特征在于，所述历史行程数据包括所述车辆每条历史行程的起始时间、终止时间、终点位置，所述基于所述历史行程数据以及目的地预测模型生成所述车辆的侯选目的地数据库之前，还包括：基于所述起始时间和所述终止时间获取所述多条历史行程中每时间相邻的两条历史行程之间的时间间隔；

将对应的时间间隔大于第二预设时长的相邻两条历史行程中，时间在前的历史行程的终点位置作为停留点，以得到多个停留点；

基于所述多个停留点的位置信息以及所述历史行程数据，获取预先划分的多个地图区域块中各自的停留总时长；

按照所述停留总时长从高到低对所述地图区域块进行排序，并根据排序结果得到多个常用目的地。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取所述预先划分的多个地图区域块各自对应的停留点的类型标签，所述类型标签表征所述对应的地图区域块存在的目的地的类型，以生成标签兴趣库；

所述基于所述历史行程数据以及目的地预测模型生成所述车辆的侯选目的地数据库，包括：基于所述历史行程数据以及目的地预测模型对所述标签兴趣库中的多个停留点进行筛选，并将筛选后的停留点作为待选目的地；

基于所述待选目的地以及所述多个常用目的地生成所述车辆的侯选目的地数据库。

6.根据权利要求4所述的方法，其特征在于，所述根据排序结果得到多个常用目的地，包括：根据所述排序结果得到多个常停留区域；

基于每一个常停留区域中所有停留点各自对应的位置信息，得到所述每一个常停留区域对应的目标点的位置信息；

基于所述目标点的位置信息，得到所述多个常用目的地。

7.根据权利要求2所述的方法，其特征在于，历史行程数据包括车辆每条历史行程的起始时间、终止时间、终点位置、乘客门开关次数、行驶里程，所述基于所述历史行程数据以及目的地预测模型生成所述车辆的侯选目的地数据库，包括：基于所述历史行程数据，获取所述车辆对应于多个时间段的日均行驶时长标准差，所述多个时间段为将24小时按照均等时长进行划分得到的多个时间段；

基于所述历史行程数据得到所述车辆的第一特征数据，所述第一特征数据包括所述车辆对应于多个时间段的日均行驶时长标准差、所述车辆的日均开关门次数以及日均行驶里程；

对所述第一特征数据进行聚类，以得到聚类结果，所述聚类结果表征所述车辆是否为非营运车；

若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及所述目的地预测模型生成所述车辆的侯选目的地数据库。

8.根据权利要求7所述的方法，其特征在于，所述若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及所述目的地预测模型生成所述车辆的侯选目的地数据库，包括：若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及目的地预测模型确定所述车辆的行程目的，并基于所述行程目的生成所述车辆的侯选目的地数据库。

9.一种目的地预测装置，其特征在于，所述装置包括：

侯选目的地数据库获取单元，用于获取车辆的侯选目的地数据库；

车辆信息获取单元，用于获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息；

目的地预测单元，用于获取初始目的地信息；将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息；若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息中的位置信息和所述多个候选目的地各自对应的位置信息，得到所述多个候选目的地各自对应的第一概率值，其中，所述车辆与所述候选目的地之间的距离越近，所述候选目的地对应的第一概率值越大；基于所述车辆信息中的时间信息和多个候选目的地各自对应的时间信息，得到所述多个候选目的地各自对应的第二概率值，其中，所述车辆与所述候选目的地的时间信息越相似，所述候选目的地对应的第二概率值越大；基于所述第一概率值和所述第二概率值进行加权，得到第三概率值，将最大的第三概率值对应的候选目的地作为目的地预测结果。

10.一种车辆，其特征在于，包括处理器、网络模块以及存储器；

一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行，所述一个或多个程序配置用于执行权利要求1‑8任一所述的方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行权利要求1‑8任一所述的方法。

说明书

目的地预测方法、装置以及车辆

技术领域

[0001] 本申请涉及汽车技术领域，更具体地，涉及一种目的地预测方法、装置以及车辆。

背景技术

[0002] 随着汽车技术发展和行车路况越来越复杂，消费者对于车辆的要求和期望变得越来越高。其中，在车辆行驶过程中,可以根据用户车辆的相关信息进行目的地预测，可以为用户的行驶提供重要参考信息。但是，相关方式中还存在目的地预测不准确的问题。

发明内容

[0003] 鉴于上述问题，本申请提出了一种目的地预测方法、装置以及车辆，以实现改善上述问题。

[0004] 第一方面，本申请提供了一种目的地预测方法，所述方法包括：获取车辆的侯选目的地数据库；获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息；获取初始目的地信息；将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息；若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。

[0005] 第二方面，本申请提供了一种目的地预测装置，所述装置包括：侯选目的地数据库获取单元，用于获取车辆的侯选目的地数据库；车辆信息获取单元，用于获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息；目的地预测单元，用于获取初始目的地信息；将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息；若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。

[0006] 第三方面，本申请提供了一种车辆，包括处理器、网络模块以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行，所述一个或多个程序配置用于执行上述的方法。

[0007] 第四方面，本申请提供的一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行上述的方法。

[0008] 本申请提供的一种目的地预测方法、装置、车辆以及存储介质，在获取车辆的侯选目的地数据库后，获取所述车辆包括当前位置信息以及当前时间信息的车辆信息，获取初始目的地信息，将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到包括位置信息以及时间信息的候选目的地信息，若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息(车辆当前的位置信息、时间信息以及候选目的地信息中的位置信息、时间信息)得到目的地预测结果，提高了目的地预测的准确性。

附图说明

[0009] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0010] 图1示出了本申请提出的一种目的地预测方法的应用场景的示意图；

[0011] 图2示出了本申请实施例提出的一种目的地预测方法的流程图；

[0012] 图3示出了本申请图2中S110的一种实施例方式的流程图；

[0013] 图4示出了本申请提出的一种起止过程划分的示意图；

[0014] 图5示出了本申请图2中S150的一种实施例方式的流程图；

[0015] 图6示出了本申请另一实施例提出的一种目的地预测方法的流程图；

[0016] 图7示出了本申请提出的一种停留点确定的示意图；

[0017] 图8示出了本申请提出的一种地图区域块划分的示意图；

[0018] 图9示出了本申请图6中S2060的一种实施例方式的流程图；

[0019] 图10示出了本申请又一实施例提出的一种目的地预测方法的流程图；

[0020] 图11示出了本申请实施例提出的一种目的地预测装置的结构框图；

[0021] 图12示出了本申请提出的一种车辆的结构框图；

[0022] 图13是本申请实施例的用于保存或者携带实现根据本申请实施例的目的地预测方法的程序代码的存储单元。

具体实施方式

[0023] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0024] 在本申请实施例中，发明人提出了一种目的地预测方法、装置以及车辆，在获取车辆的侯选目的地数据库后，获取所述车辆包括当前位置信息以及当前时间信息的车辆信息，获取初始目的地信息，将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到包括位置信息以及时间信息的候选目的地信息，若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息(车辆当前的位置信息、时间信息以及候选目的地信息中的位置信息、时间信息)得到目的地预测结果，提高了目的地预测的准确性。

[0025] 请参照图1，为本申请实施例的一种应用环境示意图。其中，图1提供了一种目的地预测系统10，该目的地预测系统包括基站100、与基站100连接的车辆200、与基站100连接的云平台300。

[0026] 车辆200可以包括具备数据传输以及数据处理功能的车辆。其中，车辆200中可以设置有远程信息处理器(Telematics BOX，T‑box)，T‑box可以将车辆200的数据通过基站100传输至云平台300，并接收云平台300通过基站100发送至车辆200的数据。T‑box与车辆
200可以通过CAN(Controller Area Network，控制器局域网络)总线进行连接。

[0027] 在一些实施例中，云平台300可以获取车辆200的侯选目的地数据库以及车辆200当前的车辆信息，并车辆信息以及所述侯选目的地数据库，预测车辆200的目的地。

[0028] 另外，在本申请实施例中，所提供的目的地预测方法可以由车辆200独立执行，还可以由车辆200与云平台300一起执行。

[0029] 下面将结合附图对本申请的实施例进行介绍。

[0030] 请参阅图2，本申请提供的一种目的地预测方法，所述方法包括：

[0031] S110：获取车辆的侯选目的地数据库。

[0032] 其中，作为一种方式，如图3所示，获取车辆的侯选目的地数据库，包括：

[0033] S111：获取所述车辆的历史行驶数据。

[0034] 其中，行驶数据可以是表征车辆的身份标识以及行驶情况的数据。可选的，行驶数据可以包括车辆标识、车辆每次行驶的起始时间、终止时间、行驶轨迹中的至少一项，其中，车辆标识可以指车辆的VIN(Vehicle Identification Number，车辆识别码)，每个VIN可以唯一表示一辆车，行驶轨迹可以表示车辆行驶过程中位置的变化。其中，历史行驶数据指的是在当前时刻之前的固定时间窗口下所采集到的行驶数据。

[0035] 其中，当前时刻可以理解为执行步骤S111的时刻。该时间窗口的时间长度可以有多种设置方式。

[0036] 可选的，可以基于侯选目的地数据库的更新频率设置时间长度。示例性的，侯选目的地数据库可以为每个月更新一次，则时间长度可以设置为一个月。

[0037] 可选的，可以基于车辆的出行频率设置时间长度，出行频率越低时间长度越长。示例性的，假设车辆A的出行频率高于车辆B，若车辆A与车辆B的时间长度相同，则车辆B对应的行驶数据可能比车辆A对应的行驶数据少很多，因此，为了获取到更多关于车辆B的行驶数据以提高车辆B的目的地预测的准确性，可以设置车辆B对应的时间长度长于车辆A的时间长度。

[0038] 在本申请实施例中，通过基于车辆的出行频率设置时间长度，使得对于出行频率较低的车辆，也可以获得足够的历史行驶数据，从而提高了目的地预测的准确性。并且，在本申请实施例中，可以基于多种方式设置历史数据对应的时间长度，从而提高了本申请提出的目的地预测方法的灵活性。

[0039] 作为一种方式，车辆在通过整车钥匙上电、远程控制等方式被唤醒后，可以通过车载T‑box将行驶数据实时上传至云平台，云平台在接收到车辆的行驶数据后，可以将行驶数据按照车辆标识进行分区域存储，使得在云平台或者车辆需要使用车辆历史行驶数据时，可以基于车辆标识从对应的存储区域中获取到历史行驶数据。

[0040] S112：基于所述历史行驶数据获取所述车辆对应的多条历史行程以及所述多条历史行程各自对应的历史行程数据，其中，每条历史行程表征所述车辆的一次历史行驶路线。

[0041] 其中，历史行驶数据可以包括车辆每次行驶的起始时间和终止时间。历史行程数据可以是表征车辆的身份标识以及历史行程情况的数据。可选的，历史行程数据可以包括车辆每条历史行程的起始时间、终止时间、终点位置等。行驶路线可以表示车辆从出发地到达目的地的行驶轨迹，一次历史行驶路线可以表示当前时刻之前的任意一次从出发地到达目的地的行驶轨迹。

[0042] 作为一种方式，可以先基于起始时间和终止时间得到多个起止过程，再将多个起止过程中每相邻的两个起止过程的时间间隔与第一预设时长进行比较，其中，将对应的时间间隔小于第一预设时长的相邻的两个起止过程划分到同一条历史行程，将对应的时间间隔不小于第一预设时长的相邻的两个起止过程分别划分为不同历史行程，以得到车辆对应的多条历史行程，并基于历史行驶数据以及多条历史行程，获取多条历史行程各自对应的历史行程数据。其中，起止过程可以指车辆从一个地方出发到另一个地方停下来的过程，相邻的两个起止过程可以指在时间上相邻的两个起止过程。

[0043] 可选的，可以基于车辆所在城市的交通状况设置第一预设时长，其中，交通越容易发生堵塞的城市对应的第一预设时长越长。

[0044] 可选的，可以基于不同时间段设置第一预设时长，其中，早高峰、晚高峰、节假日出行高峰期间的第一预设时长可以比其他时间段的第一预设时长长。在本申请实施例中，还有其他设置第一预设时长的方式，在此不作限定。

[0045] 示例性的，假设第一预设时长为T1，如图4所示，起止过程A可以与起止过程B相邻，也就是说车辆在经过起止过程A后又经过了起止过程B，起止过程A对应的起始时间可以为Ta1、终止时间可以为Ta2，起止过程B对应的起始时间可以为Tb1、终止时间可以为Tb2，则起止过程A与起止过程B的时间间隔可以为：T＝Tb1‑Ta2，若T

[0046] 在本申请实施例中，通过将相邻两个起止过程的时间间隔与第一预设时长进行比较得到车辆对应的多条历史行程的方式，可以结合车辆的实际行驶情况更准确地从用户的行驶目的的角度出发对历史行程进行划分，使得可以基于划分好的历史行程对车辆的历史目的地进行更准确地分析，从而提高了车辆的侯选目的地数据库的可靠性，进而提高本申请提供的目的地预测方法的准确性。

[0047] S113：基于所述历史行程数据以及目的地预测模型得到所述车辆的侯选目的地数据库。

[0048] 其中，作为一种方式，可以将历史行程数据输入目的地预测模型，以得到车辆的侯选目的地数据库。

[0049] 可选的，车辆的侯选目的地数据库可以是基于步骤S111～步骤S113预先构建好的，并在构建好后存储在指定区域，在云平台或者车辆需要使用车辆的侯选目的地数据库时，可以从该指定区域进行读取。

[0050] 可选的，车辆的侯选目的地数据库还可以是基于步骤S111～步骤S113实时生成的。示例性的，可以是在车辆被启动并准备从一个地方出发时，云平台或者车辆基于步骤S111～步骤S113实时生成的车辆的侯选目的地数据库。

[0051] 在本申请实施例中，由于车辆的侯选目的地数据库是基于车辆自身的历史行程数据以及目的地预测模型生成的，使得目的地预测结果更符合车辆的行驶习惯，从而可以提高目的地预测的准确性。

[0052] S120：获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息。

[0053] 其中，当前的车辆信息可以为车辆对应的用于预测目的地的信息，车辆信息可以包括车辆当前的位置信息和时间信息，位置信息可以指车辆当前的经度和纬度，时间信息可以指当前的日期以及时刻。时间信息可以用于区分车辆对应的时间是工作日还是节假日。作为一种方式，可以基于GPS(Global Positioning System，全球定位系统)获取车辆当前的位置信息；可以基于车辆中的计时器、或者网络获取车辆当前的时间信息。

[0054] S130：获取初始目的地信息。

[0055] 其中，初始目的地信息可以是用户输入的不完整目的地信息。

[0056] 作为一种方式，车辆可以基于用户与车辆之间的交互，将用户输入的初始目的地信息通过车载T‑box上传至云平台，从而使云平台可以获取到初始目的地信息。例如，目的地可以为XX公司，用户可以直接在车辆的中控屏中输入XX，车辆响应于用户的文字输入操作，将XX作为初始目的地信息通过车载T‑box上传至云平台。再例如，目的地可以为XX公司，用户可以语音输入XX，车辆响应于用户的语音输入操作，将XX作为初始目的地信息通过车载T‑box上传至云平台。

[0057] S140：将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息。

[0058] 其中，候选目的地信息中的位置信息可以为候选目的地各自对应的经度、纬度。候选目的地信息中的时间信息可以指候选目的地对应的停留日期、时刻，候选目的地信息中的时间信息可以用于区分候选目的地对应的时间是工作日还是节假日。

[0059] 作为一种方式，云平台可以将初始目的地信息与侯选目的地数据库中所有目的地进行逐一匹配，若侯选目的地数据库中存在与初始目的地信息相匹配的目的地，则将可匹配的目的地增加为候选目的地，基于候选目的地得到候选目的地信息。其中，候选目的地信息可以包括候选目的地对应的位置信息和时间信息，增加为可以理解为在原本已经有的候选目的地中再新增一个候选目的地。

[0060] 示例性的，初始目的地信息可以为XX，侯选目的地数据库可以包括XX公司、XX公园、XX生产基地、AA幼儿园、BB风景区等，则将初始目的地信息与侯选目的地数据库中所有目的地进行逐一匹配，可以的得到的候选目的地信息为XX公司、XX公园、XX生产基地。

[0061] S150：若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。

[0062] 作为一种方式，如图5所示，若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果，包括：

[0063] S151：基于所述车辆信息中的位置信息和所述多个候选目的地各自对应的位置信息，得到所述多个候选目的地各自对应的第一概率值，其中，所述车辆与所述候选目的地之间的距离越近，所述候选目的地对应的第一概率值越大。

[0064] 作为一种方式，可以先基于车辆信息中的位置信息和多个候选目的地各自对应的位置信息得到多个候选目的地各自与车辆当前所处位置之间的距离，再基于距离得到多个候选目的地各自对应的第一概率值。

[0065] 示例性的，候选目的地可以有A、B、C，且A、B、C被作为目的地预测结果的初始概率可以为PA＝PB＝PC，且PA+PB+PC＝1，可以先基于候选目的地信息中的位置信息和车辆信息中的位置信息分别计算A、B、C与车辆当前位置的距离SA、SB、SC，再基于SA、SB、SC对初始概率值进行调整，可以得到候选目的地A、B、C各自对应的第一概率值为PA1、PB1、PC1，若SAPB1>PC1。

[0066] S152：基于所述车辆信息中的时间信息和多个候选目的地各自对应的时间信息，得到所述多个候选目的地各自对应的第二概率值，其中，所述车辆与所述候选目的地的时间信息越相似，所述候选目的地对应的第二概率值越大。

[0067] 作为一种方式，可以基于车辆信息中的时间信息和多个候选目的地各自对应的时间信息得到多个候选目的地各自与车辆当前时间之间的相似度，再基于相似度得到多个候选目的地各自对应的第二概率值。其中，候选目的地对应的时间信息与车辆的时间信息相同(如：均为工作日或者均为节假日)，表明候选目的地对应的时间信息与车辆当前时间越相似。

[0068] 示例性的，候选目的地可以有A、B、C，且A、B、C被作为目的地预测结果的初始概率可以为PA＝PB＝PC，且PA+PB+PC＝1，可以先基于候选目的地信息中的时间信息和车辆信息中的时间信息分别计算A、B、C与车辆当前时间的相似度TA、TB、TC，再基于TA、TB、TC对初始概率值进行调整，可以得到候选目的地A、B、C各自对应的第二概率值为PA2、PB2、PC2，若TA>TB>TC，则PA2>PB2>PC2。

[0069] S153：基于所述第一概率值和所述第二概率值进行加权，得到第三概率值，将最大的第三概率值对应的候选目的地作为目的地预测结果。

[0070] 作为一种方式，可以预先设置第一概率值和第二概率值各自对应的权重系数，基于预先设置的权重系数对多个候选目的地各自对应的第一概率值和第二概率值进行加权，得到多个候选目的地各自对应的第三概率值，将最大的第三概率值对应的候选目的地作为目的地预测结果。其中，第一概率值和第二概率值各自对应的权重系数之和可以为1，概率值对应的权重系数越大表明越依赖该概率值。

[0071] 示例性的，候选目的地可以有A、B、C，第一概率值可以为PA1>PB1>PC1，第一概率值对应的权重系数可以为Q1，第二概率值可以为PA2PB3>PC3，可以将A作为目的地预测结果。

[0072] 在本申请实施例中，在得到车辆信息以及候选目的地信息后，还可以有其他方式得到目的地预测结果。为了便于理解其他方式，可以将步骤S151中基于车辆信息中的位置信息和多个候选目的地各自对应的位置信息，得到多个候选目的地各自对应的第一概率值的方法称为第一预测算法；将步骤S152中基于车辆信息中的时间信息和多个候选目的地各自对应的时间信息，得到多个候选目的地各自对应的第二概率值的方法称为第二预测算法；将步骤S153中基于第一概率值和第二概率值进行加权，得到第三概率值的方法称为第三预测算法。

[0073] 作为一种方式，云平台可以通过第一预测算法、第二预测算法以及第三预测算法分别基于车辆信息与候选目的地信息进行预测，以得到三个目的地预测结果，若上述三个目的地预测结果中至少有两个目的地预测结果相同，则可以将相同的目的地预测结果作为车辆的目的地；若上述三个目的地预测结果均不相同，则可以预先设置的最优预测算法对应的预测结果作为车辆的目的地。

[0074] 示例性的，候选目的地可以有A、B、C，预先设置的最优预测算法可以为第三预测算法，当车辆信息包括位置信息以及时间信息且候选目的地信息包括位置信息以及时间信息时，若基于第一预测算法、第二预测算法以及第三预测算法得到的预测结果分别A、C、A，则可以将A作为车辆的目的地；若基于第一预测算法、第二预测算法以及第三预测算法得到的预测结果分别A、B、C，则可以将预先设置的最优预测算法，即第三预测算法的预测结果C作为车辆的目的地。

[0075] 在本申请实施例中，通过基于第一预测算法、第二预测算法、第三预测算法的预测结果得到车辆目的地的方式，可以提高目的地预测的准确性。

[0076] 作为另一种方式，云平台可以通过预先设置的第一预测算法、第二预测算法以及第三预测算法的执行顺序依次基于车辆信息与候选目的地信息对目的地进行预测，若通过执行顺序最前面的预测算法可以得到目的地预测结果，则不需要继续执行后续预测算法，直接将该目的地预测结果作为车辆的目的地；若通过执行顺序最前面的预测算法不可以得到目的地预测结果，则继续按照执行顺序执行下一个预测算法，直到可以得到目的地预测结果，并将该目的地预测结果作为车辆的目的地。

[0077] 示例性的，候选目的地信息对应的候选目的地可以有A、B、C，预先设置的按照由先到后的执行顺序可以为第一预测算法、第二预测算法、第三预测算法，云平台可以先通过第一预测算法基于车辆的位置信息和候选目的地信息的位置信息进行目的地预测，若通过第一预测算法可以得到目的地预测结果为A，则不需要继续执行第二、第三预测算法，直接将A作为车辆的目的地；若通过执行第一预测算法不可以得到目的地预测结果，则继续执行第二预测算法，通过执行第一预测算法不可以得到目的地预测结果直到可以得到目的地预测结果，并将该目的地预测结果作为车辆的目的地。

[0078] 在本申请实施例中，通过按照预先设置的顺序执行第一预测算法、第二预测算法、第三预测算法的方式使得，可以仅利用位置信息或者时间信息就可以得到目的地预测结果，从而减少了目的地预测的计算量。并且，在本申请实施例中，可以基于不同车辆信息以及候选目的地信息得到车辆的目的地，提高了本申请提供的目的地预测方法的灵活性。

[0079] 可选的，若基于步骤S140得到的候选目的地只有1个，则可以将该候选目的地作为车辆的目的地。

[0080] 本实施例提供的一种目的地预测方法，在获取车辆的侯选目的地数据库后，获取所述车辆包括当前位置信息以及当前时间信息的车辆信息，获取初始目的地信息，将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到包括位置信息以及时间信息的候选目的地信息，若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息(车辆当前的位置信息、时间信息以及候选目的地信息中的位置信息、时间信息)得到目的地预测结果，提高了目的地预测的准确性。

[0081] 请参阅图6，本申请提供的一种目的地预测方法，所述方法包括：

[0082] S2010：获取所述车辆的历史行驶数据。

[0083] S2020：基于所述历史行驶数据获取所述车辆对应的多条历史行程以及所述多条历史行程各自对应的历史行程数据，其中，每条历史行程表征所述车辆的一次历史行驶路线。

[0084] 其中，历史行程数据可以包括车辆每条历史行程的起始时间、终止时间、终点位置。

[0085] S2030：基于所述起始时间和所述终止时间获取所述多条历史行程中每相邻的两条历史行程之间的时间间隔。

[0086] 其中，相邻的两条历史行程可以指在时间上相邻的两条历史行程。

[0087] 示例性的，如图7所示，历史行程A可以与历史行程B相邻，也就是说车辆在行驶过历史行程A后又行驶了历史行程B，历史行程A对应的起始时间可以为Ta1、终止时间可以为Ta2，历史行程B对应的起始时间可以为Tb1、终止时间可以为Tb2，则历史行程A与历史行程B的时间间隔可以为：T＝Tb1‑Ta2。

[0088] S2040：将对应的时间间隔大于第二预设时长的相邻两条历史行程中，在前的历史行程的终点位置作为停留点，以得到多个停留点。

[0089] 其中，第二预设时长可以与第一预设时长相等。

[0090] 示例性的，假设第二预设时长为T2，请再次参阅图7，历史行程A的起点为地点X、终点为地点Y，历史行程B的起点为地点Y、终点为地点Z，若T>T2，则可以将历史行程A的终点位置，也就是地点Y作为停留点。

[0091] S2050：基于所述多个停留点的位置信息以及所述历史行程数据，获取预先划分的多个地图区域块各自对应的停留总时长。

[0092] 其中，停留总时长可以表示在历史行程数据的统计周期内，车辆在某个地图区域块的停留总时长。示例性的，历史行程数据的统计周期可以为一个月，则停留总时长可以表示一个月内车辆在某个地图区域块的停留总时长。地图区域块可以表征基于GeoHash编码方式对经纬度进行编码得到区域块。

[0093] 作为一种方式，可以先基于多个停留点的位置信息确定上述多个停留点各自属于哪个地图区域块，再基于历史行程数据中的起始时间和终止时间确定上述多个停留点各自的停留时长，再将相同区域块内多个停留点每一次的停留时长进行相加，可以得到多个地图区域块各自对应的停留总时长。其中，每个停留点的停留时长可以为该停留点对应的相邻两次行程数据的时间间隔。示例性的，地图区域块M可以对应有停留点A、B，在统计周期内，停留点A可以总共停留了4次，每一次对应的时长可以分别为ta1、ta2、ta3、ta4，停留点B可以总共停留了2次，每一次对应的时长可以分别为tb1、tb2，则地图区域块M的停留总时长可以为tm＝ta1+ta2+ta3+ta4+tb1+tb2。

[0094] 在本申请实施例中，GeoHash编码可以是一种地址编码方法，GeoHash可以将地图按照经纬度编码的方式划分为面积相等的区域块。其中，对经纬度进行编码的步骤可以包括：

[0095] 1)将经纬度由二进制表示。

[0096] 示例性的，如图8所示，地球的纬度范围可以为[‑90°,90°]，可以用二分法对该纬度范围进行划分，例如：用0表示纬度范围[‑90°,0°)、用1表示纬度范围[0°,90°]；地球的经度范围可以为[‑180°,180°]，可以二分法对该经度范围进行划分，例如：用0表示经度范围[‑180°,0°)、用1表示经度范围[0°,180°]，则可以将地球均等划分为如图8中左图所示的4个区域块。

[0097] 可选的，可以继续按照二分法对纬度范围[‑90°,0°)、[0°,90°]以及经度范围[‑180°,0°)、[0°,180°]进行划分，则可以将地球均等划分为如图8右图中所示的16个区域块。
其中，划分次数越多，区域块越多，位置信息越准确。

[0098] 2)将用二进制表示的经纬度合并成新的字符串。

[0099] 作为一种方式，可以将步骤1)得到的经度、纬度的二进制表示按照经度占奇数位、纬度占偶数位的方式重新排布，以得到一个用于表示位置的二进制字符串。

[0100] 示例性的，纬度的二进制表示可以为10111000110001111001，经度的二进制表示可以为11010010110001000100，合并之后字符串可以为11100 11101 00100 01111 00000 01101 01011 00001。

[0101] 3)将新的字符串按照Base32进行编码，以得到新的字符串对应的GeoHash编码。

[0102] 示例性的，字符串11100 11101 00100 01111 00000 01101 01011 00001对应的编码结果可以为wx4g0ec1。

[0103] 可选的，如表1所示，Geohash编码越长，表示的范围越小，位置也越精确。

[0104] 表1

[0105]

[0106] 可选的，在本申请实施例中，可以按照上述方式得到长度为6的Geohash编码，以将地球划分为多个600米×600米的地图区域块。

[0107] S2060：按照所述停留总时长从高到低对所述地图区域块进行排序，并根据排序结果得到多个常用目的地。

[0108] 作为一种方式，如图9所示，根据排序结果得到多个常用目的地，包括：

[0109] S2061：根据所述排序结果得到多个常停留区域。

[0110] 作为一种方式，可以通过排序结果获取排在前N(N为正整数)位的地图区域块，以将获取到的地图区域块作为常停留区域。示例性的，可以将排在前两位的地图区域块作为常停留区域。

[0111] S2062：基于每一个常停留区域中所有停留点各自对应的位置信息，得到所述每一个常停留区域对应的目标点的位置信息。

[0112] 其中，位置信息可以是经度和纬度。作为一种方式，可以对每一个常停留区域中所有停留点各自对应的经度和纬度分别求取平均值，以将得到的平均经度和平均纬度作为目标点的位置信息。

[0113] S2063：基于所述目标点的位置信息，得到所述多个常用目的地。

[0114] 其中，第三方平台可以指可以基于目标点的经度和维度信息提供目标点的POI(Point of Interest，兴趣点)类型的地理信息平台，例如各种导航应用软件等。其中，在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。

[0115] 作为一种方式，可以将目标点的位置信息通过第三方平台提供的接口输入至第三方平台，再将第三方平台返回的结果作为常用目的地。

[0116] 示例性的，目标点可以有两个，基于上述两个目的点确定的常用目的地可以分别为家和工作单位，则可以将代表家的目标点的经度和纬度通过接口输入第三方平台，并将第三方平台返回的第一条POI类型为住宅的结果作为家，可以将代表工作单位的目标点的经度和纬度通过接口输入第三方平台，并将第三方平台返回的第一条POI类型为工作单位的结果作为工作单位。

[0117] S2070：获取预先划分的多个地图区域块各自对应的停留点的类型标签，所述类型标签表征所述对应的地图区域块存在的目的地的类型，以生成标签兴趣库。

[0118] 作为一种方式，可以通过将每个地图区域块各自对应的停留点的位置信息输入第三方平台，得到对应的地图区域块存在的目的地的类型，以生成标签兴趣库。

[0119] S2080：基于所述历史行程数据以及目的地预测模型对所述标签兴趣库中的多个停留点进行筛选，并将筛选后的停留点作为待选目的地。

[0120] 作为一种方式，可以基于历史行程数据以及目的地预测模型对标签兴趣库中的多个停留点进行筛选，以滤除停留频次较低(如：一个月内停留次数低于3次)的停留点，并将筛选后的停留点作为待选目的地。

[0121] S2090：基于所述待选目的地以及所述多个常用目的地生成所述车辆的侯选目的地数据库。

[0122] 其中，作为一种方式，可以将待选目的地和多个常用目的地存储在指定区域，以将该指定区域作为车辆的侯选目的地数据库的存储区域。

[0123] S2100：获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息。

[0124] S2110：获取初始目的地信息。

[0125] S2120：将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息。

[0126] S2130：若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。

[0127] 本实施例提供的一种目的地预测方法，通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息(车辆当前的位置信息、时间信息以及候选目的地信息中的位置信息、时间信息)得到目的地预测结果，提高了目的地预测的准确性。并且，在本实施例中，通过按照停留总时长从高到低对地图区域块进行排序得到多个常用目的地，以及基于第三方平台获取多个地图区域块各自对应的停留点的类型标签生成标签兴趣库，并进一步对标签兴趣库中的多个停留点进行筛选得到待选目的地，使得可以基于待选目的地以及多个常用目的地生成车辆的侯选目的地数据库，从而提高了侯选目的地数据库中数据的准确性，进而提高了目的地预测的准确性。

[0128] 请参阅图10，本申请提供的一种目的地预测方法，所述方法包括：

[0129] S3010：获取所述车辆的历史行驶数据。

[0130] S3020：基于所述历史行驶数据获取所述车辆对应的多条历史行程以及所述多条历史行程各自对应的历史行程数据，其中，每条历史行程表征所述车辆的一次历史行驶路线。

[0131] S3030：基于所述历史行程数据，获取所述车辆对应于多个时间段的日均行驶时长标准差，所述多个时间段为将24小时按照均等时长进行划分得到的多个时间段。

[0132] 其中，历史行程数据可以包括车辆每条历史行程的起始时间、终止时间、终点位置、乘客门开关次数、行驶里程。

[0133] 作为一种方式，可以基于车辆每条历史行程的起始时间、终止时间确定多个时间段的行驶时长，从而可以基于多个时间段的行驶时长确定车辆的日均行驶时长标准差。

[0134] 可选的，可以将24小时划分为24个时间段，每个时间段为一个小时。

[0135] 示例性的，如表2所示，可以将24小时分成0‑23这24个时间段，其中，0‑7、9‑17、19‑23这22个时间段对应的行驶时长均为0小时，时间段8和时间段18对应的行驶时长为1小时，
2
则日均行驶时长为：2/24＝0.0833，日均行驶时长标准差的平方为：(0‑0.08333)^x22+(1‑
2
0.08333)^X2＝0.1527+1.68056＝1.83326，日均行驶时长标准差为：sqrt(1.847216)＝
1.3598。

[0136] 表2

[0137] 时间段名称 行驶时长(单位：小时)0 0
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 1
9 0
10 0
11 0
12 0
13 0
14 0
15 0
16 0
17 0
18 1
19 0
20 0
21 0
22 0
23 0

[0138] S3040：基于所述历史行程数据得到所述车辆的第一特征数据，所述第一特征数据包括所述车辆对应于多个时间段的日均行驶时长标准差、所述车辆的日均开关门次数以及日均行驶里程。

[0139] 作为一种方式，可以对历史行程数据中每条历史行程的乘客门开关次数、行驶里程分别相加再取平均值，以得到车辆的日均开关门次数、日均行驶里程。示例性的，在统计周期内车辆的乘客门开关总次数、行驶总里程数分别为X、Y，出行天数为25天，则车辆的日均开关门次数、日均行驶里程分别为：X/25、Y/25。

[0140] S3050：对所述第一特征数据进行聚类，以得到聚类结果，所述聚类结果表征所述车辆是否为非营运车。

[0141] 其中，车辆可以分为营运车和非营运车。非营运车可以是指不以盈利为目的的车辆，例如，私家车、单位自用车等。营运车可以是指进行经营性道路运输的车辆(如公共汽车等)，经营性道路运输，主要指为社会提供服务，发生费用结算或者获取报酬的道路运输。

[0142] 作为一种方式，可以通过K‑means算法对多辆车的第一特征数据进行聚类，以得到表征车辆是否为非营运车的聚类结果。

[0143] S3060：若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及所述目的地预测模型生成所述车辆的侯选目的地数据库。

[0144] 作为一种方式，若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及目的地预测模型确定所述车辆的行程目的，并基于所述行程目的生成所述车辆的侯选目的地数据库。

[0145] 其中，非营运车的行程目的可以为通勤、接送子女、周末出游、休闲娱乐等。

[0146] 可选的，基于历史行程数据以及目的地预测模型确定车辆的行程目的为通勤的步骤包括：

[0147] S11：基于历史行程数据获取车辆对应于多个时间段的行驶时长。

[0148] 其中，多个时间段为将24小时按照均等时长进行划分得到的多个时间段。

[0149] 作为一种方式，可以车辆每条历史行程的基于起始时间、终止时间确定多个时间段的行驶时长。

[0150] 可选的，可以将24小时划分为24个时间段，每个时间段为一个小时。

[0151] S12：基于多个时间段的行驶时长获取车辆在工作日中的第一时间段以及第二时间段各自对应的日均行驶时长。

[0152] 其中，第一时间段可以为工作日中出行的时间段，第二时间段可以为工作日中上班的时间段，例如，第一时间段可以包括06:00‑10:00和17:00‑21:00，第二时间段可以包括10:00‑17:00。

[0153] 作为一种方式，可以基于多个时间段的行驶时长得到工作日中第一时间段和第二时间段各自对应的行驶总时长，再对第一时间段和第二时间段各自对应的行驶总时长求均值，可以得到第一时间段和第二时间段各自对应的日均行驶时长。

[0154] S13：基于日均行驶时长，得到第一时间段和所述第二时间段各自对应的日均行驶时长标准差。

[0155] S14：对第一时间段和所述第二时间段各自对应的日均行驶时长标准差进行聚类，以得到聚类结果，该聚类结果可以表征车辆的行驶目的是否为通勤。

[0156] 作为一种方式，可以基于K‑means算法对第一时间段和所述第二时间段各自对应的日均行驶时长标准差进行聚类，以得到表征车辆的行程目的是否为通勤的聚类结果。

[0157] S15：若聚类结果表征车辆的行驶目的为通勤，则将车辆对应的工作单位存入车辆的侯选目的地数据库。

[0158] 作为一种方式，若聚类结果表征车辆的行驶目的为通勤，则可以将基于步骤S2063得到的工作单位作为车辆的工作单位存入车辆的侯选目的地数据库。

[0159] 其中，可选的，为了得到更准确地确定车辆的行程目的是否为通勤，可以对聚类结果进行进一步的人工校验，当第一时间段的行驶时长>0，且第二时间段的行驶时长＝0，可以再基于历史行程轨迹与步骤S2070中标签兴趣库进行比对，若该历史行程轨迹与标签兴趣库中学校类型的地图区域块存在重合，则确定车辆的行程目不为通勤。

[0160] 可选的，基于历史行程数据以及目的地预测模型确定车辆的行程目的为接送子女的步骤包括：

[0161] S21：基于历史行程数据统计车辆对应的目标地图块中的所有乘客门开关记录对应的位置信息，其中，位置信息可以包括经度和纬度，目标地图块为存在车辆的乘客门开关记录的地图区域块。

[0162] 其中，历史行程数据可以门是否被打开或者被关闭、车门被打开或者被关闭时的时间信息以及位置信息。地图区域块可以为步骤S2050中的预先划分好的地图区域块。

[0163] 作为一种方式，当车门被打开或关闭时，车辆可以将车门状态数据上报至云平台，云平台在接收到车门状态数据后可以将该车门状态数据进行存储，车门状态数据可以包括上报时对应的时刻信息、车辆的位置信息、车门是否被打开或者被关闭等，从而可以基于历史行程数据统计车辆对应的目标地图块中的所有乘客门开关记录对应的位置信息。

[0164] S22：基于位置信息得到对应目标区域块中学校目标点的位置信息。

[0165] 其中，位置信息可以是经度和纬度。作为一种方式，可以对对应目标区域块中所有位置信息各自对应的经度和纬度分别求取平均值，以将得到的平均经度和平均纬度作为学校目标点的位置信息。

[0166] S23：若基于学校目标点的位置信息以及第三方平台可以获取到对应的学校，则确定车辆的行程目的为接送子女。

[0167] 作为一种方式，可以将学校目标点的位置信息输入第三方平台，若可以得到对应目标区域块中的学校，则可以确定车辆的行程目的为接送子女。

[0168] 可选的，基于历史行程数据以及目的地预测模型确定车辆的行程目的为周末出游的步骤包括：

[0169] S31：基于历史行程数据获取多个出游候选停留点各自对应的位置信息，其中，出游候选停留点为非工作日中相邻两条历史行程的时间间隔大于或等于第三预设时长的行程对应的停留点，第三预设时长大于第一预设时长。

[0170] 其中，历史行程数据可以为车辆每条历史行程的起始时间、终止时间，相邻的两条历史行程可以指在时间上相邻的两条历史行程。第三预设时长可以设置为1小时。

[0171] S32：基于出游候选停留点各自对应的位置信息，获取多个出游候选停留点各自与车辆常用目的地的距离，若存在出游候选停留点与车辆常用目的地的距离大于预设值，则将该距离对应的出游候选停留点作为目标停留点。

[0172] 其中，车辆常用目的地可以为基于步骤S2060得到的常用目的地，例如，家等。预设值可以设置为10千米。

[0173] S33：基于所述目标停留点的位置信息获取对应的地图区域块中出游目标点的位置信息。

[0174] S34：若基于出游目标点的位置信息可以从第三方平台获取到对应的旅游景点，则确定车辆的行程目的为周末出游。

[0175] 可选的，基于历史行程数据以及目的地预测模型确定车辆的行程目的为休闲娱乐的步骤包括：

[0176] S41：基于历史行程数据，获取多个娱乐候选停留点各自对应的位置信息，其中，娱乐候选停留点为相邻两条历史行程的时间间隔大于或等于第三预设时长的行程对应的停留点。

[0177] S42：基于位置信息获取对应的地图区域块中娱乐目标点的位置信息。

[0178] S43：若基于娱乐目标点的位置信息可以从第三方平台获取到对应的休闲娱乐场所，则确定车辆的行程目的为周末出游。

[0179] 可选的，休闲娱乐场所和旅游景点可以如表3所示。

[0180] 表3

[0181]

[0182] 可选的，为了提高目的地预测算法的准确性，车辆的侯选目的地数据库可以定期进行更新，例如，一个月更新一次。

[0183] S3070：获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息。

[0184] S3080：获取初始目的地信息。

[0185] S3090：将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息。

[0186] S3100：若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。

[0187] 本实施例提供的一种目的地预测方法，通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息(车辆当前的位置信息、时间信息以及候选目的地信息中的位置信息、时间信息)得到目的地预测结果，提高了目的地预测的准确性。并且，在本实施例中，对于不同的行驶目的，本申请提供的目的地预测模型可以基于不同的判断方法以及判断数据进行判断，并基于不同的行程目的生成车辆的侯选目的地数据库，增加了侯选目的地数据库的数据多样性，进而提高了目的地预测的准确性。

[0188] 请参阅图11，本申请提供的一种目的地预测装置600，所述装置600包括：

[0189] 侯选目的地数据库获取单元610，用于获取车辆的侯选目的地数据库。

[0190] 车辆信息获取单元620，用于获取所述车辆当前的车辆信息，所述车辆信息包括位置信息以及时间信息。

[0191] 目的地预测单元630，用于获取初始目的地信息；将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到候选目的地信息，所述候选目的地信息包括位置信息以及时间信息；若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。

[0192] 作为一种方式，侯选目的地数据库获取单元610具体用于获取所述车辆的历史行驶数据；基于所述历史行驶数据获取所述车辆对应的多条历史行程以及所述多条历史行程各自对应的历史行程数据，其中，每条历史行程表征所述车辆的一次历史行驶路线；基于所述历史行程数据以及目的地预测模型得到所述车辆的侯选目的地数据库。

[0193] 其中，可选的，所述历史行驶数据包括所述车辆每次行驶的起始时间和终止时间，侯选目的地数据库获取单元610具体用于基于所述起始时间和所述终止时间得到多个起止过程；将所述多个起止过程中每相邻的两个起止过程的时间间隔与第一预设时长进行比较，其中，将对应的时间间隔小于所述第一预设时长的相邻的两个起止过程划分到同一条历史行程，将对应的时间间隔不小于所述第一预设时长的相邻的两个起止过程分别划分为不同历史行程，以得到所述车辆对应的多条历史行程；基于所述历史行驶数据以及所述多条历史行程，获取所述多条历史行程各自对应的历史行程数据。

[0194] 作为另一种方式，所述历史行程数据包括所述车辆每条历史行程的起始时间、终止时间、终点位置，侯选目的地数据库获取单元610具体用于基于所述起始时间和所述终止时间获取所述多条历史行程中每相邻的两条历史行程之间的时间间隔；将对应的时间间隔大于第二预设时长的相邻两条历史行程中，在前的历史行程的终点位置作为停留点，以得到多个停留点；基于所述多个停留点的位置信息以及所述历史行程数据，获取预先划分的多个地图区域块各自对应的停留总时长；按照所述停留总时长从高到低对所述地图区域块进行排序，并根据排序结果得到多个常用目的地。

[0195] 可选的，侯选目的地数据库获取单元610具体用于获取预先划分的多个地图区域块各自对应的停留点的类型标签，所述类型标签表征所述对应的地图区域块存在的目的地的类型，以生成标签兴趣库；基于所述历史行程数据以及目的地预测模型对所述标签兴趣库中的多个停留点进行筛选，并将筛选后的停留点作为待选目的地；基于所述待选目的地以及所述多个常用目的地生成所述车辆的侯选目的地数据库。

[0196] 可选的，侯选目的地数据库获取单元610具体用于根据所述排序结果得到多个常停留区域；基于每一个常停留区域中所有停留点各自对应的位置信息，得到所述每一个常停留区域对应的目标点的位置信息；基于所述目标点的位置信息，得到所述多个常用目的地。

[0197] 作为又一种方式，历史行程数据包括车辆每条历史行程的起始时间、终止时间、终点位置、乘客门开关次数、行驶里程，侯选目的地数据库获取单元610具体用于基于所述历史行程数据，获取所述车辆对应于多个时间段的日均行驶时长标准差，所述多个时间段为将24小时按照均等时长进行划分得到的多个时间段；基于所述历史行程数据得到所述车辆的第一特征数据，所述第一特征数据包括所述车辆对应于多个时间段的日均行驶时长标准差、所述车辆的日均开关门次数以及日均行驶里程；对所述第一特征数据进行聚类，以得到聚类结果，所述聚类结果表征所述车辆是否为非营运车；若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及所述目的地预测模型生成所述车辆的侯选目的地数据库。

[0198] 其中，可选的，侯选目的地数据库获取单元610具体用于若所述聚类结果表征所述车辆为非营运车，则基于所述历史行程数据以及目的地预测模型确定所述车辆的行程目的，并基于所述行程目的生成所述车辆的侯选目的地数据库。

[0199] 作为一种方式，目的地预测单元630具体用于基于所述车辆信息中的位置信息和所述多个候选目的地各自对应的位置信息，得到所述多个候选目的地各自对应的第一概率值，其中，所述车辆与所述候选目的地之间的距离越近，所述候选目的地对应的第一概率值越大；基于所述车辆信息中的时间信息和多个候选目的地各自对应的时间信息，得到所述多个候选目的地各自对应的第二概率值，其中，所述车辆与所述候选目的地的时间信息越相似，所述候选目的地对应的第二概率值越大；基于所述第一概率值和所述第二概率值进行加权，得到第三概率值，将最大的第三概率值对应的候选目的地作为目的地预测结果。

[0200] 下面将结合图12对本申请提供的一种车辆进行说明。

[0201] 请参阅图12，基于上述的目的地预测方法、装置，本申请实施例还提供的另一种可以执行前述目的地预测方法的车辆100。车辆100包括相互耦合的一个或多个(图中仅示出一个)处理器102、存储器104、网络模块106。其中，该存储器104中存储有可以执行前述实施例中内容的程序，而处理器102可以执行该存储器104中存储的程序，网络模块106，可以用于进行车辆数据交互。

[0202] 其中，处理器102可以包括一个或者多个处理核。处理器102利用各种接口和线路连接整个车辆100内的各个部分，通过运行或执行存储在存储器104内的指令、程序、代码集或指令集，以及调用存储在存储器104内的数据，执行车辆100的各种功能和处理数据。可选地，处理器102可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器102可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器102中，单独通过一块通信芯片进行实现。

[0203] 存储器104可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read‑Only Memory)。存储器104可用于存储指令、程序、代码、代码集或指令集。存储器104可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

[0204] 网络模块106可以包括T‑box等。

[0205] 请参考图13，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质800中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

[0206] 计算机可读存储介质800可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质800包括非易失性计算机可读存储介质(non‑transitory computer‑readable storage medium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码810可以例如以适当形式进行压缩。

[0207] 综上所述，本申请提供的一种目的地预测方法、装置以及车辆，在获取车辆的侯选目的地数据库后，获取所述车辆包括当前位置信息以及当前时间信息的车辆信息，获取初始目的地信息，将所述初始目的地信息与所述侯选目的地数据库进行匹配，得到包括位置信息以及时间信息的候选目的地信息，若所述候选目的地信息对应的候选目的地有多个，基于所述车辆信息与所述候选目的地信息得到目的地预测结果。通过上述方式使得，可以将初始目的地信息与侯选目的地数据库进行匹配得到候选目的地信息，并在候选目的地信息对应的候选目的地有多个的情况下，可以基于多维度的信息(车辆当前的位置信息、时间信息以及候选目的地信息中的位置信息、时间信息)得到目的地预测结果，提高了目的地预测的准确性。

[0208] 最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。