用于导航的方法、装置、设备和计算机可读存储介质

技术领域

本公开的实施例涉及导航领域，并且更具体地涉及用于导航的方法、装置、设备和计算机可读存储介质。

背景技术

现有的导航应用通常仅提供与导航目的地有关的目的地地址信息，而无法提供关于目的地地址周围是否容易停车的信息。尽管一些停车场能够通过某些方式提供实时停车信息以指示该停车场的实时停车状态(诸如，总车位数量、已占用的车位数量和/或空闲车位数量等)，然而这种实时停车信息通常未在导航应用中提供。这种实时停车信息往往仅针对部分停车场而言，仍然存在大量无法提供这种实时停车信息的停车场。此外，这种实时停车信息仅能指示停车场在当前时刻的停车状态，而无法预测或指示停车场在未来时刻(例如，用户到达时)的停车状态。

另外，在实际使用导航应用时，用户往往不以某个停车场作为导航目的地，而以诸如购物中心、餐厅等兴趣点作为目的地。传统方案无法提供关于这些兴趣点周边的停车难易程度信息。因此，用户无法在出行前确定所要前往的目的地周围是否容易停车。

发明内容

针对上述问题，本公开的示例实施例提供了一种用于导航的方案。该方案在向用户提供与导航目的地相关联的目的地地址的同时，还向用户提供目的地地址周边的停车难易程度信息，从而帮助用户提前选择合适的目的地地址并且制定有效的停车决策。

在本公开的第一方面中，提供了一种用于导航的方法。所述方法包括：从用户接收关于导航目的地的第一用户输入；确定与所述导航目的地相关联的至少一个目的地地址及其周边的停车难易程度信息；以及将所述至少一个目的地地址及其周边的所述停车难易程度信息同时提供给所述用户。

在一些实施例中，确定所述停车难易程度信息包括：确定所述用户到达所述至少一个目的地地址的时间；以及预测在所述时间所述至少一个目的地地址周边的所述停车难易程度信息。

在一些实施例中，所述将所述至少一个目的地地址及其周边的所述停车难易程度信息同时提供给所述用户包括：将所述至少一个目的地地址及其周边的所述停车难易程度信息同时呈现给所述用户。

在一些实施例中，所述停车难易程度信息包括以下至少一项：指示停车难易程度的指数；以及空车位数。

在一些实施例中，所述方法还包括：响应于所述用户基于所述停车难易程度信息而选择所述至少一个目的地地址之一，从所述用户接收关于所选择的目的地地址的第二用户输入；确定从所述用户的当前位置去往所选择的目的地地址的导航路线；以及向所述用户提供所述导航路线。

在一些实施例中，所述预测在所述时间所述至少一个目的地地址周边的所述停车难易程度信息包括：确定与所述至少一个目的地地址相对应的停车区域，所述停车区域包括所述至少一个目的地地址周边的一个或多个停车场；基于至少一个停车场在与所述时间相对应的历史时间的历史停车信息，预测所述停车区域在所述时间的停车需求；以及基于所述停车需求，预测在所述时间所述至少一个目的地地址中的每个目的地地址周边的停车难易程度信息。

在一些实施例中，所述预测所述停车区域在所述时间的停车需求包括：基于所述历史停车信息，确定所述至少一个停车场在所述历史时间的历史停车需求；确定所述历史停车需求与所述至少一个停车场的空间特征之间的映射关系；以及基于所述停车区域的所述空间特征和所述映射关系，预测所述停车区域在所述时间的所述停车需求。

在一些实施例中，所述空间特征包括以下至少一项：与至少一个兴趣点的距离；以及周边兴趣点的数量。

在一些实施例中，所述方法还包括：基于所述停车需求，预测在所述时间所述一个或多个停车场中的每个停车场的停车难易程度信息，其中所述一个或多个停车场包括无法提供历史停车信息的停车场。

在本公开的第二方面中，提供了一种用于导航的装置。所述装置包括：第一接收模块，被配置为从用户接收关于导航目的地的第一用户输入；第一确定模块，被配置为确定与所述导航目的地相关联的至少一个目的地地址及其周边的停车难易程度信息；以及第一提供模块，被配置为将所述至少一个目的地地址及其周边的所述停车难易程度信息同时提供给所述用户。

在一些实施例中，所述第一确定模块包括：确定单元，被配置为确定所述用户到达所述至少一个目的地地址的时间；以及预测单元，被配置为预测在所述时间所述至少一个目的地地址周边的所述停车难易程度信息。

在一些实施例中，所述第一提供模块包括：呈现单元，被配置为将所述至少一个目的地地址及其周边的所述停车难易程度信息同时呈现给所述用户。

在一些实施例中，所述停车难易程度信息包括以下至少一项：指示停车难易程度的指数；以及空车位数。

在一些实施例中，所述装置还包括：第二接收模块，被配置为响应于所述用户基于所述停车难易程度信息而选择所述至少一个目的地地址之一，从所述用户接收关于所选择的目的地地址的第二用户输入；第二确定模块，被配置为确定从所述用户的当前位置去往所选择的目的地地址的导航路线；以及第二提供模块，被配置为向所述用户提供所述导航路线。

在一些实施例中，所述预测单元还被配置为：确定与所述至少一个目的地地址相对应的停车区域，所述停车区域包括所述至少一个目的地地址周边的一个或多个停车场；基于至少一个停车场在与所述时间相对应的历史时间的历史停车信息，预测所述停车区域在所述时间的停车需求；以及基于所述停车需求，预测在所述时间所述至少一个目的地地址中的每个目的地地址周边的停车难易程度信息。

在一些实施例中，所述预测单元还被配置为：基于所述历史停车信息，确定所述至少一个停车场在所述历史时间的历史停车需求；确定所述历史停车需求与所述至少一个停车场的空间特征之间的映射关系；以及基于所述停车区域的所述空间特征和所述映射关系，预测所述停车区域在所述时间的所述停车需求。

在一些实施例中，所述空间特征包括以下至少一项：与至少一个兴趣点的距离；以及周边兴趣点的数量。

在一些实施例中，所述预测单元还被配置为：基于所述停车需求，预测在所述时间所述一个或多个停车场中的每个停车场的停车难易程度信息，其中所述一个或多个停车场包括无法提供历史停车信息的停车场。

在本公开的第三方面中，提供了一种用于导航的设备。所述设备包括：至少一个处理单元；以及至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行根据本公开的第一方面所述的方法。

在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由设备执行时使得所述设备执行根据本公开的第一方面所述的方法。

通过以上描述能够看出，根据本公开的实施例的用于导航的方案在向用户提供与导航目的地相关联的目的地地址的同时，还向用户提供目的地地址周边的停车难易程度信息。此外，该方案能够预测当用户到达目的地地址时目的地地址周边的停车难易程度信息，从而帮助用户提前选择合适的目的地地址并且制定有效的停车决策。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本公开的实施例的示例环境的框图；

图2示出了根据本公开的实施例的用于导航的示例方法的流程图；

图3示出了根据本公开的实施例的用于确定在特定时间至少一个目的地地址周边的停车难易程度信息的示例系统的框图；

图4示出了根据本公开的实施例的用于确定在特定时间至少一个目的地地址周边的停车难易程度信息的示例方法的流程图；

图5示出了根据本公开的实施例的划分停车区域的示意图；

图6示出了根据本公开的实施例的用于预测目标停车区域在特定时间的停车需求的示例方法的流程图；

图7示出了根据本公开的实施例的生成时间序列模型的示意图；

图8示出了根据本公开的实施例的用于导航的示例装置的框图；以及

图9示出了可以实施本公开实施例的计算设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

图1示出了根据本公开的实施例的示例环境100的框图。如图1所示，示例环境100总体上可以包括用户110和导航设备120。导航设备120可以包括但不限于手机、计算机、个人数字助理、游戏机、可穿戴设备、车载通信设备、虚拟现实设备或现实增强设备等。导航设备120可以提供诸如触摸屏、键盘等输入装置以供用户110进行操作。此外，导航设备120可以提供诸如显示器、扬声器等输出装置用于向用户110提供信息。导航设备120还可以安装有定位装置以确定其所在位置。导航设备120可以安装有导航应用，以用于向用户110提供导航服务。

图2示出了根据本公开的实施例的用于导航的方法200的流程图。例如，方法200可以由如图1所示的导航设备120执行。应当理解，方法200还可以包括未示出的附加框，和/或可以省略所示出的框。例如，在一些实施例中，框240-250可以被省略。本公开的范围在此方面不受限制。

在框210处，导航设备120从用户110接收关于导航目的地的用户输入(本文中也称为“第一用户输入”)。

在一些实施例中，用户110输入的导航目的地可以指示其将要前往的某个兴趣点的名称。在此所述的“兴趣点”可以包括餐馆、购物中心、学校、停车场等等。例如，用户110输入的导航目的地可以是“王府井书店”、“北京市百货大楼”、“王府井百货大楼停车场”等。备选地，在另一些实施例中，用户110输入的导航目的地可以指示其将要前往的某个区域的名称而不具体指示该区域中的具体兴趣点，例如“王府井”、“中关村”等。

在框220处，导航设备120确定与该导航目的地相关联的至少一个目的地地址及其周边的停车难易程度信息。

在一些实施例中，当用户110输入的导航目的地指示某个兴趣点的名称时，导航设备120可以确定该兴趣点的地址(例如，通过查询地图)以作为目的地地址。导航设备120可以进一步确定该兴趣点周边的停车难易程度信息。例如，当用户110输入的导航目的地为“北京市百货大楼”时，导航设备120可以通过查询地图来确定北京市百货大楼的地址为王府井大街255号，并进一步确定在北京市百货大楼周边的停车难易程度信息。

备选地，在另一些实施例中，当用户110输入的导航目的地指示某个区域的名称时，导航设备120可以确定该区域内的一个或多个兴趣点的相应地址以作为目的地地址，并且确定每个兴趣点周边的停车难易程度信息。例如，当用户110输入的导航目的地为“王府井”时，导航设备120可以通过查询地图来确定该区域内的一个或多个兴趣点(例如，“王府井书店”、“王府井小吃街”、“王府井百货大楼停车场”等)的相应地址，并进一步确定在这些目的地地址周边的停车难易程度信息。

在一些实施例中，目的地地址周边的停车难易程度信息可以被表示为指示在该目的地地址周围停车的难易程度的指数。例如，该指数越高，则指示停车困难程度越高；反之，该指数越低，则指示停车困难程度越低。进一步地，该指数也可以被表示为标签。例如，当该指数高于特定阈值时，标签可以指示“停车困难”；而当该指数低于特定阈值时，标签可以指示“容易停车”。附加地或备选地，目的地地址周边的停车难易程度信息也可以指示该目的地地址周边的一个或多个停车场中剩余的空车位的数目。

在一些实施例中，导航设备120可以确定在当前时间(例如，用户110输入导航目的地的时间点或者时间段)至少一个目的地地址周边的停车难易程度信息。备选地或附加地，在一些实施例中，导航设备120可以确定用户从其所在的当前位置到达至少一个目的地地址的时间(例如，时间点或者时间段)，并且预测在用户到达至少一个目的地地址时至少一个目的地地址周边的所述停车难易程度信息。停车难易程度信息的确定将在下文进一步结合图3-7来详细描述。

在框230处，导航设备120向用户110同时提供所确定的至少一个目的地地址及其周边的停车难易程度信息。

在一些实施例中，导航设备120可以以可视方式(例如，以图形方式、文字方式)向用户110同时呈现至少一个目的地地址及其周边的停车难易程度信息。在一些实施例中，停车难易程度信息可以以信息链接的方式与至少一个目的地地址相关联地被呈现。在另一些实施例中，导航设备120还可以以可听方式(例如，信息播报)或任何其他方式向用户110同时提供所确定的至少一个目的地地址及其周边的停车难易程度信息。本公开的范围在此方面不受限制。

在一些实施例中，用户110可以基于至少一个目的地地址周边的停车难易程度信息来选择其将要前往的目的地地址。例如，用户110可以从多个目的地地址中选择停车较为容易的目的地地址，以作为其即将前往的目的地。

附加地，在框240处，响应于用户110的选择，导航设备120从用户110接收关于所选择的目的地地址的用户输入(本文中被称为“第二用户输入”)。在框250处，导航设备120确定从用户110的当前位置去往所选择的目的地地址的导航路线。在框260处，导航设备120向用户110提供该导航路线。

图3示出了根据本公开的实施例的用于确定在特定时间至少一个目的地地址周边的停车难易程度信息的示例系统300的框图。系统300例如可以被实现在如图1所示的导航设备120处，以在如图2所示的框220处用于确定在在当前时间或者在用户到达至少一个目的地地址时至少一个目的地地址周边的停车难易程度信息。如图3所示，示例装置300总体上可以包括时间序列分析单元310、映射关系确定单元320、停车需求预测单元330和空间插值单元340。

在一些实施例中，时间序列分析单元310可以获取至少一个停车场350在历史时间的历史停车信息301。历史时间可以与特定时间相对应，其可以是历史时间点或者历史时间段。例如，当要确定周一上午10:00至10:30这段时间内至少一个目的地地址周边的停车难易程度信息时，历史时间可以是上周一的上午10:00至10:30。例如，当要确定周一上午10:00时至少一个目的地地址周边的停车难易程度信息时，历史时间可以是上周一的上午10:00。历史停车信息301可以包括停车场350在历史时间内的每个历史时间点(例如，当历史时间为历史时间段时，可以每隔5分钟或10分钟等来选取历史时间点)的相应停车数据。例如，每个历史时间点的停车数据可以包括停车场350在该历史时间点处的已占用车位数量、可用车位数量、已占用停车空间(例如，面积)和/或可用停车空间等。

在一些实施例中，时间序列分析单元310可以对所获取的历史停车信息301进行时间序列分析，以得到与历史时间内的至少一个历史时间点对应的时间序列模型。该时间序列模型可以描述停车需求与导致停车需求随时间变化的一组因素之间的映射关系。时间序列分析单元310可以利用所得到的一组时间序列模型来确定停车场350在历史时间的历史停车需求302。历史停车需求302可以是指示停车场350在该历史时间的停车难易程度的指数(例如，该指数越高，则指示停车困难程度越高；反之，该指数越低，则指示停车困难程度越低)。历史停车需求302可以被提供给映射关系确定单元320。

在一些实施例中，映射关系确定单元320可以获取停车场350的一组空间特征303以及由时间序列分析单元310确定的历史停车需求302。空间特征303可以包括停车场350到一个或多个兴趣点(例如，交通站点、购物中心等)的距离和/或停车场350周围(例如，阈值距离内)的各种兴趣点(例如，学校、办公楼、旅游景点等)的相应数量。在一些实施例中，映射关系确定单元320可以进一步基于空间特征303和历史停车需求302来确定停车场的停车需求与该停车场的空间特征之间的映射关系304。映射关系304可以被用于预测停车区域在特定时间的停车需求，因此映射关系304在下文中也称为预测模型304。预测模型304可以被提供给停车需求预测单元330。

在一些实施例中，停车需求预测单元330可以确定与所述至少一个目的地地址相对应的停车区域360，在下文中也被称为“目标停车区域360”。例如，目标停车区域360可以基于用户110输入的导航目的地来被确定，其可以包括与导航目的地相关联的至少一个目的地地址周边的一个或多个停车场。又例如，如以下将结合图5描述的，目标停车区域360也可以基于对更大范围的地理区域的划分来被确定。在一些实施例中，停车需求预测单元330可以进一步确定目标停车区域360的一组空间特征305。空间特征305可以对应于空间特征303。例如，空间特征305可以包括目标停车区域360到一个或多个兴趣点(例如，交通站点、购物中心等)的距离和/或目标停车区域360内的各种兴趣点(例如，学校、办公楼、旅游景点等)的相应数量。停车需求预测单元330可以利用预测模型304以基于空间特征305来预测目标停车区域360在特定时间(例如，用户110输入导航目的地的当前或者用户到达至少一个目的地地址的时间)的停车需求306。与历史停车需求302相对应，停车需求306可以是指示目标停车区域360在该特定时间的停车难易程度的指数。与历史停车需求302相对应，停车需求306可以是指示目标停车区域360在该特定时间的停车难易程度的指数(例如，该指数越高，则指示停车困难程度越高；反之，该指数越低，则指示停车困难程度越低)。停车需求306可以被提供给空间插值单元340。

在一些实施例中，空间插值单元340可以基于目标停车区域360的停车需求306，利用空间插值技术来预测目标停车区域360中的每个子停车区域在特定时间的停车需求307。在一些实施例中，每个子停车区域可以对应于一个目的地地址。也即，空间插值单元340可以基于目标停车区域360的停车需求306来预测在该特定时间至少一个目的地地址中的每个目的地地址周边的停车需求307。例如，停车需求306可以被视作是目标停车区域360的中心处的停车难易程度指数。在该特定时间每个目的地地址周边的停车需求307可以基于停车需求306和该目的地地址到目标停车区域360的中心的距离而被确定。进一步地，可以基于每个目的地地址周边的停车需求来生成该目的地地址周边的停车难易程度信息。在一些实施例中，每个子停车区域可以对应于目标停车区域360中的一个停车场(例如，能够提供历史停车信息的停车场或者无法提供历史停车信息的停车场，其可以与停车场350不同)。也即，空间插值单元340可以基于目标停车区域360的停车需求306来预测在该特定时间目标停车区域360中的每个停车场的停车需求。例如，每个停车场在该特定时间的停车需求可以基于停车需求306和该停车场到目标停车区域360的中心的距离而被确定。

图4示出了根据本公开的实施例的用于确定在特定时间至少一个目的地地址周边的停车难易程度信息的示例方法400的流程图。例如，方法400可以被视为如图2所示的框220的一种示例实现。以下将结合图3来详细描述方法400。

在框410处，确定与至少一个目的地地址相对应的目标停车区域360。在一些实施例中，目标停车区域360可以基于用户110输入的导航目的地来被确定，例如，其可以包括与导航目的地相关联的至少一个目的地地址周边的一个或多个停车场。备选地，在另一些实施例中，可以将包括用户110能够到达的所有停车场的地理区域(例如，用户110所在城市)划分成一组停车区域，并且将一组停车区域中与至少一个目的地地址相关联的停车区域选择作为目标停车区域360。

图5示出了根据本公开的实施例的确定目标停车区域的示意图。例如，图5示出了包括多个停车场(如图5中的圆形图标所示)的地理区域500。在一些实施例中，可以从地理区域500中随机选择预定比例(例如，20％)的停车场，例如如图5中的停车场520-1、520-2……520-6(统称或单独称为“停车场520”)所示。在一些实施例中，可以基于所选择的停车场520将地理区域500划分为一组停车区域，使得其中每个停车场520被包括在一个对应停车区域中，并且每个停车区域510中的停车场数量低于预定阈值。具体地，在一些实施例中，可以以所选择的每个停车场520的位置为圆心放置圆形区域，逐渐扩大每个圆形区域以包括更多停车场，直到两个圆形区域相切或者圆形区域中所包括的停车场的数量达到预定阈值。以此方式，能够将地理区域500划分为一组停车区域510-1、510-2……510-6(统称为“停车区域510”或“圆形区域510”)，其中同一停车区域中的停车场具有空间相似性。例如，停车区域510-1、510-2……510-6中与至少一个目的地地址相关联的停车区域可以被选择作为目标停车区域560。

附加地或备选地，在一些实施例中，为了实现对地理区域500的全范围覆盖，可以进一步在未被包括在圆形区域510中的空白区域放置一个或多个空间分割点(如图5中的方形图标所示)。通过连接这些空间分割点，可以将地理区域500分割成多个不规则形状的停车区域。例如，这些不规则形状的停车区域中与至少一个目的地地址相关联的停车区域可以被选择作为目标停车区域360。

返回至图4，在框420处，基于停车场350在历史时间的历史停车信息301，来预测目标停车区域360在与历史时间相对应的特定时间的停车需求306。

图6示出了根据本公开的实施例的用于预测目标停车区域在特定时间的停车需求的示例方法600的流程图。例如，方法600可以被视为如图4所示的框420的一种示例实现。

在框610处，基于历史停车信息301，确定停车场350在历史时间的历史停车需求302。

在一些实施例中，可以对所获取的历史停车信息301进行时间序列分析，以得到与历史时间内的至少一个历史时间点对应的时间序列模型。该时间序列模型可以描述停车需求与导致停车需求随时间变化的一组因素之间的映射关系。出于示例的目的，在此假设历史时间所包括的至少一个历史时间点被表示为{t

在一些实施例中，针对每个历史时间点t

PD

其中，PD

其中，Cnt

其中，S

其中，C

应当理解，公式(1)中选择的这些因素仅是示例性的，而无意于限制本公开的范围。在其他实施例中，也可以基于其他因素来建立时间序列模型，而不仅仅限于以上示出的这些。

为了建立如公式(1)所示的时间序列模型，需要确定各因素的权重w1

在建立了如图(1)所示的时间序列模型并且确定各因素的权重后，可以利用公式(1)来确定停车场350在历史时间的历史停车需求302。例如，针对每个历史时间点t

在框620处，确定历史停车需求302和停车场350的空间特征303之间的映射关系304。

在一些实施例中，停车场350的空间特征303可以包括停车场350到一个或多个兴趣点(例如，交通站点、购物中心等)的距离和/或停车场350周围(例如，阈值距离内)的各种兴趣点(例如，学校、办公楼、旅游景点等)的相应数量。优选地，在一些实施例中，所获取的停车场350的空间特征303可以包括停车场350到地铁站的距离、停车场350周围学校的数量、停车场350周围的旅游景点的数量和停车场350到购物中心的距离。

在一些实施例中，历史停车需求302和停车场350的空间特征303之间的映射关系304(也即，预测模型304)例如可以被表示为：

PD＝w1*Dsub+w2*Dsch+w3*Dm+w4*Na (6)

其中，PD表示停车需求，Dsub表示到地铁站的距离，Dsch表示到学校的距离，Dm表示到购物中心的距离并且Na表示旅游景点的数量。应当理解，公式(6)中选择的这些空间特征仅是示例性的，而无意于限制本公开的范围。在其他实施例中，也可以基于其他空间特征来建立预测模型304，而不仅仅限于以上示出的这些。

为了建立如公式(6)所示的预测模型304，需要确定各个空间特征的权重w1、w2、w3和w4。在一些实施例中，可以利用线性回归算法基于历史停车需求302和空间特征303来确定各个空间特征的权重w1、w2、w3和w4。备选地，在一些实施例中，可以利用任何已知或将来开发的方法(诸如，随机森林算法)来确定各个空间特征的权重w1、w2、w3和w4。

以此方式，能够确定停车需求与停车区域的空间特征之间的映射关系，该映射关系既能够反映停车需求与空间特征之间的关联，还考虑到停车需求与导致停车需求随时间变化的一组因素之间的关联。

在框630处，基于目标停车区域360的空间特征305和映射关系304，来预测目标停车区域360在特定时间的停车需求306。

在一些实施例中，空间特征305可以对应于空间特征303。例如，空间特征305可以包括目标停车区域360到一个或多个兴趣点(例如，交通站点、购物中心等)的距离和/或目标停车区域360内的各种兴趣点(例如，学校、办公楼、旅游景点等)的相应数量。优选地，在一些实施例中，所获取的目标停车区域360的空间特征305可以包括目标停车区域360到地铁站的距离、目标停车区域360内学校的数量、目标停车区域360内的旅游景点的数量和目标停车区域360到购物中心的距离。在一些实施例中，通过将空间特征305代入如公式(6)所示的映射关系304可以得到目标停车区域360在特定时间的停车需求306。

返回至图4，在框430处，基于目标停车区域360的停车需求306，利用空间插值法来预测在该特定时间至少一个目的地地址中的每个目的地地址周边的停车难易程度信息。

在一些实施例中，可以基于目标停车区域360的停车需求306来预测在该特定时间至少一个目的地地址中的每个目的地地址周边的停车需求307。例如，停车需求306可以被视作是目标停车区域360的中心处的停车难易程度指数。每个目的地地址周边的停车需求307可以基于停车需求306和该目的地地址到目标停车区域360的中心的距离而被确定。进一步地，可以基于每个目的地地址周边的停车需求来生成该目的地地址周边的停车难易程度信息。在一些实施例中，可以基于每个目的地地址周边的停车需求来生成与该目的地地址关联的停车难易程度信息，以指示在该目的地地址周边停车的困难程度。备选地，可以建立停车需求与车位数量之间的对应关系，从而将每个目的地地址周边的停车需求转换成该目的地地址周边的可用车位数目。也即，每个目的地地址周边的停车难易程度信息可以指示该目的地地址周边的停车难易程度的指数和/或该目的地地址周边的空车位数。

附加地或者备选地，在一些实施例中，可以基于目标停车区域360的停车需求306来预测在该特定时间目标停车区域360中的每个停车场(例如，能够提供历史停车信息的停车场或者无法提供历史停车信息的停车场)的停车需求。例如，每个停车场在该特定时间的停车需求可以基于停车需求306和该停车场到目标停车区域360的中心的距离而被确定。类似地，可以基于每个停车场在该特定时间的停车需求来生成该停车场的停车难易程度信息，以指示在该停车场停车的困难程度。每个停车场的停车难易程度信息可以指示该停车场的停车难易程度的指数和/或该停车场的空车位数。

通过以上描述能够看出，根据本公开的实施例的用于导航的方案，能够解决传统方案中的种种问题。该方案在向用户提供与导航目的地相关联的目的地地址的同时，还向用户提供目的地地址周边的停车难易程度信息，从而帮助用户提前选择合适的目的地并且制定有效的停车决策。

图8示出了根据本公开实施例的用于导航的示例装置800的框图。该装置800例如可以用于实现如图1所示的导航设备120。如图8所示，装置800可以包括第一接收模块810，被配置为从用户接收关于导航目的地的第一用户输入；第一确定模块820，被配置为确定与导航目的地相关联的至少一个目的地地址及其周边的停车难易程度信息；以及第一提供模块830，被配置为将至少一个目的地地址及其周边的停车难易程度信息同时提供给用户。

在一些实施例中，第一确定模块820包括：确定单元，被配置为确定用户到达至少一个目的地地址的时间；以及预测单元，被配置为预测在该时间至少一个目的地地址周边的停车难易程度信息。

在一些实施例中，预测单元还被配置为：确定与至少一个目的地地址相对应的停车区域，该停车区域包括至少一个目的地地址周边的一个或多个停车场；基于至少一个停车场在与该时间相对应的历史时间的历史停车信息，预测停车区域在该时间的停车需求；以及基于停车需求，预测在该时间至少一个目的地地址中的每个目的地地址周边的停车难易程度信息。

在一些实施例中，预测单元还被配置为：基于历史停车信息，确定至少一个停车场在历史时间的历史停车需求；确定历史停车需求与至少一个停车场的空间特征之间的映射关系；以及基于停车区域的该空间特征和映射关系，预测停车区域在该时间的停车需求。

在一些实施例中，空间特征包括以下至少一项：与至少一个兴趣点的距离；以及周边兴趣点的数量。

在一些实施例中，预测单元还被配置为：基于停车需求，预测在时间一个或多个停车场中的每个停车场的停车难易程度信息，其中一个或多个停车场包括无法提供历史停车信息的停车场。

在一些实施例中，第一提供模块830包括：呈现单元，被配置为将至少一个目的地地址及其周边的停车难易程度信息同时呈现给用户。

在一些实施例中，停车难易程度信息包括以下至少一项：指示停车难易程度的指数；以及空车位数。

在一些实施例中，装置800还包括：第二接收模块，被配置为响应于用户基于停车难易程度信息而选择至少一个目的地地址之一，从用户接收关于所选择的目的地地址的第二用户输入；第二确定模块，被配置为确定从用户的当前位置去往所选择的目的地地址的导航路线；以及第二提供模块，被配置为向用户提供导航路线。

装置800中所包括的模块和/或单元可以利用各种方式来实现，包括软件、硬件、固件或其任意组合。在一些实施例中，一个或多个单元可以使用软件和/或固件来实现，例如存储在存储介质上的机器可执行指令。除了机器可执行指令之外或者作为替代，装置800中的部分或者全部单元可以至少部分地由一个或多个硬件逻辑组件来实现。作为示例而非限制，可以使用的示范类型的硬件逻辑组件包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)，等等。

图8中所示的这些模块和/或单元可以部分或者全部地实现为硬件模块、软件模块、固件模块或者其任意组合。特别地，在某些实施例中，上文描述的流程、方法或过程可以由存储系统或与存储系统对应的主机或独立于存储系统的其它计算设备中的硬件来实现。

图9示出了可以用来实施本公开的实施例的示例设备900的示意性框图。设备900可以用于实现如图1所示的导航设备120。如图9所示，设备900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的计算机程序指令或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序指令，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元901执行上文所描述的各个方法和处理，例如方法200、400和/或600。例如，在一些实施例中，方法200、400和/或600可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由CPU 901执行时，可以执行上文描述的方法200、400和/或600的一个或多个步骤。备选地，在其他实施例中，CPU 901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200、400和/或600。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。