导航路线推荐方法、装置及电子设备

技术领域

本申请涉及导航技术领域，尤其涉及导航路线推荐方法、装置及电子设备。

背景技术

随着智能手机、全球定位系统(Global Positioning System，GPS)设备、物联网通信、WIFI等定位技术的迅速发展和广泛普及，基于位置的信息服务得到了迅猛发展。路径导航作为智能交通的重要组成部分，在我们的日常生活中伴有重要角色。

相关技术中，导航软件常用的是A*(A-Star)算法进行算路规划，在选择导航路线过程中，需要根据用户设置的路线偏好调整算路权重，以使算路规划能更好的符合用户需求。但是，上述的导航路线规划过程中，只能通过人工设置偏好，在实际的架乘过程中，用户的路线偏好会发生改变，若仍然采用旧的路线偏好进行导航路线规划，无法满足用户的实际需求，影响用户的驾乘体验。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种导航路线推荐方法、装置及电子设备，能够设置根据历史数据进行自适应处理的预设权重，通过预设权重对获取的实时用户偏好特征、路线基础特征和路线实时环境特征进行加权，利用三种特征计算导航路线的推荐评分，通过推荐评分确定推荐路线，实现对预设权重的自适应调整，有效规划出更贴合用户需求的算路路径，提升用户的驾乘体验。

本申请第一方面提供一种导航路线推荐方法，包括：

根据历史导航数据对预设权重进行自适应处理；

获取实时用户偏好特征及多条导航路线对应的路线基础特征和路线实时环境特征；

通过预设权重对所述实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理；

根据加权处理后的所述实时用户偏好特征、路线基础特征及路线实时环境特征，计算多个所述导航路线的推荐评分；

根据多个所述导航路线的推荐评分确定推荐路线。

在一些实施方式中，所述根据历史导航数据对预设权重进行自适应处理，包括：

根据历史导航数据提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征；

根据所述历史用户偏好特征、历史路线基础特征及历史路线实时环境特征对预设权重进行自适应处理。

在一些实施方式中，所述根据历史导航数据提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征，包括：

根据历史导航数据提取历史导航路线中用户在节点路口位置的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。

在一些实施方式中，所述根据历史导航数据提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征，包括：

根据历史导航数据提取历史导航路线中用户在不同时刻的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。

在一些实施方式中，所述根据多个所述导航路线的推荐评分确定推荐路线，包括：

采用TopK算法并根据多个所述导航路线的推荐评分确定推荐路线。

在一些实施方式中，所述推荐路线包括：第一推荐路线及多个第二推荐路线，其中所述第一推荐路线优先级大于多个第二推荐路线。

本申请第二方面提供一种导航路线推荐装置，包括：

更新模块，用于根据历史导航数据对预设权重进行自适应处理；

接收模块，用于获取实时用户偏好特征及多条导航路线对应的路线基础特征和路线实时环境特征；

权重模块，用于通过预设权重对所述接收模块获取的实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理；

评分计算模块，用于根据所述权重模块加权处理后的所述实时用户偏好特征、路线基础特征及路线实时环境特征，计算多个所述导航路线的推荐评分；

推荐模块，用于根据所述评分计算模块计算获得的多个所述导航路线的推荐评分确定推荐路线。

在一些实施方式中，所述更新模块包括：

提取子模块，用于根据历史导航数据提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征；

更新子模块，用于根据所述提取子模块提取的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征对预设权重进行自适应处理。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：

本申请的技术方案，设置有能够根据历史数据进行自适应处理的预设权重，通过预设权重对获取的实时用户偏好特征、路线基础特征和路线实时环境特征进行加权，利用三种特征计算导航路线的推荐评分，通过推荐评分确定推荐路线，实现对预设权重的自适应调整，有效规划出更贴合用户需求的算路路径，提升用户的驾乘体验。

进一步的，本申请的技术方案，可以通过提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征，利用用户的历史驾驶过程的数据，对预设权重进行自适应更新，实现对导航路线的推荐评分的计算过程进行动态调节，以使推荐路线进一步贴合用户需求；另外，历史数据采用用户在历史导航路线中节点路口位置或在切换不同路段时刻的，这样有效提高对预设权重进行自适应调整的精准性，并且有效减少数据处理量，降低数据冗余，降低数据处理过程中的算力负荷。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的导航路线推荐方法的流程示意图；

图2是本申请实施例示出的导航路线推荐方法的另一流程示意图；

图3是本申请实施例示出的速度优先的情形一的导航推荐路线示意图；

图4是本申请实施例示出的距离优先的情形二的导航推荐路线示意图；

图5是本申请实施例示出的导航路线推荐装置的结构示意图；

图6是本申请实施例示出的导航路线推荐装置的另一结构示意图；

图7是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

相关技术中，导航软件常用的是A*(A-Star)算法进行算路规划，在上述的导航路线规划过程中，只能通过人工设置偏好，在实际的架乘过程中，用户的路线偏好会发生改变，若仍然采用旧的路线偏好进行导航路线规划，无法满足用户的实际需求，影响用户的驾乘体验。

针对上述问题，本申请实施例提供一种导航路线推荐方法，能够设置根据历史数据进行自适应处理的预设权重，通过预设权重对获取的实时用户偏好特征、路线基础特征和路线实时环境特征进行加权，利用三种特征计算导航路线的推荐评分，通过推荐评分确定推荐路线，有效规划出更贴合用户需求的算路路径。

本申请实施例中提供的导航路线推荐方法，可以应用于导航应用软件中。应该理解，本申请的导航路线推荐方法中所提及的导航路线，指的是用户在使用具备地图导航功能的导航应用时，通过导航应用在获取出发地及目的地的位置后，为用户提供若干条从起点到终点的行驶路线，单次导航过程可以获取一条或多条行驶路线，而行驶路线也称为导航路线。本申请的导航路线推荐方法主要用于从导航应用提供的多条导航路线中确定出推荐路线。

其中进行推荐路线时可以至少包括以下两种情形：

第一情形中，车辆并未按照导航应用给出的导航路线进行行驶时，对导航应用给出的导航路线进行推荐。例如车辆刚启动并未行驶时，用户通过导航应用进行导航操作。

第二情形中，车辆在按照导航应用给出的导航路线进行行驶时，出现了更优的导航路线，对更优的导航路线进行推荐。例如在导航过程中，车辆在一路口节点未按当前当行路线进行行驶，导航应用重新规划导航路线；又例如在导航过程中，导航路线上的路况发生改变影响了车辆行驶，导航应用重新规划导航路线。

可以理解，本申请的导航路线推荐方法是实时进行。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的导航路线推荐方法的流程示意图。

参见图1，本申请的导航路线推荐方法，包括：

S101，根据历史导航数据对预设权重进行自适应处理。

历史导航数据为导航应用的历史数据，其中历史导航数据可以为用户上一次使用导航应用时保存的数据。

在该步骤中，根据历史导航数据对提前设置的预设权重进行自适应处理。应该理解，自适应处理过程中可以采用自适应算法对预设权重进行调节，尤其是对预设权重中的权重系数进行自适应调节，从而实现对预设权重的自动更新，即使用户不再进行用户偏好设置，仍然能使推荐的导航路线可以跟随用户实际驾驶过程中用户偏好的变化而进行自动适应调节。

S102，获取实时用户偏好特征及多条导航路线对应的路线基础特征和路线实时环境特征。

在该步骤中，获取导航应用中的实时用户偏好特征、导航应用中多条导航路线的路线基础特征及路线实时环境特征。

其中路线基础特征至少包括：路段的长度、车道数量、车道宽度、红绿灯数、路段限速信息、路段施工信息等路段基础信息等路段信息。路线实时环境特征至少包括：路段车流量、路段拥堵情况、路段事故数量等路段实时交通信息。

S103，通过预设权重对实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理。

在该步骤中，通过预设权重对步骤S102中获取的实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理，这样，可通过预设权重对三种特征与导航路线对应的推荐评分进行调节。

S104，根据加权处理后的实时用户偏好特征、路线基础特征及路线实时环境特征，计算多个导航路线的推荐评分。

在该步骤中，根据步骤S103中获取的加权处理后的实时用户偏好特征、路线基础特征及路线实时环境特征，对导航应用给出的多个导航路线进行计算对应的推荐评分。

S105，根据多个导航路线的推荐评分确定推荐路线。

在该步骤中，根据步骤S104中计算出的多个导航路线的推荐评分，确定推荐路线。

在一些实施方式中，推荐路线可以为多个。其中多个推荐路线中可以设置有不同优先级，例如多个推荐路线具有第一优先级及第二优先级，其中第一优先级大于第二优先级，第一优先级可以对应唯一推荐路线，第二优先级可以对应两个不同的推荐路线。

在该实施例中，本申请的技术方案，设置有能够根据历史数据进行自适应处理的预设权重，通过预设权重对获取的实时用户偏好特征、路线基础特征和路线实时环境特征进行加权，利用多种特征计算导航路线的推荐评分，通过推荐评分确定推荐路线，实现对预设权重的自适应调整，有效规划出更贴合用户需求的算路路径，提升用户的驾乘体验。

图2是本申请实施例示出的导航路线推荐方法的另一流程示意图。

参见图2，本申请的导航路线推荐方法，包括：

S201，根据历史导航数据提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。

在该步骤中，获取导航应用的历史导航数据，根据历史导航数据提取历史导航路线中用户偏好特征、历史路线基础特征及历史路线实时环境特征。

需要说明的是，其中历史导航路线指的是目标对象在历史导航过程中实际行走的路线。根据用户的历史导航路线，获取用户在历史导航行驶过程中的偏好。历史路线基础特征及历史路线实时环境特征分别为对应历史导航路线的路线基础特征及路线实时环境特征。

在一些实施方式中，步骤201可以包括：根据历史导航数据提取历史导航路线中用户在节点路口位置的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。用户在驾车行驶过程中，用户会根据实际需求改变行驶路线，尤其是位于节点路口位置时。用户改变行车方向后，用户行驶方向与当前导航路线不同，导航应用通常会根据用户的行驶方向重新规划导航路线。通过提取历史导航路线中用户在节点路口位置的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征用于对预设权重进行自适应处理，可以使预设权重更加贴合用户偏好，提高推荐路线的准确性、实时性。在另一些实施方式中，用户在节点路口位置的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征可以包括用户在节点路口位置改变车辆行驶方向后的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。其中，改变车辆行驶方向值得是车辆行驶方向与导航路线中车辆的行驶方向不同。换句话说，改变车辆行驶方向也可以指用户在行驶过程中切换不同路段。当用户在选择改变车辆的行驶方向时，表示用户的偏好发生改变或导航需求发生改变，提取用户在节点路口位置改变车辆行驶方向后的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征用于对预设权重进行自适应处理，可进一步使得预设权重符合用户改变后的偏好。

在一些实施方式中，步骤201可以包括：根据历史导航数据提取历史导航路线中用户在不同时刻的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。其中不同时刻可以是采用有规律的时间间隔，例如采用相同时间间隔t，即提取历史导航路线中用户在t

S202，根据历史用户偏好特征、历史路线基础特征及历史路线实时环境特征对预设权重进行自适应处理。

在该步骤中，根据步骤S201获取的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征，采用自适应算法对预设权重进行自适应处理。这样，通过自适应处理实现对预设权重进行自动调节，在用户未对用户偏好信息进行修改的情况下，仍然可以利用历史导航数据，实现根据历史用户偏好特征、历史路线基础特征及历史路线实时环境特征对预设权重进行自动调节，以使对导航路线的推荐评分可以自动根据历史导航数据进行适应性调节。

在一些实施方式中，自适应处理可以采用自适应算法对预设权重进行自动调节。在另外一些实施方式中，自适应处理还可以神经模型训练的方式完成对预设权重进行自适应处理，例如预设神经网络模型，输入历史用户偏好特征、历史路线基础特征及历史路线实时环境特征至神经网络模型后，神经网络模型根据输入数据进行训练后输入进行自适应调节后的预设权重。

S203，获取实时用户偏好特征及多条导航路线对应的路线基础特征和路线实时环境特征。

在该步骤中，获取导航应用中的实时用户偏好特征、导航应用中多条导航路线的路线基础特征及路线实时环境特征。

在一些实施方式中，实时用户偏好特性可以根据用户在导航应用中重新设置的用户偏好信息获取，换句话说，实时用户偏好特性可以为根据用户在导航应用中实时设置的用户偏好信息获取。

在一些实施方式中，实时用户偏好特性可以为用户在导航应用中设置的历史用户偏好信息获取。应该理解，用户在首次使用导航应用进行导航或首次登陆导航应用时，为了使得导航路线更加符合用户需求，用户需要在导航应用进行用户偏好信息设置，以此来优化导航应用所推荐的导航路线。

在一些实施方式中，实时用户偏好特征可以根据预设初始用户偏好信息获取，换句话说，实时用户偏好特征可以根据导航应用自带的预设初始用户偏好信息获取。设置用户偏好是可选的，即用户可以选择进行设置或不设置，在用户选择不设置用户偏好时，根据预设初始用户偏好信息获取实时用户偏好特征，可以保证推荐路线的正常运行。其中预设初始用户偏好信息可以根据大数据设置，例如预设初始用户偏好信息可以是具有均衡性的用户偏好信息。

S204，通过预设权重对实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理。

在该步骤中，通过预设权重对步骤S203中获取的实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理。通过加权处理后，可以获取每个导航路线所对应的评分项的评分。其中导航路线的评分项至少包括：与实时用户偏好特征、路线基础特征及路线实时环境特征对应的三个评分项，通过预设权重对上述三个特征进行加权后，可以获取三个评分项对应加权后的评分。

S205，根据加权处理后的实时用户偏好特征、路线基础特征及路线实时环境特征，计算多个导航路线的推荐评分。

在该步骤中，根据步骤S204中获取对实时用户偏好特征、路线基础特征及路线实时环境特征加权处理后的至少三个评分项，对导航应用给出的多个导航路线进行计算对应的推荐评分。

在一些实施方式中，推荐评分的计算过程可以采用如下函数：

其中S为推荐评分，向量

通过上述函数，实现结合用户偏好、路段基础信息以及路段实时信息三种要素，实现对导航路线进行推荐评分计算。

S206，采用TopK算法并根据多个导航路线的推荐评分确定推荐路线。

在该步骤中，根据步骤S205中计算出的多个导航路线的推荐评分，采用TopK算法计算出确定推荐路线。应该理解，TopK算法主要用于求数组的最小(或最大)的k个数，采用TopK算法可以快速从多个导航路线的推荐评分中求取最大的推荐评分，从而实现推荐评分最高的导航路线作为最终推荐的推荐路线，这样，有效使推荐路线与用户的偏好更加贴合，提升用户的驾乘体验。

在一些实施方式中，推荐路线可以包括：第一推荐路线及多个第二推荐路线，其中第一推荐路线优先级大于多个第二推荐路线。可以理解为推荐路线为多个，其中多个推荐路线中可以设置有不同优先级，例如多个推荐路线具有第一优先级及第二优先级，其中第一优先级大于第二优先级，第一优先级可以对应唯一推荐路线，第二优先级可以对应两个不同的推荐路线。

在一些实施方式中，第一推荐路线及第二推荐路线可以采用不同优先级的显示方式进行显示，其中第一推荐路线的显示优先级大于第二推荐路线的显示优先级。例如第一推荐路线在导航应用中采用高亮颜色的形式进行显示，第二推荐路线采用低亮颜色的形式进行显示，这样，可以保持推荐多个推荐路线且凸出最优的推荐路线。

为了便于对本申请的技术方案理解，以下举例说明。

图3是本申请实施例示出的速度优先的情形一的导航推荐路线示意图，图4是本申请实施例示出的距离优先的情形二的导航推荐路线示意图。其中图3及图4中所示两者的导航推荐路线的出发点及终点位置相同。

参见图3及图4。

情形一的导航推荐路线是根据用户提前设定的用户偏好信息进行推荐的，其中提前设定的用户偏好信息至少包括：速度优先。情形一中根据道路上车流量、道路上的行车速度等信息，推荐出路程较长但是速度较快的导航推荐路线。

情形二的导航推荐路线是通过本申请的导航路线推荐方法对预设权重进行自适应更新后推荐的导航推荐路线，其中实现过程是根据用户在至少一次导航过程中，用户进行至少一次的改变行车方向，在之前用户设置的用户偏好基础上，以使改变导航推荐路线为距离更短，这样，相对图3中的导航推荐路线，向用户自动推荐图4中距离更短的导航推荐路线，可以使所推荐的导航推荐路线更符合用户需求。

在该实施例中，本申请的技术方案，可以通过提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征，利用用户的历史驾驶过程的数据，对预设权重进行自适应更新，实现对导航路线的推荐评分的计算过程进行动态调节，以使推荐路线进一步贴合用户需求；另外，历史数据采用用户在历史导航路线中节点路口位置或在切换不同路段时刻的，这样有效提高对预设权重进行自适应调整的精准性，并且有效减少数据处理量，降低数据冗余，降低数据处理过程中的算力负荷。

与前述应用功能实现方法实施例相对应，本申请还提供了一种导航路线推荐装置、电子设备及相应的实施例。

图5是本申请实施例示出的导航路线推荐装置的结构示意图。

参见图5，本申请的导航路线推荐装置，包括更新模块310、接收模块320、权重模块330、评分计算模块340以及推荐模块350。

更新模块310，用于根据历史导航数据对预设权重进行自适应处理。

接收模块320，用于获取导航应用中的实时用户偏好特征及多条导航路线对应的路线基础特征和路线实时环境特征。其中路线基础特征至少包括：路段的长度、车道数量、车道宽度、红绿灯数、路段限速信息、路段施工信息等路段基础信息等路段信息。路线实时环境特征至少包括：路段车流量、路段拥堵情况、路段事故数量等路段实时交通信息。

在一些实施方式中，接收模块320获取的实时用户偏好特性可以根据用户在导航应用中重新设置的用户偏好信息获取，换句话说，实时用户偏好特性可以为根据用户在导航应用中实时设置的用户偏好信息获取。

在另一些实施方式中，接收模块320获取的实时用户偏好特性可以为用户在导航应用中设置的历史用户偏好信息获取。

在另一些实施方式中，接收模块320获取的实时用户偏好特征可以根据预设初始用户偏好信息获取，换句话说，实时用户偏好特征可以根据导航应用自带的预设初始用户偏好信息获取。

权重模块330，用于通过预设权重对接收模块320获取的实时用户偏好特征、路线基础特征及路线实时环境特征进行加权处理。

评分计算模块340，用于根据权重模块330加权处理后的实时用户偏好特征、路线基础特征及路线实时环境特征，计算多个导航路线的推荐评分。

推荐模块350，用于根据评分计算模块340计算获得的多个导航路线的推荐评分确定推荐路线。

在一些实施方式中，推荐模块350采用TopK算法并根据多个导航路线的推荐评分确定推荐路线。

在一些实施方式中，推荐模块350确定的推荐路线可以包括：第一推荐路线及多个第二推荐路线，其中第一推荐路线优先级大于多个第二推荐路线。可以理解为推荐路线为多个，其中多个推荐路线中可以设置有不同优先级，例如多个推荐路线具有第一优先级及第二优先级，其中第一优先级大于第二优先级，第一优先级可以对应唯一推荐路线，第二优先级可以对应两个不同的推荐路线。

在该实施例中，本申请的技术方案，设置有更新模块，通过更新模块根据历史数据对预设权重进行自适应处理，通过权重模块预设权重对获取的实时用户偏好特征、路线基础特征和路线实时环境特征进行加权，再通过评分计算模块利用多种特征计算导航路线的推荐评分，最后通过推荐模块根据推荐评分确定推荐路线，实现对预设权重的自适应调整，有效规划出更贴合用户需求的算路路径，提升用户的驾乘体验。

图6是本申请实施例示出的导航路线推荐装置的另一结构示意图。

参见图6，本申请的导航路线推荐装置，包括更新模块310、接收模块320、权重模块330、评分计算模块340以及推荐模块350，其中更新模块310包括：提取子模块311及更新子模块312。

提取子模块311，用于根据历史导航数据提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。提取子模块311通过获取导航应用的历史导航数据，根据历史导航数据提取历史导航路线中用户偏好特征、历史路线基础特征及历史路线实时环境特征。

更新子模块312，用于根据历史用户偏好特征、历史路线基础特征及历史路线实时环境特征对预设权重进行自适应处理。

在一些实施方式中，提取子模块311还可以根据历史导航数据提取历史导航路线中用户在节点路口位置的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。

在另一些实施方式中，提取子模块311还可以根据历史导航数据提取历史导航路线中用户在不同时刻的历史用户偏好特征、历史路线基础特征及历史路线实时环境特征。其中不同时刻可以是采用有规律的时间间隔，例如采用相同时间间隔t，即提取历史导航路线中用户在t

在该实施例中，本申请的技术方案，可以通过提取子模块提取历史导航路线中历史用户偏好特征、历史路线基础特征及历史路线实时环境特征，利用用户的历史驾驶过程的数据，再通过更新子模块对预设权重进行自适应更新，实现对导航路线的推荐评分的计算过程进行动态调节，以使推荐路线进一步贴合用户需求。

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，此处将不再做详细阐述说明。

图7是本申请实施例示出的电子设备的结构示意图。

参见图7，电子设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。