定位识别模型的训练生成方法、位置检测方法、装置制造方法及图纸

本申请涉及一种定位识别模型的训练生成方法、装置、计算机设备和存储介质，以及一种位置检测方法、装置、计算机设备和存储介质。所述定位识别模型的训练生成方法包括：获取历史位置异常订单的数据；对历史位置异常订单的类别进行标注生成样本集；对样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集；采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成定位识别模型。采用本方法通过使用多组训练样本集和测试样本集对模型进行多次训练，可以提高模型的识别性能。通过结合定位识别模型输出的分类结果生成位置检测结果，可以减弱定位误差对位置检测带来的影响，从而提高共享车辆的位置检测的准确性。

【技术实现步骤摘要】
定位识别模型的训练生成方法、位置检测方法、装置
本申请涉及定位
，特别是涉及一种定位识别模型的训练生成方法、装置、计算机设备和存储介质，以及一种位置检测方法、装置、计算机设备和存储介质。
技术介绍
随着通信科技的发展，在导航、轨迹记录、测绘、信息查询、城市管理、军用等多个领域，人们对于GPS(GlobalPositioningSystem，全球定位系统)非常依赖。定位设备通过接收GPS卫星不断发射的信号，不断地更新接收到的信号并推算出所在的位置、速度、方向等。但是当前GPS的准确程度会受到很多外界因素的干扰，例如，大气层的影响、卫星星历误差、卫星时钟误差、多径效应、GPS芯片技术不同以及地图标准坐标系不同等。在共享车辆领域，为了便于进行车辆管理和维护，通常车辆被识别位于固定区域内时可允许停车；若被识别不在固定区域，则会被禁止停车。由于GPS定位的准确程度会受到很多外界因素的干扰，车辆停车时GPS定位无法避免出现很多漂移现象，例如，GPS定位与实际车辆位置的距离相差一公里以外，更有甚者，GPS定位显示车辆位于其他城市。因此，在实际应用中，经常会出现由于GPS定位不准确，导致车辆实际在停车区域站点内，却无法正常停车的情况发生。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高共享车辆的停车区域识别精度的定位识别模型的训练生成方法、装置、计算机设备和存储介质，以及一种位置检测方法、装置、计算机设备和存储介质。第一方面，本申请实施例提供一种定位识别模型的训练生成方法，包括：获取样本集，样本集中包括多个已标注类别的历史位置异常订单，类别包括定位可靠和定位不可靠；对样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集；采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成预设次数个的初步定位识别模型；根据预设次数个的初步定位识别模型，生成定位识别模型。在其中一个实施例中，对样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集，包括：随机预设次数地从样本集中选取预设比例的样本集，作为训练样本集，将样本集中除训练样本集外的其他样本集作为测试样本集，生成预设次数组的训练样本集和测试样本集。在其中一个实施例中，样本集的生成方式，包括：获取多个历史位置异常订单的数据；当根据历史位置异常订单的数据，确定历史位置异常订单的实际位置和定位位置不一致，则将历史位置异常订单的类别标注为定位不可靠；当根据历史位置异常订单的数据，确定历史位置异常订单的实际位置和定位位置一致，则将历史位置异常订单的类别标注为定位可靠；根据标注后的多个历史位置异常订单，生成样本集。在其中一个实施例中，历史位置异常订单的数据包括多个影响因素的历史数据；采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成预设次数组的初步定位识别模型，包括：采用每组训练样本集和测试样本集中，每个样本对应的标注数据和多个影响因素的历史数据，对待训练的定位识别模型进行训练；对待训练的定位识别模型的参数进行更新，直至达到预设停止条件，得到每个影响因素对应的初步回归系数，生成每组训练样本集和测试样本集对应的初步定位识别模型。第二方面，本申请实施例提供一种位置检测方法，包括：获取当前位置的定位信息；采用上述第一方面任一项实施例得到的定位识别模型，根据当前位置的定位信息对当前位置进行识别，得到定位分类结果；根据定位分类结果和当前位置的定位信息，生成当前位置的位置检测结果。在其中一个实施例中，定位分类结果包括定位可靠和定位不可靠；根据定位分类结果和当前位置的定位信息，生成当前位置的位置检测结果，包括：根据当前位置的定位信息，确定当前位置的区域检测结果，区域检测结果包括非停车区域、停车区域和漂移频发区域中的至少一个；根据当前位置的定位信息，计算当前位置的漂移距离；若获取当前位置的定位分类结果为定位不可靠，当前位置的区域检测结果为非停车区域和漂移频发区域，以及当前位置的漂移距离小于等于阈值时，则生成当前位置在停车区域内的位置检测结果。第三方面，本申请实施例提供一种定位识别模型的训练生成装置，包括：第一获取模块，用于获取样本集，所述样本集中包括多个已标注类别的历史位置异常订单，所述类别包括定位可靠和定位不可靠；划分模块，用于对样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集；训练模块，用于采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成预设次数个的初步定位识别模型；模型生成模块，用于根据预设次数个的初步定位识别模型，生成定位识别模型。第四方面，本申请实施例提供一种位置检测装置，包括：第二获取模块，用于获取当前位置的定位信息；定位识别模块，用于采用权利要求1～5中任一项得到的定位识别模型，根据所述当前位置的定位信息对所述当前位置进行识别，得到定位分类结果；检测结果生成模块，用于根据所述定位分类结果和所述当前位置的定位信息，生成所述当前位置的位置检测结果。第五方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面或者第二方面任一项所述方法的步骤。第六方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面或者第二方面任一项所述方法的步骤。上述定位识别模型的训练生成方法、装置、计算机设备和存储介质，通过根据历史位置异常订单数据构建样本集，生成能够识别当前位置定位可靠或定位不可靠的定位识别模型，准确性较高；通过使用多组训练样本集和测试样本集对模型进行多次训练，得到多个初步定位识别模型。根据多个初步定位识别模型生成最终使用的定位识别模型，可以提高定位识别模型的识别精度。上述位置检测方法、装置、计算机设备和存储介质，通过结合当前位置的定位信息，以及已训练的定位识别模型输出的定位识别分类结果生成当前位置的检测结果，可以减弱定位误差对位置检测带来的影响，从而提高共享车辆的位置检测的准确性。附图说明图1为一个实施例中定位识别模型的训练生成方法的应用环境图；图2为一个实施例中定位识别模型的训练生成方法的流程示意图；图3为一个实施例中生成样本集步骤的流程示意图；图4为一个实施例中生成定位识别模型步骤的流程示意图；图5为一个实施例中定位识别模型的训练生成方法的流程示意图；图6为一个实施例中位置检测方法的应用环境图；图7为一个实施例中位置检测方法的流程示意图；图8为一个实施例中生成位置检测结果步骤的流程示意图；图9为一个实施例中位置检测方法的流程示意图；图10为一个实施例中定位识别模型的训练生成装置的结构框图；图11为一个实本文档来自技高网...

【技术保护点】
1.一种定位识别模型的训练生成方法，其特征在于，所述方法包括：/n获取样本集，所述样本集中包括多个已标注类别的历史位置异常订单，所述类别包括定位可靠和定位不可靠；/n对所述样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集；/n采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成预设次数个的初步定位识别模型；/n根据所述预设次数个的初步定位识别模型，生成定位识别模型。/n

【技术特征摘要】
1.一种定位识别模型的训练生成方法，其特征在于，所述方法包括：
获取样本集，所述样本集中包括多个已标注类别的历史位置异常订单，所述类别包括定位可靠和定位不可靠；
对所述样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集；
采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成预设次数个的初步定位识别模型；
根据所述预设次数个的初步定位识别模型，生成定位识别模型。


2.根据权利要求1所述的方法，其特征在于，所述对所述样本集进行预设次数的划分，生成预设次数组的训练样本集和测试样本集，包括：
随机预设次数地从所述样本集中选取预设比例的样本集，作为训练样本集，将所述样本集中除所述训练样本集外的其他样本集作为测试样本集，生成所述预设次数组的训练样本集和测试样本集。


3.根据权利要求1所述的方法，其特征在于，所述样本集的生成方式，包括：
获取多个历史位置异常订单的数据；
当根据历史位置异常订单的数据，确定所述历史位置异常订单的实际位置和定位位置不一致，则将所述历史位置异常订单的类别标注为定位不可靠；
当根据所述历史位置异常订单的数据，确定所述历史位置异常订单的实际位置和定位位置一致，则将所述历史位置异常订单的类别标注为定位可靠；
根据标注后的所述多个历史位置异常订单，生成所述样本集。


4.根据权利要求1所述的方法，其特征在于，所述历史位置异常订单的数据包括多个影响因素的历史数据；所述采用每组训练样本集和测试样本集对待训练的定位识别模型进行训练，生成预设次数组的初步定位识别模型，包括：
采用所述每组训练样本集和测试样本集中，每个样本对应的标注数据和所述多个影响因素的历史数据，对所述待训练的定位识别模型进行训练；
对所述待训练的定位识别模型的参数进行更新，直至达到预设停止条件，得到每个影响因素对应的初步回归系数，生成所述每组训练样本集和测试样本集对应的初步定位识别模型。


5.一种位置检测方法，其特征在于，包括：
获取当前位置的定位信息；
采用权利要求1～4中任一项得到的定位识别模型，根据所述当前位置的定位信息对所述当前位置进行识别，得到定位分类结果；
根据所述定位分类结果和...

【专利技术属性】
技术研发人员：杨磊，金铭，
申请(专利权)人：上海钧正网络科技有限公司，
类型：发明
国别省市：上海;31