【技术实现步骤摘要】
确定大门通行状态的方法、装置、设备和计算机存储介质
本申请涉及计算机应用
，特别涉及大数据及智能交通
，尤其涉及一种确定大门通行状态的方法、装置、设备和计算机存储介质。
技术介绍
在地图类应用中，由于一些诸如小区、医院、体育馆等涉及区域类地理位置点存在一个以上用于进出的大门。当用户需要到达区域类地理位置点或途径区域类地理位置时，面临需要选择是否从大门进出以及从哪个大门进出的问题。因此，在地图类应用的数据采集中，确定大门通行状态是其中一个重要的环节。
技术实现思路
有鉴于此，本申请提供了一种确定大门通行状态的方法、装置、设备和计算机存储介质。第一方面，本申请提供了一种确定大门通行状态的方法，包括：获取预设时段内的车行类轨迹数据；从车行类轨迹数据中获取穿行具有大门的区域类地理位置的轨迹数据；从穿行区域类地理位置的轨迹数据中提取与穿行大门相关的特征；基于提取的特征，通过预先训练得到的预测通行概率模型对大门的通行概率进行预测，基于预测结果确定大门的通行状态。
【技术保护点】
1.一种确定大门通行状态的方法，包括：/n获取预设时段内的车行类轨迹数据；/n从所述车行类轨迹数据中获取穿行具有大门的区域类地理位置的轨迹数据；/n从穿行所述区域类地理位置的轨迹数据中提取与穿行所述大门相关的特征；/n基于提取的特征，通过预先训练得到的预测通行概率模型对所述大门的通行概率进行预测，基于预测结果确定所述大门的通行状态。/n
【技术特征摘要】
1.一种确定大门通行状态的方法，包括：
获取预设时段内的车行类轨迹数据；
从所述车行类轨迹数据中获取穿行具有大门的区域类地理位置的轨迹数据；
从穿行所述区域类地理位置的轨迹数据中提取与穿行所述大门相关的特征；
基于提取的特征，通过预先训练得到的预测通行概率模型对所述大门的通行概率进行预测，基于预测结果确定所述大门的通行状态。
2.根据权利要求1所述的方法，其中，所述获取预设时段内的车行类轨迹数据包括：
获取预设时段内的轨迹数据；
从所述轨迹数据中提取运动相关特征，所述运动相关特征包括轨迹平均速度、最高速度、速度方差、加速度、最高加速度、加速度方差、是否经过步行或骑行道路、是否经过高速道路中至少一种；
基于提取的运动相关特征，通过预先训练得到的车行轨迹分类模型对所述轨迹数据进行分类，得到车行类轨迹数据。
3.根据权利要求1所述的方法，还包括：
从获取的所述车行类轨迹数据中提取轨迹质量特征，所述轨迹质量特征包括轨迹偏离道路的最大垂直距离、平均垂直距离、垂直距离方差、在前预设排次的垂直距离平均值、轨迹点数量是否小于预设轨迹点数量阈值、平均速度是否小于预设平均速度阈值、最大线角度与路段的角度差、平均线角度与路段的角度差、线角度与路段的角度差方差、线角度与路段的角度差在前预设排次的平均值、轨迹与轨迹中心线的动态时间归整距离、轨迹与轨迹中心线的最长公共子序列相似度中的至少一个；
基于提取的轨迹质量特征，通过预先训练得到的轨迹质量分类模型对所述轨迹数据进行质量分类；
从所述车行类轨迹数据中过滤掉被分类为低质量的车行类轨迹数据。
4.根据权利要求1所述的方法，其中，所述基于预测结果确定所述大门的通行状态包括：
若预测的通行概率大于或等于预设的第一概率阈值，则确定所述大门可通行；
若预测的通行概率小于或等于预设的第二概率阈值，则确定所述大门不可通行，所述第一概率阈值大于所述第二概率阈值。
5.根据权利要求4所述的方法，所述基于预测结果确定所述大门的通行状态还包括：
若预测的通行概率小于所述第一概率阈值且大于所述第二概率阈值，则进一步根据众包核实的结果，确定所述大门的通行状态。
6.根据权利要求4所述的方法，若确定所述大门可通行，则该方法还包括：
从所述穿行具有大门的区域类地理位置的轨迹数据中，识别内部用户的轨迹数据和非区域内用户的轨迹数据；
若所述大门在数据库中的记录为仅限内部用户通行，则从所述非区域内用户的轨迹数据中提取与穿行所述大门相关的特征，并基于提取的特征，通过所述预测通行概率模型对所述大门的通行概率进行预测；
如果预测的通行概率大于或等于预设的第三概率阈值，则确定所述大门的通行状态变化为内、外部用户均可通行，更新所述记录。
7.根据权利要求4所述的方法，若确定所述大门可通行，则该方法还包括：
从所述穿行具有大门的区域类地理位置的轨迹数据中，识别内部用户的轨迹数据和非区域内用户的轨迹数据；
若所述大门在数据库中的记录为内、外部用户均可通行，则从所述非区域内用户的轨迹数据中提取与穿行所述大门相关的特征，并基于提取的特征，通过所述预测通行概率模型对所述大门的通行概率进行预测；
如果预测的通行概率大于或等于预设的第四概率阈值且偏航率大于预设的偏航率阈值，则：确定所述大门的通行状态变化为仅内部用户可通行，或者进一步确定众包核实的结果；如果确定所述大门的通行状态变化为仅内部用户可通行，则更新所述记录；
其中所述偏航率为：导航规划从所述大门进入但实际从其他大门进入所述区域类地理位置的轨迹数量与导航规划从所述大门进入且实际从任意大门进入所述区域类地理位置的轨迹数量的比率。
8.根据权利要求6或7所述的方法，其中，从所述穿行具有大门的区域类地理位置的轨迹数据中，识别内部用户的轨迹数据和非区域内用户的轨迹数据包括：
依据用户对所述区域类地理位置设置的标签，确定所述用户是否为所述区域类地理位置的区域内用户；或者，
依据用户在所述区域类地理位置的驻留时间分布，确定所述用户是否为所述区域类地理位置的区域内用户。
9.根据权利要求1至7中任一项所述的方法，其中，所述与穿行所述大门相关的特征包括以下至少之一：
穿行所述大门的轨迹数量；
从所述大门进入所述区域类地理位置的轨迹数量与进入所述区域类地理位置的所有轨迹数量的比率；
从所述大门驶出所述区域类地理位置的轨迹数量与驶出所述区域类地理位置的所有轨迹数量的比率；
导航规划从所述大门进入但实际从其他大门进入所述区域类地理位置的轨迹数量与导航规划从所述大门进入且实际从任意大门进入所述区域类地理位置的轨迹数量的比率；
从所述大门进入所述区域类地理位置的单位时长环比率与从所述大门进入所述区域类地理位置的单位时长缩放因子的比值；
从所述大门驶出所述区域类地理位置的单位时长环比率与从所述大门驶出所述区域类地理位置的单位时长缩放因子的比值。
10.根据权利要求1至7中任一项所述的方法，还包括：
在计算导航路线时将大门通行状态作为考虑因素之一；或者，
对于途径所述大门的导航路线，对所述大门的通行状态进行提示；或者，
针对基于检索所述区域类地理位置的导航路线，依据所述区域类地理位置所具有各大门的通行状态确定候选导航引导点；或者，
针对基于检索所述区域类地理位置的导航路线，依据用户在最近预设时段内习惯穿行的大门信息，从候选导航引导点中向用户推荐引导点；或者，
针对基于检索所述区域类地理位置的导航路线，将向用户推荐的引导点的大门通行状态进行提示。
11.一种训练通行概率预测模型的方法，包括：
获取穿行具有大门的区域类地理位置的车行类轨迹数据以及对应的大门通行状态作为训练数据；
从所述车行类轨迹数据中提取与穿行大门相关的特征；
将提取的特征作为分类模型的输入，获得所述分类模型对大门通行概率的预测，依据预测结果优化所述分类模型，以得到所述通行概率预测模型；
其中优化目标为：最小化预测结果对应的大门通行状态与训练数据中大门通行状态的差异。
12.根据权利要求11所述的方法，其中，所述与穿行大门相关的特征包括以下至少之一：
穿行所述大门的轨迹数量；
从所述大门进入所述区域类地理位置的轨迹数量与进入所述区域类地理位置的所有轨迹数量的比率；
从所述大门驶出所述区域类地理位置的轨迹数量与驶出所述区域类地理位置的所有轨迹数量的比率；
导航规划从所述大门进入但实际从其他大门进入所述区域类地理位置的轨迹数量与导航规划从所述大门进入且实际从任意大门进入所述区域类地理位置的轨迹数量的比率；
从所述大门进入所述区域类地理位置的单位时长环比率与从所述大门进入所述区域类地理位置的单位时长缩放因子的比值；
从所述大门驶出所述区域类地理位置的单位时长环比率与从所述大门驶出所述区域类地理位置的单位时长缩放因子的比值。
13.根据权利要求11所述的方法，其中，所述分类模型包括：梯度提升迭代决策树模型。
14.一种确定大门通行状态的装置，包括：
第一获取单元，用于获取预设时段内的车行类轨迹数据；
第二获取单元，用于从所述车行类轨迹数据中获取穿行具有大门的区域类地理位置的轨迹数据；
特征提取单元，用于从穿行所述区域类地理位置的...
【专利技术属性】
技术研发人员：夏德国，王帅，卢振，白玉，白红霞，蒋冰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。