预测模型获取及路径规划方法、装置及存储介质制造方法及图纸

本申请公开了预测模型获取及路径规划方法、装置及存储介质，涉及深度学习、人工智能及智能交通领域，其中的方法可包括：获取根据预定区域中包含的道路、道路方向及道路间的连接方式构建出的有向图，有向图中的任一条link分别对应于一条道路；根据获取到的历史真实道路数据及有向图，规划出M个时间最短路径，M为大于一的正整数；针对任一时间最短路径，分别根据时间最短路径中包括的link构建正样本和负样本，并利用正样本和负样本训练预测模型，其中，预测模型用于针对设定的起点link和终点link规划出时间最短路径。应用本申请所述方案，可提升规划出的时间最短路径的准确性等。

【技术实现步骤摘要】
预测模型获取及路径规划方法、装置及存储介质
本申请涉及计算机应用技术，特别涉及深度学习、人工智能及智能交通领域的预测模型获取及路径规划方法、装置及存储介质。
技术介绍
路径规划是地图服务软件提供的最重要功能之一，用户可设定(如输入)起点和终点，地图服务软件会返回满足不同要求的多条路径，所述满足不同要求可包括时间最短、距离最短等。对于时间最短的路径规划，不仅需要考虑当前时刻的道路通行时间，还需要预测未来时刻道路的通行时间等。但由于道路路况的复杂性和动态性，预测出的道路通行时间通常均存在较大的误差，从而导致规划出的时间最短路径不准确等。
技术实现思路
本申请提供了预测模型获取及路径规划方法、装置及存储介质。一种预测模型获取方法，包括：获取根据所述预定区域中包含的道路、道路方向及道路间的连接方式构建出的有向图，所述有向图中的任一条边link分别对应于一条道路；根据获取到的历史真实道路数据及所述有向图，规划出M个时间最短路径，M为大于一的正整数；针对任一时间最短路径，分别根据所述时间最本文档来自技高网...

【技术保护点】
1.一种预测模型获取方法，包括：/n获取根据所述预定区域中包含的道路、道路方向及道路间的连接方式构建出的有向图，所述有向图中的任一条边link分别对应于一条道路；/n根据获取到的历史真实道路数据及所述有向图，规划出M个时间最短路径，M为大于一的正整数；/n针对任一时间最短路径，分别根据所述时间最短路径中包括的link构建正样本和负样本，并利用所述正样本和所述负样本训练预测模型，其中，所述预测模型用于针对设定的起点link和终点link规划出时间最短路径。/n

【技术特征摘要】
1.一种预测模型获取方法，包括：
获取根据所述预定区域中包含的道路、道路方向及道路间的连接方式构建出的有向图，所述有向图中的任一条边link分别对应于一条道路；
根据获取到的历史真实道路数据及所述有向图，规划出M个时间最短路径，M为大于一的正整数；
针对任一时间最短路径，分别根据所述时间最短路径中包括的link构建正样本和负样本，并利用所述正样本和所述负样本训练预测模型，其中，所述预测模型用于针对设定的起点link和终点link规划出时间最短路径。


2.根据权利要求1所述的方法，其中，所述根据获取到的历史真实道路数据及所述有向图，规划出M个时间最短路径包括：
将一天的二十四小时切分为N个连续的时间段，N为大于一的正整数；
根据所述历史真实道路数据，分别确定出所述有向图中的各link在不同时间段的权重；
根据所述权重，利用预定的路径规划算法规划出M个时间最短路径，其中，任一时间最短路径的开始时间、起点和终点均为随机确定的。


3.根据权利要求1所述的方法，其中，所述根据所述时间最短路径中包括的link构建正样本和负样本包括：
将所述时间最短路径中的起点link作为当前link，执行以下第一处理：若确定下一个link不是终点link，则针对所述当前link构建正样本和负样本，所述下一个link为所述时间最短路径中在所述当前link之后经过的link；将所述下一个link作为所述当前link，重复执行所述第一处理。


4.根据权利要求3所述的方法，其中，所述针对所述当前link构建正样本和负样本包括：
构建由所述当前link、所述下一个link以及所述终点link组成的三元组，作为所述正样本；
构建由所述当前link、候选link以及所述终点link组成的三元组，作为所述负样本，所述候选link为所述有向图中与所述当前link连通但未被选中作为所述下一个link的link。


5.根据权利要求4所述的方法，其中，所述利用所述正样本和所述负样本训练预测模型包括：
分别获取所述正样本和所述负样本的预定特征，根据所述预定特征训练所述预测模型；所述预定特征包括以下之一或任意组合：离散特征、连续特征、卷积网络特征。


6.根据权利要求5所述的方法，还包括：按照P种不同的切分方式，分别将所述预定区域切分为一系列正方形格子，P为大于一的正整数，不同切分方式对应的正方形格子大小不同；
所述正样本的离散特征包括以下之一或任意组合：所述当前link的标识、对应于所述P种不同的切分方式所述当前link分别所在的正方形格子的标识、所述下一个link的标识、对应于所述P种不同的切分方式所述下一个link分别所在的正方形格子的标识、所述终点link的标识、对应于所述P种不同的切分方式所述终点link分别所在的正方形格子的标识；
所述负样本的离散特征包括以下之一或任意组合：所述当前link的标识、对应于所述P种不同的切分方式所述当前link分别所在的正方形格子的标识、所述候选link的标识、对应于所述P种不同的切分方式所述候选link分别所在的正方形格子的标识、所述终点link的标识、对应于所述P种不同的切分方式所述终点link分别所在的正方形格子的标识。


7.根据权利要求5所述的方法，其中，
所述正样本的连续特征包括以下之一或任意组合：所述当前link与所述终点link的距离、所述下一个link与所述终点link的距离、所述当前link与所述终点link的角度、所述下一个link与所述终点link的角度、所述当前link与所述终点link的距离减去所述下一个link与所述终点link的距离之差、所述当前link与所述终点link的角度减去所述下一个link与所述终点link的角度之差、所述当前link的预定属性、所述下一个link的预定属性、所述终点link的预定属性、所述当前link的实时路况值、所述下一个link的实时路况值、所述终点link的实时路况值；
所述负样本的连续特征包括以下之一或任意组合：所述当前link与所述终点link的距离、所述候选link与所述终点link的距离、所述当前link与所述终点link的角度、所述候选link与所述终点link的角度、所述当前link与所述终点link的距离减去所述候选link与所述终点link的距离之差、所述当前link与所述终点link的角度减去所述候选link与所述终点link的角度之差、所述当前link的预定属性、所述候选link的预定属性、所述终点link的预定属性、所述当前link的实时路况值、所述候选link的实时路况值、所述终点link的实时路况值。


8.根据权利要求5所述的方法，还包括：将所述预定区域切分为一系列预定大小的正方形格子，针对任一正方形格子，分别获取所述正方形格子中包括的link的平均实时路况值；
所述正样本的卷积网络特征包括以下之一或组合：以所述当前link所在的正方形格子的平均实时路况值为中心，结合所述当前link所在的正方形格子周围的八个正方形格子的平均实时路况值构建出的3*3大小的矩阵；以所述终点link所在的正方形格子的平均实时路况值为中心，结合所述终点link所在的正方形格子周围的八个正方形格子的平均实时路况值构建出的3*3大小的矩阵；
所述负样本的卷积网络特征包括以下之一或组合：以所述当前link所在的正方形格子的平均实时路况值为中心，结合所述当前link所在的正方形格子周围的八个正方形格子的平均实时路况值构建出的3*3大小的矩阵；以所述终点link所在的正方形格子的平均实时路况值为中心，结合所述终点link所在的正方形格子周围的八个正方形格子的平均实时路况值构建出的3*3大小的矩阵。


9.根据权利要求4所述的方法，还包括：所述预测模型的输出为所述三元组中的中间的link被选中的概率值，将所述正样本的标签设置为1，将所述负样本的标签设置为0，通过二元交叉熵损失函数对所述预测模型进行优化。


10.一种路径规划方法，包括：
获取根据所述预定区域中包含的道路、道路方向及道路间的连接方式构建出的有向图，所述有向图中的任一条边link分别对应于一条道路；
获取设定的起点link和终点link，并初始化包括所述起点link和所述终点link的队列；
将所述起点link作为待处理link，执行以下第二处理：将所述有向图中与所述待处理link连通的link作为候选link，根据按照权利要求1-9中任一项所述的方法获取到的预测模型，分别确定出各候选link被选中的概率值，将概率值最大的候选link作为选中的link，加入到所述队列中；若确定所述选中的link不是所述终点link，则将所述选中的link作为所述待处理link，重复执行所述第二处理，否则，根据所述队列中的各link生成所需的时间最短路径。


11.根据权利要求10所述的方法，其中，所述分别确定出各候选link被选中的概率值包括：
针对任一候选link，分别构建由所述待处理link、所述候选link以及所述终点link组成的三元组，根据所述三元组及所述预测模型确定出所述候选link被选中的概率值。


12.根据权利要求11所述的方法，其中，所述根据所述三元组及所述预测模型确定出所述候选link被选中的概率值包括：
获取所述三元组的预定特征，根据所述预定特征及所述预测模型确定出所述候选link被选中的概率值；所述预定特征包括以下之一或任意组合：离散特征、连续特征、卷积网络特征。


13.根据权利要求10所述的方法，还包括：
若确定所述选中的link不是所述终点link，且确定所述队列中包括的link数未达到预定阈值，则将所述选中的link作为所述待处理link，重复执行所述第二处理；
若确定所述选中的link不是所述终点link，但确定所述队列中包括的link数已达到预定阈值，则返回错误信息。


14.一种预测模型获取装置，包括：第一获取模块以及模型训练模块；
所述第一获取模块，用于获取根据所述预定区域中包含的道路、道路方向及道路间的连接方式构建出的有向图，所述有向图中的任一条边l...

【专利技术属性】
技术研发人员：曾宏生，周波，王凡，何径舟，
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