本发明专利技术涉及物流配送技术领域，公开了一种堵车识别方法、装置、设备和存储介质。该方法基于多因素综合判定的集成学习堵车识别方法，首先使用改进的深度学习方法预测图片是否堵车，并输出堵车概率，若小于某概率，则输出不堵车，否则进行下一个区间均速作进一步判定，最后通过获取实时路况信息后进行综合判定，该集成学习识别方法相对于传统机器学习和深度学习，识别的准确率均有较大提升。别的准确率均有较大提升。别的准确率均有较大提升。
【技术实现步骤摘要】
堵车识别方法、装置、设备和存储介质
[0001]本专利技术涉及物流配送
，尤其涉及一种堵车识别方法、装置、设备和存储介质。
技术介绍
[0002]物流配送，是一种现代的商品流通方式，物流服务的准确性与时效性极大影响了客户满意度，而公路运输中，各种堵车现象十分常见，堵车延缓了物流服务的准确性与时效性。
[0003]快递行业中，经常需要排查快递延误的原因，由于不可抗拒原因堵车是非常常见的现象，这种现象的目前主要判定依据是司机上传堵车图片，通过人工筛选，也有基于传统机器学习来处理的，但人工筛选浪费人力和时间，传统的机器学习准确率达不到要求。
技术实现思路
[0004]有鉴于此，有必要针对现有物流堵车判别方法的判别准确率较低的技术问题，提供一种堵车识别方法、装置、设备和存储介质。
[0005]一种堵车识别方法，包括:获取预设时间范围内堵车现场图片，生成样本训练集，对所述样本训练集中的各张图片进行标注并分类；将所述图片送入普通卷积和MBConV卷积模块，所述MBConv卷积模块内部使用shortcut连接，执行卷积操作叠加N次，提取出不同程度的信息特征；将所述信息特征依次送入池化层和FC层，获得类别值；将所述类别值输入到softmax层，利用softmax函数得到堵车的概率值P1，若所述概率值P1高于设定概率阙值T1时，进入下一步判定流程，若所述概率值P1低于设定概率阙值T1时，则判定为不堵车；根据判定结果，实时输出拥堵状态。
[0006]在其中一个实施例中，所述概率值P1高于设定概率阙值T1时，进入下一步判定流程包括：获取行驶道路卡口数据，提取卡口对通行车辆记录；根据所述通行车辆记录，计算路段区间平均速度，将所述路段区间平均速度通过函数转换为速度阙值T2；将所述概率值P1设为P2，若所述概率值P2低于所述速度阙值T2，则进入下一步判定流程，若所述概率值P2高于所述速度阙值T2，则判定为不堵车；根据判定结果，实时输出拥堵状态。
[0007]在其中一个实施例中，所述概率值P2低于所述速度阙值T2，则进入下一步判定流程包括：获取第三方导航服务平台提供的所在位置范围的实时路况，将所述实时路况分级，所述实时路况分级分为严重堵车、堵车、行动缓慢和不堵车四个级别；通过模型学习的方法将所述实时路况转换成堵车概率值，利用转换的所述堵车概率值设定概率阙值T3，所述概率阙值T3可根据不同的实时路况分级设定不同的对应值；将所述概率值P2设为P3，若所述概率值P3高于设定概率阙值T3时，进入下一步判定流程，若所述概率值P3低于设定概率阙值T3时，则判定为不堵车；根据判定结果，实时输出拥堵状态。
[0008]在其中一个实施例中，所述概率值P3高于设定概率阙值T3时，进入下一步判定流程包括：通过权重系数算出堵车的综合阙值为T4＝a
×
T1+b
×
T2+c
×
T3，其中a、b、c为对应
权重系数,且a+b+c＝1；将所述概率值P3设为P4，若所述概率值P4高于设定综合阙值T4时，判定为堵车，若所述概率值P4低于设定概率阙值T4时，则判定为不堵车；根据判定结果，实时输出拥堵状态。
[0009]在其中一个实施例中，所述权重系数a为0.4,b为0.3，c为0.3；所述概率阙值T1为0.92，T2为0.9，T3为0.91。
[0010]在其中一个实施例中，所述实时路况分级分为道路畅通、道路有少量车、道路车辆较多、道路车辆轻度拥堵、道路拥堵、道路不通、道路出现突发状况七个级别。
[0011]基于相同的技术构思，本专利技术还提供一种堵车识别装置，包括：生成模块，用于获取预设时间范围内堵车现场图片，生成样本训练集，对所述样本训练集中的各张图片进行标注并分类；
[0012]提取模块，用于将所述图片送入普通卷积和MBConV卷积模块，所述MBConv卷积模块内部使用shortcut连接，执行卷积操作叠加N次，提取出不同程度的信息特征；获得模块，用于将所述信息特征依次送入池化层和FC层，获得类别值；判定模块，用于将所述类别值输入到softmax层，利用softmax函数得到堵车的概率值P1，若所述概率值P1高于设定概率阙值T1时，进入下一步判定流程，若所述概率值P1低于设定概率阙值T1时，则判定为不堵车；输出模块，用于根据判定结果，实时输出拥堵状态。
[0013]在其中一个实施例中，所述判定模块，包括：获取登录信息子模块，用于获取用户登录信息，并解析所述用户登录信息，所述用户登录信息包括用户ID、应用标识以及用户设备唯一标识符；转换子模块，用于根据所述通行车辆记录，计算路段区间平均速度，将所述路段区间平均速度通过函数转换为速度阙值T2；判定子模块，用于将所述概率值P1设为P2，若所述概率值P2低于所述速度阙值T2，则进入下一步判定流程，若所述概率值P2高于所述速度阙值T2，则判定为不堵车；输出子模块，用于根据判定结果，实时输出拥堵状态。
[0014]一种堵车识别设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述堵车识别设备执行上述的堵车识别方法。
[0015]一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的堵车识别方法。
[0016]上述堵车识别方法、装置、设备和存储介质，通过获取预设时间范围内堵车现场图片，生成样本训练集，对所述样本训练集中的各张图片进行标注并分类，将所述图片送入普通卷积和MBConV卷积模块，所述MBConv卷积模块内部使用shortcut连接，执行卷积操作叠加N次，提取出不同程度的信息特征，将所述信息特征依次送入池化层和FC层，获得类别值，将所述类别值输入到softmax层，利用softmax函数得到堵车的概率值P1，若所述概率值P1高于设定概率阙值T1时，进入下一步判定流程，若所述概率值P1低于设定概率阙值T1时，则判定为不堵车；将所述概率值P1设为P2，若所述概率值P2低于所述速度阙值T2，则进入下一步判定流程，若所述概率值P2高于所述速度阙值T2，则判定为不堵车；将所述概率值P2设为P3，若所述概率值P3高于设定概率阙值T3时，进入下一步判定流程，若所述概率值P3低于设定概率阙值T3时，则判定为不堵车；将所述概率值P3设为P4，若所述概率值P4高于设定综合阙值T4时，判定为堵车，若所述概率值P4低于设定概率阙值T4时，则判定为不堵车，根据判定结果，实时输出拥堵状态。本专利技术采用上述基于多因素综合判定的集成学习堵车识别方
法，首先使用改进的深度学习方法预测图片是否堵车，并输出堵车概率，若小于某概率，则输出不堵车，否则进行下一个区间均速作进一步判定，最后通过获取实时路况信息后进行综合判定，该集成学习识别方法相对于传统机器学习和深度学习，识别的准确率均有较大提升。
附图说明
[0017]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种堵车识别方法，其特征在于，所述堵车识别方法包括：获取预设时间范围内堵车现场图片，生成样本训练集，对所述样本训练集中的各张图片进行标注并分类；将所述图片送入普通卷积和MBConV卷积模块，所述MBConv卷积模块内部使用shortcut连接，执行卷积操作叠加N次，提取出不同程度的信息特征；将所述信息特征依次送入池化层和FC层，获得类别值；将所述类别值输入到softmax层，利用softmax函数得到堵车的概率值P1，若所述概率值P1高于设定概率阙值T1时，进入下一步判定流程，若所述概率值P1低于设定概率阙值T1时，则判定为不堵车；根据判定结果，实时输出拥堵状态。2.根据权利要求1所述的堵车识别方法，其特征在于，所述概率值P1高于设定概率阙值T1时，进入下一步判定流程包括：获取行驶道路卡口数据，提取卡口对通行车辆记录；根据所述通行车辆记录，计算路段区间平均速度，将所述路段区间平均速度通过函数转换为速度阙值T2；将所述概率值P1设为P2，若所述概率值P2低于所述速度阙值T2，则进入下一步判定流程，若所述概率值P2高于所述速度阙值T2，则判定为不堵车；根据判定结果，实时输出拥堵状态。3.根据权利要求2所述的堵车识别方法，其特征在于，所述概率值P2低于所述速度阙值T2，则进入下一步判定流程包括：获取第三方导航服务平台提供的所在位置范围的实时路况，将所述实时路况分级，所述实时路况分级分为严重堵车、堵车、行动缓慢和不堵车四个级别；通过模型学习的方法将所述实时路况转换成堵车概率值，利用转换的所述堵车概率值设定概率阙值T3，所述概率阙值T3可根据不同的实时路况分级设定不同的对应值；将所述概率值P2设为P3，若所述概率值P3高于设定概率阙值T3时，进入下一步判定流程，若所述概率值P3低于设定概率阙值T3时，则判定为不堵车；根据判定结果，实时输出拥堵状态。4.根据权利要求3所述的堵车识别方法，其特征在于，所述概率值P3高于设定概率阙值T3时，进入下一步判定流程包括：通过权重系数算出堵车的综合阙值为T4＝a
×
T1+b
×
T2+c
×
T3，其中a、b、c为对应权重系数，且a+b+c＝1；将所述概率值P3设为P4，若所述概率值P4高于设定综合阙值T4时，判定为堵车，若所述概率值P4低于设定概率阙值T4时，则...
【专利技术属性】
技术研发人员：王豹，杨周龙，李斯，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：
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。