一种基于深度学习的行驶路径生成方法及装置制造方法及图纸

本发明专利技术提供了一种基于深度学习的行驶路径生成方法及装置，包括：在地图数据中，根据原始轨迹点列匹配对应的路链以生成路链列表，路链列表中包含多段不连续的路链；将与多段不连续的路链的不连通处相邻的原始轨迹点输入轨迹点预测模型以生成预测轨迹点，轨迹点预测模型基于包含多个轨迹点列的训练数据集训练而成；以及基于预测轨迹点与原始轨迹点列更新路链列表，更新后的路链列表中包含连续的多段路链，连续的多段路链构成行驶路径，本发明专利技术提供的行驶路径生成方法，基于深度学习轨迹分析提供行驶路径规划，得到更合理连通的轨迹点列，提高了生成行驶路径的准确率，具备更强的实用性，提高了用户体验。提高了用户体验。提高了用户体验。

【技术实现步骤摘要】
一种基于深度学习的行驶路径生成方法及装置


[0001]本专利技术涉及导航领域，尤其涉及一种基于深度学习的行驶路径生成方法。

技术介绍

[0002]随着导航技术的发展，导航服务在人们的日常生活中越来越随处可见。在现有技术中，首先根据用户实时定位信息或输入确定起始地点，然后需要用户在导航地图中输入目的地地点，基于导航软件的预设算法与用户输入的目的地和起始地计算生成一条或多条行驶路径以供用户选择。
[0003]然而，根据导航地图软件中的预设算法计算规划行驶路径，常常会出现位置偏移或者绕路的问题发生。更有甚者，根据理论算法生成的行驶路径在实际场景中由于各种原因无法通行，导致行驶路径与实际情况不符，给用户造成极大的不便。
[0004]为了克服现有技术存在的上述缺陷，本领域亟需一种基于深度学习的行驶路径生成方法，利用深度学习方法开展轨迹分析，基于轨迹分析提供行驶路径规划，从而避免现有行驶路径中存在的绕路、路线不通等导航与实际路况不符的问题发生，使得生成的行驶路径更加合理、贴合实际，从而得到更合理连通的轨迹点列，提高了生成行驶路径的准确率，具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的行驶路径生成方法，包括：在地图数据中，根据原始轨迹点列匹配对应的路链以生成路链列表，所述路链列表中包含多段不连续的路链；将与所述多段不连续的路链的不连通处相邻的原始轨迹点输入轨迹点预测模型以生成预测轨迹点，所述轨迹点预测模型基于包含多个轨迹点列的训练数据集训练而成；以及基于所述预测轨迹点与所述原始轨迹点列更新所述路链列表，更新后的路链列表中包含连续的多段路链，所述连续的多段路链构成所述行驶路径。2.如权利要求1所述的行驶路径生成方法，其特征在于，所述将与所述多段不连续的路链的不连通处相邻的原始轨迹点输入轨迹点预测模型以生成预测轨迹点，包括：在所述多段不连续的路链的每一个不连通处，将多个与该不连通处相邻的原始轨迹点输入轨迹点预测模型以生成一个或多个预测轨迹点，所述原始轨迹点的数量和所述预测轨迹点的数量由所述轨迹点预测模型确定。3.如权利要求2所述的行驶路径生成方法，其特征在于，所述将与所述多段不连续的路链的不连通处相邻的原始轨迹点输入轨迹点预测模型以生成预测轨迹点，还包括：将所述预测轨迹点作为新的原始轨迹点，并将多个与该不连通处相邻的原始轨迹点输入轨迹点预测模型以生成一个或多个新的预测轨迹点，依次类推，直至在该不连通处新生成的预测轨迹点与下一路链上的原始轨迹点重合。4.如权利要求1所述的行驶路径生成方法，其特征在于，训练所述轨迹点预测模型的步骤包括：收集用户经过的轨迹点的点列数据，所述点列数据包括所述轨迹点的经度、纬度、所述用户行经该点的速度、角度以及功能级别，收集的所述点列数据包括训练数据集；对所述训练数据集中的点列数据进行数据处理分类以生成带标签的点列数据集；以及优化所述带标签的点列数据集以获得准确的轨迹点预测模型。...

【专利技术属性】
技术研发人员：徐平，
申请(专利权)人：上海擎感智能科技有限公司，
类型：发明
国别省市：