【技术实现步骤摘要】
模型训练方法、道路生成方法、装置、介质及设备
[0001]本公开涉及计算机
，具体地，涉及一种模型训练方法、道路生成方法、装置、介质及设备。
技术介绍
[0002]在即时配送场景(例如，外卖交付)中，导航功能可以为配送人员提供路线，帮助配送人员找到配送目的地，提升配送效率。然而，随着经济的发展，诸如住宅区、社区、商业区、工业园区一类区域的规模逐渐扩大，区域内建筑分布越来越复杂，导致了区域内的道路规划越来越复杂，并且，大多数区域内部存在道路数据缺失的问题，进一步提升了区域内道路规划的复杂性。这样，由于缺失区域内部的道路信息，用于辅助配送人员的导航功能往往只能够帮助配送人员到达此类区域的入口，而配送通常需要有配送人员面对面交付给用户，因此，配送人员在进入园区直至找到用户所在位置需要花费大量的时间，配送效率很低。
技术实现思路
[0003]本公开的目的是提供一种模型训练方法、道路生成方法、装置、介质及设备，以获得具备挖掘区域内道路能力的道路生成模型，进而，对于内部道路数据缺失的区域，能够通过该道路生成模型生成...
【技术保护点】
【技术特征摘要】
1.一种道路生成模型训练方法，其特征在于，所述方法包括：获取用于训练的样本数据，所述样本数据包括样本区域内的轨迹信息和所述样本区域内的道路信息；针对每一所述样本数据，根据所述样本区域内的轨迹信息，确定对应于所述样本区域的轨迹特征信息，并根据所述样本区域内的道路信息，确定对应于所述样本区域的道路标签信息，其中，所述轨迹特征信息用于表征样本区域内各个子区域的轨迹的数量特征，所述道路标签信息用于表征样本区域内各个子区域是否为道路；利用所述轨迹特征信息和所述道路特征信息，对神经网络模型进行训练，以得到所述道路生成模型，其中，所述神经网络模型包括语义分割网络和语言模型构建网络，所述语义分割网络用于针对输入的样本数据的轨迹特征信息输出第一结果，所述第一结果用于判断输入的样本数据的样本区域内各个子区域是否为道路，所述语言模型构建网络用于针对输入的样本数据的轨迹特征信息输出预测路径。2.根据权利要求1所述的方法，其特征在于，所述利用所述轨迹特征信息和所述道路特征信息，对神经网络模型进行训练，以得到所述道路生成模型，包括：确定本次训练使用的目标样本数据的目标轨迹特征信息和目标道路标签信息；将所述目标轨迹特征信息输入至本次训练的语义分割网络，得到本次训练的语义分割网络输出的第二结果，所述第二结果用于判断所述目标样本数据的样本区域内各个子区域是否为道路；在不满足训练停止条件的情况下，确定第一损失值，其中，所述第一损失值是根据所述第二结果和所述目标道路标签信息确定的；根据所述第一损失值，更新本次训练的语义分割网络，并将更新后的语义分割网络用于下一次训练；在满足所述训练停止条件的情况下，将本次训练的语义分割网络确定为道路生成模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：将所述目标轨迹特征信息输入至本次训练的语言模型构建网络，得到本次训练的语言模型构建网络针对所述目标轨迹特征信息输出的目标路径；在不满足所述训练停止条件的情况下，根据所述目标道路标签信息生成参考路径，并根据所述目标路径和所述参考路径计算第二损失值；所述根据所述第一损失值，更新本次训练的语义分割网络，包括：根据所述第一损失值和所述第二损失值，计算综合损失值，并根据所述综合损失值更新本次训练的语义分割网络。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：根据所述综合损失值更新本次训练的语言模型构建网络，并将更新后的语言模型构建网络与更新后的语义分割网络共同用于下一次训练。5.根据权利要求1所述的方法，其特征在于，样本区域内的轨迹信息包括该样本区域内的轨迹点以及各轨迹点的位置信息；所述根据所述样本区域内的轨迹信息，确定对应于所述样本区域的轨迹特征信息，包括：
将样本区域划分为多个预设尺寸的子区域；根据所述样本区域内轨迹点的位置信息，确定所述样本区域内各个子区域包含的轨迹点数量；根据所述样本区域内各个子区域包含的轨迹点数量，得到所述样本区域的轨迹特征信息。6.根据权利要求1所述的方法，其特征在于，样本区域内的道路信息包括该样本区域内的道路以...
【专利技术属性】
技术研发人员：李嘉伟，陈水平，赵杰，石佳，
申请(专利权)人：北京三快在线科技有限公司，
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。