定位精度预测模型的训练方法、装置、设备以及存储介质制造方法及图纸

本申请实施例公开了一种定位精度预测模型的训练方法，可适用于人工智能、地图导航等领域，该方法包括：确定训练样本集，训练样本集包括多组样本数据，每组样本数据包括一个定位设备在一个历史时刻进行定位过程中产生的定位参数；将每组样本数据输入初始模型得到每组样本数据对应的定位设备在对应历史时刻的预测定位精度；确定每组样本数据对应的定位设备在对应历史时刻的实际定位精度；基于实际定位精度和预测定位精度确定总训练损失，基于训练样本集对初始模型进行迭代训练，直至总训练损失符合训练结束条件时停止训练，并将停止训练时的模型确定为定位精度预测模型。采用本申请实施例，可准确对定位设备的定位精度进行预测，适用性高。适用性高。适用性高。

【技术实现步骤摘要】
定位精度预测模型的训练方法、装置、设备以及存储介质


[0001]本申请涉及人工智能领域，尤其涉及一种定位精度预测模型的训练方法、装置、设备以及存储介质。

技术介绍

[0002]随着通信技术以及计算机技术的不断发展，全球卫星导航系统(Global Navigation Satellite System)卫星导航系统已经在航海、通信、消费娱乐、测绘、授时、车辆管理和汽车导航与信息服务等方面广泛使用，而且总的发展趋势是为实时应用提供高精度服务。
[0003]由于定位设备之间的计算性能以及采用的定位方式不同，定位设备之间的定位精度也存在偏差，因此若需要对定位设备进行改进或纠正定位过程中的相关误差，需要准确确定定位设备的定位精度。现有技术往往是人工对实际的定位信息与定位设备的定位信息进行比较来确定定位精度，效率不高的同时准确性较差。

技术实现思路

[0004]本申请实施例提供一种定位精度预测模型的训练方法、装置、设备以及存储介质，可训练得到具有高效准确预测定位设备的定位精度能力的定位精度预测模型，适用性高。
[0005]一方面，本申请实施例提供一种定位精度预测模型的训练方法，该方法包括：
[0006]确定训练样本集，上述训练样本集包括多组样本数据，每组样本数据包括一个定位设备在一个历史时刻进行定位过程中产生的定位参数；
[0007]将每组上述样本数据输入初始模型得到每组上述样本数据对应的定位设备在对应历史时刻的预测定位精度；
[0008]确定每组上述样本数据对应的定位设备在对应历史时刻的实际定位精度；
[0009]基于各上述样本数据对应的实际定位精度和预测定位精度确定总训练损失，基于上述训练样本集对上述初始模型进行迭代训练，直至上述总训练损失符合训练结束条件时停止训练，并将停止训练时的模型确定为定位精度预测模型。
[0010]另一方面，本申请实施例提供了一种定位精度预测模型的训练装置，该装置包括：
[0011]样本确定模块，用于确定训练样本集，上述训练样本集包括多组样本数据，每组样本数据包括一个定位设备在一个历史时刻进行定位过程中产生的定位参数；
[0012]精度确定模块，用于将每组上述样本数据输入初始模型得到每组上述样本数据对应的定位设备在对应历史时刻的预测定位精度；
[0013]上述精度确认模块，用于确定每组上述样本数据对应的定位设备在对应历史时刻的实际定位精度；
[0014]模型训练模块，用于基于各上述样本数据对应的实际定位精度和预测定位精度确定总训练损失，基于上述训练样本集对上述初始模型进行迭代训练，直至上述总训练损失符合训练结束条件时停止训练，并将停止训练时的模型确定为定位精度预测模型。
[0015]另一方面，本申请实施例提供了一种电子设备，包括处理器和存储器，该处理器和存储器相互连接；
[0016]所述存储器用于存储计算机程序；
[0017]所述处理器被配置用于在调用所述计算机程序时，执行本申请实施例提供的定位精度预测模型的训练方法。
[0018]另一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行以实现本申请实施例提供的定位精度预测模型的训练方法。
[0019]另一方面，本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序，上述计算机程序被处理器执行时实现本申请实施例提供的定位精度预测模型的训练方法。
[0020]基于本申请实施例提供的定位精度预测模型的训练方法，可基于至少一个定位设备在至少一个历史时刻进行定位过程中产生的定位参数、以及每个定位设备在对应每个历史时刻的实际定位精度训练得到可高效准确预测定位设备的定位精度的定位精度预测模型，从而基于训练得到的定位精度预测模型可有效对任一定位设备在任意时刻的定位精度进行预测，有利于及时优化定位设备的定位算法，提升定位设备的定位准确率，适用性高。
附图说明
[0021]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本申请实施例提供的定位精度预测模型的场景示意图；
[0023]图2是本申请实施例提供的定位精度预测模型的训练方法的流程示意图；
[0024]图3是本申请实施例提供的实际横向距离误差的场景示意图；
[0025]图4是本申请实施例提供的实际纵向距离误差的场景示意图；
[0026]图5是本申请实施例提供的实际方向角误差的场景示意图；
[0027]图6是本申请实施例提供的定位精度预测模型的训练方法的流程框架示意图；
[0028]图7是本申请实施例提供的定位精度预测模型的训练装置的结构示意图；
[0029]图8是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0030]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]本申请实施例提供的定位精度预测模型的训练方法可适用于人工智能领域，通过人工智能技术训练得到定位精度预测模型，进而对定位设备的定位精度进行预测。
[0032]其中，本申请实施例提供的定位精度预测模型的训练方法可基于人工智能中的机
器学习技术实现。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。其中，机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，以实现上述定位精度预测模型的训练过程。
[0033]其中，本申请实施例中的定位精度预测模型的训练过程可基于云技术(Cloud Technology)领域中的云计算(Cloud Computing)技术实现，以提升计算效率。
[0034]其中，云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云计算是一种计算模式，是网格计算(Grid computing)、分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定位精度预测模型的训练方法，其特征在于，所述方法包括：确定训练样本集，所述训练样本集包括多组样本数据，每组样本数据包括一个定位设备在一个历史时刻进行定位过程中产生的定位参数；将每组所述样本数据输入初始模型得到每组所述样本数据对应的定位设备在对应历史时刻的预测定位精度；确定每组所述样本数据对应的定位设备在对应历史时刻的实际定位精度；基于各所述样本数据对应的实际定位精度和预测定位精度确定总训练损失，基于所述训练样本集对所述初始模型进行迭代训练，直至所述总训练损失符合训练结束条件时停止训练，并将停止训练时的模型确定为定位精度预测模型。2.根据权利要求1所述的方法，其特征在于，每组所述样本数据中的定位参数包括以下至少一项：对应定位设备在对应历史时刻进行载波相位差分定位求解过程中的相关参数；对应定位设备在对应历史时刻进行模糊度固定过程中的相关参数；对应定位设备在对应历史时刻进行定位时的卫星参数。3.根据权利要求1所述的方法，其特征在于，对于每组所述样本数据，该样本数据对应的定位设备在对应历史时刻的实际定位精度包括实际横向距离误差、实际纵向距离误差或者实际方向角误差中的至少一项；所述实际横向距离误差用于表征该定位设备在该历史时刻的定位位置与实际位置在第一方向上的距离偏差，所述第一方向垂直于该定位设备在该历史时刻的实际移动方向；所述实际纵向距离误差用于表征该定位设备在该历史时刻的定位位置与实际位置在第二方向上的距离偏差，所述第二方向为该定位设备在该历史时刻的实际移动方向；所述实际方向角误差用于表征该定位设备在该历史时刻的实际移动方向与定位移动方向的方向角偏差。4.根据权利要求3所述的方法，其特征在于，对于每组所述样本数据，5确定该样本数据对应的定位设备在对应历史时刻的实际方向角误差，包括：基于该样本数据对应的定位设备在对应历史时刻的实际移动信息，确定该定位设备在该历史时刻的实际移动方向与基准方向的第一夹角；基于该定位设备在该历史时刻的定位移动信息，确定该定位设备在该历史时刻的定位移动方向与所述基准方向的第二夹角；0基于所述第一夹角和所述第二夹角，确定该定位设备在该历史时刻的实际方向角误差。5.根据权利要求3所述的方法，其特征在于，对于每组所述样本数据，确定该定位设备在对应历史时刻的实际横向距离误差和实际纵向距离误差，5包括：基于该样本数据对应的定位设备在对应历史时刻的实际移动信息，确定该定位设备在该历史时刻的实际经纬度、以及实际移动方向与基准方向的第一夹角，基于该定位设备在该历史时刻的定位移动信息，确定该定位设备在该历史时刻的定位经纬度；0基于所述实际经纬度、所述定位经纬度以及所述第一夹角，确定该定位设备在该历史时刻的实际横向距离误差和实际纵向距离误差。6.根据权利要求5所述的方法，其特征在于，所述基于所述实际经纬度、所述定位经纬
度以及所述第一夹角，确定该定位设备在该历史时刻的实际横5向距离误差和实际纵向距离误差，包括：基于所述实际经纬度和所述定位经纬度，确定该定位设备在该历史时刻的实际位置和定位位置的第一距离、以及所述实际位置和所述定位位置的连线与所述基准方向的第三夹角；基于所述第一距离和第四夹角确定该定位设备在该历史时刻的实际横向距离误差和实际纵向距离误差，所述第四夹角为所述第一夹角和所述第三夹角的角度差的绝对值。7.根据权利要求6所述的方法，其特征在于，基于所述实际经纬度和...

【专利技术属性】
技术研发人员：程宇航，王月明，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：