【技术实现步骤摘要】
一种路径规划方法、装置、设备、存储介质及程序产品
[0001]本申请涉及人工智能技术,尤其涉及一种路径规划方法、装置、设备、存储介质及程序产品。
技术介绍
[0002]路径规划是人工智能技术的一个重要应用,其是指针对使用者所指定的出发地和目的地,为使用者规划合理的路线。然而,使用者在出行时,不仅会考虑车流量等道路因素,还需要考虑天气等因素,例如,未来时间段是否下雨,会影响使用者能否骑行或步行进行通勤。然而,相关技术中,只是简单的将天气数据匹配到规划的路线上,即实际的路径规划过程缺乏对天气数据的运用,仍然需要使用者根据天气手动选择路线,影响了路径规划的智能程度。
技术实现思路
[0003]本申请实施例提供一种路径规划方法、装置、设备、计算机可读存储介质及计算机程序产品,能够提高路径规划的智能程度。
[0004]本申请实施例的技术方案是这样实现的:
[0005]本申请实施例提供一种路径规划方法,包括:
[0006]针对指定的出发地和目的地进行路径生成,得到至少两条待选择路径;
[0007]获取T个历史周期的历史候选路径的路径数据、T个所述历史周期的路径选择标签,以及T个所述历史周期的天气数据;其中,T为正整数,T≥3;
[0008]基于前T
‑
1个所述历史周期的所述历史候选路径的路径数据和所述天气数据,以及后T
‑
1个所述历史周期的所述路径选择标签,构建路径选择模型集合;
[0009]基于所述路径选择模型集合、T个所述历史 ...
【技术保护点】
【技术特征摘要】
1.一种路径规划方法,其特征在于,所述方法包括:针对指定的出发地和目的地进行路径生成,得到至少两条待选择路径;获取T个历史周期的历史候选路径的路径数据、T个所述历史周期的路径选择标签,以及T个所述历史周期的天气数据;其中,T为正整数,T≥3;基于前T
‑
1个所述历史周期的所述历史候选路径的路径数据和所述天气数据,以及后T
‑
1个所述历史周期的所述路径选择标签,构建路径选择模型集合;基于所述路径选择模型集合、T个所述历史周期的所述历史候选路径的路径数据和所述天气数据,针对每个所述待选择路径确定选择概率;基于所述选择概率,从至少两个所述待选择路径中筛选得到目标规划路径,完成路径规划。2.根据权利要求1所述的方法,其特征在于,所述基于前T
‑
1个所述历史周期的所述历史候选路径的路径数据和所述天气数据,以及后T
‑
1个所述历史周期的所述路径选择标签,构建路径选择模型集合,包括:基于前T
‑
1个所述历史周期的所述历史候选路径的路径数据和所述天气数据,以及后T
‑
1个所述历史周期的所述路径选择标签,针对前T
‑
1个所述历史周期分别确定目标模型集合;利用前T
‑
1个所述历史周期的所述目标模型集合,构建得到所述路径选择模型集合。3.根据权利要求2所述的方法,其特征在于,所述基于前T
‑
1个所述历史周期的所述历史候选路径的路径数据和所述天气数据,以及后T
‑
1个所述历史周期的所述路径选择标签,针对前T
‑
1个所述历史周期分别确定目标模型集合,包括:针对T
‑
1个所述历史周期,分别生成初始路径模型、初始天气模型、初始隐层模型和初始联邦模型;利用第t
‑
1个所述历史周期和第t+1个所述历史周期各自的初始路径模型、初始天气模型、初始隐层模型,以及第t个所述历史周期的初始联邦模型和初始隐层模型,生成第t个所述历史周期的待调整模型集合;其中,t为整数,2≤t≤T
‑
1;基于第t
‑
1个所述历史周期至第t+1个所述历史周期中的每个所述历史周期的路径数据和天气数据,以及第t个所述历史周期的路线选择标签,对第t个所述历史周期的待调整模型集合中的模型进行参数调整,并利用完成参数调整的模型确定第t个所述历史周期的目标模型集合。4.根据权利要求3所述的方法,其特征在于,所述利用第t
‑
1个所述历史周期和第t+1个所述历史周期各自的初始路径模型、初始天气模型、初始隐层模型,以及第t个所述历史周期的初始联邦模型和初始隐层模型,生成第t个所述历史周期的待调整模型集合,包括:利用第t
‑
1个所述历史周期的初始路径模型、初始天气模型、初始隐层模型,确定第t个所述历史周期的上文模型子集;利用第t+1个所述历史周期的初始路径模型、初始天气模型、初始隐层模型,确定第t个所述历史周期的下文模型子集;基于所述上文模型子集、所述下文模型子集,以及第t个所述历史周期的初始联邦模型和初始隐层模型,生成第t个所述历史周期的待调整模型集合。5.根据权利要求4所述的方法,其特征在于,所述基于第t
‑
1个所述历史周期至第t+1个
所述历史周期中的每个所述历史周期的路径数据和天气数据,以及第t个所述历史周期的路线选择标签,对第t个所述历史周期的待调整模型集合中的模型进行参数调整,并利用完成参数调整的模型确定第t个所述历史周期的目标模型集合,包括:利用第t
‑
1个所述历史周期的路径数据、天气数据、隐层特征,以及第t个所述历史周期的待调整模型集合中的所述上文模型子集,计算得到第t个所述历史周期的上文隐层分量;针对第t+1个所述历史周期的隐层进行特征估计,得到第t+1个所述历史周期的隐层特征;利用第t+1个所述历史周期的路径数据、天气数据、隐层特征,以及第t个所述历史周期的待调整模型集合中的所述下文模型子集,计算得到第t个所述历史周期的下文隐层分量;基于所述上文隐层分量、所述下文隐层分量和所述路径选择标签,对第t个所述历史周期的待调整模型集合中的各个模型进行参数调整,并利用完成参数调整的模型确定第t个所述历史周期的所述目标模型集合。6.根据权利要求5所述的方法,其特征在于,所述基于所述上文隐层分量、所述下文隐层分量和所述路径选择标签,对第t个所述历史周期的待调整模型集合中的各个模型进行参数调整,并利用完成参数调整的模型确定第t个所述历史周期的所述目标模型集合,包括:将所述上文隐层分量、所述下文隐层分量,以及所述待调整模型集合中的初始隐层模型的偏置分量进行融合,得到第t个所述历史周期的隐层特征;利用第t个所述历史周期的待调整模型集合中的初始联邦模型,对第t个所述历史周期的隐层特征进行特征提取,得到中间特征;利用第t个所述历史周期的初始天气模型,对第t个所述历史周期的天气数据进行特征提取,得到天气特征;针对所述中间特征和所述天气特征的融合结果进行概率预测,得到第t个所述历史周期的历史候选路径的预测概率;基于所述预测概率和第t个所述历史周期的所述路径选择标签之间...
【专利技术属性】
技术研发人员:钟子宏,
申请(专利权)人:腾讯云计算北京有限责任公司,
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。