露天矿功能区域的识别系统及方法技术方案

本发明专利技术实施例公开了一种露天矿功能区域的识别方法及系统，包括：对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，构建动态网络嵌入模型，并将动态时序图输入动态学习网络模型中得到时空潜在特征；基于每个单元区域的特征信息构建单个网格区域的多特征时间序列，将网格时序序列输入双向长短期记忆神经网络得到每个网格区域的时序特征；将时空潜在特征和时序特征进行自适应融合得到融合特征；将待识别露天矿网格区域的特征向量输入到功能区域识别模型，得到待识别露天矿网格区域所对应的矿区功能信息

【技术实现步骤摘要】
露天矿功能区域的识别系统及方法


[0001]本专利技术涉及露天矿规划
，具体涉及一种露天矿功能区域的识别系统
、
方法
、
电子设备及存储介质
。

技术介绍

[0002]露天矿区中的卡车
、
挖机等运输设备都配备了
GPS
装置，这使得收集轨迹数据变得日益简单
。
这些
GPS
轨迹数据蕴含了丰富的地理信息，这对于露天矿数字化转型至关重要
。
通过处理
GPS
轨迹数据，再结合露天矿区实时调度系统，可以极大提高露天矿区的生产效率
。
[0003]露天矿区拥有多种功能区域，如采矿区域
、
卸矿区域等
。
不同的功能区域承担不同的职责
。
以往的研究大多是将重点放在了
GPS
轨迹的时序特征上，这是由出行规律所决定的，不同的时间段内，各自功能区表现出不同的时间特征，例如在工作日早上人们都是从居住区前往办公区
。
而露天矿场景下，由于卡车是根据派单时间进行工作，其在时间维度上的信息特征并不足以明确识别区域功能，但卡车在一个派单任务中要经过多个功能区域，不同功能区依托卡车轨迹存在了空间上的相互联系，因此如何利用卡车轨迹数据准确的对露天矿功能区域进行识别是优化露天矿卡车调度系统的重点研究
。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种露天矿功能区域的识别系统
、
方法
、
电子设备及存储介质，用以解决现有技术中无法利用卡车轨迹数据准确识别露天矿功能区域的问题
。
[0005]为实现上述目的，本专利技术实施例提供一种露天矿功能区域的识别方法，所述方法具体包括：
[0006]获取露天矿所在区域的卡车轨迹数据，对所述卡车轨迹数据进行预处理得到预处理数据；
[0007]对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图；
[0008]构建动态网络嵌入模型，并将所述动态时序图输入动态学习网络模型中得到时空潜在特征；
[0009]基于每个单元区域的特征信息构建单个网格区域的多特征时间序列，将所述网格时序序列输入双向长短期记忆神经网络得到每个网格区域的时序特征；
[0010]将所述时空潜在特征和时序特征进行自适应融合得到融合特征；
[0011]构建功能区域识别模型，基于所述融合特征训练功能区域识别模型，得到训练好的功能区域识别模型；
[0012]将待识别露天矿网格区域的特征向量输入到所述功能区域识别模型，得到待识别露天矿网格区域所对应的矿区功能信息
。
[0013]在上述技术方案的基础上，本专利技术还可以做如下改进：
[0014]进一步地，所述获取露天矿所在区域的卡车轨迹数据，对所述卡车轨迹数据进行预处理得到预处理数据，包括：
[0015]对所述卡车轨迹数据中进行数据清洗；
[0016]将进行数据清洗操作后的卡车轨迹数据采取地图匹配算法匹配到相应的露天矿区域中，生成露天矿区域内的网格特征数据
。
[0017]进一步地，所述对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图，包括：
[0018]将露天矿区均匀划分为若干个非重叠的网格区域，通过平均分割纬度空间和经度空间来构建网格区域
。
[0019]进一步地，所述对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图，还包括：
[0020]提取按固定时间间隔分割后的特征信息，每个序列中元素都包含当前时间段内网格的出流
、
入流
、
平均速度和点密度；
[0021]以固定时间间隔划分不同露天矿网格图，在不同的时间段下，一个时间步下对应一张图，基于所有的图构建动态时序图，其中，所述动态时序图中的一张图的节点代表露天矿区域在时间步的相关特征
。
[0022]进一步地，所述构建动态网络嵌入模型，并将所述动态时序图输入动态学习网络模型中得到时空潜在特征，包括：
[0023]所述动态网络嵌入模型包括图卷积网络和门控循环单元；
[0024]基于图卷积网络捕捉动态时序图的特征；
[0025]通过门控循环单元在时间维度上调整图卷积网络参数，以学习网格区域的动态特征
。
[0026]进一步地，所述基于每个单元区域的特征信息构建单个网格区域的多特征时间序列，将所述网格时序序列输入双向长短期记忆神经网络得到每个网格区域的时序特征，包括：
[0027]双向长短期记忆神经网络包括两个独立的长短期记忆神经网络；
[0028]对于每个时间
t
，前向长短期记忆神经网络基于前一个隐藏向量
fh
t
‑1和输入的网格序列中当前时间输入的特征向量计算当前的前向隐藏向量
fh
t
，后向长短期记忆神经网络基于相反的后一个隐藏向量
fh
t+1
和当前输入的特征向量
x
t
计算后向隐藏向量
bh
t
；
[0029]将前向隐藏向量
fh
t
和后向隐藏向量
bh
t
合并为双向长短期记忆神经网络的最终隐藏向量
h
t
。
[0030]进一步地，所述将所述时空潜在特征和时序特征进行自适应融合得到融合特征，包括：
[0031]通过注意力机制实现时空潜在特征和时序特征的内部交互；
[0032]将所述融合特征输入到分类器中，根据网格真实标签计算损失函数
。
[0033]一种露天矿功能区域的识别系统，包括：
[0034]获取模块，用于获取露天矿所在区域的卡车轨迹数据；
[0035]预处理模块，用于对所述卡车轨迹数据进行预处理得到预处理数据；
[0036]动态时序图构建模块，用于对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图；
[0037]第一构建模块，用于构建动态网络嵌入模型，并将所述动态时序图输入动态学习网络模型中得到时空潜在特征；
[0038]时序特征获取模块，用于基于每个单元区域的特征信息构建单个网格区域的多特征时间序列，将所述网格时序序列输入双向长短期记忆神经网络得到每个网格区域的时序特征；
[0039]融合模块，用于将所述时空潜在特征和时序特征进行自适应融合得到融合特征；
[0040]第二构建模块，用于构建功能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种露天矿功能区域的识别方法，其特征在于，所述露天矿功能区域的识别方法具体包括：获取露天矿所在区域的卡车轨迹数据，对所述卡车轨迹数据进行预处理得到预处理数据；对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图；构建动态网络嵌入模型，并将所述动态时序图输入动态学习网络模型中得到时空潜在特征；基于每个单元区域的特征信息构建单个网格区域的多特征时间序列，将所述网格时序序列输入双向长短期记忆神经网络得到每个网格区域的时序特征；将所述时空潜在特征和时序特征进行自适应融合得到融合特征；构建功能区域识别模型，基于所述融合特征训练功能区域识别模型，得到训练好的功能区域识别模型；将待识别露天矿网格区域的特征向量输入到所述功能区域识别模型，得到待识别露天矿网格区域所对应的矿区功能信息
。2.
根据权利要求1所述露天矿功能区域的识别方法，其特征在于，所述获取露天矿所在区域的卡车轨迹数据，对所述卡车轨迹数据进行预处理得到预处理数据，包括：对所述卡车轨迹数据中进行数据清洗；将进行数据清洗操作后的卡车轨迹数据采取地图匹配算法匹配到相应的露天矿区域中，生成露天矿区域内的网格特征数据
。3.
根据权利要求1所述露天矿功能区域的识别方法，其特征在于，所述对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图，包括：将露天矿区均匀划分为若干个非重叠的网格区域，通过平均分割纬度空间和经度空间来构建网格区域
。4.
根据权利要求1所述露天矿功能区域的识别方法，其特征在于，所述对露天矿所在区域进行网格划分得到若干个网格区域，分时提取每个网格区域的特征信息，基于不同时间间隔和所述特征信息构建动态时序图，还包括：提取按固定时间间隔分割后的特征信息，每个序列中元素都包含当前时间段内网格的出流
、
入流
、
平均速度和点密度；以固定时间间隔划分不同露天矿网格图，在不同的时间段下，一个时间步下对应一张图，基于所有的图构建动态时序图，其中，所述动态时序图中的一张图的节点代表露天矿区域在时间步的相关特征
。5.
根据权利要求1所述露天矿功能区域的识别方法，其特征在于，所述构建动态网络嵌入模型，并将所述动态时序图输入动态学习网络模型中得到时空潜在特征，包括：所述动态网络嵌入模型包括图卷积网络和门控循环单元；基于图卷积网络捕捉动态时序图的特征；通过门控循环单元在时间维度上调整图卷积网络参数，以学习网格区域的动态特征
。6.
根据权利要求1所述露天矿功能区域的识别方法，其特征在于，所述基于每个...

【专利技术属性】
技术研发人员：张雪飞，王全家，李明，赵本壮，刘佰龙，张磊，
申请(专利权)人：徐州中矿融通信息科技有限公司，
类型：发明
国别省市：