System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,具体涉及一种通勤方式的识别方法及装置。
技术介绍
1、交通出行数据是交通规划和管理部门进行缓堵工作、制定政策的重要依据,特别是通勤方式数据,对于了解城市的出行需求现状尤其重要。传统的通勤方式数据主要来源于人工出行调查,但出行调查有周期长、成本高、频率低、问卷质量不一等问题。也有部分方案采用神经网络对通勤方式进行预测,但是用于预测通勤方式的神经网络在训练时依靠人工标注的训练集,人工标注训练集效率较低,导致模型训练效率较低,导致通勤方式的识别效率较低。
2、也即,现有技术中通勤方式的识别效率较低。
技术实现思路
1、本申请实施例提供一种通勤方式的识别方法及装置,可以提高通勤方式的识别效率。
2、第一方面,本申请提供的通勤方式的识别方法,包括:
3、获取目标通勤识别模型,其中,所述目标通勤识别模型基于目标训练集训练得到,所述目标训练集包括样本设备的样本通勤轨迹和所述样本通勤轨迹对应的通勤方式标签,所述样本通勤轨迹包括通勤时段内的多个轨迹点,所述通勤方式标签基于所述样本设备在所述通勤时段的设备使用信息确定;
4、获取目标通勤轨迹;
5、基于所述目标通勤识别模型对所述目标通勤轨迹进行通勤方式预测,得到预测通勤方式。
6、第二方面,本申请提供的通勤方式的识别装置,包括:
7、第一获取模块,用于获取目标通勤识别模型,其中,所述目标通勤识别模型基于目标训练集训练得到,所述目标训练集包括样本设备的
8、第二获取模块,用于获取目标通勤轨迹;
9、预测模块,用于基于所述目标通勤识别模型对所述目标通勤轨迹进行通勤方式预测,得到预测通勤方式息和各个所述目标柱状分割区域的所述分割信息确定所述柱形图的结构化数据。
10、第三方面,本申请提供的电子设备,包括存储器和处理器,存储器存储有计算机程序,处理器用于运行存储器内的计算机程序,实现本申请所提供的通勤方式的识别方法中的步骤。
11、第四方面,本申请提供的计算机可读存储介质,存储有多条指令,该指令适于处理器进行加载,实现本申请所提供的通勤方式的识别方法中的步骤。
12、第五方面,本申请提供的计算机程序产品,包括计算机程序或指令,该计算机程序或指令被处理器执行时实现本申请所提供的通勤方式的识别方法中的步骤。
13、本申请中,相较于相关技术,获取目标通勤识别模型,其中,目标通勤识别模型基于目标训练集训练得到,目标训练集包括样本设备的样本通勤轨迹和样本通勤轨迹对应的通勤方式标签,样本通勤轨迹包括通勤时段内的多个轨迹点,通勤方式标签基于样本设备在通勤时段的设备使用信息确定;获取目标通勤轨迹;基于目标通勤识别模型对目标通勤轨迹进行通勤方式预测,得到预测通勤方式。本申请利用样本设备在通勤时段内的设备使用信息确定样本设备的样本通勤轨迹的通勤方式标签,实现对样本通勤轨迹自动标注标签,形成目标训练集训练目标通勤识别模型并进行识别,相对人工标注标签的方式能够提高目标通勤识别模型的获取效率,从而提高通勤方式的识别效率。
本文档来自技高网...【技术保护点】
1.一种通勤方式的识别方法,其特征在于,包括:
2.根据权利要求1所述的通勤方式的识别方法,其特征在于,所述通勤方式的识别方法,包括:
3.根据权利要求2所述的通勤方式的识别方法,其特征在于,所述蓝牙连接信息包括所述通勤时段内是否连接车载蓝牙、所述通勤时段内蓝牙连接名称是否存在预设标识,所述应用使用信息包括所述通勤时段内开启应用的应用类型,所述近场通信信息包括所述通勤时段内近场通信的类型。
4.根据权利要求3所述的通勤方式的识别方法,其特征在于,所述基于所述设备使用信息确定所述样本通勤轨迹对应的通勤方式标签,得到所述目标训练集,包括:
5.根据权利要求2所述的通勤方式的识别方法,其特征在于,所述获取所述样本设备的所述样本通勤轨迹,包括:
6.根据权利要求5所述的通勤方式的识别方法,其特征在于,所述基于所述初始通勤轨迹确定所述样本通勤轨迹,包括:
7.根据权利要求6所述的通勤方式的识别方法,其特征在于,所述对所述初始通勤轨迹预处理,得到所述样本通勤轨迹,包括:
8.根据权利要求6所述的通勤方式的识别
9.根据权利要求6所述的通勤方式的识别方法,其特征在于,所述对所述初始通勤轨迹预处理,得到所述样本通勤轨迹,包括:
10.根据权利要求9所述的通勤方式的识别方法,其特征在于,所述在所述初始通勤轨迹的相邻两个所述初始轨迹点插入插值轨迹点,得到所述样本通勤轨迹,包括:
11.根据权利要求2所述的通勤方式的识别方法,其特征在于,所述基于所述目标训练集训练所述目标通勤识别模型,包括:
12.根据权利要求11所述的通勤方式的识别方法,其特征在于,所述目标通勤识别模型包括预设卷积神经网络、预设时序模型以及预设分类模型,所述将所述样本通勤轨迹和所述用户画像信息输入所述目标通勤识别模型,得到通勤方式预测值,包括:
13.一种通勤方式的识别装置,其特征在于,包括:
14.一种电子设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的计算机程序,以执行权利要求1至12任一项所述的通勤方式的识别方法中的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至12任一项所述的通勤方式的识别方法中的步骤。
16.一种计算机程序产品,包括计算机程序或指令,其特征在于,该计算机程序或指令被处理器执行时实现权利要求1至12任一项所述的通勤方式的识别方法中的步骤。
...【技术特征摘要】
1.一种通勤方式的识别方法,其特征在于,包括:
2.根据权利要求1所述的通勤方式的识别方法,其特征在于,所述通勤方式的识别方法,包括:
3.根据权利要求2所述的通勤方式的识别方法,其特征在于,所述蓝牙连接信息包括所述通勤时段内是否连接车载蓝牙、所述通勤时段内蓝牙连接名称是否存在预设标识,所述应用使用信息包括所述通勤时段内开启应用的应用类型,所述近场通信信息包括所述通勤时段内近场通信的类型。
4.根据权利要求3所述的通勤方式的识别方法,其特征在于,所述基于所述设备使用信息确定所述样本通勤轨迹对应的通勤方式标签,得到所述目标训练集,包括:
5.根据权利要求2所述的通勤方式的识别方法,其特征在于,所述获取所述样本设备的所述样本通勤轨迹,包括:
6.根据权利要求5所述的通勤方式的识别方法,其特征在于,所述基于所述初始通勤轨迹确定所述样本通勤轨迹,包括:
7.根据权利要求6所述的通勤方式的识别方法,其特征在于,所述对所述初始通勤轨迹预处理,得到所述样本通勤轨迹,包括:
8.根据权利要求6所述的通勤方式的识别方法,其特征在于,所述对所述初始通勤轨迹预处理,得到所述样本通勤轨迹,包括:
9.根据权利要求6所述的通勤方式的识别方法,其特征在于,所述对所述初始通勤轨迹预处理...
【专利技术属性】
技术研发人员:闵安游,陆天洋,庄展鸿,
申请(专利权)人:OPPO广东移动通信有限公司,
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。