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() 车辆类别的判别方法、装置、设备及存储介质制造方法及图纸_技高网

车辆类别的判别方法、装置、设备及存储介质制造方法及图纸

技术编号:41202996 阅读:4 留言:0更新日期:2024-05-07 22:28
本发明专利技术公开了一种车辆类别的判别方法、装置、设备及存储介质。该方法包括:获取与目标车辆对应的出行空间复杂度和出行时间复杂度,其中,空间出行度与所述目标车辆的出行目的地数量、出行目的地频率和、出行目的地频率变异系数以及出行目的地平均距离中的至少一项相关联,出行时间复杂度与目标车辆出行时长中每个时间段的出行时长相关联;将目标车辆的出行空间复杂度和出行时间复杂度输入至车辆类别判别模型中,得到模型输出结果,其中,车辆判别模型为预先训练好的聚类模型;基于模型输出结果确定与所述目标车辆对应的车辆类别。可对车辆类别进行准确识别,提高车辆类别的识别效率和准确率。

【技术实现步骤摘要】

本专利技术涉及车辆用途识别,尤其涉及一种车辆类别的判别方法、装置、设备及存储介质


技术介绍

1、汽车智能化、网联化,为实现用户出行特征研究提供了新的可能性。

2、通过对车辆出行大数据的挖掘,构建车辆出行特征,可以帮助整车企业深入分析车辆出行特征,为用户提供更好的服务。用户车辆类别对市场上不同车辆类别需求研究有着重要作用。


技术实现思路

1、本专利技术提供了一种车辆类别的判别方法、装置、设备及存储介质,以解决车辆类别识别准确率较低的问题。

2、根据本专利技术的一方面,提供了一种车辆类别的判别方法,该方法包括:

3、获取与目标车辆对应的出行空间复杂度和出行时间复杂度,其中,所述空间出行度与所述目标车辆的出行目的地数量、出行目的地频率和、出行目的地频率变异系数以及出行目的地平均距离中的至少一项相关联,所述出行时间复杂度与所述目标车辆出行时长中每个时间段的出行时长相关联;

4、将所述目标车辆的所述出行空间复杂度和所述出行时间复杂度输入至车辆类别判别模型中,得到模型输出结果,其中,所述车辆判别模型为预先训练好的聚类模型;

5、基于所述模型输出结果确定与所述目标车辆对应的车辆类别。

6、根据本专利技术的另一方面,提供了一种车辆类别的判别装置,该装置包括:

7、复杂度获取模块,用于获取与目标车辆对应的出行空间复杂度和出行时间复杂度,其中,所述空间出行度与所述目标车辆的出行目的地数量、出行目的地频率和、出行目的地频率变异系数以及出行目的地平均距离中的至少一项相关联,所述出行时间复杂度与所述目标车辆出行时长中每个时间段的出行时长相关联;

8、模型判别模块,用于将所述目标车辆的所述出行空间复杂度和所述出行时间复杂度输入至车辆类别判别模型中,得到模型输出结果,其中,所述车辆判别模型为预先训练好的聚类模型;

9、类别确定模块,用于基于所述模型输出结果确定与所述目标车辆对应的车辆类别。

10、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:

11、至少一个处理器;以及

12、与所述至少一个处理器通信连接的存储器;其中,

13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的车辆类别的判别方法。

14、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的车辆类别的判别方法。

15、本专利技术实施例的技术方案,通过获取与目标车辆对应的出行空间复杂度和出行时间复杂度,其中,所述空间出行度与所述目标车辆的出行目的地数量、出行目的地频率和、出行目的地频率变异系数以及出行目的地平均距离中的至少一项相关联,所述出行时间复杂度与所述目标车辆出行时长中每个时间段的出行时长相关联;建立目标车辆与出行空间复杂度和出行时间复杂度之间的对应关系;然后,将所述目标车辆的所述出行空间复杂度和所述出行时间复杂度输入至车辆类别判别模型中,得到模型输出结果,其中,所述车辆判别模型为预先训练好的聚类模型;基于预先训练好的聚类模型可准确基于出行空间复杂度和出行时间复杂度进行聚类分析。最后,基于所述模型输出结果确定与所述目标车辆对应的车辆类别,解决了车辆类别识别准确率较低的问题,取到了提高车辆类别的识别效率和准确率的有益效果。

16、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。

本文档来自技高网...

【技术保护点】

1.一种车辆类别的判别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述将所述目标车辆的所述出行空间复杂度和所述出行时间复杂度输入至车辆类别判别模型中之前,还包括:

3.根据权利要求2所述的方法,其特征在于,所述将至少两个所述初始聚类中心点数据和所述样本点数据输入至预先建立的初始车辆判别模型中,以得到以各所述初始聚类中心点为中心点的样本点簇,包括:

4.根据权利要求1所述的方法,其特征在于,所述模型输出结果包括与目标车辆对应车辆类别的聚类中心数据;所述基于所述模型输出结果确定与所述目标车辆对应的车辆类别,包括:

5.根据权利要求4所述的方法,其特征在于,所述基于所述目标出行空间复杂度、所述目标出行时间复杂度、预设出行空间复杂度阈值和预设出行时间复杂度阈值确定与所述目标车辆对应的车辆类别,包括:

6.根据权利要求3所述的方法,其特征在于,所述模型输出结果还包括各个车辆类别的聚类中心数据;所述基于所述模型输出结果确定与所述目标车辆对应的车辆类别包括:

7.根据权利要求1所述的方法,其特征在于,在所述获取与目标车辆对应的出行空间复杂度和出行时间复杂度之后,还包括:

8.一种车辆类别的判别装置,其特征在于,包括:

9.一种电子设备,其特征在于,所述电子设备包括:

10.一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计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车辆类别的判别方法。

...

【技术特征摘要】

1.一种车辆类别的判别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述将所述目标车辆的所述出行空间复杂度和所述出行时间复杂度输入至车辆类别判别模型中之前,还包括:

3.根据权利要求2所述的方法,其特征在于,所述将至少两个所述初始聚类中心点数据和所述样本点数据输入至预先建立的初始车辆判别模型中,以得到以各所述初始聚类中心点为中心点的样本点簇,包括:

4.根据权利要求1所述的方法,其特征在于,所述模型输出结果包括与目标车辆对应车辆类别的聚类中心数据;所述基于所述模型输出结果确定与所述目标车辆对应的车辆类别,包括:

5.根据权利要求4所述的方法,其特征在于,所述基于所述目标出行空间复杂度、所述目标出行时间复杂度...

【专利技术属性】
技术研发人员:王明月宫保伟付振李涵韩鹏吴红心张弦贝瑶钱海王斌
申请(专利权)人:中国第一汽车股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1