[發明專利]道路權值確定方法、模型生成方法和路線規劃方法及裝置

在審

• 申請號: 202010147335.1
• 申請日: 2020-03-05
• 公開（公告）號: CN113358127A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 趙鵬;劉凱奎;任偉帥
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 北京思格頌知識產權代理有限公司 11635
• 代理人: 楊超

1.一種道路權值確定方法，包括：

根據歷史行駛軌跡記錄的首、尾軌跡點和出發時間，規劃從首軌跡點到尾軌跡點的規劃路線；

將歷史行駛軌跡包括的軌跡點進行道路匹配，得到所述軌跡點匹配的道路，由所述道路構成所述歷史行駛軌跡對應的歷史軌跡路線；

將歷史軌跡路線和對應的規劃路線組成一個樣本；

利用所述樣本的集合訓練機器學習模型，輸出道路的通行時間系數和通行距離系數；

根據道路的常規通行時間、通行距離、通行時間系數和通行距離系數，確定道路的權值。

2.如權利要求1所述的方法，所述根據歷史行駛軌跡記錄的首、尾軌跡點和出發時間，規劃從所述首軌跡點到尾軌跡點的規劃路線，具體包括：

將連通歷史行駛軌跡記錄的首、尾軌跡點的路線作為備選規劃路線；

根據所述歷史行駛軌跡記錄的出發時間和所述出發時間對應的道路的權值確定各備選規劃路線包含的各道路的道路權值之和；

根據備選規劃路線的道路權值之和確定規劃路線。

3.如權利要求1所述的方法，所述確定道路的權值后，還包括：

根據當前樣本對應的歷史行駛軌跡的首、尾軌跡點、出發時間和當前道路的權值確定新規劃路線，將所述新規劃路線加入所述樣本；

利用所述新樣本的集合訓練當前訓練好的所述機器學習模型，輸出道路的新通行時間系數和新通行距離系數；

根據道路的常規通行時間、通行距離、新通行時間系數和新通行距離系數，確定道路的新權值；

判斷是否滿足預設的終止訓練條件，若否，繼續執行所述根據當前樣本對應的歷史行駛軌跡的首、尾軌跡點、出發時間和當前道路的權值確定新規劃路線，將所述新規劃路線加入所述樣本。

4.如權利要求3所述的方法，所述將所述新規劃路線加入所述樣本前，還包括：

判斷所述新規劃路線是否與所述歷史軌跡路線一致；

若否，執行所述將所述新規劃路線加入所述樣本；

若是，刪除所述樣本。

5.如權利要求3所述的方法，所述判斷是否滿足預設的終止訓練條件，具體包括：

判斷訓練次數是否達到預設的次數閾值；和/或，

判斷根據當前訓練好的機器學習模型確定的損失函數值是否滿足預設條件；和/或，

判斷根據當前訓練好的機器學習模型確定的偏航率是否滿足預設條件。

6.如權利要求1所述的方法，所述利用所述樣本的集合訓練機器學習模型，具體包括：

獲取所述樣本中歷史軌跡路線的各道路的設定特征參數的離散數據，獲取所述樣本中每條規劃路線的各道路的設定特征參數的離散數據，得到離散樣本；

使用所述離散樣本的集合訓練選定邏輯回歸模型。

7.如權利要求1所述的方法，所述利用所述樣本的集合訓練機器學習模型，具體包括：

獲取所述樣本中歷史軌跡路線的各道路的設定特征參數的連續特征表達數據，獲取所述樣本中每條規劃路線的各道路的設定特征參數的連續特征表達數據，得到連續特征表達樣本；

使用所述連續特征表達樣本的集合訓練選定神經網絡模型。

8.如權利要求1-7任一所述的方法，所述根據歷史行駛軌跡記錄的首、尾軌跡點和出發時間，規劃從所述首軌跡點到尾軌跡點的規劃路線前，還包括：

判斷歷史行駛軌跡是否滿足預設的樣本條件；

若是，執行所述根據歷史行駛軌跡記錄的首、尾軌跡點和出發時間，規劃從所述首軌跡點到尾軌跡點的規劃路線；

若否，刪除所述歷史行駛軌跡。

9.如權利要求8所述的方法，所述判斷歷史行駛軌跡是否滿足預設的樣本條件，具體包括：

判斷歷史行駛軌跡是否包含違章記錄信息；和/或，

判斷歷史行駛軌跡中任兩個相鄰軌跡點間的時間間隔是否都小于預設時間閾值。