[發明專利]淤積區域確定方法及裝置、交通工具調度方法及裝置

有效

• 申請號: 202010436199.8
• 申請日: 2020-05-21
• 公開（公告）號: CN111626589B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 黃安橫;王毅星;吳艷平;周齊
• 申請（專利權）人: 北京騎勝科技有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q30/0601;G06Q30/0645;G06Q50/30;G06N20/00
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 任少瑞

1.一種淤積區域確定方法，其特征在于，所述方法包括：

獲取網格區域對應的用戶出行特征；所述用戶出行特征包括出行行為特征和出行意愿特征，所述出行行為特征用于表征用戶使用交通工具時所產生的行為特征，所述出行意愿特征用于表征用戶有使用交通工具的意愿特征；

將所述網格區域對應的用戶出行特征輸入交通工具流量確定機器學習模型，得到交通工具的流量信息；所述交通工具流量確定機器學習模型為根據出行樣本預先訓練好的機器學習模型，所述出行樣本包括用戶出行特征樣本；

若所述交通工具的流量信息符合預設淤積條件，則確定所述網格區域為淤積區域；

其中，所述將所述網格區域對應的用戶出行特征輸入交通工具流量確定機器學習模型，得到交通工具的流量信息，包括：

獲取所述用戶出行特征關聯的時間信息；所述時間信息為用戶出行特征對應的出行數據產生時的時間；

根據所述時間信息，從所述用戶出行特征中抽取當前時間下的用戶出行特征和符合預設時間條件的用戶出行特征；所述預設時間條件根據所述當前時間確定；

將所述網格區域對應的所述當前時間下的用戶出行特征和所述符合預設時間條件的用戶出行特征輸入交通工具流量確定機器學習模型，得到交通工具的流量信息。

2.根據權利要求1所述的方法，其特征在于，所述符合預設時間條件的用戶出行特征包括第一用戶出行特征、第二用戶出行特征或第三用戶出行特征中的至少一種；所述根據所述時間信息，從所述用戶出行特征中抽取當前時間下的用戶出行特征和符合預設時間條件的用戶出行特征，包括：

根據所述時間信息，從所述用戶出行特征中抽取當前時間下的用戶出行特征，以及在所述當前時間之前第一預設時段內的所述第一用戶出行特征；

根據所述時間信息，在所述用戶出行特征中，將當前時間所處的第二預設時段內的用戶出行特征作為當前時間下的用戶出行特征，以及將歷史日期中處于所述第二預設時段內的用戶出行特征作為所述第二用戶出行特征；

根據所述時間信息，從所述用戶出行特征中抽取當前時間下的用戶出行特征，以及在所述當前時間之前第三預設時段內的所述第三用戶出行特征；

其中，所述第三預設時段大于所述第一預設時段。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取網格區域中的天氣信息和交通事件信息；

對所述天氣信息和交通事件信息進行融合，得到融合后的數據；

所述將所述網格區域對應的用戶出行特征輸入交通工具流量確定機器學習模型，得到交通工具的流量信息，包括：

將所述網格區域對應的用戶出行特征和網格區域中的融合后的數據輸入交通工具流量確定機器學習模型，得到交通工具的流量信息；其中，所述出行樣本還包括天氣信息樣本和交通事件信息樣本融合后的樣本數據。

4.根據權利要求3所述的方法，其特征在于，所述交通工具流量確定機器學習模型包括空間屬性特征提取網絡、向量表達網絡和全連接網絡；所述將所述網格區域對應的用戶出行特征和網格區域中的融合后的數據輸入交通工具流量確定機器學習模型，得到交通工具的流量信息，包括：

將所述網格區域對應的用戶出行特征輸入所述空間屬性特征提取網絡，得到空間屬性特征；

將所述空間屬性特征和所述融合后的數據輸入所述向量表達網絡，得到流量特征向量；

將所述流量特征向量輸入所述全連接網絡，得到交通工具的流量信息。

5.根據權利要求1所述的方法，其特征在于，所述交通工具的流量信息包括所述交通工具的流入數量和所述交通工具的流出數量，或者所述交通工具的流量信息包括所述交通工具的流入數量與所述交通工具的流出數量的差值；

所述若所述交通工具的流量信息符合預設淤積條件，則確定所述網格區域為淤積區域，包括：

若所述網格區域中的所述交通工具的流入數量與所述交通工具的流出數量的差值大于差值閾值，則確定所述網格區域為淤積區域。