[發(fā)明專(zhuān)利]一種車(chē)輛進(jìn)入物流園區(qū)的預(yù)測(cè)方法、裝置、存儲(chǔ)介質(zhì)及終端

有效

• 申請(qǐng)?zhí)枺?/td>: 202011627086.2
• 申請(qǐng)日: 2020-12-30
• 公開(kāi)（公告）號(hào): CN112598192B
• 公開(kāi)（公告）日: 2022-12-20
• 發(fā)明（設(shè)計(jì)）人: 趙巖;張志恒;孫智彬;張志平;江天;夏曙東
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京優(yōu)掛信息科技有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06Q10/08;G06K9/62;G06N20/20
• 代理公司: 北京辰權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11619
• 代理人: 劉廣達(dá)

1.一種車(chē)輛進(jìn)入物流園區(qū)的預(yù)測(cè)方法，其特征在于，所述方法包括：

獲取待預(yù)測(cè)車(chē)輛的行駛軌跡點(diǎn)集合，并加載預(yù)先設(shè)定的路網(wǎng)數(shù)據(jù)；

從所述預(yù)先設(shè)定的路網(wǎng)數(shù)據(jù)中匹配所述行駛軌跡點(diǎn)集合中各軌跡點(diǎn)對(duì)應(yīng)的道路數(shù)據(jù)；其中，所述道路數(shù)據(jù)包括所述各軌跡點(diǎn)所處道路的道路等級(jí)與所處道路之間的距離；

將所述各軌跡點(diǎn)所處道路的道路等級(jí)與所處道路之間的距離依次輸入預(yù)設(shè)滑動(dòng)窗口算法中，提取所述各軌跡點(diǎn)的軌跡序列特征；其中，

所述將所述各軌跡點(diǎn)所處道路的道路等級(jí)與所處道路之間的距離依次輸入預(yù)設(shè)滑動(dòng)窗口算法中，提取所述各軌跡點(diǎn)的軌跡序列特征，包括：

采用預(yù)設(shè)滑動(dòng)窗口算法創(chuàng)建滑動(dòng)窗口；

將所述各軌跡點(diǎn)所處道路的道路等級(jí)與所處道路之間的距離依次輸入預(yù)設(shè)滑動(dòng)窗口中，并計(jì)算所述滑動(dòng)窗口內(nèi)軌跡點(diǎn)和進(jìn)入所述滑動(dòng)窗口前最后一個(gè)點(diǎn)的距離，生成距離集合；

從所述距離集合中確定出最大距離值，并將所述最大距離值確定為道路偏移度；

計(jì)算所述滑動(dòng)窗口中各軌跡點(diǎn)組成的總路程和軌跡點(diǎn)個(gè)數(shù)，并將所述總路程和所述軌跡點(diǎn)個(gè)數(shù)的比值確定為單位距離報(bào)點(diǎn)密度；

將所述各軌跡點(diǎn)進(jìn)入所述滑動(dòng)窗口時(shí)刻與離開(kāi)所述滑動(dòng)窗口時(shí)刻的差值確定為滑窗時(shí)間跨度；

將所述滑窗時(shí)間跨度和所述報(bào)點(diǎn)密度的時(shí)間間隔以及所述軌跡點(diǎn)個(gè)數(shù)的乘積確定為滑窗內(nèi)下線時(shí)長(zhǎng)；

將所述道路偏移度、單位距離報(bào)點(diǎn)密度、滑窗時(shí)間跨度以及滑窗內(nèi)下線時(shí)長(zhǎng)確定為所述各軌跡點(diǎn)的軌跡序列特征；

將所述各軌跡點(diǎn)的軌跡序列特征輸入預(yù)先訓(xùn)練的預(yù)測(cè)模型中，輸出進(jìn)入物流園區(qū)的概率值，并根據(jù)所述概率值確定所述待預(yù)測(cè)車(chē)輛是否進(jìn)入物流園區(qū)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，按照下述步驟生成預(yù)先訓(xùn)練的預(yù)測(cè)模型，包括：

采集多個(gè)進(jìn)入物流園區(qū)車(chē)輛的行駛軌跡點(diǎn)集合；

接收標(biāo)注指令，并根據(jù)所述標(biāo)注指令針對(duì)所述多個(gè)進(jìn)入物流園區(qū)車(chē)輛的行駛軌跡點(diǎn)集合中各軌跡點(diǎn)進(jìn)行標(biāo)注，生成標(biāo)注的多個(gè)訓(xùn)練樣本；

從所述預(yù)先設(shè)定的路網(wǎng)數(shù)據(jù)中匹配所述多個(gè)訓(xùn)練樣本對(duì)應(yīng)的道路數(shù)據(jù)；

將所述多個(gè)訓(xùn)練樣本對(duì)應(yīng)的道路數(shù)據(jù)依次輸入預(yù)設(shè)滑動(dòng)窗口算法中，提取所述各訓(xùn)練樣本的軌跡序列特征；

采用分類(lèi)模型創(chuàng)建預(yù)測(cè)模型；

將所述各訓(xùn)練樣本的軌跡序列特征輸入所述創(chuàng)建的預(yù)測(cè)模型中進(jìn)行訓(xùn)練，訓(xùn)練結(jié)束后生成預(yù)先訓(xùn)練的預(yù)測(cè)模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述概率值確定所述待預(yù)測(cè)車(chē)輛是否進(jìn)入物流園區(qū)，包括：

當(dāng)所述概率值大于等于預(yù)設(shè)閾值時(shí)，確定所述待預(yù)測(cè)車(chē)輛進(jìn)入物流園區(qū)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述概率值確定所述待預(yù)測(cè)車(chē)輛是否進(jìn)入物流園區(qū)，包括：

當(dāng)所述概率值小于預(yù)設(shè)閾值時(shí)，確定所述待預(yù)測(cè)車(chē)輛不進(jìn)入物流園區(qū)。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述分類(lèi)模型至少為邏輯回歸、決策樹(shù)以及神經(jīng)網(wǎng)絡(luò)中的任意一個(gè)。