[發明專利]模型訓練方法、確定方法、電子設備及計算機存儲介質

有效

• 申請號: 202210169797.2
• 申請日: 2022-02-23
• 公開（公告）號: CN114550453B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 秦偉;崔恒斌;甘杉林;李偉;劉凱奎
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/0464;G06N3/049;G06N3/08;G06N3/084;G06N20/00;G06Q10/04;G06Q50/26
• 代理公司: 北京合智同創知識產權代理有限公司 11545
• 代理人: 李杰;趙海嬌

1.一種模型訓練方法，其中，所述方法包括：

基于道路在預測時刻之前的多個歷史時間段的道路動態數據和道路靜態數據，確定訓練數據；

基于所述道路在所述預測時刻之后的道路真實通行狀態，確定標簽數據；

將多個歷史時間段對應的訓練數據輸入深度學習模型中，獲得所述深度學習模型輸出的在所述預測時刻之后的多個未來時間段的預測標簽，所述預測標簽用于所述道路在所述預測標簽對應的未來時間段內的預測道路通行狀態；

針對每個未來時間段，從所述標簽數據中獲取與所述未來時間段對應的目標標簽；

計算每個未來時間段的預測標簽與相應的所述目標標簽的交叉熵；

將多個所述未來時間段對應的交叉熵進行累加處理，并根據所述累加結果確定損失值；

根據所述損失值對所述深度學習模型的參數進行調整。

2.根據權利要求1所述的方法，其中，所述基于道路在預測時刻之前的道路動態數據和道路靜態數據，確定訓練數據，包括：

獲取所述道路在預測時刻之前的多個歷史時間段的歷史車流量數據、歷史車輛密度數據和歷史通行時間數據作為道路動態數據；

以所述道路包括的路段的路段長度和車道數量作為所述道路靜態數據；

基于所述道路靜態數據和所述道路動態數據，確定所述訓練數據。

3.一種預計到達時間的確定方法，包括：

獲取道路的即時動態數據；

根據所述即時動態數據構建輸入特征數據；

將所述輸入特征數據輸入用于預測道路通行狀態的深度學習模型中，并獲取所述深度學習模型輸出的所述道路在未來N個預測時間段的預測通行狀態，所述深度學習模型通過權利要求1或2所述的方法訓練；

判斷所述未來N個預測時間段的預測通行狀態中是否有擁堵狀態，若有擁堵狀態，則根據所述未來N個預測時間段的預測通行狀態確定所述道路的預計到達時間。

4.根據權利要求3所述的方法，其中，所述根據所述未來N個預測時間段的預測通行狀態確定所述道路的預計到達時間包括：

根據所述道路的未來N個預測時間段的預測通行狀態、所述道路的路段長度以及車道數量，確定所述道路的預計到達時間。

5.一種電子設備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

所述存儲器用于存放至少一可執行指令，所述可執行指令使所述處理器執行如權利要求1或2所述的方法對應的操作，或者，執行如權利要求3或4所述的方法對應的操作。

6.一種計算機存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如權利要求1或2所述的方法，或者，實現如權利要求3或4所述的方法。