[發明專利]一種聚集區類型判斷模型訓練方法和系統

在審

• 申請號: 202211078253.1
• 申請日: 2022-09-05
• 公開（公告）號: CN115630293A
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 楊曉明;夏曙東;肖中南;馮新平;張志平;江潮
• 申請（專利權）人: 北京中交興路信息科技有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/23;G06F18/24;G06F16/29
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 李小朋

1.一種聚集區類型判斷模型訓練方法，其特征在于，所述方法包括：

通過網格聚類確定目標區域中的車輛停靠點的聚集區；

根據所述車輛停靠點的聚集區的聚集數據、地理信息系統數據、車輛靜態數據和車輛停靠數據確定聚集區的特征數據，所述聚集區的特征數據包括聚類特征、地理特征、車輛停靠特征和網絡關系特征；

對所述車輛停靠點的聚集區進行地理信息點的關聯，將具有地理信息點的聚集區的特征數據以及地理信息點的類型數據加入標注樣本候選集；

采用分類模型對所述標注樣本候選集進行訓練，得到聚集區類型判斷模型。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲取待判斷聚集區類型的聚集區的特征數據；

將所述待判斷聚集區類型的聚集區的特征數據輸入所述聚集區類型判斷模型，得到所述待判斷聚集區類型的聚集區對應的地理信息點的類型數據，作為待判斷聚集區類型的聚集區的類型。

3.如權利要求1所述的方法，其特征在于，對所述車輛停靠點的聚集區進行地理信息點的關聯，將具有地理信息點的聚集區的特征數據以及地理信息點的類型數據加入標注樣本候選集，包括：

查找所述車輛停靠點的所有關聯的聚集區；

針對每個關聯的聚集區，獲取具有地理信息點的類型數據的聚集區的特征數據；

將所有具有地理信息點的類型數據的聚集區的特征數據以及對應的地理信息點的類型數據加入所述標注樣本候選集。

4.如權利要求3所述的方法，其特征在于，所述針對每個關聯的聚集區，獲取具有地理信息點的類型數據的聚集區的特征數據，包括：

針對每個關聯的聚集區，將與每個聚集區距離最近的地理信息點作為該聚集區對應的地理信息點；

獲取具有對應地理信息點的類型數據的聚集區的特征數據。

5.如權利要求1所述的方法，其特征在于，根據所述車輛停靠點的聚集區的聚集數據、地理信息系統數據、車輛靜態數據和車輛停靠數據確定聚集區的特征數據，包括：

根據所述車輛停靠點的聚集區的聚集數據確定聚集區的聚類特征、地理特征、車輛停靠特征和網絡關系特征；

根據所述車輛停靠點的地理信息系統數據確定聚集區的地理特征；

根據所述車輛停靠點的車輛靜態數據確定聚集區的車輛停靠特征；

根據所述車輛停靠點的車輛停靠數據確定聚集區的車輛停靠特征和網絡關系特征。

6.如權利要求1所述的方法，其特征在于，所述聚類特征包括聚集區內網格數、最小外接矩形長寬比、單鏈網格占比、聚集區周邊設定公里范圍內其余聚集區數量及密度；

所述地理特征包括聚集區與各級道路的最短距離、每條道路的網格占比。

7.如權利要求1所述的方法，其特征在于，所述車輛停靠特征為在聚集區內發生停靠的車輛的特征信息，包括車輛屬性特征和車輛停靠特征；所述車輛屬性特征包括車型、車型熵、車牌歸屬地與聚集區歸屬地一致的車輛數占比；所述車輛停靠特征包括車輛活躍天數、日均活躍次數、車輛停靠時間段、平均停靠時間、停靠次數日分布、周分布和月分布；

所述網絡關系特征包括判定為途經停靠的次數、判定為起終點停靠的次數、前繼后繼聚集區的距離大于給定閾值的次數和前繼后繼聚集區分布的熵值。

8.一種車輛聚集區類型確定系統，其特征在于，所述系統包括：

聚集區確定模塊，用于通過網格聚類確定目標區域中的車輛停靠點的聚集區；

聚集區特征數據獲取模塊，用于根據所述車輛停靠點的聚集區的聚集數據、地理信息系統數據、車輛靜態數據和車輛停靠數據確定聚集區的特征數據，所述聚集區的特征數據包括聚類特征、地理特征、車輛停靠特征和網絡關系特征；

標注樣本候選集模塊，用于對所述車輛停靠點的聚集區進行地理信息點的關聯，將具有地理信息點的聚集區的特征數據以及地理信息點的類型數據加入標注樣本候選集；

訓練模塊，用于采用分類模型對所述標注樣本候選集進行訓練，得到聚集區類型判斷模型。