本發(fā)明涉及道路行駛，具體涉及基于基站數(shù)據(jù)的里程估算方法、裝置及存儲介質(zhì)。

背景技術(shù)：

1、隨著移動通信技術(shù)和智能交通系統(tǒng)的快速發(fā)展，利用基站數(shù)據(jù)估算車輛行駛的真實里程成為可能。

2、而最鄰近算法(nearest?neighbor?algorithm,nna)作為現(xiàn)有技術(shù)中常見的一種基站數(shù)據(jù)路網(wǎng)擬合方法，用于將基站的位置信息與現(xiàn)有的道路網(wǎng)絡(luò)進(jìn)行匹配，從而得到里程的預(yù)測值，這種方法的基本思路是將每個基站的位置點映射到距離其最近的道路節(jié)點上；但由于其忽略了基站軌跡與真實軌跡的關(guān)系，從而導(dǎo)致路網(wǎng)擬合使用的數(shù)據(jù)有偏差，預(yù)測結(jié)果的精準(zhǔn)度較低。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供基于基站數(shù)據(jù)的里程估算方法、裝置及存儲介質(zhì)，以解決現(xiàn)有技術(shù)的最鄰近算法忽略了基站軌跡與真實軌跡的關(guān)系，從而導(dǎo)致路網(wǎng)擬合使用的數(shù)據(jù)有偏差，預(yù)測結(jié)果的精準(zhǔn)度較低的問題。

2、根據(jù)本發(fā)明實施例的第一方面，提供基于基站數(shù)據(jù)的里程估算方法，所述方法包括：

3、獲取待預(yù)測目標(biāo)在一段時間內(nèi)的基站數(shù)據(jù)；

4、根據(jù)所述基站數(shù)據(jù)獲取每一個軌跡點數(shù)據(jù)，所述軌跡點數(shù)據(jù)包括時間戳以及地理坐標(biāo)；

5、將所有的軌跡點數(shù)據(jù)按照時間戳升序進(jìn)行排列，得到有序的基站位置數(shù)據(jù)；

6、對所述有序的基站位置數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)基站位置數(shù)據(jù)；

7、將所述標(biāo)準(zhǔn)基站位置數(shù)據(jù)拆分為多段行程軌跡；

8、根據(jù)每段行程軌跡中第一個軌跡點的時間戳以及最后一個軌跡點的時間戳獲取每段行程軌跡的耗時；

9、獲取每段行程軌跡的所有重心點，根據(jù)每段行程軌跡的所有重心點獲取每段行程軌跡的重心點軌跡，根據(jù)所述重心點軌跡中每一個重心的坐標(biāo)獲取每段行程軌跡的距離；

10、根據(jù)每段行程軌跡的重心點軌跡獲取途徑的道路密度分布；

11、將每段行程軌跡的耗時、距離以及途徑的道路密度分布作為特征數(shù)據(jù)輸入到預(yù)訓(xùn)練好的里程預(yù)測模型中，得到所述待預(yù)測目標(biāo)的里程預(yù)測結(jié)果。

12、優(yōu)選地，

13、所述預(yù)訓(xùn)練好的里程預(yù)測模型的訓(xùn)練包括：

14、獲取不同時間段的多個基站數(shù)據(jù)；

15、獲取多個基站數(shù)據(jù)的每段行程軌跡的耗時、距離以及途徑的道路密度分布；

16、構(gòu)建mla模型框架，設(shè)置mla模型框架的損失函數(shù)；

17、將所述多個基站數(shù)據(jù)的每段行程軌跡的耗時、距離以及途徑的道路密度分布作為所述mla模型框架的輸入對mla模型框架進(jìn)行迭代訓(xùn)練，直到損失函數(shù)不再降低或達(dá)到預(yù)設(shè)的迭代次數(shù)為止，得到所述預(yù)訓(xùn)練好的里程預(yù)測模型。

18、優(yōu)選地，

19、所述對所述有序的基站位置數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)基站位置數(shù)據(jù)包括：

20、根據(jù)每個軌跡點的地理坐標(biāo)，將經(jīng)緯度不在預(yù)設(shè)經(jīng)緯度范圍內(nèi)的軌跡點進(jìn)行移除；

21、對任意兩個相鄰軌跡點，判斷相鄰兩個軌跡點的地理坐標(biāo)是否一致，若一致，則移除任意一個軌跡點；

22、采用預(yù)設(shè)的時間窗算法檢測所有軌跡點中是否存在跳點，對于檢測出的跳點進(jìn)行移除，得到所述標(biāo)準(zhǔn)基站位置數(shù)據(jù)。

23、優(yōu)選地，

24、所述采用預(yù)設(shè)的時間窗算法檢測所有軌跡點中是否存在跳點包括：

25、定義一個滑動窗口，所述滑動窗口包含預(yù)設(shè)數(shù)量或預(yù)設(shè)時間段內(nèi)的軌跡點；

26、對于滑動窗口內(nèi)的每一個軌跡點，獲取當(dāng)前軌跡點與前一個軌跡點的時間差，以及根據(jù)當(dāng)前軌跡點與前一個軌跡點的地理坐標(biāo)獲取地理距離；

27、根據(jù)所述當(dāng)前軌跡點與前一個軌跡點的時間差以及地理距離獲取兩個軌跡點之間的平均速度；

28、若平均速度大于預(yù)設(shè)的速度閾值，則當(dāng)前軌跡點為跳點。

29、優(yōu)選地，

30、所述將所述標(biāo)準(zhǔn)基站位置數(shù)據(jù)拆分為多段行程軌跡包括：

31、根據(jù)任意兩個相鄰軌跡點的時間戳獲取任意兩個相鄰軌跡點的時間差；

32、將相鄰兩個軌跡點的時間差與預(yù)設(shè)的時間閾值進(jìn)行比較，若相鄰兩個軌跡點的時間差大于或等于預(yù)設(shè)的時間閾值，則相鄰兩個軌跡點分屬于不同的行程軌跡，相鄰兩個軌跡點分別為相鄰兩個行程軌跡的結(jié)束軌跡點和開始軌跡點。

33、優(yōu)選地，

34、所述獲取每段行程軌跡的所有重心點包括：

35、獲取每段行程軌跡中任意三個相鄰軌跡點的地理坐標(biāo)的平均值，將任意三個相鄰軌跡點的地理坐標(biāo)的平均值作為三個相鄰軌跡點的重心點；

36、根據(jù)每段行程軌跡的時間戳先后順序，得到所述每段行程軌跡的所有重心點。

37、根據(jù)本發(fā)明實施例的第二方面，提供基于基站數(shù)據(jù)的里程估算裝置，所述裝置包括：

38、基站數(shù)據(jù)獲取模塊：用于獲取待預(yù)測目標(biāo)在一段時間內(nèi)的基站數(shù)據(jù)；

39、軌跡點獲取模塊：用于根據(jù)所述基站數(shù)據(jù)獲取每一個軌跡點數(shù)據(jù)，所述軌跡點數(shù)據(jù)包括時間戳以及地理坐標(biāo)；

40、軌跡點排序模塊：用于將所有的軌跡點數(shù)據(jù)按照時間戳升序進(jìn)行排列，得到有序的基站位置數(shù)據(jù)；

41、預(yù)處理模塊：用于對所述有序的基站位置數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)基站位置數(shù)據(jù)；

42、行程軌跡拆分模塊：用于將所述標(biāo)準(zhǔn)基站位置數(shù)據(jù)拆分為多段行程軌跡；

43、耗時獲取模塊：用于根據(jù)每段行程軌跡中第一個軌跡點的時間戳以及最后一個軌跡點的時間戳獲取每段行程軌跡的耗時；

44、距離獲取模塊：用于獲取每段行程軌跡的所有重心點，根據(jù)每段行程軌跡的所有重心點獲取每段行程軌跡的重心點軌跡，根據(jù)所述重心點軌跡中每一個重心的坐標(biāo)獲取每段行程軌跡的距離；

45、道路密度分布獲取模塊：用于根據(jù)每段行程軌跡的重心點軌跡獲取途徑的道路密度分布；

46、預(yù)測模塊：用于將每段行程軌跡的耗時、距離以及途徑的道路密度分布作為特征數(shù)據(jù)輸入到預(yù)訓(xùn)練好的里程預(yù)測模型中，得到所述待預(yù)測目標(biāo)的里程預(yù)測結(jié)果。

47、根據(jù)本發(fā)明實施例的第三方面，提供一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被主控器執(zhí)行時，實現(xiàn)上述方法中的各個步驟。

48、本發(fā)明的實施例提供的技術(shù)方案可以包括以下有益效果：

49、本申請通過獲取待預(yù)測目標(biāo)在一段時間內(nèi)的基站數(shù)據(jù)，并進(jìn)行預(yù)處理后得到標(biāo)準(zhǔn)基站位置數(shù)據(jù)，然后將軌跡拆分為多段行程軌跡，并分別獲取每段行程軌跡的耗時，同時獲取每段行程軌跡的重心點，通過重心點軌跡獲取每段行程軌跡的距離以及途徑的道路密度分布，利用每段行程軌跡的耗時、距離以及途徑的道路密度分布作為預(yù)訓(xùn)練好的模型輸入，模型輸出里程預(yù)測值；本申請的方案通過使用人工智能模型學(xué)習(xí)軌跡形狀的特征，基于基站軌跡修正為真實軌跡，通過每段行程軌跡的耗時、距離以及途徑的道路密度分布表示基站軌跡與真實軌跡的關(guān)系，從而提高了基于基站數(shù)據(jù)預(yù)測行駛里程的精準(zhǔn)度。

50、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

技術(shù)特征：

1.基于基站數(shù)據(jù)的里程估算方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，

7.基于基站數(shù)據(jù)的里程估算裝置，其特征在于，所述裝置包括：

8.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被主控器執(zhí)行時，實現(xiàn)如權(quán)利要求1-6任一項所述的基于基站數(shù)據(jù)的里程估算方法中的各個步驟。

技術(shù)總結(jié)
本發(fā)明涉及基于基站數(shù)據(jù)的里程估算方法、裝置及存儲介質(zhì)，應(yīng)用于道路行駛技術(shù)領(lǐng)域，包括：通過獲取待預(yù)測目標(biāo)在一段時間內(nèi)的基站數(shù)據(jù)，并進(jìn)行預(yù)處理后得到標(biāo)準(zhǔn)基站位置數(shù)據(jù)，然后將軌跡拆分為多段行程軌跡，并分別獲取每段行程軌跡的耗時，同時獲取每段行程軌跡的重心點，通過重心點軌跡獲取每段行程軌跡的距離以及途徑的道路密度分布，利用每段行程軌跡的耗時、距離以及途徑的道路密度分布作為預(yù)訓(xùn)練好的模型輸入，模型輸出里程預(yù)測值；本申請的方案通過使用人工智能模型學(xué)習(xí)軌跡形狀的特征，基于基站軌跡修正為真實軌跡，提高了基于基站數(shù)據(jù)預(yù)測行駛里程的精準(zhǔn)度。

技術(shù)研發(fā)人員：朱瑞,何道峰,張富貝
受保護(hù)的技術(shù)使用者：優(yōu)必愛信息技術(shù)（北京）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28