[发明专利]骑行路线生成方法、装置、设备及存储介质

权利要求书

1.一种骑行路线生成方法，其特征在于，所述骑行路线生成方法包括：

获取目标用户的初始数据，并对所述初始数据进行预处理，得到目标数据，所述目标数据用于指示多个虚拟骑行路线；

调用预置的卷积神经网络模型分别对所述多个虚拟骑行路线进行道路环境识别，得到每一虚拟骑行路线对应的目标环境要素；

对每一虚拟骑行路线对应的目标环境要素进行数据处理，得到每一虚拟骑行路线对应的离散化道路数据；

调用预置的离散选择模型对每一虚拟骑行路线对应的离散化道路数据进行偏好分析，得到每一虚拟骑行路线对应的候选概率值；

对每一虚拟骑行路线对应的候选概率值进行比较，并将目标概率值对应的虚拟骑行路线作为目标骑行路线，所述目标概率值为所述多个候选概率值中的最大值。

2.根据权利要求1所述的骑行路线生成方法，其特征在于，所述获取目标用户的初始数据，并对所述初始数据进行预处理，得到目标数据，所述目标数据用于指示多个虚拟骑行路线，包括：

从预置的数据库中查询目标用户的初始数据；

对所述初始数据进行数据清洗，得到目标数据，所述目标数据用于指示多个虚拟骑行路线。

3.根据权利要求1所述的骑行路线生成方法，其特征在于，所述调用预置的卷积神经网络模型分别对所述多个虚拟骑行路线进行道路环境识别，得到每一虚拟骑行路线对应的目标环境要素，包括：

调用预置的街景地图匹配所述多个虚拟骑行路线的街景图像，得到每一虚拟骑行路线对应的街景图像；

通过预置的卷积神经网络模型中的卷积层分别对每一虚拟骑行路线对应的街景图像进行卷积运算，得到每一虚拟骑行路线对应的目标道路环境；

通过预置的卷积神经网络模型中的全连接层对每一虚拟骑行路线对应的目标道路环境进行特征提取，得到每一虚拟骑行路线对应的目标环境要素。

4.根据权利要求1所述的骑行路线生成方法，其特征在于，所述对每一虚拟骑行路线对应的目标环境要素进行数据处理，得到每一虚拟骑行路线对应的离散化道路数据，包括：

对每一虚拟骑行路线对应的目标环境要素进行分类，得到多个目标环境要素类；

获取每个目标环境要素类的特征量，并根据所述特征量构建决策树；

基于所述决策树对所述多个目标环境要素类进行数据划分，并对数据划分后的所述多个目标环境要素类进行数据离散化，得到每一虚拟骑行路线对应的离散化道路数据。

5.根据权利要求1所述的骑行路线生成方法，其特征在于，所述调用预置的离散选择模型对每一虚拟骑行路线对应的离散化道路数据进行偏好分析，得到每一虚拟骑行路线对应的候选概率值，包括：

获取每一虚拟骑行路线对应的离散化道路数据对应的权重，得到每一虚拟骑行路线对应的离散化道路数据的权重系数；

基于所述权重系数并通过预置的离散选择模型中的效用函数对每一虚拟骑行路线对应的离散化道路数据进行效用计算，得到每一虚拟骑行路线对应的目标效用值；

通过预置的离散选择模型中的概率函数对每一虚拟骑行路线对应的目标效用值进行路线概率值计算，确定每一虚拟骑行路线对应的候选概率值。

6.根据权利要求1所述的骑行路线生成方法，其特征在于，所述对每一虚拟骑行路线对应的候选概率值进行比较，并将目标概率值对应的虚拟骑行路线作为目标骑行路线，所述目标概率值为所述多个候选概率值中的最大值，包括：

对每一虚拟骑行路线对应的候选概率值进行比较，得到所述多个候选概率值对应的目标排序；

基于所述候选概率值对应的目标排序获取所述目标排序中的最大值，并将所述多个候选概率值中最大值对应的虚拟骑行路线作为目标骑行路线。