[发明专利]骑行路线生成方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种骑行路线生成方法、装置、设备及存储介质，用于提高骑行路线生成的准确率。所述骑行路线生成方法包括：调用卷积神经网络模型分别对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，得到离散化道路数据；调用离散选择模型对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，目标概率值为多个候选概率值中的最大值。此外，本发明还涉及区块链技术，目标骑行路线可存储于区块链节点中。

技术领域

本发明涉及图像处理领域，尤其涉及一种骑行路线生成方法、装置、设备及存储介质。

背景技术

在低碳可持续发展越来越深入人心下，城市生活依赖小汽车出行的严重性正逐渐得到重视，绿色出行的理念愈发深入人心。由此，以自行车出行为代表的出行方式开始回归人们的视野。而在实际上，近年来多个城市建设了绿色体系、公共自行车系统，这些实践得到了良好的社会反响，反应了人民群众对绿色出行的迫切需求。

现有方案主要是获取骑行者的实际路径，分析实际路径与道路属性相关性，或者在虚拟路径中选择最愿意骑行的路径，来确定环境要素对路径偏好的影响，但是目前骑行路径预测的准确率低。

发明内容

本发明提供了一种骑行路线生成方法、装置、设备及存储介质，用于提高骑行路线生成的准确率。

本发明第一方面提供了一种骑行路线生成方法，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。

可选的，在本发明第一方面的第一种实现方式中，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。

可选的，在本发明第一方面的第二种实现方式中，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。

可选的，在本发明第一方面的第三种实现方式中，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。