[发明专利]道路权值确定方法、模型生成方法和路线规划方法及装置

权利要求书

1.一种道路权值确定方法，包括：

根据历史行驶轨迹记录的首、尾轨迹点和出发时间，规划从首轨迹点到尾轨迹点的规划路线；

将历史行驶轨迹包括的轨迹点进行道路匹配，得到所述轨迹点匹配的道路，由所述道路构成所述历史行驶轨迹对应的历史轨迹路线；

将历史轨迹路线和对应的规划路线组成一个样本；

利用所述样本的集合训练机器学习模型，输出道路的通行时间系数和通行距离系数；

根据道路的常规通行时间、通行距离、通行时间系数和通行距离系数，确定道路的权值。

2.如权利要求1所述的方法，所述根据历史行驶轨迹记录的首、尾轨迹点和出发时间，规划从所述首轨迹点到尾轨迹点的规划路线，具体包括：

将连通历史行驶轨迹记录的首、尾轨迹点的路线作为备选规划路线；

根据所述历史行驶轨迹记录的出发时间和所述出发时间对应的道路的权值确定各备选规划路线包含的各道路的道路权值之和；

根据备选规划路线的道路权值之和确定规划路线。

3.如权利要求1所述的方法，所述确定道路的权值后，还包括：

根据当前样本对应的历史行驶轨迹的首、尾轨迹点、出发时间和当前道路的权值确定新规划路线，将所述新规划路线加入所述样本；

利用所述新样本的集合训练当前训练好的所述机器学习模型，输出道路的新通行时间系数和新通行距离系数；

根据道路的常规通行时间、通行距离、新通行时间系数和新通行距离系数，确定道路的新权值；

判断是否满足预设的终止训练条件，若否，继续执行所述根据当前样本对应的历史行驶轨迹的首、尾轨迹点、出发时间和当前道路的权值确定新规划路线，将所述新规划路线加入所述样本。

4.如权利要求3所述的方法，所述将所述新规划路线加入所述样本前，还包括：

判断所述新规划路线是否与所述历史轨迹路线一致；

若否，执行所述将所述新规划路线加入所述样本；

若是，删除所述样本。

5.如权利要求3所述的方法，所述判断是否满足预设的终止训练条件，具体包括：

判断训练次数是否达到预设的次数阈值；和/或，

判断根据当前训练好的机器学习模型确定的损失函数值是否满足预设条件；和/或，

判断根据当前训练好的机器学习模型确定的偏航率是否满足预设条件。

6.如权利要求1所述的方法，所述利用所述样本的集合训练机器学习模型，具体包括：

获取所述样本中历史轨迹路线的各道路的设定特征参数的离散数据，获取所述样本中每条规划路线的各道路的设定特征参数的离散数据，得到离散样本；

使用所述离散样本的集合训练选定逻辑回归模型。

7.如权利要求1所述的方法，所述利用所述样本的集合训练机器学习模型，具体包括：

获取所述样本中历史轨迹路线的各道路的设定特征参数的连续特征表达数据，获取所述样本中每条规划路线的各道路的设定特征参数的连续特征表达数据，得到连续特征表达样本；

使用所述连续特征表达样本的集合训练选定神经网络模型。

8.如权利要求1-7任一所述的方法，所述根据历史行驶轨迹记录的首、尾轨迹点和出发时间，规划从所述首轨迹点到尾轨迹点的规划路线前，还包括：

判断历史行驶轨迹是否满足预设的样本条件；

若是，执行所述根据历史行驶轨迹记录的首、尾轨迹点和出发时间，规划从所述首轨迹点到尾轨迹点的规划路线；

若否，删除所述历史行驶轨迹。

9.如权利要求8所述的方法，所述判断历史行驶轨迹是否满足预设的样本条件，具体包括：

判断历史行驶轨迹是否包含违章记录信息；和/或，

判断历史行驶轨迹中任两个相邻轨迹点间的时间间隔是否都小于预设时间阈值。