[发明专利]到港货车数量预测模型训练方法、预测方法、装置及系统

说明书

本说明书公开了一种到港货车数量预测模型的训练方法、到港货车数量的预测方法、装置、系统及计算机可读存储介质。该训练方法包括：采集港口周边预定区域内行驶的各货车的车载装置上报的货车实时状态信息；基于采集的货车实时状态信息和实际到港货车数量构造训练样本集；基于所述训练样本集训练到港货车数量预测模型。本发明实施例可以提高训练的到港货车数量预测模型的精度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种到港货车数量预测模型的训练方法、到港货车数量的预测方法、装置、系统及计算机可读存储介质。

背景技术

港口是具有水陆联运设备以及条件供船舶安全进出和停泊的运输枢纽，是水陆交通的集结点和枢纽，工农业产品和外贸进出口物资的集散地，用于船舶停泊、装卸货物。

港口包括水域和陆域，陆域指港口供货物装卸、堆存、转运和旅客集散之用的陆地面积。由装载货物的货车、火车等通过进港陆上通道(铁路、道路等)输送到港口或从港口输出货物。当需要在港口进行装卸的货车大量涌入港口时，由于港口陆地面积的限制，以及装卸货物需花费大量时间的限制，会导致到港货车大面积拥堵，造成港口运行效率降低。

发明内容

本发明的目的在于提供一种到港货车数量预测模型的训练方法、到港货车数量的预测方法、装置、系统及计算机可读存储介质，以提高到港货车预测的精度。

根据本发明的第一方面，提供了一种到港货车数量预测模型的训练方法，该方法包括：

采集港口周边预定区域内行驶的各货车的车载装置上报的货车实时状态信息；

基于采集的货车实时状态信息和实际到港货车数量构造训练样本集；

基于所述训练样本集训练到港货车数量预测模型。

可选的，所述货车实时状态信息包括：货车标识、信息上报时间戳、货车当前位置、货车当前行驶方向和货车当前行驶速度。

可选的，所述基于采集的货车实时状态信息和实际到港货车数量构造训练样本集包括：

定义样本，其中，某一时刻的样本由该时刻本身和该时刻后的预定时间段内的到港货车数量定义；

基于采集的货车实时状态信息为每条样本构造特征，其中，每条样本的特征包括：在相应时刻，所述预定区域内的货车数量、所述预定区域内的货车行驶速度、不同方向上行驶的货车数量、不同方向上行驶的货车速度。

可选的，该方法还包括将所述预定区域进行空间网格划分得到多个网格区域，以用于为每条样本构造空间网格特征，其中，所述空间网格特征包括：在相应时刻，所述网格区域内的货车数量、所述网格区域内的货车行驶速度、不同方向上行驶的货车数量、不同方向上行驶的货车速度。

可选的，所述为每条样本构造空间网格特征包括：

获取相应时刻所述多个网格区域内的货车数量、货车行驶速度、不同方向上行驶的货车数量、不同方向上行驶的货车速度对应的特征；

将所述特征拼接成一个特征向量作为所述空间网格特征。

可选的，在所述将所述预定区域进行空间网格划分得到多个网格区域的步骤之前，该方法还包括：

确定所述预定区域；

其中，所述确定所述预定区域包括：

以所述港口的位置为中心，沿东、西、南、北四个方向向外扩展第一距离a，得到为第一正方形的所述预定区域；

其中，所述将所述预定区域进行空间网格划分得到多个网格区域包括：

以第二距离b为边长，将所述第一正方形的所述预定区域划分为多个为第二正方形的所述网格区域，其中a＝k×b，k为系数，k≥1。