[发明专利]一种共享设备位置预测方法、装置及存储介质

说明书

本说明书实施例提供一种共享设备位置预测方法、装置及存储介质，所述方法包括：获取共享设备每隔预设时间上传的心跳数据；所述心跳数据包括所述共享设备上传所述心跳数据时所处的位置信息；根据所述心跳数据生成多个样本数据；其中，每个样本数据包括多个按时间顺序排列的心跳数据；所述样本数据的标签为所述样本数据中末位心跳数据的后一个心跳数据的位置信息；使用深度神经网络提取各个样本数据的特征值向量；基于预设的目标函数，对各个样本数据的特征值向量和各个样本数据对应的位置信息进行拟合，得到所述样本数据与位置信息的归类条件；在所述目标函数收敛的情况下，根据所述归类条件对共享设备的位置进行预测，从而提高定位的准确率。

技术领域

本说明书实施例涉及人工智能技术领域，特别涉及一种共享设备位置预测方法、装置及存储介质。

背景技术

近年来，共享单车的出现打破了常规的出行方式,成为新型共享经济模式的载体，因为快捷的取车及停放模式，让共享单车在中国经历了快速地崛起，一些企业甚至进入了海外市场。由于共享单车一般采用无桩停放模式，为避免用户在骑行后对车辆进行随意停放影响公共交通，以及方便用户在需要用车时准确地找到车，共享单车通常设置有GPS定位装置，以使用户根据定位找到用车，以及在骑行后将车辆停放在预定的位置。

为提高对车辆的定位精度，目前，部分共享单车除了接入GPS定位之外，还接入了北斗定位。针对这部分共享单车，每辆共享单车的智能锁内均包含北斗定位装置，智能锁接收北斗卫星信号，向共享单车数据中心发送车辆定位信息。共享单车在后台通过采集车辆定位信息，了解每一辆车的实时位置和行动轨迹，形成大数据。

北斗导航定位覆盖范围更大、定位盲区小，采用北斗实现高精度定位，对于共享出行领域具有里程碑的意义。虽然理论上北斗的定位偏移量为米级甚至厘米级，但是必须借助外界辅助，实际应用时，不可能毫无偏移，为了解决“找不到车、还不了车”等常见问题，并降低超区、禁停区停车的误判率，我们仍需借助算法对偏移量作出预测。

现有的共享单车定位方式，仍然存在定位不准的问题，使得低超区、禁停区停车的误判率较高。

发明内容

本说明书实施例的目的是提供一种共享设备位置预测方法、装置及存储介质，以合理利用长期数据分析中的特征，提高定位的准确率。

为解决上述问题，本说明书实施例提供一种共享设备位置预测方法，所述方法包括：获取共享设备每隔预设时间上传的心跳数据；所述心跳数据包括所述共享设备上传所述心跳数据时所处的位置信息；根据所述心跳数据生成多个样本数据；其中，每个样本数据包括多个按时间顺序排列的心跳数据；所述样本数据的标签为所述样本数据中末位心跳数据的后一个心跳数据的位置信息；使用深度神经网络提取各个样本数据的特征值向量；基于预设的目标函数，对各个样本数据的特征值向量和各个样本数据对应的位置信息进行拟合，得到所述样本数据与位置信息的归类条件；在所述目标函数收敛的情况下，根据所述归类条件对共享设备的位置进行预测。

为解决上述问题，本说明书实施例还提供一种共享设备位置预测装置，所述装置包括：获取模块，用于获取共享设备每隔预设时间上传的心跳数据；所述心跳数据包括所述共享设备上传所述心跳数据时所处的位置信息；生成模块，用于根据所述心跳数据生成多个样本数据；其中，每个样本数据包括多个按时间顺序排列的心跳数据；所述样本数据的标签为所述样本数据中末位心跳数据的后一个心跳数据的位置信息；提取模块，用于使用深度神经网络提取各个样本数据的特征值向量；拟合模块，用于基于预设的目标函数，对各个样本数据的特征值向量和各个样本数据对应的位置信息进行拟合，得到所述样本数据与位置信息的归类条件；预测模块，用于在所述目标函数收敛的情况下，根据所述归类条件对共享设备的位置进行预测。