[发明专利]地图匹配方法、地图匹配模型的确定方法及装置在审
申请号: | 202110395970.6 | 申请日: | 2021-04-13 |
公开(公告)号: | CN113205113A | 公开(公告)日: | 2021-08-03 |
发明(设计)人: | 狄烨;李亚旭;李洋 | 申请(专利权)人: | 北京嘀嘀无限科技发展有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G01C21/30 |
代理公司: | 北京睿派知识产权代理事务所(普通合伙) 11597 | 代理人: | 刘锋 |
地址: | 100193 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 地图 匹配 方法 模型 确定 装置 | ||
本发明实施例公开了一种地图匹配方法、地图匹配模型的确定方法及装置,根据目标任务对应的位置点确定候选路段,将位置点的位置数据输入至地图匹配模型中进行处理,获取各候选路段的选择参数,根据各所述候选路段的选择参数确定目标路段,其中,地图匹配模型包括第一子模型和第二子模型,所述第二子模型为根据知识蒸馏方法训练获得的学生模型,所述学生模型对应的教师模型的训练样本数据根据所述第一子模型的数据处理结果进行标注确定,由此,本实施例可以将位置数据中的多个特征进行融合处理,以提高地图匹配的准确性,同时,可以减小地图匹配模型的尺寸,提高地图匹配效率。
技术领域
本发明涉及计算机技术领域,更具体地,涉及一种地图匹配方法、地图匹配模型的确定方法及装置。
背景技术
地图匹配(Map Matching)技术利用电子地图和定位信息来确定车辆在道路上的准确位置,其基本思想是将定位装置获得的车辆定位轨迹与电子地图数据库中的道路信息联系起来,并由此确定车辆相对于地图的位置。目前,地图匹配通常采用HMM(HiddenMarkov Model,隐马尔可夫模型)。在现有的HMM模型进行地图匹配时,影响转移概率的多种特征(例如距离、方向、速度等)是相互独立的,忽略了各特征的关联性可能带来的影响,导致地图匹配准确率较低。
发明内容
有鉴于此,本发明实施例提供一种地图匹配方法、地图匹配模型的确定方法及装置,以将位置数据中的多个特征进行融合处理,以提高地图匹配的准确性,同时,减小地图匹配模型的尺寸,提高地图匹配效率。
第一方面,本发明实施例提供一种地图匹配方法,所述方法包括:
根据目标任务对应的位置点确定至少一个候选路段;
将所述位置点的位置数据输入至地图匹配模型中的第一子模型中进行处理,获取各候选路段对应的第一参数,所述位置数据包括所述位置点与各候选路段的关联信息;
将所述位置数据输入至地图匹配模型的第二子模型中进行拟合处理,获取各候选路段对应的第二参数;
根据各所述候选路段的第一参数和第二参数确定各所述候选路段的选择参数;
根据各所述候选路段的选择参数确定目标路段;
其中,所述第二子模型为根据知识蒸馏方法训练获得的学生模型,所述学生模型对应的教师模型的训练样本数据根据所述第一子模型的数据处理结果进行标注确定。
可选的,所述位置数据包括位置点数据、所述位置点与各所述候选路段的距离、所述位置点的速度、各所述候选路段的限速信息、所述位置点的运动方向与各所述候选路段的方向的夹角信息中的一项或多项。
可选的,所述教师模型通过以下步骤训练获得:
将各样本的位置数据输入至所述第一子模型,确定各所述样本对应的各候选路段的选择参数,所述样本的位置数据至少包括所述样本的位置点与对应候选路段的关联信息;
将所述选择参数大于第一阈值的候选路段信息标注为所述教师模型的正样本数据;
将所述选择参数小于第二阈值的候选路段信息标注为所述教师模型的负样本数据;
根据所述正样本数据和所述负样本数据对所述教师模型进行分类任务训练,获取训练完成的教师模型。
可选的,所述第二子模型通过以下步骤训练获得:
将各样本的位置数据输入至所述训练完成的教师模型,获取各所述样本对应的各候选路段的第二参数;
根据各所述样本的位置数据、以及各所述样本对应的各候选路段的第二参数确定所述第二子模型的训练样本;
根据所述第二子模型的训练样本对所述第二子模型进行回归任务训练,获取训练完成的第二子模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京嘀嘀无限科技发展有限公司,未经北京嘀嘀无限科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110395970.6/2.html,转载请声明来源钻瓜专利网。