[发明专利]地铁运行状态的预测及模型的训练方法、装置及存储介质

说明书

本申请实施例公开了一种地铁运行状态的预测及模型的训练方法、装置、终端及存储介质，属于计算机技术领域。由于本申请在获取运动数据后可以输入至预测模型中，由于该预测模型是基于训练集训练得到的模型，且训练过程中能够通过目标参数处理样本，降低样本中的噪声对于最终训练得到的预测模型的精度的影响。因此，本申请提供的地铁运行状态的预测方法，能够通过该预测模型较为准确地确定地铁的运行状态，从而提高了终端判断地铁运行状态的准确性。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种地铁运行状态的预测及模型的训练方法、装置及存储介质。

背景技术

随着现代交通的发展，地铁成为城市交通中较为常见的通行方式。能够用于确定地铁当前的运行状态，成为智能终端的一种功能的发展方向。

相关技术中，智能终端通过直接读取惯性测量单元中的数据，将惯性测量单元与指定数据阈值进行比较，判断地铁是否处于运动状态，从而实现终端确定地铁的当前运行情况。然而，该提醒方式由于较为刻板，使得不同的线路的判断逻辑相同且不能够在车辆停车之前预先判断出停车趋势，导致判断时延较高且判断灵敏性较弱。

发明内容

本申请实施例提供了一种地铁运行状态的预测及模型的训练方法、装置及存储介质。所述技术方案如下：

根据本申请的一方面内容，提供了一种地铁运行状态的预测方法，应用于终端中，所述终端中设置有惯性测量单元，所述方法包括：

从所述惯性测量单元中读取运动数据，所述运动数据用于指示所述终端的运动状态；

将所述运动数据输入至预测模型，所述预测模型是初始的预测模型基于训练集训练得到的神经网络模型，所述训练集用于对所述初始的预测模型进行k轮训练以得到n个第一样本各自对应的目标参数，所述目标参数用于指示第一样本中包含的噪声的程度，一个第一样本对应k组所述目标参数，所述目标参数用于输入至教师网络以得到所述第一样本的权重，所述权重用于从所述训练集中随机确定两个所述第一样本进行融合以得到第二样本，所述第二样本用于训练所述初始的预测模型以得到训练后的预测模型；

通过所述预测模型确定所述地铁的运行状态，所述运行状态包括行驶状态和停车状态。

根据本申请的另一方面内容，提供了一种预测模型的训练方法，所述方法包括：

获取初始的预测模型，所述初始的预测模型是未经过训练的神经网络模型；

基于训练集对所述初始的预测模型进行k轮训练，得到n个第一样本各自对应的目标参数，所述目标参数用于指示第一样本中包含的噪声的程度，一个第一样本对应k组所述目标参数；

将每一个所述第一样本的所述k组目标参数输入至教师模型，得到所述第一样本的权重；

基于所述权重随机从所述训练集中选取两个所述第一样本进行融合，得到第二样本；

基于所述第二样本训练所述初始的预测模型，得到训练后的预测模型。

根据本申请的另一方面内容，提供了一种地铁运行状态的预测及模型的训练装置，应用于终端中，所述终端中设置有惯性测量单元，所述装置包括：

数据读取模块，用于从所述惯性测量单元中读取运动数据，所述运动数据用于指示所述终端的运动状态；

数据输入模块，用于将所述运动数据输入至预测模型，所述预测模型是初始的预测模型基于训练集训练得到的神经网络模型，所述训练集用于对所述初始的预测模型进行k轮训练以得到n个第一样本各自对应的目标参数，所述目标参数用于指示第一样本中包含的噪声的程度，一个第一样本对应k组所述目标参数，所述目标参数用于输入至教师网络以得到所述第一样本的权重，所述权重用于从所述训练集中随机确定两个所述第一样本进行融合以得到第二样本，所述第二样本用于训练所述初始的预测模型以得到训练后的预测模型；