[发明专利]一种基于深度区域嵌入的露天矿区域功能分类方法

说明书

本发明公开了一种基于深度区域嵌入的露天矿区域功能分类方法，属于露天矿管理领域，首先对露天矿进行均匀单元区域划分，然后通过轨迹数据提取不同单元区域的特征信息，将不同单元区域构建成一个稀疏单元区域图；再则，利用结构化深度网络嵌入模型学习单元区域节点的空间嵌入表示，实现单元区域空间区域嵌入；然后，将单元区域特征时序序列作为双向长短期记忆神经网络的输入从而获取单元区域时序特征，实现单元区域时序区域嵌入，以弥补区域时间特征不足的问题；再则，将得到的单元区域节点的嵌入表示和单元区域序列特征进行特征融合，将最终特征融合结果输入到注意力层，解决不同特征权重分配不均问题；最后，进行训练得到更加准确的分类结果。

技术领域

本发明涉及露天矿管理领域，尤其是一种基于深度区域嵌入的露天矿区域功能分类方法。

背景技术

当今社会，各种地理信息采集技术尤其是“3S”技术，也即遥感卫星(RS)、全球定位系统(GPS)、地理信息系统(GIS)飞速发展，使得收集和存储海量地理交通数据变得日益简单。露天矿是一个集采集，运输为一体的大型生产系统，其中的卡车和挖机等车辆也都配备了GPS设备，每天都产生了大量的轨迹数据。随着时代的发展，越来越多的露天矿配备了生产调度系统，该系统通过内部计算合理的分配矿内卡车，挖机的配对，以最优的方式对卡车进行派单，即降低了运营成本也提高了采矿效率。通过精确的判断功能区域，调度系统可以迅速对卡车状态进行最合理的调节。由于露天矿具有多个采场和多个渣土场，且随着时间的推移，采场和渣土场都在不断地变化。目前采用手工标注的方式实现采场、渣土场的标识具有耗费人力、更新不及时、数据不准确等问题，所以通过露天矿上的轨迹数据来对功能区域分类显得至关重要。

露天矿区拥有多种功能区域，如采矿区域、卸矿区域等。不同的功能区域承担不同的职责。以往的研究大多是将重点放在了GPS轨迹的时序特征上，这是由出行规律所决定的，不同的时间段内，各自功能区表现出不同的时间特征，例如在工作日早上人们都是从居住区前往办公区。而露天矿场景下，由于卡车是根据派单时间进行工作，其在时间维度上的信息特征并不足以明确识别区域功能，但卡车在一个派单任务中要经过多个功能区域，不同功能区依托卡车轨迹存在了空间上的相互联系，因此如何利用卡车轨迹数据准确的对露天矿功能区域进行分类是优化露天矿卡车调度系统的重点研究。

GPS轨迹是区域功能识别最重要的数据之一，其内容主要包括上下车经纬度和时间，此前大部分研究通过研究出租车的起始点对城市功能进行识别，而由于轨迹通常是连续的，而出租车轨迹仅考虑了起始位置而忽略的中间行程所包含的区域信息，忽略了全局特征。同时城市出租车轨迹覆盖率较露天矿卡车轨迹更广，矿区卡车轨迹区域覆盖率较为稀疏，这给矿区功能识别带来了一定的挑战。

发明内容

本发明的目的是要提供一种基于深度区域嵌入的露天矿区域功能分类方法，解决现有技术中露天矿区采用手工标注的方式实现采场、渣土场的标识具有耗费人力、更新不及时、数据不准确的问题。

本发明采用的技术方案：一种基于深度区域嵌入的露天矿区域功能分类方法，首先对露天矿进行均匀单元区域划分，然后通过轨迹数据提取不同单元区域的特征信息，将不同单元区域构建成一个稀疏单元区域图；再则，利用结构化深度网络嵌入模型学习单元区域节点的空间嵌入表示，实现单元区域空间区域嵌入；然后，将单元区域特征时序序列作为双向长短期记忆神经网络的输入从而获取单元区域时序特征，实现单元区域时序区域嵌入，以弥补区域时间特征不足的问题；再则，将得到的单元区域节点的嵌入表示和单元区域序列特征进行特征融合，将最终特征融合结果输入到注意力层，解决不同特征权重分配不均问题；最后，进行训练，得到更加准确的分类结果。

具体步骤如下：

步骤S1、对露天矿区内的卡车GPS轨迹数据和露天矿区区域进行预处理，将原始露天矿轨迹数据进行数据清洗，并将露天矿区域进行单元区域划分，提取单元区域特征，并通过现有露天矿人工划分后的区域功能作为标签数据，即每个单元区域对应一种矿区功能，矿区功能包括采矿区、卸矿区、渣场等；