[发明专利]公交站点位置获取方法及装置

说明书

本发明实施例提供一种公交站点位置获取方法及装置，该方法包括：对目标公交线路的脊线段的状态参数以及脊线段中的车辆状态数据，进行特征提取，得到脊线段的特征数据；将特征数据输入至预设的机器学习网络模型，根据机器学习网络模型的输出结果，确定目标公交线路在该脊线段上是否有公交站点；其中，机器学习网络模型根据带有已知公交站点结果标签的脊线段样本训练后得到，脊线段为目标公交线路按预设距离划分得到，车辆状态数据中的车辆包括公交车辆和/或社会车辆。该方法可通过公交车辆行驶的定位数据及相对较少的路网数据，通过选取符合业务知识领域的特征数据实现，有效降低了机器学习算法训练的开销，且模型性能可靠，工程实现简便。

技术领域

本发明涉及智慧交通技术领域，尤其涉及一种公交站点位置获取方法及装置。

背景技术

随着我国城镇化进程的加快，加剧了城市交通拥堵的问题。发展公共交通对城市的交通系统的发展具有重要意义。目前全国公交日出行人次已达2.5亿，此种背景下催生出面对公众的实时公交类产品。此类数据驱动型的产品需要数据维护工作人员来维护更新多个城市大规模的公交线网基础数据，进而为用户提供可靠的公交实时信息。

因公交服务部门会根据市政建设、客流需求、城市规划等原因，会对公交中途站进行调整、新设，此种情形会导致数据维护人员接每天接收到大量的用户反馈。面对此种情况数据维护人员每天需要筛选排查大量线路的站点，进而推断出可能为公交中途站点的位置，此种工作方式效率低且成本高。

因此，迫切需要一种能够为数据维护人员提供公交中途站点位置的方法。

发明内容

为了解决上述问题，本发明实施例提供一种公交站点位置获取方法及装置。

第一方面，本发明实施例提供一种公交站点位置获取方法，包括：对目标公交线路的脊线段的状态参数以及脊线段中的车辆状态数据，进行特征提取，得到所述脊线段的特征数据；将所述特征数据输入至预设的机器学习网络模型，根据所述机器学习网络模型的输出结果，确定所述目标公交线路在该脊线段上是否有公交站点；其中，所述机器学习网络模型根据带有已知公交站点结果标签的脊线段样本训练后得到，所述脊线段为所述目标公交线路按预设距离划分得到，所述车辆状态数据中的车辆包括公交车辆和/或社会车辆。

进一步地，所述对目标公交线路的脊线段的状态参数以及脊线段中的车辆状态数据，进行特征提取之前，还包括：获取预设时间段内目标公交线路中，行驶车辆的定位数据；按照预设距离将所述目标公交线路划分为多个脊线段，确定每个脊线段的行驶车辆产生的车辆状态数据，以及脊线段的状态参数。

进一步地，所述获取预设时间段内目标公交线路中，行驶车辆的定位数据之前，还包括：根据获取的指定地标，确定待获取公交站点的区域；获取预设时间段内，所述区域中每一公交车辆的行驶轨迹，得到目标公交线路。

进一步地，所述车辆状态数据包括，车辆经过该脊线段的最大速度、最小速度和平均速度中的任意一种或多种；所述脊线段的状态参数包括，脊线段所属线路的唯一标识、所属线路的上下行方向、脊线段标识、脊线段的中心点坐标、脊线段的热力值、脊线段是否包括路口以及脊线段是否包括红绿灯，其中的任意一种或多种；其中，所述热力值为脊线段中预设时间段通过车辆的定位点数，包括公交车辆的热力值和/或社会车辆的热力值。

进一步地，所述进行特征提取，得到所述脊线段的特征数据，包括：将当前脊线段前后相邻的若干脊线段的热力值作为当前脊线段特征数据的一部分；其中，所述热力值为脊线段中预设时间段通过车辆的定位点数，包括公交车辆的热力值和/或社会车辆的热力值。