[发明专利]露天矿卡车状态识别模型建立方法及其应用

说明书

本申请实施例公开了一种露天矿卡车状态识别模型建立方法及其应用，其中露天矿卡车状态识别模型建立方法包括：获取现有的露天矿卡车轨迹数据，卡车轨迹数据包括已经人工标记过卡车运行状态的轨迹的有标签数据，和原始GPS轨迹的无标签数据；根据卡车轨迹数据得到轨迹数据多运动特征序列，轨迹数据多运动特征序列包括有标签多运动特征序列和无标签多运动特征序列；利用轨迹数据多运动特征序列作为输入，基于对比学习增强方法对BERT模型进行无监督预训练；调整经过预训练后得到的BERT模型，然后利用有标签多运动特征序列作为输入，进行监督学习，优化模型参数，得到露天矿卡车状态识别模型。解决了大量无标签轨迹数据无法得到有效利用的问题。

技术领域

本申请涉及露天矿卡车状态识别技术领域，具体涉及一种露天矿卡车状态识别模型建立方法及其应用。

背景技术

露天矿区开采环境恶劣，卡车运行状态(等待装车、正在装车、重车运行、空车运行、正在卸车)还需现场工作人员记录每个状态对应的时间段，耗费大量的人力和时间成本。利用卡车GPS信号产生的轨迹数据对卡车状态进行识别，可以高效的分析每辆车各种运行状态花费的时间，从而对卡车工作效率进行分析并且可以提高露天矿开采效率。但是，人工记录数据标签代价巨大，并且数据标注质量较差，仅利用少量的标签数据使得分类模型无法充分学习卡车的运动特征，从而造成分类模型泛化与分类效果表现较差。同时，利用卡车GPS信号产生的轨迹数据是无标签数据，数据量大且无法得到有效利用，如何将无标签数据用于模型训练，提高模型分类能力的问题亟待解决。

发明内容

本申请实施例的目的在于提供一种露天矿卡车状态识别模型建立方法及其应用，用以解决现有技术中的卡车状态识别技术领域中大量无标签轨迹数据无法得到有效利用的问题。

为实现上述目的，本申请实施例提供一种露天矿卡车状态识别模型建立方法，包括：获取现有的露天矿卡车轨迹数据，所述卡车轨迹数据包括已经人工标记过卡车运行状态的轨迹的有标签数据，和原始GPS轨迹的无标签数据；

根据所述卡车轨迹数据得到轨迹数据多运动特征序列，所述轨迹数据多运动特征序列包括有标签多运动特征序列和无标签多运动特征序列；

利用所述轨迹数据多运动特征序列作为输入，基于对比学习增强方法对BERT模型进行无监督预训练；

调整经过预训练后得到的所述BERT模型，然后利用所述有标签多运动特征序列作为输入，进行监督学习，优化模型参数，得到所述露天矿卡车状态识别模型。

可选地，所述有标签数据，包括对应轨迹数据的轨迹点经纬度、时间戳和运行状态；

所述无标签数据，包括对应轨迹数据的轨迹点经纬度和时间戳。

可选地，所述根据所述卡车轨迹数据得到轨迹数据多运动特征序列包括：

将所述有标签数据按照其对应的卡车运行状态类别标签分割成具有单一运行状态的轨迹段集合，作为有标签轨迹段；

将所述无标签数据按照修剪的精确线性时间分割得到运行状态的轨迹段集合，作为无标签轨迹段；

根据所述有标签轨迹段和无标签轨迹段所包含的轨迹点经纬度、时间戳，获取所有轨迹序列的相对距离、速度、加速度和/或方向角序列，得到所述轨迹数据多运动特征序列。

可选地，将任意一条有标签轨迹段定义为n是轨迹段的长度，每个轨迹点p_i＝{lon_i,l at_i,t_i}包含经纬度和时间戳三种数据，表示有标签轨迹段与其标签y_i的二元组，任意一条无标签轨迹段定义为,p₂,…,p_n}，长度也为n；

所述根据所述卡车轨迹数据得到轨迹数据多运动特征序列具体包括：