【技术实现步骤摘要】
本公开涉及人工智能领域，尤其涉及智能交通领域，具体为一种交通方式识别和训练分类模型的方法和装置。
技术介绍
1、在实现智能交通系统的过程中，我们面临着一个重要的任务，即准确识别用户当前的交通方式，无论是在地铁上、公交上还是驾车上。这项任务对于提供个性化的交通服务、改善用户出行体验具有至关重要的意义。
2、然而，城市交通路网和公交路网的复杂性以及重叠部分的存在，对于出行方式的准确识别确实造成了一定挑战。例如，同一段路可能既适用于公交，又可能是驾车的道路，甚至可能是平行于地面或地下的地铁线路，这种情况下很难准确区分。
技术实现思路
1、本公开提供了一种交通方式识别和训练分类模型的方法、装置、设备、存储介质以及计算机程序产品。
2、根据本公开的第一方面，提供了一种交通方式识别方法，包括：根据用户终端的传感器数据确定用户是否在地下地铁线路上；响应于确定出用户不在地下地铁线路上，将用户轨迹与路网信息进行匹配，得到绑路信息；基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式。
3、根据本公开的第二方面，提供了一种训练分类模型的方法，包括：获取训练样本，其中，所述训练样本包括特征和实际交通方式，其中，所述特征基于绑路信息、用户轨迹和传感器数据生成；将所述特征输入初始的分类模型，输出预测交通方式；基于预测交通方式和实际交通方式的差异调整所述分类模型的网络参数。
4、根据本公开的第三方面，提供了一种交通方式识别装置，包括：确定单元，被配置成根据
5、根据本公开的第四方面，提供了一种训练分类模型的装置，包括：获取单元，被配置成获取训练样本，其中，所述训练样本包括特征和实际交通方式，其中，所述特征基于绑路信息、用户轨迹和传感器数据生成；预测单元，被配置成将所述特征输入初始的分类模型，输出预测交通方式；调整单元，被配置成基于预测交通方式和实际交通方式的差异调整所述分类模型的网络参数。
6、根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面和第二方面中任一项所述的方法。
7、根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面和第二方面中任一项所述的方法。
8、根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面和第二方面中任一项所述的方法。
9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种交通方式识别方法，包括：
2.根据权利要求1所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式，包括：
3.根据权利要求1所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式，包括：
4.根据权利要求1所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式，包括：
5.根据权利要求2所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据提取特征，包括：
6.根据权利要求2所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据提取特征，包括：
7.根据权利要求2所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据提取特征，包括：
8.根据权利要求2所述的方法，其中，所述将所述特征输入预先训练的分类模型，输出交通方式，包括：
9.根据权利要求2所述的方法，其中，所述方法还包括：
10.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度；
11.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度；以及
12.根据权利要求1所述的方法，其中，所述传感器数据包括可连接无线局域网的设备信息；以及
13.根据权利要求1所述的方法，其中，所述根据用户终端的传感器数据确定用户是否在地下地铁线路上，包括：
14.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度和可连接无线局域网的设备信息；以及
15.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度和可连接无线局域网的设备信息；以及
16.根据权利要求1所述的方法，其中，所述将用户轨迹与路网信息进行匹配，得到绑路信息，包括：
17.根据权利要求16所述的方法，其中，所述将该边与所述用户轨迹绑定，得到绑路信息，包括：
18.根据权利要求16所述的方法，其中，所述将该边与所述用户轨迹绑定，得到绑路信息，包括：
19.一种训练分类模型的方法，包括：
20.根据权利要求19所述的方法，其中，所述分类模型包括极度梯度提升树。
21.一种交通方式识别装置，包括：
22.根据权利要求21所述的装置，其中，所述预测单元进一步被配置成：
23.根据权利要求21所述的装置，其中，所述预测单元进一步被配置成：
24.根据权利要求21所述的装置，其中，所述预测单元进一步被配置成：
25.根据权利要求22所述的装置，其中，所述预测单元进一步被配置成：
26.根据权利要求22所述的装置，其中，所述预测单元进一步被配置成：
27.根据权利要求22所述的装置，其中，所述预测单元进一步被配置成：
28.根据权利要求22所述的装置，其中，所述预测单元进一步被配置成：
29.根据权利要求22所述的装置，其中，所述预测单元进一步被配置成：
30.根据权利要求21所述的装置，其中，所述传感器数据包括海拔高度；以及
31.根据权利要求21所述的装置，其中，所述传感器数据包括海拔高度；以及
32.根据权利要求21所述的装置，其中，所述传感器数据包括可连接无线局域网的设备信息；以及
33.根据权利要求21所述的装置，其中，所述确定单元进一步被配置成：
34.根据权利要求21所述的装置，其中，所述传感器数据包括海拔高度和可连接无线局域网的设备信息；以及
35.根据权利要求21所述的装置，其中，所述传感器数据包括海拔高度和可连接无线局域网的设备信息；以及
36.根据权利要求21所述的装置，其中，所述绑路单元进一步被配置成：
37.根据权利要求36所述的装置，其中，所述绑路单元进一步被配置成：
38.根据权利要求36所述的装置，其中，所述绑路单元进一步被配置成：
39.一种训练分类模型的装置，包括：
40.根据权利要求39所述的装置，其中，所述分类模型包括极度梯度提升树。
41.一种电子设备，包括：
42.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-20中任一项所述的方法。
43.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-20中任一项所述的方法。
...【技术特征摘要】
1.一种交通方式识别方法，包括：
2.根据权利要求1所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式，包括：
3.根据权利要求1所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式，包括：
4.根据权利要求1所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据确定交通方式，包括：
5.根据权利要求2所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据提取特征，包括：
6.根据权利要求2所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据提取特征，包括：
7.根据权利要求2所述的方法，其中，所述基于所述绑路信息、所述用户轨迹和所述传感器数据提取特征，包括：
8.根据权利要求2所述的方法，其中，所述将所述特征输入预先训练的分类模型，输出交通方式，包括：
9.根据权利要求2所述的方法，其中，所述方法还包括：
10.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度；以及
11.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度；以及
12.根据权利要求1所述的方法，其中，所述传感器数据包括可连接无线局域网的设备信息；以及
13.根据权利要求1所述的方法，其中，所述根据用户终端的传感器数据确定用户是否在地下地铁线路上，包括：
14.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度和可连接无线局域网的设备信息；以及
15.根据权利要求1所述的方法，其中，所述传感器数据包括海拔高度和可连接无线局域网的设备信息；以及
16.根据权利要求1所述的方法，其中，所述将用户轨迹与路网信息进行匹配，得到绑路信息，包括：
17.根据权利要求16所述的方法，其中，所述将该边与所述用户轨迹绑定，得到绑路信息，包括：
18.根据权利要求16所述的方法，其中，所述将该边与所述用户轨迹绑定，得到绑路信息，包括：
19.一种训练分类模型的方法，包括：
20.根据权利要求19所述的方法，其中，所述分类模型包括极度梯度提升树。
...【专利技术属性】
技术研发人员：刘泽慧，丁健，王高远，方一帆，杨仕喜，华迪，李雨阳，荣岳成，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。