买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：行云数聚(北京)科技有限公司

摘要：本发明提供一种运单轨迹验真模型的训练方法、验真方法及装置，对货运企业提供的运单数据和高速交易平台提供的货车实际通行高速轨迹数据进行向量化，计算轨迹向量夹角，并对附属参数计算差值后，连接轨迹向量夹角和附属参数差值得到轨迹张量数据。通过训练神经网络模型，采用具有较强局部特征提取能力的带残差的多层感知机神经网络提取轨迹指标数据中的局部特征；最后利用具有全局感受能力的全连接层提取轨迹指标数据中的全局特征获取验证结果，实现对运单数据和货车实际通行高速轨迹数据自动化地匹配验真判断。在数据量大的情况下，能准确提取数据特征，保持分析速度，毫秒内即可得出结果。

主权项：1.一种运单轨迹验真模型的训练方法，其特征在于，该方法包括以下步骤：获取训练样本集，所述训练样本集包括多个样本，每个样本包含一个货运企业提供的运单数据以及对应的高速交易平台提供的货车实际通行高速轨迹数据；所述运单数据包含运单起始位置、运单结束位置，以及包含运单起始时间和运单结束时间的第一附属参数，所述货车实际通行高速轨迹数据包括进出口收费站位置，经行门架位置以及包含进出口收费站经行时间和经行门架时间的第二附属参数，并添加标记所述运单数据和所述货车实际通行高速轨迹数据是否匹配一致的标签；所述第一附属参数和所述第二附属参数均包括货物信息、车辆信息、费额信息；计算所述运单数据对应的第一轨迹向量，计算所述货车实际通行高速轨迹数据对应的第二轨迹向量，并计算每个样本对应所述第一轨迹向量和所述第二轨迹向量的轨迹向量夹角；将所述第一附属参数和所述第二附属参数的作差，并建立各轨迹点间的属性特征差值向量；将每个样本对应的所述轨迹向量夹角和所述属性特征差值向量连接得到轨迹张量数据；获取初始神经网络模型，所述初始神经网络模型包括批量归一化输入模块、基于残差的多层感知机特征提取模块和分类输出模块；所述多层感知机特征提取模块包括多个串行的带残差的多层感知机网络，每个所述多层感知机网络的输入和输出端跳跃连接；所述初始神经网络模型以各样本对应的所述轨迹张量数据为输入，输出判断所述运单数据和所述货车实际通行高速轨迹数据是否匹配一致的预测值；采用所述训练样本集中各样本对应的轨迹张量数据对所述初始神经网络模型进行训练，将各样本的所述预测值和所述标签值输入至损失函数，基于所述损失函数更新所述初始神经网络模型的参数，得到运单轨迹验真模型。

全文数据：

权利要求：

百度查询： 行云数聚(北京)科技有限公司 一种运单轨迹验真模型的训练方法、验真方法及装置