(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210794072.2 (22)申请日 2022.07.07 (71)申请人 一汽解放汽车有限公司 地址 130011 吉林省长 春市汽车开发区东 风大街2259号 (72)发明人 韩剑平　陈磊　宋磊　柏雪　 邓建春　王体龙　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 赖舒娴 (51)Int.Cl. G06F 16/9537(2019.01) G06F 16/9535(2019.01) G06F 16/29(2019.01) G06K 9/62(2022.01)G06Q 10/08(2012.01) (54)发明名称 商用车的运输货物类型确定方法、 装置和计 算机设备 (57)摘要 本申请涉及一种商用车的运输货物类型确 定方法、 装置、 计算机设备、 存储介质和计算机程 序产品， 通过车辆停车历史记录和兴趣点数据匹 配获取属于预设运输货物类型的样 本集， 并从其 中选择部分数据对初始模型进行训练， 得到预设 运输货物类型的预测模型； 通过预设运输货物类 型的预测模型， 确定待识别车辆的运输货物类 型。 根据车辆的历史停车情况与车辆为预设运输 货物类型时的工作地点进行匹配， 确定车辆在历 史使用过程中是否发挥出预设运输货物类型所 对应的功能。 上述基于车联网数据和地图数据的 商用车运输货物 类型确定方法， 可以快速识别车 辆的运输货物类型， 进而准确确定预设运输货物 类型所对应的大量车辆的信息 。 权利要求书2页 说明书16页 附图5页 CN 115221431 A 2022.10.21 CN 115221431 A 1.一种商用车的运输货物类型确定方法， 其特 征在于， 所述方法包括： 获取目标车辆的历史车联网数据， 所述目标车辆的车辆类型为针对预设运输货物类型 所预先指定的车辆生产类型； 根据所述历史车 联网数据中的历史车速， 确定所述目标 车辆的多个停车历史记录； 将所述目标车辆的每一停车历史记录分别与针对所述预设运输货物类型所预先确定 的兴趣点数据进行匹配， 得到每一停车历史记录相应的匹配结果； 在所有匹配结果中匹配成功的次数不小于预设次数的情况下， 基于所述目标车辆的多 个停车历史记录构建所述预设运输货物类型的预测模型对应的样本集； 基于样本集对初始模型进行训练， 得到所述预设运输货物类型的预测模型； 通过所述预设运输货物类型的预测模型， 确定待识别车辆的运输货物类型。 2.根据权利要求1所述的方法， 其特征在于， 所述获取目标车辆的历史车联网数据， 包 括： 获取目标车辆在预设时间段内的车辆轨迹数据， 筛选出未出现时间漂移和位置漂移的 车辆轨迹数据， 作为目标 车辆的历史车 联网数据。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述历史车联网数据中的历史车 速， 确定所述目标 车辆的多个停车历史记录， 包括： 基于所述历史车联网数据中历史车速相应的采集时刻， 确定目标历史时间段； 在所述 目标历史时间段内所述目标 车辆的历史车速均小于预设车速； 在所述目标历史时间段的时长处于预设时长范围内的情况下， 基于在所述目标时间段 内采集到的历史车 联网数据， 获取 所述目标 车辆的停车历史记录 。 4.根据权利要求1所述的方法， 其特征在于， 所述停车历史记录包括历史停车位置， 所 述兴趣点数据包括兴趣点位置； 相 应地， 所述将所述 目标车辆的每一停车历史记录分别与 针对所述预设运输货物类型所预先确定的兴趣点数据进行匹配， 得到每一停车历史记录相 应的匹配结果， 包括： 对于任一停车历史记录， 计算所述任一停车位置分别与每一兴趣点 位置之间的距离； 在存在至少一个距离小于预设距离的情况下， 确定所述任一停车历史记录相应的匹配 结果为成功， 在所有距离均不小于预设距离的情况下， 确定所述任一停车历史记录相 应的 匹配结果 为失败。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述目标车辆的多个停车历史记 录构建所述预设运输货物类型的预测模型对应的样本集， 包括： 针对所述目标车辆， 根据以下五种数据中的至少三种数据， 构建所述预设运输货物类 型的预测模型对应的样本集， 所述以下五种数据均基于所述目标车辆的多个停车历史记录 确定； 所述以下五种数据分别为所述目标车辆的停车历史记录总个数、 所述目标车辆的匹配 成功的停车历史记录的总个数、 所述目标车辆的所有停车历史记录与所有兴趣点数据匹配 成功的总次数、 所述目标车辆的所有匹配成功的停车历史记录的停车总时长以及与所述兴 趣点数据匹配成功的次数的最大值。 6.根据权利要求1所述的方法， 其特征在于， 所述基于样本集对初始模型进行训练， 得 到所述预设运输货物类型的预测模型， 包括：权　利　要　求　书 1/2 页 2 CN 115221431 A 2根据预设比例将所述样本集随机划分为训练样本集和 测试样本集； 根据所述训练样本集对初始模型进行训练， 得到第一预测模型； 根据所述测试样本集对所述第 一预测模型进行检验， 确定所述第 一预测模型的预测准 确率； 在所述预测准确率大于预设准确率的情况下， 将所述第 一预测模型作为预设运输货物 类型的预测模型， 在所述预测准确 率不大于所述预设准确 率的情况下， 返回根据预设比例 将所述样本集随机划分为训练样本集和 测试样本集的步骤。 7.一种商用车的运输货物类型确定装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取目标车辆的历史车联网数据， 所述目标车辆的车辆类型为针 对预设运输货物类型 所预先指定的车辆生产类型； 停车确定模块， 用于根据所述历史车联网数据中的历史车速， 确定所述目标车辆的多 个停车历史记录； 数据匹配模块， 用于将所述目标车辆的每一停车历史记录分别与针对所述预设运输货 物类型所预先确定的兴趣点数据进行匹配， 得到每一停车历史记录相应的匹配结果； 集合构建模块， 用于在所有匹配结果中匹配成功 的次数不小于预设次数的情况下， 基 于所述目标车辆的多个停车历史记录构建所述预设运输货物类型的预测模型对应的样本 集； 模型训练模块， 用于基于样本集对初始模型进行训练， 得到所述预设运输货物类型的 预测模型； 类型确定模块， 用于通过所述预设运输货物类型的预测模型， 确定待识别车辆的运输 货物类型。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115221431 A 3