欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022107794904
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种轨迹数据的追踪与预测方法,其特征在于,包括:获取当前用户的待预测轨迹数据;

将所述待预测轨迹数据进行聚类初始化得到网络初始化参数;

根据所述网络初始化参数对第一基模型进行参数更新,并将支持集内的轨迹数据输入至参数更新后的所述第一基模型以得到初始化结果,对所述初始化结果进行损失处理得到损失结果,其中,所述支持集内的轨迹数据由所述待预测轨迹数据与用户对应的历史轨迹数据的关系确定得到;

根据所述损失结果对第二基模型进行参数更新,并将查询集内的预测轨迹数据输入至参数更新后的所述第二基模型以得到预测结果,其中所述查询集内的数据为所述待预测轨迹数据。

2.根据权利要求1所述的轨迹数据的追踪与预测方法,其特征在于,所述将所述待预测轨迹数据进行聚类初始化得到网络初始化参数,包括:获取所述当前用户的所述历史轨迹数据;

通过加权策略将所述历史轨迹数据构建所述当前用户的空间分布;

通过全连接层将所述空间分布转换得到所述当前用户的出行偏好向量;

通过所述全连接层对所述出行偏好向量进行线性映射得到查询向量;

根据所述查询向量与多个聚类参数进行余弦相似度得到对应的相似度分数,并组合成相似度矩阵;

获取原始参数记忆向量和上一个所述待预测轨迹数据对应的网络参数与预测层全局参数,其中,首个参数记忆向量为所述原始参数记忆向量,所述网络参数由上一个所述待预测轨迹数据对应的所述损失结果得到,所述预测层全局参数由上一个所述待预测轨迹数据对应的所述第二基模型得到的所述损失结果,并根据所述第二基模型得到的损失结果进行处理得到的参数;

根据所述网络参数与所述原始参数记忆向量的关系确定当前参数记忆向量;

根据所述当前参数记忆向量与所述相似度矩阵的关系确定网络参数偏置;

根据所述预测层全局参数与所述网络参数偏置的关系得到所述网络初始化参数。

3.根据权利要求2所述的轨迹数据的追踪与预测方法,其特征在于,所述支持集内的轨迹数据由所述待预测轨迹数据与所述当前用户的历史轨迹数据的关系确定得到,包括:获取除所述当前用户之外的其他用户的历史轨迹数据;

通过轨迹相似度策略在所述当前用户的所述历史轨迹数据中确定与所述待预测轨迹数据相似的第一目标轨迹数据;

通过出行偏好相关策略在所述其他用户的历史轨迹数据中确定与所述待预测轨迹数据相关的第二目标轨迹数据;

将所述第一目标轨迹数据、所述第二目标轨迹数据与所述待预测轨迹数据的待预测轨迹子序列数据存储至所述支持集以作为所述支持集内的轨迹数据。

4.根据权利要求3所述的轨迹数据的追踪与预测方法,其特征在于,所述损失结果对应的网络参数的确定过程包括以下步骤:将所述支持集内的轨迹数据输入至所述第一基模型得到对应的时空预测向量;

将多个所述时空预测向量与所述出行偏好向量的关系确定对应的连接向量;

通过余弦相似度确定多个所述连接向量之间的相关性,并通过所述全连接层确定对应的权重值;

根据所述支持集内的轨迹数据对应的损失结果与所述权重值的关系确定所述损失结果对应的所述网络参数。

5.根据权利要求4所述的轨迹数据的追踪与预测方法,其特征在于,所述第一基模型与所述第二基模型的结构相同,其中所述第一基模型的建立包括以下步骤:将所述待预测轨迹数据对应的地理区域划分为多个访问网格,并根据所述待预测轨迹中访问点的位置转换为由多个所述访问网格组成的轨迹数据;

将多个所述访问网格的轨迹数据转换为对应的密集向量;

获取相邻两个所述访问网格之间的时间间隔与真实地理距离;

将所述密集向量、所述时间间隔和所述真实地理距离输入至时空预测学习模型以输出各所述访问点对应的隐藏状态;

通过FCN全连接网络将所述连接向量转换为下一个所述访问网格的概率分布,并获取最大的概率分布作为所述第一基模型对应的所述初始化结果,其中所述连接向量由所述时空预测向量与所述出行偏好向量的关系确定,所述时空预测向量由最后一个所述访问点对应的隐藏状态得到。

6.根据权利要求5所述的轨迹数据的追踪与预测方法,其特征在于,根据所述初始化结果进行损失处理得到损失结果,包括:获取所述初始化结果的真实位置的独热向量;

根据所述独热向量与下一个所述访问网格的概率分布得到对应的所述损失结果。

7.根据权利要求2至6任意一项所述的轨迹数据的追踪与预测方法,其特征在于,还包括:对所述预测结果进行损失处理得到最终损失结果;

获取所述最终损失结果对应的所述预测层全局参数以便下一个所述待预测轨迹数据的追踪与预测。

8.一种轨迹数据的追踪与预测装置,其特征在于,包括:获取模块,用于获取当前用户的待预测轨迹数据;

初始化模块,用于将所述待预测轨迹数据进行聚类初始化得到网络初始化参数;

第一输入模块,用于根据所述网络初始化参数对第一基模型进行参数更新,并将支持集内的轨迹数据输入至参数更新后的所述第一基模型以得到初始化结果,对所述初始化结果进行损失处理得到损失结果,其中,所述支持集内的轨迹数据由所述待预测轨迹数据与用户对应的历史轨迹数据的关系确定得到;

第二输入模块,用于根据所述损失结果对第二基模型进行参数更新,并将查询集内的预测轨迹数据输入至参数更新后的所述第二基模型以得到预测结果,其中所述查询集内的数据为所述待预测轨迹数据。

9.一种轨迹数据的追踪与预测装置,其特征在于,包括:存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的轨迹数据的追踪与预测方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的轨迹数据的追踪与预测方法的步骤。