1.一种满足差分隐私的高质量轨迹深度生成方法,其特征在于,包括以下步骤:
构建轨迹深度生成模型,获取公共数据集与真实数据集;基于所述公共数据集、所述真实数据集以及基于差分隐私的随机梯度下降算法对所述轨迹深度生成模型进行训练,获得训练后的轨迹深度生成模型;基于训练后的轨迹深度生成模型获得轨迹数据集。
2.根据权利要求1所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,轨迹深度生成模型包括生成器与判别器。
3.根据权利要求2所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,所述训练包括:预训练与正式训练,其中,基于所述公共数据集进行预训练,通过进行预训练后的模型预测部分轨迹,基于所述真实数据集与所述部分轨迹进行正式训练,所述预训练包括轨迹预测训练与轨迹规律识别训练。
4.根据权利要求3所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,所述轨迹预测训练的过程包括:将所述公共数据集划分为训练数据集与测试数据集,并将每条由n个点组成的轨迹中相邻两个位置点,前一个点作为输入,后一个点作为目标,对所述生成器进行预训练。
5.根据权利要求3所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,所述轨迹规律识别训练的过程包括:对公共数据集进行处理,获得处理后的数据集,基于处理后的数据集与公共数据集对所述判别器进行训练,其中,对公共数据集进行处理的方式包括两种:第一轨迹改变法为随机选取轨迹中的一个位置点并且用一个物理空间距离较远的点来代替;第二轨迹改变法随机打乱轨迹中一个时间周期内位置的顺序;对公共数据集的每条轨迹处理时,选用第一轨迹改变法或第二轨迹改变法中任一种。
6.根据权利要求3所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,所述正式训练的过程包括:判别器训练与生成器训练。
7.根据权利要求6所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,所述判别器训练的过程包括:基于预训练后的生成器补全所述部分轨迹,获得补全轨迹;基于所述补全轨迹与真实数据集中的真实轨迹计算梯度;对所述梯度进行裁剪;对处理后的梯度进行求和,并添加满足差分隐私的高斯噪声,基于梯度下降法对预训练后的判别器进行更新,并将判别器的损失返回到预训练后的生成器。
8.根据权利要求7所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,基于强化学习的方法进行所述生成器训练,其中,生成器作为智能体,部分轨迹作为状态,下一个生成的位置作为动作,所述损失作为奖励,基于所述梯度与梯度上升法更新生成器。
9.根据权利要求8所述的满足差分隐私的高质量轨迹深度生成方法,其特征在于,不断对抗训练生成器和判别器,直至所述轨迹深度生成模型收敛,获得训练后的轨迹深度生成模型。