首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种面向复杂形态轨迹的数据恢复方法 

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:华东师范大学

摘要:本发明公开了一种面向复杂形态轨迹的数据恢复方法,将地理空间区域划分为网格单元,并基于不同网格单元中的历史不完整轨迹提取每个网格的轨迹行为特征,对于当前待恢复的不完整轨迹提取每个轨迹点处的运动特征;基于上述得到的网格特征,构建轨迹转移图并采用图注意力网络自适应地聚合相邻网格的特征,从而得到融合了近邻轨迹信息的网格表征;基于上述得到的运动特征和网格表征,对当前不完整轨迹进行嵌入表示并采用Transformer编码器建模当前不完整轨迹的全局相关性,获取当前不完整轨迹的表征;基于上述得到的网格表征和轨迹表征,采用交叉注意力机制和门控循环单元的组合模型解码当前待恢复的不完整轨迹中的缺失轨迹点。

主权项:1.一种面向复杂形态轨迹的数据恢复方法,其特征在于,包括以下步骤:S1:将地理空间区域划分为网格单元,并基于不同网格单元中的历史不完整轨迹提取每个网格的轨迹行为特征,对于当前待恢复的不完整轨迹提取每个轨迹点处的运动特征;S2:基于步骤S1得到的网格特征,构建轨迹转移图并采用图注意力网络自适应地聚合相邻网格的特征,从而得到融合了近邻轨迹信息的网格表征;所述步骤S2具体包括:步骤2.1、通过历史轨迹数据构建轨迹转移图,表示网格单元间的转移关系:将每一个网格单元视为轨迹转移图中的节点,给定地理空间区域中的一条历史不完整轨迹tri={p0,p1,…,pi,pj…,pn},其中1≤ij≤n且j-i1,根据所述历史不完整轨迹中的中断点数量将所述历史不完整轨迹分段为两条或更多条完整的子轨迹,然后对于完整子轨迹中的每对相邻轨迹点px,px+1,在px和px+1的对应网格单元之间构建一条边;处理完所有的历史不完整轨迹后得到轨迹转移图,表示为TG;步骤2.2、使用图注意力网络自适应聚合相邻节点的信息,获得融合了近邻轨迹信息的网格表征:考虑到图注意力网络能够递归地将相邻节点的信息聚合到当前节点的表示中,对网格单元的特征矩阵使用1×1的卷积层进行卷积得到初始化的节点特征矩阵H0,然后采用图注意力网络建模近邻轨迹影响;相邻节点对gi,gj在第l+1层的注意力分数的计算方式如下: 其中,为节点i在第l层的节点表示,pei表示为节点i在特征矩阵G中的正余弦位置编码,和是可学习的权重矩阵;al是一个可学习的权重向量,·T表示转置操作,·||·为拼接操作;Ni表示图TG中与节点i相邻的所有节点;σ是一个非线性函数;经过五层图注意力层后得到网格单元的全新表征;S3:基于步骤S1得到的运动特征和基于步骤S2得到的网格表征,对当前不完整轨迹进行嵌入表示并采用Transformer编码器建模当前不完整轨迹的全局相关性,获取当前不完整轨迹的表征;所述步骤S3具体包括:考虑到同一条轨迹的轨迹点之间具有时空依赖关系,采用基于Transformer的轨迹编码器学习当前不完整轨迹的运动模式;对于当前不完整轨迹中的每个轨迹点pc,其嵌入表示如下: 其中,为轨迹点pc的运动特征,hc为轨迹点pc所在网格单元的表征向量,pec为轨迹点pc在轨迹序列中的正余弦位置编码,·||·为拼接操作;当前不完整轨迹的嵌入表示由每个轨迹点的嵌入表示组成,表示为Tc;随后,将Tc输入Transformer编码器层后得到新的轨迹表征Trc,Transformer编码器通过自注意力机制捕捉序列内各轨迹点之间的相互关系,并将整个轨迹的信息编码进了每个轨迹点的表征中;S4:基于步骤S2得到的网格表征和基于步骤S3得到的轨迹表征,采用交叉注意力机制和门控循环单元的组合模型解码当前待恢复的不完整轨迹中的缺失轨迹点;所述步骤S4具体包括:采用门控循环单元以自回归的方式恢复缺失轨迹点序列:首先将当前不完整轨迹的表征进行线性变化得到表示整条轨迹的隐藏状态向量,表示为s0=W3Trc,其中W3是可学习的权重矩阵;将所述隐藏状态向量作为门控循环单元网络的初始隐藏状态;通过交叉注意力机制自适应地捕捉当前不完整轨迹中的采样轨迹点对缺失轨迹点的影响,获得全局信息,具体公式如下: 其中,uki表示采样轨迹点pi对于缺失轨迹点pk的注意力分数,aki表示使用softmax函数对uki归一化后的结果,Ws和Wt为可学习的权重矩阵,v为可学习的权重向量,·T表示转置操作,sk-1表示前一时间步门控循环单元输出的隐藏状态,表示采样轨迹点pi的嵌入表示;第k时间步门控循环单元的输入xk表示为:xk=Δpk-1||hk-1||ak,其中,Δpk-1=Δxk-1,Δyk-1为前一时间步的预测结果,hk-1为前序缺失轨迹点所在网格单元的表征向量,ak是为第k个轨迹点的全局信息;在得到第k时间步门控循环单元的输出sk后,应用线性层预测第k个缺失轨迹点的相对位置,并根据第k-1个缺失轨迹点的绝对位置得到第k个缺失轨迹点的经纬度坐标:lonk,latk=lonk-1+Δxk,latk-1+Δyk。

全文数据:

权利要求:

百度查询: 华东师范大学 一种面向复杂形态轨迹的数据恢复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。