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：清华大学

摘要：本公开涉及移动数据生成技术领域，尤其涉及一种基于图去噪扩散的城市起终点矩阵通用生成装置及方法。该方法包括：获取目标城市的静态属性信息；根据静态属性信息构建针对目标城市的城市群体移动图，城市群体移动图包括多个节点以及连接在节点之间的多个有向边；将城市群体移动图输入到训练好的目标生成模型中，生成目标城市的起终点矩阵；目标生成模型是基于图去噪扩散的通用生成模型，通用生成模型用于根据城市群体移动图确定出带噪声的加噪多模态图，而后对加噪多模态图进行去噪声处理，生成目标城市的起终点矩阵。在各种不同结构和类型的目标城市上均达到高精度生成的优异性能表现。生成的起终点矩阵准确性高。

主权项：1.一种基于图去噪扩散的城市起终点矩阵通用生成方法，其特征在于，所述方法包括：获取目标城市的静态属性信息，所述静态属性信息包括所述目标城市中各区域的区域静态特征以及不同区域之间的距离信息，所述区域静态特征包括人口结构特征和或不同类别的兴趣点POI的数量分布特征；根据所述静态属性信息，构建针对目标城市的城市群体移动图，所述城市群体移动图包括多个节点以及连接在节点之间的多个有向边，各所述节点表示所述目标城市的不同区域，各所述节点的属性信息包括该节点对应的区域的空间特征，各所述有向边的权重表示节点所对应的区域之间的起终点OD流量；将所述城市群体移动图输入到训练好的目标生成模型中，生成所述目标城市的起终点矩阵；其中，所述目标生成模型是基于图去噪扩散的通用生成模型，所述通用生成模型用于根据所述城市群体移动图确定出带噪声的加噪多模态图，而后对所述加噪多模态图进行去噪声处理，生成所述目标城市的所述起终点矩阵；其中，所述通用生成模型包括前向扩散子模型和逆向去噪子模型，所述逆向去噪子模型包括多层感知器、变换器和全连接层，所述变换器包括多个图变换器层，其中，将所述城市群体移动图输入到训练好的目标生成模型中，生成所述目标城市的起终点矩阵，包括：将所述城市群体移动图输入到前向扩散子模型，得到带噪声的加噪多模态图；将对所述加噪多模态图进行提取得到的加噪起终点流量矩阵和节点特征分别输入到对应的多层感知器进行处理，得到处理后加噪起终点流量矩阵和处理后节点特征；将所述处理后加噪起终点流量矩阵和所述处理后节点特征输入到所述变换器，得到目标加噪起终点流量矩阵，在所述变换器中前一图变换器层输出的节点特征和加噪起终点流量矩阵作为后一图变换器层的输入；将所述目标加噪起终点流量矩阵输入到所述全连接层，预测出需要去除的待除噪声；基于所述待除噪声对所述加噪多模态图进行去噪，得到所述目标城市的所述起终点矩阵；其中，所述方法还包括：获取所述目标城市对应的区域间距离矩阵，并对所述区域间距离矩阵进行谱分解，得到多个拉普拉斯特征向量和多个距离，各所述拉普拉斯特征向量用于指示对应的区域在所述目标城市的平面空间中的位置，各所述距离用于指示两个区域之间的物理空间距离；其中，将所述处理后加噪起终点流量矩阵和所述处理后节点特征输入到所述变换器，得到目标加噪起终点流量矩阵，包括：将所述多个拉普拉斯特征向量与所述处理后节点特征结合、以及将所述多个距离与所述处理后加噪起终点流量矩阵结合之后，输入到所述变换器，得到目标加噪起终点流量矩阵；其中，在所述变换器中，前一图变换器层输出的节点特征与所述多个拉普拉斯特征向量结合后、前一图变换器层输出的加噪起终点流量矩阵与所述多个距离结合后作为后一图变换器层的输入。

全文数据：

权利要求：

百度查询： 清华大学 基于图去噪扩散的城市起终点矩阵通用生成装置及方法