[發明專利]一種用戶運動軌跡的預測方法、裝置、設備及存儲介質

在審

• 申請號: 202010213218.0
• 申請日: 2020-03-24
• 公開（公告）號: CN111339449A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 李建波;姜山
• 申請（專利權）人: 青島大學
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/29;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郄晨芳

1.一種用戶運動軌跡的預測方法，其特征在于，包括：

利用設置有循環神經網絡模塊和圖卷積網絡模塊的深度神經網絡訓練出目標軌跡預測模型；

將目標用戶的軌跡地點集合輸入至所述目標軌跡預測模型中，得出所述目標用戶的預測運動軌跡。

2.根據權利要求1所述的方法，其特征在于，所述循環神經網絡模塊具體為編碼器-解碼器模塊。

3.根據權利要求2所述的方法，其特征在于，所述利用設置有循環神經網絡模塊和圖卷積網絡模塊的深度神經網絡訓練出目標軌跡預測模型的過程，具體包括：

分別將各樣本用戶的樣本軌跡地點集合按照預設時間間隔劃分出對應的樣本子軌跡序列；

利用各所述樣本子軌跡序列確定出各所述樣本用戶的歷史軌跡和當前軌跡的樣本對；

將所述樣本對輸入至設置有所述循環神經網絡模塊和所述圖卷積網絡模塊的所述深度神經網絡中，得出所述目標軌跡預測模型。

4.根據權利要求3所述的方法，其特征在于，在所述利用各所述樣本子軌跡序列確定出各所述樣本用戶的歷史軌跡和當前軌跡的樣本對之后，進一步包括：

利用嵌入式技術編碼對各所述樣本對進行編碼，得到編碼樣本對；

對應的，所述將所述樣本對輸入至設置有所述循環神經網絡模塊和所述圖卷積網絡模塊的所述深度神經網絡中，得出所述目標軌跡預測模型的過程，具體包括：

將所述編碼樣本對輸入至設置有所述循環神經網絡模塊和所述圖卷積網絡模塊的所述深度神經網絡中，得出所述目標軌跡預測模型。

5.根據權利要求1至4任一項所述的方法，其特征在于，進一步包括：

在預設地圖上標記出與所述預測運動軌跡對應的目標地址。

6.一種用戶運動軌跡的預測裝置，其特征在于，包括：

訓練模塊，用于利用設置有循環神經網絡模塊和圖卷積網絡模塊的深度神經網絡訓練出目標軌跡預測模型；

預測模塊，用于將目標用戶的軌跡地點集合輸入至所述目標軌跡預測模型中，得出所述目標用戶的預測運動軌跡。

7.一種用戶運動軌跡的預測設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至5任一項所述的用戶運動軌跡的預測方法的步驟。

8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述的用戶運動軌跡的預測方法的步驟。