[發明專利]軌跡恢復模型的獲取方法、軌跡恢復方法及裝置

在審

• 申請號: 202111572796.4
• 申請日: 2021-12-21
• 公開（公告）號: CN114254063A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 于錫祥
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/9537;G06F30/27
• 代理公司: 北京勵誠知識產權代理有限公司 11647
• 代理人: 周慧云

1.一種軌跡恢復模型的獲取方法，其特征在于，包括：

獲取樣本數據，所述樣本數據包括多條樣本軌跡和每條樣本軌跡的完整軌跡，所述每條樣本軌跡缺失至少一個軌跡點，所述多條樣本軌跡中的任一軌跡點所在的路段為一路網中的路段；

對于所述多條樣本軌跡中的每條樣本軌跡，以所述每條樣本軌跡和超參數m為軌跡恢復模型的輸入，輸出所述樣本軌跡的恢復軌跡，所述每條樣本軌跡的恢復軌跡的軌跡點數量等于所述m；

根據所述每條樣本軌跡的完整軌跡和所述每條樣本軌跡的恢復軌跡，計算損失函數；

調整所述軌跡恢復模型的模型參數，以得到目標損失函數，所述目標損失函數用于使所述每條樣本軌跡的完整軌跡和所述每條樣本軌跡的恢復軌跡之間的損失在預設范圍內；

根據與所述目標損失函數對應的所述軌跡恢復模型的模型參數，得到所述軌跡恢復模型。

2.根據權利要求1所述的方法，其特征在于，所述軌跡恢復模型包括編碼器和解碼器，所述編碼器包括n個第一長短期記憶網絡LSTM模型，所述解碼器包括多個第二LSTM模型。

3.根據權利要求2所述的方法，其特征在于，所述解碼器還包括多個注意力模型。

4.根據權利要求3所述的方法，其特征在于，所述以所述每條樣本軌跡和超參數m為軌跡恢復模型的輸入，輸出所述樣本軌跡的恢復軌跡，包括：

確定待使用的所述注意力模型和待使用的所述第二LSTM模型的數量均為所述m；

對于所述每條樣本軌跡，若所述樣本軌跡包括k個軌跡點，以所述k個輸入向量分別作為所述n個第一LSTM模型中的所述k個第一LSTM模型的輸入，通過所述k個第一LSTM模型得到上下文向量，所述k小于或等于所述n，一個所述輸入向量為一個軌跡點與待輸入所述第一LSTM模型的權重矩陣的積，一個所述軌跡點為一個二元組(rk，tk)，所述rk為所述軌跡點所在的路段的標識，所述tk為所述軌跡點的時間戳；

以所述上下文向量作為所述m個注意力模型中每個所述注意力模型的輸入，通過所述m個注意力模型和所述m個第二LSTM模型，輸出所述樣本軌跡的恢復軌跡。

5.根據權利要求4所述的方法，其特征在于，所述第一LSTM模型用于：

根據輸入至所述第一LSTM模型的所述輸入向量、所述第一LSTM模型的上一層第一LSTM模型傳遞到所述第一LSTM模型的時空狀態信息c_t-1和所述第一LSTM模型的上一層第一LSTM模型輸出的所述上下文向量中的元素h_t-1，生成所述上下文向量中的元素h_t，其中，t＝0,1,2，…k，c₀和h₀為預定義參數。

6.根據權利要求4所述的方法，其特征在于，所述注意力模型用于：

根據所述上下文向量和所述注意力模型所在層級i的上一層的第二LSTM模型輸出的信息量權重h’_i-1，生成目標上下文向量e_i，i＝1,2，…m；

將所述目標上下文向量e_i輸入至第i層的所述第二LSTM模型；

所述第二LSTM模型用于：

根據所述目標上下文向量e_i、所述第二LSTM模型的上一層第二LSTM模型傳遞到所述第二LSTM模型的時空狀態信息c’_i-1和所述第二LSTM模型的上一層第二LSTM模型輸出的信息量權重h’_i-1，生成所述第二LSTM模型的信息量權重h’_i，c’₀和h’₀為預定義參數；

將所述第二LSTM模型的信息量權重h’_i輸入至所述第二LSTM模型的下一層第二LSTM模型和所述第二LSTM模型的下一層注意力模型；

解碼所述目標上下文向量e_i，得到對應的軌跡點W’_i，并根據所述目標上下文向量e_i和所述第二LSTM模型的信息量權重h’_i進行激活函數處理以輸出所述軌跡點W’_i。