出行方式识别系统、方法、装置及模型训练方法、装置制造方法及图纸

本发明专利技术提供一种出行方式识别系统、方法、装置及模型训练方法、装置，该系统包括，卷积神经网络、基于注意力机制的双向长短期记忆神经网络、级联层、输出层；卷积神经网络用于根据输入数据生成第一轨迹信息；基于注意力机制的双向长短期记忆神经网络用于根据输入数据生成第二轨迹信息，第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；级联层用于将第一轨迹信息和第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入输出层；输出层用于根据级联后的第一轨迹信息和第二轨迹信息生成识别结果。该系统将各轨迹数据分配不同的权重，使系统对数据进行识别时减小无关数据带来的影响，提高了系统对轨迹信息处理的效率与准确性。

Travel mode identification system, method, device and model training method and device

【技术实现步骤摘要】
出行方式识别系统、方法、装置及模型训练方法、装置
本专利技术涉及数据处理领域，具体涉及一种出行方式识别系统、方法、装置及模型训练方法、装置。
技术介绍
交通行为是一种派生性的需求，人始终是交通的主体，人的偏好(属性特征)是决定交通出行方式等出行特征的因素。因而，交通出行的特征分析要从每一个交通主体出发，只有以翔实的、准确的个体出行活动链特征数据为基础，才能准确把握区域范围内的居民出行特征。为了提高居民的出行质量，在对居民的出行数据进行研究时，居民交通出行方式的识别是尤为重要的一项，但是在现有技术中，对出行方式的识别通常是依靠个体的移动速度的不同进行判断，这种识别方式较为简单、粗略，并且对于移动速度相近的交通出行方式，这种方法无法做出准确的判断，例如对公交出行和汽车出行，二者移动速度相近，仅根据移动速度是无法做出准确的判断的。
技术实现思路
因此，本专利技术要解决的技术问题在于克服现有技术中的无法准确对交通出行方式做出识别的缺陷，从而提供一种出行方式识别系统、方法、装置及模型训练方法、装置。本专利技术第一方面提供一种出行方式识别系统，包括，卷积神经网络、基于注意力机制的双向长短期记忆神经网络、级联层、输出层；卷积神经网络用于根据输入数据生成第一轨迹信息；基于注意力机制的双向长短期记忆神经网络用于根据输入数据生成第二轨迹信息，第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；级联层用于将第一轨迹信息和第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入输出层；输出层用于根据级联后的第一轨迹信息和第二轨迹信息生成识别结果。可选地，卷积神经网络包括：卷积层和池化层；卷积层包括第一区块、第二区块、第三区块；第一区块用于根据输入数据生成第一特征映射向量；第二区块用于根据输入数据生成第二特征映射向量；第三区块用于根据输入数据生成第三特征映射向量；池化层用于分别对第一特征映射向量、第二特征映射向量、第三特征映射向量进行池化，得到第一特征向量、第二特征向量、第三特征向量，并将第一特征向量、第二特征向量、第三特征向量级联，生成第一轨迹信息。可选地，基于注意力机制的双向长短期记忆神经网络包括：双向长短期记忆层和注意力层；双向长短期记忆层包括向前层和向后层；向前层用于对输入数据进行向前传递计算生成向前轨迹信息；向后层用于对输入数据进行向后传递计算生成向后轨迹信息；注意力层用于分别为向前轨迹信息和向后轨迹信息中的不同轨迹数据分配不同的权重，生成加权向前轨迹信息和加权向后轨迹信息。可选地，输出层根据如下公式生成识别结果：youtput＝WTyinput+b，其中，yinput表示输出层中的第一输出值，Ws表示输出层中的第一权值，bs表示输出层中的第一偏置，Cf表示加权向前轨迹信息，Cb表示加权向后轨迹信息，pdrop表示随机失活比率，RELU表示激活函数，youtput表示输出层中的第二输出值，WT表示输出层中的第二权值，b表示输出层中的第二偏置，problabel_i表示第i个类别的概率，k表示种类数量。本专利技术第二方面提供一种出行方式识别方法，包括：根据输入数据生成第一轨迹信息；根据输入数据生成第二轨迹信息，第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；将第一轨迹信息和第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入输出层；根据级联后的第一轨迹信息和第二轨迹信息生成识别结果。本专利技术第三方面提供一种出行方式识别模型训练方法，包括：获取出行数据；提取出行数据中单一方式出行的非转换点序列；提取非转换点序列中各采样点的特征向量；将特征向量输入神经网络系统，对神经网络系统进行训练，得到出行方式识别模型，神经网络系统为如本专利技术第一方面提供的出行方式识别系统。本专利技术第四方面提供一种出行方式识别方法，包括：获取待识别出行数据；提取待识别出行数据中的待识别非转换点序列；提取待识别非转换点序列中各采样点的待识别特征向量；将待识别特征向量输入出行方式识别模型，生成识别结果，出行方式识别模型通过如本专利技术第三方面提供的出行方式识别模型训练方法训练获得。本专利技术第五方面提供一种出行方式识别模型训练装置，包括：出行数据获取模块，用于获取出行数据；非转换点序列提取模块，用于提取出行数据中单一方式出行的非转换点序列；特征向量提取模块，用于提取非转换点序列中各采样点的特征向量；出行方式识别模型训练模块，用于将特征向量输入神经网络系统，对神经网络系统进行训练，得到出行方式识别模型，神经网络系统为如本专利技术第一方面提供的出行方式识别系统。本专利技术第六方面提供一种出行方式识别装置，包括：待识别出行数据获取模块，用于获取待识别出行数据；待识别非转换点序列提取模块，用于提取待识别出行数据中的待识别非转换点序列；待识别特征向量提取模块，用于提取待识别非转换点序列中各采样点的待识别特征向量；出行方式识别模块，用于将待识别特征向量输入出行方式识别模型，生成识别结果，出行方式识别模型通过如本专利技术第三方面提供的出行方式识别模型训练方法训练获得。本专利技术第七方面提供一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而实现如本专利技术第一方面提供的出行方式识别系统，或，执行如本专利技术第二方面提供的出行方式识别方法，或，执行如本专利技术第三方面提供的出行方式识别模型训练方法，或，执行如本专利技术第四方面提供的出行方式识别方法。本专利技术第八方面提供一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机实现如本专利技术第一方面提供的出行方式识别系统，或，执行如本专利技术第二方面提供的出行方式识别方法，或，执行如本专利技术第三方面提供的出行方式识别模型训练方法，或，执行如本专利技术第四方面提供的出行方式识别方法。本专利技术技术方案，具有如下优点：1.本专利技术提供的出行方式识别系统，将卷积神经网络和基于注意力机制的双向长短期记忆神经网络相结合，分别通过两种神经网络生成第一轨迹信息和第二轨迹信息，输出层根据级联后的第一轨迹信息和第二轨迹信息生成识别结果。其中，第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息，将轨迹信息中各轨迹数据分配不同的权重，使系统对输入数据进行识别时，减小无关数据带来的影响，极大提高了系统对轨迹信息处理的效率与准确性。2.本专利技术提供的出行方式识别系统，通过注意力层分别为向前轨迹信息和向后轨迹信息中的不同轨迹数据分配不同的权重，生成加权向前轨迹信息和加权向后轨迹信息，由于在不同交通出行方式中，不同的轨迹数据对于识别交通出行方式的贡献度是不同的，通过注意力层将给不同的轨迹数据分配不同的权重，有助于系统更准确地识别不同交通出行方式的关键运动特征，减小无关特征的影响，因此在出行方式识别系统中加入注意力层可以使该系统对出行方式的识别更准确。3.本专利技术提供的出行方式识别方法，将卷积神经网络和基于注意力机制的双向长短期记忆神经网络相结合，分别通过两种神经网本文档来自技高网...

【技术保护点】
1.一种出行方式识别系统，其特征在于，包括，卷积神经网络、基于注意力机制的双向长短期记忆神经网络、级联层、输出层；/n所述卷积神经网络用于根据输入数据生成第一轨迹信息；/n所述基于注意力机制的双向长短期记忆神经网络用于根据所述输入数据生成第二轨迹信息，所述第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；/n所述级联层用于将所述第一轨迹信息和所述第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入所述输出层；/n所述输出层用于根据所述级联后的第一轨迹信息和第二轨迹信息生成识别结果。/n

【技术特征摘要】
1.一种出行方式识别系统，其特征在于，包括，卷积神经网络、基于注意力机制的双向长短期记忆神经网络、级联层、输出层；
所述卷积神经网络用于根据输入数据生成第一轨迹信息；
所述基于注意力机制的双向长短期记忆神经网络用于根据所述输入数据生成第二轨迹信息，所述第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；
所述级联层用于将所述第一轨迹信息和所述第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入所述输出层；
所述输出层用于根据所述级联后的第一轨迹信息和第二轨迹信息生成识别结果。


2.根据权利要求1所述的出行方式识别系统，其特征在于，所述卷积神经网络包括：卷积层和池化层；
所述卷积层包括第一区块、第二区块、第三区块；
所述第一区块用于根据所述输入数据生成第一特征映射向量；
所述第二区块用于根据所述输入数据生成第二特征映射向量；
所述第三区块用于根据所述输入数据生成第三特征映射向量；
所述池化层用于分别对所述第一特征映射向量、第二特征映射向量、第三特征映射向量进行池化，得到第一特征向量、第二特征向量、第三特征向量，并将所述第一特征向量、第二特征向量、第三特征向量级联，生成所述第一轨迹信息。


3.根据权利要求1所述的出行方式识别系统，其特征在于，所述基于注意力机制的双向长短期记忆神经网络包括：双向长短期记忆层和注意力层；
所述双向长短期记忆层包括向前层和向后层；
所述向前层用于对所述输入数据进行向前传递计算生成向前轨迹信息；
所述向后层用于对所述输入数据进行向后传递计算生成向后轨迹信息；
所述注意力层用于分别为所述向前轨迹信息和所述向后轨迹信息中的不同轨迹数据分配不同的权重，生成所述加权向前轨迹信息和所述加权向后轨迹信息。


4.根据权利要求3所述的出行方式识别系统，其特征在于，所述输出层根据如下公式生成识别结果：



youtput＝WTyinput+b，



其中，yinput表示所述输出层中的第一输出值，Ws表示所述输出层中的第一权值，bs表示所述输出层中的第一偏置，Cf表示所述加权向前轨迹信息，Cb表示所述加权向后轨迹信息，pdrop表示随机失活比率，RELU表示激活函数，youtput表示所述输出层中的第二输出值，WT表示所述输出层中的第二权值，b表示所述输出层中的第二偏置，problabel_i表示第i个类别的概率，k表示种类数量。


5.一种出行方式识别方法，其特征在于，包括：
根据输入数据生成第一轨迹信息；
根据所述输入数据生成第二轨迹信息，所述第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；
将所述第一轨迹信息和所述第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨...

【专利技术属性】
技术研发人员：刘冬梅，查文斌，张劲泉，张晓亮，赵琳，郭宇奇，侯德藻，汪林，王文静，王海鹏，乔国梁，丁丽媛，王晶，
申请(专利权)人：交通运输部公路科学研究所，
类型：发明
国别省市：北京;11