一种用于稀疏轨迹的BiLSTM-CRF路径推断方法技术

本发明专利技术给出了一种用于稀疏轨迹的双向长短时记忆‑条件随机场模型(BiLSTM‑CRF)的路径推断方法，(1)建立路网，得到训练集；(2)然后计算单个轨迹点的低级特征并将低级特征输入至BiLSTM中，得到各点的隐层状态；(3)将隐层状态和权重矩阵相乘，得到状态特征，计算轨迹点间的转移特征A；通过维特比算法求解出最优推断匹配点集合(4)进行后向传播更新参数(5)重复迭代更新参数并预测推断路径。本发明专利技术使用BiLSTM和CRF，能够通过BiLSTM自动获取较为高级的特征并且动态自适应调整相关权重，还可以兼顾当前轨迹点的前后轨迹信息。避免了采用传统方法的规则覆盖不全、权重选取困难的缺点。

【技术实现步骤摘要】
一种用于稀疏轨迹的BiLSTM-CRF路径推断方法
本专利技术属于导航和智能交通领域，具体涉及一种用于稀疏轨迹的BiLSTM-CRF路径推断方法。
技术介绍
随着智慧城市与智慧交通的提出，轨迹数据的重要性益发重要。得益于GPS移动设备的逐步普及，可以获取到大量的GPS轨迹数据。但由于GPS设备本身的局限性以及城市交通环境的影响，通常会存在GPS定位误差。如果直接使用这些未经处理的GPS轨迹数据，会造成较大误差。因此，在处理这些数据前通常会将其与高精密城市路网相匹配，而高效准确地匹配也成为了一项极具现实意义的工作。直观地看，将GPS轨迹点匹配至路网最简单的方法就是将轨迹点匹配到最近的路段。但事实上会存在诸多因素影响匹配准确率。首先，GPS数据的采样率对匹配准确率有非常大的影响。当处理采样率为每分钟或甚至更长时间的低采样率GPS数据时，位置的不确定性随着采样率的降低而增加。这种不确定性使得正确匹配低采样率轨迹这项工作十分具有挑战性。第二个因素是道路网络的复杂性，这样会更容易产生模糊的匹配而影响匹配结果。基于条件随机场的低采样率数据的本文档来自技高网...

【技术保护点】
1.一种用于稀疏轨迹的BiLSTM-CRF路径推断方法，其特征在于，包括以下步骤：/n(1)构建路网，获取路网中的拓扑关系信息；标定轨迹点对应匹配路段和匹配点数据，得到训练集T

【技术特征摘要】
1.一种用于稀疏轨迹的BiLSTM-CRF路径推断方法，其特征在于，包括以下步骤：
(1)构建路网，获取路网中的拓扑关系信息；标定轨迹点对应匹配路段和匹配点数据，得到训练集Ttrn；
(2)初始化模型参数集{θ}；计算轨迹点到路网中各路段的低级特征Psti，选择低级特征Psti最小的q条路段作为候选路段；依时间顺序输入相邻轨迹点对应的候选路段的低级特征集合Ps至双向循环神经网络(BiLSTM)层，获取BiLSTM隐层状态h；
其中，{θ}表示训练参数，包括低级特征Psti中dt和at的权重以及(3)中转移特征A中的di,j和θi,j的权重和注意力矩阵W；q值根据维度和候选点选取要求，其值最小等于轨迹点对应的候选点个数中的最小值，最大等于轨迹点对应的候选点个数中的最大值；低级特征Psti为轨迹点到该轨迹点对应候选路段的垂直距离dt与轨迹...

【专利技术属性】
技术研发人员：曾喆，游嘉程，黄建华，刘善伟，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37