一种人员移动性预测模型的训练方法及装置制造方法及图纸

本发明专利技术实施例提供的一种人员移动性预测模型的训练方法及装置，应用于信息技术领域，通过在多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息并进行分析，得到各自对应的质量分数，对待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；将样本人员的多条轨迹信息输入训练好的校验网络模型，得到对应各轨迹信息的质量分数；将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对待训练的预测模型进行训练，得到训练好的预测模型，可以避免质量较差的样本数据对预测模型的训练过程的影响，提高训练号的模型的质量。的质量。的质量。

【技术实现步骤摘要】
一种人员移动性预测模型的训练方法及装置


[0001]本专利技术涉及信息
，特别是涉及一种人员移动性预测模型的训练方法及装置。

技术介绍

[0002]目前，基于深度学习的城市人群移动性预测已经有着广泛的应用，在实际生产中，通过收集人群的轨迹样本数据，并对人群的未来活动轨迹进行预测，可以便于根据预测结果提前进行指挥、疏导等工作。
[0003]然而，在进行人群移动性预测时，由于收集到的轨迹样本数据往往存在数据精度不高、样本质量偏差大等问题，从而导致所得到的预测结果准确度较低。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种人员移动性预测模型的训练方法及装置。，用以解决轨迹样本数据精度不高导致的预测结果准确度较低问题。具体技术方案如下：
[0005]本申请实施的第一方面，首先提供了一种人员移动性预测模型的训练方法，上述方法包括：
[0006]获取样本人员的多条轨迹信息；
[0007]在多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息；
[0008]将负样本轨迹信息及正样本轨迹信息分别输入到待训练的校验网络模型中进行分析，得到各自对应的质量分数，并按照正样本轨迹信息对应的质量分数高于负样本轨迹信息对应的质量分数的调整方式对待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；
[0009]将样本人员的多条轨迹信息输入训练好的校验网络模型，得到对应各轨迹信息的质量分数；r/>[0010]将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对待训练的预测模型进行训练，得到训练好的预测模型。
[0011]可选的，将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对待训练的预测模型进行训练，得到训练好的预测模型，包括：
[0012]将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应样本人员的预测结果；
[0013]计算对应预测结果的损失；
[0014]计算并以预测结果对应的损失和质量分数之积作为目标损失；
[0015]根据目标损失，对待训练的预测模型的参数进行更新，返回将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应样本人员的预测结果的步骤继续执行，直至预测结果对应的损失小于第二预设阈值，得到训练好的预
测模型。
[0016]可选的，将样本人员的多条轨迹信息输入训练好的校验网络模型，得到对应各轨迹信息的质量分数之后，上述方法还包括：
[0017]将多条轨迹信息中，对应的质量分数不大于第一预设阈值的轨迹信息抛弃。
[0018]可选的，上述方法还包括：
[0019]获取目标人员的轨迹信息；
[0020]将目标人员的轨迹信息输入训练好的预测模型，计算得到目标用户预测轨迹。
[0021]本申请实施的第二方面，提供了一种人员移动性预测模型的训练装置，上述装置包括：
[0022]信息获取模块，用于获取样本人员的多条轨迹信息；
[0023]样本设置模块，用于在多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息；
[0024]校验模型获取模块，用于将负样本轨迹信息及正样本轨迹信息分别输入到待训练的校验网络模型中进行分析，得到各自对应的质量分数，并按照正样本轨迹信息对应的质量分数高于负样本轨迹信息对应的质量分数的调整方式对待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；
[0025]质量分数获取模块，用于将样本人员的多条轨迹信息输入训练好的校验网络模型，得到对应各轨迹信息的质量分数；
[0026]预测模型获取模块，用于将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对待训练的预测模型进行训练，得到训练好的预测模型。
[0027]可选的，预测模型获取模块，包括：
[0028]预测结果获取子模块，用于将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应样本人员的预测结果；
[0029]预测损失计算子模块，用于计算对应预测结果的损失；
[0030]目标损失计算子模块，用于计算并以预测结果对应的损失和质量分数之积作为目标损失；
[0031]根据目标损失，对待训练的预测模型的参数进行更新，返回将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应样本人员的预测结果的步骤继续执行，直至预测结果对应的损失小于第二预设阈值，得到训练好的预测模型。
[0032]可选的，上述装置还包括：
[0033]信息抛弃模型，用于将多条轨迹信息中，对应的质量分数不大于第一预设阈值的轨迹信息抛弃。
[0034]可选的，上述装置还包括：
[0035]轨迹信息获取模块，用于获取目标人员的轨迹信息；
[0036]预测轨迹计算模块，用于将目标人员的轨迹信息输入训练好的预测模型，计算得到目标用户预测轨迹。
[0037]本申请实施的另一方面，还提供了一种电子设备，包括处理器、通信接口、存储器
和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0038]存储器，用于存放计算机程序；
[0039]处理器，用于执行存储器上所存放的程序时，实现上述任一人员移动性预测模型的训练方法。
[0040]本申请实施的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一人员移动性预测模型的训练方法。
[0041]本专利技术实施的另一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一人员移动性预测模型的训练方法。
[0042]本专利技术实施例有益效果：
[0043]本专利技术实施例提供的人员移动性预测模型的训练方法，通过获取样本人员的多条轨迹信息；在多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息；将负样本轨迹信息及正样本轨迹信息分别输入到待训练的校验网络模型中进行分析，得到各自对应的质量分数，并按照正样本轨迹信息对应的质量分数高于负样本轨迹信息对应的质量分数的调整方式对待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；将样本人员的多条轨迹信息输入训练好的校验网络模型，得到对应各轨迹信息的质量分数；将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对待训练的预测模型进行训练，得到训练好的预测模型。通过将多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对待训练的预测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人员移动性预测模型的训练方法，其特征在于，所述方法包括：获取样本人员的多条轨迹信息；在所述多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息；将所述负样本轨迹信息及所述正样本轨迹信息分别输入到待训练的校验网络模型中进行分析，得到各自对应的质量分数，并按照所述正样本轨迹信息对应的质量分数高于所述负样本轨迹信息对应的质量分数的调整方式对所述待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；将所述样本人员的多条轨迹信息输入所述训练好的校验网络模型，得到对应各轨迹信息的质量分数；将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对所述待训练的预测模型进行训练，得到训练好的预测模型。2.根据权利要求1所述的方法，其特征在于，所述将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对所述待训练的预测模型进行训练，得到训练好的预测模型，包括：将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应所述样本人员的预测结果；计算对应所述预测结果的损失；计算并以所述预测结果对应的损失和所述质量分数之积作为目标损失；根据所述目标损失，对所述待训练的预测模型的参数进行更新，返回所述将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应所述样本人员的预测结果的步骤继续执行，直至所述预测结果对应的损失小于第二预设阈值，得到训练好的预测模型。3.根据权利要求1所述的方法，其特征在于，所述将所述样本人员的多条轨迹信息输入所述训练好的校验网络模型，得到对应各轨迹信息的质量分数之后，所述方法还包括：将所述多条轨迹信息中，对应的质量分数不大于所述第一预设阈值的轨迹信息抛弃。4.根据权利要求1
‑
3任一所述的方法，其特征在于，所述方法还包括：获取目标人员的轨迹信息；将所述目标人员的轨迹信息输入所述训练好的预测模型，计算得到所述目标用户预测轨迹。5.一种人员移动性预测模型的训练装置，其特征在于，所述装置包括：信息获取模块，用于获取样本人员的多条轨迹信息；样本设置模块，用于在所述多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹...

【专利技术属性】
技术研发人员：乔媛媛，缪庆，李爱民，张宇中，杨洁，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：