【技术实现步骤摘要】
本申请涉及交通大数据分析领域，特别是涉及一种多模式轨迹的表示学习方法、装置、设备及介质。
技术介绍
1、随着基于位置的服务如地图平台和基于位置的社交网络的日益普及，轨迹数据的生成和分析变得越来越广泛。这些数据为了解个人和车辆的移动模式提供了有价值的见解。轨迹数据具有丰富的时空信息，应用广泛，包括基于位置的社交网络、智能交通系统和城市计算。
2、轨迹数据的表示学习将原始轨迹转换为低维向量，可用于各种下游任务，如行程时间估计、轨迹相似性测量和道路标签分类。例如，gps轨迹包含时空信息，间接表征交通网络的状态。一种普遍的做法是将gps轨迹转换为相邻的道路段索引作为路径，然后将物理世界中的道路路径转换为网络空间中的通用表示向量，用于各种下游任务，即所谓的轨迹表示学习。
3、目前，针对轨迹表示学习的研究揭示了融合多模式的轨迹数据来学习轨迹表示的积极趋势，即结合两种轨迹数据格式，包括gps坐标和轨迹邻接路段索引，可以比单独学习单一模式的轨迹产生更好的表示。然而相关的研究在融合时需要严格对齐不同模式的输入和表示，或者手工设计基...
【技术保护点】
1.一种多模式轨迹的表示学习方法，其特征在于，所述多模式轨迹的表示学习方法包括：
2.根据权利要求1所述的多模式轨迹的表示学习方法，其特征在于，所述目标下游任务为行程时间估计任务、轨迹相似性测量任务或道路标签分类任务；目标下游任务的预测结果为行程时间估计结果、轨迹相似性测量结果或道路标签分类结果。
3.根据权利要求1所述的多模式轨迹的表示学习方法，其特征在于，所述预训练后的轨迹编码模块的确定方法包括：
4.根据权利要求3所述的多模式轨迹的表示学习方法，其特征在于，所述下游任务预测模型的确定方法包括：
5.根据权利要求3所...
【技术特征摘要】
1.一种多模式轨迹的表示学习方法，其特征在于，所述多模式轨迹的表示学习方法包括：
2.根据权利要求1所述的多模式轨迹的表示学习方法，其特征在于，所述目标下游任务为行程时间估计任务、轨迹相似性测量任务或道路标签分类任务；目标下游任务的预测结果为行程时间估计结果、轨迹相似性测量结果或道路标签分类结果。
3.根据权利要求1所述的多模式轨迹的表示学习方法，其特征在于，所述预训练后的轨迹编码模块的确定方法包括：
4.根据权利要求3所述的多模式轨迹的表示学习方法，其特征在于，所述下游任务预测模型的确定方法包括：
5.根据权利要求3所述的多模式轨迹的表示学习方法，其特征在于，对所述训练轨迹数据进行数据增强，生成多模式增强样本，具体包括：
6.根据权利要求3所述的多模式轨迹的表示学习方法，其特征在于，所述基于注意力机制的权值共享的融合编码器包...
【专利技术属性】
技术研发人员：廖天禧，他旭翔，杜博文，孙磊磊，吕卫锋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。