-
公开(公告)号：CN111291280A
公开(公告)日：2020-06-16
申请号：CN202010160198.5
申请日：2020-03-10
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9537 , G06F16/29
Abstract: 本发明实施例提供了一种大规模移动对象的轨迹快速预测方法、介质和设备，本发明通过轨迹压缩来减缓数据量大的压力，采用柔和的奖惩措施，即匹配成功后将对应的两个相邻历史规律点的高斯概率的均值作为相似度奖励来避免奖惩措施过于尖锐，从而提高轨迹预测准确性，并且本发明在获取到与压缩后的当前轨迹相似度最高的压缩后的历史规律轨迹后，还通过插值补全法来实现在不降低轨迹预测准确性的情况下提高实时性。
-
公开(公告)号：CN111459997B
公开(公告)日：2023-07-21
申请号：CN202010183569.1
申请日：2020-03-16
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/29 , G06F16/906
Abstract: 本发明实施例提供了一种时空轨迹数据的频繁模式增量挖掘方法和电子设备，该方法用于对船舶或者航空器的时空轨迹数据进行挖掘，该方法先对轨迹点进行聚类形成多个聚类类簇，每个聚类类簇包括聚类中心和聚类范围，每个聚类中心配有一个身份标识，提取经纬度坐标落在相应聚类类簇的聚类范围的轨迹点并将其用该聚类类簇的聚类中心的身份标识表示，得到用聚类中心的身份标识按序排列表示的经映射后的轨迹，对经映射后的轨迹进行频繁模式挖掘，具有抗干扰性强且便于识别目标的重复轨迹的特定，便于找出目标的轨迹规律，以便为相关用户提供准确的轨迹预测或者服务。
-
Patent Agency Ranking
公开(公告)号：CN119494967A
公开(公告)日：2025-02-21
申请号：CN202411433967.9
申请日：2024-10-15
Applicant: 中国科学院计算技术研究所 , 航天东方红卫星有限公司
IPC: G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种用于匿名时空轨迹识别的模型，包括：原始轨迹图构建模块，用于根据匿名用户在一段时间内生成的轨迹数据，构建原始轨迹图，其包括表示轨迹数据的多个签到记录的多个节点和表示节点间关系的多条边，对原始轨迹图的多个节点进行嵌入表示，得到多个节点的空间信息；多尺度轨迹图构建模块，用于基于原始轨迹图按预设的多种采样率构建不同尺度的多个轨迹图；轨迹空间信息提取模块，用于基于多个节点的空间信息提取多个轨迹图中每个轨迹图的各个节点的空间特征，聚合多个轨迹图中每个轨迹图的各个节点的空间特征，得到多尺度的轨迹空间特征；轨迹识别模块，用于根据轨迹空间特征识别轨迹数据属于各个已知用户的概率值。
-
公开(公告)号：CN111488984B
公开(公告)日：2023-07-21
申请号：CN202010259417.5
申请日：2020-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种轨迹预测方法，包括根据用户的实时轨迹数据，使用经用于训练轨迹预测模型的方法得到的轨迹预测模型进行轨迹预测，得到轨迹预测结果，本发明将时空轨迹数据分为近期轨迹数据、短期历史数据和长期历史数据，利用第一多头注意力机制网络的编码模型捕捉长期历史数据中各轨迹点的长期时空关系，利用循环神经网络编码模型捕捉短期历史数据中各轨迹点的短期时空关系，并利用第二多头注意力机制网络的编码模型根据长期和短期时空关系的相似度对短期时空关系进行调整，实现了历史轨迹的全局依赖，用近期轨迹数据和经调整后的短期时空关系训练第三多头注意力机制网络的解码模型后将其作为轨迹预测模型，提高了轨迹预测的准确性。
-
公开(公告)号：CN111291280B
公开(公告)日：2023-04-11
申请号：CN202010160198.5
申请日：2020-03-10
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9537 , G06F16/29
Abstract: 本发明实施例提供了一种大规模移动对象的轨迹快速预测方法、介质和设备，本发明通过轨迹压缩来减缓数据量大的压力，采用柔和的奖惩措施，即匹配成功后将对应的两个相邻历史规律点的高斯概率的均值作为相似度奖励来避免奖惩措施过于尖锐，从而提高轨迹预测准确性，并且本发明在获取到与压缩后的当前轨迹相似度最高的压缩后的历史规律轨迹后，还通过插值补全法来实现在不降低轨迹预测准确性的情况下提高实时性。
-
公开(公告)号：CN111488984A
公开(公告)日：2020-08-04
申请号：CN202010259417.5
申请日：2020-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种轨迹预测方法，包括根据用户的实时轨迹数据，使用经用于训练轨迹预测模型的方法得到的轨迹预测模型进行轨迹预测，得到轨迹预测结果，本发明将时空轨迹数据分为近期轨迹数据、短期历史数据和长期历史数据，利用第一多头注意力机制网络的编码模型捕捉长期历史数据中各轨迹点的长期时空关系，利用循环神经网络编码模型捕捉短期历史数据中各轨迹点的短期时空关系，并利用第二多头注意力机制网络的编码模型根据长期和短期时空关系的相似度对短期时空关系进行调整，实现了历史轨迹的全局依赖，用近期轨迹数据和经调整后的短期时空关系训练第三多头注意力机制网络的解码模型后将其作为轨迹预测模型，提高了轨迹预测的准确性。
-
公开(公告)号：CN111459997A
公开(公告)日：2020-07-28
申请号：CN202010183569.1
申请日：2020-03-16
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/29 , G06F16/906
Abstract: 本发明实施例提供了一种时空轨迹数据的频繁模式增量挖掘方法和电子设备，该方法用于对船舶或者航空器的时空轨迹数据进行挖掘，该方法先对轨迹点进行聚类形成多个聚类类簇，每个聚类类簇包括聚类中心和聚类范围，每个聚类中心配有一个身份标识，提取经纬度坐标落在相应聚类类簇的聚类范围的轨迹点并将其用该聚类类簇的聚类中心的身份标识表示，得到用聚类中心的身份标识按序排列表示的经映射后的轨迹，对经映射后的轨迹进行频繁模式挖掘，具有抗干扰性强且便于识别目标的重复轨迹的特定，便于找出目标的轨迹规律，以便为相关用户提供准确的轨迹预测或者服务。
-
-
-
-
-
-
Search Results
7
records
(took 0.033 seconds)
