-
公开(公告)号：CN110795522B
公开(公告)日：2023-01-06
申请号：CN201911077269.9
申请日：2019-11-06
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种移动用户轨迹位置的预测方法及装置，属于数据挖掘处理技术领域。本发明通过构造包括LSTM网络和MDN网络的循环混合密度网络作为预测模型，该预测模型能够自动提取深度特征，利用该预测模型可从移动用户的最近轨迹数据中学习用户的运动趋势、长时间历史信息和隐藏代表性特征，从而实现对未来一段时间内用户位置坐标的预测。且本发明解决了预测连续位置坐标值时将面临的稀疏性问题和维数灾难问题，并能够充分模拟运动行为的不确定性，能够提高预测的精确性。
-
公开(公告)号：CN109614458B
公开(公告)日：2021-07-16
申请号：CN201811564764.8
申请日：2018-12-20
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F16/29 , G06F16/28 , G06F16/2458
Abstract: 本发明涉及基于导航数据的城市社区结构挖掘方法与装置，属于数据处理技术领域，根据出租车导航数据提供的上、下客点进行聚类，并确定每个聚类的中心点，以中心点为参照点对热点区域进行泰森多边形划分，实现城市区域的划分，使得多边形内的所有样本点离该多边形内的参照点的距离比到其他任何一个参照点距离更短；将离散后的热点区域抽象成图，通过聚类算法将联系较强的划分区域聚集在一起形成社区。本发明充分利用出租车运营行为对居民出行活动和城市动态特征良好的感知性，能够在无专家知识的前提下，以无监督的方式自动获取城市社区结构特征，能够为合理的城市功能区域规划和土地资源利用，以及道路交通的建设提供有效的决策手段和参考信息。
-
公开(公告)号：CN110873577A
公开(公告)日：2020-03-10
申请号：CN201911214881.6
申请日：2019-12-02
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种水下快速动基座对准方法及装置，属于水下导航定位领域。其中方法包括以下步骤：1)获取载体初始时刻的经度和纬度，载体上惯性导航系统输出的比力和角速度信息，以及多普勒测速仪输出的速度观测值；2)在每个惯性导航更新周期内，更新3)在每个多普勒测速仪的更新周期内，更新 并建立系统方程和观测方程，利用非线性滤波算法计算 4)计算当前的姿态矩阵并输出当前的姿态角信息；5)重复步骤2)-4)，直至满足初始对准结束条件。本发明建立了非线性模型，可利用非线性滤波算法求得姿态矩阵，实现初始对准；不同于传统的两阶段对准，可以在不进行粗对准的条件下完成初始对准，提高了初始对准的快速性。
-
公开(公告)号：CN109470276A
公开(公告)日：2019-03-15
申请号：CN201811564321.9
申请日：2018-12-20
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G01C25/00
Abstract: 本发明涉及基于零速修正的里程计标定方法与装置，属于测量技术领域，其中标定方法通过选取一段航程大于设定距离的路段作为标定航线，在标定航线中每隔设定时间停车一次，获取标定航线行驶过程和停车时的惯性导航系统的输出值，利用零速修正算法得到惯性导航系统的精确位置，并将其作为里程计标定的位置基准，利用航迹推算算法得到标定航线终点的位置信息；最后根据两个标定航线终点的位置信息和标定航线上起点的位置信息计算确定标定参数。本发明不需要额外的传感器或者额外的观测信息，只利用惯性导航系统和里程计的观测信息就可以完成标定，为军事应用、尤其是卫星信号缺失环境下，提供了一种有效的参数标定手段。
-
公开(公告)号：CN110909037B
公开(公告)日：2024-02-13
申请号：CN201910955847.8
申请日：2019-10-09
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F16/2458 , G06F16/28 , G06F16/29
Abstract: 分布，具有更加直观的现实意义，为智能交通系本发明涉及一种频繁轨迹模式的挖掘方法 统建设、交通管理和用户路径规划等实际应用提及装置，属于数据挖掘技术领域。本发明首先提 供了决策支持。取轨迹的起讫点，然后对起讫点进行聚类，得到热点区域；最后对热点区域间的轨迹进行标记得到频繁轨迹模式。该方法将聚类对象设定为起讫点的点对象，而不是轨迹段的线对象，能够在相似性度量计算及聚类过程大幅减小计算负担，提(56)对比文件左开中;陶健;曾海燕;孙丽萍.基于语义空间匿名的轨迹移动模式挖掘算法.信息网络安全.2018,(08),23-25.滕巧爽;秘金钟;孙尚宇.支持语义信息挖掘的热点路径探测.导航定位学报.2017,(02),34-36.王亮.随机采样移动轨迹时空热点区域发现及模式挖掘《.吉林大学学报（工学版）》.2015,913-920.杨树亮等.一种出租车载客轨迹空间聚类方法《.计算机工程与应用》.2018,(第14期),第254-260页.袁华等.基于GPS轨迹的用户兴趣点及频繁路径挖掘研究《.系统工程理论与实践》.2015,(第05期),第190-196页.
-
Patent Agency Ranking
公开(公告)号：CN109470276B
公开(公告)日：2020-07-17
申请号：CN201811564321.9
申请日：2018-12-20
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G01C25/00
Abstract: 本发明涉及基于零速修正的里程计标定方法与装置，属于测量技术领域，其中标定方法通过选取一段航程大于设定距离的路段作为标定航线，在标定航线中每隔设定时间停车一次，获取标定航线行驶过程和停车时的惯性导航系统的输出值，利用零速修正算法得到惯性导航系统的精确位置，并将其作为里程计标定的位置基准，利用航迹推算算法得到标定航线终点的位置信息；最后根据两个标定航线终点的位置信息和标定航线上起点的位置信息计算确定标定参数。本发明不需要额外的传感器或者额外的观测信息，只利用惯性导航系统和里程计的观测信息就可以完成标定，为军事应用、尤其是卫星信号缺失环境下，提供了一种有效的参数标定手段。
-
公开(公告)号：CN110873577B
公开(公告)日：2022-05-17
申请号：CN201911214881.6
申请日：2019-12-02
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种水下快速动基座对准方法及装置，属于水下导航定位领域。其中方法包括以下步骤：1)获取载体初始时刻的经度和纬度，载体上惯性导航系统输出的比力和角速度信息，以及多普勒测速仪输出的速度观测值；2)在每个惯性导航更新周期内，更新3)在每个多普勒测速仪的更新周期内，更新并建立系统方程和观测方程，利用非线性滤波算法计算4)计算当前的姿态矩阵并输出当前的姿态角信息；5)重复步骤2)‑4)，直至满足初始对准结束条件。本发明建立了非线性模型，可利用非线性滤波算法求得姿态矩阵，实现初始对准；不同于传统的两阶段对准，可以在不进行粗对准的条件下完成初始对准，提高了初始对准的快速性。
-
公开(公告)号：CN110909037A
公开(公告)日：2020-03-24
申请号：CN201910955847.8
申请日：2019-10-09
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F16/2458 , G06F16/28 , G06F16/29
Abstract: 本发明涉及一种频繁轨迹模式的挖掘方法及装置，属于数据挖掘技术领域。本发明首先提取轨迹的起讫点，然后对起讫点进行聚类，得到热点区域；最后对热点区域间的轨迹进行标记得到频繁轨迹模式。该方法将聚类对象设定为起讫点的点对象，而不是轨迹段的线对象，能够在相似性度量计算及聚类过程大幅减小计算负担，提高了计算效率。同时该方法得到频繁轨迹模式不仅揭示了热点路径的信息，更揭示了热点区域的分布，具有更加直观的现实意义，为智能交通系统建设、交通管理和用户路径规划等实际应用提供了决策支持。
-
公开(公告)号：CN110795522A
公开(公告)日：2020-02-14
申请号：CN201911077269.9
申请日：2019-11-06
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种移动用户轨迹位置的预测方法及装置，属于数据挖掘处理技术领域。本发明通过构造包括LSTM网络和MDN网络的循环混合密度网络作为预测模型，该预测模型能够自动提取深度特征，利用该预测模型可从移动用户的最近轨迹数据中学习用户的运动趋势、长时间历史信息和隐藏代表性特征，从而实现对未来一段时间内用户位置坐标的预测。且本发明解决了预测连续位置坐标值时将面临的稀疏性问题和维数灾难问题，并能够充分模拟运动行为的不确定性，能够提高预测的精确性。
-
公开(公告)号：CN110866477A
公开(公告)日：2020-03-06
申请号：CN201911078219.2
申请日：2019-11-06
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种轨迹运动模式识别方法及装置，属于人工智能技术领域。本发明通过深度学习方式，自动提取预处理后的待识别的轨迹数据的深度特征，且得到的深度特征具有更好的辨识度，从而能够显著提到模式识别的准确率。同时，预处理时，本发明将轨迹数据转换为包含多维信息的网格数据，用网格的位置代表用户的位置，网格序列反映用户轨迹的地理空间特征和几何特征，用网格的像素代表用户在该网格内的平均速度，反映用户轨迹的运动性特征，保证了转换后的轨迹数据能够充分表达移动用户轨迹的代表性特征，进一步提高模式识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.04 seconds)
