-
公开(公告)号：CN115169526B
公开(公告)日：2023-08-01
申请号：CN202210548996.4
申请日：2022-05-20
Applicant: 北京信息科技大学 , 和智信(山东)大数据科技有限公司
IPC: G06N3/0455 , G06N3/08 , H04W64/00
Abstract: 本发明提供一种基于深度学习的基站表示学习方法、系统及存储介质，所述方法包括：获取基站信息，所述基站信息包括基站的唯一标识码信息、基站静态特征数据以及基站相关动态轨迹数据；基于获取到的基站的经度、纬度以及基站相关动态轨迹数据确定基站之间的邻接矩阵，基于邻接矩阵构建第一基站关系图；基于基站静态特征数据以及基站相关动态轨迹数据构造第一特征向量集合；构建自编码器神经网络模型，将所述第一基站关系图及第一特征向量集合输入至编码器得到基站表示向量集合，将所述基站表示向量集合输入至解码器得到重构的第二基站关系图及第二特征向量集合。该方法可高效的实现基站的表示学习，从而在各类数据挖掘过程中更好的应用基站信息。
-
公开(公告)号：CN115169526A
公开(公告)日：2022-10-11
申请号：CN202210548996.4
申请日：2022-05-20
Applicant: 北京信息科技大学 , 和智信(山东)大数据科技有限公司
Abstract: 本发明提供一种基于深度学习的基站表示学习方法、系统及存储介质，所述方法包括：获取基站信息，所述基站信息包括基站的唯一标识码信息、基站静态特征数据以及基站相关动态轨迹数据；基于获取到的基站的经度、纬度以及基站相关动态轨迹数据确定基站之间的邻接矩阵，基于邻接矩阵构建第一基站关系图；基于基站静态特征数据以及基站相关动态轨迹数据构造第一特征向量集合；构建自编码器神经网络模型，将所述第一基站关系图及第一特征向量集合输入至编码器得到基站表示向量集合，将所述基站表示向量集合输入至解码器得到重构的第二基站关系图及第二特征向量集合。该方法可高效的实现基站的表示学习，从而在各类数据挖掘过程中更好的应用基站信息。
-
公开(公告)号：CN117591757B
公开(公告)日：2024-09-06
申请号：CN202311437980.7
申请日：2023-10-31
Applicant: 和智信(山东)大数据科技有限公司
IPC: G06F16/9537 , G06F16/22 , G06F16/2453 , G06F16/2455
Abstract: 本申请提供一种轨迹数据处理方法及装置，方法包括：接收针对非关系型轨迹存储数据库的自然语言查询信息，并将该自然语言查询信息转化为由数据库查询语句形成的目标查询请求；根据自目标查询请求中提取的包含有时间范围和/或空间范围的查询关键字，基于预设的多级索引自非关系型轨迹存储数据库中提取对应的针对单个对象或多个对象的目标轨迹数据。本申请能够在提高轨迹数据查询效率的基础上，实现针对单个或多个对象的轨迹数据查询，且能够满足基于时间范围和/或空间范围的多种查询条件的高效执行，并能够有效提高轨迹数据查询的便捷性及可靠性。
-
公开(公告)号：CN114885293B
公开(公告)日：2022-12-20
申请号：CN202210446511.0
申请日：2022-04-26
Applicant: 和智信(山东)大数据科技有限公司
Abstract: 本发明提供一种基于深度学习的信令轨迹恢复方法、系统及存储介质，所述方法包括：分别获取当前信令轨迹数据和历史信令轨迹数据；将第一预设时间段和第二预设时间段划分为多个时间区间，确定各时间区间的轨迹保留点；根据历史信令轨迹数据确定基站转移概率矩阵，并获取空间注意力数据；生成基站表征向量，确定各时间区间的位置表征向量和时间表征向量，基于位置表征向量和时间表征向量之和确定历史轨迹注意力数据；将当前信令轨迹数据中的基站表征向量和对应的时间表征向量之和输入至编码器获得轨迹表征向量，获取编码器注意力数据；将轨迹表征向量、空间注意力数据、历史轨迹注意力数据以及编码器注意力数据输入至解码器，得到预测的信令轨迹序列。
-
公开(公告)号：CN114885293A
公开(公告)日：2022-08-09
申请号：CN202210446511.0
申请日：2022-04-26
Applicant: 和智信(山东)大数据科技有限公司
Abstract: 本发明提供一种基于深度学习的信令轨迹恢复方法、系统及存储介质，所述方法包括：分别获取当前信令轨迹数据和历史信令轨迹数据；将第一预设时间段和第二预设时间段划分为多个时间区间，确定各时间区间的轨迹保留点；根据历史信令轨迹数据确定基站转移概率矩阵，并获取空间注意力数据；生成基站表征向量，确定各时间区间的位置表征向量和时间表征向量，基于位置表征向量和时间表征向量之和确定历史轨迹注意力数据；将当前信令轨迹数据中的基站表征向量和对应的时间表征向量之和输入至编码器获得轨迹表征向量，获取编码器注意力数据；将轨迹表征向量、空间注意力数据、历史轨迹注意力数据以及编码器注意力数据输入至解码器，得到预测的信令轨迹序列。
-
Patent Agency Ranking
公开(公告)号：CN112288131A
公开(公告)日：2021-01-29
申请号：CN202011013023.8
申请日：2020-09-24
Applicant: 和智信(山东)大数据科技有限公司
Abstract: 本发明提供了一种公交站点优化方法、电子设备及计算机可读存储介质，其中，该方法包括：获取公交车单程运行时段内的用户信令轨迹数据集和公交车车载POS机中手机号的信令轨迹数据；对用户和公交车的信令轨迹数据进行一致性比较，得到各站点相应时间段的乘车用户；根据乘车用户统计得到各公交站点的上车用户和下车用户；根据至少一天的用户信令轨迹数据集分析上车用户和下车用户的工作地和居住地；根据用户的工作地和居住地确定相应公交站点的稳定停留地点；根据稳定停留地点得到相应公交站点的相关上下车用户的稳定停留地点分布并计算其中心位置，并以此调整公交站点。通过上述方案能够提升公交站点优化效果。
-
公开(公告)号：CN111615054A
公开(公告)日：2020-09-01
申请号：CN202010450781.X
申请日：2020-05-25
Applicant: 和智信(山东)大数据科技有限公司
Abstract: 本发明提供了一种人口分析方法及装置，其中，该方法包括：获取信令数据集和相应基站工参信息；获取相应基站所属行政区划的地图数据并据其计算相应基站位置与基站所属行政区划的边界的距离；若该距离不超过设定距离阈值，则为边界基站，从所有边界基站提取得到设定行政区划的边界基站集，根据基站的测量数据统计其中边界基站附着其所覆盖的各行政区划用户的比例；统计设定时间范围内边界基站附着用户数量和所有非边界基站附着用户数量，将各边界基站附着用户数量乘以相应比例并求和得到边界人口数量；对边界人口数量和所有非边界基站附着用户数量求和得到设定行政区划的总人口数量。通过上述方案能够更精确地对行政区划空间单元的人口统计分析。
-
公开(公告)号：CN116776014B
公开(公告)日：2024-01-16
申请号：CN202310836971.9
申请日：2023-07-10
Applicant: 和智信(山东)大数据科技有限公司
IPC: G06F16/9537 , G06F16/26
Abstract: 本发明提供一种多源轨迹数据表示方法及装置，所述方法包括：获取第一时间段内的多源轨迹数据，将所述第一时间段划分为多个时间区间，确定各所述时间区间内的各轨迹数据的轨迹点的Token值，得到各轨迹数据对应的Token值集合；将各所述Token值集合、各所述轨迹数据的源类别以及时间区间索引信息输入至轨迹表示模型，得到轨迹嵌入表示、源类别嵌入表示以及时间区间索引嵌入表示，将所述轨迹嵌入表示、源类别嵌入表示、时间区间索引嵌入表示与位置嵌入表示进行组合得到组合嵌入表示，基于各组合嵌入表示得到各所述轨迹数据的隐状态向量，将各轨迹数据的隐状态向量进行池化得到各轨迹数据的特征表示向量。该多源轨迹数据表示方法可提高轨迹数据表示的准确性。
-
公开(公告)号：CN116776014A
公开(公告)日：2023-09-19
申请号：CN202310836971.9
申请日：2023-07-10
Applicant: 和智信(山东)大数据科技有限公司
IPC: G06F16/9537 , G06F16/26
Abstract: 本发明提供一种多源轨迹数据表示方法及装置，所述方法包括：获取第一时间段内的多源轨迹数据，将所述第一时间段划分为多个时间区间，确定各所述时间区间内的各轨迹数据的轨迹点的Token值，得到各轨迹数据对应的Token值集合；将各所述Token值集合、各所述轨迹数据的源类别以及时间区间索引信息输入至轨迹表示模型，得到轨迹嵌入表示、源类别嵌入表示以及时间区间索引嵌入表示，将所述轨迹嵌入表示、源类别嵌入表示、时间区间索引嵌入表示与位置嵌入表示进行组合得到组合嵌入表示，基于各组合嵌入表示得到各所述轨迹数据的隐状态向量，将各轨迹数据的隐状态向量进行池化得到各轨迹数据的特征表示向量。该多源轨迹数据表示方法可提高轨迹数据表示的准确性。
-
公开(公告)号：CN116186358B
公开(公告)日：2023-08-15
申请号：CN202310100602.3
申请日：2023-02-07
Applicant: 和智信(山东)大数据科技有限公司
IPC: G06F16/906 , G06F16/909 , G06F18/23213 , G06F18/2415 , G06F18/214
Abstract: 本发明提供一种深度轨迹聚类方法、系统及存储介质，包括：得到第一增广数据集合和第二增广数据集合；将第一增广数据集合输入到训练好的轨迹编码模型中得到轨迹编码向量，将第二增广数据集合输入到轨迹动量编码模型中得到轨迹动量编码向量；确定聚类中心、第一类别概率分布和第二类别概率分布，并计算第一目标分布和第二目标分布；计算KL散度对比学习损失；确定第一投影向量和第二投影向量，计算轨迹投影向量对比损失；确定第一轨迹预测向量和第二轨迹预测向量，计算轨迹类别对比损失；确定总模型损失，迭代更新轨迹编码模型和聚类中心，基于最后一次迭代过程中获得的轨迹编码向量及聚类中心对待聚类轨迹数据进行聚类。该方法轨迹数据聚类效果好。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.041 seconds)
