买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙大城市学院

摘要：本发明公开了一种时空门机制迁移的异源城市出租车轨迹生成方法及系统。本方法首先进行数据采集与处理，整合异构城市出租车轨迹数据，进行数据清洗和预处理，并利用OpenStreetMap的路网信息将经纬度点序列转换为连续的道路序列；然后构建异源城市交通轨迹的时空迁移元模型，构建公共轨迹时空编码器T'学习通用特征，并为每个城市构建特定时空编码器Ti学习城市独特特征，使用MAML进行参数克隆和梯度下降；接着进行模型迁移，利用源城市数据优化模型参数，评估性能，并迁移知识到目标城市；预测轨迹下一跳，利用Transformer进行轨迹预测，通过时空门控机制和BatchNorm等优化结果，保证轨迹连续性。本发明能提高模型在稀疏数据上的学习效果，生成更高质量的交通轨迹数据。

主权项：1.一种时空门机制迁移的异源城市出租车轨迹生成方法，其特征在于，包含以下步骤：S1：数据源的采集与处理：整合来自异源城市的出租车轨迹数据，并进行数据清洗和预处理，将异源数据进行路网匹配，使用OpenStreetMap中的路网信息将经纬度点序列转换为连续的道路序列；S2：构建异源城市交通轨迹的时空迁移元模型：首先，构建公共交通轨迹时空编码器T’，以捕捉交通轨迹数据中的通用特征；其次，为每个城市构建一个交通轨迹时空编码器Ti，其中，i表征各城市的编码器，以学习各自城市独特的交通特征，在每一轮元训练时，使用MAML进行公共编码器T’向源城市编码器Ti的参数克隆，每一轮元训练结束后在公共编码器T’上执行梯度下降，以优化其参数，使其适应各个城市的交通轨迹特征；S3：模型迁移：在富含轨迹数据的源城市上训练得到源模型，在数据匮乏的目标城市上训练得到目标模型；首先，将源模型中的共享参数复制到目标模型中，以保持两个模型在结构上的一致性；接着，利用目标城市的时空编码轨迹数据对模型进行内部更新，调参优化模型的私有参数，以适应目标城市的特定交通特征，在目标城市的数据集上，所述模型经历多次迭代训练，通过梯度下降和反向传播方法更新模型参数，最小化轨迹预测误差；同时，在内部更新过程中，目标模型的共享参数定期与源模型的共享参数同步，确保源城市的通用知识得以迁移至目标城市；过程中，以平均位移误差和最终位移误差作为评估指标对所述模型定期进行性能评估，确保模型在目标城市数据上的表现持续提升，待微调完成后，使用目标城市测试集对所述模型进行最终测试，全面评估模型在实际应用中的性能表现；S4：预测轨迹下一跳：通过Transformer模型对已处理的轨迹数据进行训练，利用训练好的模型进行轨迹预测，根据当前位置预测下一跳的道路，采用道路相邻的拓扑结构Mask机制来约束预测结果，保证轨迹的连续性。

全文数据：

权利要求：

百度查询： 浙大城市学院 时空门机制迁移的异源城市出租车轨迹生成方法及系统