【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及神經(jīng)網(wǎng)絡(luò)領(lǐng)域，具體來說涉及匿名軌跡信息識別領(lǐng)域，更具體地說，涉及一種用于匿名時(shí)空軌跡識別的模型。
技術(shù)介紹
1、匿名軌跡識別技術(shù)最相關(guān)的研究方向?yàn)檐壽E用戶鏈接(trajectory-userlinking)，這是將軌跡連接到生成它們的匿名用戶的技術(shù)。匿名軌跡識別技術(shù)目前主要有兩種類型的解決方案，包括傳統(tǒng)的基于軌跡相似性的研究和基于深度學(xué)習(xí)的模型。
2、傳統(tǒng)基于軌跡相似性的研究通常基于數(shù)理統(tǒng)計(jì)方法來尋找軌跡中的空間信息統(tǒng)計(jì)特征，例如深度貝葉斯網(wǎng)絡(luò)（簡稱dbn）、隱馬爾可夫模型（簡稱hmm）和最長公共子序列（簡稱lcss）等等。然而，傳統(tǒng)方案需要研究人員基于領(lǐng)域知識，利用特征工程對軌跡中的空間信息進(jìn)行差異化的表征，再提供數(shù)理統(tǒng)計(jì)方法對這些數(shù)據(jù)進(jìn)行分析，該類型的方法往往無法有效解決大型軌跡數(shù)據(jù)集中遇到的軌跡表示中的線性不可區(qū)分性和噪聲問題，并且在準(zhǔn)確性方面這是成對點(diǎn)匹配相似性計(jì)算面臨的普遍困難。
3、相較于統(tǒng)計(jì)學(xué)方法和機(jī)器學(xué)習(xí)技術(shù)，深度學(xué)習(xí)因其出色的非線性建模能力和對空間關(guān)系的深入分析而受到了廣泛關(guān)注。匿名軌跡識別技術(shù)的深度學(xué)習(xí)方法又可以分為軌跡序列方法與軌跡圖方法。如參考文獻(xiàn)[1]（該文獻(xiàn)方法簡稱為tuler）展示出的軌跡序列識別方法，其受自然語言處理中單詞嵌入的啟發(fā)，該類方法將軌跡中地理信息視為單詞，將整個(gè)軌跡視為句子，從而將二維空間信息嵌入到高維向量中，進(jìn)而使得深度學(xué)習(xí)過程中學(xué)習(xí)軌跡序列中的時(shí)序依賴信息。繼這項(xiàng)工作之后，以參考文獻(xiàn)[2]（該文獻(xiàn)方法簡稱為tulvae）為代表的方法，其基于生成
4、此后，軌跡序列類型的方法還采納注意力方法并按照軌跡序列的順序進(jìn)行空間信息重點(diǎn)分析，參考文獻(xiàn)[5]（該文獻(xiàn)方法簡稱為deeptul）設(shè)計(jì)了一個(gè)基于歷史軌跡的注意力模塊，以獲取理解人類移動模式的上下文信息。盡管將軌跡視為序列的匿名軌跡識別技術(shù)很好地利用了軌跡中涉及的順序信息，但是空間信息沒有得到充分利用。最近的參考文獻(xiàn)[6]（該文獻(xiàn)方法簡稱為graphsage）來學(xué)習(xí)每個(gè)節(jié)點(diǎn)的鄰居特征。但該方法需要進(jìn)行固定數(shù)量的空間信息采樣進(jìn)行空間信息的聚合，為此不可避免的導(dǎo)致空間信息的忽視或者冗余信息的引入，同時(shí)，實(shí)際場景下的用戶軌跡數(shù)據(jù)極具稀疏性，會阻礙軌跡空間信息的有效表示。因此，現(xiàn)有方法對于空間信息均會產(chǎn)生不同程度的忽略。
5、基于上述分析可知，雖然現(xiàn)有深度學(xué)習(xí)模型取得了令人滿意的結(jié)果，但依然存在以下問題限制了它們的性能：
6、（1）忽視空間信息：模型忽略了軌跡中的獨(dú)特空間信息，即目前的大量工作僅僅是將軌跡僅視為一種特殊的時(shí)間序列，對軌跡僅僅按照時(shí)間的先后順序，將軌跡中地理空間信息表示為順序型數(shù)據(jù)。該軌跡表示技術(shù)從出發(fā)點(diǎn)就決定了匿名軌跡識別的準(zhǔn)確率上限。這顯然違背了對復(fù)雜的人類移動模式的理解，并落后于交通領(lǐng)域的研究方法。而基于空間信息的識別也在忽略了部分空間信息。
7、（2）采樣導(dǎo)致信息丟失：由于模型結(jié)構(gòu)的限制，模型需要基于固定長度來采樣或填充軌跡，以便能夠標(biāo)準(zhǔn)化地表示軌跡以輸入模型，而在實(shí)現(xiàn)場景中，軌跡的長度總是可變的，因?yàn)橛脩艨梢詾槎掏举徫锫眯猩啥誊壽E，或者為通勤生成長軌跡。
8、因此，現(xiàn)有針對軌跡識別的深度學(xué)習(xí)模型中，第一方面，容易忽略軌跡中的空間信息，存在無法很好地理解人類移動模式的問題，第二方面，以固定軌跡長度進(jìn)行識別，在面臨軌跡多樣化時(shí)存在識別性能差以及缺乏靈活性的問題。
9、需要說明的是：本
技術(shù)介紹
僅用于介紹本專利技術(shù)的相關(guān)信息，以便于幫助理解本專利技術(shù)的技術(shù)方案，但并不意味著相關(guān)信息必然是現(xiàn)有技術(shù)。在沒有證據(jù)表明相關(guān)信息已在本專利技術(shù)的申請日以前公開的情況下，相關(guān)信息不應(yīng)被視為現(xiàn)有技術(shù)。
10、參考文獻(xiàn)：
11、[1]?gao,?q.,?zhou,?f.,?zhang,?k.,?trajcevski,?g.,?luo,?x.,?zhang,?f.:identifying?human?mobility?via?trajectory?embeddings.?in:?ijcai.?vol.?17,?pp.1689–1695?(2017).
12、[2]?zhou,?f.,?gao,?q.,?trajcevski,?g.,?zhang,?k.,?zhong,?t.,?zhang,f.:?trajectory-user?linking?via?variational?autoencoder.?in:?ijcai.?pp.?3212–3218?(2018).
13、[3]?zhou,?f.,?liu,?x.,?zhang,?k.,?trajcevski,?g.,?2021b.?towarddiscriminating?and?synthesizing?motion?traces?using?deep?probabilisticgenerative?models.?ieee?trans.?neural?networks?learn.?syst.?32,?2401–2414.
14、[4]?zhou,?f.,?yin,?r.,?trajcevski,?g.,?zhang,?k.,?wu,?j.,?khokhar,a.a.,?2021c.?improving?human?mobility?identification?with?trajectoryaugmentation.?geoinformatica?25,?453–483.
15、[5]?miao,?c.,?wang,?j.,?yu,?h.,?zhang,?w.,?qi,?y.,?2020.?trajectory-user?linking?with?attentive?recurrent?network,?in:?aamas?’20,?auckland,?newzealand,?may?9-13,?2020,?international?foundation?for?autonomous?agents?andmultiagent?systems.?pp.?878–886.
16、[6]?hamilton,?w.l.,?ying,?z.,?leskovec,?j.,?2017.?inductiverepresentation?learning?on?large?graphs,?in:?nips?2017,?december?4-9,本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種用于匿名時(shí)空軌跡識別的模型，其特征在于，所述模型包括：
2.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述軌跡空間信息提取模塊包括：
3.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述多個(gè)簽到記錄中每個(gè)簽到記錄包括時(shí)間戳和地理位置，所述原始軌跡圖構(gòu)建模塊中，構(gòu)建原始軌跡圖的方式包括：
4.根據(jù)權(quán)利要求3所述的模型，其特征在于，所述多尺度軌跡圖構(gòu)建模塊包括：
5.根據(jù)權(quán)利要求4所述的模型，其特征在于，所述邊構(gòu)建單元中，預(yù)設(shè)邊構(gòu)建規(guī)則包括：
6.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述軌跡識別模塊包括：
7.一種用于匿名時(shí)空軌跡識別的模型的訓(xùn)練方法，其特征在于，訓(xùn)練方法包括：
8.一種匿名時(shí)空軌跡識別方法，其特征在于，方法包括：
9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，其上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序可被處理器執(zhí)行以實(shí)現(xiàn)權(quán)利要求7或8所述方法的步驟。
10.一種電子設(shè)備，其特征在于，包括：
【技術(shù)特征摘要】
1.一種用于匿名時(shí)空軌跡識別的模型，其特征在于，所述模型包括：
2.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述軌跡空間信息提取模塊包括：
3.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述多個(gè)簽到記錄中每個(gè)簽到記錄包括時(shí)間戳和地理位置，所述原始軌跡圖構(gòu)建模塊中，構(gòu)建原始軌跡圖的方式包括：
4.根據(jù)權(quán)利要求3所述的模型，其特征在于，所述多尺度軌跡圖構(gòu)建模塊包括：
5.根據(jù)權(quán)利要求4所述的模型，其特征在于，所述邊...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫濤，李雨杰，錢塘文，陳昭，杜一凡，邵澤志，徐勇軍，王飛，
申請(專利權(quán))人：中國科學(xué)院計(jì)算技術(shù)研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。