公开(公告)号：CN113761395B

公开(公告)日：2024-07-26

申请号：CN202110928066.7

申请日：2021-08-12

申请人： 清华大学

发明人： 王寰东 ,  李勇 ,  张启钟 ,  金德鹏

IPC分类号： G06F16/9537 ,  G06F16/2458 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/09

摘要： 本发明提供一种轨迹生成模型训练方法、轨迹生成方法及装置，该训练方法包括：将历史移动数据输入到逆向生成模型，得到对应的隐含移动特征；将隐含移动特征输入到轨迹生成模型，分别得到时间维度的指数分布和空间维度的多项式分布；训练并优化由逆向生成模型和轨迹生成模型共同构成的变分时间点过程模型，得到轨迹生成模型。本发明提供的轨迹生成模型训练方法、轨迹生成方法及装置，在保留了神经网络模型的强大建模能力、捕获了序列数据中的不确定性的同时提升了其可解释性，且能够通过基于概率模型的数据交互机制有效的引入专家知识，有更强的灵活性、建模能力，对不均衡数据的高度适应性和鲁棒性，在移动数据生成问题上具有巨大的潜力。

公开(公告)号：CN113761395A

公开(公告)日：2021-12-07

申请号：CN202110928066.7

申请日：2021-08-12

申请人： 清华大学

发明人： 王寰东 ,  李勇 ,  张启钟 ,  金德鹏

IPC分类号： G06F16/9537 ,  G06F16/2458 ,  G06N3/04

摘要： 本发明提供一种轨迹生成模型训练方法、轨迹生成方法及装置，该训练方法包括：将历史移动数据输入到逆向生成模型，得到对应的隐含移动特征；将隐含移动特征输入到轨迹生成模型，分别得到时间维度的指数分布和空间维度的多项式分布；训练并优化由逆向生成模型和轨迹生成模型共同构成的变分时间点过程模型，得到轨迹生成模型。本发明提供的轨迹生成模型训练方法、轨迹生成方法及装置，在保留了神经网络模型的强大建模能力、捕获了序列数据中的不确定性的同时提升了其可解释性，且能够通过基于概率模型的数据交互机制有效的引入专家知识，有更强的灵活性、建模能力，对不均衡数据的高度适应性和鲁棒性，在移动数据生成问题上具有巨大的潜力。