-
公开(公告)号：CN111598114A
公开(公告)日：2020-08-28
申请号：CN201910127322.5
申请日：2019-02-20
申请人： 腾讯大地通途(北京)科技有限公司 , 腾讯科技(深圳)有限公司 , 清华大学
摘要： 本申请涉及一种隐藏状态序列的确定方法，包括获取目标街区对应的观测序列；基于观测序列、隐马尔科夫模型中与目标街区对应的初始状态概率和状态转移概率、以及与隐马科夫模型涉及的各候选街区共同对应的高斯分布均值和高斯分布方差，确定目标街区在观测序列覆盖的各时间片内分别处于隐马尔科夫模型的各隐藏状态的局部概率，确定各局部概率分别对应的反向指针；基于目标街区在观测序列覆盖的最后一个时间片内分别处于各隐藏状态的局部概率中的最大局部概率，确定目标街区在最后一个时间片内所处的隐藏状态；基于目标街区在最后一个时间片内所处的隐藏状态及各反向指针进行最优路径回溯得到隐藏状态序列，能支持对街区的状态转移情况进行确定。
-
公开(公告)号：CN111598114B
公开(公告)日：2023-07-25
申请号：CN201910127322.5
申请日：2019-02-20
申请人： 腾讯大地通途(北京)科技有限公司 , 腾讯科技(深圳)有限公司 , 清华大学
IPC分类号： G06F18/2415 , G06F18/20 , G06Q30/0204
摘要： 本申请涉及一种隐藏状态序列的确定方法，包括获取目标街区对应的观测序列；基于观测序列、隐马尔科夫模型中与目标街区对应的初始状态概率和状态转移概率、以及与隐马科夫模型涉及的各候选街区共同对应的高斯分布均值和高斯分布方差，确定目标街区在观测序列覆盖的各时间片内分别处于隐马尔科夫模型的各隐藏状态的局部概率，确定各局部概率分别对应的反向指针；基于目标街区在观测序列覆盖的最后一个时间片内分别处于各隐藏状态的局部概率中的最大局部概率，确定目标街区在最后一个时间片内所处的隐藏状态；基于目标街区在最后一个时间片内所处的隐藏状态及各反向指针进行最优路径回溯得到隐藏状态序列，能支持对街区的状态转移情况进行确定。
-
公开(公告)号：CN111612206A
公开(公告)日：2020-09-01
申请号：CN202010238209.7
申请日：2020-03-30
申请人： 清华大学
摘要： 本发明实施例提供一种基于时空图卷积神经网络的街区人流预测方法及系统。该方法包括：获取街区人流历史移动轨迹数据；将所述街区人流移动轨迹数据输入至预先训练好的街区人流预测模型中，得到所述街区人流预测模型输出的街区未来人流预测结果；其中，所述街区人流预测模型通过构建动态时空图和利用兴趣点对街区进行分类，对三维图卷积神经网络模型进行训练所得到的。本发明实施例通过构建表征空间关联和时间动态性的动态图，利用兴趣点来表征不同街区的功能属性，并利用多任务学习同时预测人流和街区功能，达到更好的人流预测性能。
-
公开(公告)号：CN111275300B
公开(公告)日：2023-04-07
申请号：CN202010043670.7
申请日：2020-01-15
申请人： 腾讯科技(深圳)有限公司 , 清华大学
IPC分类号： G06Q10/0631 , G06Q50/26
摘要： 本申请公开了一种路网数据处理方法、装置、设备及存储介质，属于网络技术领域。本申请实施例通过目标区域的路网数据和用户的出行数据，即可通过预测交通信息，确定路线变更信息，基于路线变更信息再改变交通信息，在变更路线时，通过交通信息结合用户的出行数据来分析路线特征和乘车点特征，以此来不断改善交通情况，这样通过多次路线改变，得到该目标区域内的目标交通信息，而无需由相关技术人员进行人工规划，相较于人工规划，处理效率高，且该过程考虑到了目标区域内的整体路线和乘车点情况，确定结果更准确。
-
公开(公告)号：CN113658718A
公开(公告)日：2021-11-16
申请号：CN202110961659.3
申请日：2021-08-20
申请人： 清华大学
摘要： 本发明提供一种个体疫情防控方法及系统，该方法包括：获取目标城市中用户终端个体在预设时间间隔内预设时段的状态信息和地区访问历史记录信息；将状态信息和地区访问历史记录信息输入到训练好的疫情防控模型，获取目标城市中每个用户终端个体的疫情干预动作；其中，训练好的疫情防控模型是根据样本状态信息、样本地区访问历史记录信息和样本干预动作，对图神经网络和强化学习模型进行训练得到的；根据疫情干预动作，获取用户终端个体的疫情干预策略，以对用户终端个体进行干预。本发明通过图神经网络获取用户终端个体间的接触联系，通过强化学习模型获取最优疫情防控策略，提高了疫情防控成效。
-
-
-
-
搜索结果
15 条记录 (耗时 0.038 秒)