-
公开(公告)号:CN114925875A
公开(公告)日:2022-08-19
申请号:CN202210314126.0
申请日:2022-03-28
Applicant: 中国矿业大学
Abstract: 本发明公开了一种融合卡口重要性与注意力机制的车辆轨迹预测方法,包括以下步骤:(1)获取过车数据源并对数据源进行数据预处理,提取车辆轨迹;(2)提取用于表示位置的交通卡口集,引入自然语言处理中的Glove模型,通过训练车辆轨迹数据得到各卡口的嵌入词向量表示;结合PageRank算法对各卡口的重要性进行排序;(3)利用SIF方法对卡口的嵌入词向量进行加权平均获得轨迹句向量表示,应用K‑means算法对轨迹进行聚类;(4)融合卡口位置编码与重要性编码,并加入注意力机制,在获得的每个聚类簇中采用Bi‑LSTM神经网络对车辆轨迹进行训练,预测新轨迹,既考虑了车辆信息或道路信息,又考虑了目标车辆与所经卡口的交互关系,轨迹预测效果更好。
-
公开(公告)号:CN114925875B
公开(公告)日:2025-02-28
申请号:CN202210314126.0
申请日:2022-03-28
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06N3/08 , G06N3/0442 , G06N3/045 , G06F18/23213
Abstract: 本发明公开了一种融合卡口重要性与注意力机制的车辆轨迹预测方法,包括以下步骤:(1)获取过车数据源并对数据源进行数据预处理,提取车辆轨迹;(2)提取用于表示位置的交通卡口集,引入自然语言处理中的Glove模型,通过训练车辆轨迹数据得到各卡口的嵌入词向量表示;结合PageRank算法对各卡口的重要性进行排序;(3)利用SIF方法对卡口的嵌入词向量进行加权平均获得轨迹句向量表示,应用K‑means算法对轨迹进行聚类;(4)融合卡口位置编码与重要性编码,并加入注意力机制,在获得的每个聚类簇中采用Bi‑LSTM神经网络对车辆轨迹进行训练,预测新轨迹,既考虑了车辆信息或道路信息,又考虑了目标车辆与所经卡口的交互关系,轨迹预测效果更好。
-
公开(公告)号:CN115879454A
公开(公告)日:2023-03-31
申请号:CN202211548955.1
申请日:2022-12-05
Applicant: 中国矿业大学
IPC: G06F40/284 , G08G1/01 , G06F40/242 , G06F17/16 , G06F40/30 , G06N20/00 , G06F18/22
Abstract: 本发明公开了一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法,包括以下步骤:(1)获取数据源,并对数据源的数据进行预处理;(2)提取用于表示位置的交通卡口集;引入自然语言处理中的Glove模型,通过训练车辆轨迹数据得到各卡口的嵌入词向量表示;(3)结合改进的PageRank算法对各卡口的重要性进行排序;(4)利用节点删除法模拟卡口因故失效的情况,在去掉指定卡口之后,通过预测误差检验步骤(3)各卡口重要性排序的有效性,本发明针对道路关键点排序,既考虑了交通网络的物理拓扑结构,又关注到交通需求以及真实出行轨迹,从多个角度更加客观地得出不同卡口的重要性;可以很好地考虑到历史的影响,并可以进行排序算法验证。
-
-