-
公开(公告)号：CN115344707A
公开(公告)日：2022-11-15
申请号：CN202210914534.X
申请日：2022-08-01
申请人： 南京航空航天大学
摘要： 本发明公开了一种城市交通知识图谱构建方法，其包括如下步骤：1.构建城市交通知识图谱路网层，根据路网数据提取城市交通知识图谱路网层的实体和实体属性；接着根据路网层中实体提取路网层的关系和关系属性；根据路网层实体和路网层关系构建路网层事实；2.构建城市交通知识图谱轨迹层，根据轨迹数据提取城市交通知识图谱轨迹层的实体和实体属性；接着根据轨迹层的实体和路网层的实体提取轨迹层的关系和关系属性；根据轨迹层实体和轨迹层关系构建轨迹层事实；3.将路网层和轨迹层链接形成城市交通知识图谱。本发明方法充分考虑了城市交通事实的时间信息，能够表示在特定时间发生的城市交通事实。
-
公开(公告)号：CN115344707B
公开(公告)日：2023-10-24
申请号：CN202210914534.X
申请日：2022-08-01
申请人： 南京航空航天大学
摘要： 本发明公开了一种城市交通知识图谱构建方法，其包括如下步骤：1.构建城市交通知识图谱路网层，根据路网数据提取城市交通知识图谱路网层的实体和实体属性；接着根据路网层中实体提取路网层的关系和关系属性；根据路网层实体和路网层关系构建路网层事实；2.构建城市交通知识图谱轨迹层，根据轨迹数据提取城市交通知识图谱轨迹层的实体和实体属性；接着根据轨迹层的实体和路网层的实体提取轨迹层的关系和关系属性；根据轨迹层实体和轨迹层关系构建轨迹层事实；3.将路网层和轨迹层链接形成城市交通知识图谱。本发明方法充分考虑了城市交通事实的时间信息，能够表示在特定时间发生的城市交通事实。
-
公开(公告)号：CN115905434B
公开(公告)日：2023-10-13
申请号：CN202211317629.X
申请日：2022-10-26
申请人： 南京航空航天大学
IPC分类号： G06F16/29 , G06F16/2458 , G06N3/045 , G06N3/084
摘要： 本发明属于轨迹补全技术领域，公开了一种基于学习插值预测的道路网轨迹补全方法。本发明方法首先将GPS轨迹数据映射到实际道路网上，然后利用前一时刻的轨迹位置点信息例如T‑1时刻的轨迹坐标pT‑1和时间信息tT‑1，以及后一时刻的轨迹位置点信息例如T+1时刻的轨迹坐标pT+1和时间信息tT+1，来预测T时刻的轨迹坐标pT和时间信息tT，最后通过映射将补全轨迹坐标点及其所属路段信息进行输出。该方法是数据驱动的，使用深度神经网络模型从大量GPS轨迹中自动学习复杂的行为和模式，基于这些行为和模式，能够准确预测轨迹的缺失部分。本发明方法相较于线性插值方法，在保证了一致的补全率的前提下，提高了补全精度，解决了插值点离散的问题，特别适用于稀疏轨迹补全。
-
公开(公告)号：CN115905434A
公开(公告)日：2023-04-04
申请号：CN202211317629.X
申请日：2022-10-26
申请人： 南京航空航天大学
IPC分类号： G06F16/29 , G06F16/2458 , G06N3/045 , G06N3/084
摘要： 本发明属于轨迹补全技术领域，公开了一种基于学习插值预测的道路网轨迹补全方法。本发明方法首先将GPS轨迹数据映射到实际道路网上，然后利用前一时刻的轨迹位置点信息例如T‑1时刻的轨迹坐标pT‑1和时间信息tT‑1，以及后一时刻的轨迹位置点信息例如T+1时刻的轨迹坐标pT+1和时间信息tT+1，来预测T时刻的轨迹坐标pT和时间信息tT，最后通过映射将补全轨迹坐标点及其所属路段信息进行输出。该方法是数据驱动的，使用深度神经网络模型从大量GPS轨迹中自动学习复杂的行为和模式，基于这些行为和模式，能够准确预测轨迹的缺失部分。本发明方法相较于线性插值方法，在保证了一致的补全率的前提下，提高了补全精度，解决了插值点离散的问题，特别适用于稀疏轨迹补全。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)
