一种轨迹预测方法、模型构建方法、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115936187A(43)申请公布日2023.04.07(21)申请号202211448109.2G06N3/092(2023.01)(22)申请日2022.11.18G06N3/094(2023.01)(71)申请人阿里云计算有限公司地址310024浙江省杭州市西湖区转塘科技经济区块12号(72)发明人王浩张跃伟韩宇(74)专利代理机构北京太合九思知识产权代理有限公司11610专利代理师邓春燕(51)Int.Cl.G06Q10/04(2023.01)G06Q50/30(2012.01)G06F16/36(2019.01)G06N3/0475(2023.01)G06N3/048(2023.01)权利要求书3页说明书13页附图2页(54)发明名称一种轨迹预测方法、模型构建方法、设备及存储介质(57)摘要本申请实施例提供一种轨迹预测方法、模型构建方法、设备及存储介质。在本申请实施例中，可基于多源数据，构建更加全面的交通知识图谱；并可对轨迹样本数据进行时空分析而产生能够反应轨迹中时空信息的时空矩阵；在此基础上，可根据所述交通知识图谱和所述时空矩阵，训练轨迹预测模型中的轨迹表示模块，以使得轨迹表示模块可在交通知识图谱的指导下，将轨迹序列投影至基于交通知识图谱和时空矩阵而产生的融合式嵌入空间，从而更加准确地对轨迹序列进行嵌入表示。这样，可将交通知识图谱提供的轨迹上下文信息和时空序列提供的时空信息融合到轨迹预测过程中，从而构建出更加全面、更加准确地轨迹预测依据，有效提高轨迹预测的准确性。CN115936187ACN115936187A权利要求书1/3页1.一种轨迹预测模型构建方法，所述轨迹预测模型中配置有轨迹表示模块和预测模块，所述方法包括：基于多源数据，构建交通知识图谱；对轨迹样本数据进行时空关系分析，以产生时空矩阵，所述时空矩阵以多个指定时段作为时间维度且以所述交通知识图谱中的实体作为空间维度；根据所述交通知识图谱和所述时空矩阵，训练所述轨迹表示模块，所述轨迹表示模块用于融合所述交通知识图谱和所述时空矩阵分别对应的嵌入空间；利用所述轨迹表示模块，将所述轨迹样本数据投影至所述融合后的嵌入空间，以产生轨迹嵌入表示；以所述轨迹嵌入表示作为所述预测模块的输入参数，训练所述预测模块，所述预测模块用于根据历史轨迹对应的轨迹嵌入表示，预测下一步轨迹。2.根据权利要求1所述的方法，所述基于多源数据，构建交通知识图谱，包括：从所述多源数据中，抽取实体和实体关系；根据抽取出的实体和实体关系构建所述交通知识图谱；其中，所述实体包括道路、兴趣点POI、兴趣点的功能、聚集地和用户中的一种或多种。3.根据权利要求1所述的方法，所述对轨迹样本数据进行时空关系分析，以产生时空矩阵，包括：将所述轨迹样本数据转换为道路序列集合，所述道路序列集合中的单个道路序列包含按时间排序的轨迹描述信息，所述轨迹描述信息包括道路标识和对应的道路占用时长；对所述道路序列集合进行时空关系分析，以产生所述时空矩阵。4.根据权利要求3所述的方法，所述对所述道路序列集合进行时空关系分析，以产生所述时空矩阵，包括：在所述道路序列集合下，统计其中的每条道路在每个指定时段下分别被占用的次数或者概率，作为所述时空矩阵中的元素，以产生所述时空矩阵。5.根据权利要求1所述的方法，所述轨迹表示模块中包含针对所述交通知识图谱的第一学习单元和针对所述时空矩阵的第二学习单元，所述根据所述交通知识图谱和所述时空矩阵，训练所述轨迹表示模块，包括：基于为所述第一学习单元配置的第一损失函数和为所述第二学习单元配置第二损失函数，对所述第一学习单元和所述第二学习单元进行联合训练。6.根据权利要求5所述的方法，所述第一学习单元用于根据输入的实体和实体关系，评价实体关系的正误；所述第二学习单元用于根据输入的实体和时段，预测所述实体和所述时段之间的时空关系。7.根据权利要求1所述的方法，所述利用所述轨迹表示模块，将所述轨迹样本数据投影至所述融合后的嵌入空间，以产生轨迹嵌入表示，包括：将所述轨迹样本数据作为所述轨迹表示模块的输入；截获所述轨迹表示模块运行过程中产生的轨迹嵌入表示。8.根据权利要求1所述的方法，所述以所述轨迹嵌入表示作为所述预测模块的输入参数，训练所述的预测模块，包括：在所述轨迹预测模型之外，构建判别器，所述判别器用于判断所述预测模块输出的下2CN115936187A权利要求书2/3页一步轨迹的真假；以所述预测模块作为生成器，将所述预测模块根据所述轨迹嵌入表示而输出的下一步轨迹，输入所述判别器；利用所述预测模块和判别器组建的对抗网络，以对所述预测模块进行对抗训练。9.根据权利要求1所述的方法，所述以所述轨迹嵌入表示作为所述预测模块的输入参数，训练所述的预测