一种基于对比重建的时空车辆轨迹表征学习方法

本发明公开了一种基于对比重建的时空车辆轨迹表征学习方法，能够实现车辆轨迹的表征学习以服务于不同智能交通的应用场景。本发明以公开车辆轨迹数据集为输入数据。首先，该方法通过生成式自监督学习方法分别构建生成式教师模型和局部学生模型通过重构目标函数，完成生成式教师和学生编码器的训练。接着，引入交叉注意力机制，完成生成式局部学生编码器和全局学生解码器特征的交互；最后，基于全局学生解码器和对比学习教师编码器的全局特征，利用对比学习，完成轨迹编码器的学习。还提出了一种编码器‑解码器风格的RECON模块，通过交叉注意力和停止梯度来传递知识，从而避免预训练过拟合和模式差异问题，进而能够获得鲁棒且泛化性强的车辆轨迹表征。