摘要
本申请属于计算机信息计算技术领域。本申请提供一种基于图神经网络的稀疏轨迹恢复方法。本公开实施例构建了基于图神经网络的STREAM模型,对于给定的稀疏轨迹,图神经网络为每个点构建一个子图,表示周围道路网络区域。将卷积运算应用于时间段的速度矩阵得到全局交通表示,局部的交通动态性通过临近路段的交通信息来学习。将全局交通表示传入编码器,与局部交通状况融合起来,捕获复杂的时空依赖关系。该网络结合了分层运动动态,能够在编码器中提取全局和局部交通动态,从而使解码器能够准确重建缺失的轨迹点。
技术关键词
轨迹恢复方法
历史轨迹数据
路段
静态特征
交通
解码器
注意力机制
地图
动态
融合特征
语义
模块
编码器
转移概率矩阵
节点
网络
网格
系统为您推荐了相关专利信息
道路场景图像
文本特征向量
多模态特征融合
图像特征提取
交通
街景图片
模型构建方法
阈值分割算法
交通
模型构建装置
流量调控方法
预测交通流数据
分布式任务调度
执行误差
交通流量预测