一种基于图神经网络的稀疏轨迹恢复方法

AITNT
正文
推荐专利
一种基于图神经网络的稀疏轨迹恢复方法
申请号:CN202510354543
申请日期:2025-03-25
公开号:CN120372267A
公开日期:2025-07-25
类型:发明专利
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
1
一种基于云边协同的自动驾驶车辆目标检测系统及方法
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
2
开放集交通基础设施三维数字化大模型构建方法与装置
街景图片 模型构建方法 阈值分割算法 交通 模型构建装置
3
一种基于OpenHarmony的高速公路边缘计算流量调控方法
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
4
一种车辆控制方法及相关产品
车辆控制装置 路段 风险 车辆控制方法 芯片系统
5
基于数据平滑和多项式激活函数的交通时间序列预测方法
时间序列预测模型 多项式 节点特征 矩阵 数据
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号