摘要
本申请公开了一种基于互学习语义蒸馏的稀疏轨迹模式学习方法,具体涉及轨迹分析的领域。包括:获取轨迹所属路段的空间特征和每个轨迹点的时空特征,根据轨迹点的时空特征和空间特征嵌入,确定每个轨迹点的嵌入向量;构建基于语义的轨迹特征和基于轨迹的语义特征;根据基于语义的轨迹特征确定基于轨迹的语义向量,根据基于轨迹的语义特征确定语义增强的轨迹向量;将基于轨迹的语义向量和语义增强的轨迹向量进行融合、交互,得到轨迹的嵌入向量;将轨迹的嵌入向量、起始发生时间及兴趣点位置,以及提示词输入预训练的LLM文本编码器,得到轨迹模式。基于上述方法,能避免因数据稀疏导致的模式漏检,进而提高轨迹分析的准确性。
技术关键词
模式学习方法
语义向量
轨迹特征
文本编码器
语义特征
路段
注意力
蒸馏
单行道
Word2Vec模型
兴趣点
高斯分布模型
车道
前馈神经网络
节点
参数
标志
生成轨迹
系统为您推荐了相关专利信息
标签特征
卷积神经网络模型
语义特征
数据标签
分析系统
自动评估系统
主题关键词
语义关联度
语义向量
主题语义
面部表情识别方法
注意力机制
面部表情识别模型
特征金字塔网络
高层语义特征