摘要
基于双分支道路网络预训练表示的轨迹终点预测方法,首先,对初始道路特征数据进行处理,得到道路和道路连接的特征。然后构建道路网络图结构、超图结构及道路时间动态特征。先计算多跳加权的道路网络嵌入向量,再计算图结点嵌入向量和超图结点嵌入相邻,采用对比学习的方式进行随机梯度下降优化参数;同时,通过Transformer结构计算时间动态嵌入向量,计算时间动态预测与分类损失函数优化模型参数;将初始的特征输入训练后的图模型、超图模型和Transformer模型,得到增强的道路网络表示,最后应用于轨迹终点预测任务。本发明还包括基于双分支道路网络预训练表示的轨迹终点预测方法的系统。
技术关键词
道路特征
轨迹
终点
分支
编码器
网络图结构
多头注意力机制
矩阵
损失函数优化
动态嵌入向量
注意力神经网络
节点
分箱方法
超图模型
随机梯度下降
语义
序列
数据