一种基于时空表征学习的城市活动结构预测方法

AITNT
正文
推荐专利
一种基于时空表征学习的城市活动结构预测方法
申请号:CN202510705011
申请日期:2025-05-29
公开号:CN120633915A
公开日期:2025-09-12
类型:发明专利
摘要
本发明公开了一种基于时空表征学习的城市活动结构预测方法,属于城市活动结构预测技术领域,具体包括:建立个体与城市区域访问知识图谱;将体与城市区域访问知识图谱输入到初始化器TransD模型中获得个体集成表征和城市区域初始化表征;将个体集成表征和城市区域初始化表征输入到强化学习环境中,对个体出行和城市区域进行动态表征;将个体出行和城市区域表征通过强化学习方法预测接下来访问的城市区域。本发明达到全面、准确预测城市活动结构的目标。
技术关键词
结构预测方法 强化学习方法 强化学习环境 聚类方法 生成知识图谱 构建知识图谱 分层方式 关系 动态更新 时间段 导热 异性 网络 强度 指标 线路 速率 基础
系统为您推荐了相关专利信息
1
一种基于随机网络蒸馏探索优化的无人车强化学习方法
无人车 网络 随机梯度下降 蒸馏 预测误差
2
异常交易客户检测方法及装置、计算机程序产品
矩阵 客户 交易特征 种子 收敛模型
3
答案确定方法、装置、计算机设备和可读存储介质
实体 金融 样本 树状结构 答案
4
多智能体几何图强化学习方法、装置和存储介质
强化学习方法 实体 控制策略 消息传递机制 标量特征
5
基于VMD和时空网络变分字编码的用户负荷聚类方法及系统
变分模态分解算法 负荷聚类方法 Lagrange函数 编码 负荷历史数据
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