-
公开(公告)号：CN115420299A
公开(公告)日：2022-12-02
申请号：CN202211071242.0
申请日：2022-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。
-
公开(公告)号：CN119416890A
公开(公告)日：2025-02-11
申请号：CN202411444350.7
申请日：2024-10-16
Applicant: 中南大学
IPC: G06N5/04 , G06N3/0455 , G06N3/096 , G06Q50/26 , G06N3/0985
Abstract: 本公开实施例中提供了一种自适应迁移多个城市知识的细粒度城市流量推断方法，属于数据处理技术领域，具体包括：利用城市特征提取网络提取粗粒度城市流量图中每个源城市对应的初始时空特征；将全部初始时空特征输入自适应特征融合模块，得到每个源城市对应的最优时空特征，以及，计算总城市特定特征损失和总城市不变特征损失；分别将每个源城市的最优时空特征和语义变量输入上采样模块，得到每个源城市的预测城市流量图并据此计算伪Huber损失；得到总损失函数并据此训练细粒度城市流量推断模型；将目标城市的粗粒度时空流量图输入细粒度城市流量推断模型，得到细粒度城市流量图。通过本公开的方案，提高了推断效率、精准度和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN115420299B
公开(公告)日：2024-07-26
申请号：CN202211071242.0
申请日：2022-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。
-
公开(公告)号：CN119415828A
公开(公告)日：2025-02-11
申请号：CN202411444348.X
申请日：2024-10-16
Applicant: 中南大学
IPC: G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/0985
Abstract: 本申请涉及轨迹预测技术领域，提供了一种基于去噪的轨迹预测方法及相关设备，该方法包括：对目标车辆的历史轨迹进行编码，得到目标车辆的历史轨迹隐藏编码，并对每个邻居车辆的历史轨迹进行编码，得到每个邻居车辆的历史轨迹隐藏编码；根据所有邻居车辆的历史轨迹隐藏编码，计算目标车辆的最终社会编码；基于目标车辆的历史轨迹隐藏编码和最终社会编码，对目标车辆进行轨迹预测，得到未来轨迹分布；对未来轨迹分布进行采样，得到噪声未来轨迹，并利用所有历史轨迹对噪声未来轨迹进行去噪，得到目标车辆的最终未来轨迹。本申请的方法能够提高轨迹预测的准确性。
-
公开(公告)号：CN117953686A
公开(公告)日：2024-04-30
申请号：CN202410127426.7
申请日：2024-01-30
Applicant: 中南大学 , 南京航空航天大学深圳研究院
Abstract: 本发明提供了一种基于动态采样的交通流量预测方法及相关设备，以计算的采样概率和预设道路节点总采样数为约束条件，在每个交通区域内进行道路节点采样，获得平衡且具有多样性的数据，改善了交通流量数据的不平衡问题，使得包含不同道路节点的区域获得相似的预测性能；根据时空预测模型的鉴别损失、个体动态公平损失、模型效用损失和区域静态公平损失形成双层的公平约束，以促进时空预测模型的训练和优化，使得优化后的时空预测模型产生公平且准确的交通流量预测结果，提高了区域交通流量预测的准确性和公平性。
-
公开(公告)号：CN117951200A
公开(公告)日：2024-04-30
申请号：CN202410299450.9
申请日：2024-03-15
Applicant: 中南大学
IPC: G06F16/2458 , G06F16/215 , G06F17/16 , G06N3/0464 , G06N3/084
Abstract: 本公开实施例中提供了一种空间时间序列数据补全方法、设备及介质，属于数据处理技术领域，具体包括：步骤1，将原始时空数据输入具有全局注意力的卷积模型，得到原始时空数据对应的元素对，以及，改变原始时空数据的感受野；步骤2，根据元素对乘积和softmax激活函数得到卷积模型的卷积核，并对改变感受野的原始时空数据进行卷积，完成数据补全。通过本公开的方案，使用一个具有全局注意力的卷积模型，它同时生成卷积核和经由感受野处理过的数据，高效同步建模了时间长期依赖性和短期相关性，提高了数据补全的效率和适应性。
-
公开(公告)号：CN116894265A
公开(公告)日：2023-10-17
申请号：CN202310818650.6
申请日：2023-07-05
Applicant: 中南大学
IPC: G06F21/62 , G06N3/0442 , G06N3/094 , G06F21/60
Abstract: 本发明实施例中提供了一种基于对抗学习的轨迹数据隐私保护方法，属于数据处理技术领域，具体包括：步骤1，将用户的原始轨迹按天进行分割为多条子轨迹，将每条子轨迹上的每条签到数据进行独热编码并将全部独热编码映射到低维的嵌入空间，得到低维嵌入表示并将其输入长短期记忆网络学习签到数据之间的依赖关系，得到原始轨迹的表征；步骤2，在嵌入空间中利用对抗学习模块为原始轨迹的表征添加噪声，得到扰动轨迹在低维空间的表征向量；步骤3，根据扰动轨迹在低维空间的表征向量生成加密轨迹。通过本发明的方案，对原始数据进行最小的改动来降低TUL从用户的匿名轨迹数据中推断出其身份信息的可能性，提高了数据可用性和安全性。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
