城市兴趣点类别表示的生成方法及系统

    公开(公告)号:CN113918837A

    公开(公告)日:2022-01-11

    申请号:CN202111203742.0

    申请日:2021-10-15

    Abstract: 本发明公开了城市兴趣点类别表示的生成方法及系统,获取城市兴趣点经纬度信息和用户轨迹数据;根据城市兴趣点经纬度信息,计算每个兴趣点类别之间的局部距离;生成每个兴趣点类别的向量,并计算兴趣点类别之间的全局距离;从用户轨迹数据中提取兴趣点类别序列信息;根据兴趣点类别序列信息,计算点互信息矩阵;根据局部距离,计算局部成对相似矩阵;根据全局距离,计算全局成对相似矩阵;根据兴趣点类别点互信息矩阵、局部成对相似矩阵或者全局成对相似矩阵,构建目标函数和约束条件;对目标函数进行求解,得到兴趣点类别的嵌入表示矩阵;兴趣点类别的嵌入表示矩阵中每一行对应的兴趣点类别嵌入向量。生成保留语义属性的POI类别的有效表示。

    一种交通数据补全方法、系统、设备及介质

    公开(公告)号:CN110322693B

    公开(公告)日:2020-09-29

    申请号:CN201910621682.0

    申请日:2019-07-10

    Abstract: 本公开公开了一种交通数据补全方法、系统、设备及介质,设定时间间隔Δt,将待补全的交通数据构建成关于路段‑时间间隔‑天的三维交通数据张量,三维交通数据张量中每个元素表示某天某时间间隔某个路段的车辆拥堵程度;所述三维交通数据张量包括若干个缺失值;对三维交通数据张量进行联合矩阵分解,从三维交通数据张量中提取出路段‑时间间隔矩阵和天‑时间间隔矩阵;对路段‑时间间隔矩阵和天‑时间间隔矩阵分别进行分解操作;对联合矩阵分解中的结果进行整合,得到完整的交通拥堵程度张量从而,实现对交通数据的补全。

    城市兴趣点类别表示的生成方法及系统

    公开(公告)号:CN113918837B

    公开(公告)日:2024-02-06

    申请号:CN202111203742.0

    申请日:2021-10-15

    Abstract: 本发明公开了城市兴趣点类别表示的生成方法及系统,获取城市兴趣点经纬度信息和用户轨迹数据;根据城市兴趣点经纬度信息,计算每个兴趣点类别之间的局部距离;生成每个兴趣点类别的向量,并计算兴趣点类别之间的全局距离;从用户轨迹数据中提取兴趣点类别序列信息;根据兴趣点类别序列信息,计算点互信息矩阵;根据局部距离,计算局部成对相似矩阵;根据全局距离,计算全局成对相似矩阵;根据兴趣点类别点互信息矩阵、局部成对相似矩阵或者全局成对相似矩阵,构建目标函数和约束条件;对目标函数进行求解,得到兴趣点类别的嵌入表示矩阵;兴趣点类别的嵌入表示矩阵中每一行对应的兴趣点类别嵌入向量。生成保留语义属性的POI

    一种交通数据补全方法、系统、设备及介质

    公开(公告)号:CN110322693A

    公开(公告)日:2019-10-11

    申请号:CN201910621682.0

    申请日:2019-07-10

    Abstract: 本公开公开了一种交通数据补全方法、系统、设备及介质,设定时间间隔Δt,将待补全的交通数据构建成关于路段-时间间隔-天的三维交通数据张量,三维交通数据张量中每个元素表示某天某时间间隔某个路段的车辆拥堵程度;所述三维交通数据张量包括若干个缺失值;对三维交通数据张量进行联合矩阵分解,从三维交通数据张量中提取出路段-时间间隔矩阵和天-时间间隔矩阵;对路段-时间间隔矩阵和天-时间间隔矩阵分别进行分解操作;对联合矩阵分解中的结果进行整合,得到完整的交通拥堵程度张量从而,实现对交通数据的补全。

    一种基于卷积神经网络的短期交通流量预测方法及系统

    公开(公告)号:CN106447119A

    公开(公告)日:2017-02-22

    申请号:CN201610887938.9

    申请日:2016-10-11

    Inventor: 于东海 陈勐

    CPC classification number: G06Q10/04 G06Q50/26

    Abstract: 本发明公开了基于卷积神经网络的短期交通流量预测方法及系统,该方法包括接收各个路口的过车记录数据,生成交通流量数据集和轨迹数据集;将轨迹数据集作为CBOW模型的输入,得到路口的向量表达,进而通过计算向量的距离得到路口间的交通流量影响关系;构建特征矩阵并作为预测模型的输入;应用卷积神经网络作为预测模型,对预测模型的参数进行训练,将测试数据集输入至预测模型并计算输出预测值与目标值的平均误差,选择误差最小所对应的参数作为预测模型的最优参数,得到最优预测模型,进而输出交通流量的最佳预测值。本发明考虑了交通流量在时间和空间上的联系,结合卷积神经网络,提高了短期交通流量的预测准确率。

Patent Agency Ranking