[发明专利]出行方式识别系统、方法、装置及模型训练方法、装置

权利要求书

1.一种出行方式识别系统，其特征在于，包括，卷积神经网络、基于注意力机制的双向长短期记忆神经网络、级联层、输出层；

所述卷积神经网络用于根据输入数据生成第一轨迹信息；

所述基于注意力机制的双向长短期记忆神经网络用于根据所述输入数据生成第二轨迹信息，所述第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；

所述级联层用于将所述第一轨迹信息和所述第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入所述输出层；

所述输出层用于根据所述级联后的第一轨迹信息和第二轨迹信息生成识别结果。

2.根据权利要求1所述的出行方式识别系统，其特征在于，所述卷积神经网络包括：卷积层和池化层；

所述卷积层包括第一区块、第二区块、第三区块；

所述第一区块用于根据所述输入数据生成第一特征映射向量；

所述第二区块用于根据所述输入数据生成第二特征映射向量；

所述第三区块用于根据所述输入数据生成第三特征映射向量；

所述池化层用于分别对所述第一特征映射向量、第二特征映射向量、第三特征映射向量进行池化，得到第一特征向量、第二特征向量、第三特征向量，并将所述第一特征向量、第二特征向量、第三特征向量级联，生成所述第一轨迹信息。

3.根据权利要求1所述的出行方式识别系统，其特征在于，所述基于注意力机制的双向长短期记忆神经网络包括：双向长短期记忆层和注意力层；

所述双向长短期记忆层包括向前层和向后层；

所述向前层用于对所述输入数据进行向前传递计算生成向前轨迹信息；

所述向后层用于对所述输入数据进行向后传递计算生成向后轨迹信息；

所述注意力层用于分别为所述向前轨迹信息和所述向后轨迹信息中的不同轨迹数据分配不同的权重，生成所述加权向前轨迹信息和所述加权向后轨迹信息。

4.根据权利要求3所述的出行方式识别系统，其特征在于，所述输出层根据如下公式生成识别结果：

y_output＝W^Ty_input+b，

其中，y_input表示所述输出层中的第一输出值，W_s表示所述输出层中的第一权值，b_s表示所述输出层中的第一偏置，C_f表示所述加权向前轨迹信息，C_b表示所述加权向后轨迹信息，p_drop表示随机失活比率，RELU表示激活函数，y_output表示所述输出层中的第二输出值，W^T表示所述输出层中的第二权值，b表示所述输出层中的第二偏置，prob_{label_i}表示第i个类别的概率，k表示种类数量。

5.一种出行方式识别方法，其特征在于，包括：

根据输入数据生成第一轨迹信息；

根据所述输入数据生成第二轨迹信息，所述第二轨迹信息包括加权向前轨迹信息和加权向后轨迹信息；

将所述第一轨迹信息和所述第二轨迹信息级联，并将级联后的第一轨迹信息和第二轨迹信息输入输出层；

根据所述级联后的第一轨迹信息和第二轨迹信息生成识别结果。

6.一种出行方式识别模型训练方法，其特征在于，包括：

获取出行数据；

提取所述出行数据中单一方式出行的非转换点序列；

提取所述非转换点序列中各采样点的特征向量；

将所述特征向量输入神经网络系统，对所述神经网络系统进行训练，得到所述出行方式识别模型，所述神经网络系统为如权利要求1-4任一项所述的出行方式识别系统。