[发明专利]出行方式识别系统、方法、装置及模型训练方法、装置在审

专利信息
申请号: 201910994735.3 申请日: 2019-09-27
公开(公告)号: CN110728459A 公开(公告)日: 2020-01-24
发明(设计)人: 刘冬梅;查文斌;张劲泉;张晓亮;赵琳;郭宇奇;侯德藻;汪林;王文静;王海鹏;乔国梁;丁丽媛;王晶 申请(专利权)人: 交通运输部公路科学研究所
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/26;G06N3/04
代理公司: 11250 北京三聚阳光知识产权代理有限公司 代理人: 李博洋
地址: 100088*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 轨迹信息 级联 输出层 记忆神经网络 卷积神经网络 注意力机制 加权 出行方式识别 轨迹数据 模型训练 信息处理 减小 权重 向后 分配
【说明书】:

发明提供一种出行方式识别系统、方法、装置及模型训练方法、装置,该系统包括,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;卷积神经网络用于根据输入数据生成第一轨迹信息;基于注意力机制的双向长短期记忆神经网络用于根据输入数据生成第二轨迹信息,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;级联层用于将第一轨迹信息和第二轨迹信息级联,并将级联后的第一轨迹信息和第二轨迹信息输入输出层;输出层用于根据级联后的第一轨迹信息和第二轨迹信息生成识别结果。该系统将各轨迹数据分配不同的权重,使系统对数据进行识别时减小无关数据带来的影响,提高了系统对轨迹信息处理的效率与准确性。

技术领域

本发明涉及数据处理领域,具体涉及一种出行方式识别系统、方法、装置及模型训练方法、装置。

背景技术

交通行为是一种派生性的需求,人始终是交通的主体,人的偏好(属性特征)是决定交通出行方式等出行特征的因素。因而,交通出行的特征分析要从每一个交通主体出发,只有以翔实的、准确的个体出行活动链特征数据为基础,才能准确把握区域范围内的居民出行特征。为了提高居民的出行质量,在对居民的出行数据进行研究时,居民交通出行方式的识别是尤为重要的一项,但是在现有技术中,对出行方式的识别通常是依靠个体的移动速度的不同进行判断,这种识别方式较为简单、粗略,并且对于移动速度相近的交通出行方式,这种方法无法做出准确的判断,例如对公交出行和汽车出行,二者移动速度相近,仅根据移动速度是无法做出准确的判断的。

发明内容

因此,本发明要解决的技术问题在于克服现有技术中的无法准确对交通出行方式做出识别的缺陷,从而提供一种出行方式识别系统、方法、装置及模型训练方法、装置。

本发明第一方面提供一种出行方式识别系统,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;卷积神经网络用于根据输入数据生成第一轨迹信息;基于注意力机制的双向长短期记忆神经网络用于根据输入数据生成第二轨迹信息,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;级联层用于将第一轨迹信息和第二轨迹信息级联,并将级联后的第一轨迹信息和第二轨迹信息输入输出层;输出层用于根据级联后的第一轨迹信息和第二轨迹信息生成识别结果。

可选地,卷积神经网络包括:卷积层和池化层;卷积层包括第一区块、第二区块、第三区块;第一区块用于根据输入数据生成第一特征映射向量;第二区块用于根据输入数据生成第二特征映射向量;第三区块用于根据输入数据生成第三特征映射向量;池化层用于分别对第一特征映射向量、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,并将第一特征向量、第二特征向量、第三特征向量级联,生成第一轨迹信息。

可选地,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;双向长短期记忆层包括向前层和向后层;向前层用于对输入数据进行向前传递计算生成向前轨迹信息;向后层用于对输入数据进行向后传递计算生成向后轨迹信息;注意力层用于分别为向前轨迹信息和向后轨迹信息中的不同轨迹数据分配不同的权重,生成加权向前轨迹信息和加权向后轨迹信息。

可选地,输出层根据如下公式生成识别结果:

youtput=WTyinput+b,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于交通运输部公路科学研究所,未经交通运输部公路科学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910994735.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top