[发明专利]一种用户运动轨迹的预测方法、装置、设备及存储介质

说明书

本申请公开了一种用户运动轨迹的预测方法，包括：利用设置有循环神经网络模块和图卷积网络模块的深度神经网络训练出目标轨迹预测模型；将目标用户的轨迹地点集合输入至目标轨迹预测模型中，得出目标用户的预测运动轨迹。相较于现有技术，本方法在利用循环神经网络模块获取用户轨迹的时间依赖关系的同时，进一步利用目标轨迹预测模型中的图卷积网络模块获取用户轨迹的空间依赖关系，因此能够利用更多的信息来预测目标用户的运动轨迹，因此能够提高预测目标用户的运动轨迹的准确度。本申请还公开了一种用户运动轨迹的预测装置、设备及计算机可读存储介质，均具有上述有益效果。

技术领域

本发明涉及轨迹预测领域，特别涉及一种用户运动轨迹的预测方法、装置、设备及计算机可读存储介质。

背景技术

随着信息技术的快速发展，基于用户位置的应用服务越来越广泛，如记录用户的步行步数，跑步距离和地理位置等；并且，用户运动轨迹的预测问题，在人工智能领域受到越来越多的关注。

目前，通过对用户的运动轨迹进行分析可知，用户运动轨迹的地点间的关系往往不是简单的马尔科夫性质和周期性等关系，它们之间是各种复杂的非线性关系。因此为了对用户运动轨迹进行预测，现有技术利用设置有循环神经网络模块的深度神经网络进行学习训练，得出目标轨迹预测模型，然后利用目标轨迹预测模型对目标用户的运动轨迹进行预测。但是，由于循环神经网络模块只能获取用户轨迹的时间依赖关系，使得对目标用户的运动轨迹的预测不够准确。

因此，如何提高预测目标用户的运动轨迹的准确度，是本领域技术人员目前需要解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种用户运动轨迹的预测方法，能够提高预测目标用户的运动轨迹的准确度；本发明的另一目的是提供一种提高预测目标用户的运动轨迹的准确度装置、设备及计算机可读存储介质，均具有上述有益效果。

为解决上述技术问题，本发明提供一种用户运动轨迹的预测方法，包括：

利用设置有循环神经网络模块和图卷积网络模块的深度神经网络训练出目标轨迹预测模型；

将目标用户的轨迹地点集合输入至所述目标轨迹预测模型中，得出所述目标用户的预测运动轨迹。

优选地，所述循环神经网络模块具体为编码器-解码器模块。

优选地，所述利用设置有循环神经网络模块和图卷积网络模块的深度神经网络训练出目标轨迹预测模型的过程，具体包括：

分别将各样本用户的样本轨迹地点集合按照预设时间间隔划分出对应的样本子轨迹序列；

利用各所述样本子轨迹序列确定出各所述样本用户的历史轨迹和当前轨迹的样本对；

将所述样本对输入至设置有所述循环神经网络模块和所述图卷积网络模块的所述深度神经网络中，得出所述目标轨迹预测模型。

优选地，在所述利用各所述样本子轨迹序列确定出各所述样本用户的历史轨迹和当前轨迹的样本对之后，进一步包括：

利用嵌入式技术编码对各所述样本对进行编码，得到编码样本对；

对应的，所述将所述样本对输入至设置有所述循环神经网络模块和所述图卷积网络模块的所述深度神经网络中，得出所述目标轨迹预测模型的过程，具体包括：

将所述编码样本对输入至设置有所述循环神经网络模块和所述图卷积网络模块的所述深度神经网络中，得出所述目标轨迹预测模型。

优选地，进一步包括：

在预设地图上标记出与所述预测运动轨迹对应的目标地址。

为解决上述技术问题，本发明还提供一种用户运动轨迹的预测装置，包括：