[发明专利]一种轨迹识别模型训练方法及轨迹识别方法

权利要求书

1.一种轨迹识别模型训练方法，其特征在于，所述方法包括：

S1、通过构建基于独热编码向量的语料对将目标轨迹数据编码为向量形式的信息编码；

S2、构建用于将所述信息编码转换为轨迹语义向量的循环神经网络以及基于所述轨迹语义向量进行轨迹分类的分类器；

S3、利用标记轨迹数据对所述循环神经网络和分类器进行训练。

2.根据权利要求1所述的轨迹识别模型训练方法，其特征在于，所述步骤S1包括：

S1.1、对目标轨迹数据中的各个轨迹点进行向量形式的独热编码；

S1.2、对于每个轨迹点提取其相邻轨迹信息与该轨迹点信息构成语料对；

S1.3、构建用于轨迹点信息编码的学习网络，将所述语料对作为所述学习网络的输入，将所述学习网络的输出层参数作为相应轨迹点的信息编码。

3.根据权利要求1所述的轨迹识别模型训练方法，其特征在于，所述方法还包括对目标轨迹数据按时间进行切片。

4.根据权利要求1所述的基于注意力循环神经网络的轨迹识别模型训练方法，其特征在于，所述步骤S2包括：利用多层感知器基于对所述轨迹语义向量的评估结果对相应轨迹进行分类。

5.根据权利要求1所述的轨迹识别模型训练方法，其特征在于，所述步骤S2包括:

S2.1、基于循环神经网络进行轨迹语义向量计算；

S2.2、建立基于注意力的轨迹语义向量再评价模型；

S2.3、利用步骤S2.1获得的轨迹语义向量和步骤S2.2构建的轨迹语义向量再评价模型重新计算轨迹语义向量。

6.根据权利要求5所述的基于注意力循环神经网络的轨迹识别模型训练方法，其特征在于，在步骤S2.1的轨迹语义向量计算过程中，还包括：按照一定的比例随机地擦除所述循环神经网络中的若干神经网络单元。

7.根据权利要求1所述的轨迹识别模型训练方法，其特征在于，所述循环神经网络为循环神经网络、递归神经网络或者双向递归神经网络。

8.一种轨迹识别方法，包括：将待识别轨迹数据作为目标轨迹数据输入根据权利要求1-7之一的方法所得到的模型进行识别。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项所述的方法。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法。