[发明专利]一种基于深度学习的时空轨迹数据质量增强方法及装置

权利要求书

1.一种基于深度学习的时空轨迹数据质量增强方法，其特征在于，包括：

获取预定空间内的原始时空轨迹数据；

根据所述原始时空轨迹数据，构建轨迹图像训练对，所述轨迹图像训练对包括低分辨率轨迹图像和相应的高分辨率轨迹图像；

以所述低分辨率轨迹图像作为输入，使用图像超分辨率重建技术生成超分辨率轨迹图像；

利用基于卷积神经网络的图像嵌入模型将所述超分辨率轨迹图像和与之对应的所述高分辨率轨迹图像到低维向量空间中，得到低维轨迹向量，完成时空轨迹数据质量的增强。

2.根据权利要求1所述的方法，其特征在于，获取预定空间内的原始时空轨迹数据，包括：

从地图中选取预定区域，所述区域内存在大于预定数量的原始时空轨迹数据。

3.根据权利要求1所述的方法，其特征在于，获取预定空间内的原始时空轨迹数据之后，还包括：

对所述区域进行缩放，得到预定大小的图像。

4.根据权利要求1所述的方法，其特征在于，根据所述原始时空轨迹数据，构建轨迹图像训练对，包括：

对所述原始时空轨迹数据中的轨迹点进行下采样操作；

在所述下采样操作后，进行加噪处理，得到低质量轨迹数据；

根据所述低质量轨迹数据，生成低分辨率轨迹图像；

将所述原始的轨迹数据作为相应的高质量轨迹数据，生成高分辨率轨迹图像；

将所述低分辨率轨迹图像和所述高分辨率轨迹图像组成轨迹图像训练对。

5.一种基于深度学习的时空轨迹数据质量增强装置，其特征在于，包括：

获取模块，用于获取预定空间内的原始时空轨迹数据；

构建模块，用于根据所述原始时空轨迹数据，构建轨迹图像训练对，所述轨迹图像训练对包括低分辨率轨迹图像和相应的高分辨率轨迹图像；

生成模块，用于以所述低分辨率轨迹图像作为输入，使用图像超分辨率重建技术生成超分辨率轨迹图像；

质量增强模块，用于利用基于卷积神经网络的图像嵌入模型将所述超分辨率轨迹图像和与之对应的所述高分辨率轨迹图像到低维向量空间中，得到低维轨迹向量，完成时空轨迹数据质量的增强。

6.根据权利要求5所述的方法，其特征在于，获取模块，包括：

从地图中选取预定区域，所述区域内存在大于预定数量的原始时空轨迹数据。

7.根据权利要求5所述的方法，其特征在于，获取模块之后，还包括：

缩放模块，用于对所述区域进行缩放，得到预定大小的图像。

8.根据权利要求5所述的方法，其特征在于，构建模块，包括：

下采样子模块，用于对所述原始时空轨迹数据中的轨迹点进行下采样操作；

加噪处理子模块，用于在所述下采样操作后，进行加噪处理，得到低质量轨迹数据；

第一生成子模块，用于根据所述低质量轨迹数据，生成低分辨率轨迹图像；

第二生成子模块，用于将所述原始的轨迹数据作为相应的高质量轨迹数据，生成高分辨率轨迹图像；

组合子模块，用于将所述低分辨率轨迹图像和所述高分辨率轨迹图像组成轨迹图像训练对。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-4中任一项所述方法的步骤。