[发明专利]基于生成对抗网络的城市人群轨迹生成方法及装置

说明书

本发明提供一种基于生成对抗网络的城市人群轨迹生成方法及装置，所述方法包括：获取城市人群的生成轨迹的时间标签，并确定所述生成轨迹的轨迹起始点；将所述时间标签和轨迹起始点输入至已训练完成的生成对抗网络模型中，得到符合所述时间标签的城市人群的移动轨迹；所述训练完成的生成对抗网络模型包括训练完成的条件生成器和训练完成的判别器，所述条件生成器是基于所述判别器的反馈进行训练得到的，所述判别器是基于真实轨迹数据集和所述条件生成器输出的生成轨迹数据集进行训练得到的。本发明通过生成对抗网络模型结合时间标签，可生成城市人群在特定时间且处于移动状态下的移动轨迹。

技术领域

本发明涉及生成对抗网络技术领域，尤其涉及一种基于生成对抗网络的城市人群轨迹生成方法及装置。

背景技术

城市人群移动仿真在实际生活和生产环境中有着广泛的应用。通过获取人群在连续空间中的移动轨迹，不仅可以研究人群的生活规律，而且还能够有助于完成诸如城市规划、自动驾驶等决策问题。轨迹生成会受到各种因素的影响，例如虽然同一个人在同一个起始点，但是在不同的时间条件下，例如早晚高峰和特殊节假日，其所产生的轨迹可能是不同的。其次，受制于个体的移动模式，人群的移动轨迹在空间分布上具有较强的约束。因此为了得到更加真实的轨迹，需要在能够捕捉到人群在不同环境下的移动模式的前提下确保生成轨迹在空间上的连续性。近年来，大量的轨迹仿真模型被提出，这些方法大致可以被分为两类：基于专家知识的轨迹仿真模型和数据驱动的轨迹仿真模型。

基于专家知识的轨迹仿真模型的优点在于参数的可解释性，只要能够制定出移动的规则，就能够在不同的环境中对不同的人群移动模式进行仿真，而且生成的轨迹在空间上具有较强的连续性。然而这些模型对人群的移动性进行了简化，并不能完全有效的捕获到更深层次的轨迹移动规律，这也限制了此类方法用于轨迹仿真的实用价值。

数据驱动的轨迹仿真模型本身是针对文本序列进行生成，没有考虑到轨迹在空间中的约束条件，所以在虽然它能够很好地生成序列数据，但是具体到轨迹序列生成任务中仍然有较大的提升空间。

因此，如何生成城市人群在特定时间且处于移动状态下的轨迹，是当前亟需解决的技术问题。

发明内容

本发明提供一种基于生成对抗网络的城市人群轨迹生成方法及装置，用以解决现有技术中上述的缺陷，实现通过生成对抗网络获得城市人群在特定时间且处于移动状态下的轨迹。

本发明提供一种基于生成对抗网络的城市人群轨迹生成方法，包括：

获取城市人群的生成轨迹的时间标签，并确定所述生成轨迹的轨迹起始点；

将所述时间标签和轨迹起始点输入至已训练完成的生成对抗网络模型中，得到符合所述时间标签的城市人群的移动轨迹；

所述训练完成的生成对抗网络模型包括训练完成的条件生成器和训练完成的判别器，所述条件生成器是基于所述判别器的反馈进行训练得到的，所述判别器是基于真实轨迹数据集和所述条件生成器输出的生成轨迹数据集进行训练得到的。

根据本发明提供的一种基于生成对抗网络的城市人群轨迹生成方法，所述生成对抗网络模型的训练方法包括：

获取城市人群的原始轨迹数据集；

建立待训练的生成对抗网络模型，所述待训练的生成对抗网络模型包括待训练的条件生成器和待训练的判别器；

对不完整的生成轨迹进行特征融合，得到第一特征序列，将所述不完整的生成轨迹输入到所述待训练的条件生成器中，得到完整的生成轨迹，对所述完整的生成轨迹或真实轨迹进行特征融合，得到第二特征序列；

基于判别器的反馈对所述待训练的条件生成器进行训练，得到生成轨迹数据集，基于所述生成轨迹数据集和真实轨迹数据集对所述判别器进行训练，若所述生成轨迹数据集和真实轨迹数据集的JS散度达到目标值，得到训练完成的生成对抗网络模型。