-
公开(公告)号：CN119740101B
公开(公告)日：2025-05-16
申请号：CN202510245695.8
申请日：2025-03-04
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G08G1/01
Abstract: 本发明属于智能交通技术领域，更具体地，涉及一种轨迹交通模式分类方法、装置、电子设备及存储介质。所述方法包括：对原始轨迹数据进行前期处理操作，以构建轨迹数据目标集合；将所述轨迹数据目标集合作为训练数据输入多级轨迹特征编码器，并结合自回归模型，采用对比学习的方法训练所述多级轨迹特征编码器；利用训练完成的多级轨迹特征编码器提取轨迹数据的高维特征表示，并将该特征表示作为输入，用于训练MLP分类器，使其学习轨迹特征与交通模式之间的映射关系，最终用于轨迹交通模式分类。本发明实现了高效、精准的交通模式分类，满足复杂场景下的应用需求，为智能交通、城市规划和动态交通管理等领域提供了可靠的技术支持。
-
公开(公告)号：CN119046698A
公开(公告)日：2024-11-29
申请号：CN202411160238.0
申请日：2024-08-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/22 , G06F18/213 , G06F18/10 , G06F18/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06F123/02
Abstract: 本发明属于轨迹相似性度量领域，具体涉及一种基于对比预测编码的轨迹相似性度量方法、计算机可读存储介质和计算机程序产品，所述方法步骤如下：S1对数据进行预处理和转置操作得到适应改进的神经网络模型的输入要求的轨迹数据；S2利用改进的神经网络模型，结合模型的共享编码器和增强的自回归模块，对轨迹数据进行训练，提取每条轨迹的高维特征向量；S3然后通过计算这些高维特征向量之间的曼哈顿距离，生成距离矩阵，并将距离矩阵转换为排名矩阵，排名矩阵中的每个元素表示距离矩阵中相应距离值的相对排序位置。该方法能够更全面地捕捉轨迹数据中的复杂时空关系，有效提高了相似性度量的精度和效率。
-
公开(公告)号：CN119046759A
公开(公告)日：2024-11-29
申请号：CN202411160237.6
申请日：2024-08-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G06F18/22 , G06F18/213 , G06F18/25 , G06Q50/02 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于农业应用技术领域，具体涉及一种基于轨迹相似度度量的农机轨迹分类方法、计算机可读存储介质和计算机程序产品。所述方法根据农机GNSS轨迹数据并对其进行清洗，然后利用对比学习模型TrajCL对原始轨迹数据同时提取轨迹和轨迹点的结构特征和空间特征，计算轨迹嵌入向量，再结合滑动窗口技术实现田间‑道路的精确分类。本发明使用的TrajCL模型专为轨迹设计，解决了特征提取不充分的问题。该模型可以同时提取轨迹和轨迹点的结构特征和空间特征，且该模型是无监督学习，避免在学习过程中导向性地学习相关特征而忽略一些潜在的、有用的隐藏特征，从而实现全面的特征表示，进而精准推算农田作业面积，降低农业生产成本，提高农机利用率。
-
公开(公告)号：CN119740101A
公开(公告)日：2025-04-01
申请号：CN202510245695.8
申请日：2025-03-04
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G08G1/01
Abstract: 本发明属于智能交通技术领域，更具体地，涉及一种轨迹交通模式分类方法、装置、电子设备及存储介质。所述方法包括：对原始轨迹数据进行前期处理操作，以构建轨迹数据目标集合；将所述轨迹数据目标集合作为训练数据输入多级轨迹特征编码器，并结合自回归模型，采用对比学习的方法训练所述多级轨迹特征编码器；利用训练完成的多级轨迹特征编码器提取轨迹数据的高维特征表示，并将该特征表示作为输入，用于训练MLP分类器，使其学习轨迹特征与交通模式之间的映射关系，最终用于轨迹交通模式分类。本发明实现了高效、精准的交通模式分类，满足复杂场景下的应用需求，为智能交通、城市规划和动态交通管理等领域提供了可靠的技术支持。
-
-
-
Search Results
4
records
(took 0.092 seconds)
