買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利一種基于序列相似度和動態掩碼訓練機制的軌跡修復方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115526225B 。

龍圖騰網通過國家知識產權局官網在2025-09-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210877420.2，技術領域涉及：G06F18/241；該發明授權一種基于序列相似度和動態掩碼訓練機制的軌跡修復方法是由張紀林;王星;周仁杰;趙乃良;萬健;鄧飛;王瑋;邵衢進;沈佳冰設計研發完成，并于2022-07-25向國家知識產權局提交的專利申請。

本一種基于序列相似度和動態掩碼訓練機制的軌跡修復方法在說明書摘要公布了：本發明公開一種基于序列相似度和動態掩碼訓練機制的軌跡修復方法。首先把用經緯度表示的二維軌跡點離散化，映射到網格中生成一維的軌跡序列，搭建基于相似性移動規律的軌跡修復模型Similarmove；使用動態掩碼訓練方法對基于相似性移動規律的軌跡修復模型Similarmove進行訓練；利用訓練好的基于相似性移動規律的軌跡修復模型Similarmove實現軌跡修復。本發明通過在注意力機制中結合DTW相似度提取了歷史軌跡序列的相似性規律，通過動態掩碼機制引入多種訓練信息，增加了網絡模型泛化能力，緩解了軌跡修復任務中訓練數據稀缺的問題，提升了軌跡修復準確率。

本發明授權一種基于序列相似度和動態掩碼訓練機制的軌跡修復方法在權利要求書中公布了：1.一種基于序列相似度和動態掩碼訓練機制的軌跡修復方法，其特征在于包括以下步驟： S1：軌跡離散化 獲取車輛的缺失軌跡序列與歷史軌跡序列，并且對上述軌跡序列做離散化處理，映射到正方形網格中，把二維的軌跡序列轉換成為一維的軌跡序列，得到歷史軌跡序列[h1,h2,…]，當天軌跡序列[c1]； S2：搭建基于相似性移動規律的軌跡修復模型Similarmove 所述基于相似性移動規律的軌跡修復模型Similarmove包括門控圖嵌入層、位置編碼層、歷史軌跡相似性特征提取層、當天軌跡相關關系特征提取層、軌跡修復層； 1）構建門控圖嵌入層 1-1基于歷史軌跡序列[h1,h2,…]生成該序列數據的入度矩陣與出度矩陣，基于當天軌跡序列[c1]生成該序列數據的入度矩陣與出度矩陣； 1-2基于node2vector算法生成初始的網格嵌入向量矩陣； 1-3門控圖嵌入層GGNN通過軌跡序列的鄰居信息學習位置嵌入向量表示，使得相鄰位置的網格嵌入向量相似程度更高，當門控圖嵌入層GGNN循環s次后的最終輸出記為網格嵌入向量；根據歷史軌跡序列[h1,h2,…]中對應的序列號從取出對應的嵌入向量，生成歷史軌跡序列嵌入向量矩陣，根據當天軌跡序列[c1]中對應的序列號從取出對應的嵌入向量生成歷史軌跡序列嵌入向量矩陣； 2）構建位置編碼層 所述位置編碼層的輸入是門控圖嵌入層的輸出向量和，通過向量直接相加的方式融合序列數據的相對位置特征，最終輸出經過位置編碼的歷史軌跡嵌入向量矩陣和當天軌跡嵌入向量矩陣； 3）構建歷史軌跡相似性特征提取層 所述歷史軌跡相似性特征提取層的輸入是位置編碼層輸出的和；使用注意力機制學習歷史軌跡序列矩陣和當天軌跡序列矩陣之間的相似移動規律，抽取出動態時間規整DTW相似度最高的一天的歷史軌跡嵌入向量； 4）構建當天軌跡相關關系特征提取層 所述當天軌跡相關關系特征提取層接收當天軌跡嵌入向量，利用自注意力機制學習當天軌跡序列的相關關系，最后輸出當天軌跡相關關系特征； 5）構建軌跡修復層 所述構建軌跡修復層把歷史軌跡相似性向量、當前軌跡相關性向量軌跡序列信息拼接后輸入一個三層全連接網絡，將得到的結果與初始的網格嵌入向量矩陣做點積并使用softmax函數做歸一化，得到缺失的軌跡位置在每個網格單元的概率，最后根據概率得到修復結果； S3：使用動態掩碼訓練方法對基于相似性移動規律的軌跡修復模型Similarmove進行訓練； 將原始的當天軌跡數據復制n份，分別進行n輪訓練；每輪訓練過程中軌跡數據中隨機t個時間步的軌跡點設置為0； S4：利用訓練好的基于相似性移動規律的軌跡修復模型Similarmove實現軌跡修復。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。