(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111572796.4 (22)申请日 2021.12.21 (71)申请人 科大讯飞股份有限公司 地址 230088 安徽省合肥市高新区望江西 路666号 (72)发明人 于锡祥　 (74)专利代理 机构 北京励诚知识产权代理有限 公司 11647 代理人 周慧云 (51)Int.Cl. G06F 16/29(2019.01) G06F 16/9537(2019.01) G06F 30/27(2020.01) (54)发明名称 轨迹恢复模 型的获取方法、 轨迹恢复方法及 装置 (57)摘要 本申请提供了一种轨迹恢复模型的获取方 法、 轨迹恢复方法及装置， 该方法包括： 获取包括 多条样本轨迹和每条样本轨迹的完整轨迹的样 本数据， 每条样本轨迹缺失至少一个轨迹点， 对 于多条样 本轨迹中的每条样本轨迹， 以每条样本 轨迹和超参数m为轨迹恢复模型的输入， 输出每 条样本轨迹的恢复轨迹， 每条样 本轨迹的恢复轨 迹的轨迹点数量等于m， 根据每条样本轨迹的完 整轨迹和每条样本轨迹的恢复轨迹， 计算损失函 数， 调整轨迹恢复模型的模型参数， 以得到目标 损失函数， 目标损失函数用于使每条样本轨迹的 完整轨迹和每条样本轨迹的恢复轨迹之间的损 失在预设范围内， 根据与目标损失函数对应的轨 迹恢复模型的模型参数， 得到轨迹恢复模型。 通 过该方法得到的轨迹恢复模型可提高轨迹恢复 的准确性。 权利要求书3页 说明书12页 附图4页 CN 114254063 A 2022.03.29 CN 114254063 A 1.一种轨 迹恢复模型的获取 方法， 其特 征在于， 包括： 获取样本数据， 所述样本数据包括多条样本轨迹和每条样本轨迹的完整轨迹， 所述每 条样本轨迹缺失至少一个轨迹点， 所述多 条样本轨迹中的任一轨迹点所在的路段为一路网 中的路段； 对于所述多条样本轨迹中的每条样本轨迹， 以所述每条样本轨迹和超参数m为轨迹恢 复模型的输入， 输出所述样本轨迹的恢复轨迹， 所述每条样本轨迹的恢复轨迹的轨迹点数 量等于所述m； 根据所述每条样本 轨迹的完整轨 迹和所述每条样本 轨迹的恢复轨 迹， 计算损失函数； 调整所述轨迹恢复模型的模型参数， 以得到目标损 失函数， 所述目标损 失函数用于使 所述每条样本 轨迹的完整轨 迹和所述每条样本 轨迹的恢复轨 迹之间的损失在预设范围内； 根据与所述目标损失函数对应的所述轨迹恢 复模型的模型参数， 得到所述轨迹恢 复模 型。 2.根据权利要求1所述的方法， 其特征在于， 所述轨迹恢复模型包括编码器和解码器， 所述编码器包括 n个第一长短期记 忆网络LSTM模型， 所述 解码器包括多个第二 LSTM模型。 3.根据权利要求2所述的方法， 其特 征在于， 所述 解码器还 包括多个注意力模型。 4.根据权利要求3所述的方法， 其特征在于， 所述以所述每条样本轨迹和超参数m为轨 迹恢复模型的输入， 输出 所述样本 轨迹的恢复轨 迹， 包括： 确定待使用的所述注意力模型和待 使用的所述第二 LSTM模型的数量均为所述m； 对于所述每条样本轨迹， 若所述样本轨迹包括k个轨迹点， 以所述k个输入向量分别作 为所述n个第一LSTM模型中的所述k个第一LSTM模型的输入， 通过所述k个第一LSTM模型得 到上下文向量， 所述k小于或等于所述n， 一个所述输入向量为一个轨迹点与待输入所述第 一LSTM模 型的权重矩阵的积， 一个所述轨迹点为一个二元 组(rk， tk)， 所述r k为所述轨迹点 所在的路段的标识， 所述tk 为所述轨 迹点的时间戳； 以所述上下文向量作为所述m个注意力模型中每个所述注意力模型的输入， 通过所述m 个注意力模型和所述m个第二 LSTM模型， 输出 所述样本 轨迹的恢复轨 迹。 5.根据权利要求 4所述的方法， 其特 征在于， 所述第一 LSTM模型用于： 根据输入至所述第一LSTM模型的所述输入向量、 所述第一LSTM模型的上一层第一LSTM 模型传递到所述第一LSTM模 型的时空状态信息ct‑1和所述第一LSTM模型的上一层第一LSTM 模型输出的所述上下文向量中的元素ht‑1， 生成所述上下文向量中的元素ht， 其中， t＝0,1, 2，…k， c0和h0为预定义 参数。 6.根据权利要求 4所述的方法， 其特 征在于， 所述注意力模型用于： 根据所述上下文向量和所述注意力模型所在层级i的上一层的第 二LSTM模型输出的信 息量权重h’i‑1， 生成目标 上下文向量ei， i＝1,2，…m； 将所述目标 上下文向量ei输入至第i层的所述第二 LSTM模型； 所述第二 LSTM模型用于： 根据所述目标上下文向量ei、 所述第二LSTM模型的上一层第二LSTM模型传递到所述第 二LSTM模型的时空状态信息c ’i‑1和所述第二LSTM模型的上一层第二LSTM模型输出的信息 量权重h’i‑1， 生成所述第二 LSTM模型的信息量权 重h’i， c’0和h’0为预定义 参数； 将所述第二LSTM模型的信息量权重h ’i输入至所述第二LSTM模型的下一层第二LSTM模权　利　要　求　书 1/3 页 2 CN 114254063 A 2型和所述第二 LSTM模型的下一层注意力模型； 解码所述目标上下文向量ei， 得到对应的轨迹点W ’i， 并根据所述目标上下文向量ei和 所述第二 LSTM模型的信息量权 重h’i进行激活函数处 理以输出 所述轨迹点W’i。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述上下文向量和所述注意力模 型所在层级i的上一层的第二LSTM模型输出的信息量权重h ’i‑1， 生成目标上下文向量ei， 包 括： 根据所述上 下文向量和所述h ’i‑1进行拟合， 生成注意力权 重向量； 根据所述上下文向量和所述注意力权重向量通过如下公式生成所述目标上下文向量 ei： ei＝h1*β1+h2*β2+h3*β3+....+hk*βk； 其中， (h1、 h2、…、 hk)为所述上 下文向量， ( β1、 β2、…、 βk)为所述注意力权 重向量。 8.根据权利要求6所述的方法， 其特 征在于， 所述输出 所述样本 轨迹的恢复轨 迹， 包括： 将所述m个轨迹点W ’i(i＝1,2， …m)组成的轨迹点序列作为所述样本轨迹的恢复轨迹并 输出。 9.根据权利要求6所述的方法， 其特征在于， 所述调整所述轨迹恢复模型的模型参数， 以得到目标损失函数， 包括： 调整所述k个第一LSTM模型中每个所述第一LSTM模型的权重矩阵、 所述ht‑1(t＝1，…k+ 1)、 所述ct‑1(t＝1，…k+1)、 所述目标上下文向量ei(i＝1,2， …m)、 所述h ’i‑1(i＝1，…m+1) 和所述c’i‑1(i＝1，…m+1)， 以得到目标损失函数。 10.一种轨 迹恢复方法， 其特 征在于， 包括： 获取目标轨迹， 所述目标轨迹缺失至少一个轨迹点， 所述目标轨迹中的任一轨迹点所 在的路段为 一路网中的路段； 将所述目标轨迹输入与所述路网对应的轨迹恢复模型， 输出所述目标轨迹的恢复轨 迹， 所述目标轨迹的恢复轨迹的轨迹点数量等于所述轨迹恢复模型的超参数m， 所述目标轨 迹的轨迹点数量小于所述m； 其中， 所述轨迹恢复模型根据权利要求1 ‑9任一项所述的轨迹恢复模型的获取方法得 到。 11.一种轨 迹恢复模型的获取装置， 其特 征在于， 包括： 获取模块， 用于获取样本数据， 所述样本数据包括多条样本轨迹和每条样本轨迹的完 整轨迹， 所述每条样本轨迹缺失至少一个轨迹点， 所述多条样本轨迹中的任一轨迹点所在 的路段为 一路网中的路段； 处理模块， 用于对于所述多条样本轨迹中的每条样本轨迹， 以所述每条样本轨迹和超 参数m为轨迹恢复模 型的输入， 输出所述样本轨迹的恢复轨迹， 所述每条样 本轨迹的恢复轨 迹的轨迹点数量 等于所述m； 计算模块， 用于根据所述每条样本轨迹的完整轨迹和所述每条样本轨迹的恢复轨迹， 计算损失函数； 调整模块， 用于调整所述轨迹恢 复模型的模型参数， 以得到目标损失函数， 所述目标损 失函数用于使所述每条样本轨迹的完整轨迹和所述每条样本轨迹的恢复轨迹之间的损失 在预设范围内；权　利　要　求　书 2/3 页 3 CN 114254063 A 3