买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江省公安厅申请的专利一种基于深度轨迹表示的隐性伴随识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116680605B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310481082.5，技术领域涉及：G06F18/241；该发明授权一种基于深度轨迹表示的隐性伴随识别方法是由陈倩如;华东;陈锐;李霞;汤铁建;蔡东庆;蒋进;张兴赞设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种基于深度轨迹表示的隐性伴随识别方法在说明书摘要公布了：本发明提供了一种基于深度轨迹表示的隐性伴随识别方法，包括如下步骤：轨迹数据预处理，对获取的目标对象的轨迹点数据进行切分，得到连续轨迹序列；对所述连续轨迹序列进行空间特征和时间特征离散化；基于Transformer深度模型对离散化后轨迹序列进行轨迹表示向量学习；基于掩码语言模型通过计算重构损失对所述Transformer深度模型进行训练；通过训练好的Transformer深度模型计算各个轨迹的相似度，为每条轨迹找到它的前N条相似轨迹，并将相似度进行归一化，过滤掉低于相似度阈值的相似轨迹对；计算每对相似轨迹之间的空间和时间重合度，甄别不同类型的轨迹伴随。

本发明授权一种基于深度轨迹表示的隐性伴随识别方法在权利要求书中公布了：1.一种基于深度轨迹表示的隐性伴随识别方法，其特征在于，包括如下步骤： S1、轨迹数据预处理，对获取的目标对象的轨迹点数据进行切分，得到连续轨迹序列； S2、对所述连续轨迹序列进行空间特征和时间特征离散化； S3、基于Transformer深度模型对离散化后轨迹序列进行轨迹表示向量学习； S4、基于掩码语言模型通过计算重构损失对所述Transformer深度模型进行训练； S5、通过训练好的Transformer深度模型计算各个轨迹的相似度，为每条轨迹找到它的前N条相似轨迹，并将相似度进行归一化，过滤掉低于相似度阈值的相似轨迹对； S6、计算每对相似轨迹之间的空间和时间重合度，甄别不同类型的轨迹伴随； 步骤S3包括： S31、将离散化后的经纬度特征和连续时间特征拼接组合后输入特征嵌入层，并加上轨迹点在当前轨迹序列中的位置编码； S32、基于编码器和解码器对特征嵌入层的输出数据进行编解码操作； S33、将编解码结果输入全连接层和输出层； 步骤S4包括： S41、使用掩码语言模型随机遮掩掉输入轨迹序列T中的一部分轨迹点，并使用Transformer深度模型预测轨迹序列中的完整轨迹点； S42、通过计算重构损失对Transformer深度模型进行训练，所述重构损失采用如下算法： L＝CrossEntropyLossT,P其中CrossEntropyLoss是标准的交叉熵损失函数，T是被遮掩的轨迹点的真实值，P是被遮蔽轨迹点的预测值； 步骤S5包括： S51、将轨迹序列Ti、Tj通过训练好的Transformer深度模型生成Vi、Vj两个轨迹表示向量； S52、计算生成的两个轨迹表示向量的余弦相似度：simiVi,Vj＝cosVi,Vj，其中cosVi,Vj函数表示计算向量Vi、Vj的余弦公式cosVi,Vj＝Vi*Vj|Vi|*|Vj|； S53、若simiVi,Vjsimi_thr，则输出Ti,Tj关系作为候选相似轨迹对，其中simi_thr是轨迹的相似度阈值； S54、针对每个轨迹序列Ti，将所有Ti,Tj候选相似轨迹按相似度降序排列，取top N作为最终的相似轨迹； 步骤S6中： 时间重合度＝两段轨迹序列的起止点时间段交集时间÷两段轨迹序列中较短轨迹序列的起点和终点的时间差； 空间重合定义为：若两个轨迹点的位置GeoHash相同，则判定为空间重合； 空间重合度＝两段轨迹序列的重合点权重和÷短轨迹权重和； 将轨迹伴随类型分为显性伴随、空间隐性伴随、时间隐性伴随三类：其中，显性伴随指时间重合度、空间重合度都高于第一伴随阈值； 空间隐性伴随指时间重合度低于第一伴随阈值，空间重合度高于第一伴随阈值； 时间隐性伴随指时间重合度高于第一伴随阈值，且空间重合度高于第二伴随阈值； 所述第一伴随阈值大于第二伴随阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江省公安厅，其通讯地址为：310000 浙江省杭州市民生路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。