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！

龙图腾网获悉松立控股集团股份有限公司申请的专利基于时空图嵌入的车辆轨迹数据补全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：CN118779595B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411251999.7，技术领域涉及：G06F18/15；该发明授权基于时空图嵌入的车辆轨迹数据补全方法是由刘寒松;王国强;王永;刘瑞;李越设计研发完成，并于2024-09-09向国家知识产权局提交的专利申请。

本基于时空图嵌入的车辆轨迹数据补全方法在说明书摘要公布了：本发明涉及数据处理技术领域，特别是涉及一种基于时空图嵌入的车辆轨迹数据补全方法，基于LSTM模型，通过注意力机制充分提取车辆轨迹数据之间的时间关联信息，并通过GCN模块学习实时路况信息的轨迹流图嵌入，得到交通路网的空间信息，将两者结合进行轨迹点补全，得到准确的车辆轨迹数据，通过结合LSTM模型和GCN，能够更准确地捕捉复杂轨迹数据的时空依赖关系，提高轨迹数据补全的准确性，提高了计算效率，增强了实时性，能够应对不同类型的轨迹缺失提供稳定的补全效果。

本发明授权基于时空图嵌入的车辆轨迹数据补全方法在权利要求书中公布了：1.一种基于时空图嵌入的车辆轨迹数据补全方法，其特征在于，包括以下步骤: S1、数据采集：通过车载定位设备和道路监控设备获取车辆每个位置点的精确经纬度信息，获得不同时刻的车辆位置数据； S2、数据处理：将得到的车辆位置数据以天为单位进行划分，即将每天的车辆位置数据作为一条轨迹，将轨迹数据以一定比例进行遮盖，形成低采样率的轨迹，得到轨迹数据； S3、轨迹流图构建：将轨迹数据形成轨迹集合，构建轨迹流图； S4、GCN空间信息嵌入：利用GCN图卷积网络编码轨迹点的转换模式和属性，得到轨迹点的GCN嵌入表示；具体过程为： S41、对于构造的轨迹流图G，其邻接矩阵为A∈RN×N，计算归一化拉普拉斯矩阵：，其中，D是度矩阵，是G的维度为N×N的单位矩阵； S42、输入节点特征矩阵H0=X∈RN×C，C的含义为输入节点特征矩阵的特征维度，采用GCN层将其邻域信息与节点自身的嵌入信息聚合在一起更新节点的嵌入信息：，其中表示第层的输入信号，表示第l层的模型权重矩阵，是对应的偏差项，为ReLU激活函数；为第层输出特征的维度； S43、通过堆叠多个GCN模块来增强模型的表示能力，最终的GCN输出轨迹点的GCN嵌入表示：，为第层的节点特征矩阵，即在GCN模块中经过层处理后的节点特征表示，为第层的节点特征矩阵，即在GCN模块中经过层处理后的节点特征表示，为第层的偏差项，用于引入偏置； S5、时空信息嵌入：将轨迹点进行嵌入表示，并结合轨迹点的GCN嵌入表示，得到时空信息嵌入表示；具体过程为： S51、将轨迹S={Si}进行嵌入表示，一个轨迹点m=x,y,s，x、y、s分别为经度、纬度、时间信息，进行嵌入表示后分别为： ； ； ； 其中为嵌入函数，用于将输入的数据x，y转换为固定维度的向量表示；为频率参数，其中用于调整时间信息的周期性特征，为时间信息，表示轨迹点的时间戳，为相位参数，用于调整时间信息的相位； S52、将轨迹表示与轨迹点的GCN嵌入表示结合，得到时空信息嵌入，其中，为拼接操作，为空间信息图的权重系数； S6、LSTM时空轨迹补全：将嵌入的轨迹点输入LSTM模型进行轨迹数据补全，得到匹配在目前交通路网上的预测轨迹；具体过程为： S61、轨迹点的时空嵌入信息输入到LSTM模型的编码器中，编码器使用LSTM单元来获取轨迹序列中的时空依赖关系，通过输入向量不断更新LSTM单元的隐藏层状态：，得到时空隐藏状态，当前t时刻隐藏层状态更新方式如下： ； ； ； ； ； 其中，是t时刻的输入向量，即轨迹点的时空嵌入信息；是t时刻的隐藏层状态，是由LSTM单元根据当前输入和前一时刻的隐藏层状态计算得到的；是t时刻的输入门，决定了当前输入对细胞状态的影响程度；是t时刻的遗忘门，决定了前一时刻的细胞状态对当前细胞状态的影响程度；是t时刻的输出门，决定了当前细胞状态对隐藏层状态的影响程度；是t时刻的候选细胞状态，是根据当前输入和前一时刻的隐藏层状态计算得到的；是t时刻的细胞状态，是通过遗忘门和输入门对前一时刻的细胞状态和候选细胞状态进行加权和更新得到的；是输入门的权重矩阵、递归权重矩阵和偏置向量；是遗忘门的权重矩阵、递归权重矩阵和偏置向量；是输出门的权重矩阵、递归权重矩阵和偏置向量；是候选细胞状态的权重矩阵、递归权重矩阵和偏置向量；是sigmoid激活函数，用于门控机制，将输入压缩到0和1之间；tanh是双曲正切激活函数，用于计算候选细胞状态，将输入压缩到-1和1之间；⊙表示逐元素乘法； S62、将编码器得到的时空隐藏状态输入LSTM模型的解码器用于高采样轨迹补全，解码器由LSTM单元构成，解码器中加入注意力层，通过引入注意力权重对编码器输出的时空隐藏状态加权组合得到时刻的上下文向量，注意力层输入为编码器的时空隐藏状态和解码器上一时间步的隐藏层状态，输出为上下文向量：，其中，中为第时间步每个编码器隐藏层状态的注意力权重，是一个评分函数，用于计算编码器隐藏层状态和解码器上一时间步隐藏层状态之间的相关性，解码器LSTM单元隐藏层状态更新计算过程为：，其中，和为前一时间步预测的路段ID和移动比率； S63、将编码器得到的隐藏状态输入到全连接层，使用Softmax函数对预测路段ID分类，得到所有路段ID的概率矩阵，选择其中概率最高的作为最终预测的路段ID；并采用Sigmoid激活函数来预测移动比率； S64、综合路段ID和移动比率，得到匹配在目前交通路网上的预测轨迹。

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松立控股集团股份有限公司，其通讯地址为：266000 山东省青岛市市南区宁夏路288号软件园6号楼11层；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。