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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于序列相似度和动态掩码训练机制的轨迹修复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：CN115526225B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210877420.2，技术领域涉及：G06F18/241；该发明授权一种基于序列相似度和动态掩码训练机制的轨迹修复方法是由张纪林;王星;周仁杰;赵乃良;万健;邓飞;王玮;邵衢进;沈佳冰设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本一种基于序列相似度和动态掩码训练机制的轨迹修复方法在说明书摘要公布了：本发明公开一种基于序列相似度和动态掩码训练机制的轨迹修复方法。首先把用经纬度表示的二维轨迹点离散化，映射到网格中生成一维的轨迹序列，搭建基于相似性移动规律的轨迹修复模型Similarmove；使用动态掩码训练方法对基于相似性移动规律的轨迹修复模型Similarmove进行训练；利用训练好的基于相似性移动规律的轨迹修复模型Similarmove实现轨迹修复。本发明通过在注意力机制中结合DTW相似度提取了历史轨迹序列的相似性规律，通过动态掩码机制引入多种训练信息，增加了网络模型泛化能力，缓解了轨迹修复任务中训练数据稀缺的问题，提升了轨迹修复准确率。

本发明授权一种基于序列相似度和动态掩码训练机制的轨迹修复方法在权利要求书中公布了：1.一种基于序列相似度和动态掩码训练机制的轨迹修复方法，其特征在于包括以下步骤： S1：轨迹离散化 获取车辆的缺失轨迹序列与历史轨迹序列，并且对上述轨迹序列做离散化处理，映射到正方形网格中，把二维的轨迹序列转换成为一维的轨迹序列，得到历史轨迹序列[h1,h2,…]，当天轨迹序列[c1]； S2：搭建基于相似性移动规律的轨迹修复模型Similarmove 所述基于相似性移动规律的轨迹修复模型Similarmove包括门控图嵌入层、位置编码层、历史轨迹相似性特征提取层、当天轨迹相关关系特征提取层、轨迹修复层； 1）构建门控图嵌入层 1-1基于历史轨迹序列[h1,h2,…]生成该序列数据的入度矩阵与出度矩阵，基于当天轨迹序列[c1]生成该序列数据的入度矩阵与出度矩阵； 1-2基于node2vector算法生成初始的网格嵌入向量矩阵； 1-3门控图嵌入层GGNN通过轨迹序列的邻居信息学习位置嵌入向量表示，使得相邻位置的网格嵌入向量相似程度更高，当门控图嵌入层GGNN循环s次后的最终输出记为网格嵌入向量；根据历史轨迹序列[h1,h2,…]中对应的序列号从取出对应的嵌入向量，生成历史轨迹序列嵌入向量矩阵，根据当天轨迹序列[c1]中对应的序列号从取出对应的嵌入向量生成历史轨迹序列嵌入向量矩阵； 2）构建位置编码层 所述位置编码层的输入是门控图嵌入层的输出向量和，通过向量直接相加的方式融合序列数据的相对位置特征，最终输出经过位置编码的历史轨迹嵌入向量矩阵和当天轨迹嵌入向量矩阵； 3）构建历史轨迹相似性特征提取层 所述历史轨迹相似性特征提取层的输入是位置编码层输出的和；使用注意力机制学习历史轨迹序列矩阵和当天轨迹序列矩阵之间的相似移动规律，抽取出动态时间规整DTW相似度最高的一天的历史轨迹嵌入向量； 4）构建当天轨迹相关关系特征提取层 所述当天轨迹相关关系特征提取层接收当天轨迹嵌入向量，利用自注意力机制学习当天轨迹序列的相关关系，最后输出当天轨迹相关关系特征； 5）构建轨迹修复层 所述构建轨迹修复层把历史轨迹相似性向量、当前轨迹相关性向量轨迹序列信息拼接后输入一个三层全连接网络，将得到的结果与初始的网格嵌入向量矩阵做点积并使用softmax函数做归一化，得到缺失的轨迹位置在每个网格单元的概率，最后根据概率得到修复结果； S3：使用动态掩码训练方法对基于相似性移动规律的轨迹修复模型Similarmove进行训练； 将原始的当天轨迹数据复制n份，分别进行n轮训练；每轮训练过程中轨迹数据中随机t个时间步的轨迹点设置为0； S4：利用训练好的基于相似性移动规律的轨迹修复模型Similarmove实现轨迹修复。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。