[发明专利]用于预测道路属性的方法和数据处理系统

权利要求书

1.一种预测与地理区域(10)中的道路相对应的一个或多个道路属性(20)的方法，该地理区域(10)包括道路段(21)，该方法包括：

提供该地理区域(10)的轨迹数据(110)；

提供地图数据(120)，其中，该地图数据包括该地理区域的图像数据(122)；

从该轨迹数据(110)中提取轨迹特征(210)；

从该地图数据(120)中提取地图特征(220)；以及

使用至少一个处理器，通过将这些轨迹特征(210)和这些地图特征(220)输入到神经网络(300)中以及通过将该神经网络(300)的输出分类为道路属性(20)的预测概率(500)来预测这些道路属性(20)，

其中，该神经网络(300)包括用于轨迹特征(110)的第一子神经网络(311)和用于地图特征(220)的第二子神经网络(321)。

2.如权利要求1所述的方法，其中，该神经网络(300)被配置成接收这些轨迹特征(210)和这些地图特征(220)，并生成特定任务融合表示(330)，并且

其中，分类由分类器(400)执行，该分类器(400)被配置成基于该特定任务融合表示(330)来计算这些预测概率(500)中的一个或多个。

3.如权利要求1所述的方法，其中，这些轨迹特征(210)由第一子神经网络(311)处理成共享全球轨迹特征(316)，其中，该第一子神经网络(311)包括一个或多个全连接层(312，314)。

4.如权利要求1所述的方法，进一步包括

基于该轨迹数据(110)来确定与道路属性(20)相对应的预定义指示符(216)的关注分数α^x，其中，这些预定义指示符(216)由全连接层(317)处理，并且其中，关注分数α^x基于激活函数来确定。

5.如权利要求4所述的方法，其中，基于关注分数α^x与该第一子神经网络(311)的共享全球轨迹特征(316)的融合来计算轨迹特定任务加权表示。

6.如权利要求1所述的方法，其中，这些地图特征(220)由第二子神经网络(321)处理成共享全球地图特征(326)。

7.如权利要求6所述的方法，进一步包括基于这些共享全球地图特征(326)来计算预定义指示符(226)的第二关注分数α^v，其中，这些预定义指示符(226)由第二全连接层(327)处理，并且其中，第二关注分数α^v基于激活函数来确定。

8.如权利要求7所述的方法，其中，基于第二关注分数α^v与该第二子神经网络(321)的共享全球地图特征(326)的融合来计算地图特定任务加权表示。

9.如权利要求5所述的方法，其中，

这些地图特征(220)由第二子神经网络(321)处理成共享全球地图特征(326)；

该方法进一步包括基于这些共享全球地图特征(326)来计算预定义指示符(226)的第二关注分数α^v，其中，这些预定义指示符(226)由第二全连接层(327)处理；

第二关注分数α^v基于激活函数来确定，其中，基于第二关注分数α^v与该第二子神经网络(321)的共享全球地图特征(326)的融合来计算地图特定任务加权表示；并且

基于这些地图特定任务加权表示和这些轨迹特定任务加权表示来确定特定任务融合表示(330)。

10.如权利要求1所述的方法，其中，从该地图数据(120)中提取地图特征(220)包括通过裁剪来自该图像数据(122)的图像来生成裁剪后图像(123)，其中，这些裁剪后图像(123)以这些道路段(21)中的对应道路段(22)为中心。