[发明专利]一种人员移动性预测模型的训练方法及装置

权利要求书

1.一种人员移动性预测模型的训练方法，其特征在于，所述方法包括：

获取样本人员的多条轨迹信息；

在所述多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息；

将所述负样本轨迹信息及所述正样本轨迹信息分别输入到待训练的校验网络模型中进行分析，得到各自对应的质量分数，并按照所述正样本轨迹信息对应的质量分数高于所述负样本轨迹信息对应的质量分数的调整方式对所述待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；

将所述样本人员的多条轨迹信息输入所述训练好的校验网络模型，得到对应各轨迹信息的质量分数；

将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对所述待训练的预测模型进行训练，得到训练好的预测模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对所述待训练的预测模型进行训练，得到训练好的预测模型，包括：

将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应所述样本人员的预测结果；

计算对应所述预测结果的损失；

计算并以所述预测结果对应的损失和所述质量分数之积作为目标损失；

根据所述目标损失，对所述待训练的预测模型的参数进行更新，返回所述将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应所述样本人员的预测结果的步骤继续执行，直至所述预测结果对应的损失小于第二预设阈值，得到训练好的预测模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述样本人员的多条轨迹信息输入所述训练好的校验网络模型，得到对应各轨迹信息的质量分数之后，所述方法还包括：

将所述多条轨迹信息中，对应的质量分数不大于所述第一预设阈值的轨迹信息抛弃。

4.根据权利要求1-3任一所述的方法，其特征在于，所述方法还包括：

获取目标人员的轨迹信息；

将所述目标人员的轨迹信息输入所述训练好的预测模型，计算得到所述目标人员预测轨迹。

5.一种人员移动性预测模型的训练装置，其特征在于，所述装置包括：

信息获取模块，用于获取样本人员的多条轨迹信息；

样本设置模块，用于在所述多条轨迹信息中，选取指定比例的轨迹信息进行轨迹变换作为负样本轨迹信息，将未进行轨迹变换的轨迹信息作为正样本轨迹信息；

校验模型获取模块，用于将所述负样本轨迹信息及所述正样本轨迹信息分别输入到待训练的校验网络模型中进行分析，得到各自对应的质量分数，并按照所述正样本轨迹信息对应的质量分数高于所述负样本轨迹信息对应的质量分数的调整方式对所述待训练的校验网络模型的参数进行调整，得到训练好的校验网络模型；

质量分数获取模块，用于将所述样本人员的多条轨迹信息输入所述训练好的校验网络模型，得到对应各轨迹信息的质量分数；

预测模型获取模块，用于将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，对所述待训练的预测模型进行训练，得到训练好的预测模型。

6.根据权利要求5所述的装置，其特征在于，所述预测模型获取模块，包括：

预测结果获取子模块，用于将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应所述样本人员的预测结果；

预测损失计算子模块，用于计算对应所述预测结果的损失；

目标损失计算子模块，用于计算并以所述预测结果对应的损失和所述质量分数之积作为目标损失；

根据所述目标损失，对所述待训练的预测模型的参数进行更新，返回所述将所述多条轨迹信息中，对应的质量分数大于第一预设阈值的轨迹信息输入待训练的预测模型，得到对应所述样本人员的预测结果的步骤继续执行，直至所述预测结果对应的损失小于第二预设阈值，得到训练好的预测模型。