[发明专利]活动轨迹的生成方法、装置、设备和存储介质

说明书

本发明实施例提供一种活动轨迹的生成方法、装置、设备和存储介质，该方法包括：获取用户历史活动轨迹数据；根据历史活动轨迹数据和时空动态模型，获取历史活动轨迹数据的时间动态性特征和空间动态性特征；根据历史活动轨迹数据的时间动态性特征、空间动态性特征和训练得到的轨迹生成模型，生成预期的活动轨迹。本发明实施例的方法，建模了用户活动轨迹序列在连续时间层面上的时空动态性，进而使得轨迹生成模型根据历史轨迹的时间动态性特征和空间动态性特征就可以准确地模拟用户的活动轨迹，提高了仿真生成的活动轨迹的准确性。

技术领域

本发明涉及虚拟仿真技术领域，尤其涉及一种活动轨迹的生成方法、装置、设备和存储介质。

背景技术

个体活动轨迹记录了个人参与不同活动的情况，如购物、上班、运动，这些数据不仅可以应用于基于位置的活动预测、活动推荐和乘车共享等服务，而且还可以用于城市规划和交通预测等领域。因此，个体活动轨迹的仿真具有重要的意义。

相关技术中，大多是通过几个人为指定的关键参数来描述个体的移动行为，比如定义个体的家和工作地两个特殊的地理位置，然后通过家和工作地之间的转移并辅以随机采样其他地理位置的方式，以马尔科夫模型来最终输出仿真轨迹，即基于少量参数和简单模型，生成的个体移动轨迹简单，难以模拟真实复杂的用户行为，无法准确预测用户的活动轨迹。

发明内容

针对现有技术中的问题，本发明实施例提供一种活动轨迹的生成方法、装置、设备和存储介质。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种活动轨迹的生成方法，包括：

获取用户历史活动轨迹数据；

根据所述历史活动轨迹数据和时空动态模型，获取所述历史活动轨迹数据的时间动态性特征和空间动态性特征；

根据所述历史活动轨迹数据的时间动态性特征、空间动态性特征和训练得到的轨迹生成模型，生成预期的活动轨迹。

进一步地，基于如下公式(1)和公式(2)建立所述时空动态模型：

其中，h(t)表示历史活动轨迹数据的时间动态性特征；x(t)表示历史活动轨迹数据的空间动态性特征；k表示历史活动轨迹数据；t_i表示活动发生的时间戳；x表示活动轨迹发生的位置；f_h、g_h、f_x、g_x表示多层感知机网络。

进一步地，基于如下公式(3)建立所述轨迹生成模型：

λ^*(t，k，x)＝λ^*(t)m(k|t)p(x|t，k) (3)

其中，λ^*(t)表示用户活动的时间间隔强度，所述强度越大，前一次活动发生的时间与后一次活动发生的时间之间间隔越短；m(k|t)为基于所述历史活动轨迹数据的时间动态性特征得到的，表示在时间点t的情况下活动类型为k的概率，p(x|t，k)为基于所述历史活动轨迹数据的时间动态性特征和空间动态性特征得到的，表示在时间点t，活动类型为k的情况下，活动位置为x的概率密度。

进一步地，基于如下公式(4)和公式(5)获取所述轨迹生成模型中的λ^*(t)：

其中，h(t)表示历史活动轨迹数据的时间动态性特征；L_λ表示多层感知机网络；λ^*(t)表示用户活动的时间间隔强度；表示用户的第k类活动的时间间隔强度；