(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110597962.X (22)申请日 2021.05.31 (65)同一申请的已公布的文献号 申请公布号 CN 113344056 A (43)申请公布日 2021.09.0 3 (73)专利权人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 乔媛媛　缪庆　李爱民　张宇中　 杨洁　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 丁芸　马敬 (51)Int.Cl. G06K 9/62(2022.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) (56)对比文件 CN 111462069 A,2020.07.28 US 20193 55134 A1,2019.1 1.21 CN 109684916 A,2019.04.26 CN 112733908 A,2021.04.3 0 CN 111127452 A,2020.0 5.08 CN 111583229 A,2020.08.25 US 201913 3468 A1,2019.0 5.09 US 201827 7098 A1,2018.09.27 CN 111767475 A,2020.10.13 审查员 欧晓丹 (54)发明名称 一种人员移动性预测模型的训练方法及装 置 (57)摘要 本发明实施例提供的一种人员移动性预测 模型的训练方法及装置， 应用于信息技术领域， 通过在多条轨迹信息中， 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并进 行分析， 得到各自对应的质量分数， 对待训练的 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； 将样本人员的多条轨迹信息输入训 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， 对待训练的预测模型进行训练， 得到训练 好的预测模 型， 可以避免质量较差的样本数据对 预测模型的训练过程的影 响， 提高训练号的模型 的质量。 权利要求书2页 说明书10页 附图4页 CN 113344056 B 2022.11.22 CN 113344056 B 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 网络权　利　要　求　书 1/2 页 2 CN 113344056 B 2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。 7.根据权利要求5所述的装置， 其特 征在于， 所述装置还 包括： 信息抛弃模型， 用于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。 8.根据权利要求5 ‑7任一所述的装置， 其特 征在于， 所述装置还 包括： 轨迹信息获取模块， 用于获取目标 人员的轨 迹信息； 预测轨迹计算模块， 用于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。 9.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执 行存储器上所存放的程序时， 实现权利要求1 ‑4任一所述的方法步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1 ‑4任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 113344056 B 3