CN119417325A 耦合意图预测和环境约束的城市机动目标轨迹仿真方法 （中国电子科技集团公司第五十四研究所）

西路589号中国电子科技集团公司第五十四研究所航天信息应用技术重点耦合意图预测和环境约束的城市机动目标本发明公开了耦合意图预测和环境约束的各个机动目标的位置以及各个路口节点的奖励特殊应用场景下多移动目标轨迹真实轨迹较少2步骤4，将每条目的地属于兴趣区域集合的历史轨迹表示为一个包含历史轨迹中各个2.根据权利要求1所述的耦合意图预测和环境约束的城市机动目标轨迹仿真方法，其通过城市路网划分出待访问兴趣区域集合为L={l1,ly,……,l}；;;其中，P(u,LX'ICUS,t)表示机动目标u访问待访问兴趣区域的概率，u表示机动目示计算两个分布之间的Wasserstein距离，F,D,G,E表示形态的特征分布，D表示城市人口及设施密度的特征分布，G表示城市功能类型的特征分3A={e1,a2,…,aseL,且p(u,a;Icur,t)>6,s'=1,2,3,......,s；3.根据权利要求2所述的耦合意图预测和环境约束的城市机动目标轨迹仿真方法，其路口节点集B={B1,B2,…,B。}，其中表示第e个路口节点，e表示提取的路口节点点的邻接道路的数量；fEerEer…,Ee,表示路口节点的邻接空间子区域，ew表示路口;子区域Ef内城市地形的特征分布；;表示将道路邻接空间子区域的地理环境要素特征添加到道路的结果；4;RP。表示将路口节点邻接空间子区域的地理环境要素特征添加到路口节点的结;示将道路yeni邻接空间子区域的地理环境要素特征添加到道路yeni的结果。4.根据权利要求3所述的耦合意图预测和环境约束的城市机动目标轨迹仿真方法，其;;;;;;口节点b后的网络全局效率；d(b1,b2)表示路口节点b1与路口节点bz之间的最短路径长5;du(g1,g2)表示集合U中路口节点91与路口节点91之间的最短路径长度。5.根据权利要求4所述的耦合意图预测和环境约束的城市机动目标轨迹仿真方法，其历史轨迹中处于第一个路口节点时的时间，为历史轨迹中处于第一个路口节点时的速,6.根据权利要求5所述的耦合意图预测和环境约束的城市机动目标轨迹仿真方法，其7.根据权利要求6所述的耦合意图预测和环境约束的城市机动目标轨迹仿真方法，其;其中，奖励函数值矩阵r中的第i行第j列元素=，ri表示从兴趣区域移动到兴;6;;;;;Sk表示第k个机动目标的初始位置，且st属于兴趣区域集合A，若第k个机动目标从兴趣区根据混合整数线性规划方法求解结果，得到各机动目标在各兴趣区域之间的移动7学统计模型假设该行为模式来表征刻画移动目标的运动特征。如SibrenIsaacman等方式下的移动轨迹；XuKang等(2020)将轨迹生成任务拆分为OD(origin_destination)选择、中间点发现和最短路径规划三个任务对移动目标轨迹的模拟；LucaPappalardo等[0004]基于数据学习则主要利用机器学习或深度学习的方式从移动目标行为轨迹中推为类图片的矩阵结构，使用图片生成任务的深度卷积生成对抗网络(DCGAN)实现对城市人式。如DouHuang等(2019)通过卷积神经网络和变分自编码对城市人群轨迹的序列特征进行表征学习估计原始数据的分布生成对应的模拟轨迹；Yu等(2017)将对抗生成网络GAN的训练过程视为一个强化学习问题，SeqGAN将生成器视为马尔科夫决策过程(MDP)中的智能8基于规则驱动的轨迹模拟方法生成轨迹真实性不强，行为方式生硬且情景泛化能力较弱，[0006]有鉴于此，本发明提出耦合意图预测和环境约束的城市机动目标轨迹仿真方[0012]步骤4，将每条目的地属于兴趣区域集合的历史轨迹表示为一个包含历史轨迹中[0017]通过城市路网划分出待访问兴趣区域集合为L={l1,ly,……,l}；9[0021]其中，P(u,LX'ICUS,t)表示机动目标u访问待访问兴趣区域的概率，u表示机目标u签到过的待访问兴趣区域集合，Cu,t为集合cus中的一个元素，表示待访问W(p(),q())表示计算两个分布之间的Wasserstein距离，F,D,G,E表示地理环境要素：待访问兴趣区域cu,t的频率，表示在统计时间窗口内，机动目标u签到待访问兴趣区f表示在统计时间窗口内，机动目标u签到待访问兴趣区域的总次数；[0023]A={e1,a2,…,as}eL,且p(u,a;ICUS,t)>6,s'=1,2,3,......,s；[0027]路口节点集B={B1,B2,…,B。}，其中表示第e个路口节点，e表示提取的路口空间子区域Ef内城市地形的特征分布；[0040]RP。表示将路口节点B邻接空间子区域的地理环境要素特征添加到路口节点[0041]将各路口节点邻接道路的地理环境要素特征添加到路口节点上，以路口节点B。[0043]表示路口节点邻接道路的地理环境要素特征添加到路口节点的结果，Rei表示将道路yen邻接空间子区域的地理环境要素特征添加到道路yen的结果。[0046]k,=zceeanc；除路口节点b后的网络全局效率；d(b1,b2)表示路口节点b1与路口节点bz之间的最短路径[0061]其中，表示路口节点b对网络局部效率的贡献，NU表示集合U的元素数量，du(g1,g2)表示集合U中路口节点91与路口节点91之间的最短路径长度。,属于道路集。[0070]其中，奖励函数值矩阵r中的第i行第j列元素=i移动；[0084]图1为本发明实施例中耦合意图预测和环境约束的城市机动目标轨迹仿真方法的[0091]步骤4，将每条目的地属于兴趣区域集合的历史轨迹表示为一个包含历史轨迹中[0096]通过城市路网划分出待访问兴趣区域集合为L={l1,ly,……,l}；[0100]其中，P(u,LX'ICUS,t)表示机动目标u访问待访问兴趣区域的概率，u表示机目标u签到过的待访问兴趣区域集合，Cu,t为集合cus中的一个元素，表示待访问W(p(),q())表示计算两个分布之间的Wasserstein距离，F,D,G,E表示地理环境要素：待访问兴趣区域cu,t的频率，表示在统计时间窗口内，机动目标u签到待访问兴趣区f表示在统计时间窗口内，机动目标u签到待访问兴趣区域的总次数；值，∠a为斜坡与水平面夹角坡度主要影响不同属性目标的行动速度和通行能力，具体[0113]A={e1,a2,…,as}eL,且p(u,a;ICUS,t)>6,s'=1,2,3,......,s；[0117]路口节点集B={B1,B2,…,B。}，其中表示第e个路口节点，e表示提取的路口空间子区域Ef内城市地形的特征分布；[0130]RP。表示将路口节点B邻接空间子区域的地理环境要素特征添加到路口节点[0131]将各路口节点邻接道路的地理环境要素特征添加到路口节点上，以路口节点B。[0133]表示路口节点邻接道路的地理环境要素特征添加到路口节点的结果，Rei表示将道路yen邻接空间子区域的地理环境要素特征添加到道路yen的结果。[0136]k,=zceeanc；除路口节点b后的网络全局效率；d(b1,b2)表示路口节点b1与路口节点bz之间的最短路径[0151]其中，表示路口节点b对网络局部效率的贡献，NU表示集合U的元素数