一种基于时空表征学习的城市活动结构预测方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
一种基于时空表征学习的城市活动结构预测方法
申请号:
CN202510705011
申请日期:
2025-05-29
公开号:
CN120633915A
公开日期:
2025-09-12
类型:
发明专利
摘要
本发明公开了一种基于时空表征学习的城市活动结构预测方法,属于城市活动结构预测技术领域,具体包括:建立个体与城市区域访问知识图谱;将体与城市区域访问知识图谱输入到初始化器TransD模型中获得个体集成表征和城市区域初始化表征;将个体集成表征和城市区域初始化表征输入到强化学习环境中,对个体出行和城市区域进行动态表征;将个体出行和城市区域表征通过强化学习方法预测接下来访问的城市区域。本发明达到全面、准确预测城市活动结构的目标。
技术关键词
结构预测方法
强化学习方法
强化学习环境
聚类方法
生成知识图谱
构建知识图谱
分层方式
关系
动态更新
时间段
导热
异性
网络
强度
指标
线路
速率
基础
系统为您推荐了相关专利信息
1
一种渐进式多级协同的密码靶场训练系统及方法
密码算法
训练系统
智能推荐算法
生成知识图谱
游乐
2
一种基于垂直领域训练模型的学科知识图谱构建方法
学科知识图谱
知识图谱构建
生成知识图谱
数据
格式
3
一种基于强化学习增强遗传进化的单机调度方法
单机调度方法
深度强化学习
工件
遗传进化算法
Softmax函数
4
一种基于有模型强化学习的自动驾驶车辆纵向决策方法
决策方法
纵向动力学
车辆间通信技术
强化学习方法
电池荷电状态
5
一种面向SLA需求的算网多要素融合编排方法
资源分配
服务等级协议
策略
决策
分析容器