(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111230287.3 (22)申请日 2021.10.20 (71)申请人 国网浙江省电力有限公司杭州供电 公司 地址 310016 浙江省杭州市上城区解 放东 路59号 (72)发明人 向新宇　张屏　祝春捷　李题印　 陈超　李可　 (74)专利代理 机构 北京金恒联合知识产权代理 事务所 1 1324 代理人 李强 (51)Int.Cl. G06K 17/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/00(2019.01) (54)发明名称 一种结合局部注意力机制的红外电子标签 位置预测方法 (57)摘要 本发明涉及一种结合局部注意力机制的红 外电子标签位置预测方法， 包括： 训练集构建模 块和基于局部注意力机制的长短期记忆网络模 块。 进行移动对象位置 预测时201， 获取经过预处 理的输入向量集合202， 读取对象的移动轨迹序 列203， 逐个读取当前轨迹序列中的基站204， 将 前t个基站(t为历史轨迹中与当前位置有关的基 站数目)作为输入特征， 当前基站作为输出标签 构建数据集205， 将数据集加入训练集中206。 在 训练过程中将数据集送入局部注意力和长短期 记忆网络211， 读取前一单元的记忆值304和输 出 值305， 将训练数据送入长短期记忆网络层306， 数据通过注意力层30 7， 求解目标函数212与损失 函数213， 进行反向传播更新网络参数214， 至迭 代步数更新满足迭代步数判断模块条件217， 结 束训练218。 权利要求书2页 说明书3页 附图2页 CN 114065884 A 2022.02.18 CN 114065884 A 1.一种结合局部注意力机制的红外电子标签位置预测方法， 其特 征在于包括： 获取输入向量 集合(202)， 读取车辆移动轨 迹序列(20 3)， 逐个读取序列中的基站(204)， 通过将历史轨迹 中的前t个基站经过降维后的向量作为输入特征并将当前基站作为输 出标签， 构建数据集(20 5)， 将数据集加入训练集中(20 6)， 判断是否遍历轨迹中的基站(207)， “否”则回到读取序列中的基站(204)的步骤， “是” 则判断是否遍历轨 迹序列(208)， 判断是否遍历轨迹序列(208)， 若 “否”则回到读取车辆移动轨迹序列(203)的步骤， 若 “是”则初始化模型参数(209)， 开始训练(210)， 将数据集送入长短期记忆网络(211)， 读取前一单元的记忆值(304)和输出值(305)， 将 训练数据送入长短期记忆网络层(306)， 数据通过注意力层(307)， 保存当前记忆值和输出 值(308)。 随后判断是否输入 数据(309)； 若 “是”则更新迭代(303)并回到读取前一单元的记 忆值(304)的步骤； 若 “否”则输出结果(310)， 求解目标函数(212)， 计算损失函数(213)， 进行反向传播更新网络参数(214)， 判断是否遍历训练集(2 15)，“是”则回到将数据 集送入长短期记忆网络进行训练(211) 的步骤，“否”则更新迭代步数(216)； 随后判断迭代步数是否达到预定的总迭代次数(217)， “否”则回到训练开始步骤 (210)，“是”则完成训练并保存网络参数(218)。 2.根据权利要求1所述的结合局部注意力机制的红外电子标签位置预测方法， 其特征 在于所述输入向量 集合是以包括如下步骤的处 理获得的： 将以基站为主体的原始射频识别数据转化为连续的以车辆为主体的基站轨迹数据车 辆轨迹信息集 合(102)， 将轨迹数据进行独热编码(103)， 将离散的基站编号编码为神经网络可以识别的输入 向量， 读取车辆经过的基站轨 迹序列(104)， 将历史轨迹中车辆当前所在基站 的前t个基站作为输入特征， 当前所在基站作为输出 标签构建数据集(10 5)； 将数据集加入训练集中(10 6)， 直到读取完成所有车辆的轨 迹序列(107)， 对数据进行降维预处理， 首先将源域网络模型的参数初始化， 并且设定迭代步数s＝0 (108)， 经过一轮训练(109)， 输入数据集样本并求 解目标函数(1 10)， 由分析可知， 该降维预处理 的降维神经网络模型的输出向量即预测结果应该与当前基 站所对应的独热编码向量相同， 因此 该降维神经网络模型的损失函数的计算公式为：权　利　要　求　书 1/2 页 2 CN 114065884 A 2其中， 为降维网络求出的标签， yi为真实标签， i是基站的序号， i的取值范围是1至n， n表示当前轨 迹序列里包 含的基站数目， 之后， 利用损失函数进行反向传播更新网络参数(1 11)， 进行迭代步数 更新s＝s+1(1 12)， 判断迭代次数是否小于总迭代次数， 若 “是”则进行下一轮训练(109)， 若 “否”则保存参 数完成训练(1 14)， 接下来遍历车辆 轨迹序列(1 15)， 读取序列中的每 个基站(116)， 通过保存的参数计算出每 个基站的嵌入向量(1 17)， 进行判断以读取完所有车辆 轨迹序列(1 18)， 最终获取每个位置对应的位置嵌入向量构成的输入向量 集合(119)。 3.根据权利要求2所述的结合局部注意力机制的红外电子标签位置预测方法， 其特征 在于： 射频识别数据集中位置基站共有518个， 因此通过独热编码后的向量共有518维， 降维神经网络模型的嵌入向量的维度在40维－80维之间。 4.根据权利要求3所述的结合局部注意力机制的红外电子标签位置预测方法， 其特征 在于： 降维神经网络模型的嵌入向量的维度是6 0维。 5.存储有计算机程序的计算机可读存储介质， 该计算机程序能使处理器执行根据权利 要求1‑4之一所述的方法。权　利　要　求　书 2/2 页 3 CN 114065884 A 3