技術特征：

1.基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s1包括以下分步驟：

3.根據權利要求2所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s12中，道路網絡到功能區網絡的映射關系表示為：

4.根據權利要求2所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s13中，所述功能區網絡的特征矩陣表示為；

5.根據權利要求2所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s14包括以下分步驟：

6.根據權利要求1所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s2具體為：

7.根據權利要求1所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s4具體為：

8.根據權利要求7所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s43中，對于離群路段，基于設置的標準差倍數將高斯分布劃分出中心區域，并限制其在中心區域采樣出噪聲向量，進而使用重參數技巧生成潛在變量，和表示編碼器計算路網權重圖的均值和方差；

9.根據權利要求8所述的基于交通路網權重學習的城市機動車多樣化軌跡生成方法，其特征在于，所述步驟s4中，所述vae模型的損失函數為：

技術總結
本發明公開了基于交通路網權重學習的城市機動車多樣化軌跡生成方法，包括：S1、在網絡層生成交通路網的路網權重圖；S2、基于路網權重圖，根據車輛的起終點執行A*搜索算法，輸出車輛重構軌跡；S3、根據車輛重構軌跡與對應真實軌跡的損失反向訓練網絡層中的圖神經網絡GCN和圖注意力網絡GAT，進而輸出具有連通車輛軌跡的路網權重圖；S4、將路網權重圖輸入至VAE模型中，依次通過編碼、分區采樣及解碼處理，重構獲得多個路網權重圖，對其執行A*搜索算法，生成多樣化車輛軌跡。本發明提供的車輛軌跡生成方法在交通管理過程中，不僅提供了必要的數據支持和決策依據，還為城市交通的未來發展奠定了堅實的基礎。

技術研發人員：鄭皎凌,王浩權,帥儼殊
受保護的技術使用者：成都信息工程大學
技術研發日：
技術公布日：2025/4/28