顾及停留位置特征提取的个人位置预测方法
预测居民的未来活动位置与轨迹,为传染病防控、交通疏导、公共安全等城市智慧管理和服务提供主要决策依据.当前的个人位置预测方法往往基于个体的历史轨迹规律模式挖掘与建模进行位置预测,对于个体在不同停留位置的特征信息挖掘不够充分.为此,提出一种顾及停留位置特征提取的个人位置预测模型.首先,模型基于轨迹数据构建历史轨迹链路,采用位置发现规则将轨迹链路转化为停留位置链路,对停留位置进行空间聚类以构建聚类链路;其次,对不同的停留位置进行特征信息(进入/离开时间、天气状况、土地利用)提取,并提取聚类链路的空间特征;最后,将带有特征信息的链路代入长短期记忆神经网络进行定制集成,并实现个人位置的预测.实验结果表明,基于深圳市志愿者用户23天300余万个轨迹位置数据,本模型用户位置预测的F值在不同时间步长参数下均优于变阶马尔可夫模型(约5.5%增益)和传统N阶马尔可夫模型(约7%增益),引入停留位置特征的模型性能增益约为6.6%.
位置预测、轨迹大数据、特征提取、神经网络、长短期记忆神经网络
45
P208(一般性问题)
国家重点研发计划;国家自然科学基金
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共11页
1970-1980