【摘要】：近年來GPS嵌入設(shè)備、無線設(shè)備的流行使得定位技術(shù)迅速發(fā)展,記錄了大量用戶的歷史移動(dòng)信息。這些信息中包含著豐富的內(nèi)容,例如用戶的日常行為、興趣愛好等。如何充分的利用這些信息完成目的地的預(yù)測一直是研究的熱點(diǎn),目前已經(jīng)取得了大量的研究成果。尤其是基于位置的服務(wù)快速發(fā)展,已經(jīng)逐漸成為日常生活中不可缺少的一部分,如目標(biāo)廣告投放,目的地推薦等。有效的目的地預(yù)測可以極大的提升用戶體驗(yàn),具有很高的研究價(jià)值和應(yīng)用場景。目前,利用GPS定位技術(shù)獲取的用戶位置信息進(jìn)行目的地預(yù)測的方法是目的地預(yù)測主要應(yīng)用的方法之一,其主要利用GPS獲取的歷史軌跡信息與當(dāng)前用戶的移動(dòng)路徑信息相匹配,認(rèn)為匹配程度最高的歷史軌跡的目的地最有可能是當(dāng)前用戶的目的地。然而,GPS定位技術(shù)主要在室外空間中進(jìn)行應(yīng)用,無法準(zhǔn)確的獲取室內(nèi)空間的位置信息,室內(nèi)外的空間結(jié)構(gòu)不同也導(dǎo)致了很多室外的目的地預(yù)測方法無法應(yīng)用于室內(nèi)。除此之外,目前很多目的地預(yù)測方法沒有考慮不同的定位策略產(chǎn)生的數(shù)據(jù)稀疏性問題對目的地預(yù)測的影響。針對上述問題,本文提出了一種可以應(yīng)用于室內(nèi)空間的目的地預(yù)測算法。該算法依次對室內(nèi)空間和輸入的采樣點(diǎn)序列進(jìn)行預(yù)處理。其中對采樣點(diǎn)序列的處理緩解了由于采樣策略的不同而導(dǎo)致的數(shù)據(jù)稀疏性問題。最后利用預(yù)處理處理得到的采樣點(diǎn)序列完成了目的地的預(yù)測。本文主要由以下幾部分工作構(gòu)成:(1)目的地預(yù)測技術(shù)的研究現(xiàn)狀。簡要介紹了近年來目的地預(yù)測技術(shù)的發(fā)展及研究現(xiàn)狀,對目的地預(yù)測的研究工作進(jìn)行了綜述,分析了目前目的地預(yù)測的算法優(yōu)缺點(diǎn)以及在日常生活等領(lǐng)域的應(yīng)用。(2)室內(nèi)空間的預(yù)處理。首先介紹了室內(nèi)外空間結(jié)構(gòu)的差別,并詳細(xì)描述了對室內(nèi)空間進(jìn)行預(yù)處理的算法,該算法根據(jù)歷史軌跡數(shù)據(jù)集中的內(nèi)容判斷室內(nèi)單元格之間的連通性,可以在完成室內(nèi)空間劃分的同時(shí)較好的保存室內(nèi)空間結(jié)構(gòu)的特點(diǎn)。(3)采樣點(diǎn)序列的預(yù)處理。針對由于定位策略不同而導(dǎo)致的數(shù)據(jù)稀疏性問題,本文提出了一種對采樣點(diǎn)序列進(jìn)行預(yù)處理的算法,該算法利用上一步得到的室內(nèi)空間結(jié)構(gòu)以及歷史軌跡數(shù)據(jù)集中的內(nèi)容,在時(shí)間和空間兩個(gè)方面完成了不同單元格及區(qū)域轉(zhuǎn)換率的計(jì)算。在此基礎(chǔ)上對采樣點(diǎn)序列進(jìn)行預(yù)處理,得到與原始軌跡相近的單元格序列。這種處理方法能夠避免由于采樣策略的不同而產(chǎn)生的數(shù)據(jù)稀疏性問題,使得目的地的預(yù)測結(jié)果盡可能小的被采樣策略所影響。(4)利用雙向循環(huán)神經(jīng)網(wǎng)絡(luò)完成目的地的預(yù)測。簡要對雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)進(jìn)行了介紹。為了使雙向循環(huán)神經(jīng)網(wǎng)絡(luò)在室內(nèi)目的地預(yù)測中更加適用,本文對其進(jìn)行了相應(yīng)的改進(jìn),然后使用雙向循環(huán)神經(jīng)網(wǎng)絡(luò)對歷史軌跡數(shù)據(jù)集和經(jīng)過預(yù)處理的采樣點(diǎn)序列進(jìn)行處理,完成對采樣點(diǎn)序列的目的地預(yù)測。最后,實(shí)驗(yàn)結(jié)果顯示本文提出的方法可以用于室內(nèi)空間的目的地預(yù)測,并且通過與其他目的地預(yù)測的算法進(jìn)行對比實(shí)驗(yàn),從多種角度驗(yàn)證了本文提出方法的精確度和穩(wěn)定性。
【圖文】：

圖 2.1 目的地預(yù)測示例目的地預(yù)測方法是使用公共的空間軌跡集，這些軌或者從出租車的軌跡數(shù)據(jù)集中獲取的。如果正在進(jìn)的流行路徑相匹配，，那么該流行路徑的目的地很有

圖 2.2 左圖顯示某區(qū)域，右圖顯示被單元格覆蓋效果其中地表覆蓋信息是一種關(guān)于某地點(diǎn)可能成為目的地概率的信息源。例如，中心或者是海洋中心不太可能成為司機(jī)的目的地，而商業(yè)區(qū)域比那些常年覆蓋和雪的地方更有可能成為目的地。根據(jù)這個(gè)規(guī)律及從美國地質(zhì)調(diào)查所得到的地
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P228.4;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測法[J];金融經(jīng)濟(jì);2017年18期

2 李青華;李翠平;張靜;陳紅;王紹卿;;深度神經(jīng)網(wǎng)絡(luò)壓縮綜述[J];計(jì)算機(jī)科學(xué);2019年09期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[J];電工技術(shù);2019年11期

9 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

10 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2652676