行人移动轨迹中基于意图增强的下一个地点预测模型的研究

发布时间：2022-08-01 11:50

　　行人轨迹预测问题是数据挖掘领域中重点研究领域之一,这一研究是很多基于地理位置的应用服务的重要基础,如个性化兴趣点（PoI）推荐、地理位置相关的广告服务以及交通规划等。随着移动互联网的发展、传感器等感知设备的普及和信息采集能力的提升,为移动轨迹的研究提供了数据上的支撑。然而,由于以下两个方面的挑战,预测下一个可能出现的地点并非易事:1)收集到的轨迹数据的异质性和稀疏性;2)行人移动潜在的规律与时间因素依赖关系密切且复杂度高,并且采集过程数据具有一定模糊性和随机性。当前,大多数预测方法或通过挖掘用户行为模式,或根据轨迹构建序列模型来完成下一个地点的预测,上述方法在GPS等连续、高精度的轨迹预测中表现良好。但是用户在城市中移动形成的轨迹场景下,由于数据稀疏或数据丢失的现象存在,给用户的移动行为模式建模带来了困难,实际预测表现不佳。本文提出一个意图增强的循环神经网络深度学习模型（AI-RNN,AugmentedIntention Recurrent Neural Network）来完成下一个地点的预测任务。为了获取用户移动意图,设计了三种轨迹意图拓扑图的构造策略:随机选择策略、路径方向一致性策... 

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景与研究意义
    1.2 研究发展与现状
        1.2.1 传统方法
        1.2.2 深度学习方法
    1.3 本文的主要工作
    1.4 论文结构
第2章 移动对象的轨迹预测研究
    2.1 个性化分解马尔可夫链
    2.2 时空循环神经网络
    2.3 基于注意力机制的预测模型
第3章 深度学习理论与技术概要
    3.1 神经网络
    3.2 循环神经网络
    3.3 图卷积神经网络
    3.4 嵌入
第4章 基于意图增强的下一个地点预测算法
    4.1 问题的定义与研究动机
        4.1.1 概念定义
        4.1.2 轨迹预测研究动机
    4.2 轨迹拓扑图策略
        4.2.1 随机选择策略
        4.2.2 路径方向一致性选择策略
        4.2.3 轨迹概率选择策略
        4.2.4 轨迹拓扑图构造
    4.3 模型架构与算法流程
        4.3.1 下一个地点预测模型架构
        4.3.2 基于意图增强的轨迹预测算法流程
    4.4 小结
第5章 实验与分析
    5.1 数据集描述
    5.2 对比模型与评价标准说明
        5.2.1 对比模型简介
        5.2.2 评价指标
    5.3 实验结果与讨论
        5.3.1 轨迹规律性因素的影响
        5.3.2 轨迹时间因素的影响
        5.3.3 轨迹长度因素的影响
    5.4 小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 未来研究展望
参考文献
攻读硕士学位期间主要的研究成果
致谢


【参考文献】：
期刊论文
[1]一种基于模糊长短期神经网络的移动对象轨迹预测算法[J]. 李明晓,张恒才,仇培元,程诗奋,陈洁,陆锋.  测绘学报. 2018(12)

硕士论文
[1]面向LBS的用户移动行为预测算法研究[D]. 仵筱妍.电子科技大学 2019
[2]基于循环神经网络的轨迹位置预测技术研究[D]. 李幸超.浙江大学 2016



本文编号：3667394