基于循环神经网络的轨迹位置预测技术研究

发布时间：2017-06-04 08:08

  本文关键词：基于循环神经网络的轨迹位置预测技术研究，，由笔耕文化传播整理发布。

【摘要】：随着智能设备的普及,获取由空间地理位置信息构成的用户轨迹变得非常便捷。而这些历史轨迹中往往蕴含着丰富的信息,如用户的兴趣爱好、行为模式等。基于历史轨迹预测位置技术一直以来都是其中的研究热点,也取得了大量的研究成果。特别是随着基于位置服务(LBS)的蓬勃发展,有效的位置预测能够让用户有良好的体验,具有较高的实用价值和广泛的应用场景。本文回顾了基于历史轨迹的位置预测技术的研究进展,总结目前存在的一些问题：从原始的GPS点的轨迹序列中不能有效的提取驻足点(stay point),驻足点是指人们花了一段时间进行一些活动的地点；位置预测的准确率偏低等。针对这些存在的问题,结合实际的应用场景,本文提出了全新的循环神经网络预测算法。本文首先提出了一种基于多级聚类的重要位置(landmark)提取算法,通过启发式的异常值过滤、区域一致性扩展的驻足点提取、基于密度的聚类算法(DBSCAN)的重要位置提取这一流程将连续密集的原始轨迹序列转变为由重要位置构成的轨迹序列。其中利用空间换时间思想加快了驻足点提取算法的执行效率。通常待预测的位置与已访问的位置信息存在某种上下文语义联系,根据这一假设本文提出了一种全新的基于长短型记忆循环神经网络的位置预测模型。将离散化的重要位置索引序列作为模型的输入,提取位置的特征向量和位置之间的相关性,继而预测下一个位置。基于上述提出的技术方法,对于真实的轨迹数据集,利用热力图可视化方式验证了重要位置提取算法的可靠性。更重要的是位置预测模型的也得到了较合理的结果。设置10米和50米不同的区域半径得到的准确率分别为49.52%和71.25%。对比传统的预测模型准确率有了进一步的提升。
【关键词】：轨迹位置预测 重要位置提取 循环神经网络
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-16
• 1.1 课题背景与研究意义10-11
• 1.2 国内外位置预测研究情况11-13
• 1.3 本文工作与贡献13-14
• 1.4 论文结构14-15
• 1.5 本章小结15-16
• 第2章 位置预测的相关技术16-31
• 2.1 位置预测的基本描述16-19
• 2.1.1 轨迹数据的语义结构16-18
• 2.1.2 轨迹预测的基本过程18-19
• 2.2 相关技术概述19-30
• 2.2.1 轨迹数据的获取19-20
• 2.2.2 轨迹数据预处理技术20-22
• 2.2.3 驻足点提取技术22-25
• 2.2.4 位置预测技术25-27
• 2.2.5 深度学习相关技术27-30
• 2.3 本章小结30-31
• 第3章 问题描述和算法流程31-35
• 3.1 基于历史轨迹的位置预测定义31-32
• 3.2 本文位置预测的算法流程32-34
• 3.3 本章小结34-35
• 第4章 基于多级聚类算法的重要位置提取35-47
• 4.1 轨迹数据的预处理35-36
• 4.1.1 启发式的异常值检测35-36
• 4.2 基于区域一致性扩展的驻足点提取方法36-43
• 4.3 基于DBSCAN的重要位置提取方法43-46
• 4.4 本章小结46-47
• 第5章 基于循环神经网络的位置预测方法47-57
• 5.1 引言47-48
• 5.2 基于循环神经网络轨迹位置预测模型48-56
• 5.2.1 预测模型框架49-52
• 5.2.2 下一个位置的预测52-53
• 5.2.3 LSTM模块53-56
• 5.3 本章小结56-57
• 第6章 实验结果及分析57-68
• 6.1 实验配置57-58
• 6.1.1 运行环境57
• 6.1.2 数据集描述57-58
• 6.2 实验结果与分析58-66
• 6.2.1 重要位置提取结果58-62
• 6.2.2 下一个位置预测结果62-64
• 6.2.3 模型实验结果对比64-66
• 6.3 本章小结66-68
• 第7章 总结与展望68-70
• 7.1 本文主要工作与贡献68
• 7.2 未来研究工作展望68-70
• 参考文献70-74
• 致谢74

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺

本文编号：420391