基于循環(huán)神經(jīng)網(wǎng)絡的軌跡位置預測技術研究.pdf

1、隨著智能設備的普及，獲取由空間地理位置信息構成的用戶軌跡變得非常便捷。而這些歷史軌跡中往往蘊含著豐富的信息，如用戶的興趣愛好、行為模式等?；跉v史軌跡預測位置技術一直以來都是其中的研究熱點，也取得了大量的研究成果。特別是隨著基于位置服務(LBS)的蓬勃發(fā)展，有效的位置預測能夠讓用戶有良好的體驗，具有較高的實用價值和廣泛的應用場景。
　　本文回顧了基于歷史軌跡的位置預測技術的研究進展，總結目前存在的一些問題:從原始的GPS點的軌跡序

2、列中不能有效的提取駐足點(stay point)，駐足點是指人們花了一段時間進行一些活動的地點;位置預測的準確率偏低等。針對這些存在的問題，結合實際的應用場景，本文提出了全新的循環(huán)神經(jīng)網(wǎng)絡預測算法。
　　本文首先提出了一種基于多級聚類的重要位置(landmark)提取算法，通過啟發(fā)式的異常值過濾、區(qū)域一致性擴展的駐足點提取、基于密度的聚類算法(DBSCAN)的重要位置提取這一流程將連續(xù)密集的原始軌跡序列轉變?yōu)橛芍匾恢脴嫵傻能壽E序

3、列。其中利用空間換時間思想加快了駐足點提取算法的執(zhí)行效率。
　　通常待預測的位置與已訪問的位置信息存在某種上下文語義聯(lián)系，根據(jù)這一假設本文提出了一種全新的基于長短型記憶循環(huán)神經(jīng)網(wǎng)絡的位置預測模型。將離散化的重要位置索引序列作為模型的輸入，提取位置的特征向量和位置之間的相關性，繼而預測下一個位置。
　　基于上述提出的技術方法，對于真實的軌跡數(shù)據(jù)集，利用熱力圖可視化方式驗證了重要位置提取算法的可靠性。更重要的是位置預測模型的也得