基于循環(huán)神經(jīng)網(wǎng)絡(luò)的軌跡位置預(yù)測技術(shù)研究.pdf

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

2、列中不能有效的提取駐足點(diǎn)(stay point)，駐足點(diǎn)是指人們花了一段時(shí)間進(jìn)行一些活動(dòng)的地點(diǎn);位置預(yù)測的準(zhǔn)確率偏低等。針對這些存在的問題，結(jié)合實(shí)際的應(yīng)用場景，本文提出了全新的循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測算法。
　　本文首先提出了一種基于多級(jí)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(kuò)展的駐足點(diǎn)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(zhuǎn)變?yōu)橛芍匾恢脴?gòu)成的軌跡序

3、列。其中利用空間換時(shí)間思想加快了駐足點(diǎn)提取算法的執(zhí)行效率。
　　通常待預(yù)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(shè)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(luò)的位置預(yù)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(guān)性，繼而預(yù)測下一個(gè)位置。
　　基于上述提出的技術(shù)方法，對于真實(shí)的軌跡數(shù)據(jù)集，利用熱力圖可視化方式驗(yàn)證了重要位置提取算法的可靠性。更重要的是位置預(yù)測模型的也得