一种基于模糊长短期神经网络的移动对象轨迹预测算法

作     者：李明晓 张恒才 仇培元 程诗奋 陈洁 陆锋 LI Mingxiao;ZHANG Hengcai;QIU Peiyuan;CHENG Shifen;CHEN Jie;LU Feng

作者机构：中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室北京100101 中国科学院大学北京100049 江苏省地理信息资源开发与利用协同创新中心江苏南京210023 

基　　金：国家自然科学基金(41771436 41571431 41771476) 国家重点研发计划(2016YFB0502104) 中国科学院重点项目(ZDRW-ZS-2016-6-3) 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2018年第47卷第12期

页      码：1660-1669页

摘      要：预测移动对象未来某时刻位置能够为城市规划与管理、城市公共安全、城市应急指挥等提供重要的决策依据,也可为个性化信息推荐、广告定投等基于位置的服务应用提供技术支持。已有预测算法多采用固定格网剖分,位置相近轨迹点常被划分至不同格网,使得潜在轨迹模式被忽略,降低了预测精度。此外,已有预测模型不能有效学习到长序列轨迹有效信息,造成长期依赖问题。本文提出一种基于模糊长短时记忆神经网络(fuzzy long short term memory network,Fuzzy-LSTM)模型的移动对象轨迹预测算法,引入模糊轨迹概念解决固定格网剖分所导致的尖锐边界问题,并对传统LSTM进行改进,综合利用移动对象历史轨迹邻近性和周期性出行特征,提高移动对象轨迹位置预测精度。最后,采用某市10万用户连续15个工作日的移动通讯信令轨迹数据集对方法进行试验分析。结果表明,本文方法在30min预测周期内的预测平均准确率达到83.98%,较经典的Na6ve-LSTM预测模型和NLPMM预测模型分别提高了4.36%和6.95%。

主 题 词：位置预测 模糊空间划分 LSTM 轨迹数据挖掘 深度学习 

学科分类：081603[081603] 081802[081802] 07[理学] 08[工学] 070503[070503] 0818[工学-交通运输类] 0705[理学-地理科学类] 0816[工学-纺织类] 

核心收录：

D　O　I：10.11947/j.AGCS.2018.20170268

馆 藏 号：203423955...