[發明專利]基于雙向循環神經網絡的室內軌跡預測方法

有效

• 申請號: 201610995627.4
• 申請日: 2016-11-11
• 公開（公告）號: CN106568445B
• 公開（公告）日: 2019-07-05
• 發明（設計）人: 王生生;岳晴
• 申請（專利權）人: 吉林大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G06N3/02
• 代理公司: 長春市恒譽專利代理事務所(普通合伙) 22212
• 代理人: 李榮武

本發明公開一種基于雙向循環神經網絡的室內軌跡預測方法，該方法包括以下步驟：步驟一、室內空間預處理；步驟二、把室內定位得到的軌跡集中的目的地進行聚類；步驟三、利用室內定位技術，得到需要預測目標的采樣點序列；步驟四、采樣點序列校準；步驟五、根據室內軌跡預測問題特點，改進雙向循環神經網絡的結構。利用自適應梯度調節器進行訓練，調節embedding列表的數據，使得偏差最小。將經過校準的采樣點序列輸入到改進后的雙向循環神經網絡中，進行目的地預測。本發明提出的算法，可以很好的對室內移動目標的軌跡進行預測；利用歷史軌跡集解決了室內空間連通性問題；采樣點序列校準保證了得到的采樣點不會受數據稀疏性的影響，提高了預測的準確性。

技術領域

本發明涉及雙向循環神經網絡及室內定位

背景技術

在人們的日常生活中，每天都會產生大量的軌跡，雖然近年來有很多關于移動目標軌跡的分析，但是大部分是針對室外行為的，產生了很好的實驗效果。事實上人們在室內同樣產生了大量的軌跡，但是室內外空間的測量方法、空間連通性均有很大不同，室外是典型的空間網或者歐幾里得空間，室內是由網格定義的空間組成，并且室內空間上相鄰的網格在物理上未必連通，例如室內相鄰兩個房間的網格在空間上是連通的，但是由于墻體的限制，物理上并不連通為室內目標的軌跡分析造成了很大的影響。同時GPS技術無法對室內物體進行定位，無法對室內運動行為進行分析。

目前提出的最新室內定位技術將無線網絡與深度地圖的結合，僅利用用戶攜帶的智能手機與安裝的廉價的傳感器，顯著的提高了室內定位系統的有效性及普遍性；通過權重融合的方法對WiFi室內定位算法進行了改進，有效地解決了WiFi室內定位精確性的問題。為記錄室內目標軌跡提供了大量有效信息。但目前室內定位技術得到的定位數據存在數據稀疏性的問題，對于預測移動目標的目的地有很大影響，甚至可能會得到完全相反的結果。

目前主要的目的地預測算法有利用隱馬爾科夫模型和利用貝葉斯網推理的方法。但是無論是馬爾科夫模型還是貝葉斯網在預測中均存在一定的局限性，不能保存過多的歷史信息，無法有效解決室內目標預測的問題。雙向循環神經網絡(BRNN)是在循環神經網絡(RNN)的基礎上提出的，RNN隱含層之間的節點不再是無連接的，而是有連接的，并且隱含層的輸入不僅包含輸入層的輸出，還包含上一時刻隱含層的輸出。然而標準的RNN在時序上處理序列往往忽略了未來的上下文信息。因此在RNN的基礎上，提出BRNN，基本思想是提出每一個訓練序列分別是向前和向后的兩個循環神經網絡，而且均連接輸出層。這個結構提供給輸出層輸入序列中每一個點的完整的過去和未來的上下文信息，彌補了傳統的狀態轉移模型的缺陷。采樣點序列的開始與結束部分對室內目標目的地預測有很大的影響，因此利用BRNN雙向循環及保存歷史軌跡的特點，充分利用開始與結束點對目的地預測的影響，提高預測的準確性。

綜上所述，我們提出的基于雙向循環神經網絡的室內軌跡預測方法，利用室內定位技術得到的室內目標移動軌跡集，對室內參考空間進行預處理，然后對利用室內定位技術得到的采樣點序列進行校準，解決數據稀疏性問題，最后將經過校準的采樣點序列利用雙向循環神經網絡進行目的地的預測。

發明內容：

為解決現有的室內軌跡預測算法存在的問題，如室內外空間的差異，用于預測軌跡的采樣點數據稀疏性，無法保存過多上下文信息等。本發明提出了一種基于雙向循環神經網絡的室內軌跡預測方法，發明內容主要包括：本預測方法的流程框架，根據室內定位技術對室內參考空間的預處理，對采樣點序列的校準，以及將室內定位得到的經過校準軌跡應用到改進的雙向循環神經網絡中進行軌跡預測。

一種基于雙向循環神經網絡的軌跡預測方法，其特征在于：至少包括以下步驟：

步驟一、室內空間預處理；

根據室內定位得到的歷史軌跡數據集對室內空間進行預處理，判斷室內空間網格之間的連通性，將室內空間劃分成若干區域；

步驟二、把室內定位得到的軌跡集中的目的地進行聚類；