[發明專利]一種基于無線定位系統的出租車移動軌跡預測方法

在審

• 申請號: 202210734664.5
• 申請日: 2022-06-27
• 公開（公告）號: CN115175092A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 王菁;聶俊瓊
• 申請（專利權）人: 湖北工業大學
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/029;G01S19/14;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 許蓮英

本發明提供了一種基于無線定位系統的出租車移動軌跡預測方法。本發明軌跡預測模型包括：獲取移動目標的軌跡，即得到一組由經緯度和時間組成的序列；數據預處理，將軌跡序列處理為多張二值圖片；將生成的二值圖片放入卷積神經網絡得到一張更小的圖片，此圖片能包含原二值圖片的信息；對卷積神經網絡得到的圖片進行處理，生成包含空間信息的軌跡序列；將軌跡序列送入LSTM網絡中可以得到預測結果。本發明可以保留目標移動軌跡的空間信息，從而能夠提高移動軌跡預測的精度。

技術領域

本發明屬于目標軌跡預測技術領域，尤其涉及一種基于無線定位系統的出租車移動軌跡預測方法。

背景技術

目前，移動互聯網日益普及，帶有定位功能的移動設備也逐漸增多，其中用戶在使用這些設備的時候，主動或被動的被記錄了自己的移動軌跡。海量的移動數據能夠記錄目標的活動軌跡，這些移動軌跡看似雜亂無章，其實其中蘊含著豐富的移動規律。與此同時，各種基于位置服務(Location Based Service，LSB)的應用和需求也在不斷增加，這些基于位置的服務對于移動位置的預測技術和方法提出了相應的要求。由此可見，我們可以通過獲取移動軌跡，應用移動位置預測技術對基于位置服務的應用提供支持。

在早期，用戶移動軌跡預測通常會采用概率模型的方法，其中基于貝葉斯網絡及馬爾可夫模型是比較常用的模型，包括多階馬爾可夫模型和隱馬爾可夫模型，算法中PROCAB算法、SubSyn算法等為較為常用的算法，但是他們的精度往往不夠高，導致無法投入使用。近年來，隨著深度學習的不斷發展，其在多個領域都有良好的應用，2015年多層感知機 (MLP)架構被應用于此問題，2018年 LSTM(Long Short-Term Memory，LSTM)也被應用于此問題，但這些模型大多數沒有考慮到軌跡的空間信息。

發明內容

針對現有方法中存在的問題，本發明提供了一種基于無線定位系統的出租車移動軌跡預測方法。

所述無線定位系統包括：第1無線GPS定位模塊、第2無線GPS定位模塊、...、第N 無線GPS定位模塊、遠程服務器；

所述遠程服務器與所述第i無線GPS定位模塊無線連接，i∈[1，N]；

N表示無線GPS定位模塊的數量；

所述第i無線GPS定位模塊安裝于第i輛出租車；

所述出租車移動軌跡預測方法，包括：

步驟1：每個無線6PS定位模塊實時采集每輛出租車的經度每輛出租車的維度，將每輛出租車的編號、每輛出租車的采集時間、每輛出租車的經度、每輛出租車的維度、每輛出租車的載客狀態無線傳輸至遠程服務器，以構建每輛出租車的軌跡序列；

步驟1所述每輛出租車的軌跡序列為：

D_i＝(data_i，1，...，data_i，M)

data_i，j＝(n_i，j，t_i，j，lon_i，j，lat_i，j，k_i，j)

i∈[1，N]，j∈[1，M]