基于机器学习的轨迹预测方法研究

本文对基于 机器 学 习 的 轨迹预测 方法进 行研 究 ， 主要完 成 了 如下 工 作 ： 研 宄 了 轨迹 信 息 的 处理方法 。 通 过轨迹 预处理 、 空 间 信 息提取 、 时 间 和 方 向 信 息 添加 等系 列 流程 ， 将 轨迹数据转换 成 更 易 理解 的 语义信 息 。 提 出 了一种 基 于 多 级 聚类 的 空 间 信 息 提 取方法 。 首 先基 于 时 空一致性扩展 的 停 留 点 提 取方法 ， 利 用 滑动 窗 口 与 区 域一致性扩 展 算法 ， 提取 出 具有 时 空 相 对 一致性 的 停 留 点 。 再基 于 启 发式 的 增长 聚 类方法 ， 提取停 留 区 域 点 。 之后 与 移动 点 合并 ， 最终转换 为生活中 的 地 点 名 称 ， 使 轨迹 数据 能表 示 出 用 户 的 活动场 所及 移动 过程 。 研 宄 了 基 于深度 学 习 的 轨迹 预测 方法 。 对 处理后 的 轨迹 信息 进行特征 向 量 提取 、 构 建预测模 型 ， 充 分利 用 上 下 文 信 息 ， 提 高预测 准 确 率 ......