一种基于用户异步轨迹的身份识别智能方法

作者：蔡柔丹

来源：测绘通报, 2022, (07): 158-167.

DOI：10.13474/j.cnki.11-2246.2022.0222

• 用户轨迹
• 循环神经网络
• 身份识别
• 深度学习
• 卷积神经网络

针对传统的轨迹身份识别存在的特征选择主观性强、精度有限等问题，本文提出了一种融合双向循环神经网络模型(ConvGRU-Bidir)。首先采用一维卷积和一维池化压缩轨迹数据，提取高维特征；然后采用双向GRU,分别从时间正序和时间逆序学习轨迹特征，最终实现用户身份ID识别。研究采用GeoLife轨迹数据集，来自122名用户的10 837个轨迹样本参与模型训练及测试。结果表明，本文提出的模型对于异步轨迹数据的身份识别精度达97.28%,相比现有方法精度至少提高30%,由此证明了深度学习在此类问题上的可行性和有效性。

• 单位
  重庆市勘测院