科研之友
微信
新浪微博
Facebook
分享链接
摘要
个体位置预测在传染病精准防控、公共设施科学规划等应用中具有重要意义。既有位置预测算法主要侧重对个体纵向历史轨迹特征进行挖掘建模，并实现位置预测，对横向相似性用户的规律特性考虑较少。为此，本文基于图卷积（Graph Convolution Network ，GCN）和长短期记忆模型（Long Short-Term Memory ，LSTM）框架，提出顾及横向相似用户轨迹特征以及纵向历史规律性特征的个体位置预测算法。首先构建用户轨迹相似性算法并筛选高相似度用户，然后利用图卷积模型提取待预测用户相似高的用户轨迹特征，最后利用长短期记忆模型框架，提取历史轨迹特征，并集成相似用户轨迹特征，从而实现个体位置预测。基于某市8万多用户连续4个工作日的数据进行实验，结果表明：本文提出方法的准确率随预测时间步长增加而下降，而夜间预测准确率明显高于白天，但相比于既有模型均有10%以上提高，以15分钟为预测时间步长时，模型准确率达80.45%。
- 单位
