科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前位置预测算法往往忽略用户出行方式的关键作用，并在处理长时间序列依赖问题中效果较差。针对这两个问题，提出了一种结合出行方式的Trans-BiLSTM目标位置预测模型。该模型首先提取轨迹段的运动学特征，然后构建基于XGBoost的出行方式识别算法，筛选影响出行方式的主要特征，和轨迹共同作为预测模型输入。最后为了增强轨迹特征的表征能力，引入Transformer编码器，并结合BiLSTM深度挖掘轨迹的上下文关系。在真实GPS轨迹数据集上进行的位置预测对比实验表明，Trans-BiLSTM模型与常用的LSTM和BiLSTM模型相比，目标位置预测的结果RMSE指标分别提升67.4%和17.7%。
-
单位北京建筑大学; 北京市科学技术委员会
