[发明专利]基于双向循环神经网络的室内轨迹预测方法

权利要求书

1.一种基于双向循环神经网络的室内轨迹预测方法，其特征在于：至少包括以下步骤：

步骤一、室内空间预处理；

根据室内定位得到的历史轨迹数据集对室内空间进行预处理，判断室内空间网格之间的连通性，将室内空间划分成若干区域；

步骤二、把室内定位得到的轨迹集中的目的地进行聚类；

将历史轨迹数据集与划分好的室内区域相结合，使用mean-shift聚类算法，对目的地进行聚类；

步骤三、利用室内定位技术，得到需要预测目标的采样点序列；

步骤四、采样点序列校准；

(1)、根据轨迹的历史数据集中各个轨迹时间和空间信息，计算不同网格及区域之间的转 换率；

(2)、利用时间和空间的转换率对采样点进行校准，得到与原始轨迹相近的采样点序列；

步骤五、根据室内轨迹预测问题特点，改进双向循环神经网络的结构，对前后向神经网络各删除一个隐含层，然后利用自适应梯度调节器进行训练，调节embedding列表的数据，使得偏差最小，将经过校准的采样点序列输入到改进后的双向循环神经网络中，进行目的地预测。

2.根据权利要求1所述的一种基于双向循环神经网络的室内轨迹预测方法，其特征在于：所述步骤一包括以下步骤：(1)将室内空间按照设定的值分成由大小相同的网格组成的参考系、(2)定义空间接近、(3)空间连通和连通域、(4)提出连通域标记算法。

3.根据权利要求1所述的一种基于双向循环神经网络的室内轨迹预测方法，其特征在于：所述步骤四包括以下步骤：(1)根据轨迹的历史数据集中各个轨迹时间和空间信息，计算不同网格及区域之间的转换率；(2)利用时间和空间的转换率对采样点序列进行校准，得到与原始轨迹相近的采样点序列。

4.根据权利要求1所述的一种基于双向循环神经网络的室内轨迹预测方法，其特征在于：所述步骤五中对双向循环神经网络的结构进行改进，在此基础上对经过校准的采样点序列进行目的地预测。