[发明专利]一种基于神经网络的交通工具目的地区域范围预测方法

权利要求书

1.一种基于神经网络的交通工具目的地区域范围预测方法，用于针对目标交通工具，实现目的地区域范围的预测，其特征在于，包括如下步骤：

步骤A.根据目标交通工具的历史轨迹，以历史轨迹中预设起始阶段所对应的预设大小向量作为输入、目的地所处区域范围为输出，针对预设神经网络进行训练，获得目标交通工具所对应的目的地区域范围预测模型，然后进入步骤B；

上述步骤A包括如下步骤：

步骤A1.获得目标交通工具所对应、预设数量的历史轨迹，并进入步骤A2；

步骤A2.分别针对目标交通工具所对应的各条历史轨迹，由历史轨迹的起点开始，获得该历史轨迹的预设M比例的轨迹，作为该历史轨迹的起始阶段，即获得各条历史轨迹的起始阶段；同时获得各条历史轨迹上的目的地，然后进入步骤A3；

步骤A3.针对各条历史轨迹分别所对应的目的地进行聚类操作，获得各个聚类簇，各个聚类簇即构成各个待选目的地区域范围，然后进入步骤A4；

步骤A4.分别针对各条历史轨迹，针对起始阶段中的各个轨迹定位点，获取预设前K个轨迹定位点、以及后K个轨迹定位点，构成该起始阶段所对应2K大小的起始轨迹向量，即获得各条历史轨迹分别所对应的起始轨迹向量，然后进入步骤A5；

步骤A5.根据各条历史轨迹上、起始阶段与目的地的对应关系，获得各条历史轨迹上、起始轨迹向量与各待选目的地区域范围之间的对应关系；同时，选择预设N比例，将目标交通工具所对应的各条历史轨迹，划分为训练数据集和验证数据集；然后进入步骤A6；

步骤A6.通过训练数据集和验证数据集，应用各起始轨迹向量分别对应各待选目的地区域范围的概率值计算，结合各起始轨迹向量与各待选目的地区域范围之间的对应关系，以起始轨迹向量为输入，目的地区域范围为输出，针对预设神经网络进行训练，获得目标交通工具所对应的目的地区域范围预测模型；

步骤B.伴随目标交通工具的行驶，依次获得目标交通工具的各轨迹定位点，待所获轨迹定位点的数目达到预设2K个时，将所获2K个轨迹定位点，构成2K大小的待预测起始轨迹向量，然后进入步骤C；

步骤C.以该待预测起始轨迹向量作为输入，应用目标交通工具所对应的目的地区域范围预测模型，获得目标交通工具、该待预测起始轨迹向量所对应的目的地区域范围；

上述针对2K大小待预测起始轨迹向量的构建、以及2K大小起始轨迹向量的构建中，还包括将目标交通工具所对应的预设类型数据信息、映射到对应的起始轨迹向量当中。

2.根据权利要求1所述一种基于神经网络的交通工具目的地区域范围预测方法，其特征在于：所述步骤A3中，应用Kmeans聚类算法，针对各条历史轨迹分别所对应的目的地进行聚类操作，获得各个聚类簇。

3.根据权利要求1所述一种基于神经网络的交通工具目的地区域范围预测方法，其特征在于，所述步骤C包括如下步骤：

步骤C1.将该待预测起始轨迹向量输入至目标交通工具所对应的目的地区域范围预测模型当中，并进入步骤C2；

步骤C2.目的地区域范围预测模型中，计算获得该待预测起始轨迹向量分别对应各个待选目的地区域范围的预测概率值，然后进入步骤C3；

步骤C3.目的地区域范围预测模型中，选择最大预测概率值所对应的待选目的地区域范围，作为该起始轨迹向量所对应的目的地区域范围，由目的地区域范围预测模型进行输出，即获得目标交通工具、该待预测起始轨迹向量所对应的目的地区域范围。

4.根据权利要求3所述一种基于神经网络的交通工具目的地区域范围预测方法，其特征在于，所述步骤C2中，获得该待预测起始轨迹向量分别对应各个待选目的地区域范围的预测概率值之后，针对各个预测概率值进行归一化操作更新，然后进入步骤C3。

5.根据权利要求1所述一种基于神经网络的交通工具目的地区域范围预测方法，其特征在于：针对所述2K大小待预测起始轨迹向量的构建、以及2K大小起始轨迹向量的构建中，应用模拟词嵌入法，将目标交通工具所对应的预设类型数据信息、映射到对应的起始轨迹向量当中。