[发明专利]基于双向循环神经网络的室内轨迹预测方法

摘要

本发明公开一种基于双向循环神经网络的室内轨迹预测方法，该方法包括以下步骤：步骤一、室内空间预处理；步骤二、把室内定位得到的轨迹集中的目的地进行聚类；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；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。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。本发明提出的算法，可以很好的对室内移动目标的轨迹进行预测；利用历史轨迹集解决了室内空间连通性问题；采样点序列校准保证了得到的采样点不会受数据稀疏性的影响，提高了预测的准确性。

主权项

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。