[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

摘要

本发明涉及一种基于神经网络的交通工具目的地区域范围预测方法，与传统的轨迹预测模型相比，使用神经网络模型可以减少人为手工调整大量模型参数的工作量，神经网络内部可以根据优化算法自动调整参数，不仅提高了准确率，而且加快了算法实现速度；并且技术方案借鉴自然语言处理中词向量嵌入的方法，将时间、交通工具ID和客户信息等重要特征以固定格式大小嵌入到输入层，提高了模型预测的准确率；而且将训练集的目的地轨迹进行聚类，可以将目的地集中，减少输出层单元个数，减少了模型容量，同时提高了预测准确率。

主权项

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；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。