[发明专利]基于深度回声状态网络的目的地预测方法

摘要

本发明公开了一种基于深度回声状态网络的目的地预测方法，属于轨迹目的地预测技术领域。本发明为了提升对目的地的预测准确率，本发明提出了一个新的深度回声状态网络的变体，即双输入深度回声状态网络，通过该变体解决原深度回声模型及其已有变体在大规模训练数据下时间消耗高的弊端，并达到了已知现存的最好的预测成绩；此外，在训练本发明用于目的地预测的预测模型时，本发明仅将目标的历史轨迹数据用于训练，未利用任何其他额外信息，应用条件宽泛，相较于传统的神经网络模型，该模型具有更强的时序数据处理能力，且易于训练。

主权项

1.基于深度回声状态网络的目的地预测方法，其特征在于，包括下列步骤：为目的地预测的目标对象设置预测模型，所述预测模型的网络结构为双输入深度回声状态网络；所述双输入深度回声状态网络包括N_L层；其中，第一层包括两个神经元个数均为的蓄水池，第2至第N_L层分别包括一个神经元个数为N_R的蓄水池；且合并第一层的两个蓄水池的输出作为第一层的输出，并将每一层的输出作为下一层的输入；线性组合所有层的输出得到双输入深度回声状态网络的输出结果；将目标对象在指定区域内的历史运行轨迹数据作为训练样本集，并对训练样本集进行轨迹数据预处理：将训练样本集中的每条轨迹的第一个点作为起点，最后一个点作为目的地；并对每条轨迹，保留从起始点开始的一段轨迹片段，作为训练片段；并保存每个训练片段的目的地信息；基于轨迹数据预处理后的训练样本集，按照预设的占比，提取每个训练片段的前缀和后缀，并将提取得到的前缀与后缀的轨迹点分别逐一输入到双输入深度回声状态网络的第一层的两个蓄水池中，对预测模型进行深度回声状态网络训练，得到训练好的预测模型；对目标对象在指定区域内的包含起始点的当前行使轨迹片段，按照预设的占比，提取当前行使轨迹片段的前缀和后缀，并将提取得到的前缀与后缀的轨迹点分别逐一输入到训练好的预测模型的第一层的两个蓄水池中，基于预测模型的输出得到目标对象的当前目的地预测结果。