[发明专利]车辆目的地预测方法、装置、计算机设备和存储介质

权利要求书

1.一种车辆目的地预测方法，其特征在于，所述方法包括：

实时获取目标车辆的GPS轨迹；

将所述GPS轨迹按时间进行分段，获得所述GPS轨迹的各GPS轨迹段；

将各所述GPS轨迹段映射为二维图像序列；

将所述二维图像序列输入到训练好的目的地预测模型中进行目的地预测，输出所述目标车辆的目的地预测结果；

所述目的地预测模型的训练方式，包括：

将车辆GPS轨迹样本按时间分段，获得所述车辆GPS轨迹样本的各GPS轨迹样本段；

根据所述车辆GPS轨迹样本的各所述GPS轨迹样本段，映射为对应的二维图像序列样本；

将所述二维图像序列样本输入待训练的目的地预测模型中进行训练，优化网络参数，直至损失函数的Loss最小化，获得训练好的目的地预测模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述二维图像序列输入到训练好的目的地预测模型中进行目的地预测，输出所述目标车辆的目的地预测结果的步骤，包括：

将所述二维图像序列输入所述训练好的目的地预测模型的N个CNN神经网络中，进行空间特征提取，获得空间特征向量序列；

将所述空间特征向量序列输入所述训练好的目的地预测模型的M个LSTM神经网络中，进行时间特征提取，获得时空特征向量；

将所述时空特征向量输入到全连接层，最后经过softmax层输出所述目标车辆的目的地预测结果。

3.根据权利要求1所述的方法，其特征在于，所述损失函数为

其中，为损失函数，y＝(λ,φ)为实际的目的地经纬度，为预测的目的地经纬度；r是地球的半径，λ为实际的目的地经度，φ为实际的目的地纬度，为预测的目的地经度，为预测的目的地纬度。

4.根据权利要求1所述的方法，其特征在于，所述将所述GPS轨迹按时间进行分段，获得所述GPS轨迹的各GPS轨迹段的步骤，包括：

将所述GPS轨迹定义为τ＝(τ₁,τ₂,...,τ_n)，其中，n为所述GPS轨迹中GPS轨迹点的总数，为第i个GPS轨迹点，i∈[1,n]，λ_i为第i个GPS轨迹点的经度，为第i个GPS轨迹点的纬度，t_i为第i个GPS轨迹点的时间戳；

根据预先设置的轨迹分段数量，将所述GPS轨迹τ按时间顺序分段，T_k为第k段的GPS轨迹段，则：

其中，c为预先设置的轨迹分段数量。

5.根据权利要求4所述的方法，其特征在于，所述将各所述GPS轨迹段映射为二维图像序列的步骤，包括：

将地图空间划分为W×H的地图网格，其中，W为地图在水平方向上所划分的网格数目，H为地图在垂直方向上所划分的网格数目；

根据所述地图网格按照映射规则将所述GPS轨迹段T_k映射为W×H的二维图像I_k，获得二维图像序列(I₁,I₂,...,I_c)；

所述映射规则为：对于所述地图网格，若所述GPS轨迹段T_k中有轨迹点落入其中，则相应位置的像素值设为0.5，否则设置0。

6.根据权利要求2所述的方法，其特征在于，所述将所述二维图像序列输入所述训练好的目的地预测模型的CNN神经网络中，进行空间特征提取，获得空间特征向量序列的步骤，包括：

将所述二维图像序列按顺序分别输入N个所述CNN神经网络，以C_k表示输入到第k个CNN神经网络的二维图像集合，则：

其中，c为预先设置的轨迹分段数量，I_i为所述二维图像序列中第i个二维图像；

通过N个所述CNN神经网络，获得所述二维图像序列的空间特征向量序列(X₁,X₂,...,X_c)。