[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

说明书

本申请涉及一种车辆目的地预测方法、装置、计算机设备和存储介质。该方法包括：通过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，充分考虑到轨迹特征的时空异构性，将轨迹按时间分阶段处理，以有效提取不同时间段轨迹的特征，提高了车辆轨迹目的地预测方法的精度。

技术领域

本申请涉及深度学习技术领域，特别是涉及一种车辆目的地预测方法、装置、计算机设备和存储介质。

背景技术

随着科学技术的发展，车辆出行成为了人们主要的出行方式之一，由此车辆目的地预测受到了越来越多的关注。深度学习的最新进展使研究人员能够对复杂的非线性关系进行建模，并在计算机视觉和自然语言处理领域显示出令人惊喜的结果，这一成功启发了人们尝试将深度学习技术应用于车辆轨迹目的地预测问题。

近期研究人们把车辆轨迹映射到图像上，在给定一段历史轨迹，预测该轨迹最有可能的目的地点。吕建明等提出一种多尺度CNN卷积的车辆轨迹目的地预测方法(T-CONV)，利用CNN提取车辆轨迹的空间特征，并且结合多尺度的卷积图像。卢照旭等提出一种基于Bi-LSTM的车辆目的地预测算法，该方法将轨迹看成一段时间序列，利用Bi-LSTM来提取轨迹的时间特征等。

虽然T-CONV和Bi-LSTM方法分别解决了轨迹空间特性和时间特性的问题，但是他们都没有同时考虑空间和时间复杂的线性相关性，因此，目前的车辆轨迹目的地预测方法的精度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高车辆轨迹目的地预测方法精度的车辆目的地预测方法、装置、计算机设备和存储介质。

一种车辆目的地预测方法，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。

在其中一个实施例中，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。

在其中一个实施例中，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。