[发明专利]一种基于无线定位系统的出租车移动轨迹预测方法

说明书

本发明提供了一种基于无线定位系统的出租车移动轨迹预测方法。本发明轨迹预测模型包括：获取移动目标的轨迹，即得到一组由经纬度和时间组成的序列；数据预处理，将轨迹序列处理为多张二值图片；将生成的二值图片放入卷积神经网络得到一张更小的图片，此图片能包含原二值图片的信息；对卷积神经网络得到的图片进行处理，生成包含空间信息的轨迹序列；将轨迹序列送入LSTM网络中可以得到预测结果。本发明可以保留目标移动轨迹的空间信息，从而能够提高移动轨迹预测的精度。

技术领域

本发明属于目标轨迹预测技术领域，尤其涉及一种基于无线定位系统的出租车移动轨迹预测方法。

背景技术

目前，移动互联网日益普及，带有定位功能的移动设备也逐渐增多，其中用户在使用这些设备的时候，主动或被动的被记录了自己的移动轨迹。海量的移动数据能够记录目标的活动轨迹，这些移动轨迹看似杂乱无章，其实其中蕴含着丰富的移动规律。与此同时，各种基于位置服务(Location Based Service，LSB)的应用和需求也在不断增加，这些基于位置的服务对于移动位置的预测技术和方法提出了相应的要求。由此可见，我们可以通过获取移动轨迹，应用移动位置预测技术对基于位置服务的应用提供支持。

在早期，用户移动轨迹预测通常会采用概率模型的方法，其中基于贝叶斯网络及马尔可夫模型是比较常用的模型，包括多阶马尔可夫模型和隐马尔可夫模型，算法中PROCAB算法、SubSyn算法等为较为常用的算法，但是他们的精度往往不够高，导致无法投入使用。近年来，随着深度学习的不断发展，其在多个领域都有良好的应用，2015年多层感知机 (MLP)架构被应用于此问题，2018年 LSTM(Long Short-Term Memory，LSTM)也被应用于此问题，但这些模型大多数没有考虑到轨迹的空间信息。

发明内容

针对现有方法中存在的问题，本发明提供了一种基于无线定位系统的出租车移动轨迹预测方法。

所述无线定位系统包括：第1无线GPS定位模块、第2无线GPS定位模块、...、第N 无线GPS定位模块、远程服务器；

所述远程服务器与所述第i无线GPS定位模块无线连接，i∈[1，N]；

N表示无线GPS定位模块的数量；

所述第i无线GPS定位模块安装于第i辆出租车；

所述出租车移动轨迹预测方法，包括：

步骤1：每个无线6PS定位模块实时采集每辆出租车的经度每辆出租车的维度，将每辆出租车的编号、每辆出租车的采集时间、每辆出租车的经度、每辆出租车的维度、每辆出租车的载客状态无线传输至远程服务器，以构建每辆出租车的轨迹序列；

步骤1所述每辆出租车的轨迹序列为：

D_i＝(data_i，1，...，data_i，M)

data_i，j＝(n_i，j，t_i，j，lon_i，j，lat_i，j，k_i，j)

i∈[1，N]，j∈[1，M]