[发明专利]基于深度学习的车辆位置预测方法

摘要

本发明提供了一种基于深度学习的车辆位置预测方法，该方法包括：S1、获取原始VLPR数据集，对原始VLPR数据集进行清洗和去噪，获得VLPR数据集，按设定时间段对VLPR数据集分组；S2、从VLPR数据集中，提取同一车辆的过车记录，生成车辆轨迹数据集并筛选出符合需求的轨迹，对轨迹的相关特征信息进行数据转换；S3、对获取到的车辆轨迹特征，建立基于深度学习的算法模型，实现对轨迹特征的分析和学习；S4、在经过对车辆轨迹的特征学习之后，使用全连接网络层结合Softmax分类器输出下一位置向量；之后匹配真实地理位置信息，在可视化平台上输出，继而实现车辆位置预测。本发明提出的方法通过分析路网的运行特性，利用车辆行驶过程中的轨迹特征，能够取得较高的预测精度。

主权项

1.一种基于深度学习的车辆位置预测方法，其特征在于，包括以下步骤：S1、数据采集：获取原始VLPR数据集，对原始VLPR数据集进行清洗和去噪，按设定时间段对清洗后的数据集分组，获得VLPR数据集；S2、数据处理：从VLPR数据集中，提取同一车辆的过车记录，根据时间顺序，生成车辆轨迹数据集，从车辆轨迹数据集中筛选出符合需求的轨迹，并对轨迹的相关特征信息进行数据转换；S3、模型构建和特征学习：对获取到的车辆轨迹特征，建立基于深度学习的算法模型，实现对轨迹特征的分析和学习；S4、车辆位置预测输出：在经过对车辆轨迹的特征学习之后，使用全连接网络层结合Softmax分类器输出下一位置向量；之后匹配真实地理位置信息，在可视化平台上输出，继而实现车辆位置预测。