第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 本文章节安排
第二章 问题描述与技术背景
2.1 问题定义
2.2 轨迹数据集的类型
2.3 深度学习技术
2.4 本章小结
第三章 轨迹时间依赖关系的捕获
3.1 引言
3.2 基于编码器-解码器的位置预测模型
3.3 改进模型
3.4.1 实验设置
3.4.2 结果分析
3.5 本章小结
第四章 轨迹空间依赖关系的捕获
4.1 引言
4.2 问题规划
4.3 位置预测模型结构
4.3.1 图卷积神经网络GCN
4.3.2 模型结构
4.4 实验结果与数值分析
4.5 本章小结
第五章 轨迹时空特性下长短期移动模式的捕获
5.1 引言
5.2 预测方法
5.2.1 基本框架
5.2.2 轨迹嵌入
5.2.3 当前轨迹学习模块
5.2.4 历史轨迹学习模块
5.3.1 评价指标
5.3.2 参数设置
5.3.3 结果分析
5.4 本章小结
第六章 总结及展望
6.1 工作总结
6.2 未来工作展望
参考文献
攻读学位期间的研究成果
致谢
青岛大学;