基于轨迹的图神经网络路径学习

目录

声明

致谢

缩略词表

1 引言

1.1 研究意义与背景

1.2 国内外研究现状

1.2.1 路径规划

1.2.2 轨迹数据挖掘

1.2.3 图神经网络

1.3 本论文的主要研究内容与贡献

1.4 本论文的组织结构

2 论文相关知识及介绍

2.1 轨迹与路径

2.2 路径规划

2.3 开发平台

2.3.1 编程开发平台

2.3.2 图结构数据处理平台

2.3.3 地图数据处理平台

2.3.4 深度学习平台

2.4 本章小结

3 数据获取与数据预处理

3.1 轨迹数据来源及数据内容

3.2 地图数据获取及道路网络搭建

3.3 地图匹配

3.3.1 地图匹配的意义及作用

3.3.2地图匹配算法

3.3.2地图匹配实验

3.4 本章小结

4 轨迹数据挖掘

4.1 数据分布

4.1.1 道路类型分布

4.1.2 轨迹空间分布

4.1.3 轨迹SD对分布

4.1.4 TTI数据的时间分布

4.1.5 流行SD对内的轨迹路径分布

4.2 路由图搭建

4.2.1 基础路由图

4.2.2 动态路由图

4.2.3 轨迹路由图

4.3 基于轨迹数据挖掘的路径规划算法设计

4.4 实验研究

4.4.1 实验设置

4.4.2 实验评价指标

4.4.3 实验结果与分析

4.5 本章小结

5 基于图神经网络学习轨迹路由

5.1 问题描述及系统设计

5.1.1 传统基于轨迹的路径规划算法的局限性

5.1.2 图神经网络解决基于轨迹的路径规划

5.1.3 利用GNN解决基于轨迹的路径规划问题的系统框架

5.2 建立适用于GNN模型的路由图

5.2.1 用于GNN的路由图定义

5.2.2 子图筛选

5.2.3 特征提取与处理

5.3 使用的图神经网络背景

5.3.1 特征提取与处理

5.3.2 消息传递

5.4 提出的图神经网络模型LSTM-GN

5.4.1 LSTM-GN的基础组件

5.4.2 LSTM-GN模型结构

5.4.3 动态加权损失函数设计

5.5 实验研究

5.5.1 实验设置

5.5.2 评价指标

5.5.3 实验结果与分析

5.6 本章小结

6 结论

6.1 本文工作总结

6.1.1 轨迹数据挖掘研究总结

6.1.2 基于图神经网络学习轨迹路由研究总结

6.2 未来工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集