1 绪论
1.1 课题背景与研究意义
1.2 国内外研究现状
1.2.1 出行中目的地预测
1.2.2 出行前目的地预测
1.3 本文的研究内容
1.4 本文的组织结构
2 相关理论与技术分析
2.1 嵌入技术
2.2 数据预处理技术
2.3 推荐算法
2.4 深度学习技术
2.5 图神经网络技术
2.6 本章小结
3 基于嵌入组合学习的车辆目的地预测
3.1 数据集分析
3.1.1 数据预处理
3.1.2 用户出行时间分析
3.1.3 用户出行地点分析
3.2 算法模型
3.2.1 出行三元组嵌入组合表示
3.2.2 目的地概率排序优化方法
3.2.3 算法步骤
3.3 实验及结果分析
3.3.1 实验设置
3.3.2 模型预测效果
3.3.3 参数分析
3.3.4 优化方法对模型性能的影响
3.3.5 冷启动用户的预测效果
3.4 本章小结
4 基于嵌入传播学习的车辆目的地预测
4.1 算法模型
4.1.1 基于图神经网络的嵌入传播机制
4.1.2 节点相关性排序优化方法
4.1.3 目的地预测
4.2.1 实验设置
4.2.2 模型预测效果
4.2.3 用户个性化因素对模型性能的影响
4.2.4 冷启动用户的预测效果
4.3 本章小结
5 车辆目的地预测系统的设计与实现
5.1 系统设计
5.1.1 系统需求分析
5.1.2 系统框架设计
5.1.3 系统功能设计
5.1.4 数据库设计
5.2 系统实现
5.2.1 用户登录注册模块实现
5.2.2 系统管理模块实现
5.2.3 目的地预测模块实现
5.2.4 POI 推荐模块实现
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
附
A 作者在攻读硕士学位期间发表的论文
B 作者在攻读硕士学位期间参与的科研项目
C 学位论文数据集
致谢
重庆大学;