一种基于卷积神经网络的移动对象目的地预测方法

摘要

本发明公开了一种基于卷积神经网络的移动对象目的地预测方法，包括：引入参数化最小描述长度策略(PMDL)对原始轨迹进行最优分段表示，削弱相似轨迹之间的差异程度，增强不相似轨迹各自的重要特征；提出轨迹像素化表示方法(PRT)，将一维轨迹序列转化为二维像素图像；从轨迹图像中截取重要特征部位输入卷积神经网络(CNN)模型，进行特征提取和目的地预测。本发明的优点是：将一维轨迹序列转换为二维像素图像，通过挖掘轨迹图像的空间特征来确定目的地坐标；本发明针对目的地预测中常见的，但在很多传统方法中不能解决的“数据稀疏问题”提出了一种有效的解决方法，实现了高准确率的目的地预测。