一种基于深度学习的手机信令数据行人交通轨迹预测方法

摘要

本发明公开了一种基于深度学习的手机信令数据行人交通轨迹预测方法，属于手机信令数据行人交通轨迹预测领域。本发明将出行人地点周围的相邻小区合并成为区群，在地理位置上的相邻转化为自然语言上的相近，同时地理位置上的临近的小区也具有和逻辑相近词汇上一样的高可能性被行人选中作为目的地，这种区群的选择，又可以大大提高对出行模式挖掘的可靠性和真实性；所以可以利用RNN网络在自然语言预测上已经取得的优良的性能，高性能的挖掘出出行人的映射为语言模式的出行习惯；同时基于出行规律的理论基础，总结出其出行模式，得到了超出已有基于信令数据的行人行为模式挖掘，性能有了42％‑49％的提高。