一种基于时空特征融合的出租车轨迹预测模型

• 作者: 王凤炯
• 来源期刊: 中国宽带
• 关键词: 卫星导航定位系统 无人驾驶 轨迹 卷积神经网络(CNN)
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 互联网+技术
• 页码范围: 57-60
• 页数: 4页
• 语种: 中文

摘要

随着无人驾驶技术的不断发展,海量车辆卫星导航定位数据得到不断积累.同时,随着城市道路交通系统的快速发展,道路交通监控和预测在城市交通管理中起着至关重要的作用.其中,轨迹预测已经成为当前的研究热点,精确的目的地预测可以使许多基于位置的服务受益.大部分轨迹预测方法要么只考虑轨迹的时序特征,要么只考虑空间特征,难以有效地结合二者进行预测,所以预测精度有限.在本文中,我们提出了TCL模型(Trajectory-CNN-LSTM),利用CNN在二维空间上提取轨迹的空间特征,利用LSTM提取轨迹的时序特征,并融合两种特征利用深度神经网络进行轨迹预测.基于实际轨迹数据的综合实验表明,提出的方法比现有的多种方法有着更高的精度.