隨著移動技術的進步和遙感定位設備的普及,基于位置的服務正變得越來越流行。大量的基于位置的應用應運而生,產(chǎn)生了大量的GPS數(shù)據(jù)及位置簽到數(shù)據(jù)。越來越多的數(shù)據(jù)可以采用軌跡的形式記錄下移動物體的路線。這些軌跡數(shù)據(jù)對于基于位置服務的各種應有具有重大的研究價值。軌跡恢復是保證軌跡質(zhì)量的重要手段�，F(xiàn)存的研究都是基于歷史車輛軌跡數(shù)據(jù)進行算法訓練,得到一條后驗概率最大的路徑作為輸出。本文提出了一種基于編碼器和解碼器實現(xiàn)的短路徑軌跡恢復算法模型（Short trajectory-recovery system以下簡稱SRS）,是一種端到端的軌跡恢復方法。模型單元采用長短期記憶網(wǎng)絡（LSTM）。編碼器對輸入軌跡點進行編碼以獲得具有時空依賴關系的編碼向量。解碼器對編碼向量進行解碼以得到完整車輛行駛路徑。本文針對真實的車輛軌跡數(shù)據(jù)集進行仿真實驗,將SRS與最短路徑算法（SDD）,最短通行時間算法（FP）,最受歡迎路徑算法（MPR）進行了比較,SRS具有最高的準確率,具有更少的運行時間,效率更高。由于短路徑軌跡恢復問題針對的是只包含起點和終點的軌跡序列恢復問題,然而還存在多軌跡點的長路徑軌跡恢復問題。我們不能用... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

研究框架圖

圖 2-1 人工神經(jīng)元模型其中 xj表示的是第 j 個元素的輸入，并且 wj表示第 j 個神經(jīng)元和當前待神經(jīng)元互連權(quán)值，即神經(jīng)元連接權(quán)重。f 被稱為激活函數(shù)。θ 表示處理單元值。一般來說，神經(jīng)網(wǎng)絡具有兩種網(wǎng)絡機構(gòu)：正向以及反饋。利用這兩種網(wǎng)絡實現(xiàn)對模型的建立以及權(quán)值的計算。對于神經(jīng)網(wǎng)絡訓練來說，目的是得到最權(quán)值集合，往往每一輪訓練需要將通過輸入數(shù)據(jù)得到的計算輸出與預期輸出據(jù)進行比較，從而利用最小化誤差來校正權(quán)值。當應用網(wǎng)絡做出判斷時，只獲得輸入數(shù)據(jù)并且不需要預期的輸出。神經(jīng)網(wǎng)絡的一個重要功能是可以自行環(huán)境逐步調(diào)節(jié)每個處理單元的權(quán)值和閾值。對于神經(jīng)網(wǎng)絡學習的終止條件是最優(yōu)化或達到預計范圍內(nèi)的誤差值。在構(gòu)建神經(jīng)網(wǎng)絡時，其結(jié)構(gòu)就已經(jīng)被確定，包括神經(jīng)元處理單元的各種函些函數(shù)在神經(jīng)網(wǎng)絡的訓練過程中是無法被更改的。因此網(wǎng)絡的輸出與網(wǎng)絡的緊密相連。只有更改輸入的加權(quán)求和的值，才能影響到最終網(wǎng)絡的輸出。因

造成不同效果的神經(jīng)網(wǎng)絡。常用的激活函數(shù)如下所示;1）閾值函數(shù)：通常也可以把該函數(shù)叫做階躍函數(shù)。這個函數(shù)的值梯一般，函數(shù)值只包括 0 和 1。當應用該函數(shù)作為神經(jīng)處理單元的輸出的值只取 0 或者 1。當輸出的值為 0 時，代表了當前神經(jīng)元處相反的，輸出為 1 時，代表了興奮狀態(tài)。2）線性函數(shù)：當輸出結(jié)果是任意值時，激活函數(shù)往往會采用線性網(wǎng)絡結(jié)構(gòu)較為復雜時，線性函數(shù)發(fā)散的值域?qū)τ诰W(wǎng)絡的收斂來說十此通常較少使用。3）對數(shù) S 形函數(shù)：對數(shù) sigmoid 函數(shù)值域介于 0 和 1 之間，通常范圍為 0 到 1 的信號。它是神經(jīng)元中使用最為廣泛的激活函數(shù)。4）雙曲正切函數(shù)：雙曲正切函數(shù)類似于平滑后的階躍函數(shù)，形狀數(shù)類似，都是以原點坐標作為對稱點。它的值域為-１和１之間，范圍為-1 到 1 的信號。經(jīng)網(wǎng)絡是一個單元與單元之間互相連接的復雜的結(jié)構(gòu)系統(tǒng)，這種互直接決定著網(wǎng)絡的功能和性質(zhì)。如圖 2-2 所示。

【參考文獻】：
期刊論文
[1]車輛出行軌跡調(diào)查分析中的丟點軌跡還原[J]. 王龍飛,陳紅,李楊,鄧亞娟.  計算機應用研究. 2014(01)
[2]基于隱馬爾可夫模型的行為軌跡還原算法[J]. 馮濤,郭云飛,黃開枝,吉江.  計算機工程. 2012(18)
[3]個人出行軌跡中軌道交通段GPS信號缺失修補算法[J]. 徐超,季民河.  交通信息與安全. 2012(04)
[4]基于聚類關聯(lián)規(guī)則的缺失數(shù)據(jù)處理研究[J]. 方匡南,謝邦昌.  統(tǒng)計研究. 2011(02)
[5]利用空間相關性的改進HMM模型[J]. 蘇騰榮,吳及,王作英,呂萍.  計算機工程與設計. 2010(05)
[6]基于隱馬爾可夫模型局部最優(yōu)狀態(tài)路徑的數(shù)據(jù)重建算法[J]. 羅宇,杜利民.  電子與信息學報. 2004(05)

碩士論文
[1]基于軌跡數(shù)據(jù)的長距離路徑通行時間估計問題[D]. 涂麗佳.哈爾濱工業(yè)大學 2017



本文編號：3513187