[发明专利]一种基于回声状态网络的历史轨迹目的地预测方法

权利要求书

1.一种基于回声状态网络的历史轨迹目的地预测方法，其特征在于，包括以下步骤：

S1、预测服务提供者对某一区域中的移动物体的行驶轨迹数据进行预处理，再将预处理后的数据分为训练数据集和测试数据集；

S2、根据目的地预测的基本特点构建基础回声状态网络模型；

S3、预测服务提供者通过设定模型评估标准，利用训练数据集对步骤S2中的基础回声状态网络模型进行训练，得到回声状态网络模型；

S4、通过测试数据集对回声状态网络模型的不同参数进行测试与优化，选出测试结果最优的参数表；

S5、将S4中的最优的参数表输入到回声状态网络模型中，得到基于回声状态网络的目的地预测模型；

S6、预测服务提供者利用预测模型对轨迹数据提供者的实时轨迹数据进行预测，将预测结果返回轨迹数据提供者。

2.根据权利要求1所述的一种基于回声状态网络的历史轨迹目的地预测方法，其特征在于，所述的预处理是将行驶轨迹数据行进筛选、GPS修正和清洗操作；

所述筛选包括淘汰GPS只有一个数值的无效轨迹；所述清洗包括删除GPS修正不能修改的轨迹；

所述训练数据集包括公开的或者是用户个人的行驶轨迹数据；所述测试数据集包括轨迹提供者提供的行驶轨迹数据；

再分别将训练数据集和测试数据集中的数据分成车辆轨迹数据和行人轨迹数据。

3.根据权利要求1所述的一种基于回声状态网络的历史轨迹目的地预测方法，其特征在于，训练数据集的数据获取具体为：确定需要进行预测任务的区域，确定该区域可能产生轨迹的移动物体集合S，获取S中的个体作为历史行驶轨迹训练数据的候选者，再通过配置的GPS定位仪器收集这些个体的固定时间间隔内的GPS数据，该数据作为训练数据集的数据。

4.根据权利要求1所述的一种基于回声状态网络的历史轨迹目的地预测方法，其特征在于，步骤S2所述的目的地预测的基本特点包括时间和经纬度坐标。

5.根据权利要求1所述的一种基于回声状态网络的历史轨迹目的地预测方法，其特征在于，步骤S2所述的基础回声状态网络模型是基于回声状态网络(Echo State Network，ESN)机制的神经网络模型，包括有K个输入节点的输入层、有M个节点的隐藏层和有L个节点的输出层，其中，输入层的的状态为u(t)，隐藏层的状态为x(t)，输出层的状态为y(t)，各层之间的关系如下：

输入层与隐藏层之间存在连接权值矩阵为W_in，隐藏层到隐藏层的连接权值矩阵为W，隐藏层到输入层的连接权值矩阵为W_out，同时存在从前一个输出层到当前隐藏层的连接，其连接权值矩阵为W_back；

各层的状态公式如下：

u(t)＝[u₁(t),u₂(t),u₃(t),…,u_K(t)]^T

x(t)＝[x₁(t),x₂(t),x₃(t),…,x_M(t)]^T

y(t)＝[y₁(t),y₂(t),y₃(t),…,y_L(t)]^T

其中，u_K(t)表示第K个输入节节点的第t个输入状态，t表示第t个状态，K表示输入节点个数；x_M(t)表示第M个隐藏层节点的第t个隐藏层状态，M表示隐藏层节点个数；y_L(t)表示第L个输出层节点的第t个状态，L表示输出层节点个数。