[发明专利]多个个体车辆使用行为短时预测的深度学习方法

摘要

一种考虑时间依赖性以及驾驶员属性异质性的用车行为预测的深度学习方法，通过对私家车司机提供的个人属性信息以及GPS轨迹数据的收集和整理，获得驾驶员短时的用车时间的来对汽车的使用行为进行预测。通过数据处理获得驾驶员是否用车以及用车的时间的来表示驾驶员的用车行为，并将此数据转化为二通道图片数据结构放入本发明的用于多个体的驾驶行为预测的深度学习方法中。本发明的深度学习方法可以从以时间序列堆叠的一堆二通道图片中考虑驾驶员用车行为的对于临近时间以及远期时间的时间依赖性，同时此发明不仅仅可以同时训练多个个体，还可以考虑到多个个体因为个人属性的不同而产生的用车行为模式的差异性。

主权项

1.多个个体车辆使用行为短时预测的深度学习方法，包括以下步骤，其特征在于：步骤一，获取驾驶者的个人出行的历史数据以及出行时刻天气，假期的历史数据，所述个人出行历史数据为驾驶者在以前的出行中车辆的使用时间；步骤二，将个人出行历史数据规整后处理为二通道的图片数据结构的矩阵形式，每一个二通道图片对应一个时间戳，以时间序列的形式将其堆叠起来以hdf5数据文件存储；步骤三，每个天气数据对应一个时间戳，将其以时间序列形式排列起来存入hdf5文件中，其中天气的情况W用哑变量表示；步骤四，每个假期数据也对应一个时间戳，将其以时间序列形式排列起来存入hdf5文件中，假期的情况H用哑变量表示；步骤五，搭建深度学习框架结构；步骤六，将个人出行历史数据的二通道的图片数据分别提取出三种时间特性；步骤七，将所有数据输入进本文提出的深度学习算法当中，获得驾驶员短时的车辆使用情况的预测信息。