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技术

本发明专利技术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。本发明专利技术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。

A method of pedestrian traffic trajectory prediction based on depth learning for mobile signaling data

The invention discloses a prediction method for pedestrian traffic trajectories based on deep learning, and belongs to the field of pedestrian traffic trajectory prediction for mobile phone signaling data. The present invention will travel locations around the adjacent cells into clusters, adjacent geographically into natural language similar to that on the same location near the area also has a high likelihood of similar words and logic as is selected as the destination of the pedestrian area, group selection, and can greatly to improve the reliability of mining on travel patterns and authenticity; so you can have excellent performance in natural language prediction using RNN network mapping, high performance mining out pedestrian travel habits for language model; theoretical basis based on the travel law at the same time, summed up the travel mode, has been beyond the existing mining mode the pedestrian behavior based on signaling data, the performance has been improved 42% 49%.

【技术实现步骤摘要】
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
本专利技术属于手机信令数据行人交通轨迹预测领域，具体涉及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。
技术介绍
手机信令数据是专门控制电路的信号，它允许程控交换、网络数据库、网络中其它“智能”节点交换下列有关信息：呼叫建立、监控、拆除、分布式应用进程所需的信息(进程之间的询问/响应或用户到用户的数据)、网络管理信息。因此信令中包含通信的位置、时间、通信时长和通信方式等；其中通信位置的确定原理如下：用户通信是必须要经过手机所在小区的基站，然后与交换机联通达成通话或短信，这样通信运行商就会在服务器上记录该用户在此时，通过此小区的基站进行通信，这样就确定了手机用户在通信时的所在的小区；因为在城区，通信基站所覆盖的区域一般是半径为1-2公里的正六边形(甚至在人口密集区更小，基站覆盖半径变为0.5公里的正六边形)，所以确定了用户所在的小区，就可以大体确定了用户在通信时的大体位置。传统的信令数据挖掘方法不能准确的预测行人的交通行为，如下一时间段会去哪里，因为信令数据本身有一些特点，比如数据在时空领域的稀疏性，时间上的稀疏性，可能用户不活本文档来自技高网...

【技术保护点】
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，其特征在于，采用深度学习技术对手机信令数据进行处理，将手机信令数据中的出行数据映射为伪语言数据，通过对下一个词语的预测实现对用户下一个地理位置的预测，具体包括如下步骤：步骤1：信令数据的输入；输入用户的信令数据对应的地理位置；步骤2：信令数据的整合；对用户的信令数据对应的地理位置进行整合，将相邻的位置整合为同一类；步骤3：信令数据的处理；利用循环神经网络进行深度学习，获取用户下一个地理位置的预测结果；步骤4：输出用户下一个地理位置的预测结果。

【技术特征摘要】
1.一种基于深度学习的手机信令数据行人交通轨迹预测方法，其特征在于，采用深度学习技术对手机信令数据进行处理，将手机信令数据中的出行数据映射为伪语言数据，通过对下一个词语的预测实现对用户下一个地理位置的预测，具体包括如下步骤：步骤1：信令数据的输入；输入用户的信令数据对应的地理位置；步骤2：信令数据的整合；对用户的信令数据对应的地理位置进行整合，将相邻的位置整合为同一类；步骤3：信令数据的处理；利用循环神经网络进行深度学习，获取用户下一个地理位置的预测结果；步骤4：输出用户下一个地理位置的预测结果。2...

【专利技术属性】
技术研发人员：徐文进，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东,37