申请/专利权人：湖南大学

申请日：2021-02-02

公开（公告）日：2023-12-22

公开（公告）号：CN112906948B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0639;G06N7/01;H04W4/029;H04W4/40

优先权：

专利状态码：有效-授权

法律状态：2023.12.22#授权;2021.06.22#实质审查的生效;2021.06.04#公开

摘要：本发明公开了一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质，方法为：获取城市大规模私家车的轨迹数据，从中提取每个时段私家车停留点信息并预处理；基于分布拟合模型，计算每个时段内私家车停留点的空间概率密度分布，用于表征城市区域在对应时段内的吸引力；使用历史时段内的空间概率密度分布作为训练样本，对预搭建的神经网络模型进行训练，得到城市区域吸引力预测模型；获取当前时段之前若干时段内的空间概率密度分布，使用城市区域吸引力预测模型进行滚动预测，获取得到目标预测时段内私家车停留点的空间概率密度分布，即为城市区域在目标预测时段的吸引力。本发明可以对城市区域未来时段内的吸引力提供有效准确的预测。

主权项：1.一种基于私家车轨迹大数据的城市区域吸引力预测方法，其特征在于，包括以下步骤：步骤1，获取城市大规模私家车的GPS、OBD数据，从中提取每个时段内的私家车停留点信息，并对数据进行预处理；步骤2，基于预设计的分布拟合模型，将空间自适应地划分网格，计算每个时段内各个网格私家车停留点的空间概率密度分布，用于表征城市区域在对应时段内的吸引力；所述预设计的分布拟合模型采用变分贝叶斯高斯混合模型VBGMM；首先，使用K个高斯模型组合得到高斯混合模型，来拟合私家车停留点的空间概率密度分布： 式中，Px,y|Ωk表示坐标为x,y的停留点PoS在第k个高斯模型Nx,y|μk,∑k中的概率密度值，Ωk是第k个高斯模型的平均值μk、协方差矩阵∑k、权重ωk这三个参数的简化形式；然后，采用对数似然函数代替最大似然函数，最大限度地提高参数集的联合概率，得到最优分布模型，故每个时段内私家车停留点的空间概率密度分布的对数似然函数表达式为： 式中，z泛指引入的潜变量zi1,zi2,...zik，zik表示停留点i来自第k个高斯模型的概率，若为真则zik＝1，否则zik＝0，nk表示所有N个停留点来自第k个高斯模型的概率之和；Ω指代高斯模型的三个参数：平均值μk、协方差矩阵∑k和权重ωk，Nx,y|μk,∑k为第k个高斯模型，N为停留点的数量；其中，平均值μk、协方差矩阵∑k和权重ωk这三个参数符合假设先验：权重ωi符合狄利克雷分布权重，均值μk符合高斯分布，精度矩阵∑k符合Wishart分布；最后，通过变分贝叶斯期望最大化计算出平均值μk、协方差矩阵∑k和权重ωk这三个参数的最优解；步骤3，使用历史时段内的空间概率密度分布作为训练样本，对预搭建的神经网络模型进行训练，得到城市区域吸引力预测模型；步骤4，获取当前时段之前若干时段内的空间概率密度分布，使用城市区域吸引力预测模型进行滚动预测，获取得到目标预测时段内私家车停留点的空间概率密度分布，即为城市区域在目标预测时段的吸引力。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD