基于深度学习和回归型分类模型的出行目的地预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 本文工作与贡献 | 第15-17页 |
| 1.4 论文组织 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 出行目的地预测相关技术 | 第18-31页 |
| 2.1 轨迹收集技术 | 第18-19页 |
| 2.1.1 轨迹收集 | 第18页 |
| 2.1.2 轨迹数据集 | 第18-19页 |
| 2.2 轨迹预处理技术 | 第19-20页 |
| 2.2.1 轨迹校准 | 第19页 |
| 2.2.2 网格化 | 第19-20页 |
| 2.3 出行目的地预测技术 | 第20-22页 |
| 2.3.1 预测类型 | 第20页 |
| 2.3.2 预测范围 | 第20页 |
| 2.3.3 基于历史相似轨迹的出行目的地预测方法 | 第20-21页 |
| 2.3.4 基于机器学习的出行目的地的预测方法 | 第21-22页 |
| 2.4 深度学习相关技术 | 第22-30页 |
| 2.4.1 机器学习概述 | 第22-23页 |
| 2.4.2 深度学习技术概述 | 第23-24页 |
| 2.4.3 卷积神经网络技术 | 第24-25页 |
| 2.4.4 循环神经网络技术 | 第25-26页 |
| 2.4.5 深度拓展技术 | 第26-27页 |
| 2.4.6 损失函数优化技术与学习率 | 第27-29页 |
| 2.4.7 调参技术 | 第29页 |
| 2.4.8 嵌入技术 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 问题描述 | 第31-36页 |
| 3.1 常用符号 | 第31-32页 |
| 3.2 问题定义 | 第32页 |
| 3.3 预期目标 | 第32页 |
| 3.4 实现难点 | 第32-33页 |
| 3.5 方法概述 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于深度学习的出行目的地预测 | 第36-47页 |
| 4.1 轨迹预处理 | 第36-37页 |
| 4.1.1 轨迹网格化 | 第36-37页 |
| 4.1.2 频繁项提取 | 第37页 |
| 4.1.3 重复点消除 | 第37页 |
| 4.2 采样与批生成 | 第37-38页 |
| 4.3 神经网络结构 | 第38-43页 |
| 4.3.1 网格嵌入 | 第39-40页 |
| 4.3.2 时间嵌入 | 第40-41页 |
| 4.3.3 循环神经网络 | 第41-43页 |
| 4.3.4 全连接层 | 第43页 |
| 4.4 目标预测与损失函数 | 第43-45页 |
| 4.4.1 目标预测方法 | 第43-44页 |
| 4.4.2 损失函数定义 | 第44-45页 |
| 4.4.3 预测范围限定 | 第45页 |
| 4.4.4 目标概率分布 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 基于回归型分类模型的出行目的地预测 | 第47-54页 |
| 5.1 常规分类模型的弊端 | 第47页 |
| 5.2 回归型分类模型 | 第47-48页 |
| 5.3 回归型概率分布 | 第48-50页 |
| 5.4 二维回归型概率分布 | 第50-53页 |
| 5.5 回归型分类模型的训练 | 第53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 实验过程、结果与分析 | 第54-64页 |
| 6.1 实验环境 | 第54页 |
| 6.2 实验数据与预处理 | 第54-58页 |
| 6.2.1 网格化预处理 | 第56-57页 |
| 6.2.2 回归概率预计算 | 第57页 |
| 6.2.3 验证集的选取 | 第57-58页 |
| 6.3 神经网络中超参数的设置 | 第58页 |
| 6.4 训练过程 | 第58页 |
| 6.4.1 优化方法、学习率 | 第58页 |
| 6.4.2 批样本数 | 第58页 |
| 6.5 实验结果与分析 | 第58-63页 |
| 6.5.1 模型在不同网格精度下的预测误差 | 第58-60页 |
| 6.5.2 模型在不同的出行完成比例下的预测误差 | 第60-62页 |
| 6.5.3 模型预测误差分布 | 第62-63页 |
| 6.5.4 在Kaggle测试数据集上的测试结果 | 第63页 |
| 6.6 本章小结 | 第63-64页 |
| 第7章 总结与展望 | 第64-65页 |
| 7.1 本文工作总结 | 第64页 |
| 7.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
