摘要：在城市空间中对车辆未来行驶轨迹的准确预测，可以被运用于十分广泛的领域，包括基于位置的推荐系统、移动管理、交通优化、资源分配、无线网络服务优化等。然而，出租车的行驶轨迹尤其难以准确预测，主要原因在于其中存在司机和乘客两方面同时引入随机性。为了解决上述的问题，本文分析了与司机偏好和乘客偏好相关的若干特征对出租车轨迹产生的影响，然后在传统Transformer预测模型的基础上，设计了司机偏好记忆模块和乘客偏好嵌入层，让模型在预测过程中可以考虑到这两种影响因素，从减小模型的预测误差。此外，本文还提出了一种新的损失函数，用以控制模型对相近位置的嵌入差距。经实验结果表明，本文提出的方法可以使模型的预测距离误差小于现有的同类方法。
文章目录
1 问题描述
2 数据分析和特征提取
2.1 位置的高维表示方法
2.2 POI信息特征
2.3 车辆个体性特征
3 基于Transformer的出租车轨迹预测方法
3.1 基于分类算法的轨迹预测
3.2 模型结构设计
3.2.1 嵌入层
3.2.2 记忆模块
3.2.3 绝对时间编码
3.2.4匹配解码
3.2.4车辆的个体性特征加权
3.3 损失函数
4 实验验证
4.1 数据集
4.1.1广州网约车轨迹数据集
4.1.2罗马出租车轨迹数据集[23]
4.1.3旧金山出租车轨迹数据集[24]
4.2 模型训练配置
4.3 对比方法
4.4 实验结果
结论
