基于轨迹分布模型的目的地预测
Destination Prediction by Trajectory Distribution Based Model
摘要：
在本文中，我们提出了一种新的方法来预测最终目的地的车辆行程的基础上，其初始部分轨迹。我们首先回顾一下我们是如何获得描述用户行为的轨迹聚类的。然后，我们解释了我们如何建模的主要交通流模式的混合二维高斯分布。这产生了基于密度的位置聚类，其产生每个图案内的相似点的数据驱动网格。我们提出了如何使用这个模型来预测一个新的轨迹的最终目的地的基础上，他们的第一个位置使用两个步骤的过程：我们首先分配新的轨迹的集群，它不太可能属于。其次，我们使用这些集群内的轨迹特征来预测最终目的地。最后，我们提出了我们的方法分类的轨迹和最终目的地预测的时间戳GPS定位的出租车行程的数据集上的实验结果。我们在两个不同的数据集上测试我们的方法，以评估我们的方法自动适应不同子集的能力。
英文摘要：
In this paper we propose a new method to predict the final destination of vehicle trips based on their initial partial trajectories. We first review how we obtained clustering of trajectories that describes user behaviour. Then, we explain how we model main traffic flow patterns by a mixture of 2d Gaussian distributions. This yielded a density based clustering of locations, which produces a data driven grid of similar points within each pattern. We present how this model can be used to predict the final destination of a new trajectory based on their first locations using a two step procedure: We first assign the new trajectory to the clusters it mot likely belongs. Secondly, we use characteristics from trajectories inside these clusters to predict the final destination. Finally, we present experimental results of our methods for classification of trajectories and final destination prediction on datasets of timestamped GPS-Location of taxi trips. We test our methods on two different datasets, to assess the capacity of our method to adapt automatically to different subsets.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
