城市多出行方式轨迹预测的模型集成方法

针对轨迹位置预测研究中出现的数据稀疏性和来源单一性问题,提出了一种基于长短期记忆网络的模型集成算法。该算法结合公交、滴滴、共享单车等多出行方式的轨迹数据,针对每种出行方式的特点,利用LSTM模型,计算最佳预测模型参数,进行加权平均集成,预测下一时刻区域交通的轨迹位置。以北京市朝阳区为研究区域,进行实验分析,实验结果表明:该文所提供的LSTM模型集成算法不仅解决了数据稀疏性和单一性问题,提高了模型预测的精度,还能更好地预测轨迹对象下一时刻的位置,反映城市中车辆的行驶趋势。研究结果可以对位置服务、城市交通管制以及规划提供一定的建议。