陈建伟 李建波

(青岛大学计算机科学技术学院 山东 青岛 266071)

0 引 言

如今，许多移动设备如手机和智能手环已成为人们出门必备的物品。这些设备往往内置GPS，可以实时检测人的位置。因此，人们的运动轨迹可以轻松获得，从而为探索人类的移动规律带来可能。此外，人类移动规律性的探索一直是自然、社会等领域长期以来的研究热点[1-2]。该研究对疾病传播、交通流量控制有很大影响，它可以帮助解决很多城市问题，如避免交通堵塞、预防疾病等。

本文通过分析人类移动模式，预测人群未来轨迹。现有的人群轨迹预测任务主要面临两个问题，一个是数据的稀疏性；另一个是冗长的历史轨迹。其中数据的稀疏性表现在两个方面：(1)人们的轨迹从现实世界中获取，由于人类移动的不确定性和个人隐私问题，收集的数据量通常比较稀疏；(2)每个人的轨迹记录的时间间隔在稀疏的数据中的分布也不均匀，这导致了轨迹的碎片化，加重了数据稀疏性的问题。而冗长的历史轨迹表现为：收集的每个用户的全部轨迹往往很冗长，这为寻找有价值的移动轨迹增加了难度。总的来说，以上的两个问题使得预测任务更加困难。

人的移动轨迹本质上是一个空间分布的时间序列数据，早期RNN被提出用来处理时间序列数据，却容易出现长输入导致的梯度消失问题。LSTM的提出改善了这一问题，其通过门控制结构来处理长输入并且表现优异。直观地，单一的LSTM网络可以直接用来处理轨迹预测问题，然而却不是有效的。……