一种基于深度学习与排列熵的交通轨迹模式分类方法

来源期刊：北方工业大学学报2018年第2期

论文作者：刘高军 杨佳放

文章页码：67 - 73

关键词：深度学习;交通轨迹;排列熵;模式分类;深度神经网络;

摘    要：针对交通模式识别的问题,本文提出一种基于交通轨迹速度与角度变化有序程度的排列熵特征,利用新增排列熵特征属性进行轨迹交通模式分类.通过对GeoLIfe数据的预处理与特征提取,在获得轨迹基本属性的基础上提取出轨迹速度与角度的排列熵,通过深度神经网络进行训练、分类.实验表明该方法分类准确率有一定提高,说明排列熵属性对识别交通轨迹类别是有效的,可提高轨迹模式识别的准确性.