基于双向RNN的私人汽车轨迹重构算法

简介：
本研究提出一种基于双向RNN的算法，用于精确重构私人汽车行驶轨迹，提高交通数据分析和智能出行规划的准确性。 在复杂的城市环境中，由于GNSS定位信号中断现象难以避免以及车辆行驶过程中的误差累积，导致收集到的车辆轨迹数据往往不准确且不完备。为此，提出了一种基于双向RNN（递归神经网络）的私家车轨迹重构算法，并利用了GNSS-OBD设备来采集车辆轨迹信息。该方法通过多源数据融合实现了双向加权轨迹重构。 为了进一步提升模型性能，在构建的轨迹重构框架中引入了神经算术逻辑单元（NALU），以增强深度学习网络对外部环境变化的适应能力和提高预测精度，从而确保算法在面对城市复杂路段时具有更高的稳健性。通过对实际城市路段进行测试实验，并与现有算法进行了对比分析后发现，所提出的算法表现出了优越的效果。 评估指标包括均方根误差（RMSE）以及通过Google Earth对重构轨迹进行的可视化展示。实验结果表明了该方法的有效性和可靠性。