面向目的地预测的层次化空间嵌入BiGRU模型.pdfVIP

第

59

卷第

6

期浙

江

大

学

学

报(工学版)Vol.59

No.6

2025

年

6

月Journal

of

Zhejiang

University

(Engineering

Science)Jun.

2025

引用格式：周翔宇,

刘毅志,

赵肄江,

等.

面向目的地预测的层次化空间嵌入BiGRU模型[J].

浙江大学学报：工学版,

2025,

59(6):

1211−1218.

Citation:ZHOU

Xiangyu,

LIU

Yizhi,

ZHAO

Yijiang,

et

al.

Hierarchical

spatial

embedding

BiGRU

model

for

destination

prediction

[J].

Journal

of

Zhejiang

University:

Engineering

Science,

2025,

59(6):

1211−1218.

面向目的地预测的层次化空间嵌入BiGRU模型

1,21,21,21,21,2

周翔宇，刘毅志，赵肄江，廖祝华，张德城

(1.

湖南科技大学

计算机科学与工程学院，湖南

湘潭

411201；

2.

湖南科技大学

服务计算与软件服务新技术湖南省重点实验室，湖南

湘潭

411201)

摘

要：结合空间嵌入和神经网络目的地的预测方法在预测精度和时间性能之间存在权衡，并且面临长期依赖的

问题.

为此，提出面向目的地预测的层次化空间嵌入双向门控循环单元

(HSE-BiGRU)

模型.

该模型采用层次化架

构：第1层通过粗粒度网格嵌入技术，将GPS轨迹数据转换为网格嵌入序列，利用带注意力的BiGRU网络捕获网

格嵌入序列中的时空依赖关系，预测目的地所在的网格区域；第2层采用四叉树嵌入技术将网格区域内的轨迹

数据转换为四叉树嵌入序列，运用带注意力的BiGRU网络聚焦关键位置节点以提取四叉树嵌入序列的运动特

征；结合2层提取的特征信息精准预测目的地.

使用波尔图市的出租车数据集进行性能评估，结果表明，所提方

法在预测精度和时间性能上均优于CNN、T-CONV、CNN-LSTM等基线模型.

关键词：

目的地预测；层次化架构；网格嵌入；四叉树嵌入；双向门控循环单元(BiGRU)；注意力机制

中图分类号：

TP

393

文献标志码：

A

文章编号：

1008−973X（2025）06−1211−08

DOI:10.3785/j.issn.1008-973X.2025.06.012

HierarchicalspatialembeddingBiGRUmodelfor

destinationprediction

1,21,21,21,21,2

ZHOU

Xiangyu,

LIU

Yizhi,

ZHAO

Yijiang,

LIAO

Zhuhua,

ZHANG

Decheng

(1.

SchoolofComputerScienceandEngineering,HunanUniversityofScienceandTechnology,Xiangtan411201,Chi