一种端到端的个体出行轨迹重识别的深度学习方法

摘要

对于行人的再识别研究大多采用图像处理和计算机视觉领域的相关方法,在社会治安领域和商业领域内受到了越来越多的关注.从信息检索的角度出发,提出了一种端到端的深度学习框架,对匿名化的基于位置的服务(LBS)数据进行用户再识别.首先,该框架采用嵌入网络对输入的位置序列及其对应的时间序列进行编码;然后采用递归循环网络对用户每天的历史轨迹进行编码;随后连接注意力机制网络,对需要比较的两条轨迹进行重要权重计算;最后得出其相似度.实验结果表明:相较于计算轨迹之间向量距离的传统方法,此模型考虑了用户的时空位置信息,可以更加准确地计算轨迹序列之间的相似度,在某城市匿名化的LBS数据集上,对不同数量的用户重识别准确率较高.