HarmonyMoves: A Unified Prediction Approach for Moving Object Future Path
ملخص البحث
يلعب التنبؤ بالمسار دورًا حاسمًا في
العديد من الخدمات القائمة على الموقع مثل التسويق القائم على التقارب ،
خدمات التوجيه وإدارة المرور. الغالبية العظمى
من تقنيات التنبؤ المسار الحالية تستخدم الكائن
تاريخ الحركة للتنبؤ بالمسار (المسارات) في المستقبل. بالإضافة إلى
افتراضات أن الأشياء تتحرك بأنماط معروفة
أو تعرف طرقهم. ومع ذلك ، فإن هذه الأساليب تفشل عندما
التاريخ غير متوفر. أيضًا ، تفشل هذه التقنيات في التنبؤ بـ
المسار عندما تفقد الأشياء المتحركة طريق الاستعلام أو تتحرك
مع أنماط غير طبيعية. تقدم هذه الورقة نظامًا يسمى
Harmony يتحرك للتنبؤ بالمسارات المستقبلية للأجسام المتحركة
شبكات الطرق دون الاعتماد على مساراتها السابقة. ال
يتحقق النظام من الانسجام بين كائن الاستعلام وغيره
الأجسام المتحركة ، بعد ذلك إذا وجد الانسجام ، فهذا يعني ذلك
هناك كائنات أخرى في الفضاء تتحرك مثل كائن الاستعلام.
بعد ذلك ، تم اعتماد نموذج ماركوف لتحليل هذه المجموعة المتشابهة
أنماط الحركة وإنشاء أجزاء الطريق المحتملة التالية
للكائن مع احتمالاتها. إذا كان الانسجام لا
موجود ، يعتبر HarmonyMoves كائن الاستعلام هذا على أنه غير طبيعي
كائن (الكائن فقد الطريق ويحتاج إلى دعم للعودة المعروفة
طرق) ، لهذا الغرض استخدمت HarmonyMoves وحدة نمطية جديدة
للتعامل مع هذه القضية. يكمن أحد الجوانب الأساسية لـ HarmonyMoves في
تحقيق تنبؤ عالي الدقة أثناء الأداء بكفاءة
لإرجاع إجابات الاستعلام.
الكلمات المفتاحيه
Deep Learning, moving objects, predection