基于深度學習的室內(nèi)時空客流預測.pdf

1、隨著城市的快速發(fā)展，商場、會展中心、機場等大型建筑不斷涌現(xiàn)。人們的日?；顒釉絹碓蕉嗟脑谑覂?nèi)空間完成。而智能手機及室內(nèi)WiFi的普及，也使用戶室內(nèi)位置信息的獲取變得更為容易。本文圍繞基于WiFi的室內(nèi)定位系統(tǒng)為背景，系統(tǒng)的研究了室內(nèi)時空客流獲取與預測過程中的相關方法及技術，引入機器學習和深度學習方法構建模型，從而使室內(nèi)時空客流的統(tǒng)計和預測更具實用性和準確性。
　　首先，本文描述了通過WiFi基礎設施獲取室內(nèi)時空客流的相關研究進展，總

2、結實際應用過程中存在的某些問題:使用原始WiFi信號強度進行定位前時不能高效的識別室內(nèi)和室外物體。針對這一情況，本文提出了一種基于機器學習的算法用于清洗室外數(shù)據(jù)噪聲。在訓練數(shù)據(jù)的構建上，采用眾包的思想自動化采集數(shù)據(jù)。在搭建的實驗平臺上，該方法獲得了98％的準確率，相比傳統(tǒng)的室內(nèi)室外檢測算法，該方法更簡單，具有一定的研究意義。
　　此外，傳統(tǒng)的客流預測往往通過時間序列的相關方法預測室外環(huán)境的宏觀客流。預測的出發(fā)點是未來的客流分布與歷