池娇 ， 焦利民 ， 董婷 ， 等 ， 2016 . 基于POI数据的城市功能区定量识别及其可视化 ［J］. 测绘地理信息 ， 41 （ 2 ）： 68 - 73 .

江婧 ， 张怀峰 ， 皮德常 ， 2019 . 基于卷积神经网络的移动对象目的地预测 ［J］. 小型微型计算机系统 ， 40 （ 12 ）： 2519 - 2525 .

晋广印 ， 赵旭俊 ， 龚艺璇 ， 2024 . 基于长短期记忆网络的移动轨迹目的地预测 ［J］. 计算机工程与科学 ， 46 （ 3 ）： 525 - 534 .

李威 ， 2018 . 基于历史轨迹的车辆类别预测 ［D］. 山东 ： 山东大学 .

罗月童 ， 汪涛 ， 杨梦男 ， 等 ， 2021 . 基于历史行车轨迹集的车辆行为可视分析方法 ［J］. 计算机科学 ， 48 （ 9 ）： 86 - 94 .

吴晨昊 ， 向隆刚 ， 张叶廷 ， 等 ， 2023 . 基于地理空间感知型表征学习的轨迹相似度计算 ［J］. 测绘学报 ， 52 （ 4 ）： 670 - 678 .

余丹青 ， 邬群勇 ， 姚江涛 ， 等 ， 2023 . 融合卷积、注意力和MLP的出租车目的地预测 ［J］. 计算机工程与应用 ， 59 （ 11 ）： 302 - 311 .

余志 ， 黄敏 ， 何兆成 ， 2022 . 道路交通信息物理系统（TCPS）概述 ［EB/OL］.（ 2022-05-18 ）［ 2025-06-03 ］. https：//www.openits.cn/news/821.jhtml https://www.openits.cn/news/821.jhtml .

郑国强 ， 乔宇昊 ， 孙思民 ， 2023 . 基于POI数据的城市功能区识别研究 ［J］. 地理空间信息 ， 21 （ 10 ）： 58 - 61 .

周杭 ， 樊红 ， 2022 . 基于众源地理数据的城市功能区及其热点的识别研究 ［J］. 武汉大学学报（工学版） ， 55 （ 4 ）： 417 - 426 .

CAO S ， WU L ， WU J ， et al ， 2022 . A spatio-temporal sequence-to-sequence network for traffic flow prediction ［J］. Inf Sci ， 610 ： 185 - 203 .

DOROSTI A ， ALESHEIKH A A ， SHARIF M ， 2024 . Measuring trajectory similarity based on the spatio-temporal properties of moving objects in road networks ［J］. Information ， 15 （ 1 ）： 51 .

DU S ， ZHANG H ， XU H ， et al ， 2019 . To make the travel healthier：A new tourism personalized route recommendation algorithm ［J］. J Ambient Intell Humaniz Comput ， 10 （ 9 ）： 3551 - 3562 .

FURTADO A S ， KOPANAKI D ， ALVARES L O ， et al ， 2016 . Multidimensional similarity measuring for semantic trajectories ［J］. Trans GIS ， 20 ： 280 - 298 .

GAO S ， JANOWICZ K ， COUCLELIS H ， 2017 . Extracting urban functional regions from points of interest and human activities on location-based social networks ［J］. Trans GIS ， 21 （ 3 ）： 446 - 467 .

GUI Z ， SUN Y ， YANG L ， et al ， 2021 . LSI-LSTM： An attention-aware LSTM for real-time driving destination prediction by considering location semantics and location importance of trajectory points ［J］. Neurocomputing ， 440 ： 72 - 88 .

KANG J ， MA H ， DUAN Z ， et al ， 2021 . Vehicle trajectory clustering in urban road network environment based on Doc2Vec model ［C］// International Joint Conference on Neural Networks . Shenzhen， China ： 1 - 8 .

LI X ， ZHAO K ， CONG G ， et al ， 2018 . Deep representation learning for trajectory similarity computation ［C］// IEEE 34th International Conference on Data Engineering . Paris， France ： 617 - 628 .

LI Y ， LIU C ， LI Y ， 2022 . Identification of urban functional areas and their mixing degree using point of interest analyses ［J］. Land ， 11 （ 7 ）： 996 .

LIANG M ， LIU R W ， LI S ， et al ， 2021 . An unsupervised learning method with convolutional auto-encoder for vessel trajectory similarity computation ［J］. Ocean Eng ， 225 ： 108803 .

MIKOLOV T ， CHEN K ， CORRADO G ， et al ， 2013 . Efficient estimation of word representations in vector space ［C］// International Conference on Learning Representations . Chicago， America ： 1301 - 1313 .

SCHLOSSER F ， BROCKMANN D ， 2021 . Finding disease outbreak locations from human mobility data ［J］. EPJ Data Sci ， 10 （ 1 ）： 1 - 17 .

SHANG S ， CHEN L ， WEI Z ， et al ， 2018 . Parallel trajectory similarity joins in spatial networks ［J］. VLDB J ， 27 （ 3 ）： 395 - 420 .

XIA Y ， WANG G Y ， ZHANG X ， et al ， 2011 . Spatio-temporal similarity measure for network constrained trajectory data ［J］. Int J Comput Intell Sys ， 4 （ 5 ）： 1070 - 1079 .

XUE A Y ， ZHANG R ， ZHENG Y ， et al ， 2013 . DesTeller： A system for destination prediction based on trajectories with privacy protection ［J］. Proc VLDB Endow ， 6 （ 12 ）： 1198 - 1201 .