[發(fā)明專利]一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710993263.0
• 申請(qǐng)日: 2017-10-23
• 公開（公告）號(hào): CN107747947B
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 高建彬;魯威
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G01C21/20
• 分類號(hào): G01C21/20;G01C21/34
• 代理公司: 成都弘毅天承知識(shí)產(chǎn)權(quán)代理有限公司 51230
• 代理人: 謝建;王莎

1.一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法，其特征在于，包括以下步驟：

S1，數(shù)據(jù)準(zhǔn)備

將用戶的歷史GPS軌跡與道路網(wǎng)絡(luò)進(jìn)行匹配，提取用戶的旅行行為；

S2，估計(jì)旅行行為頻率

計(jì)算用戶在時(shí)間間隔內(nèi)各個(gè)旅行行為之間的相關(guān)性，并平滑用戶旅行行為之間的頻率，再采用矩陣分解方法處理用戶的旅行行為以獲得估計(jì)的旅行行為頻率；

S3，路線計(jì)算

根據(jù)估計(jì)的旅行行為頻率計(jì)算旅行行為概率，并根據(jù)旅行行為概率來(lái)加權(quán)道路網(wǎng)絡(luò)圖，得到推薦的旅行路線。

2.如權(quán)利要求1所述的一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法，其特征在于，步驟S1中，在進(jìn)行歷史GPS軌跡與道路網(wǎng)絡(luò)匹配之前，采用基于熵的KSW閾值法將GPS軌跡劃分為多個(gè)片段軌跡。

3.如權(quán)利要求2所述的一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法，其特征在于，采用基于熵的KSW閾值法將GPS軌跡劃分為多個(gè)片段軌跡的具體步驟為：

S1.1，找到導(dǎo)致正常采樣率和異常采樣率的最大求和熵的閾值θ；

S1.2，跟蹤歷史GPS軌跡，當(dāng)兩個(gè)連續(xù)的歷史GPS軌跡讀數(shù)之間的時(shí)間間隔超過(guò)閾值θ時(shí)，GPS跟蹤結(jié)束，產(chǎn)生新的GPS軌跡。

4.如權(quán)利要求3所述的一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法，其特征在于，步驟S1.1中，找到導(dǎo)致正常采樣率和異常采樣率的熵的KSW閾值法方法為：

有不同的采樣率分別為s1，s2，s3，....，sn，f1、f2、f3、...、fn為s1，s2，s3，....，s的觀測(cè)的數(shù)量，為不同采樣率的總數(shù)，即公式：分割閾值為t，A為i∈{0，1，...，t}的灰度分布，B為i∈{t+1，...，N}的灰度分布，概率分布為：

A：

B：

其中

選擇閾值t區(qū)分兩種采樣率，則與正常采樣率的分布相關(guān)的熵為：

與異常采樣率分布相關(guān)的熵為：

正常采樣率與異常采樣率之間的閾值區(qū)別在1到n之間，找到導(dǎo)致正常采樣率分布和異常采樣率的熵的閾值：

θ＝E₁+E₂ (3)。

5.如權(quán)利要求1所述的一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法，其特征在于，步驟S1中，采用地圖匹配方法將用戶的歷史GPS軌跡與道路網(wǎng)絡(luò)進(jìn)行匹配，該地圖匹配方法采用ST-Matching算法。

6.如權(quán)利要求1所述的一種基于用戶歷史GPS軌跡的協(xié)同旅行路線推薦方法，其特征在于，步驟S2中，估計(jì)旅行行為頻率的具體步驟為：

S2.1，生成用戶行為矩陣

找到n個(gè)旅行片段軌跡B＝{b1，b2，...，bn}，其中B包含所有可能的旅行行為；給定一組m個(gè)用戶U＝{u1，u2，...，um}和一組旅行行為B＝{b1，b2，...，bn}，使用成對(duì)的(u，b)進(jìn)行用戶行為矩陣，矩陣中的元素是成對(duì)的頻率pl(ui，bj)，Bi，j＝pl(ui，bj)；

S2.2，計(jì)算用戶在時(shí)間間隔內(nèi)各個(gè)旅行行為之間的相關(guān)性

相關(guān)性的計(jì)算公式為：

其中，n表示一天中總時(shí)間間隔的總數(shù)，b表示在路段e上的旅行行為，ti與tj相隔的時(shí)間越長(zhǎng)上式的值就越小，ti與tj為軌跡上的兩個(gè)時(shí)間點(diǎn)；

S2.3，獲得估計(jì)的旅行行為頻率

每個(gè)用戶ui與潛在因素向量相關(guān)聯(lián)，每個(gè)旅行行為bj與潛在因素向量相關(guān)聯(lián)，用戶ui展示旅行行為bj的預(yù)測(cè)頻率UB_i，j為：

其中，T為轉(zhuǎn)置符號(hào)，k是向量的長(zhǎng)度，潛在因素是用戶和旅行行為之間的相互作用的基礎(chǔ)，向量O_ui和m_bj的乘積越大意味著用戶ui發(fā)生旅行行為bj的可能性越大。