[發明專利]基于Markov模型和概率統計的位置預測方法及可讀存儲介質在審
| 申請號： | 201911028627.7 | 申請日： | 2019-10-28 |
| 公開（公告）號： | CN110795519A | 公開（公告）日： | 2020-02-14 |
| 發明（設計）人： | 李陽;左磊;韓劍鋒;張良暉 | 申請（專利權）人： | 天聚地合(蘇州)數據股份有限公司 |
| 主分類號： | G06F16/29 | 分類號： | G06F16/29;G06F17/16;G06F17/18;G01S19/42 |
| 代理公司： | 32103 蘇州創元專利商標事務所有限公司 | 代理人： | 吳芳 |
| 地址： | 215000 江蘇省蘇州市工*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 預測 位置預測 第二位置 第一位置 位置序列 數據集 概率 概率統計 預處理 可讀存儲介質 計算復雜度 概率矩陣 高精準度 軌跡數據 獲取位置 位置定位 運動軌跡 構建 數據庫 采集 | ||
1.一種基于Markov模型和概率統計的位置預測方法，其特征在于，包括以下步驟：
采集用戶的位置定位坐標集，并對其進行數據預處理，得到體現運動軌跡的位置序列數據集；
建立變階Markov模型，以對所述位置序列數據集進行位置預測，得到預測的第一位置預測坐標及對應的第一位置預測概率；
利用用戶累計的軌跡數據建立位置預測數據庫，構建對應的概率矩陣，以對所述位置序列數據集進行位置預測，得到預測的第二位置預測坐標及對應的第二位置預測概率；
比較所述第一位置預測概率和第二位置預測概率的大小；
若所述第一位置預測概率大于第二位置預測概率，則取所述第一位置預測坐標為位置預測結果；否則取所述第二位置預測坐標為位置預測結果。
2.根據權利要求1所述的基于Markov模型和概率統計的位置預測方法，其特征在于，將所述位置序列數據集構造成字典樹序列集，變階Markov模型通過以下公式對所述字典樹序列集進行位置預測：
其中，s為字典樹序列集，c為待預測數據集，escape為逃逸數據集，為數據集中沒有在字典樹序列集s之后出現的數據集出現的概率，為在字典樹序列集s之后出現待預測數據集c出現的概率，P(c|s)為位置預測概率；
取最大的位置預測概率作為第一位置預測概率，取最大的位置預測概率對應的位置作為第一位置預測坐標。
3.根據權利要求2所述的基于Markov模型和概率統計的位置預測方法，其特征在于，建立變階Markov模型之前，先確定Markov模型的階數，包括以下步驟：
采用序列模式算法PrefixSpan算法計算出位置序列數據集的支持度，當預測位置序列數據集中支持度超過閾值則直接輸出其預測結果，否則根據長度匹配規則定位到對應階數Markov模型進行預測；若預測位置在軌跡序列樹中找不到對應路徑，則根據二階Markov模型進行預測。
4.根據權利要求1所述的基于Markov模型和概率統計的位置預測方法，其特征在于，將地圖簡化為G＝＜V,E＞，其中，V為交叉路口的集合，E為所有路段的集合，G由鄰接矩陣表示；
所述建立位置預測數據庫中的數據包括用戶所在位置信息及周邊區域的位置信息以及用戶歷史軌跡信息；
根據用戶移動產生的在地圖上的運動軌跡，將所述位置序列數據集轉化為包括交叉路口的集合和路段的集合的鄰接矩陣，并將該用戶移動時經過的路段數據存儲為歷史軌跡數據；
若用戶在位置預測數據庫中沒有歷史軌跡數據時，使用其他用戶的歷史軌跡數據作為該用戶的位置預測數據；
所構建的概率矩陣數據根據用戶的運動軌跡進行動態更新。
5.根據權利要求4所述的基于Markov模型和概率統計的位置預測方法，其特征在于，對所述用戶當前所在的交叉路口構建如下概率矩陣：
其中，E1,E2,...,En為當前所在的交叉路口處的n條路段，p(Ei|Ej)為用戶在路段Ej且接下來預測位置在路段Ei的概率；
將所述概率矩陣M中最大的概率值作為所述第二位置預測概率，其對應的預測位置所在路段作為所述第二位置預測坐標。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天聚地合(蘇州)數據股份有限公司，未經天聚地合(蘇州)數據股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911028627.7/1.html，轉載請聲明來源鉆瓜專利網。
