[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

本發明公開了一種基于Markov模型和概率統計的位置預測方法及可讀存儲介質，預測方法包括：采集用戶的位置定位坐標集，并進行預處理，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；若第一位置預測概率大于第二位置預測概率，則取第一位置預測坐標為位置預測結果；否則取第二位置預測坐標為位置預測結果。本發明采用Markov模型結合概率統計來獲取位置預測的高精準度和低計算復雜度。

技術領域

本發明涉及地理位置信息預測領域，尤其涉及一種基于Markov模型和概率統計的位置預測方法及可讀存儲介質。

背景技術

隨著計算機技術的日益發展和普及，智能移動設備已經成為每個人日常生活中必不可少的工具。為了更好得為用戶提供精準的服務，LBS(Location Based Service)應運而生。而為了獲得用戶的位置信息數據，目前智能移動設備都內置了GPS傳感器、加速度傳感器等多種傳感器以獲取用戶的位置信息。當用戶在使用數字地圖等需要位置相關信息的應用時，傳感器都會記錄下用戶當前的位置信息。這些位置信息如果按照時間排列就可以用來展示用戶在這段時間內的運動軌跡。用戶的運動軌跡在一定程度上顯示了用戶的行為習慣，具有可預測性。目前LBS技術的研究中最重要的方向就是利用用戶的歷史位置信息，預測用戶下一步將要到達的位置，即位置預測技術。

位置預測技術的應用非常廣泛，如路徑規劃、服務推送、廣告投放、用戶畫像等具有極高的商業價值，因此吸引了大量學者對該領域展開研究。但研究成功卻令人不勝滿意，首先目前的位置預測技術往往僅使用了GPS位置坐標進行預測，但是猶豫GPS位置坐標點本身就存在一定誤差并且易受到地理特征的限制，因此導致預測的效果較差。其次在預測模型的選擇上主要有基于運動模型的位置預測和基于頻繁模式挖掘的位置預測，基于運動模型的位置預測方法主要是通過歷史數據擬合出用戶運動過程中的線性或非線性模型來進行預測，但是在實際情況中用戶移動軌跡非常負責，很難用單一的線性或非線性模型進新描述；基于頻繁模式挖掘的位置預測方法是目前位置預測領域中比較熱門的方法，但任然存在一些問題如空間復雜度較高導致模型計算速度太慢，低階矩陣預測準確率較低等問題。

綜上所述，目前位置預測技術任然存在需要解決的問題。

發明內容

當前對于位置預測技術的精準度要求越來愈高，需求也越發廣泛，為了解決現有技術中的問題，本發明提供了一種基于Markov模型和概率統計的位置預測方法及可讀存儲介質，能夠高效準確地對位置進行預測，所述技術方案如下：

一方面，本發明提供了一種基于Markov模型和概率統計的位置預測方法，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。

進一步地，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：