[發(fā)明專利]一種預(yù)測出行位置的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010887136.4
• 申請(qǐng)日: 2020-08-28
• 公開（公告）號(hào): CN111915104A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 孫久虎;相恒茂;高浠艦;李浩;梁玉才;張恒才
• 申請(qǐng)（專利權(quán)）人: 山東省國土測繪院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04;G06N7/00
• 代理公司: 北京中政聯(lián)科專利代理事務(wù)所(普通合伙) 11489
• 代理人: 鄭久興

本申請(qǐng)公開了一種預(yù)測出行位置的方法及裝置，所述方法包括獲取出行軌跡數(shù)據(jù)集；對(duì)所述出行軌跡數(shù)據(jù)集進(jìn)行語義化；利用k階馬爾科夫概率轉(zhuǎn)移矩陣，通過單個(gè)用戶u的語義軌跡序列，計(jì)算空間實(shí)體之間的轉(zhuǎn)移概率矩陣，并將所述轉(zhuǎn)移概率矩分解為k個(gè)一階馬爾科夫鏈；選擇用戶u的最優(yōu)化k值，記為k_u；結(jié)合長短期記憶網(wǎng)絡(luò)對(duì)k_u個(gè)一階馬爾可夫鏈進(jìn)行融合得到混合預(yù)測模型；根據(jù)所述混合預(yù)測模型構(gòu)建出行位置預(yù)測結(jié)果集。本申請(qǐng)通過對(duì)人類出行活動(dòng)產(chǎn)生的軌跡數(shù)據(jù)進(jìn)行處理，通過提取用戶停留區(qū)域，確定該停留區(qū)域的語義位置，構(gòu)建混合預(yù)測模型預(yù)測行人未來出行位置，為移動(dòng)位置服務(wù)、城市交通、移動(dòng)互聯(lián)網(wǎng)絡(luò)技術(shù)等領(lǐng)域提供支持。

技術(shù)領(lǐng)域

本申請(qǐng)涉及移動(dòng)位置服務(wù)、出行位置預(yù)測及移動(dòng)互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其是涉及一種預(yù)測出行位置的方法及裝置。

背景技術(shù)

位置預(yù)測技術(shù)是根據(jù)用戶的歷史軌跡數(shù)據(jù)推斷用戶下一時(shí)刻位置，預(yù)測出行過程中在未來某個(gè)時(shí)間可能所在的位置是重要的基礎(chǔ)性研究工作，可為城市規(guī)劃、城市管理、智能交通、基于位置的信息服務(wù)、商業(yè)廣告投放等應(yīng)用提供支撐。

近年來，隨著定位技術(shù)快速發(fā)展、移動(dòng)終端設(shè)備不斷普及，移動(dòng)用戶的軌跡數(shù)據(jù)呈爆發(fā)式增長，為室內(nèi)外用戶位置預(yù)測與實(shí)時(shí)位置服務(wù)研究提供了重要的數(shù)據(jù)源。

目前被廣泛用于出行位置預(yù)測的經(jīng)典統(tǒng)計(jì)模型中，如Sha等提出的高階馬爾科夫鏈模型，該模型假設(shè)下一時(shí)刻的位置與前k位置有關(guān)，但易造成維數(shù)災(zāi)難的問題，即其狀態(tài)空間隨著n的增加呈現(xiàn)爆炸增長，此問題使得k-MC在位置預(yù)測領(lǐng)域?qū)嵱眯暂^低；Mathew等提出的利用隱馬爾可夫模型HMM來預(yù)測出行位置，但是不適用于預(yù)測長時(shí)序位置數(shù)據(jù)。為了解決時(shí)序數(shù)據(jù)中存在的長期依賴問題，深度學(xué)習(xí)模型被應(yīng)用到位置預(yù)測中，如循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network，RNN)、長短時(shí)記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)，門控循環(huán)單元網(wǎng)絡(luò)(Gated-Recurrent-Unit,GRU)等。與經(jīng)典統(tǒng)計(jì)模型相比，深度學(xué)習(xí)模型取得了較好的預(yù)測精度。

然而,深度學(xué)習(xí)模型是一種數(shù)據(jù)驅(qū)動(dòng)的經(jīng)驗(yàn)?zāi)Ｐ停y以解釋模型中的因果關(guān)系，或者說是放棄了對(duì)因果關(guān)系的解釋。此外，目前位置的研究多側(cè)重于位置點(diǎn)的預(yù)測，而沒有對(duì)語義位置的預(yù)測予以足夠重視，所以對(duì)人類基于主觀偏好的出行位置預(yù)測仍是一個(gè)具有挑戰(zhàn)性的問題。

發(fā)明內(nèi)容

(一)發(fā)明目的

本申請(qǐng)的目的是提供一種預(yù)測出行位置的方法及裝置，以解決目前出行預(yù)測方法的統(tǒng)計(jì)模型無法提高預(yù)測精度或無法解釋前后位置關(guān)系，同時(shí)通過對(duì)出行軌跡數(shù)據(jù)集的語義化，利用統(tǒng)計(jì)模型與深度學(xué)習(xí)模型的結(jié)合，以解決出行軌跡預(yù)測準(zhǔn)確率低的問題。

(二)技術(shù)方案

第一方面，本申請(qǐng)實(shí)施例提供了一種預(yù)測出行位置的方法，包括：

獲取出行軌跡數(shù)據(jù)集Traj；

對(duì)所述出行軌跡數(shù)據(jù)集Traj進(jìn)行語義化；

利用k階馬爾科夫概率轉(zhuǎn)移矩陣，通過單個(gè)用戶u的語義軌跡序列l(wèi)ocSeq^u，計(jì)算空間實(shí)體之間的轉(zhuǎn)移概率矩陣Y^u(k)；

將所述轉(zhuǎn)移概率矩陣Y^u(k)分解為k個(gè)一階馬爾科夫鏈；

選擇用戶u的最優(yōu)化k值，記為k_u；

結(jié)合長短期記憶網(wǎng)絡(luò)對(duì)k_u個(gè)一階馬爾可夫鏈進(jìn)行融合得到混合預(yù)測模型；

根據(jù)所述混合預(yù)測模型構(gòu)建出行位置預(yù)測結(jié)果集。

第二方面，本申請(qǐng)實(shí)施例提供了一種預(yù)測出行位置的裝置，包括：

出行軌跡數(shù)據(jù)集預(yù)處理模塊，用于獲取出行軌跡數(shù)據(jù)集Traj；