[發明專利]一種移動預測方法、智能終端及存儲介質

有效

• 申請號: 202011392382.9
• 申請日: 2020-12-02
• 公開（公告）號: CN112541621B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 史文中;沈梟麒
• 申請（專利權）人: 香港理工大學深圳研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/29;G06K9/62
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

本發明公開了一種移動預測方法、智能終端及存儲介質，所述方法包括：獲取新增移動數據和歷史移動數據，并對所述新增移動數據和所述歷史移動數據進行聚類處理，生成對應的新增興趣區域；當所述新增興趣區域與預設的歷史興趣區域之間的相似度值符合預設的相似度規則時，根據所述新增移動數據，對所述歷史移動數據進行更新，得到更新移動數據；根據所述更新移動數據，對預設的初始移動預測模型進行訓練，生成目標移動預測模型；當檢測到待預測的指定時刻時，將所述指定時刻輸入所述目標移動預測模型中，生成所述指定時刻對應的目標區域并輸出。本發明在進行移動預測時，結合新舊數據，對興趣區域進行實時更新，以提高后續預測結果的準確性。

技術領域

本發明涉及地理信息技術領域，尤其涉及一種移動預測方法、智能終端及存儲介質。

背景技術

個人移動的研究是智慧城市、社會科學等領域的重要問題之一，具有廣泛的應用，例如根據個人的移動實時提供天氣預報。目前基于個人移動的預測方法有基于馬爾科夫鏈的、基于序列模型的、基于分類模型的、及基于其他模型如神經網絡的四大類。其中基于分類模型的方法具有綜合利用時空特征且在稀疏、密集數據上都較為適用的優點。但是目前的基于分類模型的預測方式較為固定，缺少對個人行為變化的考慮，例如以下兩點：

(1)活動區域的變化：隨著時間的推進，個人可能由于搬家、轉校等原因，活動區域范圍發生了變化，包括探索新的活動區域，以及離開舊的活動區域，現有方法無法實時更新活動區域，同時檢測其變化；

(2)區域內移動規律的變化：由于時間(如季節)、交通(道路維修)、個人偏好等原因，個人對區域的訪問時間、訪問順序等可能會產生變化，現有方法無法檢測移動規律變化。

發明內容

本發明的主要目的在于提供一種移動預測方法、智能終端及存儲介質，旨在解決現有技術中個人移動模式變化帶來的移動預測不精確的問題，以提高移動預測的可靠度和精確性。

為實現上述目的，本發明提供一種移動預測方法，所述移動預測方法包括如下步驟：

獲取新增移動數據和歷史移動數據，并對所述新增移動數據和所述歷史移動數據進行聚類處理，生成對應的新增興趣區域；

當所述新增興趣區域與預設的歷史興趣區域之間的相似度值符合預設的相似度規則時，根據所述新增移動數據，對所述歷史移動數據進行更新，得到更新移動數據，其中，所述歷史興趣區域為根據所述歷史移動數據聚類得到的興趣區域；

根據所述更新移動數據，對預設的初始移動預測模型進行訓練，生成目標移動預測模型；

當檢測到待預測的指定時刻時，將所述指定時刻輸入所述目標移動預測模型中，生成所述指定時刻對應的目標區域并輸出。

可選地，所述移動預測方法，其中，所述根據所述更新移動數據，對預設的初始移動預測模型進行訓練，生成目標移動預測模型，具體包括：

對所述更新移動數據進行去重復處理，得到有效移動數據；

對所述有效移動數據進行聚類處理，生成對所述更新移動數據對應的更新興趣區域；

將各個所述有效移動數據對應的更新興趣區域作為對應的當前訪問區域，并根據各個所述有效移動數據對應的更新興趣區域以及所述有效移動數據之間的移動關系，提取各個所述有效移動數據對應的空間特征和時間特征，得到各個有效移動數據對應的移動事件；

根據所述移動事件，對預設的初始預測模型進行訓練，生成目標移動預測模型。

可選地，所述移動預測方法，其中，所述更新移動數據包括采集時刻和采集坐標；所述對所述更新移動數據進行去重復處理，得到有效移動數據，具體包括：

根據所述采集時刻的先后順序，對所述更新移動數據進行排序，生成移動數據序列；