【技术实现步骤摘要】
本专利技术属于计算机数据处理
,涉及移动社会网络中的信息挖掘方法,尤其涉及一种面向移动社会网络数据基于时空熵的移动用户出行预测方法。
技术介绍
随着手机和无线通讯网络的普及,基于位置的移动社会网络数据挖掘研究与应用成为全球学术界和产业界关注的焦点,相应项目包括实时监测人群密度动态分布、利用移动通话数据得到静态城市人群时空分布、家庭定位服务、团队位置跟踪服务以及个人用户定位和导航服务等等。基于位置的信息服务的关键问题之一就是对移动用户的位置进行预测。目前,用户出行预测方法主要基于无线网络和GPS,这两种定位方式都能准确实时地反映目标的位置移动。但是,他们都面临这一个共同的瓶颈问题——定位数据量稀少。随着无线通讯技术的发展,手机成为了人们社会生活的重要工具,每一次通话就是一次定位,虽然通话次数不如GPS定位频繁,但是数据量巨大,因此由通话数据形成的用户离散轨迹为位置预测研究打开了新的视角。位置预测方法主要分为个人预测模型、群体预测模型和混合预测模型。个人预测模型就是通过挖掘个人历史信息中的规律性对个人轨迹进行预测,如现有的基于人类活动周期性建立的模型等;群体轨迹预测模型就是通过挖掘群体历史信息中的规律性来对个人轨迹进行预测,如利用动态贝叶斯网络以及隐式马尔科夫模型对群体建模等;混合预测模型则是通过衡量一个用户的可预测性,来决定是采用个体预测模型还是群体预测模型。可预测性在一定程度上反映了用户的移动规律性,越规律的用户可预测性也就越高。对于高可预测性高的用户使用个人预测模型预测;对于可预测性低的用户,使用群体预测模型。归纳而言,现有预测模型在衡量用户出行 ...
【技术保护点】
一种面向移动社会网络的用户出行预测方法,通过利用历史数据集计算用户出行的时空熵来确定用户在不同时空场景下出行的不确定性,再根据时空熵建立预测模型对用户出行行为进行预测,包括如下步骤:1)进行数据预处理,对历史数据集进行去冗余化和去基站化;2)利用历史数据集,计算得到用户出行的时空熵;用户在<t,tower>下,当预测步长为h时,时空熵的计算包括如下步骤:步骤一:在历史数据集中,统计用户在时间点t,基站tower下经过时间h后的转移模式,得到以一个五元向量<t,tower,t+h,towerx,count>表示的转移模式,其中towerx为用户在t+h时间点的位置,count表示这样的五元组的出现次数;步骤二:根据式3计算towerx在五元组中的出现频率:P=P{Tower′=towerc|Tower=tower,Time=t} (式3)式3中,P为条件概率,表示用户在时间t在基站tower的前提下t+h出现在towerx的概率;Tower′为计算出现频率的基站;步骤三:再根据公式4,得到用户在<t,tower>下,预测步长为h时的时空熵;其中C表 ...
【技术特征摘要】
1.一种面向移动社会网络的用户出行预测方法,通过利用历史数据集计算用户出行的时空熵来确定用户在不同时空场景下出行的不确定性,再根据时空熵建立预测模型对用户出行行为进行预测,包括如下步骤:1)进行数据预处理,对历史数据集进行去冗余化和去基站化;2)利用历史数据集,计算得到用户出行的时空熵;用户在<t,tower>下,当预测步长为h时,时空熵的计算包括如下步骤:步骤一:...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。