一种终端设备移动轨迹预测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种终端设备移动轨迹预测方法及装置。将历史轨迹序列中包含的各历史轨迹点对应的特征值输入到预先训练的逻辑回归模型中，获得多个目标停留点对应的权重值；将每个目标停留点与该目标停留点对应的权重值进行拼接，并将各目标停留点对应的拼接元素的向量输入到预先训练的循环神经网络模型中，得到待预测终端设备在目标区域内的预测轨迹。由于本发明专利技术实施例中，用停留点的权重值来表示终端设备的轨迹行为特征，用用户停留点表示终端设备的位置特征；通过将停留点和停留点的权重值合并后的元素，作为循环神经网络模型的训练样本，并得到用于预测终端设备的轨迹行为的循环神经网络模型，从而准确的对终端设备进行移动轨迹预测。

A Method and Device for Predicting the Moving Trajectory of Terminal Equipment

【技术实现步骤摘要】
一种终端设备移动轨迹预测方法及装置
本专利技术涉及定位导航
，特别是涉及一种终端设备移动轨迹预测方法及装置。
技术介绍
随着定位技术的发展及广泛应用，基于位置的服务逐渐成为生活中不可或缺的部分。通过分析终端设备的轨迹信息，挖掘其中隐含的终端设备信息来完善终端设备的服务体验，成为数据挖掘的一个重要领域。通过终端设备的轨迹信息，例如，终端设备的GPS(GlobalPositioningSystem,全球定位系统)数据，对终端设备轨迹进行预测以及终端设备行为分析，对导航服务以及交通管理等应用至关重要。目前，基于终端设备GPS数据对终端设备的运动位置以及运动行为进行预测的方法主要有概率类方法。概率类方法通过挖掘终端设备的GPS轨迹数据，建立终端设备的轨迹模型。通过该轨迹模型先对终端设备的位置进行预测，再对终端设备的行为进行预测。由于现有的概率类方法忽略了终端设备的行为与终端设备的位置之间存在相互影响的关系，因此，现有的基于终端设备的GPS轨迹信息对终端设备的行为和位置分开预测的概率类方法，导致降低了终端设备轨迹的预测精确度。
技术实现思路
本专利技术实施例的目的在于提供一种终端设备移动轨迹本文档来自技高网...

【技术保护点】
1.一种终端设备移动轨迹预测方法，其特征在于，所述方法包括：获取待预测终端设备在目标区域内的历史轨迹序列，并根据预处理策略，对所述历史轨迹序列进行预处理，得到预处理后的历史轨迹序列；确定所述预处理后的历史轨迹序列中包含的各历史轨迹点的第一特征值；将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述历史轨迹序列中包含的多个目标停留点对应的权重值；其中，所述停留点为待预测终端设备在所述目标区域内停留且产生社交活动的位置的坐标；针对所述每个目标停留点，将所述每个目标停留点与该目标停留点对应的权重值进行拼接，得到每个目标停留点对应的拼接元素，并确定所述拼接元素对应的向量；将所述各目标...

【技术特征摘要】
1.一种终端设备移动轨迹预测方法，其特征在于，所述方法包括：获取待预测终端设备在目标区域内的历史轨迹序列，并根据预处理策略，对所述历史轨迹序列进行预处理，得到预处理后的历史轨迹序列；确定所述预处理后的历史轨迹序列中包含的各历史轨迹点的第一特征值；将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述历史轨迹序列中包含的多个目标停留点对应的权重值；其中，所述停留点为待预测终端设备在所述目标区域内停留且产生社交活动的位置的坐标；针对所述每个目标停留点，将所述每个目标停留点与该目标停留点对应的权重值进行拼接，得到每个目标停留点对应的拼接元素，并确定所述拼接元素对应的向量；将所述各目标停留点对应的向量输入到预先训练的循环神经网络模型中，得到所述待预测终端设备在所述目标区域内的预测轨迹。2.根据权利要求1所述的方法，其特征在于，在所述将所述各目标停留点对应的向量输入到预先训练的循环神经网络模型中，得到所述待预测终端设备在所述目标区域内的预测轨迹的步骤之前，还包括：获取多个终端设备在目标区域内的样本轨迹序列；其中，所述样本轨迹序列为所述多个终端设备在目标区域内的历史轨迹序列；根据预设处理策略，对所述多个样本轨迹序列进行预处理，得到预处理后的多个样本轨迹序列；根据预设的特征值提取策略，确定预处理后的多个样本轨迹序列中包含的各样本轨迹点的第二特征值；将所述各样本轨迹点的第二特征值输入到预先训练的逻辑回归模型中，获得所述样本轨迹序列中包含的多个目标停留点对应的权重值；针对所述每个目标停留点，将所述每个目标停留点与该目标停留点对应的权重值进行拼接，得到每个目标停留点对应的拼接元素；根据预设的向量生成算法，确定所述每个拼接元素对应的向量，并将所述预处理后的多个样本轨迹序列中包含的各目标停留点对应的向量组成样本集合；将所述样本集合输入到预设循环神经网络模型，对所述循环神经网络模型进行训练，得到训练后的循环神经网络模型。3.根据权利要求1所述的方法，其特征在于，所述将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述历史轨迹序列中包含的多个目标停留点对应的权重值的步骤之前，还包括：获取多个终端设备在目标区域内的样本轨迹序列；其中，所述样本轨迹序列为所述多个终端设备在目标区域内的历史轨迹序列；根据预设处理策略，对所述多个样本轨迹序列进行预处理，得到预处理后的多个样本轨迹序列；根据预设的特征值提取策略，确定预处理后的多个样本轨迹序列中包含的各历史轨迹点的第二特征值；从所述预处理后的多个样本轨迹序列中包含的多个历史轨迹点中选取预设数目个历史轨迹点，并将所述预设数目个历史轨迹点对应的第二特征值作为预设逻辑回归模型的输入，并对所述逻辑回归模型进行训练，得到训练后的逻辑回归模型。4.根据权利要求1所述的方法，其特征在于，所述历史轨迹序列包含历史轨迹点的到达时间；所述确定预处理后的历史轨迹序列中包含的各历史轨迹点的第一特征值的步骤之前，还包括：基于预设的漂移点清除算法，对所述历史轨迹序列进行漂移轨迹点清除处理，获得第一历史轨迹序列；其中，所述漂移轨迹点为历史轨迹序列中包含的噪声轨迹点；基于预设的网格划分策略，对所述目标区域进行网格划分，并为所述第一历史轨迹序列中包含的各历史轨迹点分别分配一网格标识，得到所述目标区域对应的第一地理网格标识序列；计算第一历史轨迹序列中包含的相邻两个历史轨迹点的到达时间差值，将所述到达时间差值作为所述第一地理网格标识序列中包含的各网格标识对应的历史轨迹点的停留时间；将所述第一地理网格标识序列中包含的具有相同网格标识的相邻元素进行合并，获得第二地理网格标识序列；其中，所述第二地理网格标识序列中包含的通过合并得到的元素对应的停留时间为所述在第一地理网格标识序列中具有相同网格标识的所有相邻元素的停留时间的和值；从所述第二地理网格标识序列中包含的初始元素开始，依次判断所述第二地理网格标识序列中包含的各网格标识对应的历史轨迹点是否满足预设条件；若所述历史轨迹点满足预设条件，则对所述历史轨迹点进行预处理，得到预处理后的历史轨迹点。5.根据权利要求1所述的方法，其特征在于，所述将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述历史轨迹序列中包含的多个目标停留点对应的权重值的步骤，包括：将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述各个历史轨迹点对应的权重值；若所述历史轨迹点对应的权重值小于预设权重值阈值，则将该历史轨迹点确定为非目标停留点；若所述历史轨迹点对应的权重值不小于预设权重值阈值，则将该历史轨迹点确定为目标停留点，并将该历史轨迹点对应的权重值作为该目标停留点对应的权重值。6.一种终端设备移动轨迹预测装置，其特征在于，所述装置包括：得到模块，用于获取待...

【专利技术属性】
技术研发人员：田辉，杨鹏程，范绍帅，聂高峰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11