位置预测方法、装置、存储介质及终端制造方法及图纸

本发明专利技术实施例公开了一种位置预测方法、装置、存储介质及终端。所述方法包括：检测到位置预测事件被触发时，获取用户的当前位置序列；将所述当前位置序列输入至位置预测模型中，其中，所述位置预测模型包括根据样本位置序列对至少两个预设网络模型进行学习生成的混合网络模型；根据所述位置预测模型的输出结果预测出所述用户即将到达的位置。通过采用上述技术方案，不仅解决了现有的位置预测时间复杂度高的技术问题，而且通过采用混合网络模型，有效提高了对用户位置预测的准确性和效率。

【技术实现步骤摘要】
位置预测方法、装置、存储介质及终端
本专利技术实施例涉及数据处理
，尤其涉及位置预测方法、装置、存储介质及终端。
技术介绍
在移动互联网业务中，基于位置的服务迅速发展，给人们的生活带来很多便利。例如，提供用户行进的路径前方的交通路况信息，帮助用户提前做好出行路线规划，避免交通堵塞；为游客提供旅游路线推荐等。这些应用场景有一个共同的问题需要解决，即需要准确预测出用户未来的移动轨迹，也即用户即将到达的位置。现有技术中用户位置预测的方法主要包括三大类：(1)基于欧式空间的预测方法；其中，基于欧式空间的预测方法又可以分为基于模式的预测方法和基于向量的预测方法。基于模式的预测方法的基本思想是通过频繁模式挖掘找出轨迹模式，再根据轨迹模式进行轨迹预测。基于向量的预测方法包括线性模型和非线性模型两类。线性模型预测主要根据移动用户的位置和速度预测当前时刻移动对象的位置。而非线性模型预测的主要思想是通过数学公式模拟移动用户的运动轨迹，但需构建前缀树和FP-tree，时间代价较高。(2)基于运动模型实现用户位置预测；该方法主要考虑到运动物体的运本文档来自技高网...

【技术保护点】
1.一种位置预测方法，其特征在于，包括：/n检测到位置预测事件被触发时，获取用户的当前位置序列；/n将所述当前位置序列输入至位置预测模型中，其中，所述位置预测模型包括根据样本位置序列对至少两个预设网络模型进行学习生成的混合网络模型；/n根据所述位置预测模型的输出结果预测出所述用户即将到达的位置。/n

【技术特征摘要】
1.一种位置预测方法，其特征在于，包括：
检测到位置预测事件被触发时，获取用户的当前位置序列；
将所述当前位置序列输入至位置预测模型中，其中，所述位置预测模型包括根据样本位置序列对至少两个预设网络模型进行学习生成的混合网络模型；
根据所述位置预测模型的输出结果预测出所述用户即将到达的位置。


2.根据权利要求1所述的方法，其特征在于，所述混合网络模型包括长短期记忆LSTM神经网络子模型、卷积神经网络子模型和随机森林子模型，所述LSTM神经网络子模型的输出层、所述卷积神经网络子模型的输出层和随机森林子模型的输出层基于预设处理单元连接形成所述混合网络模型；
相应的，将所述当前位置序列输入至位置预测模型中，包括：
同时将所述当前位置序列输入至所述LSTM神经网络子模型、所述卷积神经网络子模型和所述随机森林子模型。


3.根据权利要求2所述的方法，其特征在于，在检测到位置预测事件被触发之前，还包括：
获取预设时间段内至少两个用户在预设区域内的样本位置序列；
将所述样本位置序列分别输入至所述LSTM神经网络子模型、所述卷积神经网络子模型和所述随机森林子模型，以对所述混合网络模型进行训练，得到位置预测模型。


4.根据权利要求3所述的方法，其特征在于，获取预设时间段内至少两个用户在预设区域内的样本位置序列，包括：
采集预设时间段内在预设区域内的用户位置数据；其中，所述用户位置数据包括定位时间、用户编号和经纬度信息；
按照预设距离对所述预设区域进行网格化生成网格区域，并对每个网格区域进行编号；
根据所述用户位置数据中的经纬度信息确定与所述用户位置数据对应的目标网格区域；
基于所述目标网格区域的编号信息对所述用户位置数据进行标记；
根据所述用户编号对标记好的用户位置数据进行分组，生成至少两组标记用户位置数据；
根据所述定位时间对各组标记用户位置数据进行排序，生成至少两组样本位置序列。


5.根据权利要求2-4任一所述的方法，其特征在于，将所述样本位置序列分别输入至所述LSTM神经网络子模型、所述卷积神经网络子模型和所述随机森林子模型，包括：
针对每组样本位置序列，基于预设滑动窗口按照预设步长在所述样本位置序列上进行滑动，依次将所述预设滑动窗口内的样本位置序列作为样本位置子序列；
将所述样本位置子序列分别输入至所述LSTM神经网络子模型、所述卷积神经网络子模型和所述随机森林子模型。


6.根据权利要求5所述的方法，其特征在于，针对每组样本位...

【专利技术属性】
技术研发人员：王坤，于鼎，崔渊博，金红，刘长永，杨满智，陈晓光，
申请(专利权)人：恒安嘉新北京科技股份公司，
类型：发明
国别省市：北京;11