[发明专利]一种基于条件随机场的重点人员位置时空预测方法

权利要求书

1.一种基于条件随机场的重点人员位置时空预测方法，其特征在于包括以下步骤：

(1)空间网格化：将城市空间网格化，获得g×g格网，G＝{p₁₁，…，p_ij，…，P_gg}，p_ij为网格G集合中的行号为i和列号为j的网格；

(2)重点人员位置时空转移语义信息抽取：以网格为基本单元，依据网格间的重点人员转移信息，从中抽取锚点之间、锚点与非锚点、非锚点至锚点、非锚点之间的时空信息，作为构造条件随机场模型的要素；

(3)线性条件随机场建模：以兴趣点即POI点为模型中的潜在因子y，网格、物理时间、语义时间作为模型中的观测序列x，构建出线性条件随机场模型，得出线性条件随机场联合条件概率表达式；

(4)重点人员位置时空预测：通过线性条件随机场的解算，获得任意网格和POI成为重点人员下一步转移目标网格的概率，并进而得到重点人员在任意时空节点的出现概率；

上述步骤(2)所述时空信息抽取中锚点p₀至非锚点p_w的转移频度为：

其中，为p₀至p_w的总次数，t_i为当前时间，Δt_i为时间间隔，u_iw为非锚点p_w与周边锚点p_i的核距离公式参数，p_j和p_w表示第j直至第w个轨迹锚点，m为非锚点p周边的有效锚点至目标锚点p0的总次数，K()为核函数，u_jw为点j和点w间的距离因子，h为核函数中的带宽参数，K(u_iw)为非锚点p_w与周边锚点p_i的核距离，为归一化后p_w同周边锚点的核函数相似度。

2.根据权利要求1所述一种基于条件随机场的重点人员位置时空预测方法，其特征在于：上述步骤(2)所述时空信息抽取中非锚点p_w至锚点p₀的转移频度为：

其中，为p_w至p₀的总次数，为p_w同周边锚点的核函数相似度，h为带宽，其他参数的含义与上式相同。

3.根据权利要求1所述一种基于条件随机场的重点人员位置时空预测方法，其特征在于：上述步骤(3)所述线性条件随机场联合条件概率表达式为：

其中，y_i为本次位移所在的POI类型，y_i-1为前一次位移所在的POI类型，λ、μ、η统一指代该条件随机场中相关势函数的权重，这些权重的下标则表示轨迹点的序号，X_i用以统一指代本次位移涉及到的时空语义信息，μ_k分别为具体势函数的权重值，r_i当前物理位置，r_i-1为前一物理位置，t_ik为当前各语义时间要素，s_ib为当前语义位置要素，(λ₁f₁(y_i-1，y_i，r_i-1，r_i))描述了区域类型y_i-1，y_i转移与物理位置间转移的关联强度，∑_k→3μ_kg_k(y_i-1，y_i，t_ik)描述了区域类型y_i-1，y_i转移与各语义时间之间转移的关联强度，∑_b→3η_bh_b(y_i-1，y_i，s_ib)描述了区域类型y_i-1，y_i转移与语义空间要素间转移的关联强度，z(x)为归一化常量因子。

4.根据权利要求1或3所述一种基于条件随机场的重点人员位置时空预测方法，其特征在于：上述步骤(4)所述重点人员位置时空预测中，任意网格成为目标网格的概率为：

其中，统一指代用户给定的间隔时间与间隔距离信息，p(t_i3|s_i2)p(t_i3|s_i2-1)表示语义时空信息之间的依赖关系。