[发明专利]一种基于公度性思想的最小二乘法路径预测算法

说明书

本发明公开了一种基于公度性思想的最小二乘法路径预测算法，基于真实的用户轨迹，收集轨迹数据集提取出经纬度数据，根据时间阈值划分出轨迹，将从轨迹起始点到不超过距离阈值的所有点所在区域规划成一个移动点，然后将轨迹中每个相邻移动点间的中心点相互连接形成新的轨迹图，得到每个相邻点对应的角度值，根据角度阈值筛选得到转弯角度集合，利用可公度性对转弯角度集合进行验证并通过最小二乘法拟合得到当前轨迹的误差值，根据误差值预测用户下一次轨迹的转弯角度，最后结合时间和速度规划出路径，统计并找出用户的运动角度变化规律可以更进一步的在基于用户自身的基础上提高预测的准确性。

技术领域

本发明属于路径预测技术领域，具体涉及一种基于公度性思想的最小二乘法路径预测算法。

背景技术

一直以来，预测人类的运动轨迹都是在科学研究上是重要的议题，并且在实际应用中也有很重要的作用，就像在通信领域中，随着目前通信技术的发展，用户的需求也逐渐提高。不仅要保证用户的通话连通性，而且在互联网的发展，用户的上网体验也需要提高。而要保障用户的体验，移动连通性的保障则变得极为重要。如果能知道用户的下一位置，并提前将内容缓存在对应的基站中，那么用户的移动连通性将会得到很大的改善，所以预测用户的路径则也就随之变得极为迫切。而因为人类的行为具有很大的不确定性，所以预测难度就变得很大。在过去的很长一段时间里，因为无法对人类的运动轨迹进行预测，以至于人类的行为轨迹被认为是杂乱无章的，没有规律可行的。现在随着GPS技术的成熟，人们的运动轨迹已经被记录在了各种终端上，例如手机等。现在通过记录的各种轨迹点坐标点数据和各种模型，例如：随机漫步模型、随机路径点模型、高斯—马尔科夫链模型、神经网络等各种模型，人类的运动行为已经被发现具有各种规律可寻。

很多地球物理过程显示周期性，事物的周期性也已经被广泛深入的研究和应用。可公度性是周期性的扩张。“可公度性”(commensurability)来自于天文学，是建立在天文学家对太阳系行星与太阳距离分布的观察和研究上。反映了自然界事物之间的一种秩序，是自然现象周期性的一种客观外在反映，后来，我国翁文波愿院士将其引入到预测学中。

在以往的预测中，大致可分为以下几种预测方法：

一种是基于神经网络的预测方法，通过对大量的数据进行学习来获取用户的运动规律，然后进行下一次可能的运动轨迹的预测。其往往需要大量的数据进行模型训练，并且受到数据上的限制，其往往在路径预测中具有很大的局限性；

一种方法是通过数据挖掘技术对用户以往的历史轨迹进行挖掘，利用关联规则，找出用户的移动模型。这种方法和另一种方法利用用户的以往路径图，统计出用户最常走的路径轨迹，并赋予该路径较大的权重，然后进行用户的路径推荐，将推荐的路径用作用户的下一次路径预测。但这两种方法往往只适合在城市中，并且用户应是一种有规律的活动，例如：一个正常上下班的用户准确率高于一个经常出差的人，这时预测的准确性才会较高；

一种是根据道路的拓扑结构进行预测，首先将用户所在的道路信息前存入到所在范围的道路信息数据库中，然后根据预测的下一地点与上一地点的相关性进行预测。这种方法需要将道路提前存储，需要大量的存储空间并且因为其使用时以用户单体为主，所以具有很大的随机性；

还有一种是利用用户的当前运动模型进行预测，如：利用当前位置、速度和运动方向进行预测。这种方法进行简单的用户移动预测时，如直线运动时的预测时准确率高，但一旦涉及较为复杂的用户运动时，因为其预测模型的简单，往往会被限制，得不到较为理想的预测结果。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于公度性思想的最小二乘法路径预测算法，根据公度性思想预测用户的下一次轨迹角度，然后根据用户的角度规划出一条路径，在实际的用户运动中，用户的运动在某一时间段内是有规律可寻的，在用户的运动中，统计并找出用户的运动角度变化规律可以更进一步的在基于用户自身的基础上提高预测的准确性。

本发明采用以下技术方案：