[发明专利]隐藏状态序列的确定方法和街区的功能类型的确定方法

权利要求书

1.一种隐藏状态序列的确定方法，包括：

获取目标街区对应的观测序列，所述观测序列包括所述目标街区在两个以上的时间片内的人口活动数据，所述人口活动数据涉及对应于街区的人口活动行为的活动行为特征，所述活动行为特征至少包括人口流动数目和针对预定类型的兴趣点的访问频率；

基于所述观测序列、隐马尔科夫模型中与所述目标街区对应的初始状态概率、与所述目标街区对应的状态转移概率、与所述隐马科夫模型涉及的各候选街区共同对应的高斯分布均值、以及与各所述候选街区共同对应的高斯分布方差，确定所述目标街区在所述观测序列覆盖的各时间片内分别处于所述隐马尔科夫模型的各隐藏状态的局部概率，并确定与各所述局部概率分别对应的反向指针，所述隐藏状态用于表征街区的人口密集程度、人口流量、以及人口活动类型；

基于所述目标街区在所述观测序列覆盖的最后一个时间片内分别处于各所述隐藏状态的局部概率中的最大局部概率，确定所述目标街区在该最后一个时间片内所处的隐藏状态；

基于所述目标街区在该最后一个时间片内所处的隐藏状态及各所述反向指针进行最优路径回溯，得到隐藏状态序列。

2.根据权利要求1所述的方法，其特征在于，所述获取目标街区对应的观测序列，包括：

获取所述目标街区对应的原始观测序列；所述原始观测序列包括所述目标街区在两个以上的时间片内的原始人口活动数据，各所述原始人口活动数据涉及的活动行为特征包括人口流动数目和针对预定类型的兴趣点的访问频率；

对各所述原始人口活动数据中的人口流动数目、以及与各所述原始人口活动数据中的针对预定类型的兴趣点的访问频率对应的TF-IDF参数进行最大值归一化，得到所述目标街区对应的观测序列。

3.根据权利要求1所述的方法，其特征在于，确定所述目标街区在所述观测序列覆盖的任一时间片内处于所述隐马尔科夫模型的任一隐藏状态的局部概率的方式，包括：

基于所述观测序列中该时间片内的人口活动数据、与所述隐马尔科夫模型涉及的各候选街区共同对应的高斯分布均值、以及与各所述候选街区共同对应的高斯分布方差，确定所述目标街区在该时间片内处于该隐藏状态的条件下产生所述观测序列中该时间片内的人口活动数据的发射概率；

基于所述目标街区在与该时间片相邻的上一个时间片内处于所述隐马尔科夫模型的各隐藏状态的局部概率、所述隐马尔科夫模型中与所述目标街区对应的状态转移概率、以及所述发射概率，确定所述目标街区在该时间片内处于该隐藏状态的局部概率；

其中，所述目标街区在所述观测序列覆盖的第一个时间片内处于该隐藏状态的局部概率，基于所述目标街区对应的初始状态概率中与该隐藏状态对应的概率、以及所述目标街区在该第一个时间片内处于该隐藏状态的条件下产生所述观测序列中第一个时间片内的人口活动数据的发射概率确定。

4.根据权利要求3所述的方法，其特征在于，所述高斯分布均值包括处于所述隐马尔科夫模型的各隐藏状态的条件下，分别产生所述观测序列中的人口活动数据涉及的各活动行为特征的概率所服从的高斯分布的均值，所述高斯分布方差包括处于所述隐马尔科夫模型的各隐藏状态的条件下，分别产生所述观测序列中的人口活动数据涉及的各活动行为特征的概率所服从的高斯分布的方差；

所述基于所述观测序列中该时间片内的人口活动数据、与所述隐马尔科夫模型涉及的各候选街区共同对应的高斯分布均值、以及与各所述候选街区共同对应的高斯分布方差，确定所述目标街区在该时间片内处于该隐藏状态的条件下产生所述观测序列中该时间片内的人口活动数据的发射概率，包括：

基于处于该隐藏状态的条件下产生所述观测序列的人口活动数据涉及的各活动行为特征的概率所服从的高斯分布的方差、处于该隐藏状态的条件下分别产生所述观测序列的人口活动数据涉及的各活动行为特征的概率所服从的高斯分布的均值、以及所述目标街区在所述观测序列中该时间片内的人口活动数据，确定所述目标街区在该时间片内处于所述隐马尔科夫模型的该隐藏状态的条件下产生该人口活动数据的发射概率。