[发明专利]一种基于卷积神经网络的轨迹属主预测方法

说明书

本发明公开了一种基于卷积神经网络的轨迹属主预测方法，根据所有用户的轨迹形成一个有向无权图G＝V,E，通过Node2Vec学习轨迹位置ID的低维实值向量；然后对用户轨迹进行切片处理，对切割后的不定长轨迹用位置ID对应的低维实值向量代替位置ID，并通过截取或填充形成轨迹的固定维度矩阵；接着，构建及训练一个四层卷积神经网络作为预测模型，然后将待检测的用户位置经纬度构建的轨迹矩阵输入到已经训练好的预测模型中，得到轨迹属主分类的概率分布，最后将概率分布中最大值的索引标记为该轨迹对应属主的编号。

技术领域

本发明属于机器学习技术领域，更为具体地讲，涉及一种基于卷积神经网络的轨迹属主预测方法。

背景技术

轨迹属主预测通过对某个未知属主的轨迹进行特征提取和分析，然后判断该条轨迹的属主。轨迹属主预测是许多基于位置的服务的基础，对于提高基于位置的服务的质量具有重要意义，服务提供者可以利用预测结果进行个性化推荐和基于偏好的路径规划等。

已有的轨迹属主预测方法通常是把轨迹作为时间序列处理，然后采用RNN等方式学习时间序列的表示。这种方式虽然学习了轨迹的前后关系，但是在一个轨迹序列中，可能某个特定位置或者某几个特定位置组合对于轨迹的分类至关重要，已有的方法却无法有效捕捉轨迹的这些特征，而卷积神经网络却能够更好的学习到这些特征，所以我们提出一种基于卷积神经网络的轨迹属主预测方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于卷积神经网络的轨迹属主预测方法，通过改进轨迹建模和特征提取方法，来提高轨迹预测的准确率。

为实现上述发明目的，本发明提出一种基于卷积神经网络的轨迹属主预测方法，其特征在于，包括以下步骤：

(1)、数据预处理

(1.1)、将所有用户轨迹的历史位置经纬度按照时间顺序统计，形成经纬度集合，其中，若某一经纬度重复出现，则在经纬度集合中仅保留一次；

对经纬度集合中的每一个经纬度从1开始编号，给定唯一一个位置ID标识；

(1.2)、按时间顺序，用步骤(1.1)中给定的位置ID去替代用户轨迹历史位置经纬度，则每个用户轨迹用一串位置ID表示；同时，将每个用户用唯一的整数ID进行标识，从而用户及用户轨迹就可以形成形式为[用户ID，轨迹(位置ID，…，位置ID)]的属主轨迹；

(1.3)、根据属主轨迹形成一个有向无权图G＝V,E，其中，V是所有位置ID的集合，如果出现某个用户从ID_i到ID_j，则ID_i，ID_j表示一条有向边，所有这样的边构成图G的边集E；

(2)、轨迹表示

(2.1)、以构建的有向无权图G作为输入，通过Node2Vec算法学习出G中每一个位置ID的低维实值向量；

(2.2)、将步骤(1.2)中每个用户的轨迹按照固定时间间隔进行切片，从而将每一个用户轨迹分割成若干条位置ID序列，再用用户ID对切割后的位置ID序列进行属主标识；

(2.3)、对切割后的不定长轨迹，用位置ID对应的低维实值向量来代替该位置ID，从而生成每个用户的轨迹矩阵；

然后通过截取或填充方式，构建每个用户固定维度的轨迹矩阵，从而形成数据集，其中，填充的向量为所有位置ID对应的低维实值向量的平均值；

(3)、构建预测模型