[发明专利]一种基于回声状态网络的历史轨迹目的地预测方法

说明书

本发明公开了一种基于回声状态网络的历史轨迹目的地预测方法，包括以下步骤：S1、预测服务提供者对某一区域中行驶轨迹数据进行预处理；S2、构建基础回声状态网络模型；S3、利用训练数据集对基础回声状态网络模型进行训练，得到回声状态网络模型；S4、通过测试数据集对回声状态网络模型进行测试与优化，选出测试结果最优的参数表；S5、将最优的参数表作为到回声状态网络模型的参数，得到预测模型；S6、利用预测模型对实时轨迹数据进行预测，将预测结果返回轨迹数据提供者。本发明用于解决用户的轨迹预测问题，只要能够采集到足够的历史轨迹数据来进行模型的训练以及修正，得到符合运动特性的模型，就能大幅度提高预测的准确性。

技术领域

本发明属于目的地预测领域，具体涉及一种基于回声状态网络的历史轨迹目的地预测方法。

背景技术

这些年来，移动互联网应用得到迅猛发展，移动终端产品例如智能手机、平板电脑、智能手表、运动手环等设备越来越得到广泛的使用。这些设备产生海量的数据，如何发掘这些数据中的有用信息是数据挖掘领域研究的一个热点。

同时随着GPS、移动信号网络和无线网络等的定位技术大力发展，基于位置信息服务的数据挖掘也应运而生。通过使用各种基于位置的服务(Location Based Service,LBS),如附近陌生人社交，附近娱乐场所推荐，交通线路的推荐，物流配送等等的服务，给人们的生产、生活和工作带来了极大的便利。

其次，在过去的很长一段时间内，由于缺乏大量数据的积累，人类的移动行为是被认为杂乱的、随机的、没有规律可言。但是随着移动互联网技术、定位技术和云服务技术的发展，大量的移动行为特征数据被积累起来，这些数据从多个角度反映了人类移动行为的特征，这就为移动轨迹和目的地的预测提供了比较可靠的科学依据。在基于大量的位置信息的前提下，利用合适且高效率的数据分析方法从中提取出有效的数据，构建起时空数据库，在此基础上对人类行为的特征进行建模，寻找出人类移动的规律，然后来进行轨迹的分析同时进行目的地的预测，利用大数据和建模的方法对人类行为进行诠释，从而更好地利用大量的位置信息，方便人们的生活。

而如果可以提前预测用户的下一个即将到达目的地的话，就可以发展更多便利的、个性化的服务，提高用户个人的使用体验。例如智能的交通导航，如果检测到预测的目的地路线上出现了交通堵塞现象时，可以智能地提醒使用者，并提供多条可以选择的路线。或者检测到下个可能访问到的位置处是娱乐场所时，系统可以自动提供该场所的信息或者沿线上其他相似的场所的信息，如果用户对这些信息感兴趣就可以顺道去消费。或者用户在某个时间段都会做同一件事，产生相似的轨迹路线，那么在下次这个时间段系统就会事先预测好这个目的地，然后推荐给用户多条可以选择的路线。这些功能都可以通过LBS结合用户的历史轨迹路线再加上合适的算法来实现，由此可见位置预测技术是比较有价值的研究方向。

因此考虑到移动交通数据的大爆发，如何根据历史轨迹数据对用户的轨迹进行一个实时地分析、预测已经成为一个热点的问题，同时通过这种方法充分利用海量的交通数据，从而解决人类生活过程中遇到的一些困难问题，例如交通阻塞问题，交通线路推荐等等。所以需要运用新的方法和模型来解决这一类的轨迹预测问题，提高预测的精度。

发明内容

本发明解决的技术问题是在收集到足够的历史轨迹数据条件下，对用户的出行轨迹进行一个预测，同时尽可能提高预测的精准度。

为了达到此目的，本发明采用以下的技术方案。

一种基于回声状态网络的历史轨迹目的地预测方法，包括以下步骤：

S1、预测服务提供者对某一区域中的移动物体的行驶轨迹数据进行预处理，再将预处理后的数据分为训练数据集和测试数据集；

S2、根据目的地预测的基本特点构建基础回声状态网络模型；

S3、预测服务提供者通过设定模型评估标准，利用训练数据集对步骤S2中的基础回声状态网络模型进行训练，得到回声状态网络模型；