[发明专利]基于Markov模型和概率统计的位置预测方法及可读存储介质

权利要求书

1.一种基于Markov模型和概率统计的位置预测方法，其特征在于，包括以下步骤：

采集用户的位置定位坐标集，并对其进行数据预处理，得到体现运动轨迹的位置序列数据集；

建立变阶Markov模型，以对所述位置序列数据集进行位置预测，得到预测的第一位置预测坐标及对应的第一位置预测概率；

利用用户累计的轨迹数据建立位置预测数据库，构建对应的概率矩阵，以对所述位置序列数据集进行位置预测，得到预测的第二位置预测坐标及对应的第二位置预测概率；

比较所述第一位置预测概率和第二位置预测概率的大小；

若所述第一位置预测概率大于第二位置预测概率，则取所述第一位置预测坐标为位置预测结果；否则取所述第二位置预测坐标为位置预测结果。

2.根据权利要求1所述的基于Markov模型和概率统计的位置预测方法，其特征在于，将所述位置序列数据集构造成字典树序列集，变阶Markov模型通过以下公式对所述字典树序列集进行位置预测：

其中，s为字典树序列集，c为待预测数据集，escape为逃逸数据集，为数据集中没有在字典树序列集s之后出现的数据集出现的概率，为在字典树序列集s之后出现待预测数据集c出现的概率，P(c|s)为位置预测概率；

取最大的位置预测概率作为第一位置预测概率，取最大的位置预测概率对应的位置作为第一位置预测坐标。

3.根据权利要求2所述的基于Markov模型和概率统计的位置预测方法，其特征在于，建立变阶Markov模型之前，先确定Markov模型的阶数，包括以下步骤：

采用序列模式算法PrefixSpan算法计算出位置序列数据集的支持度，当预测位置序列数据集中支持度超过阈值则直接输出其预测结果，否则根据长度匹配规则定位到对应阶数Markov模型进行预测；若预测位置在轨迹序列树中找不到对应路径，则根据二阶Markov模型进行预测。

4.根据权利要求1所述的基于Markov模型和概率统计的位置预测方法，其特征在于，将地图简化为G＝＜V,E＞，其中，V为交叉路口的集合，E为所有路段的集合，G由邻接矩阵表示；

所述建立位置预测数据库中的数据包括用户所在位置信息及周边区域的位置信息以及用户历史轨迹信息；

根据用户移动产生的在地图上的运动轨迹，将所述位置序列数据集转化为包括交叉路口的集合和路段的集合的邻接矩阵，并将该用户移动时经过的路段数据存储为历史轨迹数据；

若用户在位置预测数据库中没有历史轨迹数据时，使用其他用户的历史轨迹数据作为该用户的位置预测数据；

所构建的概率矩阵数据根据用户的运动轨迹进行动态更新。

5.根据权利要求4所述的基于Markov模型和概率统计的位置预测方法，其特征在于，对所述用户当前所在的交叉路口构建如下概率矩阵：

其中，E₁,E₂,...,E_n为当前所在的交叉路口处的n条路段，p(E_i|E_j)为用户在路段E_j且接下来预测位置在路段E_i的概率；

将所述概率矩阵M中最大的概率值作为所述第二位置预测概率，其对应的预测位置所在路段作为所述第二位置预测坐标。