[发明专利]一种预测用户移动轨迹点的方法

说明书

一种预测用户在目标时刻的预测轨迹点的方法，包括：对用户过往一段时间内的多个历史轨迹点进行密度聚类，并基于所述密度聚类的结果获得至少一个驻留点；从所述至少一个驻留点中选取与所述目标时刻满足预定条件的驻留点作为候选驻留点；以及基于预定规则，从所述候选驻留点中选择一个驻留点作为所述预测轨迹点本发明的预测用户移动轨迹的方法基于对用户历史轨迹点的密度聚类结果进行预测，充分利用了用户的历史轨迹，使得预测结果更准确。

技术领域

本发明涉及移动通信，具体而言，涉及一种在移动通信系统中预测用户移动轨迹点的方法。

背景技术

近年来，在移动通信系统中，基于历史轨迹点预测便携式移动终端的使用者或用户的移动已成为移动轨迹预测领域的新热点。历史轨迹点的概念在移动通信领域中是周知的。历史轨迹点主要依靠来自于便携式移动终端内部嵌入的传感器观测的数据以及用户连接的基站信号记录的数据而获得，用于表示用户在过去某个时刻的位置。分析和挖掘这些历史轨迹点并构建预测模型，可以有助于在相关领域的应用中进行科学决策。移动轨迹预测通常是指根据历史轨迹点，结合用户当前时间及所处位置等信息，预测用户未来较短的一段时间后将要达到的地点。比如旅行社可以通过对潜在客户的移动轨迹预测的结果来安排旅游产品的营销策略。

现有技术提出了一种预测移动对象轨迹终点的方法，该方法采用了贝叶斯模型及马尔可夫模型。然而，该方法并未消除马尔科夫链的无后效性对预测准确率的影响，即未充分利用用户历史轨迹点，导致准确率不高。现有技术还提出了一种基于用户历史轨迹点的地点序列预测方法。该方法标定停留地点，通过将用户的轨迹划分为地点访问时间序列的方式，并结合用户的当前情境特征，从而计算出多个下一时刻地点分布。然后，通过人为定义并调节权重做加权，最终预测出用户下一时刻的地点分布。然而，该方法并未考虑人类日常行为当中隐含的规律性，并还加入人为调节因素，这会影响轨迹预测结果的客观性和准确率。

发明内容

针对现有技术中存在的问题，本申请的目的在于提供一种能够充分利用用户历史轨迹点、且准确率更高的用户移动轨迹点预测方法。

一种预测用户在目标时刻的预测轨迹点的方法，包括：对用户过往一段时间内的多个历史轨迹点进行密度聚类，并基于密度聚类的结果获得至少一个驻留点；从所述至少一个驻留点中选取与目标时刻满足预定条件的驻留点作为候选驻留点；以及基于预定规则，从候选驻留点中选择一个驻留点作为所述预测轨迹点。

本发明的预测用户移动轨迹点的方法基于对用户历史轨迹点的密度聚类结果进行预测，充分利用了用户的历史轨迹点，使得预测结果更准确。

附图说明

图1示出了根据本发明的一个实施例的预测用户移动轨迹的方法的流程图。

图2示出了根据本发明的另一个实施例的预测用户移动轨迹的方法的流程图。

具体实施方式

现在将参照若干示例性实施例来论述本发明的内容。应当理解，论述了这些实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。

如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。术语“另一个实施例”要被解读为“至少一个其他实施例”。

参照图1，示出了根据本发明的一个实施例的预测用户在将来某目标时刻的轨迹点(预测轨迹点)的方法的流程图。图2以更详细的方式示出了另一个实施例的预测用户移动轨迹的方法的流程图。

下面将结合图1、图2对各个步骤进行具体说明。

步骤1：对用户过往一段时间内的多个历史轨迹点进行密度聚类，基于密度聚类的结果获得至少一个驻留点。