[发明专利]一种移动预测方法、智能终端及存储介质有效

专利信息
申请号: 202011392382.9 申请日: 2020-12-02
公开(公告)号: CN112541621B 公开(公告)日: 2021-08-31
发明(设计)人: 史文中;沈枭麒 申请(专利权)人: 香港理工大学深圳研究院
主分类号: G06Q10/04 分类号: G06Q10/04;G06F16/29;G06K9/62
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 陈专
地址: 518057 广东省深圳市南山区粤海街道高新*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 移动 预测 方法 智能 终端 存储 介质
【权利要求书】:

1.一种移动预测方法,其特征在于,所述移动预测方法包括:

获取新增移动数据和历史移动数据,并对所述新增移动数据和所述历史移动数据进行聚类处理,生成对应的新增兴趣区域;

当所述新增兴趣区域与预设的历史兴趣区域之间的相似度值符合预设的相似度规则时,根据所述新增移动数据,对所述历史移动数据进行更新,得到更新移动数据,其中,所述历史兴趣区域为根据所述历史移动数据聚类得到的兴趣区域;

根据所述更新移动数据,对预设的初始移动预测模型进行训练,生成目标移动预测模型;其中,所述根据所述更新移动数据,对预设的初始移动预测模型进行训练,生成目标移动预测模型,具体包括:

对所述更新移动数据进行去重复处理,得到有效移动数据;

对所述有效移动数据进行聚类处理,生成对所述更新移动数据对应的更新兴趣区域;

将各个所述有效移动数据对应的更新兴趣区域作为对应的当前访问区域,并根据各个所述有效移动数据对应的更新兴趣区域以及所述有效移动数据之间的移动关系,提取各个所述有效移动数据对应的空间特征和时间特征,得到各个有效移动数据对应的移动事件;

根据所述移动事件,对预设的初始预测模型进行训练,生成目标移动预测模型;

当检测到待预测的指定时刻时,将所述指定时刻输入所述目标移动预测模型中,生成所述指定时刻对应的目标区域并输出。

2.根据权利要求1所述的移动预测方法,其特征在于,所述更新移动数据包括采集时刻和采集坐标;所述对所述更新移动数据进行去重复处理,得到有效移动数据,具体包括:

根据所述采集时刻的先后顺序,对所述更新移动数据进行排序,生成移动数据序列;

依次计算所述移动数据序列中第N更新移动数据和第M更新移动数据之间的采集时刻的差值,得到移动时间,其中,N和M为小于等于所述更新移动数据的数量的正整数,且N小于M;

当所述移动时间小于等于预设的移动时间阈值时,根据所述第N更新移动数据和所述第M更新移动数据之间的采集坐标,计算对应的移动距离;

当所述移动距离小于等于预设的移动距离阈值时,将所述第N更新移动数据作为有效移动数据。

3.根据权利要求1所述的移动预测方法,其特征在于,所述空间特征包括先前访问区域;所述将各个所述有效移动数据对应的更新兴趣区域作为对应的当前访问区域,并根据各个所述有效移动数据对应的更新兴趣区域以及所述有效移动数据之间的移动关系,提取各个所述有效移动数据对应的空间特征和时间特征,得到各个有效移动数据对应的移动事件,具体包括:

根据所述有效移动数据的采集时刻的先后顺序,对各个所述有效移动数据进行排序,生成有效移动数据序列;

将所述有效移动数据序列中第i有效移动数据对应的更新兴趣区域作为所述有效移动数据序列中第i+1有效移动数据对应的先前访问区域,将所述有效移动数据序列中第i+1有效移动数据对应的更新兴趣区域作为对应的当前访问区域,并根据所述先前访问区域和所述当前访问区域,生成所述第i有效移动数据对应的空间特征,以及

根据预设的时刻划分规则和各个所述有效移动数据的采集时刻,生成各个所述有效移动数据对应的时间特征,其中,i为小于所述有效移动数据的数量的正整数。

4.根据权利要求3所述的移动预测方法,其特征在于,所述时刻划分规则包括周划分规则和日划分规则。

5.根据权利要求1所述的移动预测方法,其特征在于,所述初始预测模型包括特征权重对象,所述特征权重对象包括所述空间特征和所述时间特征;所述根据所述移动事件,对预设的初始预测模型进行训练,生成目标移动预测模型,具体包括:

针对每一个所述特征权重对象,根据所述移动事件,计算该特征权重对象对应各个所述更新兴趣区域的特征训练概率值;

将数值最大的特征训练概率值对应的更新兴趣区域作为特征训练预测区域,并针对每一个所述移动事件,根据该移动事件中的当前访问区域、所述特征训练预测区域和预设的权重调整公式,对该特征权重对象对应的权重值进行调整,生成目标移动预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于香港理工大学深圳研究院,未经香港理工大学深圳研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011392382.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top