[发明专利]一种移动预测方法、智能终端及存储介质

说明书

本发明公开了一种移动预测方法、智能终端及存储介质，所述方法包括：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；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；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。本发明在进行移动预测时，结合新旧数据，对兴趣区域进行实时更新，以提高后续预测结果的准确性。

技术领域

本发明涉及地理信息技术领域，尤其涉及一种移动预测方法、智能终端及存储介质。

背景技术

个人移动的研究是智慧城市、社会科学等领域的重要问题之一，具有广泛的应用，例如根据个人的移动实时提供天气预报。目前基于个人移动的预测方法有基于马尔科夫链的、基于序列模型的、基于分类模型的、及基于其他模型如神经网络的四大类。其中基于分类模型的方法具有综合利用时空特征且在稀疏、密集数据上都较为适用的优点。但是目前的基于分类模型的预测方式较为固定，缺少对个人行为变化的考虑，例如以下两点：

(1)活动区域的变化：随着时间的推进，个人可能由于搬家、转校等原因，活动区域范围发生了变化，包括探索新的活动区域，以及离开旧的活动区域，现有方法无法实时更新活动区域，同时检测其变化；

(2)区域内移动规律的变化：由于时间(如季节)、交通(道路维修)、个人偏好等原因，个人对区域的访问时间、访问顺序等可能会产生变化，现有方法无法检测移动规律变化。

发明内容

本发明的主要目的在于提供一种移动预测方法、智能终端及存储介质，旨在解决现有技术中个人移动模式变化带来的移动预测不精确的问题，以提高移动预测的可靠度和精确性。

为实现上述目的，本发明提供一种移动预测方法，所述移动预测方法包括如下步骤：

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；

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。

可选地，所述移动预测方法，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。

可选地，所述移动预测方法，其中，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；