[发明专利]一种基于自适应时间戳与多尺度特征提取的轨迹预测方法

权利要求书

1.一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，其特征在于，包括以下步骤：

S1：根据用户的签入点数据的特殊性，分析签入点时间特性，确定用户的自适应轨迹切割时间戳；所述时间戳的时间间隔序列为平均数或众数

S2：根据用户的自适应时间戳，对用户轨迹进行切割，来拟合用户的运动模式；

S3：使用基于多方法集成的轨迹时间序列特征提取方法对用户历史轨迹进行特征提取；

S4：对特征向量进行归一化处理，统一多尺度特征量纲；

S5：通过LSTM网络模型和分类器预测下一个POI。

2.根据权利要求1所述的一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，其特征在于，所述轨迹时间序列特征提取方法是通过结合小波变换、多重分形和统计分析集成的，用于提取三种不同的轨迹时间序列特征。

3.根据权利要求2所述的一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，其特征在于，所述小波变换包括以下步骤：

S311：利用小波变换对原始轨迹时间序列进行降噪；

S312：对经过去噪的时间序列进行两层分解；

S313：提取平均高频子波系数作为轨迹时间序列特征一。

4.根据权利要求2所述的一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，其特征在于，所述多重分形包括以下步骤：

S321：利用小波变换对原始轨迹时间序列进行降噪；

S322：采用多重分形方法提取轨迹时间序列特征二。

5.根据权利要求2所述的一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，其特征在于，所述统计分析包括以下步骤：

S331：根据统计特征计算方法计算轨迹时间序列统计特征；

S332：提取时间均值、位置众数作为轨迹时间序列特征三。

6.根据权利要求1所述的一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，其特征在于，所述S4具体包括以下步骤：

S401：使用因果POI嵌入模型将轨迹签入点数据映射到低维空间中，生成一个固定长度的向量；

S402：对得到的向量进行归一化处理，统一特征向量量纲。