[发明专利]目的地预测设备和方法

说明书

技术领域

本申请涉及数据分析领域，具体涉及一种用于预测目的地的设备和方法。

背景技术

基于位置的服务根据用户的位置信息来提供相关的服务或信息推荐。其中，目的地预测技术将直接影响基于位置的服务的质量。如果用户的目的地位置能够被准确地预测出来，那么就可以针对用户未来要去的地方向用户提供个性化的位置服务和相关的信息推荐。例如，可以将用户将要去的目的地周边的停车场信息/交通信息/商铺折扣信息等自动地提供给用户。

现有的目的地预测技术根据位置的转移模式来预测未来可能的目的地位置。然而，在大多数情况下，位置之间的转移特征可能并不显著。例如，某个用户周末经常要去公园，但每次去的公园位置可能是不同的。因此，在这种情形下，无法找出该用户周末去公园的位置转移模式，从而无法准确地预测用户的目的地位置。

因此，需要一种能够准确地预测用户的目的地位置的技术方案。

发明内容

本申请采用分层次的预测模型，基于活动的转移模式而不是位置的转移模式来预测用户的目的地位置和活动。这是因为，活动转移比位置转移更有规律，因而更具有可预测性。

根据本发明的第一方面，提供了一种用于构建目的地的分层次预测模型的设备，包括：抽取单元，被配置为接收用户历史位置数据并从用户历史位置数据中抽取输入数据和输出数据，所述输入数据包括用户的离开位置和相应的时间，所述输出数据包括用户的目的地位置；确定单元，被配置为基于所述输入数据和所述输出数据来确定用户在每一个位置可能的活动及其初始概率，并基于用户的离开模式和到达模式对所述初始概率进行调整；以及预测模型获得单元，被配置为基于所述输入数据以及调整后的概率来获得目的地的分层次预测模型，其中，所述分层次预测模型的第一层表示活动以及活动之间的转移，所述分层次预测模型的第二层表示活动的位置。

优选地，所述确定单元还被配置为：通过人工标注或地图数据计算来得到用户在每一个位置可能的活动及其初始概率。

优选地，所述确定单元还被配置为：判断用户在两个位置的到达模式和离开模式是否相似；以及如果相似，则提高所述两个位置处的相同活动的概率并降低其他活动的概率。

优选地，所述预测模型获得单元还被配置为：通过使用马尔可夫模型、神经网络或频繁模式识别中任意一项，基于所述输入数据以及调整后的概率来获得分层次预测模型。

优选地，所述确定单元还被配置为：如果两个位置中每一个位置的上一位置和下一位置分别相同，而且到达两个位置的时间以及从两个位置离开的时间分别位于相同时间段内，则判断所述两个位置的到达模式和离开模式相似。

优选地，所述确定单元还被配置为：如果两个位置的上一位置和下一位置分别接近，而且到达两个位置的时间以及从两个位置离开的时间分别位于相同时间段内，则判断所述两个位置的到达模式和离开模式相似。

根据本发明的第二方面，提供了一种目的地预测设备，包括：接收单元，被配置为接收用户的离开位置和相应的时间；预测单元，被配置为基于所接收的用户的离开位置和相应的时间，应用分层次预测模型来预测用户的目的地和活动；其中，所述分层次预测模型的第一层表示活动以及活动之间的转移，所述分层次预测模型的第二层表示活动的位置。

优选地，预测设备还包括：存储单元，被配置为存储用户的实际位置数据，所述用户的实际位置数据用于更新用户历史位置数据。

根据本发明的第三方面，提供了一种用于构建目的地的分层次预测模型的方法，包括以下步骤：接收用户历史位置数据并从用户历史位置数据中抽取输入数据和输出数据，所述输入数据包括用户的离开位置和相应的时间，所述输出数据包括用户的目的地位置；基于所述输入数据和所述输出数据来确定用户在每一个位置可能的活动及其初始概率，并基于用户的离开模式和到达模式对所述初始概率进行调整；以及基于所述输入数据以及调整后的概率来获得目的地的分层次预测模型，其中，所述分层次预测模型的第一层表示活动以及活动之间的转移，所述分层次预测模型的第二层表示活动的位置。

优选地，通过人工标注或地图数据计算来得到用户在每一个位置可能的活动及其初始概率。

优选地，判断用户在两个位置的到达模式和离开模式是否相似；以及如果相似，则提高所述两个位置处的相同活动的概率并降低其他活动的概率。

优选地，通过使用马尔可夫模型、神经网络或频繁模式识别中任意一项，基于所述输入数据以及调整后的概率来获得分层次预测模型。