[发明专利]群体的移动模式的确定方法和预测群体目的地的方法

说明书

本发明实施例提供一种群体的移动模式的确定方法和预测群体目的地的方法。该方法包括：获取区域范围内所有个体的历史移动轨迹以及各历史移动轨迹发生的时间；将区域划分为多个子区域，参照划分后的子区域，将各历史移动轨迹转化为由子区域的编号构成的多个移动序列；将属于同一时间段内、存在相同的序列片段的移动序列所对应的多个个体聚合为一个群体，并基于相同的序列片段和关联的群体的类型，生成一项群体的移动模式；统计多个时间段内生成的各项群体的移动模式出现的支持度，将支持度达到或超过预设阈值的群体的移动模式确定为群体的有效移动模式。本发明实施例将群体的移动模式作为对预测用户的目的地的参考，提高预测用户目的地的准确性。

技术领域

本发明涉及定位导航领域，尤其涉及一种群体的移动模式的确定方法和预测群体目的地的方法。

背景技术

随着移动设备和获取室内外位置技术的快速发展，可以越来越轻松的获取大量的人员在某一区域的移动轨迹数据。这些大量数据对快速增长的基于位置的应用市场是非常有用的。由于这些应用的各种要求，例如个性化营销，准确地预测到用户的下一个位置是至关重要的。通过了解用户的下一个移动位置，可以预先将资源分配到最有效的位置，而不是盲目的资源分配。对移动用户的有效资源分配将导致更高的资源利用率和更低的资源访问时间。此外，准确地预测后续的位置可以提升现有的一些服务，例如个性化广告和服务推荐。

预测用户的下一个位置的研究激发了许多研究者的兴趣。由于位置预测的过程与位置推荐非常相似，现有方法直观地将位置推荐方法作为位置预测模型。

同时也有各种通过挖掘序列模式用于位置预测，这些方法将位置预测作为历史移动匹配问题来解决。他们通常将用户的运动轨迹视为一系列的位置，然后从这组轨迹中提取复杂的运动模型。这些运动模型被用来预测用户的下一个位置。

为了提取重要的运动模型，现有的方法从用户轨迹中挖掘个体复杂的位置序列，从而将所有移动假定为个体移动，因此，所提取的移动模型反映了用户的兴趣。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

采用位置推荐作为预测有一些困难。首先，位置推荐过程是非实时估计的，这意味着在提出建议时不会考虑用户的最近的移动。其次，传统的位置推荐方法只考虑用户的兴趣，使得这些方法只适用用户可能感兴趣的新位置。然而，推断下一个位置不仅仅需要考虑用户的兴趣，更也需要考虑用户的意图。人们并不仅仅因为感兴趣而访问这些位置，而是因为那是用户必须经过的地方。因此，将这些推荐技术应用到位置预测中并不特别合适简单。

序列模型挖掘技术用于位置预测方法的弱点在于他们仅依据运动模型，但是没有考虑到用户的个性化。人们访问某一个地方除了要根据自己的兴趣之外，还要考虑到所在团队的意图。以两个大人和一个小孩在购物中心为例，仅考虑个人，可能导致一个位置预测，但是在考虑到群体的类型时，例如家庭，可能导致完全不同的位置预测。

发明内容

为了至少解决现有技术中的移动模式的确定仅考虑用户的兴趣、不考虑用户的个性化、也没有在预测中考虑到团体类型的问题，申请人意外的发现通过利用用户的信息来预测所发现用户群体的类型，设定群体的规则，考虑一般移动规则和群体的规则来预测待预测群体的下一位置可以解决上述问题。

第一方面，本发明实施例提供一种群体的移动模式的确定方法，包括：

获取目标区域范围内所有个体的历史移动轨迹以及各历史移动轨迹发生的时间；

将所述目标区域划分为多个子区域，参照所述划分后的子区域，将所述各历史移动轨迹转化为由子区域的编号构成的多个移动序列；

将所述历史移动轨迹发生的时间划分为多个时间段，将属于同一时间段内、存在相同的序列片段的移动序列所对应的多个个体聚合为一个群体，并基于所述相同的序列片段和关联的群体的类型，生成一项群体的移动模式；