[发明专利]个体出行目的地预测的方法

权利要求书

1.一种个体出行目的地预测的方法，其特征在于，包括：

依据一浮动车的行车数据获取对应的行车轨迹；

对所述行车轨迹所对应的地理范围进行网格划分，并设置网格ID；

依据预设时间差对所述行车轨迹进行分段，获取多条子轨迹；

匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集；

预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对应的网格ID集进行建模分析，获取对应所述第一主题的第一预测模型；

依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值。

2.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值，具体为：

对所述第一预测模型依据第一主题进行聚类分析，获取对应第二主题的第二预测模型；

依据所述第二预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第二主题的概率值；

推荐概率值最大的第二主题。

3.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集，具体为：

获取各所述子轨迹对应的各个轨迹点；

匹配所述各个轨迹点与网格；

获取各子轨迹各自对应的网格ID集；

依次遍历各子轨迹，使用线性插值法对当前遍历到的子轨迹的各个轨迹点进行逐一插值补充，获取与连续的网格对应的各优化子轨迹；

获取各优化子轨迹对应的网格ID集。

4.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对应的网格ID集进行建模分析，获取对应所述第一主题的第一预测模型，具体为：

预设第一主题的个数K；

遍历各所述子轨迹，随机赋予各子轨迹的各轨迹点所对应的网格ID一个第一主题topic编号，所述编号的范围与所述第一主题的个数对应；

使用Gibbs Sampling公式重新遍历所述各个轨迹点，更新每个轨迹点所对应的网格ID的第一主题topic编号；

重复执行所述重新遍历和所述更新，直至收敛；

统计各子轨迹中第一主题topic编号的出现频率以及所述第一主题topic编号中各网格ID出现的频率，并将其代入LDA主题模型的topic-ID频率矩阵进行计算，得到对应所述第一主题的第一预测模型。

5.如权利要求4所述的个体出行目的地预测的方法，其特征在于，所述Gibbs Sampling公式为

其中，所述V为语料库，其存储着所有的网格ID；t表示语料库中的第t个网格ID；m为子轨迹点的总条数；k表示第k个第一主题；w表示第m条子轨迹对应的网格ID集；z_i是隐含变量，表示第i个网格ID对应的第一主题topic编号；α、β分别表示第一预测模型的参数，设置为0.0001；表示第一主题k中各网格ID出现的次数；表示子轨迹m中第一主题k出现的次数；表示去除下标为i的网格ID。

6.如权利要求5所述的个体出行目的地预测的方法，其特征在于，所述topic-ID频率矩阵为

7.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息。

8.如权利要求1所述的个体出行目的地预测的方法，其特征在于，依据网格对应的经纬度信息设置网格ID。