[发明专利]一种面向特定时间间隔的位置预测方法

权利要求书

1.一种面向特定时间间隔的位置预测方法，其特征在于步骤如下：

步骤1：区域划分，将城市区域平均的划分为网格，将网格按照顺序排列区域编号，一个网格代表一个位置区域；

步骤2：数据处理，将车辆的轨迹数据按照车辆编号和时间使用二级排序算法生成车辆的GPS点的序列，得到每辆车每天的轨迹；每分钟取时间最小的数据作为车辆在该分钟内时的位置，并将轨迹数据投影到对应的网格中，对于未投影到任何一个网格的数据按距离归属于最近的网格中；轨迹的数据格式是Carid,region,lon,lat,time，时间的最小单位为分钟；所述的Carid为车辆编号、region为区域编号、lon为经度、lat为纬度、time为时间；

步骤3：根据轨迹数据训练面向特定时间间隔的一阶马尔科夫模型，得到车辆在特定时间间隔后的状态转移概率矩阵；其中状态是车辆的位置状态，状态转移概率是指从一种状态转移到另一种状态的概率，这些转移概率是条件概率；所述的状态转移概率矩阵存储所有状态到其他状态的转移，如下式所示：

p(l_i,l_j)|ΔT为包含序列(l_i,l_j)的轨迹数除以包含节点l_i的轨迹数，根据训练集中的轨迹得到特定时间间隔ΔT下车辆在不同区域间的转移概率；L为区域的总数量，对应的矩阵的行和列；

步骤4：根据步骤3得到的面向特定时间间隔的一阶马尔科夫模型预测目标在ΔT′时出现概率最大的N个位置，将时间ΔT′及N个位置作为查询条件，构造查询函数q(l,ΔT′)；其中l为概率最大的N个位置；

步骤5：判断训练集中在ΔT′时是否满足查询条件，如果一条轨迹在ΔT′时出现在N个位置中的一个，表示查询到，则查询结果为1；如果该条轨迹在ΔT′时不在这N个位置中，表示未查询到，查询结果为0；将查询结果、初始位置和时间间隔ΔT作为条件训练新的加入查询的预测模型MQLP，MQLP预测算法在求转移概率时将中间的查询结果作为条件，转移概率使用公式计算，式中表示查询函数，查询内容包括区域和查询时间ΔT′；对不同的查询结果得到不同的转移概率矩阵；

步骤6：在步骤4得到的N个查询区域中使用摄像头的日志数据或群智数据搜集目标信息，根据搜集到的信息判断轨迹在ΔT′时是否满足查询函数的条件，判断方法同步骤5；

步骤7：利用步骤5得到的预测模型MQLP预测目标在特定时间后的位置；根据步骤6得到的查询结果将目标的初始位置输入到对应的转移概率矩阵中，满足查询条件时将目标的位置代入符合查询条件的转移概率矩阵，不满足查询条件时将目标的位置代入未查询到的转移概率矩阵中；初始位置所在的区域对应矩阵的行中概率最大的区域即为预测区域。