[发明专利]一种应用模糊轨迹序列的轨迹预测方法

摘要

本发明提出一种应用模糊轨迹序列的轨迹预测方法，通过引入模糊轨迹序列模型，对用户的移动轨迹进行模糊化处理，并通过模糊时间序列的预测方法，对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理，设计了网格化的模糊化方法，由此实现了模糊轨迹序列模型。通过引入离群点处理的机制，本方法可以处理历史信息不足时的轨迹预测问题，通过引入离群点检测机制以及离群点预测模型，以降低离群点对算法整体性能的影响。

主权项

1.一种应用模糊轨迹序列的轨迹预测方法，其特征在于：该预测方法包括以下步骤：/n1)针对任意一待预测用户，确定用户轨迹训练样本集的论域，所述用户轨迹训练样本为所述论域范围内若干个用户的轨迹序列，将用户轨迹训练样本集中的用户轨迹序列以截取的方式重构为若干个包含k个时刻用户位置坐标的高维轨迹序列，根据论域的网格化划分方案将所述高维轨迹序列模糊化为高维模糊轨迹序列，且满足使相同或相似的高维轨迹序列在模糊化后仍为相同或相似的高维模糊轨迹序列，得到用于高维模糊轨迹序列模型训练的集合；/n2)在每一个高维模糊轨迹序列后加入下一刻对应用户的位置坐标，得到高维模糊轨迹序列模型的训练集，对高维模糊轨迹序列模型的训练集应用聚类方法获得簇，并由簇中心构建相应的模糊逻辑规则，依据模糊逻辑规则对由用户轨迹训练样本集中的用户轨迹序列重构得到的高维轨迹序列进行划分：对于任意一个高维轨迹序列，若该高维轨迹序列不满足模糊逻辑规则，则将该高维轨迹序列加入离群点样本训练集合，利用离群点样本训练得到离群点预测模型；/n所述模糊逻辑规则定义为：假设x(t)是由F(t-k)，F(t-k+1)，…，F(t-1)决定的，且F(t)代表t时刻用户坐标对应的模糊集，x(t)为t时刻的用户坐标，那么就存在模糊逻辑规则F(t-k),F(t-k+1),...,F(t-1)→x(t)；/n3)在所述论域范围内，将某一个待预测用户截止当前时刻的顺序采集的k个位置坐标转变为相应的高维轨迹序列，得到待预测样本，对待预测样本根据所述模糊逻辑规则进行划分，若待预测样本为满足模糊逻辑规则的一般样本，通过对簇中心最后S维分别求加权平均数获得用户轨迹预测结果，所述S的取值与用户位置坐标维数相同；若待预测样本为不满足模糊逻辑规则的离群点样本，则利用离群点预测模型进行轨迹预测。/n