[发明专利]基于WiFi日志的用户轨迹预测方法

说明书

本发明提供了一种基于WiFi日志的用户轨迹预测方法。基于WiF日志数据集来获取用户历史轨迹记录，再从数据中挖掘用户的频繁轨迹和推断轨迹点的地理语义，最后再利用优化后的TDLHMM和动态贝叶斯网络对轨迹进行预测，提升轨迹预测准确度。

技术领域

本发明涉及基于WiFi日志的用户轨迹预测方法。

背景技术

现有的用户轨迹预测方法都是基于GPS以及用户手机中App采集回来的数据，并利用传统的隐马尔可夫模型和高阶马尔可夫链进行预测，在准确率上不高。

发明内容

本发明主要是解决轨迹预测低准确率的问题，尝试基于WiFi日志挖掘用户轨迹模式并进行轨迹预测，利用WiFi采集用户数据顺应当前城市部署公共热点的趋势，对比让用户智能设备上安装采集数据的app，这样提升了数据采集的效率。同时提升预测用户的轨迹预测准确率，也是为了更加精确地给用户提供个性化服务。

本发明提供的基于WiFi日志的用户轨迹预测方法。基于WiF日志数据集来获取用户历史轨迹记录，再从数据中挖掘用户的频繁轨迹和推断轨迹点的地理语义，最后再利用优化后的TDLHMM和动态贝叶斯网络对轨迹进行预测，提升轨迹预测准确度。。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例一个用户一段时间的轨迹图；

图2为本发明实施例构建的轨迹Fp-Tree示意图；

图3为本发明实施例某地点用户12小时持续时间分布图；

图4为本发明实施例用户轨迹模式图；

图5为本发明实施例不定长的信号向量和频道向量变为定长向量示意图；

图6为本发明实施例下一轨迹点预测过程图；

图7为本发明实施例动态贝叶斯网络拓扑图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于WiFi日志的用户轨迹预测方法，包括以下步骤：

1)数据处理

定义1停留点:一个三元组(P,startime,endtime),其中P是轨迹点的值，startime代表同一天内在扫描日志中，最先出现与当前轨迹点不同的轨迹点的时间。而endtime代表在扫描日志中，最后一次出现与当前轨迹点相同的轨迹点的时间。当starttime和endtime满足下列关系时:

starttime-endtime>duringtime

这里的duringtime是自定义的一个阈值，本文定为10分钟。此时这个轨迹点就可以被称作停留点。

利用上述定义对数据集中的轨迹点进行遍历，提取停留点。

定义2轨迹:轨迹是基于时间的离散的序列，由一系列时空采样点组成。即: