[发明专利]基于人流轨迹的智能展位推荐方法与系统

权利要求书

1.一种基于人流轨迹的智能展位推荐方法，其特征在于，包括：

步骤1，通过WiFi采集采购商在展会展馆的移动轨迹，根据移动轨迹获得采购商的偏好数据；

步骤2，建立展位推荐训练模型，将展位数据和偏好数据整合成包括训练集和测试集在内用于展位推荐训练模型的数据集；

步骤3，设置置信参数和正则化参数，在展位推荐训练模型中使用加权正则化交替最小二乘法算法对训练集进行训练，输出包括采购商因子矩阵U、展位因子矩阵M和采购商评分数据userRatings在内的训练数据文件；

步骤4，根据训练数据文件使用测试集对展位推荐训练模型进行评估，直至均方根误差符合条件；

步骤5，设定具体的采购商的数量u及推荐的展位数量k，输入展位推荐训练模型获得k个结果，根据k个结果对参展商进行展位推荐。

2.如权利要求1所述基于人流轨迹的智能展位推荐方法，其特征在于，步骤1包括：

步骤11，通过WiFi采集采购商在展会展馆的移动轨迹，形成坐标数据；

步骤12，根据坐标数据使用预设的聚类算法计算获得聚类点列表；

步骤13，使用聚类点列表结合参展商坐标数据集获得采购商感兴趣的展位，并使用采购商在该展位的停留时间作为采购商对这个展位感兴趣程度的评分，形成所有采购商的偏好数据。

3.如权利要求2所述基于人流轨迹的智能展位推荐方法，其特征在于，以[x，y，ts]作为坐标数据的描述方式，x表示x坐标，y表示y坐标，ts表示时间戳；步骤12包括：

步骤121，按照先后顺序遍历各个轨迹点；

步骤122，设[x_i，y_i，ts_i]为聚类原点i，按照顺序取距离与i的距离小于第一距离阈值D的点，获得轨迹点集P_m：{[x_i，y_i，ts_i]，[x_i+1，y_i+1，ts_i+1]…[x_m，y_m，ts_m]}；

步骤123，计算轨迹点集P_m中除聚类原点之后的点与聚类原点i的时间差，去掉时间差大于时间阈值T的点，获得轨迹点集P_n：{[x_i，y_i，ts_i]，[x_i+1，y_i+1，ts_i+1]…[x_n，y_n，ts_n]}，取点[x_i，y_i，tdiff_i]为停留点P_i，如果轨迹点集P_n只有一个点，则直接剔除，否则将点P_i加入聚类点列表L；其中停留时间tdiff_i＝ts_n-ts_i；

步骤124，将[x_n+1，y_n+1，ts_n+1]作为新的聚类原点重复步骤122和步骤123，最终获得聚类点列表L：{[x₁，y₁，T₁]，[x₂，y₂，T₂]…[x_k，y_k，T_k]}。