[发明专利]一种终端设备移动轨迹预测方法及装置

权利要求书

1.一种终端设备移动轨迹预测方法，其特征在于，所述方法包括：

获取待预测终端设备在目标区域内的历史轨迹序列，并根据预处理策略，对所述历史轨迹序列进行预处理，得到预处理后的历史轨迹序列；

确定所述预处理后的历史轨迹序列中包含的各历史轨迹点的第一特征值；

将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述历史轨迹序列中包含的多个目标停留点对应的权重值；其中，所述停留点为待预测终端设备在所述目标区域内停留且产生社交活动的位置的坐标；

针对每个目标停留点，将所述每个目标停留点与该目标停留点对应的权重值进行拼接，得到每个目标停留点对应的拼接元素，并确定所述拼接元素对应的向量；

将各目标停留点对应的向量输入到预先训练的循环神经网络模型中，得到所述待预测终端设备在所述目标区域内的预测轨迹；

其中，所述历史轨迹序列包含历史轨迹点的到达时间；

所述确定预处理后的历史轨迹序列中包含的各历史轨迹点的第一特征值的步骤之前，还包括：

基于预设的漂移点清除算法，对所述历史轨迹序列进行漂移轨迹点清除处理，获得第一历史轨迹序列；

基于预设的网格划分策略，对所述目标区域进行网格划分，并为所述第一历史轨迹序列中包含的各历史轨迹点分别分配一网格标识，得到所述目标区域对应的第一地理网格标识序列；

计算第一历史轨迹序列中包含的相邻两个历史轨迹点的到达时间差值，将所述到达时间差值作为所述第一地理网格标识序列中包含的各网格标识对应的历史轨迹点的停留时间；

将所述第一地理网格标识序列中包含的具有相同网格标识的相邻元素进行合并，获得第二地理网格标识序列；其中，所述第二地理网格标识序列中包含的通过合并得到的元素对应的停留时间为在第一地理网格标识序列中具有相同网格标识的所有相邻元素的停留时间的和值；

从所述第二地理网格标识序列中包含的初始元素开始，依次判断所述第二地理网格标识序列中包含的各网格标识对应的历史轨迹点是否满足预设条件；

若所述历史轨迹点满足预设条件，则对所述历史轨迹点进行预处理，得到预处理后的历史轨迹点。

2.根据权利要求1所述的方法，其特征在于，在所述将各目标停留点对应的向量输入到预先训练的循环神经网络模型中，得到所述待预测终端设备在所述目标区域内的预测轨迹的步骤之前，还包括：

获取多个终端设备在目标区域内的样本轨迹序列；其中，所述样本轨迹序列为所述多个终端设备在目标区域内的历史轨迹序列；

根据预设处理策略，对多个样本轨迹序列进行预处理，得到预处理后的多个样本轨迹序列；

根据预设的特征值提取策略，确定预处理后的多个样本轨迹序列中包含的各样本轨迹点的第二特征值；

将所述各样本轨迹点的第二特征值输入到预先训练的逻辑回归模型中，获得所述样本轨迹序列中包含的多个目标停留点对应的权重值；

针对所述每个目标停留点，将所述每个目标停留点与该目标停留点对应的权重值进行拼接，得到每个目标停留点对应的拼接元素；

根据预设的向量生成算法，确定每个拼接元素对应的向量，并将所述预处理后的多个样本轨迹序列中包含的各目标停留点对应的向量组成样本集合；

将所述样本集合输入到预设循环神经网络模型，对所述循环神经网络模型进行训练，得到训练后的循环神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述各历史轨迹点的第一特征值输入到预先训练的逻辑回归模型中，获得所述历史轨迹序列中包含的多个目标停留点对应的权重值的步骤之前，还包括：

获取多个终端设备在目标区域内的样本轨迹序列；其中，所述样本轨迹序列为所述多个终端设备在目标区域内的历史轨迹序列；

根据预设处理策略，对多个样本轨迹序列进行预处理，得到预处理后的多个样本轨迹序列；

根据预设的特征值提取策略，确定预处理后的多个样本轨迹序列中包含的各历史轨迹点的第二特征值；

从所述预处理后的多个样本轨迹序列中包含的多个历史轨迹点中选取预设数目个历史轨迹点，并将所述预设数目个历史轨迹点对应的第二特征值作为预设逻辑回归模型的输入，并对所述逻辑回归模型进行训练，得到训练后的逻辑回归模型。