[发明专利]一种轨迹预测方法和系统

权利要求书

1.一种轨迹预测方法，其特征在于，包括以下步骤：

通过对历史一段时间的基站轨迹数据对号码历史停留的geohash进行分析，得到落脚点数据、位置转移概率矩阵数据和通勤轨迹数据；通过对寄递数据进行分析，得到兴趣点数据；存储上述数据为历史数据，定期对历史数据更新；

对实时信令数据进行分析，得到号码实时轨迹，判断是否发生移动，若移动则对信令数据进行统计得到移动轨迹数据；

将移动轨迹数据与通勤轨迹数据对比：若相似度高，则判断实时移动轨迹为通勤轨迹，根据落脚点数据和兴趣点数据输出目的地的列表；若相似度不高，则判断移动方向，根据方向判定落脚点位置再结合转移概率矩阵判断最有可能的目的地，输出目的地列表；

若未发生移动，计算静止点的geohash和时间，结合转移概率矩阵数据，得到下一个时段最有可能出现的位置，输出目的地列表，

其中，位置转移概率矩阵数据计算方法包括：将当天和前一天最后时间段的数据整合，选出每个时段停留时间最多的geohash，通过每n个时段进行分析判断当天每个时段发生转移的概率，最后将所有过往数据根据周一到周日分组，分别判得出每天每个时段的转移概率矩阵。

2.根据权利要求1所述的轨迹预测方法，其特征在于，

通过实时信令数据进行位移判断过程如下：

预设比对时间和比对距离；

比对时间内信令数据起始位置与最新位置距离超过比对距离，则认为发生移动，计算移动轨迹线；

比对时间内信令数据起始位置与最新位置距离未超过比对距离，则认为未发生移动，得到比对时间内信令位置的geohash，判断落脚点，同时对所在时间段进行提取。

3.根据权利要求1所述的轨迹预测方法，其特征在于，落脚点数据计算方法：

通过基站轨迹数据对历史一段时间内的号码停留的geohash进行每天的停留时间的统计，求出geohash的总时间和平均停留时间；同时计算geohash的中心点经纬度和其九宫格包含的geohash；

使用DBSCAN聚类算法求出中心落脚点，得到早晚落脚点数据表；

通过基站轨迹数据对历史一段时间内的号码停留的geohash按照每天分时段进行落脚点分析，对每天每个时间段所在的geohash进行时间统计，计算每天每个时段停留时间总和以及每天每个时段停留时间最大的geohash，并计算该时段geohash下停留时间占该时段总时间的比率，得到每天每个时段的geohash数据，得到其他时间段常用落脚点数据表。

4.根据权利要求1所述的轨迹预测方法，其特征在于，通勤轨迹数据计算方法：

通过基站轨迹数据用simhash算法得到指纹轨迹，对最近一段时间的轨迹指纹用DBSCAN算法进行聚合得到聚合后的通勤指纹轨迹，再将聚合后的通勤轨迹展开，将聚合中心geohash作为通勤轨迹经过的geohash。

5.根据权利要求1所述的轨迹预测方法，其特征在于，采用移动轨迹数据的geohash九宫格与通勤轨迹数据的geohash九宫格进行匹配。

6.根据权利要求1或2所述的轨迹预测方法，其特征在于，使用平滑滤波算法对移动轨迹线进行平滑处理。

7.一种轨迹预测系统，其特征在于，用于实现权利要求1-6任一所述的一种轨迹预测方法，包括离线数据库、在线数据库、动态预测处理模块和静态预测处理模块；

所述离线数据库存储历史数据，包括号码轨迹库、白天晚上落脚点数据库、每天每个时段落脚点数据库、通勤轨迹数据库、转移概率矩阵数据表、寄递地址库、兴趣点数据表；

所述在线数据库包括实时信令数据库、移动信息数据库、未移动信息数据表；

移动信息数据库和离线数据库输入所述动态预测处理模块进行比对，得到动态目的地结果排序；

未移动信息数据表和离线数据库输入所述静态预测处理模块，得到静态目的地结果排序。