[发明专利]基于多分辨率上下文关联的位置预测方法及系统

权利要求书

1.一种基于多分辨率上下文关联的位置预测方法，其特征在于，包括以下步骤：

步骤S1、根据用户历史轨迹数据，获取多分辨率时间信息；

步骤S2、根据用户历史轨迹数据，获取多分辨率空间信息；

步骤S3、根据获取的多分辨率时间信息和多分辨率空间信息，获取序列的多分辨率的时间和空间上下文规律；

步骤S4、根据获取的序列的多分辨率的时间和空间上下文规律，获取位置预测信息。

2.如权利要求1所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S1之前，还包括以下步骤：

步骤S0、获取用户历史轨迹数据。

3.如权利要求1所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S1，具体包括以下步骤：

步骤S10、根据用户历史轨迹数据，获取以多级分辨率时间窗口表示的时间特征。

4.如权利要求3所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S2，具体包括以下步骤：

步骤S20、根据用户历史轨迹数据，获取以地理坐标表示和以多级分辨率区域表示的空间特征。

5.如权利要求4所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S3，具体包括以下步骤：

步骤S31、根据以多级分辨率时间窗口表示的时间特征以及以地理坐标表示和以多级分辨率区域表示的空间特征，获取融合隐藏层状态值；

步骤S32、根据获取的以地理坐标表示的空间特征，获取多分辨率的空间上下文规律。

6.如权利要求5所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S31，具体包括以下步骤：

步骤S311、将以多级分辨率时间窗口表示的时间特征以及以地理坐标表示和以多级分辨率区域表示的空间特征输入到嵌入表达层，获取对应的嵌入表达；

步骤S312、将对应的嵌入表达输入到多分辨率时空特征连接层，获取对应的嵌入表达的拼接向量；

步骤S313、将拼接向量输入到RNN网络中进行序列模式学习，获取RNN网络隐藏层的更新状态值；

步骤S314、根据获取的RNN网络隐藏层的更新状态值，获取融合隐藏层状态值。

7.如权利要求5所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S32，具体包括以下步骤：

根据以下公式，获取以地理坐标表示的空间特征中相邻两个点之间的空间关联系数：

ω＝e^-Δd；

其中，Δd是相邻两个点之间由地理坐标计算得到的绝对空间距离，ω为空间关联系数。

8.如权利要求6所述的基于多分辨率上下文关联的位置预测方法，其特征在于，所述步骤S4，具体包括以下步骤：

步骤S40、根据以下公式以及获取的融合隐藏层状态值、相邻两个点之间的空间关联系数，获取位置预测信息：

其中，e_u表示用户信息的嵌入表达，W_P是需要学习的参数，softmax()函数用于归一化。

9.一种基于多分辨率上下文关联的位置预测系统，其特征在于，包括：

多分辨率时间信息获取模块，用于根据用户历史轨迹数据，获取多分辨率时间信息；

多分辨率空间信息获取模块，用于根据用户历史轨迹数据，获取多分辨率空间信息；

时间和空间上下文规律获取模块，与所述多分辨率时间信息获取模块和所述多分辨率空间信息获取模块通信连接，用于根据获取的多分辨率时间习性和多分辨率空间信息，获取序列的多分辨率的时间和空间上下文规律；

位置预测信息获取模块，与所述时间和空间上下文规律获取模块通信连接，用于根据获取的多分辨率的时间和空间上下文规律，获取位置预测信息。

10.如权利要求9所述的基于多分辨率上下文关联的位置预测系统，其特征在于，所述时间和空间上下文规律获取模块包括：

融合隐藏层状态值获取模块，与所述多分辨率时间信息获取模块和所述多分辨率空间信息获取模块通信连接，用于根据根据以多级分辨率时间窗口表示的时间特征以及以地理坐标表示和以多级分辨率区域表示的空间特征，获取融合隐藏层状态值；

空间上下文规律获取单元，与所述多分辨率空间信息获取模块通信连接，用于根据获取的以地理坐标表示的空间特征，获取多分辨率的空间上下文规律。