[发明专利]一种基于序列模式挖掘的多用户模型移动轨迹预测方法

摘要

本发明公开了一种基于序列模式挖掘的多用户模型移动轨迹预测方法，利用手机信令定位的横向轨迹数据，建立多种用户模型进行预测。本发明改进并提出带有离群点容忍性的停留点挖掘算法，对轨迹中的停留点进行有效挖掘；提出基于用户停留区域的用户间相似度指标，基于该指标对横向的用户轨迹数据进行划分并建立不同的用户预测模型；在PrefixSpan算法的基础上提出了基于序列挖掘模式的移动轨迹预测方法，并且预测模型能够通过新产生的即时轨迹进行更新。

主权项

一种基于序列模式挖掘的多用户模型移动轨迹预测方法，利用手机信令定位的横向轨迹数据，建立多种用户模型进行预测；基于用户停留区域的用户间相似度指标对横向的用户轨迹数据进行划分并建立不同的用户预测模型；在PrefixSpan算法的基础上提出了基于序列挖掘模式的移动轨迹预测并且预测模型能够通过新产生的即时轨迹进行更新；包括两个部分：离线部分和在线部分；所述预测系统离线部分具体按照以下步骤实施：步骤1，轨迹停留点簇识别:使用改进的Time‑Based Cluster算法对轨迹进行分析，将轨迹点聚为停留点簇或者转移点簇，并用停留点簇的中心点作为停留点来替代停留点簇，滤去离群点；步骤2，轨迹抽象为网格序列：将产生定位轨迹的地理区域划分为大小均匀、紧密相邻的网格阵列，得到网格化地图，然后对每一个网格进行编号；将步骤1所得由经纬度序列构成的轨迹转换为由网格编号序列构成的抽象轨迹；步骤3，停留网格扩展为停留区域：停留网格扩展为停留区域的过程看作为多个用户的停留点异同判别过程，通过判断两个停留点是否能够看作是同一个停留区域，判断产生这两个停留点的个体是否都曾在同一个区域逗留；扩展完成后将抽象轨迹中停留点网格编号替换为停留区域编号；步骤4，对用户进行分组划分：定义用户相似度的衡量指标，基于上一步得到的轨迹数据，使用凝聚的层次聚类方法将一部分相似的用户聚合在一起便于得出这部分用户的预测模型；步骤5，分别对每组用户进行频繁序列模式挖掘：利用停留区域对轨迹分段，得到的每一条轨迹就代表一次出行；然后使用带有分类序列规则的改进PrefixSpan算法挖掘序列模式，并得到关联规则；步骤6，构建预测树：使用预测树来管理挖掘出的序列模式，预测树包含所有轨迹模式及不同起点和终点的支持度；所述在线匹配阶段包括以下步骤：步骤7，将用户即时轨迹作为前缀遍历该组预测树进行匹配查找，并输出预测结果。