[发明专利]基于WiFi日志的用户轨迹预测方法

摘要

本发明提供了一种基于WiFi日志的用户轨迹预测方法。基于WiF日志数据集来获取用户历史轨迹记录，再从数据中挖掘用户的频繁轨迹和推断轨迹点的地理语义，最后再利用优化后的TDLHMM和动态贝叶斯网络对轨迹进行预测，提升轨迹预测准确度。

主权项

1.一种基于WiFi日志的用户轨迹预测方法，其特征在于包括以下步骤：1)数据处理从用户WIFI日志中，提取用户停留点、用户轨迹信息，其中：停留点:一个三元组(P,startime,endtime)，其中P是轨迹点的值，startime代表同一天内在扫描日志中，最先出现与当前轨迹点不同的轨迹点的时间，而endtime代表在扫描日志中，最后一次出现与当前轨迹点相同的轨迹点的时间。当starttime和endtime满足下列关系时，此时这个轨迹点就可以被称作停留点:starttime‑endtime>duringtime其中duringtime是自定义的一个阈值；利用上述定义对数据集中的轨迹点进行遍历，提取用户WIFI日志中的停留点；轨迹:轨迹是基于时间的离散的序列，由一系列时空采样点组成，即:T＝{p1,p2,...,pn}，每个时空采样点pi是一个四元组(pos,time,channel，rssi)，pos是这个轨迹点的地理编码值，time代表是这个点当前的小时数和分钟数，channel代表当前的轨迹点设备所处的通信频道，Rssi代表当前设备与WiFi热点通信的信号强弱；2)用户频繁轨迹挖掘根据用户一段时间内的轨迹记录，统计轨迹点支持度的项集表，构建轨迹Fp‑Tree；利用FpGrowth挖掘用户该段时间的频繁轨迹；3)地点特征构建根据用户WIFI日志中的每个地点构建小时数、日期和每个小时停留时长的向量:time_day＝{(t1,w1,l1),(t2,w2,l2),...,(tn,wn,l3)}其中ti代表下午1点到晚上12点任意的小时数，wi则表示是在工作日还是周末，li表示在第i小时用户停留在该地点的持续时间，推敲出该地点的地理编码对应的的地理语义；结合该地点的频数来进一步验证地点的地理语义；4)特征组合以及多值转换率计算地点表示为f＝{P,C,S},P表示地点，C表示频道，S表示信号强度，对频道与信号强度先做embedding操作，将每个地点不定长的信号向量和频道向量变为定长向量，再对embedding后的向量做组合；做完特征组合之后，对组合特征与每个地点计算转换率。