CN106028444A - 预测移动终端位置的方法及装置 - Google Patents

Abstract

本发明公开了一种预测移动终端位置的方法及装置，该方法包括：获取移动终端当前的粗粒度位置信息，粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；查找粗粒度地理信息数据库，得到与移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，POI数据至少包括粗粒度位置所在地的经度和纬度；根据当前获取时间和当前POI数据，基于移动终端的位置历史数据，预测移动终端下一阶段位置。通过这种方式，本发明能够在没有提供经纬度信息但提供粗粒度位置信息的情况下，对移动终端下一阶段位置进行预测。

Description

预测移动终端位置的方法及装置

技术领域

本发明涉及轨迹预测技术领域，特别是涉及一种预测移动终端位置的方法及装置。

背景技术

很多商业服务都追求提供更为精准的服务。利用历史数据对未来的位置、行为进行推测以便提供更精准的导航、信息推送、广告投放业务，这是非常流行的做法，也具有很高的商业价值。现有的轨迹预测技术，大部分需要终端提供的经纬度坐标，对终端所在的位置进行分类和标记，然后根据终端所提供的位置历史，对短时间内终端的位置进行预测。但是，很多时候出于隐私考虑，终端关掉手机GPS或是GPS信号影响，并不允许获取准确的经纬度等信息。

发明内容

本发明主要解决的技术问题是提供一种预测移动终端位置的方法及装置，能够在没有提供经纬度信息但提供周边粗粒度位置信息的情况下，对移动终端下一阶段的位置进行预测。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种预测移动终端位置的方法，所述方法包括：获取移动终端当前的粗粒度位置信息，所述粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；查找粗粒度地理信息数据库，得到与所述移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，所述粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，所述POI数据至少包括所述粗粒度位置所在地的经度和纬度；根据所述当前获取时间和所述当前POI数据，基于已构建的所述移动终端的位置历史数据，预测所述移动终端下一阶段的位置。

其中，所述粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息或蓝牙信息，其中，所述蜂窝网络小区ID信息包括当前蜂窝网络小区ID、所属基站地址以及获取时间，所述WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间，所述蓝牙信息包括当前蓝牙名称、当前蓝牙MAC地址以及获取时间；所述粗粒度地理信息数据库保存有不同蜂窝网络小区ID信息、不同WiFi信息或不同蓝牙信息与不同POI数据之间的对应关系，所述POI数据至少包括所述蜂窝网络小区ID、WIFI或蓝牙所在地的经度和纬度。

其中，所述粗粒度位置信息是WiFi信息，所述粗粒度地理信息数据库是WIFI地理信息数据库，所述方法还包括：多次获取所述移动终端在不同时间段的WIFI信息；根据多次所述移动终端在不同时间段的WIFI信息和所述WIFI地理信息数据库，构建所述移动终端的位置数据；对所述移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗，进而构建获得所述移动终端的位置历史数据，所述移动终端的位置历史数据包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。

其中，所述根据所述当前获取时间和所述当前POI数据，基于已构建的所述移动终端的位置历史数据，预测所述移动终端下一阶段的位置的步骤，包括：基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，预测所述移动终端下一阶段的位置。

其中，所述基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，预测所述移动终端下一阶段的位置的步骤，包括：基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，构造所述移动终端的马尔科夫转移矩阵，进而通过所述马尔科夫转移矩阵预测所述移动终端下一阶段的位置。

为解决上述技术问题，本发明采用的另一个技术方案是：提供一种预测移动终端位置的装置，所述装置包括：获取模块，用于获取移动终端当前的粗粒度位置信息，所述粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；查找模块，用于查找粗粒度地理信息数据库，得到与所述移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，所述粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，所述POI数据至少包括所述粗粒度位置所在地的经度和纬度；预测模块，用于根据所述当前获取时间和所述当前POI数据，基于已构建的所述移动终端的位置历史数据，预测所述移动终端下一阶段的位置。

其中，所述粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息或蓝牙信息，其中，所述蜂窝网络小区ID信息包括当前蜂窝网络小区ID、所属基站地址以及获取时间，所述WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间，所述蓝牙信息包括当前蓝牙名称、当前蓝牙MAC地址以及获取时间；所述粗粒度地理信息数据库保存有不同蜂窝网络小区ID信息、不同WiFi信息或不同蓝牙信息与不同POI数据之间的对应关系，所述POI数据至少包括所述蜂窝网络小区ID、WIFI或蓝牙所在地的经度和纬度。

其中，所述粗粒度位置信息是WiFi信息，所述粗粒度地理信息数据库是WIFI地理信息数据库，所述获取模块还用于多次获取所述移动终端在不同时间段的WIFI信息；所述装置还包括：第一构建模块，用于根据多次所述移动终端在不同时间段的WIFI信息和所述WIFI地理信息数据库，构建所述移动终端的位置数据；第二构建模块，用于对所述移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗，进而构建获得所述移动终端的位置历史数据，所述移动终端的位置历史数据包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。

其中，所述预测模块具体用于基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，预测所述移动终端下一阶段的位置。

其中，所述预测模块进一步用于基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，构造所述移动终端的马尔科夫转移矩阵，进而通过所述马尔科夫转移矩阵预测所述移动终端下一阶段的位置。

本发明的有益效果是：区别于现有技术的情况，本发明获取移动终端当前的粗粒度位置信息，所述粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；查找粗粒度地理信息数据库，得到与移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，POI数据至少包括粗粒度位置所在地的经度和纬度；根据当前获取时间和当前POI数据，基于已构建的移动终端的位置历史数据，预测移动终端下一阶段的位置。由于获取移动终端当前的粗粒度位置信息，再结合粗粒度地理信息数据库和移动终端的位置历史数据，即可预测移动终端下一阶段的位置，通过这种方式，能够在没有提供经纬度信息但提供周边粗粒度位置信息的情况下，对移动终端下一阶段的位置进行预测。

附图说明

图1是本发明预测移动终端位置的方法一实施方式的流程图；

图2是本发明预测移动终端位置的方法另一实施方式的流程图；

图3是本发明预测移动终端位置的装置一实施方式的结构示意图；

图4是本发明预测移动终端位置的装置另一实施方式的结构示意图。

具体实施方式

首先大概介绍一下本发明的情况。

正如背景技术所介绍，很多时候出于隐私考虑，关掉手机GPS或是GPS信号影响，并不允许获取经纬度等信息。

针对上述应用场景，现有技术不能对缺失经纬度等信息的进行位置预测。本发明提取移动终端周边的粗粒度位置信息，利用移动终端探测到的粗粒度位置信息，对移动终端的轨迹历史进行建模和预测。通过查询粗粒度地理信息数据库，获取所在位置的兴趣点(Point of Interest，简写POI)数据。分时预测下一阶段的位置，其中，根据终端的历史数据，构造访问预测矩阵，对下一阶段的访问地点进行进一步预测。根据历史地点的POI数据，针对预测结果做协同过滤矫正。

POI是“Point of Interest”的缩写，中文可以翻译为“兴趣点”。每个POI包含四方面信息，名称、类别、经度、纬度，在导航地图系统中，全面的POI讯息是丰富导航地图的必备资讯，及时的POI兴趣点能提醒路况的分支及周边建筑的详尽信息，也能方便导航中查到所需要的各个地方，选择最为便捷和通畅的道路来进行路径规划，因此，导航地图POI多少状况直接影响到导航的好用程度。在本发明中，获取移动终端所在位置的POI数据，也即是知道移动终端所在地的经度和纬度数据，从而也知道移动终端所在地的位置。

下面结合附图和实施方式对本发明进行详细说明。

参阅图1，图1是本发明预测移动终端位置的方法一实施方式的流程图，该方法包括：

步骤S101：获取移动终端当前的粗粒度位置信息，粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间。

粗粒度位置信息是指移动终端大概范围内的位置信息，例如：对于经常出差携带的移动终端，通过漫游信息，可以大概知道移动终端所在的大范围内的哪个省、哪个市等；根据蜂窝网络小区ID，可知所属的基站，进而得知移动终端的大概位置，等等。

在一实施方式中，粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息、蓝牙信息或其他，其中，蜂窝网络小区ID信息包括当前蜂窝网络小区ID、所属基站地址以及获取时间，WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间，蓝牙信息包括当前蓝牙名称、当前蓝牙MAC地址以及获取时间。

以WiFi信息为例，现在移动终端通过WIFI上网已经很普遍，某一区域内WIFI所在地的位置是确定的。因此，通过WIFI信息，可以大致确定移动终端的位置。

通过相关抓包软件或应用程序可以获取移动终端的网络流量数据，从这些网络流量数据中获取移动终端当前的WIFI信息，该WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间。

步骤S102：查找粗粒度地理信息数据库，得到与移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，POI数据至少包括粗粒度位置所在地的经度和纬度。

粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，在知道移动终端当前的粗粒度位置信息情况下，即可查找到对应的当前兴趣点POI数据，由于POI数据至少包括粗粒度位置所在地的经度和纬度，因此可以知道当前移动终端的位置。

当粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息或蓝牙信息时，粗粒度地理信息数据库保存有不同蜂窝网络小区ID信息、不同WiFi信息或不同蓝牙信息与不同POI数据之间的对应关系，POI数据至少包括蜂窝网络小区ID、WIFI或蓝牙所在地的经度和纬度。

当粗粒度位置信息是WiFi信息，粗粒度地理信息数据库是WIFI地理信息数据库时，WIFI地理信息数据库是有关不同WIFI名称、不同WIFI的MAC地址以及不同POI数据之间的对应关系的数据库。在知道移动终端当前的WIFI信息情况下，即可查找到对应的当前兴趣点POI数据，从而知道当前的位置。

进一步地，POI数据除了包括WIFI所在地的经度和纬度外，还可以包括WIFI所在地的POI类型，WIFI所在地周边地点的POI属性等。

步骤S103：根据当前获取时间和当前POI数据，基于已构建的移动终端的位置历史数据，预测移动终端下一阶段的位置。

从移动终端的位置历史数据可以统计出移动终端在不同的时间段通常所在的位置情况，因此，根据当前获取的时间，知道当前的时间，根据当前POI数据，知道移动终端当前的位置，然后再结合统计出来的移动终端在不同的时间段通常所在的位置情况，可以大致预测出移动终端在下一阶段的位置。

移动终端的位置历史数据可以预先使用蜂窝网络小区ID信息、WIFI信息构建或蓝牙信息，也可以预先采用其它方式构建，例如通过移动终端有时候允许获取的经纬度数据、跑步软件上获取的位置信息、微信等社交网站上获取的位置信息来构建。

本发明实施方式获取移动终端当前的粗粒度位置信息，粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；查找粗粒度地理信息数据库，得到与移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，POI数据至少包括粗粒度位置所在地的经度和纬度；根据当前获取时间和当前POI数据，基于已构建的移动终端的位置历史数据，预测移动终端下一阶段的位置。由于获取移动终端当前的粗粒度位置信息，再结合粗粒度地理信息数据库和移动终端的位置历史数据，即可预测移动终端下一阶段的位置，通过这种方式，能够在没有提供经纬度信息但提供周边粗粒度位置信息的情况下，对移动终端下一阶段的位置进行预测。

参阅图2，粗粒度位置信息是WiFi信息，粗粒度地理信息数据库是WIFI地理信息数据库，该方法还包括：步骤S201、步骤S202以及步骤S203。

步骤S201：多次获取移动终端在不同时间段的WIFI信息。

根据实际应用的需要或要求，可以分别在不同的日期的不同的时间段，多次获取移动终端在不同时间段的WIFI信息。

步骤S202：根据多次移动终端在不同时间段的WIFI信息和WIFI地理信息数据库，构建移动终端的位置数据。

根据多次移动终端在不同时间段的WIFI信息和WIFI地理信息数据库，可以获得移动终端在不同时间段的不同地理位置，从而可以构建出移动终端的位置数据。

步骤S203：对移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗，进而构建获得移动终端的位置历史数据，移动终端的位置历史数据包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。

移动终端在短时间内没有移动位置，或者，位置变化很小，这些位置数据对构建移动终端的位置历史数据没有多大重要性和影响，可以删除，因此对移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗后，剩下的位置数据即可成为移动终端的位置历史数据。其中，移动终端的位置历史数据可以包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。进一步地，还可以包括移动终端的标志字段、地点的标志字段、地点功能类型对应的POI标志字段、移动终端在该地点的逗留时间字段、WIFI信息字段等。

其中，步骤S103具体可以包括：

基于已构建的移动终端的位置历史数据，确定移动终端在不同时间段去往的不同功能地点，结合当前获取时间和当前POI数据，预测移动终端下一阶段的位置。

通过移动终端的位置历史数据，可以统计分析得出移动终端在不同时间段去往的不同功能地点，然后根据当前获取时间和当前POI数据，即可预测出移动终端下一阶段的位置。

例如：根据经验将一天划分为若干时段，如，将一天0-23时划分为9:00-17:59，18:00-21：59，22：00-第二天的8:59三个时段，那么在这一天内访问地点的功能类型记录可以构成POI向量N(n1，n2，n3)，其中ni表示对应某个时段所在地点的POI标识；对于同一时段内访问多个位置的情况，选取出现次数最多的POI标识作为该时段的标识。将移动终端的位置历史数据按照上述方式统计后，然后查看当前获取时间是位于哪个时间段，当前POI数据是在哪个位置，然后结合上述统计结果，即可预测出移动终端下一阶段的位置。

进一步地，基于已构建的移动终端的位置历史数据，确定移动终端在不同时间段去往的不同功能地点，结合当前获取时间和当前POI数据，预测移动终端下一阶段的位置的步骤，还可以采用更加客观的数学方法来进行，具体包括：

基于已构建的移动终端的位置历史数据，确定移动终端在不同时间段去往的不同功能地点，结合当前获取时间和当前POI数据，构造移动终端的马尔科夫转移矩阵，进而通过马尔科夫转移矩阵预测移动终端下一阶段的位置。

根据划分的时间段构造移动终端转移矩阵，是一个马尔科夫转移矩阵，对于每一个时段j，存在一个转移矩阵j，其中Ni1->i2表示在j时刻，从POI标识为i1的位置到j+1时刻POI标识i2位置的次数。那么跳转矩阵为：

$TansCountMatrix=\left[\begin{array}{ccccc}{N}_{i_1->i_1}& N_{i_2->i_1}& \mathrm{...}& N_{i_{n-1}->i_1}& N_{i_n->i_1}\\ N_{i_1->i_2}& N_{i_2->i_2}& \mathrm{...}& N_{i_{n-1}->i_2}& N_{i_n->i_2}\\ \mathrm{...}& \mathrm{...}& N_{i_1->i_j}& \mathrm{...}& \mathrm{...}\\ N_{i_1->i_{n-1}}& N_{i_2->i_{n-1}}& \mathrm{...}& N_{i_1->i_{n-1}}& N_{i_n->i_{n-1}}\\ N_{i_1->i_n}& N_{i_2->i_n}& \mathrm{...}& N_{i_{n-1}->i_n}& N_{i_n->i_n}\end{array}\right]$

其中，马尔科夫转移矩阵为马尔科夫转移概率矩阵。

用表示从POI标识为i1的位置出发，跳往其他位置的总和，那么移动终端对应的转移概率矩阵为：

$TansPMatrix=\left[\begin{array}{ccccc}{P}_{i_1->i_1}& P_{i_2->i_1}& \mathrm{...}& P_{i_{n-1}->i_1}& P_{i_n->i_1}\\ P_{i_1->i_2}& P_{i_2->i_2}& \mathrm{...}& P_{i_{n-1}->i_2}& P_{i_n->i_2}\\ \mathrm{...}& \mathrm{...}& P_{i_i->i_j}& \mathrm{...}& \mathrm{...}\\ P_{i_1->i_{n-1}}& P_{i_2->i_{n-1}}& \mathrm{...}& P_{i_1->i_{n-1}}& P_{i_n->i_{n-1}}\\ P_{i_1->i_n}& P_{i_2->i_n}& \mathrm{...}& P_{i_{n-1}->i_n}& P_{i_n->i_n}\end{array}\right]$

其中，表示移动终端从地点i1跳往下一个点ia的概率大小。

在一实施方式中，通过上述转移矩阵或转移概率矩阵获得的预测结果，可以再根据给定的POI和移动终端历史记录，对预测结果进行修正，以获得更加精确的预测结果。

参见图3，图3是本发明预测移动终端位置的装置一实施方式的结构示意图，该装置可以执行上述方法中的步骤，相关内容的详细说明请参见上述方法部分，在此不再赘叙。

该装置包括：获取模块101、查找模块102以及预测模块103。

获取模块101用于获取移动终端当前的粗粒度位置信息，粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间。

粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息或蓝牙信息，其中，蜂窝网络小区ID信息包括当前蜂窝网络小区ID、所属基站地址以及获取时间，WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间，蓝牙信息包括当前蓝牙名称、当前蓝牙MAC地址以及获取时间。

查找模块102用于查找粗粒度地理信息数据库，得到与移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，POI数据至少包括粗粒度位置所在地的经度和纬度。

粗粒度地理信息数据库保存有不同蜂窝网络小区ID信息、不同WiFi信息或不同蓝牙信息与不同POI数据之间的对应关系，POI数据至少包括蜂窝网络小区ID、WIFI或蓝牙所在地的经度和纬度。

预测模块103用于根据当前获取时间和当前POI数据，基于已构建的移动终端的位置历史数据，预测移动终端下一阶段的位置。

本发明实施方式获取移动终端当前的粗粒度位置信息，粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；查找粗粒度地理信息数据库，得到与移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，POI数据至少包括粗粒度位置所在地的经度和纬度；根据当前获取时间和当前POI数据，基于已构建的移动终端的位置历史数据，预测移动终端下一阶段的位置。由于获取移动终端当前的粗粒度位置信息，再结合粗粒度地理信息数据库和移动终端的位置历史数据，即可预测移动终端下一阶段的位置，通过这种方式，能够在没有提供经纬度信息但提供周边粗粒度位置信息的情况下，对移动终端下一阶段的位置进行预测。

其中，粗粒度位置信息是WiFi信息，粗粒度地理信息数据库是WIFI地理信息数据库，获取模块101还用于多次获取移动终端在不同时间段的WIFI信息；此时，参见图4，该装置还包括：第一构建模块201和第二构建模块202。

第一构建模块201用于根据多次移动终端在不同时间段的WIFI信息和WIFI地理信息数据库，构建移动终端的位置数据。

第二构建模块202用于对移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗，进而构建获得移动终端的位置历史数据，移动终端的位置历史数据包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。

其中，预测模块103具体用于基于已构建的移动终端的位置历史数据，确定移动终端在不同时间段去往的不同功能地点，结合当前获取时间和当前POI数据，预测移动终端下一阶段的位置。

其中，预测模块103进一步用于基于已构建的移动终端的位置历史数据，确定移动终端在不同时间段去往的不同功能地点，结合当前获取时间和当前POI数据，构造移动终端的马尔科夫转移矩阵，进而通过马尔科夫转移矩阵预测移动终端下一阶段的位置。

其中，马尔科夫转移矩阵为马尔科夫转移概率矩阵。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种预测移动终端位置的方法，其特征在于，所述方法包括：

获取移动终端当前的粗粒度位置信息，所述粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；

查找粗粒度地理信息数据库，得到与所述移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，所述粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，所述POI数据至少包括所述粗粒度位置所在地的经度和纬度；

根据所述当前获取时间和所述当前POI数据，基于已构建的所述移动终端的位置历史数据，预测所述移动终端下一阶段的位置。

2.根据权利要求1所述的方法，其特征在于，所述粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息或蓝牙信息，其中，所述蜂窝网络小区ID信息包括当前蜂窝网络小区ID、所属基站地址以及获取时间，所述WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间，所述蓝牙信息包括当前蓝牙名称、当前蓝牙MAC地址以及获取时间；所述粗粒度地理信息数据库保存有不同蜂窝网络小区ID信息、不同WiFi信息或不同蓝牙信息与不同POI数据之间的对应关系，所述POI数据至少包括所述蜂窝网络小区ID、WIFI或蓝牙所在地的经度和纬度。

3.根据权利要求2所述的方法，其特征在于，所述粗粒度位置信息是WiFi信息，所述粗粒度地理信息数据库是WIFI地理信息数据库，所述方法还包括：

多次获取所述移动终端在不同时间段的WIFI信息；

根据多次所述移动终端在不同时间段的WIFI信息和所述WIFI地理信息数据库，构建所述移动终端的位置数据；

对所述移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗，进而构建获得所述移动终端的位置历史数据，所述移动终端的位置历史数据包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。

4.根据权利要求3所述的方法，其特征在于，所述根据所述当前获取时间和所述当前POI数据，基于已构建的所述移动终端的位置历史数据，预测所述移动终端下一阶段的位置的步骤，包括：

基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，预测所述移动终端下一阶段的位置。

5.根据权利要求4所述的方法，其特征在于，所述基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，预测所述移动终端下一阶段的位置的步骤，包括：

基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，构造所述移动终端的马尔科夫转移矩阵，进而通过所述马尔科夫转移矩阵预测所述移动终端下一阶段的位置。

6.一种预测移动终端位置的装置，其特征在于，所述装置包括：

获取模块，用于获取移动终端当前的粗粒度位置信息，所述粗粒度位置信息包括粗粒度位置名称、粗粒度位置地址以及获取时间；

查找模块，用于查找粗粒度地理信息数据库，得到与所述移动终端当前的粗粒度位置信息对应的当前兴趣点POI数据，所述粗粒度地理信息数据库保存有不同粗粒度位置信息与不同POI数据之间的对应关系，所述POI数据至少包括所述粗粒度位置所在地的经度和纬度；

预测模块，用于根据所述当前获取时间和所述当前POI数据，基于已构建的所述移动终端的位置历史数据，预测所述移动终端下一阶段的位置。

7.根据权利要求6所述的装置，其特征在于，所述粗粒度位置信息包括蜂窝网络小区ID信息、WiFi信息或蓝牙信息，其中，所述蜂窝网络小区ID信息包括当前蜂窝网络小区ID、所属基站地址以及获取时间，所述WIFI信息包括当前WIFI名称、当前WIFI的MAC地址以及当前获取时间，所述蓝牙信息包括当前蓝牙名称、当前蓝牙MAC地址以及获取时间；所述粗粒度地理信息数据库保存有不同蜂窝网络小区ID信息、不同WiFi信息或不同蓝牙信息与不同POI数据之间的对应关系，所述POI数据至少包括所述蜂窝网络小区ID、WIFI或蓝牙所在地的经度和纬度。

8.根据权利要求7所述的装置，其特征在于，所述粗粒度位置信息是WiFi信息，所述粗粒度地理信息数据库是WIFI地理信息数据库，

所述获取模块还用于多次获取所述移动终端在不同时间段的WIFI信息；

所述装置还包括：

第一构建模块，用于根据多次所述移动终端在不同时间段的WIFI信息和所述WIFI地理信息数据库，构建所述移动终端的位置数据；

第二构建模块，用于对所述移动终端的位置数据中短时间内重复的位置数据或者位置变化很小的位置数据进行清洗，进而构建获得所述移动终端的位置历史数据，所述移动终端的位置历史数据包括WIFI名称、WIFI的MAC地址、POI数据以及获取时间的对应关系。

9.根据权利要求8所述的装置，其特征在于，所述预测模块具体用于基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，预测所述移动终端下一阶段的位置。

10.根据权利要求9所述的装置，其特征在于，所述预测模块进一步用于基于已构建的所述移动终端的位置历史数据，确定所述移动终端在不同时间段去往的不同功能地点，结合所述当前获取时间和所述当前POI数据，构造所述移动终端的马尔科夫转移矩阵，进而通过所述马尔科夫转移矩阵预测所述移动终端下一阶段的位置。