CN109885643A - 一种基于语义轨迹的位置预测算法及存储介质 - Google Patents

Abstract

本发明提供了一种基于语义轨迹的位置预测算法，步骤包括：搜集用户轨迹日志以进行数据清洗，获取停留位置序列；逆地址解析停留位置序列，获取语义序列以计算出语义轨迹模式集，并采用前缀树构建语义轨迹模式树；聚类重合语义轨迹模式树，形成用户簇集；获取当前用户停留位置序列，基于用户簇集归类，预测后续停留位置，从而提高用户位置预测的准确性。

Description

一种基于语义轨迹的位置预测算法及存储介质

技术领域

本发明涉及一种位置预测算法，尤其涉及一种基于语义轨迹技术的位置预测算法及存储介质。

背景技术

随着智能手机的普及和定位技术的发展，设备位置信息的获取越来越容易，业界积累了大量用户轨迹数据。轨迹预测对LBS(location based services)显得尤为重要。对于导航服务，交通管理服务，拥堵预警服务，location-based广告等系统，轨迹预测能力的提升能够极大提升服务质量和用户体验。

但目前基于地理位置轨迹相似度技术，来进行位置轨迹预测的算法具有一定局限性，且在预测准确度上，尤其是长期预测准确度上较低，无法为用户提供满意的预测结果。

发明内容

本发明的主要目的在于提供一种基于语义轨迹的位置预测算法及存储介质，该算法突破了基于地理位置轨迹相似度的局限性，即使预测处于不同地域的位置轨迹也能得出较高准确度，并且该算法不但能够提高短期位置预测的准确性，还能进一步提升长期位置预测的准确性。

为了实现上述目的，根据本发明的一个方面，提供了一种基于语义轨迹的位置预测算法，步骤包括：搜集用户轨迹日志以进行数据清洗，获取停留位置序列；逆地址解析停留位置序列，获取语义序列以计算出语义轨迹模式集，并采用前缀树构建语义轨迹模式树；聚类重合语义轨迹模式树，形成用户簇集；获取当前用户停留位置序列，基于用户簇集归类，预测后续停留位置。

优选地，其中数据清洗步骤包括：删除非法地址数据；生成按时间排序的停留点列表，根据时间及距离阈值合并停留点；计算停留点置信度，删除异常停留点。

优选地，其中语义序列获取步骤包括：经语义数据库解析停留位置序列，获取与停留点对应，且包含时间戳及语义标签的兴趣数据；计算各兴趣数据与对应停留点的距离权重，并按时段汇总语义标签；选取各时段距离权重最高的语义标签，组成语义序列。

优选地，其中语义轨迹模式集计算步骤包括：计算语义序列支持度，以依时序生成频繁K项集；计算频繁K项集支持度，得出语义轨迹模式集。

优选地，其中非法地址数据包括：非法Mac地址数据，及无线列表中非法BSSID数据。

优选地，其中停留点置信度计算步骤包括：设定停留点列表中各停留点数据初始置信值为0；计算相邻停留点之间瞬时速度，与速度阈值比较；对所有停留点数据进行归一化计算，得出异常停留点。

优选地，其中兴趣数据为：POI或AOI中的至少一种数据。

优选地，其中预测后续停留位置步骤包括：根据归类的语义轨迹模式树，获知下个进程的兴趣数据，推得下个停留点。

为了实现上述目的，根据本发明的另一方面，提供了一种存储介质，其存储有计算机可执行指令，当该计算机可执行指令被处理器执行时，该处理器执行上述基于语义轨迹的位置预测算法。

通过本发明提供的该基于语义轨迹的位置预测算法及存储介质，能够突破了基于地理位置轨迹相似度的局限性，提高用户位置预测的准确性，即使预测处于不同地域的位置轨迹也能得出较高准确度，并且该算法不但能够提高短期位置预测的准确性，还能进一步提升长期位置预测的准确性。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的基于语义轨迹的位置预测算法构架示意图；

图2为本发明的基于语义轨迹的位置预测算法构架中合并停留点的示意图；

图3为本发明的基于语义轨迹的位置预测算法构架中语义序列的示例图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为了使本领域的技术人员更好的理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，在本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

本发明主要提供一种基于语义轨迹的位置预测算法，该算法主要基于位置语义的轨迹相似度算法，以在海量轨迹数据上通过自创的，语义轨迹模式树技术建立预测模型，从而预测用户的行为规律。相比马尔可夫模型，本发明的算法更具有解释性，计算收敛更快，并可以通过boost算法进一步提升预测准确度。

从而实现根据用户当前位置轨迹，来预测出用户未来可能的行程位置。因此该算法突破了基于地理位置轨迹相似度的局限性，计算处于不同地域的轨迹也有可能得出较高相似度。使得聚类中心点不再是物理位置而是语意空间的位置，从而到达预测长期轨迹的目的。

因此在具体实现方式中，如图1所示，本发明的该基于语义轨迹的位置预测算法，其主要步骤包括：搜集用户轨迹日志以进行数据清洗，获取停留位置序列，其中该轨迹日志中包括经纬度数据及时间戳；逆地址解析停留位置序列，获取语义序列以计算出语义轨迹模式集，并采用前缀树构建语义轨迹模式树；聚类重合语义轨迹模式树，形成用户簇集；获取当前用户停留位置序列，基于用户簇集归类，预测后续停留位置。

具体来说，为了提高整体预测模型的精确度，首先必须对采集的用户轨迹日志数据进行数据清洗(Data Cleaning)以剔除冗余，异常等非法数据，因此该数据清洗步骤主要包括：删除用户轨迹日志中的非法地址数据，例如：非法Mac地址数据，及无线列表中非法BSSID数据，从而生成按时间排序的停留点列表；

而为了减少停留点列表中停留点数据的冗余，提高模型计算效率，则本发明优选根据时间及距离阈值合并停留点以减少冗余数据，如图2所示，举例来说，当生成按时间排序的停留点列表lv-list后。对于相邻的两个停留点，判断经纬度是否处于同一个cell内，而本发明为了说明具体实现方式，本算法优选以采用google s2标准的cell层级为19，面积大约400平米为例进行说明，但并未进行限制，本领域技术人员可以知晓其他现有技术的等同替换，因而皆属于本发明的揭露范围中。

其中在判断是否存在于同一cell中后，还需判断时间间隔是否小于指定阈值，其中该阈值可根据实际需求进行配置，而本实施例中以1小时为例进行说明。如果上述两个条件皆为真，则合并这两个停留点，经纬度取平均值，时间戳为前一个停留点的时间，并设置停留时间为这两个位置点的时间差。如果发生合并，判断当前合并后的点和下一个停留点能否合并。否则输出当前合并后的停留点，并以此取之后的两个停留点做判断。例如算法如下：

当完成上述停留点合并后；就可计算合并后的该停留点置信度，以删除异常停留点。具体来说该停留点置信度的计算，目的是为了识别出定位异常的停留点。由于定位算法的误差，用户轨迹中偶尔会出现位置偏移很大的点。例如，同一用户在t0时刻位于上海，在t1时刻出现在北京，之后又出现在上海。通过计算用户在轨迹每个时刻的瞬时速度，就可以判断出t1时刻可能为异常停留点。

因此在实际数据中，一条轨迹上可能有多个异常停留点。而本算法会为每个停留点计算置信度以准确找出异常数据。另一方面置信度是一个0-1之间的浮点数，置信度越小，位置点为异常停留点的概率越大。

籍此为了计算出上述异常停留点，该停留点置信度计算步骤包括：设定停留点列表中各停留点数据初始置信值为0；计算相邻停留点之间瞬时速度，与速度阈值比较；对所有停留点数据进行归一化计算，得出异常停留点。

具体来说，其中该速度阈值优选为最大速度和停留点时间差的函数。例如：Math.max(max_speed-0.005*delta_t，5)，其中max_speed为100米每秒，delta_t为两个停留点之间的时间差，单位是秒。

而上述该阈值的计算过程其实是一个经验公式，可以看出，delta_t越大，速度阈值越小，速度阈值最小为5米每秒。这么做是为了避免把异常停留点误判为正常点。例如：如果速度阈值选择100米每秒的固定值，时间间隔一小时偏移的最大范围有360公里。事实上很多在360公里范围内的点也是异常停留点，这是因为正常状态下人很难在1小时内跋涉上百公里出现在一些交通不便的地区。从而根据上述的计算以筛选出异常停留点并进行删除。

籍此当完成上述数据清洗，得出根据时序排列的停留位置序列后，就可以进入语义挖掘流程中进行处理。其中首先需根据该停留位置序列进行逆地址解析，以挖掘出包含<时间戳，语义标签>的语义序列。

其中语义序列获取步骤包括：经语义数据库解析停留位置序列，获取与停留点对应，且包含时间戳及语义标签的兴趣数据；计算各兴趣数据与对应停留点的距离权重，并按时段汇总语义标签；选取各时段距离权重最高的语义标签，组成语义序列。

具体来说，在本实施例中优选以现有技术中的AOI/POI(Area Of Interest兴趣面/Point Of Interest兴趣点)的分类作为语义标签(语义标签)，通过兴趣点/兴趣面语义数据库进行逆地址解析，找出每个停留点关联的AOI和POI。

其中AOI的语义标签可以直接打到停留点上作为输出。而POI的语义标签则需要做进一步汇总。经过测试，发现使用POI语义标签对于整个预测模型的准确度提升效果更好。

进一步的，以该AOI为例的逆地址解析比较简单。首先根据索引剪裁AOI；循环剪裁后的AOI列表，选择距离最近的一个即可得到包含<时间戳，语义标签>的兴趣数据。

而该POI为例的逆地址解析则需要进行权重计算，具体来说POI代表地图上一个点，无法准确判断停留点隶属于哪个POI。因此针对每一个停留点，优选方式中，以设置最多会返回20个相关联的POI为例。每个POI都有权重，而该权重与该POI和停留点之间的距离成正比。按照小时汇总，累加权重并取Top1的标签即可得到包含<时间戳，语义标签>兴趣数据。

具体来说，该权重计算步骤包括：对POI做索引，采用s219级网格，其中需要说明的是，该网格的选取要和上述数据清洗过程中选取的s2网格保持一致；同时找出每个停留点对应网格中的所有POI后，开始权重计算，并输出权重最高的Top 20。其中该权重计算公式为：1-当前距离/最大距离+theta，其中theta＝0.01；后按照小时汇总语义标签，取Top1并输出即可。

举例来说，如图3所示，图中某用户共有8个停留点，时间从10:05到12:55。每个停留点关联若干POI以及权重，取POI分类作为语义标签。按照时间和语义标签分组，累加权重取Top1，输出：<10:00，银行>，<11:00，中餐>，<12:00，公园>组成语义序列。

经过上述逆地址解析及相关处理后，针对获取的语义序列需要计算语义轨迹模式集Semantic Trajectory Pattern Set(STP-Set)，以进一步挖掘出停留位置序列中的某种大概率的行为习惯，以供为后续建立语义轨迹模式树Semantic Trajectory Pattern Tree(STP-Tree)提供依据。

其中该语义轨迹模式集计算步骤包括：计算语义序列支持度，以依时序生成频繁K项集；计算频繁K项集支持度，得出语义轨迹模式集。

具体来说，首先需对支持度进行定义，即：Support(X，Y)＝P(X，Y)/T，T为样本总数。在这里X，Y是语义标签，P(X，Y)表示XY在样本中出现的频次。需要注意的是P(X，Y)不等于P(Y，X)，因为语义标签是有时序的。同理Support(X，Y，Z)＝P(X，Y，Z)/T。

例如，某用户的时序语义序列如下：

<银行，中餐，公园，公司>

<医院，公园，学校，中餐，公园，公司>

<学校，小区，中餐，公园>

<学校，小区，中餐，医院>

在限定支持度大于等于0.5，且输出项集大小大于等于3的情况下。

扫描语义序列，统计长度为1的项集的支持度。Support(银行)＝1/4＝0.25，Support(中餐)＝1，Support(公园)＝1，Support(公司)＝0.5，……。删除支持度小于0.5的项集。例如：“银行”。

之后进行频繁k项集计算，步骤包括：根据计算后的语义序列，生成k项集。注意这里的k项集里的元素有时序要求，和Aprior算法不同。例如基于<学校，小区，中餐，医院>生成的2项集有<学校，小区>，<小区，中餐>，<中餐，医院>。不包括<学校，中餐>，<学校，医院>等。

再对计算k项集进行支持度计算，标记支持度小于0.5的项集，返回支持度大于等于0.5的项集。如果该集合为空，算法结束，返回空。如果k项集只有一个，返回空。算法结束。k＝k+1，如果k＞＝3，算法结束，否则返回频繁k项集的计算步骤。

籍此，根据上述示例计算，最终<中餐，公园，公司>和<学校，小区，中餐>即为该用户的语义轨迹模式集STP-Set。

而后为了形成用户簇集(User Clustering)，为后续预测模型建立相似性归类依据，首选要建立语义轨迹模式树STP-Tree。其中一个重要概念在于，一个聚类的簇(Cluster)中可以存在大量的STP-Set。因此进行线性的match非常耗时，无法满足在线系统的处理要求。因此本实施例中优选使用前缀树技术来管理STP-Set，从而构建STP-Tree能够提高运算效率。

举例来说该构建算法如下：

从而通过上述算法，所获取的STP-Tree再采用层级聚类方法，通过最大语义重合度(相似度)算法来聚类重合相似的STP-Tree，以避免异常用户对聚类中心点的影响，籍此最终获得用户簇集，以供建立基于语义轨迹的位置预测模型。

由此，当该预测模型获取当前用户停留位置序列后，即可基于用户簇集归类，或通过语义重合度(相似度)算法来选出对应的一个或多个候选STP-Tree，从而查得下个进程或后续进程的兴趣数据，推得下个或后续可能的停留点位置，籍此完成用户位置预测。

为了实现上述目的，发明另一方面还提供了一种存储介质，其存储有计算机可执行指令，当该计算机可执行指令被处理器执行时，该处理器根据服务端/客户端身份，执行上述基于语义轨迹的位置预测算法，以供完成位置预测。

综上所述，通过本发明提供的该基于语义轨迹的位置预测算法及存储介质，由于基于语义轨迹来对用户行为习惯进行预测，能够突破了基于地理位置轨迹相似度的局限性，以从用户的行为习惯本身上寻找出，更具有解释性的大概率行为规律，从而一方面能提高用户位置预测的准确性，即使预测处于不同地域的位置轨迹也能得出较高准确度，另一方面不但能够提高短期位置预测的准确性，由于普通人的行为习惯一旦养成并不会在短期内进行较大的改变，因此基于本发明的方案，还能进一步提升对用户长期位置预测的准确性。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本领域技术人员可以理解实现上述实施例算法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述算法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (9)

1.一种基于语义轨迹的位置预测算法，步骤包括：搜集用户轨迹日志以进行数据清洗，获取停留位置序列；逆地址解析停留位置序列，获取语义序列以计算出语义轨迹模式集，并采用前缀树构建语义轨迹模式树；聚类重合语义轨迹模式树，形成用户簇集；获取当前用户停留位置序列，基于用户簇集归类，预测后续停留位置。

2.根据权利要求1所述的基于语义轨迹的位置预测算法，其中数据清洗步骤包括：删除非法地址数据；生成按时间排序的停留点列表，根据时间及距离阈值合并停留点；计算停留点置信度，删除异常停留点。

3.根据权利要求1所述的基于语义轨迹的位置预测算法，其中语义序列获取步骤包括：经语义数据库解析停留位置序列，获取与停留点对应，且包含时间戳及语义标签的兴趣数据；计算各兴趣数据与对应停留点的距离权重，并按时段汇总语义标签；选取各时段距离权重最高的语义标签，组成语义序列。

4.根据权利要求1所述的基于语义轨迹的位置预测算法，其中语义轨迹模式集计算步骤包括：计算语义序列支持度，以依时序生成频繁K项集；计算频繁K项集支持度，得出语义轨迹模式集。

5.根据权利要求2所述的基于语义轨迹的位置预测算法，其中非法地址数据包括：非法Mac地址数据，及无线列表中非法BSSID数据。

6.根据权利要求2所述的基于语义轨迹的位置预测算法，其中停留点置信度计算步骤包括：

设定停留点列表中各停留点数据初始置信值为0；计算相邻停留点之间瞬时速度，与速度阈值比较；对所有停留点数据进行归一化计算，得出异常停留点。

7.根据权利要求3所述的基于语义轨迹的位置预测算法，其中兴趣数据为：POI或AOI中的至少一种数据。

8.根据权利要求1所述的基于语义轨迹的位置预测算法，其中预测后续停留位置步骤包括：根据归类的语义轨迹模式树，获知下个进程的兴趣数据，推得下个停留点。

9.一种存储介质，存储有计算机可执行指令，当所述计算机可执行指令被处理器执行时，所述处理器执行如权利要求1至8任一所述基于语义轨迹的位置预测算法。