CN111723123A - 轨迹预测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种轨迹预测方法、装置、电子设备及存储介质，属于数据挖掘技术领域。该方法包括：获取目标用户在连续的N个时间周期内的轨迹数据，从N个时间周期内的轨迹数据中筛选与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置，基于预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在预测时间点的轨迹进行预测。由于筛选出的轨迹数据中包括目标用户历史所处的位置，且预测时间点与筛选出的轨迹数据处于同一时间片，从而表明目标用户在预测时间点所处的位置可能为筛选出的轨迹数据包括的位置。这样，即可基于具有稀疏特点的轨迹数据对目标用户的轨迹进行预测。

Description

轨迹预测方法、装置、电子设备及存储介质

技术领域

本申请涉及数据挖掘技术领域，特别涉及一种轨迹预测方法、装置、电子设备及存储介质。

背景技术

日常生活中，往往会通过空间内设置的视频监控设备、门禁设备和刷卡设备等记录用户的轨迹数据，进而绘制得到用户的轨迹。然而，由于空间内设置的用于记录用户的轨迹数据的设备较少，导致用户的轨迹数据具有稀疏的特点，因此，亟需一种基于稀疏的轨迹数据进行轨迹预测的方法，也即是，能够利用稀疏的轨迹数据，预测用户在未来的某一时刻的轨迹的方法。

发明内容

本申请提供了一种轨迹预测方法、装置、电子设备及存储介质，可以解决用户在未来某一时刻的轨迹的预测的问题。所述技术方案如下：

第一方面，提供了一种轨迹预测方法，所述方法包括：

获取目标用户在连续的N个时间周期内的轨迹数据，所述N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，所述N为正整数；

从所述N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及所述目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同；

基于所述预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

可选地，所述基于所述预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测，包括：

当所述预测时间点与当前时间点之间的时间差大于时长阈值时，基于筛选出的轨迹数据，对所述目标用户在所述预测时间点的轨迹进行预测；

当所述时间差小于或等于所述时长阈值时，基于筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

可选地，所述基于筛选出的轨迹数据，对所述目标用户在所述预测时间点的轨迹进行预测，包括：

确定筛选出的轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

可选地，所述基于筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测，包括：

从筛选出的轨迹数据中选择转移轨迹数据，所述转移轨迹数据中包括的位置是从所述目标用户在当前时间点所处的位置转移后得到的；

确定选择出的转移轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

可选地，所述从筛选出的轨迹数据中选择转移轨迹数据，包括：

从筛选出的轨迹数据中选择包括的位置与所述目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为所述转移轨迹数据。

可选地，所述从筛选出的轨迹数据中选择转移轨迹数据，包括：

从筛选出的轨迹数据中选择K个第一轨迹数据以及与所述K个第一轨迹数据一一对应的K个第二轨迹数据，所述第一轨迹数据中包括的位置与所述目标用户在当前时间点所处的位置不同，所述第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，所述K为正整数；

从所述K个第二轨迹数据中，选择包括的位置与所述目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为所述转移轨迹数据。

第二方面，提供了一种轨迹预测装置，所述装置包括：

获取模块，用于获取目标用户在连续的N个时间周期内的轨迹数据，所述N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，所述N为正整数；

筛选模块，用于从所述N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及所述目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同；

预测模块，用于基于所述预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

可选地，所述预测模块包括：

第一预测单元，用于当所述预测时间点与当前时间点之间的时间差大于时长阈值时，基于筛选出的轨迹数据，对所述目标用户在所述预测时间点的轨迹进行预测；

第二预测单元，用于当所述时间差小于或等于所述时长阈值时，基于筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

可选地，所述第一预测单元主要用于：

确定筛选出的轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

可选地，所述第二预测单元主要用于：

从筛选出的轨迹数据中选择转移轨迹数据，所述转移轨迹数据中包括的位置是从所述目标用户在当前时间点所处的位置转移后得到的；

确定选择出的转移轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

可选地，所述第二预测单元还用于：

从筛选出的轨迹数据中选择包括的位置与所述目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为所述转移轨迹数据。

可选地，所述第二预测单元还用于：

从筛选出的轨迹数据中选择K个第一轨迹数据以及与所述K个第一轨迹数据一一对应的K个第二轨迹数据，所述第一轨迹数据中包括的位置与所述目标用户在当前时间点所处的位置不同，所述第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，所述K为正整数；

从所述K个第二轨迹数据中，选择包括的位置与所述目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为所述转移轨迹数据。

第三方面，提供了一种电子设备，所述电子设备包括：

处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信；

所述存储器用于存放计算机程序；所述处理器用于执行所述存储器上所存放的程序，以实现上述第一方面提供的任一所述方法的步骤。

第四方面，提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面提供的任一所述方法的步骤。

本申请提供的技术方案带来的有益效果至少可以包括：

本申请实施例中，由于N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，且每个时间周期被划分为多个时间片，且每个时间片的时长相同，因此，可以从N个时间周期内的轨迹数据中，筛选出与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置。由于筛选出的轨迹数据中包括目标用户历史所处的位置，且预测时间点与筛选出的轨迹数据处于同一时间片，从而可以表明目标用户在预测时间点所处的位置可能为筛选出的轨迹数据中包括的位置。因此，可以基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，实现对目标用户在该预测时间点的轨迹的预测。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种轨迹预测方法的实施环境的结构示意图；

图2是本申请实施例提供的一种轨迹预测方法的流程示意图；

图3是本申请实施例提供的一种轨迹预测方法的流程示意图；

图4是本申请实施例提供的一种轨迹预测装置的结构示意图；

图5是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

图1是本申请各个实施例提供的轨迹预测方法所涉及的一种实施环境的结构示意图。参见图1，该实施环境可以为设置有存储模块101、显示模块102和预测模块103的电子设备，该电子设备可以为手机、笔记本、台式电脑等。其中，存储模块101可以和显示模块102连接，显示模块102可以与预测模块103连接，存储模块101用于对用户的轨迹数据进行存储。存储模块101可以包括数据采集单元、数据处理单元和数据存储单元，数据采集单元连接有用于记录用户的轨迹数据的设备，比如视频监控设备、门禁设备和刷卡设备等，在通过视频设备、门禁设备和刷卡设备等对目标用户的轨迹数据进行记录后，之后再传输至数据采集单元，再通过数据处理单元对数据采集单元采集的轨迹数据进行处理，然后再存储在数据存储单元中。比如，可以数据处理单元可以对数据采集单元采集的轨迹数据进行归一化处理，以保证不同的设备记录的轨迹数据的格式统一。显示模块102用于与用户进行交互，以获取目标用户的用户标识，比如用户可以在显示模块102的显示界面中输入目标用户的用户标识，以实现用户标识的获取，目标用户是指待进行轨迹预测的用户。另外，显示模块102还可以用于获取目标用户进行轨迹预测的预测时间点，比如用户可以在显示模块102显示的显示界面中输入预测时间点，以实现预测时间点的获取。当然，目标用户进行轨迹预测的预测时间点还可以由预测模块103确定。预测模块103可以包括时间片划分单元、数据查询单元、行为模式发现单元和轨迹预测单元，时间片划分单元用于以指定间隔时长为单元对轨迹数据的时间周期进行划分，以得到多个时间片，时间片划分单元还用于对划分得到的多个时间片进行顺序编号。数据查询单元用于在存储模块101中查询并获取N个时间周期的轨迹数据，并将获取的轨迹数据按照包括的时间标签进行排序。行为模式单元包括基于区域概率的行为模式计算单元和基于转移概率的行为模式计算单元。轨迹预测单元从行为模式发现单元的计算结果中获取用户出现的位置及对应的概率值，以实现对用户在未来某一时刻的轨迹的预测。另外，对于轨迹预测单元预测的轨迹可以在显示模块102显示的显示界面中进行显示。

图2是本申请实施例提供的一种轨迹预测方法的流程示意图。该方法应用于入上述所述的电子设备中。参见图2，该方法包括如下步骤。

步骤201：获取目标用户在连续的N个时间周期内的轨迹数据，N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，N为正整数；

步骤202：从N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同；

步骤203：基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测。

本申请实施例中，由于N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，且每个时间周期被划分为多个时间片，且每个时间片的时长相同，因此，可以从N个时间周期内的轨迹数据中，筛选出与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置。由于筛选出的轨迹数据中包括目标用户历史所处的位置，且预测时间点与筛选出的轨迹数据处于同一时间片，从而可以表明目标用户在预测时间点所处的位置可能为筛选出的轨迹数据中包括的位置。因此，可以基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，实现对目标用户在该预测时间点的轨迹的预测。

可选地，基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测，包括：

当该预测时间点与当前时间点之间的时间差大于时长阈值时，基于筛选出的轨迹数据，对目标用户在该预测时间点的轨迹进行预测；

当时间差小于或等于时长阈值时，基于筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测。

可选地，基于筛选出的轨迹数据，对目标用户在该预测时间点的轨迹进行预测，包括：

确定筛选出的轨迹数据中包括的多个位置，以及目标用户在每个位置出现的次数；

基于目标用户在每个位置出现的次数，确定多个位置对应的概率；

按照概率从大到小的顺序，从多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，M为正整数。

可选地，基于筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测，包括：

从筛选出的轨迹数据中选择转移轨迹数据，转移轨迹数据中包括的位置是从目标用户在当前时间点所处的位置转移后得到的；

确定选择出的转移轨迹数据中包括的多个位置，以及目标用户在每个位置出现的次数；

基于目标用户在每个位置出现的次数，确定多个位置对应的概率；

按照概率从大到小的顺序，从多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，M为正整数。

可选地，从筛选出的轨迹数据中选择转移轨迹数据，包括：

从筛选出的轨迹数据中选择包括的位置与目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为转移轨迹数据。

可选地，从筛选出的轨迹数据中选择转移轨迹数据，包括：

从筛选出的轨迹数据中选择K个第一轨迹数据以及与K个第一轨迹数据一一对应的K个第二轨迹数据，第一轨迹数据中包括的位置与目标用户在当前时间点所处的位置不同，第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，K为正整数；

从K个第二轨迹数据中，选择包括的位置与目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为转移轨迹数据。

上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。

图3是本申请实施例提供的一种轨迹预测方法的流程示意图。该方法应用于入上述所述的电子设备中。参见图3，该方法包括如下步骤。

步骤301：获取目标用户在连续的N个时间周期内的轨迹数据，N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，N为正整数。

其中，一个时间周期的周期时长可以为24小时，这样一个时间周期可以为从0:00～24:00的时间段，当然也可以从当前时间点在前一天对应的时间点至当前时间点的时间段。当然，前述只是一种示例，也可以以其他时间段的长度作为一个时间周期。

每条轨迹数据中可以包括时间标签和位置信息，还可以包括用户标识，这样，可以按照目标用户的用户标识和每条轨迹数据包括的时间标签，获取目标用户在连续的N个时间周期内的轨迹数据。当然，每条轨迹数据中也可以不包括用户标识，此时，可以按照用户标识对轨迹数据进行单独存储，也即是将不同用户的轨迹数据存储在不同的位置，比如，可以设置多个存储单元，每个存储单元对应存储一个用户的轨迹数据。这样可以基于目标用户的用户标识和每条轨迹数据包括的时间标签，从目标用户对应的存储单元中获取N个时间周期内的轨迹数据。

其中，时间标签可以是指轨迹数据的采集日期和采集时间点，位置信息可以是指记录轨迹数据时用户所处位置的编号，其中，可以事先对指定空间进行位置划分且按照位置进行编号，这样，指定空间中划分的每个位置均具有各自的编号。

步骤302：从N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同。

由于每个用户的轨迹数据具有稀疏的特点，这样每个用户的轨迹数据中可能不存在用户在某一时间点对应的轨迹数据，因此可以对时间周期按照间隔时长进行划分，得到多个时间片，且按照时间片的顺序进行编号，以通过每个时间片对应的编号对用户的轨迹数据进行统计。这样，存储的每条轨迹数据中还可以包括轨迹数据的采集时间点所处的时间片对应的编号。进而在筛选与预设时间点处于同一时间片的轨迹数据时，可以先确定预测时间点所处的时间片对应的编号，然后，从获取的N个时间周期内的轨迹数据中，筛选包括的编号与确定的编号相同的轨迹数据，从而得到与预测时间点处于同一时间片的轨迹数据。

当然，在对时间周期按照间隔时长进行划分得到多个时间片后，可以不对每个时间片进行编号，这样，存储的每条轨迹数据中不包括轨迹数据的采集时间点所在的时间片对应的编号。因此，可以先确定预测时间点所在的时间片，进而从获取的N个时间周期内的轨迹数据中筛选时间标签所指示的时间点位于确定的时间片内的轨迹数据，从而得到与预测时间点处于同一时间片的轨迹数据。

其中，间隔时长可以预先进行设置。当间隔时长为半小时时，对时间周期按照间隔时长进行划分后，可以得到48个时间片，之后该48个时间片可以按照0～47的顺序进行编号。

由于N个时间周期包括当前时间周期，也即是N个时间周期内的轨迹数据包括当前时间点的轨迹数据，因此，在获取到N个时间周期内的轨迹数据中，可以筛选出当前时间点的轨迹数据，并将当前时间点的轨迹数据中包括的位置信息所指示的位置，确定为目标用户在当前时间点所处的位置。

在筛选出与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置后，可以基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，按照如下步骤303～步骤305对目标用户在该预测时间点的轨迹进行预测。

步骤303：确定该预测时间点与当前时间点之间的时间差，当时间差大于时长阈值时执行步骤304，当时间差小于或等于时长阈值时执行步骤305。

其中，时间阈值可以根据目标用户在时间周期内的轨迹数据进行确定，当然也可以按照其他方式进行确定，比如时间阈值可以为2小时。当时间差大于时长阈值时，表明预测时间点与当前时间点之间的时间间隔较大，目标用户在预测时间点所处的位置与在当前时间点所处的位置之前并无关系，此时可以按照步骤304预测目标用户在该预测时间点的轨迹。当时间差小于或等于时长阈值时，表明预测时间点与当前时间点之间的时间间隔较小，目标用户在预测时间点所处的位置可能与当前时间点所处的位置存在转移关系，此时可以按照步骤305预测目标用户在该预测时间点的轨迹。

步骤304：基于筛选出的轨迹数据，对目标用户在该预测时间点的轨迹进行预测。

具体地，可以按照如下步骤(1)-(3)对目标用户在该预测时间点的轨迹进行预测。

(1)、确定筛选出的轨迹数据中包括的多个位置，以及目标用户在每个位置出现的次数。

具体地，可以基于筛选出的轨迹数据中的每条轨迹数据包括的位置信息，确定多个位置。然后，统计每个位置在筛选出的轨迹数据中出现的次数，并将统计的次数确定为目标用户在每个位置出现的次数。

比如，确定筛选出的轨迹数据中包括位置A1、位置A2、位置A3和位置A4，共四个位置，且位置A1出现的次数为6，位置A2出现的次数为7，位置A3出现的次数为3，位置A4出现的次数为4。

(2)、基于目标用户在每个位置出现的次数，确定多个位置对应的概率。

对于该多个位置中的任一个位置，可以将目标用户在该位置出现的次数与目标用户在该多个位置出现的次数总和之间的比值，确定为该位置对应的概率。按照这样的方法，即可得到每个位置对应的概率。

继续上述举例，位置A1、位置A2、位置A3和位置A4出现的次数总和为20，位置A1对应的概率为6与20的比值，即为0.30，位置A2对应的概率为7与20的比值，即为0.35，位置A3对应的概率为3与20的比值，即为0.15，位置A4对应的概率为4与20的比值，即为0.20。

(3)、按照概率从大到小的顺序，从多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，M为正整数。

可以按照概率对该多个位置进行排序，按照概率从大到小的顺序，从排序结果中选择前M个位置，这样，即可将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果。

继续上述举例，假设M为2，对位置A1、位置A2、位置A3和位置A4分别对应的概率按照从到小的顺序进行排序后得到位置顺序为：位置A2、位置A1、位置A4和位置A3，之后将位置A2和位置A1，以及分别对应的概率0.35和0.30作为目标用户的轨迹预测结果。

步骤305：基于筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测。

具体地，可以按照如下步骤(1)-(3)对目标用户在该预测时间点的轨迹进行预测。

(1)、从筛选出的轨迹数据中选择转移轨迹数据，转移轨迹数据中包括的位置是从目标用户在当前时间点所处的位置转移后得到的。

在第一种可能的实现方式中，可以从筛选出的轨迹数据中选择包括的位置与目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为转移轨迹数据。

由于预测时间点与当前时间点之间的时间差小于或等于时长阈值，也就是说，目标用户在预测时间点所处的位置可能与当前时间点所处的位置存在转移关系，因此，可以确定筛选出的每条轨迹数据包括的位置信息，之后将筛选出的每条轨迹数据包括的位置信息与目标用户在当前时间点所处的位置的位置信息进行比对，以选择出位置信息不同的轨迹数据，并将选择出的轨迹数据作为轨迹数据。

由于目标用户在预测时间点所处的位置可能与当前时间点所处的位置存在转移关系，因此，目标用户在预测时间点所处的位置与目标用户在当前时间点所处的位置不同的概率较大，因此，通过第一种可能的实现方式，可以简单、高效地确定出转移轨迹数据。

在第二种可能的实现方式中，可以从筛选出的轨迹数据中选择K个第一轨迹数据以及与K个第一轨迹数据一一对应的K个第二轨迹数据，从K个第二轨迹数据中，选择包括的位置与目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为转移轨迹数据。

其中，第一轨迹数据中包括的位置与目标用户在当前时间点所处的位置不同，第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，K为正整数。

第二种可能的实现方式实际上是从筛选出的轨迹数据中选择包括的采集时间点相邻的两条轨迹数据，且采集时间点较晚的轨迹数据包括的位置与目标用户在当前时间点所处的位置不同，采集时间点较早的轨迹数据包括的位置与目标用户在当前时间点所处的位置相同，这样，即可基于目标用户在当前时间点所处的位置的基础上，确定转移轨迹数据。

由于目标用户在预测时间点所处的位置可能与当前时间点所处的位置存在转移关系，因此，目标用户在预测时间点所处的位置与目标用户在当前时间点所处的位置不同的概率较大，而且目标用户在预测时间点之前的相邻时间点所处的位置与目标用户在当前时间点所处的位置相同的概率较大，因此，通过第二种可能的实现方式，确定出的转移轨迹数据的准确率更高。

(2)、确定选择出的转移轨迹数据中包括的多个位置，以及目标用户在每个位置出现的次数。

具体实现方式可以与上述步骤304中的(2)中论述的步骤相同或相似，本申请实施例在此不再赘述。

(3)、基于目标用户在每个位置出现的次数，确定多个位置对应的概率。

具体实现方式可以与上述步骤304中的(3)中论述的步骤相同或相似，本申请实施例在此不再赘述。

(4)、按照概率从大到小的顺序，从多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，M为正整数。

具体实现方式可以与上述步骤304中的(4)中论述的步骤相同或相似，本申请实施例在此不再赘述。

本申请实施例中，由于N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，且每个时间周期被划分为多个时间片，且每个时间片的时长相同，因此，可以从N个时间周期内的轨迹数据中，筛选出与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置。由于筛选出的轨迹数据中包括目标用户历史所处的位置，且预测时间点与筛选出的轨迹数据处于同一时间片，从而可以表明目标用户在预测时间点所处的位置可能为筛选出的轨迹数据中包括的位置。此时，可以确定该预测时间点与当前时间点之间的时间差，当时间差大于时长阈值时，则表明目标用户在该预测时间点所在的位置与在当前时间点所在的位置无关系，此时可以基于筛选出的轨迹数据对目标用户在该预测时间点的轨迹的预测。当时间差小于或等于时长阈值时，则表明目标用户在该预测时间点所在的位置可能与在当前时间点所在的位置存在转移关系，此时可以基于筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测，从而实现利用稀疏特点的轨迹数据实现目标用户在未来某一时刻的轨迹的预测。

图4是本申请实施例提供的一种轨迹预测装置的结构示意图。参见图4，该装置包括：

获取模块401，用于获取目标用户在连续的N个时间周期内的轨迹数据，N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，N为正整数；

筛选模块402，用于从N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同；

预测模块403，用于基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测。

可选地，预测模块403包括：

第一预测单元，用于当该预测时间点与当前时间点之间的时间差大于时长阈值时，基于筛选出的轨迹数据，对目标用户在预测时间点的轨迹进行预测；

第二预测单元，用于当时间差小于或等于时长阈值时，基于筛选出的轨迹数据和目标用户在当前时间点所处的位置，对目标用户在该预测时间点的轨迹进行预测。

可选地，第一预测单元主要用于：

确定筛选出的轨迹数据中包括的多个位置，以及目标用户在每个位置出现的次数；

基于目标用户在每个位置出现的次数，确定多个位置对应的概率；

按照概率从大到小的顺序，从多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，M为正整数。

可选地，第二预测单元主要用于：

从筛选出的轨迹数据中选择转移轨迹数据，转移轨迹数据中包括的位置是从目标用户在当前时间点所处的位置转移后得到的；

确定选择出的转移轨迹数据中包括的多个位置，以及目标用户在每个位置出现的次数；

基于目标用户在每个位置出现的次数，确定多个位置对应的概率；

按照概率从大到小的顺序，从多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，M为正整数。

可选地，第二预测单元还用于：

从筛选出的轨迹数据中选择包括的位置与目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为转移轨迹数据。

可选地，第二预测单元还用于：

从筛选出的轨迹数据中选择K个第一轨迹数据以及与K个第一轨迹数据一一对应的K个第二轨迹数据，第一轨迹数据中包括的位置与目标用户在当前时间点所处的位置不同，第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，K为正整数；

从K个第二轨迹数据中，选择包括的位置与目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为转移轨迹数据。

本申请实施例中，从获取的目标用户在连续的N个时间周期内的轨迹数据内筛选出与预测时间点处于同一时间片的轨迹数据，以及目标用户在当前时间点所处的位置，由于筛选出的轨迹数据能够表示目标用户在该时间片内所处的位置，且预测时间点也处于该时间片，从而可以表明目标用户在预测时间点所处的位置可能为筛选出的轨迹数据中包括的位置。因此，可以基于该预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和目标用户在当前时间点所处的位置，实现对目标用户在该预测时间点的轨迹的预测。

需要说明的是：上述实施例提供的轨迹预测装置在对轨迹进行预测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的轨迹预测装置与轨迹预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图5示例了本申请一个示例性实施例提供的电子设备500的结构框图。参见图5，该电子设备500可以是：智能手机、平板电脑、笔记本电脑或台式电脑。电子设备500还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。参见图5，电子设备500可以包括处理器501和存储器502。

处理器501可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器501可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器501还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器502可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的一种轨迹预测方法。

在一些实施例中，电子设备500还可选包括有：通信接口503和至少一个外围设备。处理器501、存储器502和通信接口503之间可以通过通信总线或信号线相连。各个外围设备可以通过通信总线、信号线或电路板与通信接口503相连。具体地，外围设备包括：射频电路504、显示屏505、定位组件506和电源507中的至少一种。

通信接口503可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中，处理器501、存储器502和通信接口503被集成在同一芯片或电路板上；在一些其他实施例中，处理器501、存储器502和通信接口503中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路504用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路504包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它电子设备进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路504还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏505用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是显示屏时，显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时，显示屏505还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏505可以为一个，设置电子设备500的前面板；在另一些实施例中，显示屏505可以为至少两个，分别设置在电子设备500的不同表面或呈折叠设计；在再一些实施例中，显示屏505可以是柔性显示屏，设置在电子设备500的弯曲表面上或折叠面上。甚至，显示屏505还可以设置成非矩形的不规则图形，也即异形屏。显示屏505可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

定位组件506用于定位电子设备500的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件506可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。

电源507用于为电子设备500中的各个组件进行供电。电源507可以是交流电、直流电、一次性电池或可充电电池。当电源507包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

本领域技术人员可以理解，图5中示出的结构并不构成对电子设备500的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在上述实施例中，还提供了一种包括指令的非暂态的计算机可读存储介质，该计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器所执行以实现上述图2和图3所示实施例提供的方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (14)

1.一种轨迹预测方法，其特征在于，所述方法包括：

获取目标用户在连续的N个时间周期内的轨迹数据，所述N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，所述N为正整数；

从所述N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及所述目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同；

基于所述预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

2.如权利要求1所述的方法，其特征在于，所述基于所述预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测，包括：

当所述预测时间点与当前时间点之间的时间差大于时长阈值时，基于筛选出的轨迹数据，对所述目标用户在所述预测时间点的轨迹进行预测；

当所述时间差小于或等于所述时长阈值时，基于筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

3.如权利要求2所述的方法，其特征在于，所述基于筛选出的轨迹数据，对所述目标用户在所述预测时间点的轨迹进行预测，包括：

确定筛选出的轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

4.如权利要求2所述的方法，其特征在于，所述基于筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测，包括：

从筛选出的轨迹数据中选择转移轨迹数据，所述转移轨迹数据中包括的位置是从所述目标用户在当前时间点所处的位置转移后得到的；

确定选择出的转移轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

5.如权利要求4所述的方法，其特征在于，所述从筛选出的轨迹数据中选择转移轨迹数据，包括：

从筛选出的轨迹数据中选择包括的位置与所述目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为所述转移轨迹数据。

6.如权利要求4所述的方法，其特征在于，所述从筛选出的轨迹数据中选择转移轨迹数据，包括：

从筛选出的轨迹数据中选择K个第一轨迹数据以及与所述K个第一轨迹数据一一对应的K个第二轨迹数据，所述第一轨迹数据中包括的位置与所述目标用户在当前时间点所处的位置不同，所述第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，所述K为正整数；

从所述K个第二轨迹数据中，选择包括的位置与所述目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为所述转移轨迹数据。

7.一种轨迹预测装置，其特征在于，所述装置包括：

获取模块，用于获取目标用户在连续的N个时间周期内的轨迹数据，所述N个时间周期包括当前时间周期以及早于当前时间周期的N-1个时间周期，所述N为正整数；

筛选模块，用于从所述N个时间周期内的轨迹数据中，筛选与预测时间点处于同一时间片的轨迹数据，以及所述目标用户在当前时间点所处的位置，其中，每个时间周期被划分为多个时间片，且每个时间片的时长相同；

预测模块，用于基于所述预测时间点与当前时间点之间的时间差、筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

8.如权利要求7所述的装置，其特征在于，所述预测模块包括：

第一预测单元，用于当所述预测时间点与当前时间点之间的时间差大于时长阈值时，基于筛选出的轨迹数据，对所述目标用户在所述预测时间点的轨迹进行预测；

第二预测单元，用于当所述时间差小于或等于所述时长阈值时，基于筛选出的轨迹数据和所述目标用户在当前时间点所处的位置，对所述目标用户在所述预测时间点的轨迹进行预测。

9.如权利要求8所述的装置，其特征在于，所述第一预测单元主要用于：

确定筛选出的轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

10.如权利要求8所述的装置，其特征在于，所述第二预测单元主要用于：

从筛选出的轨迹数据中选择转移轨迹数据，所述转移轨迹数据中包括的位置是从所述目标用户在当前时间点所处的位置转移后得到的；

确定选择出的转移轨迹数据中包括的多个位置，以及所述目标用户在每个位置出现的次数；

基于所述目标用户在每个位置出现的次数，确定所述多个位置对应的概率；

按照概率从大到小的顺序，从所述多个位置中选择M个位置，将选择出的M个位置和每个位置对应的概率作为轨迹预测的结果，所述M为正整数。

11.如权利要求10所述的装置，其特征在于，所述第二预测单元还用于：

从筛选出的轨迹数据中选择包括的位置与所述目标用户在当前时间点所处的位置不同的轨迹数据，将选择出的轨迹数据作为所述转移轨迹数据。

12.如权利要求10所述的装置，其特征在于，所述第二预测单元还用于：

从筛选出的轨迹数据中选择K个第一轨迹数据以及与所述K个第一轨迹数据一一对应的K个第二轨迹数据，所述第一轨迹数据中包括的位置与所述目标用户在当前时间点所处的位置不同，所述第二轨迹数据是指与对应的第一轨迹数据处于同一时间周期，且与对应的第一轨迹数据的采集时间点相邻并早于对应的第一轨迹数据的采集时间点，所述K为正整数；

从所述K个第二轨迹数据中，选择包括的位置与所述目标用户在当前时间点所处的位置相同的第二轨迹数据，将选择的第二轨迹数据对应的第一轨迹数据作为所述转移轨迹数据。

13.一种电子设备，其特征在于，所述电子设备包括：

处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信；

所述存储器用于存放计算机程序；所述处理器用于执行所述存储器上所存放的程序，以实现权利要求1-6任一所述方法的步骤。

14.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述方法的步骤。

Images