章静蕾^1,2,石海龙¹,崔莉¹

¹(中国科学院计算技术研究所 北京 100190);²(中国科学院大学 北京 100049) (zhangjinglei@ict.ac.cn)

出版日期: 2019-07-01


基金资助:国家自然科学基金项目(61672498,61502461)

Location Prediction Model Based on Transportation Mode and Semantic Trajectory

Zhang Jinglei^1,2, Shi Hailong¹, Cui Li¹

¹(Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190);²(University of Chinese Academy of Sciences, Beijing 100049)

Online: 2019-07-01

摘要/Abstract

摘要： 现有位置预测方法的研究多集中于对轨迹数据的挖掘和分析,而在如何通过轨迹数据中含有的信息内容以及外源数据以提高位置预测精确度方面的研究尚不深入,有很大研究空间.提出了一种挖掘语义轨迹信息并结合出行方式的未来位置预测模型,该模型首先可实现根据语义轨迹进行相似用户挖掘,并结合个人语义轨迹和相似用户位置轨迹得到频繁模式集合,最后结合2个集合对目标轨迹得到未来位置预测候选集;然后可实现对未来出行方式进行识别,同时结合历史出行方式和位置轨迹数据,建立Markov模型对未来位置进行预测得到候选集,最后结合前一部分的候选集得到最终未来位置结果.此模型不仅能结合语义轨迹挖掘相似用户的行为活动,还可同时融合出行方式的外源数据克服位置轨迹的局限性.实验验证表明：该模型能对日常生活中的轨迹位置数据进行预测并达到86%的精确度,同时在不同的频繁模式支持度下,其精确度都比未结合出行方式模型时平均高出5%,因此本模型对位置预测结果的提高具有有效性.

参考文献

相关文章 3

[1]	郭黎敏,高需,武斌,郭皓明,徐怀野,魏闫艳,王之欣,焉丽,田霂. 基于停留时间的语义行为模式挖掘[J]. 计算机研究与发展, 2017, 54(1): 111-122.
[2]	姜 广, 王晓峰, 史忠植,. 一种基于语义轨迹的事件规则学习算法[J]. , 2012, 49(12): 2623-2630.
[3]	吕明琪, 陈岭, 陈根才,. 基于自适应多阶Markov模型的位置预测[J]. , 2010, 47(10): 1764-1770.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3957