一种基于轨迹信息的用户行为预测画像方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111444243A(43)申请公布日2020.07.24(21)申请号202010241478.9(22)申请日2020.03.31(71)申请人北京信息科技大学地址100101北京市海淀区清河小营东路12号(72)发明人康海燕李昊(74)专利代理机构北京高沃律师事务所11569代理人刘凤玲(51)Int.Cl.G06F16/2458(2019.01)G06F16/248(2019.01)G06F16/29(2019.01)G06N3/04(2006.01)G06Q10/04(2012.01)权利要求书2页说明书10页附图4页(54)发明名称一种基于轨迹信息的用户行为预测画像方法及系统(57)摘要本发明公开了一种基于轨迹信息的用户行为预测画像方法及系统，涉及用户出行轨迹预测领域，主要包括对用户原始轨迹数据集中的轨迹数据进行停留点检测，进而构建用户停留点集；采用频繁序列模式挖掘算法对用户停留点集中的数据进行处理，进而构建用户频繁序列轨迹点集；根据用户停留点集构建用户访问频数集；将用户停留点集、用户频繁序列轨迹点集和用户访问频数集输入到基于关键点的长短期记忆神经网络预测模型中以预测用户出行轨迹点；对预测的用户出行轨迹点进行可视化操作得到用户轨迹画像。本发明能够精准用户出行轨迹，并可视化。CN111444243ACN111444243A权利要求书1/2页1.一种基于轨迹信息的用户行为预测画像方法，其特征在于，包括：构建用户原始轨迹数据集；所述用户原始轨迹数据集中的每个元素均包括三个字段，分别为经度、纬度和时间戳；对所述用户原始轨迹数据集中的轨迹数据进行停留点检测，构建用户停留点集；采用频繁序列模式挖掘算法对所述用户停留点集中的数据进行处理，构建用户频繁序列轨迹点集；根据所述用户停留点集，构建用户访问频数集；其中，所述用户访问频数集中的数据为所述用户停留点集中频数大于设定阈值的停留点；将所述用户停留点集、所述用户频繁序列轨迹点集和所述用户访问频数集输入到基于关键点的长短期记忆神经网络预测模型中，以预测用户出行轨迹点；对预测的所述用户出行轨迹点进行可视化操作，得到用户轨迹画像。2.根据权利要求1所述的一种基于轨迹信息的用户行为预测画像方法，其特征在于，所述构建用户原始轨迹数据集，具体包括：获取用户GPS轨迹数据；对所述用户GPS轨迹数据进行格式转化和去除冗余特征处理，并根据处理后的用户GPS轨迹数据，构建用户原始轨迹数据集。3.根据权利要求1所述的一种基于轨迹信息的用户行为预测画像方法，其特征在于，在对所述用户原始轨迹数据集中的轨迹数据进行停留点检测，构建用户停留点集之前，还包括：对所述用户原始轨迹数据集中的轨迹数据进行噪音滤波、轨迹压缩和路网匹配处理，得到预处理后的用户原始轨迹数据集。4.根据权利要求1所述的一种基于轨迹信息的用户行为预测画像方法，其特征在于，所述采用频繁序列模式挖掘算法对所述用户停留点集中的数据进行处理，构建用户频繁序列轨迹点集，具体包括：采用时空轨迹频繁序列模式挖掘算法对所述用户停留点集中的数据进行处理，确定用户频繁访问序列；根据所述用户频繁访问序列，结合语义化识别算法，挖掘用户频繁出行轨迹点，进而构建用户频繁序列轨迹点集。5.根据权利要求1所述的一种基于轨迹信息的用户行为预测画像方法，其特征在于，所述基于关键点的长短期记忆神经网络预测模型是根据各个用户的历史出行轨迹关键数据点集训练基于关键点的长短期记忆神经网络得到的；所述历史出行轨迹关键数据点集包括用户历史停留点集、用户历史频繁序列轨迹点集和用户历史访问频数集。6.一种基于轨迹信息的用户行为预测画像系统，其特征在于，包括：用户原始轨迹数据集构建模块，用于构建用户原始轨迹数据集；所述用户原始轨迹数据集中的每个元素均包括三个字段，分别为经度、纬度和时间戳；用户停留点集构建模块，用于对所述用户原始轨迹数据集中的轨迹数据进行停留点检测，构建用户停留点集；用户频繁序列轨迹点集构建模块，用于采用频繁序列模式挖掘算法对所述用户停留点集中的数据进行处理，构建用户频繁序列轨迹点集；2CN111444243A权利要求书2/2页用户访问频数集构建模块，用于根据所述用户停留点集，构建用户访问频数集；其中，所述用户访问频数集中的数据为所述用户停留点集中频数大于设定阈值的停留点；预测模块，用于将所述用户停留点集、所述用户频繁序列轨迹点集和所述用户访问频数集输入到基于关键点的长短期记忆神经网络预测模型中，以预测用户出行轨迹点；用户轨迹画像确定模块，用于对预测的所述用户出行轨迹点进行可视化操作，得到用户轨迹画像。7.根据权利要求6所述的一种基于轨迹信息的用户行为预测画像系统，其特征在于，所述用户原始轨迹数据集构建模