預測移動終端位置的方法及裝置的制造方法
【專利摘要】本發(fā)明公開了一種預測移動終端位置的方法及裝置，該方法包括：獲取移動終端當前的粗粒度位置信息，粗粒度位置信息包括粗粒度位置名稱、粗粒度位置地址以及獲取時間；查找粗粒度地理信息數(shù)據(jù)庫，得到與移動終端當前的粗粒度位置信息對應的當前興趣點POI數(shù)據(jù)，粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與不同POI數(shù)據(jù)之間的對應關系，POI數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度和緯度；根據(jù)當前獲取時間和當前POI數(shù)據(jù)，基于移動終端的位置歷史數(shù)據(jù)，預測移動終端下一階段位置。通過這種方式，本發(fā)明能夠在沒有提供經(jīng)緯度信息但提供粗粒度位置信息的情況下，對移動終端下一階段位置進行預測。
【專利說明】
預測移動終端位置的方法及裝置
技術領域
[0001] 本發(fā)明涉及軌跡預測技術領域，特別是涉及一種預測移動終端位置的方法及裝 置。
【背景技術】
[0002] 很多商業(yè)服務都追求提供更為精準的服務。利用歷史數(shù)據(jù)對未來的位置、行為進 行推測以便提供更精準的導航、信息推送、廣告投放業(yè)務，這是非常流行的做法，也具有很 高的商業(yè)價值?，F(xiàn)有的軌跡預測技術，大部分需要終端提供的經(jīng)煒度坐標，對終端所在的位 置進行分類和標記，然后根據(jù)終端所提供的位置歷史，對短時間內(nèi)終端的位置進行預測。但 是，很多時候出于隱私考慮，終端關掉手機GPS或是GPS信號影響，并不允許獲取準確的經(jīng)煒 度等信息。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明主要解決的技術問題是提供一種預測移動終端位置的方法及裝置，能夠在 沒有提供經(jīng)煒度信息但提供周邊粗粒度位置信息的情況下，對移動終端下一階段的位置進 行預測。
[0004] 為解決上述技術問題，本發(fā)明采用的一個技術方案是：提供一種預測移動終端位 置的方法，所述方法包括:獲取移動終端當前的粗粒度位置信息，所述粗粒度位置信息包括 粗粒度位置名稱、粗粒度位置地址以及獲取時間；查找粗粒度地理信息數(shù)據(jù)庫，得到與所述 移動終端當前的粗粒度位置信息對應的當前興趣點Ρ0Ι數(shù)據(jù)，所述粗粒度地理信息數(shù)據(jù)庫 保存有不同粗粒度位置信息與不同Ρ0Ι數(shù)據(jù)之間的對應關系，所述Ρ0Ι數(shù)據(jù)至少包括所述粗 粒度位置所在地的經(jīng)度和煒度;根據(jù)所述當前獲取時間和所述當前Ρ0Ι數(shù)據(jù)，基于已構建的 所述移動終端的位置歷史數(shù)據(jù)，預測所述移動終端下一階段的位置。
[0005] 其中，所述粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID信息、WiFi信息或藍牙信息，其 中，所述蜂窩網(wǎng)絡小區(qū)ID信息包括當前蜂窩網(wǎng)絡小區(qū)ID、所屬基站地址以及獲取時間，所述 WIFI信息包括當前WIFI名稱、當前WIFI的MAC地址以及當前獲取時間，所述藍牙信息包括當 前藍牙名稱、當前藍牙MAC地址以及獲取時間;所述粗粒度地理信息數(shù)據(jù)庫保存有不同蜂窩 網(wǎng)絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同Ρ0Ι數(shù)據(jù)之間的對應關系，所述Ρ0Ι 數(shù)據(jù)至少包括所述蜂窩網(wǎng)絡小區(qū)ID、WIFI或藍牙所在地的經(jīng)度和煒度。
[0006] 其中，所述粗粒度位置信息是WiFi信息，所述粗粒度地理信息數(shù)據(jù)庫是WIFI地理 信息數(shù)據(jù)庫，所述方法還包括:多次獲取所述移動終端在不同時間段的WIFI信息;根據(jù)多次 所述移動終端在不同時間段的WIFI信息和所述WIFI地理信息數(shù)據(jù)庫，構建所述移動終端的 位置數(shù)據(jù);對所述移動終端的位置數(shù)據(jù)中短時間內(nèi)重復的位置數(shù)據(jù)或者位置變化很小的位 置數(shù)據(jù)進行清洗，進而構建獲得所述移動終端的位置歷史數(shù)據(jù)，所述移動終端的位置歷史 數(shù)據(jù)包括WIFI名稱、WIFI的MAC地址、Ρ0Ι數(shù)據(jù)以及獲取時間的對應關系。
[0007] 其中，所述根據(jù)所述當前獲取時間和所述當前Ρ0Ι數(shù)據(jù)，基于已構建的所述移動終 端的位置歷史數(shù)據(jù)，預測所述移動終端下一階段的位置的步驟，包括:基于已構建的所述移 動終端的位置歷史數(shù)據(jù)，確定所述移動終端在不同時間段去往的不同功能地點，結(jié)合所述 當前獲取時間和所述當前POI數(shù)據(jù)，預測所述移動終端下一階段的位置。
[0008] 其中，所述基于已構建的所述移動終端的位置歷史數(shù)據(jù)，確定所述移動終端在不 同時間段去往的不同功能地點，結(jié)合所述當前獲取時間和所述當前Ρ0Ι數(shù)據(jù)，預測所述移動 終端下一階段的位置的步驟，包括:基于已構建的所述移動終端的位置歷史數(shù)據(jù)，確定所述 移動終端在不同時間段去往的不同功能地點，結(jié)合所述當前獲取時間和所述當前Ρ0Ι數(shù)據(jù)， 構造所述移動終端的馬爾科夫轉(zhuǎn)移矩陣，進而通過所述馬爾科夫轉(zhuǎn)移矩陣預測所述移動終 端下一階段的位置。
[0009] 為解決上述技術問題，本發(fā)明采用的另一個技術方案是:提供一種預測移動終端 位置的裝置，所述裝置包括:獲取模塊，用于獲取移動終端當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稱、粗粒度位置地址以及獲取時間；查找模塊，用于查找粗 粒度地理信息數(shù)據(jù)庫，得到與所述移動終端當前的粗粒度位置信息對應的當前興趣點Ρ0Ι 數(shù)據(jù)，所述粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與不同Ρ0Ι數(shù)據(jù)之間的對應 關系，所述Ρ0Ι數(shù)據(jù)至少包括所述粗粒度位置所在地的經(jīng)度和煒度;預測模塊，用于根據(jù)所 述當前獲取時間和所述當前Ρ0Ι數(shù)據(jù)，基于已構建的所述移動終端的位置歷史數(shù)據(jù)，預測所 述移動終端下一階段的位置。
[0010] 其中，所述粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID信息、WiFi信息或藍牙信息，其 中，所述蜂窩網(wǎng)絡小區(qū)ID信息包括當前蜂窩網(wǎng)絡小區(qū)ID、所屬基站地址以及獲取時間，所述 WIFI信息包括當前WIFI名稱、當前WIFI的MAC地址以及當前獲取時間，所述藍牙信息包括當 前藍牙名稱、當前藍牙MAC地址以及獲取時間;所述粗粒度地理信息數(shù)據(jù)庫保存有不同蜂窩 網(wǎng)絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同Ρ0Ι數(shù)據(jù)之間的對應關系，所述Ρ0Ι 數(shù)據(jù)至少包括所述蜂窩網(wǎng)絡小區(qū)ID、WIFI或藍牙所在地的經(jīng)度和煒度。
[0011] 其中，所述粗粒度位置信息是WiFi信息，所述粗粒度地理信息數(shù)據(jù)庫是WIFI地理 信息數(shù)據(jù)庫，所述獲取模塊還用于多次獲取所述移動終端在不同時間段的WIFI信息;所述 裝置還包括:第一構建模塊，用于根據(jù)多次所述移動終端在不同時間段的WIFI信息和所述 WIFI地理信息數(shù)據(jù)庫，構建所述移動終端的位置數(shù)據(jù);第二構建模塊，用于對所述移動終端 的位置數(shù)據(jù)中短時間內(nèi)重復的位置數(shù)據(jù)或者位置變化很小的位置數(shù)據(jù)進行清洗，進而構建 獲得所述移動終端的位置歷史數(shù)據(jù)，所述移動終端的位置歷史數(shù)據(jù)包括WIFI名稱、WIFI的 MAC地址、P01數(shù)據(jù)以及獲取時間的對應關系。
[0012] 其中，所述預測模塊具體用于基于已構建的所述移動終端的位置歷史數(shù)據(jù)，確定 所述移動終端在不同時間段去往的不同功能地點，結(jié)合所述當前獲取時間和所述當前Ρ0Ι 數(shù)據(jù)，預測所述移動終端下一階段的位置。
[0013] 其中，所述預測模塊進一步用于基于已構建的所述移動終端的位置歷史數(shù)據(jù)，確 定所述移動終端在不同時間段去往的不同功能地點，結(jié)合所述當前獲取時間和所述當前 Ρ0Ι數(shù)據(jù)，構造所述移動終端的馬爾科夫轉(zhuǎn)移矩陣，進而通過所述馬爾科夫轉(zhuǎn)移矩陣預測所 述移動終端下一階段的位置。
[0014] 本發(fā)明的有益效果是：區(qū)別于現(xiàn)有技術的情況，本發(fā)明獲取移動終端當前的粗粒 度位置信息，所述粗粒度位置信息包括粗粒度位置名稱、粗粒度位置地址以及獲取時間；查 找粗粒度地理信息數(shù)據(jù)庫，得到與移動終端當前的粗粒度位置信息對應的當前興趣點POI 數(shù)據(jù)，粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與不同P0I數(shù)據(jù)之間的對應關系， P0I數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度和煒度;根據(jù)當前獲取時間和當前P0I數(shù)據(jù)，基 于已構建的移動終端的位置歷史數(shù)據(jù)，預測移動終端下一階段的位置。由于獲取移動終端 當前的粗粒度位置信息，再結(jié)合粗粒度地理信息數(shù)據(jù)庫和移動終端的位置歷史數(shù)據(jù)，即可 預測移動終端下一階段的位置，通過這種方式，能夠在沒有提供經(jīng)煒度信息但提供周邊粗 粒度位置信息的情況下，對移動終端下一階段的位置進行預測。
【附圖說明】
[0015] 圖1是本發(fā)明預測移動終端位置的方法一實施方式的流程圖；
[0016] 圖2是本發(fā)明預測移動終端位置的方法另一實施方式的流程圖；
[0017] 圖3是本發(fā)明預測移動終端位置的裝置一實施方式的結(jié)構示意圖；
[0018] 圖4是本發(fā)明預測移動終端位置的裝置另一實施方式的結(jié)構示意圖。
【具體實施方式】
[0019] 首先大概介紹一下本發(fā)明的情況。
[0020] 正如【背景技術】所介紹，很多時候出于隱私考慮，關掉手機GPS或是GPS信號影響，并 不允許獲取經(jīng)煒度等信息。
[0021] 針對上述應用場景，現(xiàn)有技術不能對缺失經(jīng)煒度等信息的進行位置預測。本發(fā)明 提取移動終端周邊的粗粒度位置信息，利用移動終端探測到的粗粒度位置信息，對移動終 端的軌跡歷史進行建模和預測。通過查詢粗粒度地理信息數(shù)據(jù)庫，獲取所在位置的興趣點 (Point of Interest，簡寫Ρ0Ι)數(shù)據(jù)。分時預測下一階段的位置，其中，根據(jù)終端的歷史數(shù) 據(jù)，構造訪問預測矩陣，對下一階段的訪問地點進行進一步預測。根據(jù)歷史地點的Ρ0Ι數(shù)據(jù)， 針對預測結(jié)果做協(xié)同過濾矯正。
[0022] Ρ0Ι是"Point of Interest"的縮寫，中文可以翻譯為"興趣點"。每個Ρ0Ι包含四方 面信息，名稱、類別、經(jīng)度、煒度，在導航地圖系統(tǒng)中，全面的P0I訊息是豐富導航地圖的必備 資訊，及時的Ρ0Ι興趣點能提醒路況的分支及周邊建筑的詳盡信息，也能方便導航中查到所 需要的各個地方，選擇最為便捷和通暢的道路來進行路徑規(guī)劃，因此，導航地圖P0I多少狀 況直接影響到導航的好用程度。在本發(fā)明中，獲取移動終端所在位置的Ρ0Ι數(shù)據(jù)，也即是知 道移動終端所在地的經(jīng)度和煒度數(shù)據(jù)，從而也知道移動終端所在地的位置。
[0023] 下面結(jié)合附圖和實施方式對本發(fā)明進行詳細說明。
[0024] 參閱圖1，圖1是本發(fā)明預測移動終端位置的方法一實施方式的流程圖，該方法包 括：
[0025] 步驟S101:獲取移動終端當前的粗粒度位置信息，粗粒度位置信息包括粗粒度位 置名稱、粗粒度位置地址以及獲取時間。
[0026] 粗粒度位置信息是指移動終端大概范圍內(nèi)的位置信息，例如:對于經(jīng)常出差攜帶 的移動終端，通過漫游信息，可以大概知道移動終端所在的大范圍內(nèi)的哪個省、哪個市等； 根據(jù)蜂窩網(wǎng)絡小區(qū)ID，可知所屬的基站，進而得知移動終端的大概位置，等等。
[0027]在一實施方式中，粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID信息、WiFi信息、藍牙信息 或其他，其中，蜂窩網(wǎng)絡小區(qū)ID信息包括當前蜂窩網(wǎng)絡小區(qū)ID、所屬基站地址以及獲取時 間，WIFI信息包括當前WIFI名稱、當前WIFI的MAC地址以及當前獲取時間，藍牙信息包括當 前藍牙名稱、當前藍牙MAC地址以及獲取時間。
[0028] 以WiFi信息為例，現(xiàn)在移動終端通過WIFI上網(wǎng)已經(jīng)很普遍，某一區(qū)域內(nèi)WIFI所在 地的位置是確定的。因此，通過WIFI信息，可以大致確定移動終端的位置。
[0029] 通過相關抓包軟件或應用程序可以獲取移動終端的網(wǎng)絡流量數(shù)據(jù)，從這些網(wǎng)絡流 量數(shù)據(jù)中獲取移動終端當前的WIFI信息，該WIFI信息包括當前WIFI名稱、當前WIFI的MAC地 址以及當前獲取時間。
[0030] 步驟S102:查找粗粒度地理信息數(shù)據(jù)庫，得到與移動終端當前的粗粒度位置信息 對應的當前興趣點Ρ0Ι數(shù)據(jù)，粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與不同Ρ0Ι 數(shù)據(jù)之間的對應關系，P0I數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度和煒度。
[0031] 粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與不同Ρ0Ι數(shù)據(jù)之間的對應關 系，在知道移動終端當前的粗粒度位置信息情況下，即可查找到對應的當前興趣點Ρ0Ι數(shù) 據(jù)，由于Ρ0Ι數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度和煒度，因此可以知道當前移動終端的 位置。
[0032] 當粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID信息、WiFi信息或藍牙信息時，粗粒度地 理信息數(shù)據(jù)庫保存有不同蜂窩網(wǎng)絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同Ρ0Ι 數(shù)據(jù)之間的對應關系，Ρ0Ι數(shù)據(jù)至少包括蜂窩網(wǎng)絡小區(qū)ID、WIFI或藍牙所在地的經(jīng)度和煒 度。
[0033]當粗粒度位置信息是WiFi信息，粗粒度地理信息數(shù)據(jù)庫是WIFI地理信息數(shù)據(jù)庫 時，WIFI地理信息數(shù)據(jù)庫是有關不同WIFI名稱、不同WIFI的MAC地址以及不同Ρ0Ι數(shù)據(jù)之間 的對應關系的數(shù)據(jù)庫。在知道移動終端當前的WIFI信息情況下，即可查找到對應的當前興 趣點Ρ0Ι數(shù)據(jù)，從而知道當前的位置。
[0034] 進一步地，Ρ0Ι數(shù)據(jù)除了包括WIFI所在地的經(jīng)度和煒度外，還可以包括WIFI所在地 的Ρ0Ι類型，WIFI所在地周邊地點的Ρ0Ι屬性等。
[0035]步驟S103:根據(jù)當前獲取時間和當前Ρ0Ι數(shù)據(jù)，基于已構建的移動終端的位置歷史 數(shù)據(jù)，預測移動終端下一階段的位置。
[0036] 從移動終端的位置歷史數(shù)據(jù)可以統(tǒng)計出移動終端在不同的時間段通常所在的位 置情況，因此，根據(jù)當前獲取的時間，知道當前的時間，根據(jù)當前Ρ0Ι數(shù)據(jù)，知道移動終端當 前的位置，然后再結(jié)合統(tǒng)計出來的移動終端在不同的時間段通常所在的位置情況，可以大 致預測出移動終端在下一階段的位置。
[0037] 移動終端的位置歷史數(shù)據(jù)可以預先使用蜂窩網(wǎng)絡小區(qū)ID信息、WIFI信息構建或藍 牙信息，也可以預先采用其它方式構建，例如通過移動終端有時候允許獲取的經(jīng)煒度數(shù)據(jù)、 跑步軟件上獲取的位置信息、微信等社交網(wǎng)站上獲取的位置信息來構建。
[0038] 本發(fā)明實施方式獲取移動終端當前的粗粒度位置信息，粗粒度位置信息包括粗粒 度位置名稱、粗粒度位置地址以及獲取時間；查找粗粒度地理信息數(shù)據(jù)庫，得到與移動終端 當前的粗粒度位置信息對應的當前興趣點Ρ0Ι數(shù)據(jù)，粗粒度地理信息數(shù)據(jù)庫保存有不同粗 粒度位置信息與不同Ρ0Ι數(shù)據(jù)之間的對應關系，Ρ0Ι數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度 和煒度;根據(jù)當前獲取時間和當前P0I數(shù)據(jù)，基于已構建的移動終端的位置歷史數(shù)據(jù)，預測 移動終端下一階段的位置。由于獲取移動終端當前的粗粒度位置信息，再結(jié)合粗粒度地理 信息數(shù)據(jù)庫和移動終端的位置歷史數(shù)據(jù)，即可預測移動終端下一階段的位置，通過這種方 式，能夠在沒有提供經(jīng)煒度信息但提供周邊粗粒度位置信息的情況下，對移動終端下一階 段的位置進行預測。
[0039] 參閱圖2,粗粒度位置信息是WiFi信息，粗粒度地理信息數(shù)據(jù)庫是WIFI地理信息數(shù) 據(jù)庫，該方法還包括:步驟S201、步驟S202以及步驟S203。
[0040] 步驟S201:多次獲取移動終端在不同時間段的WIFI信息。
[0041] 根據(jù)實際應用的需要或要求，可以分別在不同的日期的不同的時間段，多次獲取 移動終端在不同時間段的WIFI信息。
[0042] 步驟S202:根據(jù)多次移動終端在不同時間段的WIFI信息和WIFI地理信息數(shù)據(jù)庫， 構建移動終端的位置數(shù)據(jù)。
[0043]根據(jù)多次移動終端在不同時間段的WIFI信息和WIFI地理信息數(shù)據(jù)庫，可以獲得移 動終端在不同時間段的不同地理位置，從而可以構建出移動終端的位置數(shù)據(jù)。
[0044] 步驟S203:對移動終端的位置數(shù)據(jù)中短時間內(nèi)重復的位置數(shù)據(jù)或者位置變化很小 的位置數(shù)據(jù)進行清洗，進而構建獲得移動終端的位置歷史數(shù)據(jù)，移動終端的位置歷史數(shù)據(jù) 包括WIFI名稱、WIFI的MAC地址、Ρ0Ι數(shù)據(jù)以及獲取時間的對應關系。
[0045] 移動終端在短時間內(nèi)沒有移動位置，或者，位置變化很小，這些位置數(shù)據(jù)對構建移 動終端的位置歷史數(shù)據(jù)沒有多大重要性和影響，可以刪除，因此對移動終端的位置數(shù)據(jù)中 短時間內(nèi)重復的位置數(shù)據(jù)或者位置變化很小的位置數(shù)據(jù)進行清洗后，剩下的位置數(shù)據(jù)即可 成為移動終端的位置歷史數(shù)據(jù)。其中，移動終端的位置歷史數(shù)據(jù)可以包括WIFI名稱、WIFI的 MAC地址、Ρ0Ι數(shù)據(jù)以及獲取時間的對應關系。進一步地，還可以包括移動終端的標志字段、 地點的標志字段、地點功能類型對應的Ρ0Ι標志字段、移動終端在該地點的逗留時間字段、 WIFI信息字段等。
[0046] 其中，步驟S103具體可以包括：
[0047] 基于已構建的移動終端的位置歷史數(shù)據(jù)，確定移動終端在不同時間段去往的不同 功能地點，結(jié)合當前獲取時間和當前Ρ0Ι數(shù)據(jù)，預測移動終端下一階段的位置。
[0048] 通過移動終端的位置歷史數(shù)據(jù)，可以統(tǒng)計分析得出移動終端在不同時間段去往的 不同功能地點，然后根據(jù)當前獲取時間和當前Ρ0Ι數(shù)據(jù)，即可預測出移動終端下一階段的位 置。
[0049] 例如:根據(jù)經(jīng)驗將一天劃分為若干時段，如，將一天0-23時劃分為9:00-17:59，18: 00-21:59,22:00-第二天的8:59三個時段，那么在這一天內(nèi)訪問地點的功能類型記錄可以 構成Ρ0Ι向量以111，112，113)，其中1^表示對應某個時段所在地點的？01標識;對于同一時段內(nèi) 訪問多個位置的情況，選取出現(xiàn)次數(shù)最多的Ρ0Ι標識作為該時段的標識。將移動終端的位置 歷史數(shù)據(jù)按照上述方式統(tǒng)計后，然后查看當前獲取時間是位于哪個時間段，當前Ρ0Ι數(shù)據(jù)是 在哪個位置，然后結(jié)合上述統(tǒng)計結(jié)果，即可預測出移動終端下一階段的位置。
[0050] 進一步地，基于已構建的移動終端的位置歷史數(shù)據(jù)，確定移動終端在不同時間段 去往的不同功能地點，結(jié)合當前獲取時間和當前Ρ0Ι數(shù)據(jù)，預測移動終端下一階段的位置的 步驟，還可以采用更加客觀的數(shù)學方法來進行，具體包括：
[0051] 基于已構建的移動終端的位置歷史數(shù)據(jù)，確定移動終端在不同時間段去往的不同 功能地點，結(jié)合當前獲取時間和當前POI數(shù)據(jù)，構造移動終端的馬爾科夫轉(zhuǎn)移矩陣，進而通 過馬爾科夫轉(zhuǎn)移矩陣預測移動終端下一階段的位置。
[0052]根據(jù)劃分的時間段構造移動終端轉(zhuǎn)移矩陣，是一個馬爾科夫轉(zhuǎn)移矩陣，對于每一 個時段j，存在一個轉(zhuǎn)移矩陣j，其中Ni l_>i2表示在j時刻，從Ρ0Ι標識為i 1的位置到j+Ι時刻 Ρ0Ι標識i2位置的次數(shù)。那么跳轉(zhuǎn)矩陣為：
[0054] 其中，馬爾科夫轉(zhuǎn)移矩陣為馬爾科夫轉(zhuǎn)移概率矩陣。
[0055]
表示從Ρ0Ι標識為il的位置出發(fā)，跳往其他位置的總和，那么移 動終端對應的轉(zhuǎn)移概率矩陣為：
[0057]，表示移動終端從地點i 1跳往下一個點ia的概率大 小。
[0058]在一實施方式中，通過上述轉(zhuǎn)移矩陣或轉(zhuǎn)移概率矩陣獲得的預測結(jié)果，可以再根 據(jù)給定的P0I和移動終端歷史記錄，對預測結(jié)果進行修正，以獲得更加精確的預測結(jié)果。
[0059] 參見圖3,圖3是本發(fā)明預測移動終端位置的裝置一實施方式的結(jié)構示意圖，該裝 置可以執(zhí)行上述方法中的步驟，相關內(nèi)容的詳細說明請參見上述方法部分，在此不再贅敘。
[0060] 該裝置包括:獲取模塊101、查找模塊102以及預測模塊103。
[0061] 獲取模塊101用于獲取移動終端當前的粗粒度位置信息，粗粒度位置信息包括粗 粒度位置名稱、粗粒度位置地址以及獲取時間。
[0062]粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID信息、WiFi信息或藍牙信息，其中，蜂窩網(wǎng)絡 小區(qū)ID信息包括當前蜂窩網(wǎng)絡小區(qū)ID、所屬基站地址以及獲取時間，WIFI信息包括當前 WIFI名稱、當前WIFI的MAC地址以及當前獲取時間，藍牙信息包括當前藍牙名稱、當前藍牙 MAC地址以及獲取時間。
[0063]查找模塊102用于查找粗粒度地理信息數(shù)據(jù)庫，得到與移動終端當前的粗粒度位 置信息對應的當前興趣點Ρ0Ι數(shù)據(jù)，粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與 不同Ρ0Ι數(shù)據(jù)之間的對應關系，Ρ0Ι數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度和煒度。
[0064]粗粒度地理信息數(shù)據(jù)庫保存有不同蜂窩網(wǎng)絡小區(qū)ID信息、不同WiFi信息或不同藍 牙信息與不同Ρ0Ι數(shù)據(jù)之間的對應關系，Ρ0Ι數(shù)據(jù)至少包括蜂窩網(wǎng)絡小區(qū)ID、WIFI或藍牙所 在地的經(jīng)度和煒度。
[0065] 預測模塊103用于根據(jù)當前獲取時間和當前Ρ0Ι數(shù)據(jù)，基于已構建的移動終端的位 置歷史數(shù)據(jù)，預測移動終端下一階段的位置。
[0066] 本發(fā)明實施方式獲取移動終端當前的粗粒度位置信息，粗粒度位置信息包括粗粒 度位置名稱、粗粒度位置地址以及獲取時間；查找粗粒度地理信息數(shù)據(jù)庫，得到與移動終端 當前的粗粒度位置信息對應的當前興趣點Ρ0Ι數(shù)據(jù)，粗粒度地理信息數(shù)據(jù)庫保存有不同粗 粒度位置信息與不同Ρ0Ι數(shù)據(jù)之間的對應關系，Ρ0Ι數(shù)據(jù)至少包括粗粒度位置所在地的經(jīng)度 和煒度;根據(jù)當前獲取時間和當前Ρ0Ι數(shù)據(jù)，基于已構建的移動終端的位置歷史數(shù)據(jù)，預測 移動終端下一階段的位置。由于獲取移動終端當前的粗粒度位置信息，再結(jié)合粗粒度地理 信息數(shù)據(jù)庫和移動終端的位置歷史數(shù)據(jù)，即可預測移動終端下一階段的位置，通過這種方 式，能夠在沒有提供經(jīng)煒度信息但提供周邊粗粒度位置信息的情況下，對移動終端下一階 段的位置進行預測。
[0067] 其中，粗粒度位置信息是WiFi信息，粗粒度地理信息數(shù)據(jù)庫是WIFI地理信息數(shù)據(jù) 庫，獲取模塊101還用于多次獲取移動終端在不同時間段的WIFI信息;此時，參見圖4,該裝 置還包括:第一構建模塊201和第二構建模塊202。
[0068]第一構建模塊201用于根據(jù)多次移動終端在不同時間段的WIFI信息和WIFI地理信 息數(shù)據(jù)庫，構建移動終端的位置數(shù)據(jù)。
[0069] 第二構建模塊202用于對移動終端的位置數(shù)據(jù)中短時間內(nèi)重復的位置數(shù)據(jù)或者位 置變化很小的位置數(shù)據(jù)進行清洗，進而構建獲得移動終端的位置歷史數(shù)據(jù)，移動終端的位 置歷史數(shù)據(jù)包括WIFI名稱、WIFI的MAC地址、Ρ0Ι數(shù)據(jù)以及獲取時間的對應關系。
[0070] 其中，預測模塊103具體用于基于已構建的移動終端的位置歷史數(shù)據(jù)，確定移動終 端在不同時間段去往的不同功能地點，結(jié)合當前獲取時間和當前Ρ0Ι數(shù)據(jù)，預測移動終端下 一階段的位置。
[0071] 其中，預測模塊103進一步用于基于已構建的移動終端的位置歷史數(shù)據(jù)，確定移動 終端在不同時間段去往的不同功能地點，結(jié)合當前獲取時間和當前Ρ0Ι數(shù)據(jù)，構造移動終端 的馬爾科夫轉(zhuǎn)移矩陣，進而通過馬爾科夫轉(zhuǎn)移矩陣預測移動終端下一階段的位置。
[0072] 其中，馬爾科夫轉(zhuǎn)移矩陣為馬爾科夫轉(zhuǎn)移概率矩陣。
[0073] 以上所述僅為本發(fā)明的實施方式，并非因此限制本發(fā)明的專利范圍，凡是利用本 發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構或等效流程變換，或直接或間接運用在其他相關的 技術領域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。
【主權項】
1. 一種預測移動終端位置的方法，其特征在于，所述方法包括： 獲取移動終端當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稱、粗 粒度位置地址以及獲取時間； 查找粗粒度地理信息數(shù)據(jù)庫，得到與所述移動終端當前的粗粒度位置信息對應的當前 興趣點POI數(shù)據(jù)，所述粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息與不同POI數(shù)據(jù)之 間的對應關系，所述POI數(shù)據(jù)至少包括所述粗粒度位置所在地的經(jīng)度和煒度； 根據(jù)所述當前獲取時間和所述當前POI數(shù)據(jù)，基于已構建的所述移動終端的位置歷史 數(shù)據(jù)，預測所述移動終端下一階段的位置。2. 根據(jù)權利要求1所述的方法，其特征在于，所述粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID 信息、WiFi信息或藍牙信息，其中，所述蜂窩網(wǎng)絡小區(qū)ID信息包括當前蜂窩網(wǎng)絡小區(qū)ID、所 屬基站地址以及獲取時間，所述WIFI信息包括當前WIFI名稱、當前WIFI的MAC地址以及當前 獲取時間，所述藍牙信息包括當前藍牙名稱、當前藍牙MAC地址以及獲取時間；所述粗粒度 地理信息數(shù)據(jù)庫保存有不同蜂窩網(wǎng)絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同 POI數(shù)據(jù)之間的對應關系，所述POI數(shù)據(jù)至少包括所述蜂窩網(wǎng)絡小區(qū)ID、WIFI或藍牙所在地 的經(jīng)度和煒度。3. 根據(jù)權利要求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 粒度地理信息數(shù)據(jù)庫是WIFI地理信息數(shù)據(jù)庫，所述方法還包括： 多次獲取所述移動終端在不同時間段的WIFI信息； 根據(jù)多次所述移動終端在不同時間段的WIFI信息和所述WIFI地理信息數(shù)據(jù)庫，構建所 述移動終端的位置數(shù)據(jù)； 對所述移動終端的位置數(shù)據(jù)中短時間內(nèi)重復的位置數(shù)據(jù)或者位置變化很小的位置數(shù) 據(jù)進行清洗，進而構建獲得所述移動終端的位置歷史數(shù)據(jù)，所述移動終端的位置歷史數(shù)據(jù) 包括WIFI名稱、WIFI的MAC地址、POI數(shù)據(jù)以及獲取時間的對應關系。4. 根據(jù)權利要求3所述的方法，其特征在于，所述根據(jù)所述當前獲取時間和所述當前 POI數(shù)據(jù)，基于已構建的所述移動終端的位置歷史數(shù)據(jù)，預測所述移動終端下一階段的位置 的步驟，包括： 基于已構建的所述移動終端的位置歷史數(shù)據(jù)，確定所述移動終端在不同時間段去往的 不同功能地點，結(jié)合所述當前獲取時間和所述當前POI數(shù)據(jù)，預測所述移動終端下一階段的 位置。5. 根據(jù)權利要求4所述的方法，其特征在于，所述基于已構建的所述移動終端的位置歷 史數(shù)據(jù)，確定所述移動終端在不同時間段去往的不同功能地點，結(jié)合所述當前獲取時間和 所述當前POI數(shù)據(jù)，預測所述移動終端下一階段的位置的步驟，包括： 基于已構建的所述移動終端的位置歷史數(shù)據(jù)，確定所述移動終端在不同時間段去往的 不同功能地點，結(jié)合所述當前獲取時間和所述當前POI數(shù)據(jù)，構造所述移動終端的馬爾科夫 轉(zhuǎn)移矩陣，進而通過所述馬爾科夫轉(zhuǎn)移矩陣預測所述移動終端下一階段的位置。6. -種預測移動終端位置的裝置，其特征在于，所述裝置包括： 獲取模塊，用于獲取移動終端當前的粗粒度位置信息，所述粗粒度位置信息包括粗粒 度位置名稱、粗粒度位置地址以及獲取時間； 查找模塊，用于查找粗粒度地理信息數(shù)據(jù)庫，得到與所述移動終端當前的粗粒度位置 信息對應的當前興趣點POI數(shù)據(jù)，所述粗粒度地理信息數(shù)據(jù)庫保存有不同粗粒度位置信息 與不同P0I數(shù)據(jù)之間的對應關系，所述P0I數(shù)據(jù)至少包括所述粗粒度位置所在地的經(jīng)度和煒 度； 預測模塊，用于根據(jù)所述當前獲取時間和所述當前P0I數(shù)據(jù)，基于已構建的所述移動終 端的位置歷史數(shù)據(jù)，預測所述移動終端下一階段的位置。7. 根據(jù)權利要求6所述的裝置，其特征在于，所述粗粒度位置信息包括蜂窩網(wǎng)絡小區(qū)ID 信息、WiFi信息或藍牙信息，其中，所述蜂窩網(wǎng)絡小區(qū)ID信息包括當前蜂窩網(wǎng)絡小區(qū)ID、所 屬基站地址以及獲取時間，所述WIFI信息包括當前WIFI名稱、當前WIFI的MAC地址以及當前 獲取時間，所述藍牙信息包括當前藍牙名稱、當前藍牙MAC地址以及獲取時間；所述粗粒度 地理信息數(shù)據(jù)庫保存有不同蜂窩網(wǎng)絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同 P0I數(shù)據(jù)之間的對應關系，所述P0I數(shù)據(jù)至少包括所述蜂窩網(wǎng)絡小區(qū)ID、WIFI或藍牙所在地 的經(jīng)度和煒度。8. 根據(jù)權利要求7所述的裝置，其特征在于，所述粗粒度位置信息是WiFi信息，所述粗 粒度地理信息數(shù)據(jù)庫是WIFI地理信息數(shù)據(jù)庫， 所述獲取模塊還用于多次獲取所述移動終端在不同時間段的WIFI信息； 所述裝置還包括： 第一構建模塊，用于根據(jù)多次所述移動終端在不同時間段的WIFI信息和所述WIFI地理 信息數(shù)據(jù)庫，構建所述移動終端的位置數(shù)據(jù)； 第二構建模塊，用于對所述移動終端的位置數(shù)據(jù)中短時間內(nèi)重復的位置數(shù)據(jù)或者位置 變化很小的位置數(shù)據(jù)進行清洗，進而構建獲得所述移動終端的位置歷史數(shù)據(jù)，所述移動終 端的位置歷史數(shù)據(jù)包括WIFI名稱、WIFI的MAC地址、P0I數(shù)據(jù)以及獲取時間的對應關系。9. 根據(jù)權利要求8所述的裝置，其特征在于，所述預測模塊具體用于基于已構建的所述 移動終端的位置歷史數(shù)據(jù)，確定所述移動終端在不同時間段去往的不同功能地點，結(jié)合所 述當前獲取時間和所述當前P0I數(shù)據(jù)，預測所述移動終端下一階段的位置。10. 根據(jù)權利要求9所述的裝置，其特征在于，所述預測模塊進一步用于基于已構建的 所述移動終端的位置歷史數(shù)據(jù)，確定所述移動終端在不同時間段去往的不同功能地點，結(jié) 合所述當前獲取時間和所述當前P0I數(shù)據(jù)，構造所述移動終端的馬爾科夫轉(zhuǎn)移矩陣，進而通 過所述馬爾科夫轉(zhuǎn)移矩陣預測所述移動終端下一階段的位置。
【文檔編號】H04W64/00GK106028444SQ201610512948
【公開日】2016年10月12日
【申請日】2016年7月1日
【發(fā)明人】黃亮, 陳訓遜, 李超, 王東安, 薛晨, 王博, 徐杰, 侯仔玉, 茍高鵬, 喻思敏, 石俊崢
【申請人】國家計算機網(wǎng)絡與信息安全管理中心