申请/专利权人：西北工业大学

申请日：2021-02-01

公开（公告）日：2024-04-23

公开（公告）号：CN112783950B

主分类号：G06F16/2458

分类号：G06F16/2458;G06F16/29;G06Q10/04;G06N3/044;G06N3/0442;G06N7/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.05.28#实质审查的生效;2021.05.11#公开

摘要：本发明公开了一种基于信息熵的人类移动可预测性量化方法，首先通过感知设备获取用户移动数据，将用户的移动数据转化为时间维度上的位置序列得到用户移动轨迹，然后根据信息熵的大小来定型地刻画用户移动轨迹的可预测性高低，再根据用户历史移动轨迹计算下一个时刻用户到达不同位置的条件概率分布，接下来确定用户下一个时刻概率最大的位置为用户最可能到达的位置点，最后根据条件概率分布计算准确预测用户下一时刻所在位置的概率，得到用户轨迹的可预测性。本发明方法可以衡量移动轨迹可以被准确预测的上限，能够作为人类移动轨迹预测算法的一种评估方法，根据预测算法的准确率和移动轨迹序列的可预测性评估预测算法的优劣。

主权项：1.一种基于信息熵的人类移动可预测性量化方法，其特征在于，包括以下步骤：步骤1：使用感知设备获取用户移动数据；步骤2：将用户移动数据转化为时间维度上的位置序列得到用户移动轨迹；定时采样用户的经纬度信息，将经纬度信息映射到地图网格上，得到时间维度上的用户的位置变化序列X＝{x1，x2，...，xn}，其中xi表示第i时刻用户所在的位置，从而得到用户离散化的移动轨迹数据；步骤3：计算用户轨迹的信息熵E： 其中，x为用户移动轨迹的位置点，{X}为用户移动轨迹的位置变化序列集合，px为位置点x在用户移动轨迹的位置变化序列集合中出现的概率；根据信息熵E的大小定性地度量用户移动轨迹的可预测性大小：当E＝0时，用户轨迹是完全有规律的，对应的用户移动轨迹的可预测性为1；当E＝log2|{X}|时，用户下一时刻的轨迹为历史轨迹的随机值，是完全不可预测的，对应的用户移动轨迹的可预测性为0，其中|{X}|为用户移动轨迹的位置变化序列中位置点集合的大小；当月等于其它值时，进入步骤4，计算用户移动轨迹的可预测性PA；步骤4：根据用户历史移动轨迹计算下一时刻用户到达不同位置的真实条件概率分布：定义前n时刻的用户历史移动轨迹序列为hn＝{x1，x2，...，xn}，其中在hn中出现xn的次数为countxn，出现从xn→x的次数为countxn→x，则hn对应的真实条件概率分布为P{X＝x|hn，x∈hn}： 步骤5：从步骤4的真实条件概率分布找到概率最大的位置为用户下一时刻最可能到达的位置点xml，对应的概率为步骤6：根据条件概率分布计算准确预测用户下一时刻到达位置的概率，得到用户轨迹的可预测性；步骤6-1：采用预测算法，根据前n时刻的用户历史移动轨迹序列hn，预测下一时刻用户到达不同位置的概率分布为：Ppa{X＝xt|xt∈hn}；步骤6-2：根据步骤4得到的下一时刻用户到达不同位置的真实条件概率分布P{X＝x|hn，x∈hn}，得到准确预测用户下一时刻到达位置的概率为：步骤6-3：根据步骤5，用户下一时刻概率最大的位置xml的概率则Ptrue{X＝x|hn}满足： 步骤6-4：定义用户移动轨迹的可预测性为PA；当用户历史移动轨迹序列的长度为n的时候，用户历史移动轨迹子序列集合Hn＝{{xi，xi+1，...，xj}|1≤i＜j≤n}，对应的用户历史移动轨迹子序列Hi∈Hn出现的概率为pHi，得到用户移动轨迹的可预测性PA：

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于信息熵的人类移动可预测性量化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD