室内用户语义位置预测研究

• 作者: 傅梦颖 吴升 王培晓 王海波
• 来源期刊: 地球信息科学学报
• 关键词: LSTM模型 ST-AGNES算法 吸引度规则 室内轨迹 位置预测
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 地球信息科学理论与方法
• 页码范围: 1689-1698
• 页数: 10页
• 语种: 中文

摘要

位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务(Location-based Service,LBS)领域中发挥着极其重要的作用.现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息.本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置.语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模.在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法(Spatial-Temporal Agglomerative Nesting,ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点.在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配.最后,采用长短型记忆神经网络模型(Long Short-Term Memory,LSTM)挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴升	福州大学福建省空间信息工程研究中心	48	308	9.0	14.0
3	王海波	湖北工业大学经济与管理学院	10	10	2.0	2.0
6	傅梦颖	福州大学福建省空间信息工程研究中心	2	5	1.0	2.0
10	王培晓	福州大学福建省空间信息工程研究中心	2	5	1.0	2.0