一种基于用户移动预测的物品递送者推荐方法
【技术领域】
[0001] 本发明设及一种基于用户移动预测的物品递送者推荐方法。
【背景技术】
[0002] 随着移动终端设备、网络技术W及传感器的迅速发展，智能手机等移动终端设备 集成了不同功能的传感器。利用移动终端设备中的传感器提供W人为中屯、的感知与计算已 经成为了当今社会的发展趋势。在此背景下，提出了群智感知计算，它利用普通用户的移动 设备作为基本感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务分发 与感知数据收集处理，W完成大规模的、复杂的社会感知任务。群智感知计算与传统的基于 静态传感设施相比，它的优势在于通过社会上大量人±共同协作完成一项几个人需要很长 时间才能完成甚至不可能完成的庞大任务。因此，群智感知计算可W为用户减少一些不必 要的开销和时间。
[0003] 在传统的购物中，用户购买自己喜欢的商品都需要亲力亲为，该种购物方法不仅 浪费用户的时间也浪费了他们的精力。为了解决该个问题，我们提出了一种基于用户移动 预测的物品传送人推荐方法。用户只需要输入购物场所和完成任务的时间期限，该系统就 会返回一些经过该个购物场所并在时间期限内与用户会面的朋友，用户就可W叫该些朋友 帮忙购买。从而为用户节省了时间。
[0004] 其中需要用到移动预测的方法，但目前研究的大多数移动预测算法都只考虑到空 间该一因素来预测用户下一位置，不能有效的结合时间因素。而我们用概率统计的算法进 行移动预测，该算法结合了空间和时间因素，有较高的准确率。
【发明内容】
[0005] 本发明的目的在于提供一种基于用户移动预测的物品递送者推荐方法，为用户购 物带来了方便。
[0006] 为实现上述目的，本发明采用如下技术方案；一种基于用户移动预测的物品递送 者推荐方法，其特征在于包括W下步骤：
[0007] 步骤S1;原始GPS点&的预处理，包括地点P的提取和场所S的聚类；
[000引步骤S2 ;候选人选取，即从社交网络中根据用户间的关系来确定用户的朋友，并 从中选取50名作为候选人f;
[0009] 步骤S3;用户会面预测，计算用户和候选人f在同一时间片t。。。访问同一场所S的 概率Pene (U，f，teJ;
[0010] 步骤S4 ;候选人位置预测，给定一个场所s及当前时间计算候选人f未来会 经过场所S的概率Pvkit化S);
[ocm] 步骤S5;递送者推荐，按概率p。。。(u，f，t。J与概率PYkit化s)乘积的大小从候选 人f中选取to地个递送者，所述递送者为最有可能完成任务的候选人。
[0012] 进一步的，所述步骤S1中地点P的提取的具体方法如下：
[001引原始GPS点gi包含经度gi.Lgt、绅度gi.Lat和记录gi.T的时间，即gi=(gi.Lg1:，gi.Lat,gi.T)，用户的原始轨迹Trajf。，由若干连续的GPS点gi组成，即Traj <gl，g2, . . .，g。〉，地点p的提取由一时间阔值Tthred和一距离阔值Dthred决定，地点p是一 个虚拟的点，用来表示一组连续的GF*S点gi的集合G= {gm,gm+1,. ..，g。}，其中Wi,j; m《i<j《n,Distance(g。gj)《Dthred且Ign.T-gm.TI>Tthred;P包含集合G的平均经度 p.Lgt，集合G的平均绅度p.Lat,进入地点p的时间p.arvT,离开地点p的时间p. 16州，即 p= (p.Lgt,p.Lat,p.arvT,p.levT)，其中；
【主权项】
1. 一种基于用户移动预测的物品递送者推荐方法，其特征在于包括以下步骤： 步骤Sl :原始GPS点预处理，包括地点P的提取和场所S的聚类； 步骤S2 :候选人选取，即从社交网络中根据用户间的关系来确定用户的朋友，并从中 选取50名作为候选人f; 步骤S3 :用户会面预测，计算用户和候选人f在同一时间片tm。访问同一场所s的概率 Penc (U，f，ten。）， 步骤S4 :候选人位置预测，给定一个场所s及当前时间，计算候选人f未来会经过 场所S的概率Pvisit (f, S); 步骤35:递送者推荐，按概率口"。(11，;^1:"。）与概率口^1(;^8)乘积的大小从候选人€ 中选取topK个递送者，所述递送者为最有可能完成任务的候选人。
2. 根据权利要求1所述的基于用户移动预测的物品递送者推荐方法，其特征在于：所 述步骤Sl中地点p的提取的具体方法如下： 原始GPS点含经度g i. Lgt、炜度gp Lat和记录gp T的时间，即gi= (g i. Lgt, gp Lat, gy T)，用户的原始轨迹Trajraw由若干连续的GPS点g i组成，即Traj Mw= <gl，g2，…，gn>，地点p的提取由一时间阈值T thred和一距离阈值D thred决定，地点p是一 个虚拟的点，用来表示一组连续的GPS点gi的集合G = {gm, gm+1,. . .，gn}，其中V i, j ; m 彡 i〈j 彡 n, Distance fe，gj)彡 Dthred且 I g η· T-gm. T I 彡 Tthred;p 包含集合 G 的平均经度 p. Lgt，集合G的平均炜度p. Lat,进入地点p的时间p. arvT,离开地点p的时间p. levT，即 P= (ρ· Lgt, P. Lat, P. arvT, P. IevT)，其中：
3. 根据权利要求1所述的基于用户移动预测的物品递送者推荐方法，其特征在于：所 述步骤Sl中场所s的聚类的具体步骤如下： 步骤Sll :从集合P中随机取一个地点p作为中心〇k并取一个半径阈值r thred，所述集 合P包含所有提取出来的地点P，令k = 1 ; 步骤S12:在以所述中心〇k为圆心以半径阈值rthrJ%半径的范围内找出所有地点p并 计算他们经炜度的平均值，把所述经炜度的平均值所在的点作为中点〇k+1; 步骤S13 :若ok+1= 〇 k，则进行步骤S14 ;否则令k = k+1，并返回步骤S12 ; 步骤S14 :把以所述中心〇k+1为圆心以半径阈值r thral为半径的范围内的所有地点标记 成一个类，并从集合P中删除这些地点，若这些地点的数量大于或等于一最小量阈值minp， 则把这个类视为一个场所s，以唯一的标识符IocID来标识；否则把这些地点标记成噪声 占. 步骤S15:若集合P为空，则得到一个场所集合S= (SpS2V^MSm),其中81是场所， I < i < m ;否则返回步骤S11。
4. 根据权利要求2或3所述的基于用户移动预测的物品递送者推荐方法，其特征在于： 经所述地点P的提取和场所s的聚类后，对用户一天内的轨迹进行定义如下： trajectory(u；date) = <visit 1； visit2, . . . , visitn> (5) 其中Visiti= (arvT, IevT, locID)，I < i < n ;arvT和IevT分别表示用户到达和离 开场所的时间，IocID代表场所唯一的标识符。
5. 根据权利要求1所述的基于用户移动预测的物品递送者推荐方法，其特征在于：所 述步骤S3中用户会面预测的具体方法如下： 将一天24h分成24个时间片&，其中0彡i彡23,时间片&表示i时至i+Ι时的时 间段，在预测用户会面之前，先计算任一候选人f在时间片t访问场所s的概率p (f，t，s):
其中Num(f, t, s)表示候选人f在时间片t访问场所s的轨迹数，Num(f, s)表示候选 人f访问过场所s的轨迹数； 接着用公式（7)计算会面概率：
公式（7)表示用户u和候选人f在时间片tm。会面的概率，S表示场所s的集合，由于用 户u和候选人f可能会在多个时间片相遇，所以我们得到了一个相遇时间片的集合set!?。， SetTenc {? enc ' tenc ' · · · ' tenc } 〇
6. 根据权利要求1所述的基于用户移动预测的物品递送者推荐方法，其特征在于：所 述步骤S4中候选人位置预测的具体方法如下：
公式（8)表示候选人f在当前时间到会面时间t m。内访问场所s的概率。
7. 根据权利要求1所述的基于用户移动预测的物品递送者推荐方法，其特征在于：所 述步骤S5中递送者推荐的具体方法如下： 将所述用户和候选人在同一时间片tm。访问同一场所s的概率p _(u，f，tm。）和给定一 个场所s及当前时间1^计算出的候选人f未来会经过场所s的概率p visit (f, s)相乘，得 到在某一时间片。完成任务的概率p deliv，公式如下：
将所有候选人f按得出的相应概率PdelivOT按降序排列，将排列靠前的topK个候选人作 为递送者并将其信息展示给用户，用户联系所述递送者并让他们帮忙代购商品。
【专利摘要】本发明涉及一种基于用户移动预测的物品递送者推荐方法，该方法包括以下步骤：1、数据采集并整理：从移动用户的原始GPS数据中提取出有意义的地点，并对这些地点进行聚类，得到用户感兴趣的场所同时生成相应的轨迹；2、候选人选取：根据社交网络中用户间的关系程度，提取递送者的候选集；3、用户会面预测：通过用户历史轨迹的概率统计，计算用户和他朋友间会面的概率；4、用户位置预测：通过用户历史轨迹的概率统计，计算用户的朋友访问某个场所的概率；5、递送者推荐：计算用户的朋友在他们相遇之前访问某个场所的概率，并按其大小降序排列，选择前topK个朋友并展示出来。本发明为用户购物带来了方便。
【IPC分类】G06Q30-00
【公开号】CN104867015
【申请号】CN201510203387
【发明人】於志勇, 郭文忠, 郑相涵, 瞿宜楚
【申请人】福州大学
【公开日】2015年8月26日
【申请日】2015年4月27日