信息预测的方法和装置的制造方法
【技术领域】
[0001] 本申请设及计算机技术领域，具体设及通信技术领域，尤其设及一种信息预测的 方法和装置。
【背景技术】
[0002] 智能终端即移动智能终端的简称，拥有接入互联网能力，通常搭载各种操作系统， 可根据用户需求定制各种功能。随着互联网技术和智能移动终端的发展，通过植入智能终 端的各种传感器采集用户数据，通过通信技术传输用户数据，进而对用户行为进行分析，成 为普遍使用的技术手段。例如，有些智能终端可W通过全球定位系统（Global化sitioning System,GP巧传感器采集用户的位置数据，对用户进行定位，进而根据区域特点向用户推送 信息，有些智能终端可W通过血压传感器测量用户的血压数据，并传送给后台服务器或者 预定的其他终端，进而对用户的血压数据进行监测，等等。
[0003] 其中，现有技术在对用户的位置数据的分析中，往往通过终端的历史运动轨迹或 历史停留位置数据对用户的未来位置进行预测。现有的对用户的未来位置进行预测的技术 中，只考虑用户的历史停留位置数据，在对用户未曾到达过的位置的预测中，难W准确给出 预测结果。因此，运种信息预测方法存在着终端数据利用不足，导致信息预测的有效性较低 的问题。
【发明内容】
[0004] 本申请的目的在于提出一种改进的信息预测的方法和装置，来解决W上【背景技术】 部分提到的技术问题。 阳〇化]一方面，本申请提供了一种信息预测的方法，所述方法包括：获取用户的个性化信 息，其中，所述个性化信息至少包括当前运动轨迹；根据所述个性化信息，确定对应的预测 模型；基于所述个性化信息及所述预测模型，预测用户的出行信息。
[0006] 在一些实施例中，所述个性化信息还包括：历史运动轨迹。
[0007] 在一些实施例中，所述根据所述个性化信息，确定对应的预测模型包括：检测所述 个性化信息是否还包括捜索行为特征，其中，所述捜索行为特征至少包括所捜索的地理信 息点的位置特征；若包括，确定所述预测模型为第一预测模型，其中，所述第一预测模型基 于历史捜索行为特征和历史出行信息的样本集训练获得；若不包括，确定所述预测模型为 第二预测模型，其中，所述第二预测模型基于历史运动轨迹训练获得。
[0008] 在一些实施例中，所述捜索行为特征还包括W下至少一项：对地理信息点进行捜 索的时间特征、对地理信息点进行捜索时所处的位置、对所捜索的地理信息点进行捜索的 次数、对同一地理信息点捜索的时间间隔、是否基于所捜索的地理信息点进行路径规划、所 捜索的地理信息点的类别。
[0009] 在一些实施例中，所述基于所述个性化信息及所述预测模型，预测用户的出行信 息包括：基于所述捜索行为特征及所述第一预测模型，获取对用户出行信息的第一预测结 果；基于所述当前运动轨迹，对所述第一预测结果进行调整，确定用户到达所捜索的地理信 息点的时间和到达的概率。
[0010] 在一些实施例中，所述基于所述个性化信息及所述预测模型，预测用户的出行信 息包括：基于所述历史运动轨迹获取停留点转移概率矩阵；根据所述当前运动轨迹和所述 停留点转移概率矩阵确定用户出现在任意停留点的概率和时间。
[0011] 在一些实施例中，所述方法还包括：获取用户的实际出行信息；基于所述实际出 行信息，更新所述预测模型。
[0012] 第二方面，本申请提供了一种信息预测的装置，所述装置包括：信息获取模块，配 置用于获取用户的个性化信息，其中，所述个性化信息至少包括当前运动轨迹；模型确定模 块，配置用于根据所述个性化信息，确定对应的预测模型；信息预测模块，配置用于基于所 述个性化信息及所述预测模型，预测用户的出行信息。
[0013] 在一些实施例中，所述个性化信息还包括：历史运动轨迹。
[0014] 在一些实施例中，所述模型确定模块包括：检测单元，配置用于检测所述个性化信 息是否还包括捜索行为特征，其中，所述捜索行为特征至少包括所捜索的地理信息点的位 置特征；确定单元，配置用于若所述个性化信息包括捜索行为特征，确定所述预测模型为第 一预测模型，其中，所述第一预测模型基于历史捜索行为特征和历史出行信息的样本集训 练获得；W及，若所述个性化信息不包括捜索行为特征，确定所述预测模型为第二预测模 型，其中，所述第二预测模型基于历史运动轨迹训练获得。
[0015] 在一些实施例中，所述捜索行为特征还包括W下至少一项：对地理信息点进行捜 索的时间特征、对地理信息点进行捜索时所处的位置、对所捜索的地理信息点进行捜索的 次数、对同一地理信息点捜索的时间间隔、是否基于所捜索的地理信息点进行路径规划、所 捜索的地理信息点的类别。
[0016] 在一些实施例中，所述信息预测模块包括：第一预测单元，配置用于基于所述捜索 行为特征及所述第一预测模型，获取对用户出行信息的第一预测结果；调整单元，配置用于 基于所述当前运动轨迹，对所述第一预测结果进行调整，确定用户到达所捜索的地理信息 点的时间和到达的概率。
[0017] 在一些实施例中，所述信息预测模块包括：转移概率矩阵获取模块，配置用于基于 所述历史运动轨迹获取停留点转移概率矩阵；第二预测单元，配置用于根据所述当前运动 轨迹和所述停留点转移概率矩阵确定用户出现在任意停留点的概率和时间。
[0018] 在一些实施例中，所述装置还包括：实际出行信息获取模块，配置用于获取用户的 实际出行信息；模型更新模块，配置用于基于所述实际出行信息，更新所述预测模型。
[0019] 本申请提供的信息预测的方法和装置，通过获取用户的个性化信息，其中，该个性 化信息至少包括当前运动轨迹，接着根据上述个性化信息，确定对应的预测模型，然后基于 上述个性化信息及所述预测模型，预测用户的出行信息，由于引入了当前运动轨迹等个性 化信息，从而提高了信息预测的有效性。
【附图说明】
[0020] 通过阅读参照W下附图所作的对非限制性实施例的详细描述，本申请的其它特 征、目的和优点将会变得更明显：
[0021] 图1示出了可W应用本申请实施例的示例性系统架构；
[0022] 图2是根据本申请的信息预测的方法的一个实施例的流程图；
[0023] 图3是根据本申请的信息预测的方法的运动轨迹及停留点的示意图；
[0024] 图4是根据本申请的信息预测的方法的一个应用场景的示意图；
[0025] 图5是根据本申请的信息预测的方法的又一个实施例的流程图；
[0026]图6是根据本申请的信息预测的装置的一个实施例的结构示意图；
[0027] 图7是根据本申请的信息预测的装置的又一个实施例的结构示意图。
【具体实施方式】
[0028] 下面结合附图和实施例对本申请作进一步的详细说明。可W理解的是，此处所描 述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了 便于描述，附图中仅示出了与有关发明相关的部分。
[0029] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可W相 互组合。下面将参考附图并结合实施例来详细说明本申请。
[0030] 图1示出了可W应用本申请实施例的示例性系统架构100。
[0031] 如图1所示，系统架构100可W包括终端设备101、102、网络103、服务器104。网 络103用W在终端设备101、102和服务器104之间提供通信链路的介质。网络103可W包 括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0032] 第一用户可W使用终端设备101、102通过网络103与服务器104交互，W接收或 发送消息等。终端设备10U102上可W安装位置信息的监控或管理工具、信息预测应用的 客户端、地图类应用、捜索类应用等。服务器104可W根据终端设备10U102安装的位置信 息的监控或管理工具获取第一用户的当前运动轨迹，并对第一用户的出行信息进行预测， 或者可W接收终端设备10U102安装的信息预测的客户端预测的第一用户的出行信息。月良 务器104还可W对终端设备10U102或服务器104预测的至少一个第一用户的出行信息进 行统计、分析。可选地，服务器104可W基于对至少一个第一用户的出行信息的统计、分析 向第一用户推送信息。
[0033] 可选地，系统架构100还可W包括终端设备105。终端设备105通过网络103与服 务器104交互，W接收或发送消息等。服务器104可W将终端设备101、102或服务器104预 测的至少一个第一用户的出行信息发送给终端设备105,