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據庫，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數據，粗粒度地理信息數據庫保存有不同粗粒度位置信息與不同POI數據之間的對應關系，POI數據至少包括粗粒度位置所在地的經度和緯度；根據當前獲取時間和當前POI數據，基于移動終端的位置歷史數據，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。利用歷史數據對未來的位置、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煒度坐標，對終端所在的位 置進行分類和標記，然后根據終端所提供的位置歷史，對短時間內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煒 度等信息。

【發(fā)明內容】

[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據庫，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數據，所述粗粒度地理信息數據庫 保存有不同粗粒度位置信息與不同Ρ0Ι數據之間的對應關系，所述Ρ0Ι數據至少包括所述粗 粒度位置所在地的經度和煒度;根據所述當前獲取時間和所述當前Ρ0Ι數據，基于已構建的 所述移動終端的位置歷史數據，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絡小區(qū)ID信息、WiFi信息或藍牙信息，其 中，所述蜂窩網絡小區(qū)ID信息包括當前蜂窩網絡小區(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據庫保存有不同蜂窩 網絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同Ρ0Ι數據之間的對應關系，所述Ρ0Ι 數據至少包括所述蜂窩網絡小區(qū)ID、WIFI或藍牙所在地的經度和煒度。
[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據庫是WIFI地理 信息數據庫，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地理信息數據庫，構建所述移動終端的 位置數據;對所述移動終端的位置數據中短時間內重復的位置數據或者位置變化很小的位 置數據進行清洗，進而構建獲得所述移動終端的位置歷史數據，所述移動終端的位置歷史 數據包括WIFI名稱、WIFI的MAC地址、Ρ0Ι數據以及獲取時間的對應關系。
[0007] 其中，所述根據所述當前獲取時間和所述當前Ρ0Ι數據，基于已構建的所述移動終 端的位置歷史數據，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據，確定所述移動終端在不同時間段去往的不同功能地點，結合所述 當前獲取時間和所述當前POI數據，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據，確定所述移動終端在不 同時間段去往的不同功能地點，結合所述當前獲取時間和所述當前Ρ0Ι數據，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據，確定所述 移動終端在不同時間段去往的不同功能地點，結合所述當前獲取時間和所述當前Ρ0Ι數據， 構造所述移動終端的馬爾科夫轉移矩陣，進而通過所述馬爾科夫轉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 粒度地理信息數據庫，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 數據，所述粗粒度地理信息數據庫保存有不同粗粒度位置信息與不同Ρ0Ι數據之間的對應 關系，所述Ρ0Ι數據至少包括所述粗粒度位置所在地的經度和煒度;預測模塊，用于根據所 述當前獲取時間和所述當前Ρ0Ι數據，基于已構建的所述移動終端的位置歷史數據，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絡小區(qū)ID信息、WiFi信息或藍牙信息，其 中，所述蜂窩網絡小區(qū)ID信息包括當前蜂窩網絡小區(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據庫保存有不同蜂窩 網絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同Ρ0Ι數據之間的對應關系，所述Ρ0Ι 數據至少包括所述蜂窩網絡小區(qū)ID、WIFI或藍牙所在地的經度和煒度。
[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據庫是WIFI地理 信息數據庫，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地理信息數據庫，構建所述移動終端的位置數據;第二構建模塊，用于對所述移動終端 的位置數據中短時間內重復的位置數據或者位置變化很小的位置數據進行清洗，進而構建 獲得所述移動終端的位置歷史數據，所述移動終端的位置歷史數據包括WIFI名稱、WIFI的 MAC地址、P01數據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據，確定 所述移動終端在不同時間段去往的不同功能地點，結合所述當前獲取時間和所述當前Ρ0Ι 數據，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據，確 定所述移動終端在不同時間段去往的不同功能地點，結合所述當前獲取時間和所述當前 Ρ0Ι數據，構造所述移動終端的馬爾科夫轉移矩陣，進而通過所述馬爾科夫轉移矩陣預測所 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據庫，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 數據，粗粒度地理信息數據庫保存有不同粗粒度位置信息與不同P0I數據之間的對應關系， P0I數據至少包括粗粒度位置所在地的經度和煒度;根據當前獲取時間和當前P0I數據，基 于已構建的移動終端的位置歷史數據，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，再結合粗粒度地理信息數據庫和移動終端的位置歷史數據，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據庫，獲取所在位置的興趣點 (Point of Interest，簡寫Ρ0Ι)數據。分時預測下一階段的位置，其中，根據終端的歷史數 據，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。根據歷史地點的Ρ0Ι數據， 針對預測結果做協(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數據，也即是知 道移動終端所在地的經度和煒度數據，從而也知道移動終端所在地的位置。
[0023] 下面結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的位置信息，例如:對于經常出差攜帶 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的哪個省、哪個市等； 根據蜂窩網絡小區(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絡小區(qū)ID信息、WiFi信息、藍牙信息 或其他，其中，蜂窩網絡小區(qū)ID信息包括當前蜂窩網絡小區(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上網已經很普遍，某一區(qū)域內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絡流量數據，從這些網絡流 量數據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據庫，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數據，粗粒度地理信息數據庫保存有不同粗粒度位置信息與不同Ρ0Ι 數據之間的對應關系，P0I數據至少包括粗粒度位置所在地的經度和煒度。
[0031] 粗粒度地理信息數據庫保存有不同粗粒度位置信息與不同Ρ0Ι數據之間的對應關 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 據，由于Ρ0Ι數據至少包括粗粒度位置所在地的經度和煒度，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絡小區(qū)ID信息、WiFi信息或藍牙信息時，粗粒度地 理信息數據庫保存有不同蜂窩網絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同Ρ0Ι 數據之間的對應關系，Ρ0Ι數據至少包括蜂窩網絡小區(qū)ID、WIFI或藍牙所在地的經度和煒 度。
[0033]當粗粒度位置信息是WiFi信息，粗粒度地理信息數據庫是WIFI地理信息數據庫 時，WIFI地理信息數據庫是有關不同WIFI名稱、不同WIFI的MAC地址以及不同Ρ0Ι數據之間 的對應關系的數據庫。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數據，從而知道當前的位置。
[0034] 進一步地，Ρ0Ι數據除了包括WIFI所在地的經度和煒度外，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:根據當前獲取時間和當前Ρ0Ι數據，基于已構建的移動終端的位置歷史 數據，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據可以統(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，根據當前獲取的時間，知道當前的時間，根據當前Ρ0Ι數據，知道移動終端當 前的位置，然后再結合統(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據可以預先使用蜂窩網絡小區(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煒度數據、 跑步軟件上獲取的位置信息、微信等社交網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據庫，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數據，粗粒度地理信息數據庫保存有不同粗 粒度位置信息與不同Ρ0Ι數據之間的對應關系，Ρ0Ι數據至少包括粗粒度位置所在地的經度 和煒度;根據當前獲取時間和當前P0I數據，基于已構建的移動終端的位置歷史數據，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，再結合粗粒度地理 信息數據庫和移動終端的位置歷史數據，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，粗粒度地理信息數據庫是WIFI地理信息數 據庫，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:根據多次移動終端在不同時間段的WIFI信息和WIFI地理信息數據庫， 構建移動終端的位置數據。
[0043]根據多次移動終端在不同時間段的WIFI信息和WIFI地理信息數據庫，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據。
[0044] 步驟S203:對移動終端的位置數據中短時間內重復的位置數據或者位置變化很小 的位置數據進行清洗，進而構建獲得移動終端的位置歷史數據，移動終端的位置歷史數據 包括WIFI名稱、WIFI的MAC地址、Ρ0Ι數據以及獲取時間的對應關系。
[0045] 移動終端在短時間內沒有移動位置，或者，位置變化很小，這些位置數據對構建移 動終端的位置歷史數據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據中 短時間內重復的位置數據或者位置變化很小的位置數據進行清洗后，剩下的位置數據即可 成為移動終端的位置歷史數據。其中，移動終端的位置歷史數據可以包括WIFI名稱、WIFI的 MAC地址、Ρ0Ι數據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據，確定移動終端在不同時間段去往的不同 功能地點，結合當前獲取時間和當前Ρ0Ι數據，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據，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，然后根據當前獲取時間和當前Ρ0Ι數據，即可預測出移動終端下一階段的位 置。
[0049] 例如:根據經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 訪問多個位置的情況，選取出現(xiàn)次數最多的Ρ0Ι標識作為該時段的標識。將移動終端的位置 歷史數據按照上述方式統(tǒng)計后，然后查看當前獲取時間是位于哪個時間段，當前Ρ0Ι數據是 在哪個位置，然后結合上述統(tǒng)計結果，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據，確定移動終端在不同時間段 去往的不同功能地點，結合當前獲取時間和當前Ρ0Ι數據，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據，確定移動終端在不同時間段去往的不同 功能地點，結合當前獲取時間和當前POI數據，構造移動終端的馬爾科夫轉移矩陣，進而通 過馬爾科夫轉移矩陣預測移動終端下一階段的位置。
[0052]根據劃分的時間段構造移動終端轉移矩陣，是一個馬爾科夫轉移矩陣，對于每一 個時段j，存在一個轉移矩陣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。那么跳轉矩陣為：
[0054] 其中，馬爾科夫轉移矩陣為馬爾科夫轉移概率矩陣。
[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，通過上述轉移矩陣或轉移概率矩陣獲得的預測結果，可以再根 據給定的P0I和移動終端歷史記錄，對預測結果進行修正，以獲得更加精確的預測結果。
[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構示意圖，該裝 置可以執(zhí)行上述方法中的步驟，相關內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絡小區(qū)ID信息、WiFi信息或藍牙信息，其中，蜂窩網絡 小區(qū)ID信息包括當前蜂窩網絡小區(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據庫，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數據，粗粒度地理信息數據庫保存有不同粗粒度位置信息與 不同Ρ0Ι數據之間的對應關系，Ρ0Ι數據至少包括粗粒度位置所在地的經度和煒度。
[0064]粗粒度地理信息數據庫保存有不同蜂窩網絡小區(qū)ID信息、不同WiFi信息或不同藍 牙信息與不同Ρ0Ι數據之間的對應關系，Ρ0Ι數據至少包括蜂窩網絡小區(qū)ID、WIFI或藍牙所 在地的經度和煒度。
[0065] 預測模塊103用于根據當前獲取時間和當前Ρ0Ι數據，基于已構建的移動終端的位 置歷史數據，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據庫，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數據，粗粒度地理信息數據庫保存有不同粗 粒度位置信息與不同Ρ0Ι數據之間的對應關系，Ρ0Ι數據至少包括粗粒度位置所在地的經度 和煒度;根據當前獲取時間和當前Ρ0Ι數據，基于已構建的移動終端的位置歷史數據，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，再結合粗粒度地理 信息數據庫和移動終端的位置歷史數據，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，粗粒度地理信息數據庫是WIFI地理信息數據 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用于根據多次移動終端在不同時間段的WIFI信息和WIFI地理信 息數據庫，構建移動終端的位置數據。
[0069] 第二構建模塊202用于對移動終端的位置數據中短時間內重復的位置數據或者位 置變化很小的位置數據進行清洗，進而構建獲得移動終端的位置歷史數據，移動終端的位 置歷史數據包括WIFI名稱、WIFI的MAC地址、Ρ0Ι數據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據，確定移動終 端在不同時間段去往的不同功能地點，結合當前獲取時間和當前Ρ0Ι數據，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據，確定移動 終端在不同時間段去往的不同功能地點，結合當前獲取時間和當前Ρ0Ι數據，構造移動終端 的馬爾科夫轉移矩陣，進而通過馬爾科夫轉移矩陣預測移動終端下一階段的位置。
[0072] 其中，馬爾科夫轉移矩陣為馬爾科夫轉移概率矩陣。
[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)明說明書及附圖內容所作的等效結構或等效流程變換，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。
【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據庫，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數據，所述粗粒度地理信息數據庫保存有不同粗粒度位置信息與不同POI數據之 間的對應關系，所述POI數據至少包括所述粗粒度位置所在地的經度和煒度； 根據所述當前獲取時間和所述當前POI數據，基于已構建的所述移動終端的位置歷史 數據，預測所述移動終端下一階段的位置。2. 根據權利要求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絡小區(qū)ID 信息、WiFi信息或藍牙信息，其中，所述蜂窩網絡小區(qū)ID信息包括當前蜂窩網絡小區(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 地理信息數據庫保存有不同蜂窩網絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同 POI數據之間的對應關系，所述POI數據至少包括所述蜂窩網絡小區(qū)ID、WIFI或藍牙所在地 的經度和煒度。3. 根據權利要求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 粒度地理信息數據庫是WIFI地理信息數據庫，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地理信息數據庫，構建所 述移動終端的位置數據； 對所述移動終端的位置數據中短時間內重復的位置數據或者位置變化很小的位置數 據進行清洗，進而構建獲得所述移動終端的位置歷史數據，所述移動終端的位置歷史數據 包括WIFI名稱、WIFI的MAC地址、POI數據以及獲取時間的對應關系。4. 根據權利要求3所述的方法，其特征在于，所述根據所述當前獲取時間和所述當前 POI數據，基于已構建的所述移動終端的位置歷史數據，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據，確定所述移動終端在不同時間段去往的 不同功能地點，結合所述當前獲取時間和所述當前POI數據，預測所述移動終端下一階段的 位置。5. 根據權利要求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 史數據，確定所述移動終端在不同時間段去往的不同功能地點，結合所述當前獲取時間和 所述當前POI數據，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據，確定所述移動終端在不同時間段去往的 不同功能地點，結合所述當前獲取時間和所述當前POI數據，構造所述移動終端的馬爾科夫 轉移矩陣，進而通過所述馬爾科夫轉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據庫，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數據，所述粗粒度地理信息數據庫保存有不同粗粒度位置信息 與不同P0I數據之間的對應關系，所述P0I數據至少包括所述粗粒度位置所在地的經度和煒 度； 預測模塊，用于根據所述當前獲取時間和所述當前P0I數據，基于已構建的所述移動終 端的位置歷史數據，預測所述移動終端下一階段的位置。7. 根據權利要求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絡小區(qū)ID 信息、WiFi信息或藍牙信息，其中，所述蜂窩網絡小區(qū)ID信息包括當前蜂窩網絡小區(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 地理信息數據庫保存有不同蜂窩網絡小區(qū)ID信息、不同WiFi信息或不同藍牙信息與不同 P0I數據之間的對應關系，所述P0I數據至少包括所述蜂窩網絡小區(qū)ID、WIFI或藍牙所在地 的經度和煒度。8. 根據權利要求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 粒度地理信息數據庫是WIFI地理信息數據庫， 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 信息數據庫，構建所述移動終端的位置數據； 第二構建模塊，用于對所述移動終端的位置數據中短時間內重復的位置數據或者位置 變化很小的位置數據進行清洗，進而構建獲得所述移動終端的位置歷史數據，所述移動終 端的位置歷史數據包括WIFI名稱、WIFI的MAC地址、P0I數據以及獲取時間的對應關系。9. 根據權利要求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據，確定所述移動終端在不同時間段去往的不同功能地點，結合所 述當前獲取時間和所述當前P0I數據，預測所述移動終端下一階段的位置。10. 根據權利要求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據，確定所述移動終端在不同時間段去往的不同功能地點，結 合所述當前獲取時間和所述當前P0I數據，構造所述移動終端的馬爾科夫轉移矩陣，進而通 過所述馬爾科夫轉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】國家計算機網絡與信息安全管理中心