论文部分内容阅读
信息社会中,基于用户的历史活动轨迹发掘和预测人类位置轨迹及活动规律至关重要.已有研究大多采用基于时间和轨迹间相似度分类的马尔可夫模型,忽略不同出行方式下的移动规律差异.本文区别不同出行方式,基于轨迹的速度、加速度、航向变化速度等特征,用XGBoost算法识别轨迹对应的出行方式,并采用基于优化的轨迹分割算法,将人类出行轨迹按出行方式分解成多个轨迹,采用经由不同出行方式轨迹建立的马尔可夫模型实现出行轨迹的精准预测.实验表明,不同出行方式的轨迹的移动规律存在显著差异,且本文方法的预测精度和距离偏差明显优于几个基准方法.