位置预测方法、装置、电子设备及存储介质与流程

[0001]
本公开的实施例涉及位置预测技术领域，尤其涉及一种位置预测方法、装置、电子设备及存储介质。


背景技术：

[0002]
基于lbs(locationbasedservice，基于移动位置服务)的推荐对用户的位置非常敏感，用户当前的位置和未来可能的位置对推荐结果的准确性都至关重要，因此需要对用户未来可能的消费位置有所预测。
[0003]
现有技术方案普遍考虑了用户的行为轨迹序列，获得用户已有的位置轨迹并进行惯性预测，而在一个封闭环境中，出口并不是和既有轨迹呈线性的，因此直接根据既有轨迹的预测就会有较大的偏差。


技术实现要素：

[0004]
本公开的实施例提供一种位置预测方法、装置、电子设备及存储介质，用以提高位置预测的准确率。
[0005]
根据本公开的实施例的第一方面，提供了一种位置预测方法，包括：
[0006]
根据目标用户所处目标区域的区域属性信息，确定所述目标用户的用户意图；
[0007]
获取所述目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度；
[0008]
根据所述历史行进轨迹、所述历史行进速度和所述用户意图，确定所述目标用户对应的预测行进轨迹；
[0009]
根据所述预测行进轨迹和所述历史行进速度，确定所述目标用户在未来指定时间所处的目标位置。
[0010]
可选地，所述根据目标用户所处目标区域的区域属性信息，确定所述目标用户的用户意图，包括：
[0011]
根据所述目标区域的出入口位置和所述目标区域周边的实体业务方的分布信息，确定所述目标区域的区域属性类型；
[0012]
根据多个用户在离开所述目标区域之后的历史行为数据，确定所述目标区域的区域性质信息；
[0013]
根据所述区域属性类型和所述区域性质信息，确定所述目标用户的用户意图。
[0014]
可选地，所述根据多个用户在离开所述目标区域之后的历史行为数据，确定所述目标区域的区域性质信息，包括：
[0015]
获取所述多个用户在离开所述目标区域之后到达设定位置的概率；
[0016]
根据多个所述概率，生成概率位移矩阵；
[0017]
基于所述概率位移矩阵，确定所述目标区域对应的区域性质信息。
[0018]
可选地，所述根据所述预测行进轨迹和所述历史行进速度，确定所述目标用户在
未来指定时间所处的目标位置，包括：
[0019]
将所述预测行进轨迹和所述历史行进速度输入至预设位置预测模型；
[0020]
通过所述预测模型输出所述目标用户在未来指定时间的目标位置。
[0021]
可选地，在所述将所述预测行进轨迹和所述历史行进速度输入至预设位置预测模型之前，还包括：
[0022]
获取预设数量的在离开所述目标区域之后的初始行进轨迹，及所述初始行进轨迹对应的初始行进速度；
[0023]
根据所述初始行进轨迹和所述初始行进速度对初始位置预测模型进行训练，得到所述预设位置预测模型。
[0024]
根据本公开的实施例的第二方面，提供了一种位置预测装置，包括：
[0025]
用户意图确定模块，用于根据目标用户所处目标区域的区域属性信息，确定所述目标用户的用户意图；
[0026]
历史行进轨迹获取模块，用于获取所述目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度；
[0027]
预测行进轨迹确定模块，用于根据所述历史行进轨迹、所述历史行进速度和所述用户意图，确定所述目标用户对应的预测行进轨迹；
[0028]
目标位置确定模块，用于根据所述预测行进轨迹和所述历史行进速度，确定所述目标用户在未来指定时间所处的目标位置。
[0029]
可选地，所述用户意图确定模块包括：
[0030]
区域属性类型确定单元，用于根据所述目标区域的出入口位置和所述目标区域周边的实体业务方的分布信息，确定所述目标区域的区域属性类型；
[0031]
区域性质信息确定单元，用于根据多个用户在离开所述目标区域之后的历史行为数据，确定所述目标区域的区域性质信息；
[0032]
用户意图确定单元，用于根据所述区域属性类型和所述区域性质信息，确定所述目标用户的用户意图。
[0033]
可选地，所述区域性质信息确定单元包括：
[0034]
概率获取子单元，用于获取所述多个用户在离开所述目标区域之后到达设定位置的概率；
[0035]
位移矩阵生成子单元，用于根据多个所述概率，生成概率位移矩阵；
[0036]
区域性质确定子单元，用于基于所述概率位移矩阵，确定所述目标区域对应的区域性质信息。
[0037]
可选地，所述目标位置确定模块包括：
[0038]
预测行进轨迹输入单元，用于将所述预测行进轨迹和所述历史行进速度输入至预设位置预测模型；
[0039]
目标位置输出单元，用于通过所述预测模型输出所述目标用户在未来指定时间的目标位置。
[0040]
可选地，还包括：
[0041]
初始行进轨迹获取模块，用于获取预设数量的在离开所述目标区域之后的初始行进轨迹，及所述初始行进轨迹对应的初始行进速度；
[0042]
位置预测模型获取模块，用于根据所述初始行进轨迹和所述初始行进速度对初始位置预测模型进行训练，得到所述预设位置预测模型。
[0043]
根据本公开的实施例的第三方面，提供了一种电子设备，包括：
[0044]
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的位置预测方法。
[0045]
根据本公开的实施例的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的位置预测方法。
[0046]
本公开的实施例提供的位置预测方案，通过根据目标用户所处目标区域的区域属性信息，确定目标用户的用户意图，获取目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度，根据历史行进轨迹、历史行进轨迹和用户意图，确定目标用户对应的预测行进轨迹，根据预测行进轨迹和历史行进速度，确定目标用户在未来指定时间所处的目标位置。本公开的实施例通过结合用户所处区域的属性信息，获取用户的意图，并根据用户意图及用户在预设时段内的历史行进信息进行未来位置的预测，规避了惯性预测造成位置预测存在偏差的问题，进而提高了位置预测的准确率。
附图说明
[0047]
为了更清楚地说明本公开的实施例的技术方案，下面将对本公开的实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0048]
图1为本公开实施例提供的一种位置预测方法的步骤流程图；
[0049]
图2为本公开实施例提供的另一种位置预测方法的步骤流程图；
[0050]
图3为本公开实施例提供的一种位置预测装置的结构示意图；
[0051]
图4为本公开实施例提供的另一种位置预测装置的结构示意图。
具体实施方式
[0052]
下面将结合本公开的实施例中的附图，对本公开的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开的实施例一部分实施例，而不是全部的实施例。基于本公开的实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开的实施例保护的范围。
[0053]
实施例一
[0054]
参照图1，示出了本公开实施例提供的一种位置预测方法的步骤流程图，如图1所示，该位置预测方法具体可以包括如下步骤：
[0055]
步骤101：根据目标用户所处目标区域的区域属性信息，确定所述目标用户的用户意图。
[0056]
本公开实施例可以应用于对用户未来时间的位置进行预测的场景中。
[0057]
目标用户是指需要进行未来时间的位置预测的用户。例如，处于目标区域的用户包括用户a、用户b和用户c，可以将用户a作为目标用户，也可以将用户a和用户b作为目标用
户，还可以将用户a、用户b和用户c同时作为目标用户。
[0058]
目标区域是指目标用户当前所处的区域。
[0059]
区域属性信息是指与目标区域关联的属性信息，在本实施例中，区域属性信息可以包括区域属性类型和区域性质信息，其中，区域属性类型是指目标区域所处地块的物理属性，如封闭式场景、高速公路/地铁、住宅/写字楼等建筑物、商场/步行街等购物场所、目标区域的出口位置/入口位置等属性。区域性质信息是指根据历史出现在该目标区域的用户的后续行为判定的该区域的性质，如购物、旅游等，在本实施例中，可以根据历史出现在目标区域的用户的后续消费位置，存储为概率转移矩阵，据此判断该区域的性质。
[0060]
用户意图是指根据目标区域的区域属性信息判定的目标用户的意图，例如，在目标区域的区域属性信息为商场等购物场所时，则可以判定目标用户的意图为购物等。
[0061]
可以理解地，上述示例仅是为了更好地理解本申请实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。
[0062]
在获取目标用户所处的目标区域之后，可以获取目标区域对应的区域属性信息，进而，可以根据区域属性信息确定目标用户的用户意图。
[0063]
在根据目标用户所处目标区域的区域属性信息确定出目标用户的用户意图之后，执行步骤102。
[0064]
步骤102：获取所述目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度。
[0065]
预设时段是指距离当前时间为某个时长的时段，例如，距离当前时间为30min的时段(即从30min前至当前时间的时段)，或者距离当前时间为15min的时段(即从15min前至当前时间的时段)等。
[0066]
历史行进轨迹是指目标用户在预设时段内的行进轨迹。例如，在预设时段为2020年7月11日8：00～2020年7月11日11：00时，则历史行进轨迹为2020年7月11日8：00～11：00内的行进轨迹。
[0067]
历史行进速度是指目标用户在预设时段内的行进速度，例如，在预设时段为2020年7月11日8：00～2020年7月11日11：00时，则历史行进速度为2020年7月11日8：00～11：00内的平均速度。
[0068]
在获取目标用户处于目标区域，且需要对目标用户的未来时间点的位置进行预测时，可以获取目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度，进而执行步骤103。
[0069]
步骤103：根据所述历史行进轨迹、所述历史行进速度和所述用户意图，确定所述目标用户对应的预测行进轨迹。
[0070]
预测行进轨迹是指预测得到的目标用户在未来某个时段内的行进轨迹，即预测行进路线。
[0071]
在获取到目标区域的区域属性信息之后，可以根据区域属性信息、目标用户在预设时段内的历史行进速度和历史行进轨迹，预测出目标用户的预测行进轨迹。
[0072]
在确定出目标用户对应的预测行进轨迹之后，执行步骤104。
[0073]
步骤104：根据所述预测行进轨迹和所述历史行进速度，确定所述目标用户在未来指定时间所处的目标位置。
[0074]
未来指定时间是指对目标用户的位置进行预测的未来的某个时刻点。
[0075]
目标位置是指预测得到的目标用户在未来指定时间所要达到的位置。
[0076]
在确定出目标用户的预测行进轨迹之后，可以结合预测行进轨迹和历史行进速度，预测出目标用户在未来指定时间所能到达的位置，以得到目标用户在未来指定时间的目标位置，具体地，可以结合位置预测模型，将预测行进轨迹和历史行进速度作为输入，以对目标用户在未来指定时间的位置进行预测，得到目标位置。
[0077]
本公开实施例提供的位置预测方法，通过根据目标用户所处目标区域的区域属性信息，确定目标用户的用户意图，获取目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度，根据历史行进轨迹、历史行进轨迹和用户意图，确定目标用户对应的预测行进轨迹，根据预测行进轨迹和历史行进速度，确定目标用户在未来指定时间所处的目标位置。本公开的实施例通过结合用户所处区域的属性信息，获取用户的意图，并根据用户意图及用户在预设时段内的历史行进信息进行未来位置的预测，规避了惯性预测造成位置预测存在偏差的问题，进而提高了位置预测的准确率。
[0078]
参照图2，示出了本公开实施例提供的另一种位置预测方法的步骤流程图，如图2所示，该位置预测方法具体可以包括如下步骤：
[0079]
步骤201：根据所述目标区域的出入口位置和所述目标区域周边的实体业务方的分布信息，确定所述目标区域的区域属性类型。
[0080]
本公开实施例可以应用于对用户未来时间的位置进行预测的场景中。
[0081]
目标区域是指目标用户当前所处的区域，目标用户是指需要进行未来时间的位置预测的用户。例如，处于目标区域的用户包括：用户a、用户b和用户c，可以将用户a作为目标用户，也可以将用户a和用户b作为目标用户，还可以将用户a、用户b和用户c同时作为目标用户。
[0082]
区域属性类型是指目标区域所处地块的物理属性类型，如封闭式场景、高速公路/地铁、住宅/写字楼等建筑物、商场/步行街等购物场所等属性类型。
[0083]
实体业务方是指实体门店等业务方，如餐厅、加油站等。
[0084]
在本实施例中，可以在地图上查找目标区域的出口位置和入口位置，根据目标区域的出口位置和入口位置，结合目标区域周边的实体业务方的分布情况判定目标区域的区域属性类型，如通过出口位置、入口位置和目标区域周边的实体业务方的分布情况判定目标区域是否为高速公路、地铁等。
[0085]
在根据目标区域的出入口位置和目标区域周边的实体业务方的分布信息确定出目标区域的区域属性类型之后，执行步骤202。
[0086]
步骤202：根据多个用户在离开所述目标区域之后的历史行为数据，确定所述目标区域的区域性质信息。
[0087]
历史行为数据是指历史上出现在目标区域之后，前往目标区域周边的实体业务方进行的行为的数据。
[0088]
区域性质信息是指根据历史上出现在该目标区域的用户的后续行为判定的该区域的性质，如购物、旅游等，在本实施例中，可以根据历史出现在目标区域的用户的后续消费位置，存储为概率位移矩阵，据此判断该区域的性质。
[0089]
在目标用户处于目标区域内时，可以获取多个用户在目标区域上的历史行为数
据，结合历史行为数据可以确定目标区域的区域性质信息。具体地，可以结合下述具体实现方式进行详细描述。
[0090]
在本公开的一种具体实现方式中，上述步骤202可以包括：
[0091]
子步骤s1：获取所述多个用户在离开时所述目标区域之后达到设定位置的概率。
[0092]
在本公开实施例中，设定位置是指多个用户在离开目标区域之后到达的位置。
[0093]
通过结合多个用户的历史行为数据，可以获取多个用户在离开目标区域之后到达的位置(即设定位置)，进而，可以根据多个用户的用户数量，及多个用户分别达到设定位置的用户数量，统计出在离开目标区域之后到达设定位置的概率，例如，多个用户的数量为1000，这1000个用户在离开目标区域之后，到达a位置的数量为300，到达b位置的数量为200，到达c位置的用户数量为500，那么，可以统计得到达到a位置的概率为30％，到达b位置的概率为20％，到达c位置的概率为50％。
[0094]
可以理解地，上述示例仅是为了更好地理解本公开实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。
[0095]
在获取多个用户在离开时目标区域之后达到设定位置的概率之后，执行子步骤s2。
[0096]
子步骤s2：根据多个所述概率，生成概率位移矩阵。
[0097]
在获取多个用户在离开目标区域之后到达设定位置的概率之后，可以结合多个概率生成概率位移矩阵，进而，执行子步骤s3。
[0098]
子步骤s3：基于所述概率位移矩阵，确定所述目标区域对应的区域性质信息。
[0099]
在结合多个概率，生成概率位移矩阵之后，可以根据概率位移矩阵，确定出目标区域的区域性质信息，即根据概率位移矩阵确定目标区域在历史上出现的用户的后续行为，根据后续行为概率，统计一个最大概率值，以将该概率值最大的后续到达位置且用户在该位置的行为，确定出目标区域的区域性质信息。
[0100]
步骤203：根据所述区域属性类型和所述区域性质信息，确定所述目标用户的用户意图。
[0101]
用户意图是指根据目标区域的区域属性类型和区域性质信息判定的目标用户的意图，例如，在目标区域的区域属性类型为高速公路，区域性质信息为购物性质信息时，则根据此情况可以判定出目标用户的用户意图为购物意图。
[0102]
在获取目标区域对应的区域属性类型和区域性质信息之后，可以根据区域属性类型和区域性质信息确定出目标用户的用户意图。
[0103]
在根据区域属性类型和区域性质信息确定出目标用户的用户意图之后，执行步骤204。
[0104]
步骤204：获取所述目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度。
[0105]
预设时段是指距离当前时间为某个时长的时段，例如，距离当前时间为30min的时段(即从30min前至当前时间的时段)，或者距离当前时间为15min的时段(即从15min前至当前时间的时段)等。
[0106]
历史行进轨迹是指目标用户在预设时段内的行进轨迹，即目标用户的行进路线。
[0107]
历史行进速度是指目标用户在预设时段内行进的平均速度。
[0108]
在确定预设时段之后，可以获取目标用户在预设时段内的历史行进轨迹和历史行进速度，进而，执行步骤205。
[0109]
步骤205：根据所述历史行进轨迹、所述历史行进速度和所述用户意图，确定所述目标用户对应的预测行进轨迹。
[0110]
预设行进轨迹是指预测得到的目标用户在未来某个时段内的行进轨迹，即预测行进路线。
[0111]
在获取目标区域的区域属性类型和目标区域的区域性质信息，确定出目标用户的用户意图，并获取到目标用户在预设时段内的历史行进轨迹和历史行进速度之后，可以结合历史行进轨迹、历史行进速度和用户意图，确定出目标用户对应的预测行进轨迹。
[0112]
在确定出目标用户对应的预测行进轨迹之后，执行步骤206。
[0113]
步骤206：将所述预测行进轨迹和所述历史行进速度输入至预设位置预测模型。
[0114]
预设位置预测模型是指用于根据行进轨迹对用户未来时刻的位置进行预测的模型。
[0115]
在确定出目标用户的预测行进轨迹之后，可以将预测行进轨迹和历史行进速度输入至预设位置预测模型，以通过预设位置预测模型预测目标用户在未来指定时间的目标位置。
[0116]
对于预设位置预测模型的训练过程可以结合下述具体实现方式进行详细描述。
[0117]
在本公开的一种具体实现方式中，在上述步骤206之前，还可以包括：
[0118]
步骤m1：获取预设数量的在离开所述目标区域之后的初始行进轨迹，及所述初始行进轨迹对应的初始行进速度。
[0119]
在本公开实施例中，预设数量是指用于获取训练初始位置预测模型的样本的数量。
[0120]
在本示例中，可以将用户离开目标区域之后的行进轨迹和该行进轨迹对应的行进速度作为训练样本，以此对初始位置预测模型进行训练。
[0121]
在需要对初始位置预测模型进行训练时，可以获取预设数量的在离开目标区域之后的初始行进轨迹及初始行进轨迹对应的初始行进速度，进而，执行步骤m2。
[0122]
步骤m2：根据所述初始行进轨迹和所述初始行进速度对初始位置预测模型进行训练，得到所述预设位置预测模型。
[0123]
在获取预设数量的初始行进轨迹和初始行进速度之后，可以依据预设数量的初始行进轨迹和初始行进速度对初始位置预测模型进行训练，以得到训练完成的预设位置预测模型，具体地，可以将预设数量的训练样本依次输入至初始位置预测模型，以对初始位置预测模型进行训练，在所有的训练样本均训练完成时即可得到预设位置预测模型。
[0124]
当然，在训练出预设位置预测模型之后，还可以结合测试样本对训练得到的预设位置预测模型进行测试，以确定训练得到的预设位置预测模型预测位置的准确性。其中，测试样本即为历史上出现在目标区域的用户在离开目标区域之后的行进轨迹和行进速度，以此对预设位置预测模型进行测试，以验证预设位置预测模型的预测位置的准确性。
[0125]
在将预测行进轨迹和历史行进速度输入至预设位置预测模型之后，执行步骤207。
[0126]
步骤207：通过所述预测模型输出所述目标用户在未来指定时间的目标位置。
[0127]
未来指定时间是指对目标用户的位置进行预测的未来的某个时刻点。
[0128]
目标位置是指预测得到的目标用户的在未来指定时间所要达到的位置。
[0129]
在将预测行进轨迹和历史行进速度输入至预设位置预测模型之后，可以通过预设位置预测模型输出目标用户在未来指定时间的目标位置。
[0130]
本公开实施例提供的位置预测方法，通过根据目标用户所处目标区域的区域属性信息，确定目标用户的用户意图，获取目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度，根据历史行进轨迹、历史行进轨迹和用户意图，确定目标用户对应的预测行进轨迹，根据预测行进轨迹和历史行进速度，确定目标用户在未来指定时间所处的目标位置。本公开的实施例通过结合用户所处区域的属性信息，获取用户的意图，并根据用户意图及用户在预设时段内的历史行进信息进行未来位置的预测，规避了惯性预测造成位置预测存在偏差的问题，进而提高了位置预测的准确率。
[0131]
参照图3，示出了本公开实施例提供的一种位置预测装置的结构示意图，如图3所示，该位置预测装置具体可以包括如下模块：
[0132]
用户意图确定模块310，用于根据目标用户所处目标区域的区域属性信息，确定所述目标用户的用户意图；
[0133]
历史行进轨迹获取模块320，用于获取所述目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度；
[0134]
预测行进轨迹确定模块330，用于根据所述历史行进轨迹、所述历史行进速度和所述用户意图，确定所述目标用户对应的预测行进轨迹；
[0135]
目标位置确定模块340，用于根据所述预测行进轨迹和所述历史行进速度，确定所述目标用户在未来指定时间所处的目标位置。
[0136]
本公开实施例提供的位置预测装置，通过根据目标用户所处目标区域的区域属性信息，确定目标用户的用户意图，获取目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度，根据历史行进轨迹、历史行进轨迹和用户意图，确定目标用户对应的预测行进轨迹，根据预测行进轨迹和历史行进速度，确定目标用户在未来指定时间所处的目标位置。本公开的实施例通过结合用户所处区域的属性信息，获取用户的意图，并根据用户意图及用户在预设时段内的历史行进信息进行未来位置的预测，规避了惯性预测造成位置预测存在偏差的问题，进而提高了位置预测的准确率。
[0137]
参照图4，示出了本公开实施例提供的另一种位置预测装置的结构示意图，如图4所示，该位置预测装置具体可以包括如下模块：
[0138]
用户意图确定模块410，用于根据目标用户所处目标区域的区域属性信息，确定所述目标用户的用户意图；
[0139]
历史行进轨迹获取模块420，用于获取所述目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度；
[0140]
预测行进轨迹确定模块430，用于根据所述历史行进轨迹、所述历史行进速度和所述用户意图，确定所述目标用户对应的预测行进轨迹；
[0141]
目标位置确定模块440，用于根据所述预测行进轨迹和所述历史行进速度，确定所述目标用户在未来指定时间所处的目标位置。
[0142]
可选地，所述用户意图确定模块410包括：
[0143]
区域属性类型确定单元411，用于根据所述目标区域的出入口位置和所述目标区
域周边的实体业务方的分布信息，确定所述目标区域的区域属性类型；
[0144]
区域性质信息确定单元412，用于根据多个用户在离开所述目标区域之后的历史行为数据，确定所述目标区域的区域性质信息；
[0145]
用户意图确定单元413，用于根据所述区域属性类型和所述区域性质信息，确定所述目标用户的用户意图。
[0146]
可选地，所述区域性质信息确定单元包括：
[0147]
概率获取子单元，用于获取所述多个用户在离开所述目标区域之后到达设定位置的概率；
[0148]
位移矩阵生成子单元，用于根据多个所述概率，生成概率位移矩阵；
[0149]
区域性质确定子单元，用于基于所述概率位移矩阵，确定所述目标区域对应的区域性质信息。
[0150]
可选地，所述目标位置确定模块440包括：
[0151]
预测行进轨迹输入单元，用于将所述预测行进轨迹和所述历史行进速度输入至预设位置预测模型；
[0152]
目标位置输出单元，用于通过所述预测模型输出所述目标用户在未来指定时间的目标位置。
[0153]
可选地，所述装置还包括：
[0154]
初始行进轨迹获取模块，用于获取预设数量的在离开所述目标区域之后的初始行进轨迹，及所述初始行进轨迹对应的初始行进速度；
[0155]
位置预测模型获取模块，用于根据所述初始行进轨迹和所述初始行进速度对初始位置预测模型进行训练，得到所述预设位置预测模型。
[0156]
本公开实施例提供的位置预测装置，通过根据目标用户所处目标区域的区域属性信息，确定目标用户的用户意图，获取目标用户在距离当前时间的预设时段内的历史行进轨迹和历史行进速度，根据历史行进轨迹、历史行进轨迹和用户意图，确定目标用户对应的预测行进轨迹，根据预测行进轨迹和历史行进速度，确定目标用户在未来指定时间所处的目标位置。本公开的实施例通过结合用户所处区域的属性信息，获取用户的意图，并根据用户意图及用户在预设时段内的历史行进信息进行未来位置的预测，规避了惯性预测造成位置预测存在偏差的问题，进而提高了位置预测的准确率。
[0157]
本公开的实施例还提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述实施例的位置预测方法。
[0158]
本公开的实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述实施例的位置预测方法。
[0159]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0160]
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开的实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的实施例的内容，并且上面对特定语言所做的描
述是为了披露本公开的实施例的最佳实施方式。
[0161]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0162]
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的实施例的单独实施例。
[0163]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
[0164]
本公开的实施例的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开的实施例的动态图片的生成设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0165]
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0166]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0167]
以上所述仅为本公开的实施例的较佳实施例而已，并不用以限制本公开的实施例，凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本公开的实施例的保护范围之内。
[0168]
以上所述，仅为本公开的实施例的具体实施方式，但本公开的实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的实施例的保护范围之内。因此，本公开的实施例的保护范围应以权利要求的保护范围为准。