Resumen

La predicción contextual de ubicaciones es un tema importante en el campo de la recomendación de ubicaciones personalizadas en los SBL (servicios basados en la ubicación). Con el avance de las técnicas de posicionamiento móvil y varios sensores integrados en teléfonos inteligentes, es conveniente obtener trayectorias móviles humanas masivas y derivar una gran cantidad de información valiosa de los grandes datos geoespaciales. La extracción y reconocimiento de lugares de interés personal y la predicción de la siguiente ubicación semántica se han convertido en un tema candente de investigación en los SBL. En este documento, proponemos un enfoque para predecir el próximo lugar semántico personal con patrones de visitas históricas derivadas de registros de dispositivos móviles. Para abordar los problemas de imprecisión de ubicación y falta de información semántica, se emplea un método modificado de identificación de viajes para extraer puntos clave de visita de las trayectorias de GPS en un grado más preciso, mientras que la información semántica se agrega a través de la detección de puntos de estadía y el reconocimiento de lugares semánticos. Por último, se adopta un modelo de árbol de decisiones para explorar las características espaciales, temporales y secuenciales en la predicción contextual de ubicaciones. Para validar la efectividad de nuestro enfoque, se realizaron experimentos basados en una colección de trayectorias en el centro de Guangzhou. Los resultados verificaron la viabilidad de nuestro enfoque en la predicción contextual de ubicaciones a partir de registros continuos de dispositivos móviles.

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Predicción de localización; Recomendación personalizada; Trayectorias móviles; Localización semántica; Método trip-identify; Modelo de árbol de decisión.
• Keywords:Location prediction; Personalized recommendation; Mobile trajectories; Semantic location; Trip-identify method; Decision tree model