神经网络：

从给定时间步长预测 Lat/Lng 可以通过分析用户的先前数据来执行。这是一种完全幼稚的方法，但可以尝试，

• 从用户那里获取输入时间戳。让我们称之为$x$.
• 从用户之前的数据中，寻找最接近的时间戳$x$.
• 找到最接近的时间戳后，输出与该时间戳关联的 Lat/Lng。

这种方法称为K-NN（K 最近邻）分类。如果用户在给定时间（时间戳）大部分时间都在一个共同的地方，它将很好地工作。

聚类方法：

此方法适用于制作 Lat/Lng 集群。假设对于某个给定的时间间隔，您将获得一个共同的时间步长（这将是集群的中心）。

• 一旦你有了一组时间步，找到最接近输入的时间步（簇的中心）$x$.
• 对于这个时间步，您将获得彼此接近的 Lat/Lng。
• 为了预测 Lat/Lng，使用集群的中心并输出相关的 Lat/Lng 值。

基本上，您正在对有助于预测的相似数据点进行聚类。您可以在给定的时间间隔内找到用户位置的聚集位置。