CN104636354A - 一种位置兴趣点聚类方法和相关装置 - Google Patents

一种位置兴趣点聚类方法和相关装置 Download PDF

Info

Publication number
CN104636354A
CN104636354A CN201310552636.2A CN201310552636A CN104636354A CN 104636354 A CN104636354 A CN 104636354A CN 201310552636 A CN201310552636 A CN 201310552636A CN 104636354 A CN104636354 A CN 104636354A
Authority
CN
China
Prior art keywords
dwell point
point
dwell
zone
hot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310552636.2A
Other languages
English (en)
Other versions
CN104636354B (zh
Inventor
丁强
宋韶旭
欧阳振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Huawei Technologies Co Ltd
Original Assignee
Tsinghua University
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Huawei Technologies Co Ltd filed Critical Tsinghua University
Priority to CN201310552636.2A priority Critical patent/CN104636354B/zh
Priority to PCT/CN2014/088443 priority patent/WO2015067119A1/zh
Priority to JP2016528174A priority patent/JP6225257B2/ja
Priority to EP14860583.5A priority patent/EP3056999B1/en
Priority to KR1020167013679A priority patent/KR101806948B1/ko
Publication of CN104636354A publication Critical patent/CN104636354A/zh
Priority to US15/148,365 priority patent/US10423728B2/en
Application granted granted Critical
Publication of CN104636354B publication Critical patent/CN104636354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例公开了一种位置兴趣点聚类方法和相关装置，其中，一种位置兴趣点聚类方法，包括：获取预定时间段内用户的定位点集合；根据定位点集合生成驻留点集合，其中，驻留点集合中的每个驻留点代表一个热区，上述热区满足如下条件：热区中的任意两个定位点的地理位置距离小于两个定位点的定位精度中的较大定位精度；热区中定位点间的时间间隔的最大值大于预设时间阈值；计算驻留点集合中各个驻留点的可信度；根据驻留点集合中各个驻留点的可信度，从驻留点集合中筛选出可信驻留点；将密度相连的可信驻留点聚类成一个位置兴趣点。本发明提供的技术方案能够有效提高POI的可靠性和参考价值。

Description

一种位置兴趣点聚类方法和相关装置
技术领域
本发明涉及地理信息处理技术领域，尤其涉及一种位置兴趣点聚类方法和相关装置。
背景技术
位置兴趣点（POI，Point Of Interest）指的是用户频繁长时间逗留的位置区域，例如家、办公室、经常光顾的超市等对用户而言有重要意义的区域。
利用手机等终端的Wi-Fi网络、全球定位系统（GPS，Global PositioningSystem）、基站标识号（ID，Identity）定位功能等可以获取用户日常活动的轨迹信息，而这些轨迹信息是由大量具有定位偏差的定位坐标点组成，研究如何从这些轨迹信息中抽取出用户的POI，对于情境感知和基于位置的服务（LBS，Location-based Service）应用与服务来说具有重要的价值，目前也是学术界研究的热点。
目前存在一种基于多个用户GPS轨迹信息挖掘POI的方法，其主要思想是先利用树状分层图来对多个用户的历史位置数据进行建模，然后基于树状分层图提出基于超文本主体搜索的推理模型，对个体的一次到访建立从用户到位置的链接。
然而，上述方法通过时空维度抽取用户的驻留点，该驻留点仅能代表用户单次到访，不能代表对用户有重要意义的POI地点，且挖掘POI时只是参考了用户的历史位置数据，挖掘出的POI的可靠性和参考价值低。
发明内容
本发明实施例提供了一种位置兴趣点聚类方法和相关装置，用于提高POI的可靠性和参考价值。
本发明第一方面提供了一种位置兴趣点聚类方法，包括：
获取预定时间段内用户的定位点集合；
根据上述定位点集合生成驻留点集合，其中，上述驻留点集合中的每个驻留点代表一个热区，上述热区满足如下条件：上述热区中的任意两个定位点的地理位置距离小于上述两个定位点的定位精度中的较大定位精度；上述热区中定位点间的时间间隔的最大值大于预设时间阈值；
计算上述驻留点集合中各个驻留点的可信度，其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高；
根据上述驻留点集合中各个驻留点的可信度，从上述驻留点集合中筛选出可信驻留点，其中，上述可信驻留点的可信度大于预设可信度阈值；
将密度相连的可信驻留点聚类成一个位置兴趣点，其中，上述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。
基于本发明第一方面，在第一种可能的实现方式中，
上述根据上述定位点集合生成驻留点集合，包括：
确定满足上述条件的热区；
确定上述热区的几何中心点为代表上述热区的驻留点。
基于本发明第一方面，或者本发明第一方面的第一种可能的实现方式，在第二种可能的实现方式中，上述计算上述驻留点集合中各个驻留点的可信度，包括：
获取上述各个驻留点代表的热区中包含的各个定位点的运动状态；
根据公式以及上述各个驻留点代表的热区中包含的各个定位点的运动状态，计算上述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。
基于本发明第一方面的第二种可能的实现方式，在第三种可能的实现方式中，上述获取上述定位点集合中的各个定位点的运动状态，具体为：
根据用户的终端上的传感器数据或者Wi-Fi网络的强度和个数变化，获取上述定位点集合中的各个定位点的运动状态。
基于本发明第一方面，或者本发明第一方面的第一种可能的实现方式，或者本发明第一方面的第二种可能的实现方式，或者本发明第一方面的第三种可能的实现方式，在第四种可能的实现方式中，上述将密度相连的可信驻留点聚类成一个位置兴趣点，包括：
将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个位置兴趣点的区域，其中，以叶子驻留点为中心的预设半径覆盖范围内的所有驻留点的可信度之和均不大于预设门限值。
本发明第二方面提供了一种位置兴趣点聚类装置，包括：
获取单元，用于获取预定时间段内用户的定位点集合；
驻留点生成单元，用于根据上述获取单元获取的定位点集合生成驻留点集合，其中，上述驻留点集合中的每个驻留点代表一个热区，上述热区满足如下条件：上述热区中的任意两个定位点的地理位置距离小于上述两个定位点的定位精度中的较大定位精度；上述热区中定位点间的时间间隔的最大值大于预设时间阈值；
计算单元，用于计算上述驻留点集合中各个驻留点的可信度，其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高；
过滤单元，用于根据上述计算单元计算出的上述驻留点集合中各个驻留点的可信度，从上述驻留点集合中筛选出可信驻留点，其中，上述可信驻留点的可信度大于预设可信度阈值；
聚类单元，用于将密度相连的可信驻留点聚类成一个位置兴趣点，其中，上述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。
基于本发明第二方面，在第一种可能的实现方式中，
上述驻留点生成单元，包括：
第一确定单元，用于确定满足上述条件的热区；
第二确定单元，用于确定上述热区的几何中心点为代表上述热区的驻留点。
基于本发明第二方面，或者本发明第二方面的第一种可能的实现方式，在第二种可能的实现方式中，
上述计算单元，包括：
子获取单元，用于获取上述各个驻留点代表的热区中包含的各个定位点的运动状态；
子计算单元，用于根据公式以及上述子获取单元获取的上述各个驻留点代表的热区中包含的各个定位点的运动状态，计算上述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。
基于本发明第二方面的第二种可能的实现方式，在第三种可能的实现方式中，上述子获取单元具体用于：根据上述用户的终端上的传感器数据或者Wi-Fi网络的强度和个数变化，获取上述定位点集合中的各个定位点的运动状态。
基于本发明第二方面，或者本发明第二方面的第一种可能的实现方式，或者本发明第二方面的第二种可能的实现方式，或者本发明第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所示聚类单元具体用于：将密度相连的所有可信驻留点聚类成一个位置兴趣点；将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个位置兴趣点的区域，其中，以叶子驻留点为中心的预设半径覆盖范围内的所有驻留点的可信度之和均不大于预设门限值。
从以上技术方案可以看出，本发明实施例具有以下优点：
由上可见，本发明实施例中根据定位精度和时间阈值将多个定位点形成一个驻留点，通过定位精度和时间阈值的约束，能够将大部分短暂停留点、定位跳变点和途经点滤除，同时，结合驻留点中的定位点的运动状态计算驻留点的可信度并根据驻留点的可信度筛选掉可信度较低的驻留点，能够进一步滤除一部分的途中噪音驻留点（如堵车路段、等红灯、缓慢步行等产生的伪驻留点），使得最终由密度相连的可信驻留点聚类成的位置兴趣点的可靠性和参考价值更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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。
图1为本发明提供的一种位置兴趣点聚类方法一个实施例流程示意图；
图2-a为本发明提供的一种应用场景下的定位点集合轨迹示意图；
图2-b为本发明提供的一种应用场景下形成的驻留点集合示意图；
图2-c为本发明提供的一种应用场景下筛选出的可信度驻留点集合示意；
图2-d为本发明提供的一种应用场景下聚类出的POI示意图；
图3为本发明提供的一种位置兴趣点聚类装置一个实施例结构示意图；
图4为本发明提供的一种位置兴趣点聚类装置另一个实施例结构示意图；
图5为本发明提供的一种位置兴趣点聚类装置再一个实施例结构示意图。
具体实施方式
本发明实施例提供了一种位置兴趣点聚类方法和相关装置。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的各个其他实施例，都属于本发明保护的范围。
下面对本发明实施例提供的一种位置兴趣点聚类方法进行描述，请参阅图1，本发明实施例中的位置兴趣点聚类方法，包括：
101、获取预定时间段内用户的定位点集合；
本发明实施例中定位点集合包含一个或者多个定位点，定位点用于指示用户的位置信息。
可选地，定位点为由一个经度值和一个纬度值所代表的GPS位置点，则位置兴趣点聚类装置从用户的GPS位置数据中获取预定时间段内该用户的定位点集合。
102、根据上述定位点集合生成驻留点集合；
其中，上述驻留点集合中的每个驻留点代表一个热区，上述热区满足如下条件：上述热区中的任意两个定位点的地理位置距离小于上述两个定位点的定位精度中的较大定位精度；上述热区中定位点间的时间间隔的最大值大于预设时间阈值。
举例说明，假设定位点集合{Pj,Pj+1,...,Pj+L}构成一个可形成驻留点的热区，则定位点集合{Pj,Pj+1,...,Pj+L}需满足以下两个条件：
1、{Pj,Pj+1,...,Pj+L}中任意两个定位点的地理位置距离小于空间阈值Dth，其中，Dth不是固定值，它根据所涉及的定位点的不同而不同，具体为两个定位点的定位精度的最大值，即Dth(Pn,Pm)=max(Radius(Pn),Radius(Pm))。举例说明，假设定位点P1的定位精度为5米，定位点P2的定位精度为10米，则对于定位点P1和定位点P2，Dth(P1,P2)等于定位点P1和定位点P2中的较大定位精度，即Dth(P1,P2)等于10米，若定位点P3的定位精度为15米，则对于定位点P1和定位点P3，Dth(P1,P3)等于定位点P1和定位点P3中的较大定位精度，即Dth(P1,P3)等于15米。
2、由于不同的定位点是在不同的时间点测得，因此，每两个定位点间存在时间间隔，例如，假设定位点P1在10：00测得，定位点P2在10：03测得，则定位点P1和定位点P3的时间间隔为3分钟。本发明实施例中，{Pj,Pj+1,...,Pj+L}还需要满足：{Pj,Pj+1,...,Pj+L}中定位点间的时间间隔的最大值大于预设时间阈值Tth（例如，Tth可取5分钟、7分钟或10分钟等），即{Pj,Pj+1,...,Pj+L}中最先测得的定位点和最后测得的定位点之间的时间间隔大于Tth。其中，Tth可以根据实际需要具体设定，此处不作限定。
可选地，在确定满足上述条件的热区后，确定上述热区的几何中心点为代表上述热区的驻留点，该驻留点可以代表热区中的所有定位点。当然，也可以采用其它方式确定一个热区所对应的驻留点，例如，取热区的重心作为代表该热区的驻留点，其中，热区的重心与热区内定位点分布情况相关。
103、计算上述驻留点集合中各个驻留点的可信度；
其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高。
在一种实现方式中，位置兴趣点聚类装置获取上述驻留点集合中各个驻留点代表的热区所包含的各个定位点的运动状态，根据上述驻留点集合中各个驻留点代表的热区所包含的各个定位点的运动状态以及公式计算上述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。例如，假设用户可能的运动状态为静止、步行或乘车，则对于这三种运动状态，由于运动状态对应的运动速度由小到大依次为：静止、步行或乘车，因此，运动状态的可信度权重由大到小依次为：静止、步行或乘车。
可选地，位置兴趣点聚类装置根据上述用户的终端（如手机、平板电脑、车载终端等）上的传感器数据（如加速度、陀螺仪等）或者Wi-Fi网络的强度和个数变化，获取上述定位点集合中的各个定位点的运动状态；或者，位置兴趣点聚类装置也可以从其它定位设备（如服务器）获取上述定位点集合中的各个定位点的运动状态，此处不作限定。
104、根据上述驻留点集合中各个驻留点的可信度，从上述驻留点集合中筛选出可信驻留点；
其中，上述可信驻留点的可信度大于预设可信度阈值。
本发明实施例中，位置兴趣点聚类装置从上述驻留点集合中筛选出可信驻留点（即可信度大于预设可信度阈值的驻留点），剔除可信度不大于预设可信度阈值的驻留点。
105、将密度相连的可信驻留点聚类成一个POI；
其中，上述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。举例说明，假设可信驻留点P1的覆盖范围与可信驻留点P2的覆盖范围相交，则称可信驻留点P1和可信驻留点P2所代表的热区的范围直接相接，在这种情况下，可信驻留点P1和可信驻留点P2密度相连；或者，假设可信驻留点P1的覆盖范围与可信驻留点P3的覆盖范围相交，可信驻留点P2的覆盖范围与可信驻留点P4的覆盖范围相交，可信驻留点P3的覆盖范围与可信驻留点P4的覆盖范围相交，则称可信驻留点P1和可信驻留点P2密度所代表的热区的范围间接相接，在这种情况下，也称可信驻留点P1和可信驻留点P2密度相连。
可选地，若可信驻留点P1（可以是叶子驻留点，也可以是内部驻留点）从内部驻留点o密度可达，可信驻留点P2（可以是叶子驻留点，也可以是内部驻留点）从内部驻留点o密度可达，则称可信驻留点P1和信驻留点P2密度相连。下面对“内部驻留点”、“叶子驻留点”和“密度可达”进行说明。
内部驻留点：以该驻留点为中心的预设半径覆盖内的所有驻留点的可信度之和大于预设门限值。
叶子驻留点：以该驻留点为中心的预设半径覆盖内的所有驻留点的可信度之和不大于预设门限值。
密度可达：给定一串可信驻留点p1，p2，......pn，其中pi（0<i<n）必需是内部驻留点，pn可以是叶子驻留点或内部驻留点，P=p1，Q=pn，假设pi从pi-1（1<i<(n+1)）直接密度可达，那么驻留点Q从内部驻留点P密度可达。
直接密度可达：如果一个可信驻留点P（可以是叶子驻留点，也可以是内部驻留点）在某一可信驻留点Q的覆盖半径内，并且可信驻留点Q为内部驻留点，那么称可信驻留点P从可信驻留点Q直接密度可达。
可选地，将密度相连的所有可信驻留点聚类成一个POI，并且，将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个POI的区域，或者，POI的区域也可以为包含密度相连的所有可信驻留点的最小圆形区域或者方形区域，此处不作限定。
由上可见，本发明实施例中根据定位精度和时间阈值将多个定位点形成一个驻留点，通过定位精度和时间阈值的约束，能够将大部分短暂停留点、定位跳变点和途经点滤除，同时，结合驻留点中的定位点的运动状态计算驻留点的可信度并根据驻留点的可信度筛选掉可信度较低的驻留点，能够进一步滤除一部分的途中噪音驻留点（如堵车路段、等红灯、缓慢步行等产生的伪驻留点），使得最终由密度相连的可信驻留点聚类成的位置兴趣点的可靠性和参考价值更高。
为便于更好地理解本发明技术方案，下面以一具体应用场景对本发明实施例中的位置兴趣点聚类方法进行描述。
假设预定时间段内用户的定位点集合的轨迹如图2-a所示。
步骤一：位置兴趣点聚类装置使用动态空间阈值和时间阈值，从图2-a所示的定位点集合中确定满足如下两个条件的热区：1、热区中的任意两个定位点的地理位置距离小于上述两个定位点中的较大定位精度；2、热区中定位点间的时间间隔的最大值大于预设时间阈值。在确定出满足条件的热区后，确定热区中的几何中心点作为代表该热区的驻留点，形成若干个驻留点，得到如图2-b所示的驻留点轨迹图，其中，图2-b中的每个小黑点代表一个形成的驻留点，每个驻留点能够表征用户在同一地点逗留时所产生的大量定位点，将图2-b与图2-a比较后可见，图2-b中滤除掉了大部分短暂停留点、定位跳变点和途径点。
步骤二：位置兴趣点聚类装置依据形成一个驻留点的所有定位点上用户的运动状态（如静止、步行、乘车等），分别计算出各个驻留点的可信度，其中，若用户在一个驻留点的所有定位点的运动状态所对应的平均运动速度越小，则该驻留点的可信度越大，比如，若一个驻留点上，运动状态为静止（即运动速度为0）的定位点占形成该驻留点的所有定位点的比重越多，则该驻留点的可信度越大，反之，若一个驻留点上，运动状态为乘车（即运动速度远大于0）的定位点占形成该驻留点的所有定位点的比重越多，则该驻留点的可信度越小。在计算出每个驻留点的可信度后，从图2-b所示的驻留点集合中剔除可信度不大于预设可信度阈值的驻留点，即从图2-b所示的驻留点集合中筛选出可信度大于预设可信度阈值的驻留点，得到如图2-c所示的可信驻留点集合。将图2-c与图2-b比较后可见，图2-c对一部分途中噪音驻留点（例如：堵车路段、等红灯、缓慢步行对应的伪驻留点）进行了滤除。
步骤三、对上述驻留点进行基于可信度的聚类，找出所有密度相连的最大驻留点集合（即该集合中任意两个可信驻留点都为密度相连），将该最大驻留点集合聚成一个POI，该POI的区域可以由该最大驻留点集合中所有叶子驻留点依次连接形成的封闭多边形来表示，如图2-d所示的聚类得到的POI示意图。步骤三在聚类过程中考虑各驻留点的可信度，能提高POI聚类的可靠性，使POI包含的区域范围更趋近于真实情况。
本发明实施例还提供一种位置兴趣点聚类装置，如图3所示，本发明实施例中的位置兴趣点聚类装置300，包括：获取单元301，驻留点生成单元302，计算单元303，过滤单元304和聚类单元305。
其中：
获取单元301，用于获取预定时间段内用户的定位点集合；
本发明实施例中定位点集合包含一个或者多个定位点，定位点用于指示用户的位置信息。
可选地，定位点为由一个经度值和一个纬度值所代表的GPS位置点，则位置兴趣点聚类装置从用户的GPS位置数据中获取预定时间段内该用户的定位点集合。
驻留点生成单元302，用于根据获取单元301获取的定位点集合生成驻留点集合，其中，上述驻留点集合中的每个驻留点代表一个热区，上述热区满足如下条件：上述热区中的任意两个定位点的地理位置距离小于上述两个定位点的定位精度中的较大定位精度；上述热区中定位点间的时间间隔的最大值大于预设时间阈值；
可选地，在图3所示实施例的基础上，如图4所示的位置兴趣点聚类装置400，驻留点生成单元302包括：第一确定单元3021，用于确定满足上述条件的热区；第二确定单元3022，用于确定上述热区的几何中心点为代表上述热区的驻留点。
计算单元303，用于计算上述驻留点集合中各个驻留点的可信度，其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高；
可选地，在图3或图4所示实施例的基础上，计算单元303包括：
子获取单元，用于获取上述各个驻留点代表的热区中包含的各个定位点的运动状态；
子计算单元，用于根据公式以及上述子获取单元获取的上述各个驻留点代表的热区中包含的各个定位点的运动状态，计算上述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。
可选地，上述子获取单元具体用于：根据上述用户的终端上的传感器数据（如加速度、陀螺仪等）或者Wi-Fi网络的强度和个数变化，获取上述定位点集合中的各个定位点的运动状态。
过滤单元304，用于根据计算单元303计算出的上述驻留点集合中各个驻留点的可信度，从上述驻留点集合中筛选出可信驻留点，其中，上述可信驻留点的可信度大于预设可信度阈值；
聚类单元305，用于将密度相连的可信驻留点聚类成一个位置兴趣点，其中，上述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。
可选地，聚类单元305还用于：将密度相连的所有可信驻留点聚类成一个位置兴趣点；将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个位置兴趣点的区域，其中，以叶子驻留点为中心的预设半径覆盖范围内的所有驻留点的可信度之和均不大于预设门限值。
需要说明的是，本发明实施例中的位置兴趣点聚类装置可以为终端（如手机、平板电脑、笔记本、台式计算机或其它具备定位功能的终端等），或者，位置兴趣点聚类装置可以为独立于终端，且能够与该终端通过有线或者无线方式进行通讯的装置，此处不作限定。
需要说明的是，本发明实施例中的位置兴趣点聚类装置可以如上述方法实施例中的位置兴趣点聚类装置，可以用于实现上述方法实施例中的全部技术方案，其各个功能模块的功能可以根据上述方法实施例中的方法具体实现，其具体实现过程可参照上述实施例中的相关描述，此处不再赘述。
由上可见，本发明实施例中根据定位精度和时间阈值将多个定位点形成一个驻留点，通过定位精度和时间阈值的约束，能够将大部分短暂停留点、定位跳变点和途经点滤除，同时，结合驻留点中的定位点的运动状态计算驻留点的可信度并根据驻留点的可信度筛选掉可信度较低的驻留点，能够进一步滤除一部分的途中噪音驻留点（如堵车路段、等红灯、缓慢步行等产生的伪驻留点），使得最终由密度相连的可信驻留点聚类成的位置兴趣点的可靠性和参考价值更高。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储有程序，该程序执行包括上述方法实施例中记载的部分或全部布置。
下面对本发明实施中的另一种应用于对等网络的设备进行描述，请参阅图5，本发明实施例中的位置兴趣点聚类装置500包括：
输入装置501、输出装置502、存储器503以及处理器504（位置兴趣点聚类装置500的处理器504的数量可以是一个或者多个，图5以一个处理器为例）。在本发明的一些实施例中，输入装置501、输出装置502、存储器503以及处理器504可以通过总线或其它方式连接，如图5所示是以通过总线连接为例。其中，存储器503中用来储存从输入装置501输入的数据，且还可以储存处理器504处理数据的必要文件等信息；输入装置501和输出装置502可以包括位置兴趣点聚类装置500与其他设备通信的端口，且还可以包括位置兴趣点聚类装置500外接的输出设备比如显示器、键盘、鼠标和打印机等，具体地输入装置501可以包括鼠标和键盘等，而输出装置502可以包括显示器等，在本实施例中输入装置501和输出装置502中与其他设备通信的端口为天线和/或通信线缆。
其中，处理器504执行如下步骤：
获取预定时间段内用户的定位点集合；
根据上述定位点集合生成驻留点集合，其中，上述驻留点集合中的每个驻留点代表一个热区，上述热区满足如下条件：上述热区中的任意两个定位点的地理位置距离小于上述两个定位点的定位精度中的较大定位精度；上述热区中定位点间的时间间隔的最大值大于预设时间阈值；
计算上述驻留点集合中各个驻留点的可信度，其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高；
根据上述驻留点集合中各个驻留点的可信度，从上述驻留点集合中筛选出可信驻留点，其中，上述可信驻留点的可信度大于预设可信度阈值；
将密度相连的可信驻留点聚类成一个位置兴趣点，其中，上述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。
可选地，定位点为由一个经度值和一个纬度值所代表的GPS位置点，则处理器504用于从用户的GPS位置数据中获取预定时间段内该用户的定位点集合。
可选地，处理器504在确定满足上述条件的热区后，确定上述热区的几何中心点为代表上述热区的驻留点，该驻留点可以代表热区中的所有定位点。当然，也可以采用其它方式确定一个热区所对应的驻留点，例如，取热区的重心作为代表该热区的驻留点，其中，热区的重心与热区内定位点分布情况相关。
可选地，处理器504获取上述驻留点集合中各个驻留点代表的热区所包含的各个定位点的运动状态，根据上述驻留点集合中各个驻留点代表的热区所包含的各个定位点的运动状态以及公式计算上述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。例如，假设用户可能的运动状态为静止、步行或乘车，则对于这三种运动状态，由于运动状态对应的运动速度由小到大依次为：静止、步行或乘车，因此，运动状态的可信度权重由大到小依次为：静止、步行或乘车。
可选地，处理器504根据上述用户的终端上的传感器数据（如加速度、陀螺仪等）或者Wi-Fi网络的强度和个数变化，获取上述定位点集合中的各个定位点的运动状态；或者，位置兴趣点聚类装置也可以从其它定位设备（如服务器）获取上述定位点集合中的各个定位点的运动状态，此处不作限定。
可选地，处理器504将密度相连的所有可信驻留点聚类成一个POI，并且，将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个POI的区域，或者，POI的区域也可以为包含密度相连的所有可信驻留点的最小圆形区域或者方形区域，此处不作限定。
需要说明的是，本发明实施例中的位置兴趣点聚类装置可以为终端（如手机、平板电脑、笔记本、台式计算机或其它具备定位功能的终端等），或者，位置兴趣点聚类装置可以为独立于终端，且能够与该终端通过有线或者无线方式进行通讯的装置，此处不作限定。
需要说明的是，本发明实施例中的位置兴趣点聚类装置可以如上述方法实施例中的位置兴趣点聚类装置，可以用于实现上述方法实施例中的全部技术方案，其各个功能模块的功能可以根据上述方法实施例中的方法具体实现，其具体实现过程可参照上述实施例中的相关描述，此处不再赘述。
由上可见，本发明实施例中根据定位精度和时间阈值将多个定位点形成一个驻留点，通过定位精度和时间阈值的约束，能够将大部分短暂停留点、定位跳变点和途经点滤除，同时，结合驻留点中的定位点的运动状态计算驻留点的可信度并根据驻留点的可信度筛选掉可信度较低的驻留点，能够进一步滤除一部分的途中噪音驻留点（如堵车路段、等红灯、缓慢步行等产生的伪驻留点），使得最终由密度相连的可信驻留点聚类成的位置兴趣点的可靠性和参考价值更高。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明所提供的一种位置兴趣点聚类方法和相关装置进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种位置兴趣点聚类方法，其特征在于，包括：
获取预定时间段内用户的定位点集合；
根据所述定位点集合生成驻留点集合，其中，所述驻留点集合中的每个驻留点代表一个热区，所述热区满足如下条件：所述热区中的任意两个定位点的地理位置距离小于所述两个定位点的定位精度中的较大定位精度；所述热区中定位点间的时间间隔的最大值大于预设时间阈值；
计算所述驻留点集合中各个驻留点的可信度，其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高；
根据所述驻留点集合中各个驻留点的可信度，从所述驻留点集合中筛选出可信驻留点，其中，所述可信驻留点的可信度大于预设可信度阈值；
将密度相连的可信驻留点聚类成一个位置兴趣点，其中，所述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。
2.根据权利要求1所述的方法，其特征在于，
所述根据所述定位点集合生成驻留点集合，包括：
确定满足所述条件的热区；
确定所述热区的几何中心点为代表所述热区的驻留点。
3.根据权利要求1或2所述的方法，其特征在于，
所述计算所述驻留点集合中各个驻留点的可信度，包括：
获取所述各个驻留点代表的热区中包含的各个定位点的运动状态；
根据公式以及所述各个驻留点代表的热区中包含的各个定位点的运动状态，计算所述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。
4.根据权利要求3所述的方法，其特征在于，所述获取所述定位点集合中的各个定位点的运动状态，具体为：
根据用户的终端上的传感器数据或者Wi-Fi网络的强度和个数变化，获取所述定位点集合中的各个定位点的运动状态。
5.根据权利要求1至4任一项所述的方法，其特征在于，
所述将密度相连的可信驻留点聚类成一个位置兴趣点，包括：
将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个位置兴趣点的区域，其中，以叶子驻留点为中心的预设半径覆盖范围内的所有驻留点的可信度之和均不大于预设门限值。
6.一种位置兴趣点聚类装置，其特征在于，包括：
获取单元，用于获取预定时间段内用户的定位点集合；
驻留点生成单元，用于根据所述获取单元获取的定位点集合生成驻留点集合，其中，所述驻留点集合中的每个驻留点代表一个热区，所述热区满足如下条件：所述热区中的任意两个定位点的地理位置距离小于所述两个定位点的定位精度中的较大定位精度；所述热区中定位点间的时间间隔的最大值大于预设时间阈值；
计算单元，用于计算所述驻留点集合中各个驻留点的可信度，其中，驻留点代表的热区中的所有定位点的运动状态所对应的平均速度越小，该驻留点的可信度越高；
过滤单元，用于根据所述计算单元计算出的所述驻留点集合中各个驻留点的可信度，从所述驻留点集合中筛选出可信驻留点，其中，所述可信驻留点的可信度大于预设可信度阈值；
聚类单元，用于将密度相连的可信驻留点聚类成一个位置兴趣点，其中，所述密度相连是指两个可信驻留点所代表的热区的范围直接相接或间接相接。
7.根据权利要求6所述的位置兴趣点聚类装置，其特征在于，
所述驻留点生成单元，包括：
第一确定单元，用于确定满足所述条件的热区；
第二确定单元，用于确定所述热区的几何中心点为代表所述热区的驻留点。
8.根据权利要求6或7所述的位置兴趣点聚类装置，其特征在于，
所述计算单元，包括：
子获取单元，用于获取所述各个驻留点代表的热区中包含的各个定位点的运动状态；
子计算单元，用于根据公式以及所述子获取单元获取的所述各个驻留点代表的热区中包含的各个定位点的运动状态，计算所述驻留点集合中各个驻留点的可信度，其中，Confi表示驻留点i的可信度，n表示n种可能的运动状态，Wk表示第k种运动状态的可信度权重，nk表示驻留点i所代表的热区中运动状态为第k种运动状态的定位点的个数，其中，每种运动状态对应一个可信度权重，且运动状态对应的运动速度越小，该运动状态的可信度权重越大。
9.根据权利要求8所述的位置兴趣点聚类装置，其特征在于，
所述子获取单元具体用于：根据所述用户的终端上的传感器数据或者Wi-Fi网络的强度和个数变化，获取所述定位点集合中的各个定位点的运动状态。
10.根据权利要求6至9任一项所述的位置兴趣点聚类装置，其特征在于，所示聚类单元具体用于：将密度相连的所有可信驻留点聚类成一个位置兴趣点；将密度相连的所有可信驻留点中的所有叶子驻留点依次连接形成的封闭区域确定为一个位置兴趣点的区域，其中，以叶子驻留点为中心的预设半径覆盖范围内的所有驻留点的可信度之和均不大于预设门限值。
CN201310552636.2A 2013-11-07 2013-11-07 一种位置兴趣点聚类方法和相关装置 Active CN104636354B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201310552636.2A CN104636354B (zh) 2013-11-07 2013-11-07 一种位置兴趣点聚类方法和相关装置
PCT/CN2014/088443 WO2015067119A1 (zh) 2013-11-07 2014-10-13 一种位置兴趣点聚类方法和相关装置
JP2016528174A JP6225257B2 (ja) 2013-11-07 2014-10-13 関心ポイントのクラスタリング方法及び関連する装置
EP14860583.5A EP3056999B1 (en) 2013-11-07 2014-10-13 Method for clustering position points of interest and related device
KR1020167013679A KR101806948B1 (ko) 2013-11-07 2014-10-13 관심 지점을 위한 클러스터링 방법 및 관련 장치
US15/148,365 US10423728B2 (en) 2013-11-07 2016-05-06 Clustering method for a point of interest and related apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310552636.2A CN104636354B (zh) 2013-11-07 2013-11-07 一种位置兴趣点聚类方法和相关装置

Publications (2)

Publication Number Publication Date
CN104636354A true CN104636354A (zh) 2015-05-20
CN104636354B CN104636354B (zh) 2018-02-06

Family

ID=53040886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310552636.2A Active CN104636354B (zh) 2013-11-07 2013-11-07 一种位置兴趣点聚类方法和相关装置

Country Status (6)

Country Link
US (1) US10423728B2 (zh)
EP (1) EP3056999B1 (zh)
JP (1) JP6225257B2 (zh)
KR (1) KR101806948B1 (zh)
CN (1) CN104636354B (zh)
WO (1) WO2015067119A1 (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105159926A (zh) * 2015-08-04 2015-12-16 百度在线网络技术（北京）有限公司 建立用户的用户信息关联的方法和装置
CN105682025A (zh) * 2016-01-05 2016-06-15 重庆邮电大学 基于移动信令数据的用户驻留地识别方法
CN106096639A (zh) * 2016-06-06 2016-11-09 华侨大学 一种基于密度热度的电离层雷达数据的聚类方法
CN106202236A (zh) * 2016-06-28 2016-12-07 联想(北京)有限公司 一种用户位置预测方法及装置
CN106294485A (zh) * 2015-06-05 2017-01-04 华为技术有限公司 确定显著地点的方法及装置
CN106568429A (zh) * 2015-10-09 2017-04-19 阿里巴巴集团控股有限公司 一种建立兴趣点的方法及装置
CN106846795A (zh) * 2017-01-04 2017-06-13 百度在线网络技术（北京）有限公司 人群密集区域的获取方法及装置
CN106840165A (zh) * 2017-01-17 2017-06-13 中国地质大学（武汉） 一种语义位置历史的构建方法及装置
CN107491474A (zh) * 2017-06-26 2017-12-19 北京三快在线科技有限公司 信息推荐方法和装置
CN108287841A (zh) * 2017-01-09 2018-07-17 北京四维图新科技股份有限公司 景点数据采集和更新方法及系统、游客终端设备及助导游设备
CN108307308A (zh) * 2018-01-25 2018-07-20 北京小米移动软件有限公司 无线局域网设备的定位方法、装置和存储介质
CN108303100A (zh) * 2017-12-25 2018-07-20 厦门市美亚柏科信息股份有限公司 聚焦点分析方法及计算机可读存储介质
CN108536695A (zh) * 2017-03-02 2018-09-14 北京嘀嘀无限科技发展有限公司 一种地理位置信息点的聚合方法以及装置
CN109168195A (zh) * 2018-10-25 2019-01-08 北京搜狐新媒体信息技术有限公司 一种定位信息提取方法及服务平台
CN109189876A (zh) * 2018-08-31 2019-01-11 深圳市元征科技股份有限公司 一种数据处理方法及装置
CN109256029A (zh) * 2018-09-12 2019-01-22 广州小鹏汽车科技有限公司 一种地点属性的自动设置方法及装置
CN109313841A (zh) * 2016-05-09 2019-02-05 塔塔咨询服务有限公司 用于在传感器网络中实现自适应聚类的方法和系统
CN109813318A (zh) * 2019-02-12 2019-05-28 北京百度网讯科技有限公司 坐标修正方法及装置、设备及存储介质
CN109900281A (zh) * 2017-12-08 2019-06-18 北京搜狗科技发展有限公司 基于兴趣点的导航方法、装置以及用于导航的装置
CN110544132A (zh) * 2019-09-06 2019-12-06 上海喜马拉雅科技有限公司 用户常活动位置的确定方法、装置、设备和存储介质
CN110781855A (zh) * 2019-11-04 2020-02-11 浙江大华技术股份有限公司 目标停留点的确定方法、装置、设备及存储装置
CN110850955A (zh) * 2019-10-30 2020-02-28 腾讯科技（深圳）有限公司 终端的位置信息处理方法、装置及计算设备、存储介质
CN110873571A (zh) * 2018-08-30 2020-03-10 北京嘀嘀无限科技发展有限公司 一种路口停车线数据采集方法、系统和装置
CN110888979A (zh) * 2018-09-10 2020-03-17 中国移动通信集团有限公司 一种兴趣区域提取方法、装置及计算机存储介质
CN111126653A (zh) * 2018-11-01 2020-05-08 百度在线网络技术（北京）有限公司 用户职住地预测方法、装置及存储介质
CN111159583A (zh) * 2019-12-31 2020-05-15 中国联合网络通信集团有限公司 用户行为分析方法、装置、设备及存储介质
CN111380541A (zh) * 2018-12-29 2020-07-07 沈阳美行科技有限公司 兴趣点确定方法、装置、计算机设备和存储介质
CN107289925B (zh) * 2017-05-25 2021-03-05 北京奇鱼时代科技有限公司 一种绘制用户轨迹的方法和装置
CN112749349A (zh) * 2020-12-31 2021-05-04 北京搜狗科技发展有限公司 一种交互方法和耳机设备

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018227373A1 (zh) * 2017-06-13 2018-12-20 深圳市伊特利网络科技有限公司 基于定位的报警方法及系统
KR102213276B1 (ko) * 2018-11-27 2021-02-04 공주대학교 산학협력단 이동 경로 정보를 이용한 주소 인증 장치 및 방법
CN110213714B (zh) * 2019-05-10 2020-08-14 中国联合网络通信集团有限公司 终端定位的方法及装置
US11860911B2 (en) * 2019-08-20 2024-01-02 International Business Machines Corporation Method and apparatus of data classification for routes in a digitized map
CN110705480B (zh) * 2019-09-30 2022-12-02 重庆紫光华山智安科技有限公司 目标对象的停留点定位方法及相关装置
CN110990455B (zh) * 2019-11-29 2023-10-17 杭州数梦工场科技有限公司 大数据识别房屋性质的方法与系统
CN111898624B (zh) * 2020-01-21 2024-04-02 北京畅行信息技术有限公司 定位信息的处理方法、装置、设备及存储介质
CN112765226A (zh) * 2020-12-06 2021-05-07 复旦大学 基于轨迹数据挖掘的城市语义图谱构建方法
CN115083161B (zh) * 2022-06-15 2023-08-04 平安国际融资租赁有限公司 车辆停留点的评估方法、装置、电子设备及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742545A (zh) * 2009-12-15 2010-06-16 中国科学院计算技术研究所 WiFi环境中的定位方法及其系统
CN102595323A (zh) * 2012-03-20 2012-07-18 北京交通发展研究中心 基于手机定位数据的居民出行特征参数的获取方法
WO2013060925A1 (en) * 2011-10-28 2013-05-02 Nokia Corporation Method and apparatus for constructing a road network based on point-of-interest (poi) information
CN103218442A (zh) * 2013-04-22 2013-07-24 中山大学 一种基于移动设备传感器数据的生活模式分析方法及系统
US20130262479A1 (en) * 2011-10-08 2013-10-03 Alohar Mobile Inc. Points of interest (poi) ranking based on mobile user related data

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5844522A (en) * 1995-10-13 1998-12-01 Trackmobile, Inc. Mobile telephone location system and method
GB2337386B (en) * 1996-09-09 2001-04-04 Dennis J Dupray Location of a mobile station
US7082365B2 (en) 2001-08-16 2006-07-25 Networks In Motion, Inc. Point of interest spatial rating search method and system
US7289105B2 (en) * 2003-06-04 2007-10-30 Vrbia, Inc. Real motion detection sampling and recording for tracking and writing instruments using electrically-active viscous material and thin films
US8731821B2 (en) 2006-03-15 2014-05-20 Qualcomm Incorporated Method and apparatus for determining relevant point of interest information based upon route of user
US20080036758A1 (en) 2006-03-31 2008-02-14 Intelisum Inc. Systems and methods for determining a global or local position of a point of interest within a scene using a three-dimensional model of the scene
CA2677087A1 (en) * 2007-02-05 2008-08-14 Andrew Corporation System and method for optimizing location estimate of mobile unit
WO2008121872A1 (en) 2007-03-30 2008-10-09 Amazon Technologies, Inc. Cluster-based assessment of user interests
US8396470B2 (en) * 2007-04-26 2013-03-12 Research In Motion Limited Predicting user availability from aggregated signal strength data
US8339399B2 (en) 2007-10-31 2012-12-25 Microsoft Corporation Declustering point-of-interest icons
JP5049745B2 (ja) * 2007-11-05 2012-10-17 株式会社エヌ・ティ・ティ・ドコモ 位置情報解析装置、情報配信システムおよび位置情報解析方法
US8634796B2 (en) * 2008-03-14 2014-01-21 William J. Johnson System and method for location based exchanges of data facilitating distributed location applications
US8897742B2 (en) * 2009-11-13 2014-11-25 William J. Johnson System and method for sudden proximal user interface
US8527308B2 (en) * 2008-10-02 2013-09-03 Certusview Technologies, Llc Methods and apparatus for overlaying electronic locate information on facilities map information and/or other image information displayed on a locate device
US8358224B2 (en) 2009-04-02 2013-01-22 GM Global Technology Operations LLC Point of interest location marking on full windshield head-up display
US20120046995A1 (en) * 2009-04-29 2012-02-23 Waldeck Technology, Llc Anonymous crowd comparison
US8335990B2 (en) 2009-08-18 2012-12-18 Nokia Corporation Method and apparatus for grouping points-of-interest on a map
US9052204B2 (en) 2009-10-14 2015-06-09 Nec Corporation Behavior pattern extraction system, apparatus, method and recording medium storing program
US8543143B2 (en) 2009-12-23 2013-09-24 Nokia Corporation Method and apparatus for grouping points-of-interest according to area names
JP5536485B2 (ja) * 2010-02-17 2014-07-02 Ｋｄｄｉ株式会社 ユーザの移動に伴って住所／居所を推定する携帯端末、サーバ、プログラム及び方法
WO2012080787A1 (en) * 2010-12-17 2012-06-21 Nokia Corporation Identification of points of interest and positioning based on points of interest
WO2012096175A1 (ja) * 2011-01-14 2012-07-19 日本電気株式会社 行動パタン解析装置、行動パタン解析方法および行動パタン解析プログラム
CN102682041B (zh) * 2011-03-18 2014-06-04 日电（中国）有限公司 用户行为识别设备及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742545A (zh) * 2009-12-15 2010-06-16 中国科学院计算技术研究所 WiFi环境中的定位方法及其系统
US20130262479A1 (en) * 2011-10-08 2013-10-03 Alohar Mobile Inc. Points of interest (poi) ranking based on mobile user related data
WO2013060925A1 (en) * 2011-10-28 2013-05-02 Nokia Corporation Method and apparatus for constructing a road network based on point-of-interest (poi) information
CN102595323A (zh) * 2012-03-20 2012-07-18 北京交通发展研究中心 基于手机定位数据的居民出行特征参数的获取方法
CN103218442A (zh) * 2013-04-22 2013-07-24 中山大学 一种基于移动设备传感器数据的生活模式分析方法及系统

Cited By (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294485B (zh) * 2015-06-05 2019-11-01 华为技术有限公司 确定显著地点的方法及装置
CN106294485A (zh) * 2015-06-05 2017-01-04 华为技术有限公司 确定显著地点的方法及装置
CN105159926B (zh) * 2015-08-04 2019-04-16 百度在线网络技术（北京）有限公司 建立用户的用户信息关联的方法和装置
CN105159926A (zh) * 2015-08-04 2015-12-16 百度在线网络技术（北京）有限公司 建立用户的用户信息关联的方法和装置
CN106568429B (zh) * 2015-10-09 2019-12-06 阿里巴巴集团控股有限公司 一种建立兴趣点的方法及装置
CN106568429A (zh) * 2015-10-09 2017-04-19 阿里巴巴集团控股有限公司 一种建立兴趣点的方法及装置
CN105682025A (zh) * 2016-01-05 2016-06-15 重庆邮电大学 基于移动信令数据的用户驻留地识别方法
CN105682025B (zh) * 2016-01-05 2019-01-04 重庆邮电大学 基于移动信令数据的用户驻留地识别方法
CN109313841B (zh) * 2016-05-09 2021-02-26 塔塔咨询服务有限公司 用于在传感器网络中实现自适应聚类的方法和系统
CN109313841A (zh) * 2016-05-09 2019-02-05 塔塔咨询服务有限公司 用于在传感器网络中实现自适应聚类的方法和系统
CN106096639A (zh) * 2016-06-06 2016-11-09 华侨大学 一种基于密度热度的电离层雷达数据的聚类方法
CN106096639B (zh) * 2016-06-06 2019-04-09 华侨大学 一种基于密度热度的电离层雷达数据的聚类方法
CN106202236A (zh) * 2016-06-28 2016-12-07 联想(北京)有限公司 一种用户位置预测方法及装置
CN106846795A (zh) * 2017-01-04 2017-06-13 百度在线网络技术（北京）有限公司 人群密集区域的获取方法及装置
CN108287841A (zh) * 2017-01-09 2018-07-17 北京四维图新科技股份有限公司 景点数据采集和更新方法及系统、游客终端设备及助导游设备
CN106840165A (zh) * 2017-01-17 2017-06-13 中国地质大学（武汉） 一种语义位置历史的构建方法及装置
CN106840165B (zh) * 2017-01-17 2019-11-12 中国地质大学（武汉） 一种语义位置历史的构建方法及装置
CN108536695A (zh) * 2017-03-02 2018-09-14 北京嘀嘀无限科技发展有限公司 一种地理位置信息点的聚合方法以及装置
CN107289925B (zh) * 2017-05-25 2021-03-05 北京奇鱼时代科技有限公司 一种绘制用户轨迹的方法和装置
CN107491474A (zh) * 2017-06-26 2017-12-19 北京三快在线科技有限公司 信息推荐方法和装置
US10795957B2 (en) 2017-06-26 2020-10-06 Beijing Sankuai Online Technology Co., Ltd. Information recommending method and device
CN109900281A (zh) * 2017-12-08 2019-06-18 北京搜狗科技发展有限公司 基于兴趣点的导航方法、装置以及用于导航的装置
CN108303100A (zh) * 2017-12-25 2018-07-20 厦门市美亚柏科信息股份有限公司 聚焦点分析方法及计算机可读存储介质
CN108307308B (zh) * 2018-01-25 2021-09-14 北京小米移动软件有限公司 无线局域网设备的定位方法、装置和存储介质
CN108307308A (zh) * 2018-01-25 2018-07-20 北京小米移动软件有限公司 无线局域网设备的定位方法、装置和存储介质
CN110873571B (zh) * 2018-08-30 2021-09-07 北京嘀嘀无限科技发展有限公司 一种路口停车线数据采集方法、系统和装置
CN110873571A (zh) * 2018-08-30 2020-03-10 北京嘀嘀无限科技发展有限公司 一种路口停车线数据采集方法、系统和装置
CN109189876A (zh) * 2018-08-31 2019-01-11 深圳市元征科技股份有限公司 一种数据处理方法及装置
CN109189876B (zh) * 2018-08-31 2021-09-10 深圳市元征科技股份有限公司 一种数据处理方法及装置
CN110888979A (zh) * 2018-09-10 2020-03-17 中国移动通信集团有限公司 一种兴趣区域提取方法、装置及计算机存储介质
CN109256029A (zh) * 2018-09-12 2019-01-22 广州小鹏汽车科技有限公司 一种地点属性的自动设置方法及装置
CN109168195A (zh) * 2018-10-25 2019-01-08 北京搜狐新媒体信息技术有限公司 一种定位信息提取方法及服务平台
CN111126653A (zh) * 2018-11-01 2020-05-08 百度在线网络技术（北京）有限公司 用户职住地预测方法、装置及存储介质
CN111126653B (zh) * 2018-11-01 2022-06-17 百度在线网络技术（北京）有限公司 用户职住地预测方法、装置及存储介质
CN111380541A (zh) * 2018-12-29 2020-07-07 沈阳美行科技有限公司 兴趣点确定方法、装置、计算机设备和存储介质
CN109813318A (zh) * 2019-02-12 2019-05-28 北京百度网讯科技有限公司 坐标修正方法及装置、设备及存储介质
CN110544132A (zh) * 2019-09-06 2019-12-06 上海喜马拉雅科技有限公司 用户常活动位置的确定方法、装置、设备和存储介质
CN110544132B (zh) * 2019-09-06 2023-04-07 上海喜马拉雅科技有限公司 用户常活动位置的确定方法、装置、设备和存储介质
CN110850955A (zh) * 2019-10-30 2020-02-28 腾讯科技（深圳）有限公司 终端的位置信息处理方法、装置及计算设备、存储介质
CN110781855A (zh) * 2019-11-04 2020-02-11 浙江大华技术股份有限公司 目标停留点的确定方法、装置、设备及存储装置
CN111159583A (zh) * 2019-12-31 2020-05-15 中国联合网络通信集团有限公司 用户行为分析方法、装置、设备及存储介质
CN112749349A (zh) * 2020-12-31 2021-05-04 北京搜狗科技发展有限公司 一种交互方法和耳机设备

Also Published As

Publication number Publication date
KR20160075686A (ko) 2016-06-29
JP6225257B2 (ja) 2017-11-01
JP2016537718A (ja) 2016-12-01
WO2015067119A1 (zh) 2015-05-14
EP3056999B1 (en) 2019-02-06
EP3056999A1 (en) 2016-08-17
US20160253407A1 (en) 2016-09-01
KR101806948B1 (ko) 2017-12-08
CN104636354B (zh) 2018-02-06
EP3056999A4 (en) 2016-11-23
US10423728B2 (en) 2019-09-24

Similar Documents

Publication Publication Date Title
CN104636354A (zh) 一种位置兴趣点聚类方法和相关装置
US11562168B2 (en) Clustering for K-anonymity in location trajectory data
CN109478184B (zh) 识别、处理和显示数据点聚类
US8718922B2 (en) Variable density depthmap
Shen et al. Discovering spatial and temporal patterns from taxi-based Floating Car Data: A case study from Nanjing
CN104335064B (zh) 改进的三边测量处理
CA2854874A1 (en) Method and server for searching for nearby user in social networking services
CN104598506A (zh) 地理位置点的地址生成、查询方法和装置
CN105021187A (zh) 低功耗室外定位方法
CN108920476B (zh) 地图检索算路引擎测试系统及其测试方法
CN102158800A (zh) 定位系统的定标数据收集
CN105910612A (zh) 一种个性化导航的方法及系统
CN102162854A (zh) 基于gps数据实时获得位置信息的方法
CN114357313A (zh) 数据处理方法及设备
CN202770447U (zh) 室内智能定位导航系统
Wang et al. Deep neural network‐based Wi‐Fi/pedestrian dead reckoning indoor positioning system using adaptive robust factor graph model
US9341498B2 (en) Navigation system with route guidance mechanism and method of operation thereof
Jin et al. Exploring hydrologically similar catchments in terms of the physical characteristics of upstream regions
CN105741554B (zh) 一种基于手机运动传感器数据的交通流拥挤判断方法及装置
CN115629410A (zh) 一种城市复杂环境中的沿街方向定位方法、系统及产品
CN102665272B (zh) 一种基于种子节点选择的无线传感器网络定位方法及系统
KR101680983B1 (ko) 관심지점 경계선 검출 방법 및 이를 수행하는 장치
Chong et al. Integration of UWB RSS to Wi-Fi RSS fingerprinting-based indoor positioning system
CN104331519B (zh) 城市地图索引方法
Wu et al. Study on improved algorithm of RSSI correction and location in mine-well based on bluetooth positioning information

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant