CN106604227A - 用户出行时段分析方法 - Google Patents
用户出行时段分析方法 Download PDFInfo
- Publication number
- CN106604227A CN106604227A CN201611152291.1A CN201611152291A CN106604227A CN 106604227 A CN106604227 A CN 106604227A CN 201611152291 A CN201611152291 A CN 201611152291A CN 106604227 A CN106604227 A CN 106604227A
- Authority
- CN
- China
- Prior art keywords
- base station
- trip
- user
- period
- time
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000011664 signaling Effects 0.000 claims abstract description 8
- 230000001174 ascending effect Effects 0.000 claims abstract description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract 1
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 1
- 101150095230 SLC7A8 gene Proteins 0.000 description 1
- 101150044140 Slc7a5 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 101150085091 lat-2 gene Proteins 0.000 description 1
Classifications
-
- 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
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
用户出行时段分析方法,涉及地理信息技术领域,解决现有用户位置分析方法存在评估困难且无法实现全面分析及判断等问题,本发明对每个联通用户信令记录按时间顺序升序排列;运用分类讨论确定每个联通用户各时段的常驻基站;将一天定义为出行时段和结束时段,以闲时常驻基站为出行起始基站位置与出行结束基站位置,计算某用户每天每条记录中基站与常驻基站的距离,从出行开始时段中选取时间最早的时间点作为出行开始时间点,从出行结束时段中选取时间最晚的时间点作为出行结束时间点;区分工作日与休息日,按天统计累计汇总到月,取出行开始时间点的众数和出行结束时间点的众数作为最终出行开始和结束的时间点,实现对用户出行时段的分析。
Description
技术领域
本发明涉及地理信息技术领域,具体涉及一种以用户地理位置及出行时间信息评价用户出行轨迹情况的方法。
背景技术
随着4G网络的不断普及,用户位置信息获取能力得到提升,中国联合网络通信集团有限公司(简称“中国联通”)吉林分公司在大数据建设过程中获取了大量的数据,但如何从如此繁杂的数据中提炼出我们所需要的信息,成为了大数据平台建设过程中新的课题,伴随着大数据应用的讨论、创新,个性化技术成为了一个重要落地点。同时,由于这些数据涉用户位置轨迹信息,用户出行时刻信息,其均属于隐私信息。如何在有效使用这些敏感数据的同时又能保证数据安全就变得越来越重要。
针对基站变更的不规律性、用户出行时间的差异性、用户轨迹的不可控性等问题,联通公司急需一种科学的分析方法来实现对以上信息的有效利用。目前,对于联通的用户来说,只能粗略的通过用户基站轨迹了解用户是否到达过某地域,并没有对其实现大数据形式的利用,是对于该方面大数据利用价值的损失,其缺乏全面的、有效的、统一的分析度量方法,缺失可行的定位手段。
发明内容
本发明解决了联通公司获取的用户轨迹数据价值的实现,传统的用户位置分析方法存在评估困难且无法实现全面分析及判断等问题,本发明提供一种用户出行时段分析方法。
用户出行时段分析方法,由以下步骤实现:
步骤一、采用时间序列形式对每个联通用户信令记录按时间顺序升序排列;运用分类讨论的基本原理确定每个联通用户各时段的常驻基站;
步骤二、将一天分别定义为出行时段和结束时段,以闲时常驻基站为出行起始基站位置与出行结束基站位置,按时间顺序将基站进行排序;
步骤三、运用google地图距离公式,计算某用户每天每条记录中基站与常驻基站的距离,选出距离>1000米的记录,并按时间序列形式排序,从出行开始时段中选取时间最早的时间点作为出行开始时间点,从出行结束时段中选取时间最晚的时间点作为出行结束时间点;
步骤四、区分工作日与休息日,按天统计累计汇总到月,取步骤三中出行开始时间点的众数作为最终出行开始时间点,取出行结束时间点的众数作为最终出行结束时间点;实现对用户出行时段的分析。
本发明的有益效果:
(1)本发明所述的方法综合反映一定时期联通用户出行轨迹的变动规律和变动特征。
(2)本发明所述的方法对用户所属生活习性分析提供一定依据,为评价用户所属工作类型提供一个参考依据。
(3)本发明将联通公司现有基站情况与用户行为紧密联系在一起,为用户所属地理信息分析研究、判断用户行为规律提供强有力支撑,便于联通公司实现精准营。
(4)本发明采用的谷歌距离计算方法,对用户轨迹分析提供了强有力的理论支持。
(5)本发明所述的最终汇总方法采用取众数,确保了对用户行为轨迹定位的大概率成功性。
附图说明
图1为本发明所述的用户出行时段分析方法的流程图。
具体实施方式
具体实施方式一、结合图1说明本实施方式,用户出行时段分析方法,
步骤一、对每个联通用户信令记录按时间顺序升序排列;
步骤二、运用分类讨论的基本原理确定步骤一中各时段常驻基站;
max(Bi)={b1 b2 … bn}
其中i表示时刻分割点,bi表示停留基站时长,max(Bi)表示停留时长最长的常驻基站;
步骤三、以一个用户为例,将一天分别定义为出行时段和结束时段,
以闲时常驻基站为出行起始基站位置与出行结束基站位置,依据时间序列形式将基站进行排序。
步骤四、运用google地图距离公式,计算用户每天每条记录中基站与常驻基站的距离,统计距离>1000M的基站,按时间序列形式排序,从出行开始时段中选取时间最早的时点作为出行开始时点,从出行开始时段中选取时间最晚的时点作为出行结束时点。
步骤五、区分工作日与休息日,按天统计累计汇总到月,取出行开始时点的众数作为最终出行开始时点,取出行结束时点的众数作为最终出行结束时点。
具体实施方式二、本实施方式为具体实施方式一所述的分析方法的实施例:基于时间序列形式,结合联通信令数据特征,把信令的日数据明细以用户为维度,对每个用户信令记录按时间顺序升序排列,之后,以一个用户为例,将一天分别定义为出行时段和结束时段,以闲时常驻基站为起始基站位置与结束基站位置,依据时间序列形式将基站进行排序统计。采用google地图的计算公式用经纬度计算地图两基站点A与B的距离,选出用户每天的出行开始时点与出行结束时点,并把日期按工作与休息日分别统计。然后统计至少一个月的众数,作为出行开始与出行结束时点,具体实施方式为:
一、对每个联通用户信令记录按时间顺序升序排列,计算基站停留时长。
把信令的日数据明细以用户为维度,按时间顺序排列,用下一个时间记录的开始时间-当前记录的开始时间,得到的时长作为当前基站的停留时长。
二、计算汇总得到步骤一中各时段常驻基站;
(1)以一个用户为例,首先确定一日的忙时与闲时,取6:00—21:00为工作时段(忙时);22:00—次日5:00为休息时段(闲时)。
(2)取用户分别在忙时和闲时停留时间最长的基站为常驻基站。之后汇总到整月,取出停留时长最长的基站,作为用户的常驻基站。
三、以一个用户为例,将一天分别定义为出行时段和结束时段,取0:00—12:00为出行开始时段;13:00—23:00为出行结束时段,具体划分形式如下:
之后以闲时常驻基站为起始基站位置与结束基站位置,依据时间序列形式将基站进行排序统计。
四、运用google地图距离公式,计算用户各个时刻基站与常驻基站的距离,确定每日出行时刻点
在前面实施方式三的基础之上,取闲时常驻基站为起始基站位置与结束基站位置,进行变站分析,用google地图距离公式,计算用户每天每条记录中基站与常驻基站的距离,统计距离>1000M的基站,按时间序列形式排序,从出行开始时段中选取时间最早的时点作为出行开始时点,从出行开始时段中选取时间最晚的时点作为出行结束时点。基站距离采用google地图的计算公式,具体公式如下:
DISTANCE=round(2*asin(sqrt(power(sin((lat1*asin(1)*2/180-lat2*asin(1)*2/180)/2),2)+cos(lat1*asin(1)*2/180)*cos(lat2*asin(1)*2/180)*power(sin((lng1*asin(1)*2/180-lng2*asin(1)*2/180)/2),2)))*EARTH_RADIUS*10000)/10)。
其中:EARTH_RADIUS为地球半径,6378.137千米;
Lat1:点A的纬度,Lat2:点B的纬度,Lng1:点A的经度,Lng2:点B的经度。
五、区分工作日与休息日,按天统计累计汇总到月,确定用户出行开始时刻点与结束时刻点。
区分工作日与休息日,按天取用户出行开始时点,然后统计至少一个月的众数,作为出行开始时点,按天取用户出行结束时点,然后统计至少一个月的众数,作为出行结束时点。最终得到用户的出行规律。
Claims (5)
1.用户出行时段分析方法,其特征是,该方法由以下步骤实现:
步骤一、采用时间序列形式对每个联通用户信令记录按时间顺序升序排列;运用分类讨论的基本原理确定每个联通用户各时段的常驻基站;
步骤二、将一天分别定义为出行时段和结束时段,以闲时常驻基站为出行起始基站位置与出行结束基站位置,按时间顺序将基站进行排序;
步骤三、运用google地图距离公式,计算某用户每天每条记录中基站与常驻基站的距离,并按时间序列形式排序,从出行开始时段中选取时间最早的时间点作为出行开始时间点,从出行结束时段中选取时间最晚的时间点作为出行结束时间点;
步骤四、区分工作日与休息日,按天统计累计汇总到月,取步骤三中出行开始时间点的众数作为最终出行开始时间点,取出行结束时间点的众数作为最终出行结束时间点;实现对用户出行时段的分析。
2.根据权利要求1所述的用户出行时段分析方法,其特征在于,步骤一中,以某用户为例,首先确定一天的忙时与闲时;取该用户分别在忙时和闲时停留时间最长的基站为常驻基站;之后汇总到整月,取出停留时长最长的基站,作为某用户的常驻基站。
3.根据权利要求1所述的用户出行时段分析方法,其特征在于,步骤二中,所述以闲时常驻基站为出行起始基站位置与出行结束基站位置,具体为:把时间数据按小时划分,取0:00—12:00为出行开始时段;13:00—23:00为出行结束时段,依据时间序列形式将基站进行排序。
4.根据权利要求1所述的用户出行时段分析方法,其特征在于,步骤三中,所述基站与常驻基站的距离定义为:统计距离>1000m。
5.根据权利要求1所述的用户出行时段分析方法,其特征在于,忙时范围取6:00—21:00为工作时段;闲时范围取22:00—次日5:00为休息时段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611152291.1A CN106604227B (zh) | 2016-12-14 | 2016-12-14 | 用户出行时段分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611152291.1A CN106604227B (zh) | 2016-12-14 | 2016-12-14 | 用户出行时段分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106604227A true CN106604227A (zh) | 2017-04-26 |
CN106604227B CN106604227B (zh) | 2018-04-06 |
Family
ID=58801135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611152291.1A Expired - Fee Related CN106604227B (zh) | 2016-12-14 | 2016-12-14 | 用户出行时段分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106604227B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961344A (zh) * | 2017-12-26 | 2019-07-02 | 中国移动通信集团内蒙古有限公司 | 一种汽车服务选址方法和装置 |
CN112734147A (zh) * | 2019-10-28 | 2021-04-30 | 北京京东乾石科技有限公司 | 设备评估管理的方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007031370A2 (de) * | 2005-09-14 | 2007-03-22 | Siemens Aktiengesellschaft | Verfahren zur automatischen ermittlung von verkehrsnachfragedaten sowie ein empfangsgerät und ein verkehrssteuerungssystem zur durchführung des verfahrens |
CN102281498A (zh) * | 2011-07-28 | 2011-12-14 | 北京大学 | 手机通话数据中用户通勤od的挖掘方法 |
CN102629297A (zh) * | 2012-03-06 | 2012-08-08 | 北京建筑工程学院 | 一种基于行程识别的出行者活动规律分析方法 |
CN103279802A (zh) * | 2013-04-17 | 2013-09-04 | 吉林大学 | 通勤者日活动―出行时间预测方法 |
CN103279534A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 基于智能公交系统数据的公交卡乘客通勤od分布估计方法 |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
CN105513351A (zh) * | 2015-12-17 | 2016-04-20 | 北京亚信蓝涛科技有限公司 | 一种基于大数据的交通出行特征数据提取方法 |
CN105575110A (zh) * | 2016-03-08 | 2016-05-11 | 江苏物联网研究发展中心 | 一种基于gis的智慧城管特种车辆监控系统 |
CN105701180A (zh) * | 2016-01-06 | 2016-06-22 | 北京航空航天大学 | 一种基于公交ic卡数据的通勤乘客特征提取及判定方法 |
CN105913294A (zh) * | 2016-03-31 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 用户通勤时间获取方法和装置 |
CN106101999A (zh) * | 2016-05-27 | 2016-11-09 | 广州杰赛科技股份有限公司 | 一种用户轨迹的识别方法及装置 |
-
2016
- 2016-12-14 CN CN201611152291.1A patent/CN106604227B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007031370A2 (de) * | 2005-09-14 | 2007-03-22 | Siemens Aktiengesellschaft | Verfahren zur automatischen ermittlung von verkehrsnachfragedaten sowie ein empfangsgerät und ein verkehrssteuerungssystem zur durchführung des verfahrens |
CN102281498A (zh) * | 2011-07-28 | 2011-12-14 | 北京大学 | 手机通话数据中用户通勤od的挖掘方法 |
CN102629297A (zh) * | 2012-03-06 | 2012-08-08 | 北京建筑工程学院 | 一种基于行程识别的出行者活动规律分析方法 |
CN103279802A (zh) * | 2013-04-17 | 2013-09-04 | 吉林大学 | 通勤者日活动―出行时间预测方法 |
CN103279534A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 基于智能公交系统数据的公交卡乘客通勤od分布估计方法 |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
CN105513351A (zh) * | 2015-12-17 | 2016-04-20 | 北京亚信蓝涛科技有限公司 | 一种基于大数据的交通出行特征数据提取方法 |
CN105701180A (zh) * | 2016-01-06 | 2016-06-22 | 北京航空航天大学 | 一种基于公交ic卡数据的通勤乘客特征提取及判定方法 |
CN105575110A (zh) * | 2016-03-08 | 2016-05-11 | 江苏物联网研究发展中心 | 一种基于gis的智慧城管特种车辆监控系统 |
CN105913294A (zh) * | 2016-03-31 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 用户通勤时间获取方法和装置 |
CN106101999A (zh) * | 2016-05-27 | 2016-11-09 | 广州杰赛科技股份有限公司 | 一种用户轨迹的识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961344A (zh) * | 2017-12-26 | 2019-07-02 | 中国移动通信集团内蒙古有限公司 | 一种汽车服务选址方法和装置 |
CN112734147A (zh) * | 2019-10-28 | 2021-04-30 | 北京京东乾石科技有限公司 | 设备评估管理的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106604227B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107241512B (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
CN102799897B (zh) | 基于gps定位的交通方式组合出行的计算机识别方法 | |
CN106931974B (zh) | 基于移动终端gps定位数据记录计算个人通勤距离的方法 | |
CN108320501B (zh) | 基于用户手机信令的公交线路识别方法 | |
CN108106626A (zh) | 一种基于行驶工况的电动汽车出行路径规划方法 | |
CN100463009C (zh) | 一种交通信息融合处理方法和系统 | |
CN111653099B (zh) | 基于手机信令数据的公交客流od获取方法 | |
CN110174117A (zh) | 一种电动汽车充电路线规划方法 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
EP2608181B1 (en) | Method for detecting traffic | |
CN105427594B (zh) | 一种基于双向上车客流的公交断面客流量获取方法及系统 | |
CN108171993B (zh) | 一种基于手机信令大数据的高速公路车辆速度计算方法 | |
CN108307316B (zh) | 基于s1-mme数据的快速移动用户高精度判别方法 | |
CN104484993A (zh) | 用于交通小区划分的手机信令信息的处理方法 | |
CN106326992A (zh) | 一种基于电量匹配的app预约租车系统及方法 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的系统 | |
CN102419196B (zh) | 利用多个水位遥控检测装置自动绘制河流水面线的方法 | |
CN106651027A (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
CN107038886A (zh) | 一种基于轨迹数据的出租车巡游路径推荐方法和系统 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN110414795B (zh) | 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法 | |
CN103208034A (zh) | 一种轨道交通客流分布预测模型建立及预测方法 | |
CN104599499B (zh) | 一种分布式统计交通位置的方法及装置 | |
CN106604227B (zh) | 用户出行时段分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180406 |
|
CF01 | Termination of patent right due to non-payment of annual fee |