CN106714104A - 一种用户活动区域基站点的识别方法及装置 - Google Patents

Abstract

本发明属于地理信息系统技术领域，提供了一种用户活动区域基站点的识别方法及装置，所述方法包括：根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链,所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。通过本发明可有效提高用户职住地基站点识别的准确率。

Description

一种用户活动区域基站点的识别方法及装置

技术领域

本发明属于地理信息系统技术领域，尤其涉及一种用户活动区域基站点的识别方法及装置。

背景技术

居民职住地(包括居民的居住地点及工作地点)的空间组织是城市空间结构的重要组成部分。近年来，通过手机定位数据识别居民职住地信息，已经成为国际前沿的研究热点。

现有技术提供了两类基于手机定位数据识别居民职住地基站点的方法。第一类方法是：分别在居住和工作时间段内，根据手机用户活动的频繁程度或者停留时间识别居住地基站点和工作地基站点；第二类方法是：通过对用户的手机定位数据进行聚类和回归的分析方法来识别用户的重要活动点，并结合居住与工作的时间段来判定居住地基站点与工作地基站点。

现有基于手机定位数据识别居民职住地基站点的方法，无论是第一类还是第二类，都需要选择特定的时间段(如居住时段、工作时段或其他特定时段)来判别用户的活动类型，而特定时段选择的不确定性，无疑会降低手机信号全天时数据的利用率，对识别结果造成一定程度的偏差，影响识别的准确率。

发明内容

鉴于此，本发明提供一种用户活动区域基站点的识别方法及装置，以提高用户职住地基站点识别的准确率。

本发明的第一方面，提供一种用户活动区域基站点的识别方法，所述方法包括：

根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

本发明的第二方面，提供一种用户活动区域基站点的识别装置，所述装置包括：

活动出行链构建模块，用于根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

目标活动的概率值获取模块，用于获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

目标基站点识别模块，用于根据所述目标活动的概率值获取模块获取的目标活动的概率值从所述活动出行链构建模块构建的活动出行链中识别所述目标用户进行所述目标活动时对应的目标基站点。

本发明的第三方面，提供一种用户活动区域基站点的识别装置，所述装置包括：

处理器、存储器以及输入设备，所述处理器分别与所述存储器以及所述输入设备连接；

所述处理器，用于根据所述输入设备获取的目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

所述处理器，还用于从所述存储器中或者通过所述输入设备获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

所述处理器，还用于根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

本发明与现有技术相比存在的有益效果是：本发明基于用户的定位数据构建用户的活动出行链，并获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值，根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。由于本发明是根据居民在预定时间段的各个子时间段内进行目标活动的概率值来识别用户进行目标活动时对应的目标基站点，而不是选择特定的时间段，从而可有效解决现有技术所造成的识别结果偏差的问题，提高用户活动区域(包括居住地以及工作地)基站点的识别准确率。而且，本发明操作方便、实现简单，适应面广，具有较强的易用性和实用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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是本发明第一实施例提供的用户活动区域基站点的识别方法的示意流程图；

图2是本发明第二实施例提供的用户活动区域基站点的识别方法的示意流程图；

图3是本发明第三实施例提供的用户活动区域基站点的识别装置的示意框图；

图4是本发明第四实施例提供的用户活动区域基站点的识别装置的示意框图；

图5是本发明第五实施例提供的终端设备的示意框图。

具体实施方式

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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

参见图1，图1是本发明实施例一提供的用户活动区域基站点的识别方法的示意流程图，如图所示该方法可以包括以下步骤：

步骤S101，根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息。

在本发明实施例中，所述目标用户为待识别其活动区域基站点的用户，所述目标用户的定位数据可以来源于目标用户携带的移动终端(例如手机、平板电脑、穿戴设备等)，也可以来源于公共场所设置的摄像头或特定环境中设置的摄像头等。由于手机的定位数据与基站点相关联，因此优选从用户携带的手机中获取定位数据。所述定位数据可以包括但不限于时间点以及该时间点所在的空间位置信息，所述空间位置信息为获取定位数据时与通信的基站点的经纬度坐标，即所述空间位置信息对应于基站点的位置信息。所述预定时间段为预先设置的用于构建目标用户活动出行链的一段时间，所述预定时间段可以为一天(24小时)、一周等。

所述活动出行链包括但不限于所述目标用户在预定时间段内的空间位置与时间点的关联信息。例如，上午8:00，对应的空间位置为A；上午10:00，对应的空间位置为B；下午14:00对应的空间位置为C；晚上23:00对应的空间位置为D。

步骤S102，获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值。

在本发明实施例中，所述概率值可以从本地存储器或者网络服务器获取。

为了减少数据缺失对总体特征造成的偏差，提高样本精度以及用户活动区域识别的准确率，本发明实施例不再选择特定的时间段，而是获取居民在不同子时间段内进行目标活动的概率值。

需要说明的是，通常居民的活动类型与活动时间段有关，但如果采用特定的时间段来判别居民的活动类型存在局限性，由于特定时间段选择的不确定性，会对识别结果造成一定程度的偏差，影响识别的准确率。因此本发明实施例不再选择特定的时间段，而是从居民出行调查数据中获取居民在预定时间段的各个子时间段内进行目标活动的概率值。例如居民在上午10：00进行工作活动的概率值为0.9，晚上23：00进行居家活动的概率值为0.95。

其中，所述目标活动可以为居家活动、工作活动等。所述预定时间段可以为一天(24小时)，所述子时间段可以为24个相同的子时间段，也可以为多个不同的子时间段。

以预定时间段一天为例，可以将一天划分为24个相同的子时间段，即每个子时间段为一小时。也可以将一天划分为多个不同的子时间段，例如相邻的两个及以上的子时间段进行目标活动的概率值相同，则可以将相邻的两个及以上的子时间段划分为一个子时间段，例如晚上23：00和00:00居民进行居家活动的概率值相同，则可以将晚上23：00和00:00划分为一个子时间段，该子时间段的时间长度为两小时。

另外，还需要说明的是，在获取所述目标活动的概率值时，获取的是某一个时间点的概率值，但该概率值可以默认为表示一个时间段的概率值。例如居民在上午10：00进行工作活动的概率值为0.9，上午11：00进行工作活动的概率值为0.95，则可以默认为该居民上午10:00～11:00进行工作活动的概率值为0.9，上午11:00～12:00进行工作活动的概率值为0.95。

步骤S103，根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

在本发明实施例中，所述目标基站点为所述目标用户进行所述目标活动时对应的空间位置。例如，通过分析居民交通出行调查数据发现，居民在上午10：00进行工作活动的概率值为0.9；晚上23：00进行居家活动的概率值为0.95，则从所述活动出行链中查找出上午10：00所述目标用户所在的空间位置，将该空间位置作为所述目标用户进行所述工作活动时对应的目标基站点；从所述活动出行链中查找出晚上23：00所述目标用户所在的空间位置，将该空间位置作为所述目标用户进行所述居家活动时对应的目标基站点。需要说明的是，该示例仅作为一个可选示例，本发明的保护范围不以该示例为限。

本发明实施例可以通过分析居民的交通出行调查数据获取居民在预定时间段的各个子时间段内进行目标活动的概率值，根据所述目标活动的概率值从所述目标用户的活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点，从而可有效解决现有技术通过选择特定的时间段所造成的识别结果偏差的问题，提高的识别的准确率。

实施例二：

参见图2，图2是本发明实施例二提供的用户活动区域基站点的识别方法的示意流程图，如图所示该方法可以包括以下步骤：

步骤S201，获取所述目标用户的定位数据。

较佳的，可以从目标用户携带的移动终端中获取所述目标用户的定位数据，所述移动终端为所述目标用户携带的移动终端，所述移动终端中的定位数据可以反映出所述目标用户所在的空间位置信息。

需要说明的是，从移动终端中获取目标用户的定位数据为本发明实施例的一较佳示例，本发明实施例的所述定位数据也可以采用现有其他技术获取，在此不再赘述。

步骤S202，从所述定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及时间点信息。

示例性的，所述预定时间段可以为一天(24小时)。

需要说明的是，本发明实施例所述移动终端采集以及存储的定位数据大于或等于所述预定时间段内的数据。例如，移动终端采集以及存储的定位数据为一周的数据，而所述预定时间段内的数据可以是该一周内某一天(24小时)的数据，即所述目标用户在这一天内的空间位置信息。

步骤S203，对所述空间位置信息按照时间点信息的先后顺序进行排序，得到所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

在本发明实施例中，由于移动终端的定位数据是按照预定的时间间隔采集的，例如每隔一小时采集一次，因此最终得到的定位数据为目标用户约一个小时一次的空间位置记录信息。从所述定位数据中获取预定时间段(例如一天)内所述目标用户的空间位置信息以及时间点信息，并根据所述时间点信息的先后顺序(指一天开始到结束的时间顺序)进行排序，得到所述目标用户在所述预定时间段内空间位置随时间变化的数据序列。例如从00:00到晚上23:00每隔一小时的空间位置信息。

步骤S204，基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息。

在本发明实施例中，将所述数据序列作为输入数据输入所述预定的数学模型，经过所述数学模型运算后，输出所述目标用户在所述预定时间段内的停留区域的信息。

具体的，所述基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息包括：

基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；

若所述距离小于或等于距离阈值，则确定相邻两条记录对应的空间位置属于同一停留区域；若所述距离大于所述距离阈值，则确定相邻两条记录对应的空间位置属于不同的停留区域；

记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，输出所有停留区域的信息，所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

在本发明实施例中，所述相邻两条记录对应的空间位置之间的距离是指目标用户在相邻两条记录对应的时间点所在的区域的基站点的经纬度坐标之间的距离。以手机为例，通信运营商为保证手机信号的强度，会在人口密度较大的区域布设较多的基站，以此来保证用户的通信服务质量，因此即使目标用户在同一位置，采集的定位数据也有可能来自多个基站点。为了解决该问题，本发明实施例预先设置距离阈值，当相邻两条记录对应的空间位置(即基站点)之间的距离小于或等于所述距离阈值时，则确定所述相邻两条记录对应的空间位置属于同一停留区域，否则确定属于不同停留区域，即表明目标用户已经离开了上一个区域。

举例说明，目标用户上午8:00所在的空间位置为A，上午9:00所在的空间位置为B，A和B之间的距离小于预定的500米距离，则确定所述目标用户上午8:00和9:00在同一停留区域，可以记为第一停留区域，则所述第一停留区域的信息包括上午8:00，空间位置A；上午9:00，空间位置B。所述目标用户上午10:00所在的空间位置为C，C和B之间的距离大于预定的500米距离，则确定所述目标用户上午10:00在另一停留区域，可以记为第二停留区域，则所述第二停留区域的信息可以为上午10:00，空间位置C。

作为本发明实施例的一可选示例，本发明实施例还可以包括对所述停留区域内的多个空间位置进行距离检测，若同一停留区域内存在两个非相邻记录所对应的空间位置之间的距离大于预设距离阈值时，将所述停留区域划分为多个不同的停留区域。

在本发明实施例中，由于所述同一停留区域中的空间位置都是相邻的两条记录对应的空间位置之间的距离小于或等于预设距离阈值时的位置，则当所述同一停留区域中存在多个空间位置时，可能会存在不相邻的两条记录对应的空间位置之间的距离大于所述预设距离阈值，从而导致所述停留区域的范围较大。例如，目标用户上午8:00所在的空间位置为A，上午9:00所在的空间位置为B，上午10:00所在的空间位置为C，上午11:00所在的空间位置为D。A和B、B和C、C和D之间的距离都小于预定的500米距离，但A和D之间的距离却大于1000米，此时本发明实施可以将包含A、B、C、D的停留区域划分为包含A、B的停留区域以及包含C、D的停留区域；或者划分为包含A、B、C的停留区域以及包含D的停留区域，具体可以根据实际情况进行划分，例如再设定第二距离阈值，当所述停留区域中任意两个空间位置的距离大于所述第二距离阈值，将所述两个空间距离划分在不同的停留区域。

较佳的，为了避免出现重叠的空间位置信息，本发明实施例还可以包括：

在获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列之后，对所述数据序列中空间位置信息相同的记录进行合并，合并后的信息包括空间位置信息以及对应的多个时间点。

在本发明实施例中，由于目标用户在预设时间段内不相邻的定位记录对应的空间位置可能相同，例如，预设时间段为一天时，目标用户上午8:00离开居住地A去工作地，晚上19:00又重新回到居住地A，则所述目标用户上午8:00所在的空间位置与晚上19:00所在的空间位置为同一空间位置，此时，需要将上述两条记录进行合并，合并后的信息包括：8:00、19:00，空间位置A。

步骤S205，获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值。

需要说明的是，本发明实施例所述概率值可以预先计算好后存储在本地存储器或者网络服务器中，在需要识别目标用户进行所述目标活动时对应的目标基站点时可以直接从本地存储器或者网络服务器中获取预先计算好的所述概率值。

较佳的，本发明实施例计算所述概率值具体可以采用以下方式：

本发明实施例将居民在某个时间点的空间位置信息所反映的活动类型作为一个概率事件，其概率的大小取决于该时间点所处的时间段，不同时间段对应活动类型的概率可能不相同，具体如下：

获取居民出行调查数据，采用以下公式计算获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值：P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。

其中，所述居民出行调查数据可以从交通局的数据库中获取。

步骤S206，根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

具体的，根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动的概率值之和。

选取概率值之和最大的停留区域作为所述目标活动的停留区域。

从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

在本发明实施例中，在选取所述目标活动的停留区域之后，由于所述目标活动的停留区域中的空间位置可能会对应多个时间点，因此需要对该空间位置对应的多个时间点进行目标活动的概率值进行累计。例如，第一停留区域包括空间位置A，空间位置A对应时间点上午8:00和9:00，而上午8:00和9:00进行工作活动的概率值分别为0.4和0.7，则目标用户在空间位置A进行工作活动的概率值累计为1.1。

为了更好的理解上述过程，下面通过举例进行说明，但该举例不用于限制本发明的保护范围。

表1为获取的居民在所述预定时间段(以一天24小时为例)的各个子时间段内(表1中仅列出12个子时间段)进行所述目标活动的概率值。

表1

表2为获取的所述目标用户在上述子时间段时对应的停留区域以及空间位置。

时间点	停留区域	空间位置
			8:00	A	1
9:00	A	2
			10:00	A	3
11:00	A	2
			12:00	B	4
18:00	C	5
			19:00	C	5
20:00	C	6
			21:00	C	5
22:00	D	7
			23:00	E	8
24:00	A	1

表2

在表2中，不同停留区域用大写字母表示，不同的空间位置用阿拉伯数字表示，所述目标活动为居家活动和工作活动，居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值用小数点表示。需要说明的是，表1和表2中所示数据均用于举例说明，并不用于表示实际的情况，也不对本发明实施例有任何限制作用。

以目标活动为居家活动为例，1)在获取居家活动以及工作活动的概率值以及停留区域的信息之后，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行居家活动的概率值之和：

所述停留区域A包含三个空间位置1、2、3，所述空间位置1、2、3对应的时间段分别为(8:00、24:00)、(9:00、11:00)、10:00，所述时间段(8:00、24:00)、(9:00、11:00)、10:00对应的居家活动的概率值分别为(0.4、0.95)、(0.2、0.1)、0.15。因此，所述停留区域A进行居家活动的概率值为：0.4+0.95+0.2+0.1+0.15＝1.8。

同理，计算获得所述停留区域B进行居家活动的概率值为：0.2；所述停留区域C进行居家活动的概率值为：2.4；所述停留区域D进行居家活动的概率值为：0.85；所述停留区域E进行居家活动的概率值为：0.9。

需要说明的是，为了方便计算，表2示例中未对相同空间位置的记录进行合并操作。

2)选取概率值之和最大的停留区域C作为所述居家活动的停留区域；

3)从停留区域C中选取进行所述居家活动的概率值累计最大的空间位置作为所述目标基站点。

停留区域C包含两个空间位置5和6，所述空间位置5和6对应的时间段分别为(18:00、19:00、21:00)、20:00，所述时间段(18:00、19:00、21:00)、20:00对应的居家活动的概率值分别为(0.3、0.6、0.8)、0.7。因此，所述停留区域C中空间位置5对应的概率值为0.3+0.6+0.8＝1.7，空间位置6对应的概率值为0.7。

最终，将所述概率值最大的空间位置5作为所述目标基站点，即所述目标用户进行居家活动的地点。

同样，采用上述方法可获得工作活动对应的目标基站点，在此不再赘述。

本发明选择了国内某大城市2012年3月某一天的手机定位数据进行了实验，实验结果表明，与现有技术相比，本发明所采用的技术方案识别用户居住地目标基站点的准确率由41.78％提高到了45.53％，识别用户工作地目标基站点的准确率由51.68％提高到了57.80％，从而说明本发明所采用的技术方案能够有效的提高识别用户活动区域目标基站点的准确率。

应理解，在上述实施例一和二中，各步骤的序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例三：

参见图3，图3是本发明实施例三提供的用户活动区域基站点的识别装置的示意框图，为了便于说明，仅示出与本发明实施例相关的部分。

该用户活动区域基站点的识别装置可以是内置于终端设备(例如手机、平板电脑、笔记本、计算机、穿戴设备等)内的软件单元、硬件单元或者软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中。

所述用户活动区域基站点的识别装置包括：

活动出行链构建模块31，用于根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

目标活动的概率值获取模块32，用于获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

目标基站点识别模块33，用于根据所述目标活动的概率值获取模块32获取的目标活动的概率值从所述活动出行链构建模块31构建的活动出行链中识别所述目标用户进行所述目标活动时对应的目标基站点。

可选的，所述活动出行链构建模块31包括：

定位数据获取单元311，用于获取所述目标用户的定位数据；

定位数据处理单元312，用于从所述定位数据获取单元311获取的定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及对应的时间点信息；

活动出行链构建单元313，用于对所述空间位置信息按照时间点信息的先后顺序进行排序，获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

可选的，所述装置还包括：

停留区域获取模块34，用于基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息。

可选的，所述停留区域获取模块34包括：

距离计算单元341，用于基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；

停留区域获取单元342，用于在所述距离小于或等于距离阈值，则确定相邻两条记录对应的空间位置属于同一停留区域；在所述距离大于所述距离阈值，则确定相邻两条记录对应的空间位置属于不同的停留区域；

信息输出单元343，用于记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，输出所有停留区域的信息，所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

可选的，所述装置还包括：

重叠处理模块35，用于对所述数据序列中空间位置信息相同的记录进行合并。

可选的，所述目标基站点识别模块33包括：

概率值计算单元331，用于根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动类型的概率值之和；

第一选取单元332，用于选取概率值之和最大的停留区域作为所述目标活动的停留区域；

第二选取单元333，用于从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

可选的，所述装置还包括概率值计算模块36，所述概率值计算模块36具体用于：

获取居民出行调查数据，采用以下公式计算居民在所述预定时间段的各个子时间段内进行目标活动的概率值：

P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。

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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元或模块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，上述集成的单元或模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例的对应过程，在此不再赘述。

实施例四：

参见图4，图4是本发明实施例四提供的用户活动区域基站点的识别装置的示意框图。如图所示的该用户活动区域基站点的识别装置可以包括：一个或多个处理器401(图4中仅示出一个)；一个或多个输入设备402(图4中仅示出一个)，一个或多个输出设备403(图4中仅示出一个)和存储器404。上述处理器401、输入设备402、输出设备403和存储器404通过总线405连接。存储器404用于存储指令，处理器401用于执行存储器404存储的指令。其中：

所述处理器401，用于根据输入设备402获取的目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；所述处理器401还用于从存储器404中或者通过输入设备402获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；所述处理器401还用于根据输入设备402获取的所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

可选的，所述处理器401用于通过输入设备402获取所述目标用户的定位数据；所述处理器401还用于从所述定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及时间点信息；所述处理器401还用于对所述空间位置信息按照时间点信息的先后顺序进行排序，获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

可选的，所述处理器401用于基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域。

可选的，所述处理器401用于基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；所述处理器401还用于在所述距离小于或等于预设距离阈值时，确定相邻两条记录对应的空间位置属于同一停留区域；在所述距离大于所述距离阈值时，确定相邻两条记录对应的空间位置属于不同的停留区域；所述处理器401还用于记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，通过所述输出设备403输出所有停留区域的信息，所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

可选的，所述处理器401用于对所述数据序列中空间位置信息相同的记录进行合并。

可选的，所述处理器401用于根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动的概率值之和；所述处理器401还用于选取概率值之和最大的停留区域作为所述目标活动的停留区域；所述处理器401还用于从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

可选的，所述处理器401用于通过输入设备402获取居民出行调查数据之后，采用以下公式计算获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值：

P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。

所述存储器404，用于存储软件程序、模块、单元以及用户活动区域基站点的识别装置中需要的数据信息，所述处理器401通过运行存储在所述存储器404的软件程序、模块以及单元，从而执行各种功能应用以及数据处理，提高用户活动区域基站点识别的准确率。

应当理解，在本发明实施例中，所称处理器401可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备402可以包括触控板、指纹采集传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风、数据采集装置、数据接收装置等，输出设备403可以包括显示器(LCD等)、扬声器、数据发送装置等。

该存储器404可以包括只读存储器和随机存取存储器，并向处理器401提供指令和数据。存储器404的一部分还可以包括非易失性随机存取存储器。例如，存储器404还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器401、输入设备402、输出设备403和存储器404可执行本发明实施例提供的用户活动区域基站点的识别方法的实施例中所描述的实现方式，也可执行用户活动区域基站点的识别装置的实施例三中所描述的实现方式，在此不再赘述。

实施例五：

图5示出了一种终端设备的结构框图，该终端设备可以用于实施本发明实施例提供的用户活动区域基站点的识别方法的实施例中所描述的实现方式，也可实施用户活动区域基站点的识别装置的实施例中所描述的实现方式。

如图5所示，终端设备1200可以包括RF(Radio Frequency，射频)电路110、包括有一个或一个以上(图5中仅示出一个)计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、传输模块170、包括有一个或者一个以上(图5中仅示出一个)处理核心的处理器180以及电源190等部件。本领域技术人员可以理解，图5中示出的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路110用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。RF电路110可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路110可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术，包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced DataGSM Environment,EDGE)，宽带码分多址技术(wideband code division multipleaccess,W-CDMA)，码分多址技术(Code division access,CDMA)、时分多址技术(timedivision multiple access,TDMA)，无线保真技术(Wireless,Fidelity，WiFi)(如美国电气和电子工程师协会标准IEEE802.11a，IEEE 802.11b,IEEE802.11g和/或IEEE 802.11n)、网络电话(Voice over internet protocal,VoIP)、全球微波互联接入(WorldwideInteroperability for Microwave Access，Wi-Max)、其他用于邮件、即时通讯及短消息的协议，以及任何其他合适的通讯协议，甚至可包括那些当前仍未被开发出来的协议。

存储器104可用于存储软件程序以及模块，如上述实施例一至二的方法/实施例三的装置对应的程序指令/模块/单元，处理器102通过运行存储在存储器104内的软件程序、模块以及单元，从而执行各种功能应用以及数据处理，提高用户活动区域基站点识别的准确率。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端设备1200的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用LCD(Liquid CrystalDisplay，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图5中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。

终端设备1200还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在终端设备1200移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端设备1200还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路160、扬声器161，传声器162可提供用户与终端设备1200之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与终端设备1200的通信。

终端设备1200通过传输模块170(例如WiFi模块)可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了传输模块170，但是可以理解的是，其并不属于终端设备1200的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器180是终端设备1200的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端设备1200的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器180可包括一个或多个处理核心；优选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。

终端设备1200还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，终端设备1200还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端设备的显示单元是触摸屏显示器，终端设备还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行述一个或者一个以上程序包含用于进行以下操作的指令：

根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

获取所述目标用户的定位数据；

从所述定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及对应的时间点信息；

对所述空间位置信息按照时间点信息的先后顺序进行排序，获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

假设上述为第二种可能的实施方式，则在第二种可能的实施方式作为基础而提供的第三种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息。

在第三种可能的实施方式或第四种可能的实施方式或第五种可能的实施方式作为基础而提供的第六种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

针对每个预设事件从所述接收到该预设事件的时间开始计时，当所述计时达到预定时长时，查询该预设事件对应的资源是否已被获取，并根据查询结果，分类显示所述查询结果不同的预设事件对应的事件信息。

假设上述为第三种可能的实施方式，则在第三种可能的实施方式作为基础而提供的第四种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；

若所述距离小于或等于距离阈值，则确定相邻两条记录对应的空间位置属于同一停留区域；若所述距离大于所述距离阈值，则确定相邻两条记录对应的空间位置属于不同的停留区域；

记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，输出所有停留区域的信息，所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

假设上述为第三种可能的实施方式，则在第三种可能的实施方式作为基础而提供的第五种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

对所述数据序列中空间位置信息相同的记录进行合并。

假设上述为第四种可能的实施方式，则在第四种可能的实施方式作为基础而提供的第六种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动的概率值之和；

选取概率值之和最大的停留区域作为所述目标活动的停留区域；

从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

在第一、二、三、四、五、六种可能的实施方式作为基础而提供的第七种可能的实施方式中，所述的存储器中，还包含用于执行以下操作的指令：

获取居民出行调查数据，采用以下公式计算居民在所述预定时间段的各个子时间段内进行目标活动的概率值：

P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的终端设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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模块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，本发明实施例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)或处理器(processor)执行本发明实施例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-Only Memory)、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。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。

Claims (21)

1.一种用户活动区域基站点的识别方法，其特征在于，包括：

根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链,所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

2.根据权利要求1所述的用户活动区域基站点的识别方法，其特征在于，所述根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链包括：

获取所述目标用户的定位数据；

从所述定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及对应的时间点信息；

对所述空间位置信息按照所述时间点信息的先后顺序进行排序，获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

3.根据权利要求2所述的用户活动区域基站点的识别方法，其特征在于，在获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列之后，还包括：

基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息。

4.根据权利要求3所述的用户活动区域基站点的识别方法，其特征在于，所述基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息包括：

基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；

若所述距离小于或等于距离阈值，则确定相邻两条记录对应的空间位置属于同一停留区域；若所述距离大于所述距离阈值，则确定相邻两条记录对应的空间位置属于不同的停留区域；

记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，输出所有停留区域的信息；其中，所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

5.根据权利要求3所述的用户活动区域基站点的识别方法，其特征在于，在获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列之后，还包括：

对所述数据序列中空间位置信息相同的记录进行合并。

6.根据权利要求4所述的用户活动区域基站点的识别方法，其特征在于，所述根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点包括：

根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动的概率值之和；

选取概率值之和最大的停留区域作为所述目标活动的停留区域；

从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

7.根据权利要求1至6任一所述的用户活动区域基站点的识别方法，其特征在于，在获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值之前，还包括：

获取居民出行调查数据，采用以下公式计算居民在所述预定时间段的各个子时间段内进行目标活动的概率值：

P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。

8.一种用户活动区域基站点的识别装置，其特征在于，包括：

活动出行链构建模块，用于根据目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

目标活动的概率值获取模块，用于获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

目标基站点识别模块，用于根据所述目标活动的概率值获取模块获取的目标活动的概率值从所述活动出行链构建模块构建的活动出行链中识别所述目标用户进行所述目标活动时对应的目标基站点。

9.根据权利要求8所述的用户活动区域基站点的识别装置，其特征在于，所述活动出行链构建模块包括：

定位数据获取单元，用于获取所述目标用户的定位数据；

定位数据处理单元，用于从所述定位数据获取单元获取的定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及对应的时间点信息；

活动出行链构建单元，用于对所述空间位置信息按照所述时间点信息的先后顺序进行排序，获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

10.根据权利要求9所述的用户活动区域基站点的识别装置，其特征在于，还包括：

停留区域获取模块，用于基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域的信息。

11.根据权利要求10所述的用户活动区域基站点的识别装置，其特征在于，所述停留区域获取模块包括：

距离计算单元，用于基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；

停留区域获取单元，用于在所述距离小于或等于距离阈值，则确定相邻两条记录对应的空间位置属于同一停留区域；在所述距离大于所述距离阈值，则确定相邻两条记录对应的空间位置属于不同的停留区域；

信息输出单元，用于记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，输出所有停留区域的信息，其中所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

12.根据权利要求10所述的用户活动区域基站点的识别装置，其特征在于，还包括：

重叠处理模块，用于对所述数据序列中空间位置信息相同的记录进行合并。

13.根据权利要求11所述的用户活动区域基站点的识别装置，其特征在于，所述目标基站点识别模块包括：

概率值计算单元，用于根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动类型的概率值之和；

第一选取单元，用于选取概率值之和最大的停留区域作为所述目标活动的停留区域；

第二选取单元，用于从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

14.根据权利要求7至13任一项所述的用户活动区域基站点的识别装置，其特征在于，还包括：

概率值计算模块，用于获取居民出行调查数据，采用以下公式计算居民在所述预定时间段的各个子时间段内进行目标活动的概率值：

P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。

15.一种用户活动区域基站点的识别装置，其特征在于，包括处理器、存储器以及输入设备，所述处理器分别与所述存储器以及所述输入设备连接；

所述处理器，用于根据所述输入设备获取的目标用户的定位数据构建所述目标用户在预定时间段内的活动出行链，所述活动出行链包括所述目标用户在所述预定时间段内的空间位置与时间点的关联信息；

所述处理器，还用于从所述存储器中或者通过所述输入设备获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值；

所述处理器，还用于根据所述目标活动的概率值从所述活动出行链中识别出所述目标用户进行所述目标活动时对应的目标基站点。

16.根据权利要求15所述的用户活动区域基站点的识别装置，其特征在于，

所述处理器，还用于通过所述输入设备获取所述目标用户的定位数据；

所述处理器，还用于从所述定位数据中筛选出所述目标用户在所述预定时间段内的空间位置信息以及时间点信息；

所述处理器，还用于对所述空间位置信息按照时间点信息的先后顺序进行排序，获得所述目标用户在所述预定时间段内空间位置随时间变化的数据序列，并将所述数据序列作为所述目标用户在所述预定时间段内的活动出行链。

17.根据权利要求16所述的用户活动区域基站点的识别装置，其特征在于，

所述处理器，还用于基于所述数据序列，通过预定的数学模型获得所述目标用户在所述预定时间段内的停留区域。

18.根据权利要求17所述的用户活动区域基站点的识别装置，其特征在于，所述用户活动区域基站点的识别装置还包括输出装置，所述输出装置与所述处理器连接；

所述处理器，还用于基于所述数据序列中记录的空间位置信息，计算相邻两条记录对应的空间位置之间的距离；

所述处理器，还用于在所述距离小于或等于预设距离阈值时，确定相邻两条记录对应的空间位置属于同一停留区域；在所述距离大于所述距离阈值时，确定相邻两条记录对应的空间位置属于不同的停留区域；

所述处理器，还用于记录停留区域的信息，并在所述数据序列中相邻两条记录对应的空间位置之间的距离与所述距离阈值全部比较完后，通过所述输出设备输出所有停留区域的信息；其中，所述停留区域的信息包括空间位置信息以及与所述空间位置信息对应的至少一个时间点信息。

19.根据权利要求17所述的用户活动区域基站点的识别装置，其特征在于，所述处理器，还用于对所述数据序列中空间位置信息相同的记录进行合并。

20.根据权利要求18所述的用户活动区域基站点的识别装置，其特征在于，

所述处理器，还用于根据获取的居民在所述预定时间段的各个子时间段内进行所述目标活动的概率值以及输出的所有停留区域的信息，计算所述目标用户在各个停留区域内所有空间位置对应的时间点进行所述目标活动的概率值之和；

所述处理器，还用于选取概率值之和最大的停留区域作为所述目标活动的停留区域；

所述处理器，还用于从所述目标活动的停留区域中，选取进行所述目标活动的概率值累计最大的空间位置作为所述目标基站点。

21.根据权利要求15至20任一项所述的用户活动区域基站点的识别装置，其特征在于，

所述处理器，还用于通过所述输入设备获取居民出行调查数据之后，采用以下公式计算获取居民在所述预定时间段的各个子时间段内进行目标活动的概率值：

P_λi＝S_hi/T

其中P_λi表示活动类型为λi的活动在某一时间段hi的概率，T表示参与出行调查的总人数，S_hi表示某一时间段hi参与出行调查的居民所在活动类型为λi活动的总人数。