CN107484134B - 常驻位置分析方法及装置 - Google Patents
常驻位置分析方法及装置 Download PDFInfo
- Publication number
- CN107484134B CN107484134B CN201710964501.5A CN201710964501A CN107484134B CN 107484134 B CN107484134 B CN 107484134B CN 201710964501 A CN201710964501 A CN 201710964501A CN 107484134 B CN107484134 B CN 107484134B
- Authority
- CN
- China
- Prior art keywords
- base station
- pairing
- highest frequency
- mobile phone
- 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.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 230000011664 signaling Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- H04W4/025—Services making use of location information using location based information parameters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供常驻位置分析方法及装置。在一个实施例中,所述常驻位置分析方法包括:获取用户在指定时间段内产生的手机信令数据;将所述指定时间段内每个预设周期产生的手机信令数据中的基站编号进行两两配对,其中,每个基站编号与其它的每个基标号进行一次配对;确定在所述指定时间段内所有的预设周期中进行配对之后出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种常驻位置分析方法及装置。
背景技术
人口密度的增加,人们常驻位置的判断基本上是通过人为的统计,但是这样的统计方式浪费人力资源,效率也很低。
发明内容
有鉴于此,本发明实施例的目的在于提供一种常驻位置分析方法及装置。
本发明实施例提供的一种常驻位置分析方法,所述常驻位置分析方法包括:
获取用户在指定时间段内产生的手机信令数据;
将所述指定时间段内每个预设周期产生的手机信令数据中的基站编号进行两两配对,其中,每个基站编号与其它的每个基标号进行一次配对;
确定在所述指定时间段内所有的预设周期中进行配对之后出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
本发明实施例还提供一种常驻位置分析装置,所述常驻位置分析装置包括:
第一获取模块,用于获取用户在指定时间段内产生的手机信令数据;
配对模块,用于将所述指定时间段内每个预设周期产生的手机信令数据中的基站编号进行两两配对,其中,每个基站编号与其它的每个基标号进行一次配对;
确定模块,用于确定在所述指定时间段内所有的预设周期中进行配对之后出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
与现有技术相比,本发明实施例的常驻位置分析方法及装置,通过获取用户的手机信令数据,通过对手机信令数据的分析可以较为准确地得到用户的常驻位置,而且通过分析手机信令数据的方式速度相较于人为统计速度快很多,而且也能够有效地节省人力资源。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明较佳实施例提供的电子终端的方框示意图。
图2为本发明较佳实施例提供的常驻位置分析方法的流程图。
图3为本发明较佳实施例提供的常驻位置分析方法的步骤S102的详细流程图。
图4为本发明较佳实施例提供的常驻位置分析方法的步骤S103的详细流程图。
图5为本发明较佳实施例提供的常驻位置分析装置的功能模块示意图。
图6为本发明较佳实施例提供的常驻位置分析装置的配对模块的功能模块示意图。
图7为本发明较佳实施例提供的常驻位置分析装置的确定模块的功能模块示意图。
具体实施方式
下面将结合本发明实施例中附图,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,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是一电子终端100的方框示意图。所述电子终端100包括常驻位置分析装置110、存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对电子终端100的结构造成限定。例如,电子终端100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。本实施例所述的电子终端100可以是个人电脑(personal computer,PC)、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等。
所述存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115及显示单元116各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述常驻位置分析装置110包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述电子终端100的操作系统(Operating System,OS)中的软件功能模块。所述处理器113用于执行存储器中存储的可执行模块,例如所述常驻位置分析装置110包括的软件功能模块或计算机程序。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器111用于存储程序,所述处理器113在接收到执行指令后,执行所述程序,本发明实施例任一实施例揭示的过程定义的电子终端100所执行的方法可以应用于处理器113中,或者由处理器113实现。
所述处理器113可能是一种集成电路芯片,具有信号的处理能力。上述的处理器113可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。
所述外设接口114将各种输入/输入装置耦合至处理器113以及存储器111。在一些实施例中,外设接口114,处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
所述输入输出单元115用于提供给用户输入数据。所述输入输出单元115可以是,但不限于,鼠标和键盘等。
所述显示单元116在所述电子终端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器进行计算和处理。
请参阅图2,是本发明较佳实施例提供的应用于图1所示的电子终端的常驻位置分析方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤S101,获取用户在指定时间段内产生的手机信令数据。
本实施例中,所述手机信令数据可以被保存在一数据库中,需要使用任一用户的数据时从所述数据库中得到所述指定时间段内该用户的手机信令数据。
本实施例中,所述手机信令数据包括加密的用户编号、日期、一条信令上报的开始时间、结束时间、所属基站编号、持续时长、号码归属地编号等。
本实施例中,还可以将所述用户在指定时间段内产生的手机信令数据进行筛选,选择出现次数超过预设次数的基站编号对应的手机信令数据。所述指定时间段可以是一周、一个月或者其它适合的时间段。在一个实例中,所述电子终端可获取某一个月内的所述用户的手机信令数据,此时,所述预设次数可以是十五天、二十天等。在一个实例中,所述电子终端可获取某一周内的所述用户的手机信令数据,此时,所述预设次数可以是五天、四天等。
本实施例中,该方法还包括:将所述预设周期中的每个周期内重复出现的基站编号进行去重。本实施中,所述预设周期可以是一天、半天、两天等任何适合的周期。在一个实例中,所述预设周期可以是一天,例如,其中一天所述用户依次经过了基站A、B、C、D、S、B、C、A、D、F,经过去重操作后,得到基站A、B、C、D、S、F,这些基站A、B、C、D、S、F可以加入一个列表中进行记录。
步骤S102,将所述指定时间段内每个预设周期产生的手机信令数据中的基站编号进行两两配对。
其中,每个基站编号与其它的每个基标号进行一次配对。
在一个实例中,一个周期内包括基站A、B、C,则可以得到三个配对(A,B),(B,C)及(A,C)。
在一种实施方式中,如图3所示,步骤S102可包括步骤S1021至步骤S1023,具体描述如下。
步骤S1021,将在每个所述预设周期内筛选出的手机信令数据的基站编号进行两两配对。
本实施例中,每个配对中的其中一个基站编号作为主基站编号,另一个作为次基站编号。
步骤S1022,针对每个所述预设周期内的每个配对,计算在所述指定时间段内,该配对产生的次数与该配对中的次基站编号与其它基站编号进行配对的次数的比值。
本实施例中,所述配对与所述比值构成一键值,例如,可以所述配对中的主基站编号作为键,以所述比值作为键对应的值,形成键值对。
第一个实例中,所述预设周期可以是一天,所述指定时间段为一周,所述用户在某一周中的周一经过的基站编号为A、B、C三个基站,则可以得到三个配对(A,B),(B,C)及(A,C);该用户周二经过A、B、D三个基站,则可以得到三个配对(A,B),(B,D)及(A,D);该用户周三经过基站编号为A、E、F三个基站,则可以得到三个配对(A,E),(E,F)及(A,F);该用户周四经过基站编号为A、C、G三个基站,则可以得到三个配对(A,C),(C,G)及(A,G);该用户周五经过基站编号为A、D、E三个基站,则可以得到三个配对(A,D),(D,E)及(A,E);该用户周六经过基站编号为A、F、G三个基站,则可以得到三个配对(A,F),(F,G)及(A,G);该用户周日经过基站编号为A、B、H三个基站,则可以得到三个配对(A,B),(B,H)及(A,H)。根据上述实例计算得到每个基站编号在每个配对中的可信度,所述可信度为配对产生的次数与该配对中的次基站编号与其它基站编号进行配对的次数的比值。例如,计算配对(A,B)中A的可信度,其中(A,B)配对在上述一周内出现的次数为三次,B与其它基站编号配对在一周出现的次数为三次,则所述A的可信度为1。其中,将配对(A,C)中A作为键,将A的可信度作为值构成一键值。再例如,计算配对(A,C)中A的可信度,其中(A,C)配对在上述一周内出现的次数为两次,C与其它基站编号配对在一周出现的次数为两次,则所述A的可信度为1。依次计算得到(A,D)、(A,E)、(A,F)、(A,G)及(A,H)配对中A的可信度均为1。以同样的方法计算得到(A,B)、(B,C)、(B,D)及(B,H)配对中B的可信度均为1。以此类推可以计算得到其它基站编号在每一个配对中的可信度。
第二个实例中,若用户在预设周期内经过基站数量大于三时,所述键的可信度将随着降低。例如,所述预设周期可以是一天,所述指定时间段为三天。所述用户在第一天过的基站编号为A、B、C、D、E五个基站,则可以得到十个配对(A,B)、(A,C)、(A,D)、(A,E)、(B,C)、(B,D)、(B,E)、(C,D)、(C,E)、(D,E)十个配对;所述用户在第二天过的基站编号为A、B、F三个基站,则可以得到三个配对(A,B)、(A,F)、(B,F);所述用户在第三天过的基站编号为A、C两个个基站,则可得到一个配对(A,C)。
例如,计算配对(A,B)中A的可信度,其中(A,B)配对在上述三天内出现的次数为两次,B与其它基站编号配对在三天出现的次数为四次,则所述A的可信度为1/2。再例如,计算配对(A,B)中B的可信度,其中(A,B)配对在上述三天内出现的次数为两次,A与其它基站编号配对在三天出现的次数为四次,则所述B的可信度为1/2。
再例如,计算配对(A,C)中A的可信度,其中(A,C)配对在上述三天内出现的次数为两次,C与其它基站编号配对在三天出现的次数为三次,则所述A的可信度为2/3。再例如,计算配对(A,C)中C的可信度,其中(A,C)配对在上述三天内出现的次数为两次,A与其它基站编号配对在三天出现的次数为五次,则所述A的可信度为2/5。
再例如,计算配对(A,F)中F的可信度,其中(A,F)配对在上述三天内出现的次数为一次,A与其它基站编号配对在三天出现的次数为六次,则所述F的可信度为1/6。
步骤S1023,在每个所述预设周期中,筛选出预设值的比值对应的配对,作为该预设周期中,基站编号的配对结果。
本实施例中,所述配对结果可包括多对由两个基站编号及配对产生的次数与该配对中的次基站编号与其它基站编号进行配对的次数的比值形成的键值。本实施例中,所述键值包括主基站编号作为键和该键对应的值。例如,上述第二个实例中,可以形成一个键值[B,A,1/2],还可以形成一个键值[A,B,1/2],还可以形成一个键值[C,A,2/3],还可以形成一个键值[A,C,2/5]等。其中,每个键值的第二个元素作为键,第三个元素作为值构成一键值;例如,键值键值[C,A,2/3]中A为键,2/3为值。
本实施例中,所述预设值可以取值1/6,则选出配对结果中的值大于1/6的配对。
步骤S103,确定在所述指定时间段内所有的预设周期中进行配对之后出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
在一种实施方式中,如图4所示,步骤S103包括步骤S1031和步骤S1032,具体描述如下。
步骤S1031,针对每个所述预设周期的配对结果,计算该配对结果中主基站编号相同的配对对应的比值之和。
在一个实例中,所述主基站编号作为所述键值中的键。根据上述步骤S102得到的键值,将键相同的键值中的值相加得到所有键相同的值的和也就是所述主基站编号相同的配对对应的比值之和。
在一个实例中,如果得到配对结果中包括[B,A,2/5]、[C,A,1/5]、[F,A,3/5]三个以A为键的键值对。则可以计算得到基站A的值为6/5。以此类推可以得到所述作为键的基站编号的比值之和。
步骤S1032,选择出最大的比值之和对应的主基站编号作为所述出现频率最高的基站编号。
本实施例中,所述最大的比值之和对应的主基站编号可以理解为指定时间段内所有的预设周期中进行配对之后出现频率最高的基站编号。
本发明实施例的常驻位置分析方法,通过获取用户的手机信令数据,通过对手机信令数据的分析可以较为准确地得到用户的常驻位置,而且通过分析手机信令数据的方式速度相较于人为统计速度快很多,而且也能够有效地节省人力资源。
在其他实施例中,所述常驻位置分析方法还包括步骤S104至步骤S108。
步骤S104,判断频率最高的基站编号数量是否大于一。
若所述频率最高的基站编号数量大于一,则执行步骤S105,否则流程结束。
步骤S105,获取多个频率最高的基站编号的手机信令数据中的时间数据。
本实施例中,所述时间数据可包括基站采集手机信令的开始时间,以及手机信令在该基站持续时间。
步骤S106,将每天时间进行分类得到多类时间段,其中多类时间段中包括家庭时间段。
在一个实例中,可以将每天的时间分成两类,例如,家庭时间段、非家庭时间段。例如,“家庭时段”为每天0:00-morningTime以及nightTime-24:00,其中,所述morningTime可以设置在7:00-9:00之间,所述nightTime可以设置在19:00-21:00之间,本领域的技术人员可以根据各个城市居民的总体生活习惯进行设定。其他时段均设置为非家庭时间段。
在另一个实例中,可以将每天的时间分成三类,例如,家庭时间段、工作时间段、闲暇时间段。例如,“家庭时间段”可以设置为每天0:00-morningTime以及nightTime-24:00,其中,所述morningTime可以设置在7:00-9:00之间,所述nightTime可以设置在19:00-21:00之间,本领域的技术人员可以根据各个城市居民的总体生活习惯进行设定。所述工作时间段设置为Starttime-endtime,其中,所述Starttime可以设置在8:30-10:30之间,所述endTime可以设置在16:30-19:00之间。其他时段均为闲暇时间段。
步骤S107,根据所述频率最高的基站编号的手机信令数据中的时间数据计算得到用户在家庭时间段的停留时间。
获取所述频率最高的基站编号记为M,将基站M在预设时间段内出现的各条手机信令数据中的时间数据中抽取“开始时间”、“持续时间”字段组成一个m1行两列的数组,其中m1为M在预设时间段内出现的手机信令条数。在一个实例中,所述预设时间可以是一天。根据所述据此计算基站M在一天中落在“家庭时段”内的总时长。例如,基站M在预设时间内中出现的记录抽取“开始时间”、“持续时间”得到的数组为[[6:12,300],[7:01,1800],[11:47,1000],[14:30,1250],[19:11,1365]]。其中,数组元素[6:12,300]表示:基站M在6:12出现,持续长度300秒。在一个实例中,取morningTime为7:00,nightTime为19:00,则对于该用户而言,当天基站M收集的手机信令“家庭时间段”内的总时长为300+1365=1665秒。进一步地,再计算基站M在所述指定时间内M基站在“家庭时间段”的停留时间,将家庭时间段的所述停留时间记为M_homeTime。
在其它实施方式中,还可以计算基站M的工作时间段的停留时间。在一个实例中,取Starttime为9:00,取endtime为18:00,当天基站M收集的手机信令“工作时间段”内的总时长为1000+1250=2250,将工作时间段的停留时间记为M_workTime。
步骤S108,将多个频率最高的基站编号按照所述停留时间进行排序,将家庭时间段的所述停留时间最长的基站编号对应的位置作为所述用户的家庭位置。
本实施例中,将每个频率最高的基站编号对应的基站的停留时间进行排序,例如,步骤S103确定的频率最高的基站编号有M1,M2,M3,基站M1的家庭时间段的停留时间为M1_homeTime,基站M2的家庭时间段的停留时间为M2_homeTime,基站M3的家庭时间段的停留时间为M3_homeTime。将M1_homeTime、M2_homeTime、M3_homeTime进行排序,例如,M2_homeTime最大,则得到基站M2对应位置作为所述用户的家庭位置。再例如,基站M1的工作时间段的停留时间为M1_workTime,基站M2的工作时间段的停留时间为M2_workTime,基站M3的工作时间段的停留时间为M3_workTime,将M1_workTime、M2_workTime、M3_workTime进行排序,例如,M1_workTime最大,则得到基站M1对应位置作为所述用户的工作位置。
请参阅图5,是本发明较佳实施例提供的图1所示的常驻位置分析装置110的功能模块示意图。所述常驻位置分析装置110包括第一获取模块1101、配对模块1102、以及确定模块1103。
所述第一获取模块1101,用于获取用户在指定时间段内产生的手机信令数据。
所述配对模块1102,用于将所述指定时间段内每个预设周期产生的手机信令数据中的基站编号进行两两配对,其中,每个基站编号与其它的每个基标号进行一次配对。
所述确定模块1103,用于确定在所述指定时间段内所有的预设周期中进行配对之后出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
本实施例中,该装置还可包括数据筛选模块1104,用于将所述用户在指定时间段内产生的手机信令数据进行筛选,选择出现次数超过预设次数的基站编号对应的手机信令数据。
本实施例中,如图6所示,所述配对模块1102包括:编号配对单元11021、比值计算单元11022及配对筛选单元11023。
所述编号配对单元11021,用于将在每个所述预设周期内筛选出的手机信令数据的基站编号进行两两配对,每个配对中的其中一个基站编号作为主基站编号,另一个作为次基站编号。
所述比值计算单元11022,用于针对每个所述预设周期内的每个配对,计算在所述指定时间段内,该配对产生的次数与该配对中的次基站编号与其它基站编号进行配对的次数的比值。
所述配对筛选单元11023,用于在每个所述预设周期中,筛选出预设值的比值对应的配对,作为该预设周期中,基站编号的配对结果。
本实施例中,如图7所示,所述确定模块1103包括:和计算单元11031及选择单元11032。
所述和计算单元11031,用于针对每个所述预设周期的配对结果,计算该配对结果中主基站编号相同的配对对应的比值之和;
所述选择单元11032,用于选择出最大的比值之和对应的主基站编号作为所述出现频率最高的基站编号。
本实施例中,所述常驻位置分析装置110还包括:去重模块1105,用于将所述预设周期中的每个周期内重复出现的基站编号进行去重。
本实施例中,请再次参阅图5,所述常驻位置分析装置110还包括:判断模块1106、第二获取模块1107、分类模块1108、计算模块1109以及排序模块11010。
所述判断模块1106,用于判断频率最高的基站编号数量是否大于一。
所述第二获取模块1107,用于若所述频率最高的基站编号数量大于一,则获取多个频率最高的基站编号的手机信令数据中的时间数据。
所述分类模块1108,用于将每天时间进行分类得到多类时间段,其中多类时间段中包括家庭时间段。
所述计算模块1109,用于根据所述频率最高的基站编号的手机信令数据中的时间数据计算得到用户在家庭时间段的停留时间。
所述排序模块11010,用于将多个频率最高的基站编号按照所述停留时间进行排序,将家庭时间段的所述停留时间最长的基站编号对应的位置作为所述用户的家庭位置。
关于本实施例的其它细节可以进一步地参考上述方法实施例中的描述,在此不再赘述。
根据本发明实施例的常驻位置分析装置,通过获取用户的手机信令数据,通过对手机信令数据的分析可以较为准确地得到用户的常驻位置,而且通过分析手机信令数据的方式速度相较于人为统计速度快很多,而且也能够有效地节省人力资源。
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,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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-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。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种常驻位置分析方法,其特征在于,所述常驻位置分析方法包括:
获取用户在指定时间段内产生的手机信令数据;
将在每个所述指定时间段内内每个预设周期中筛选出的手机信令数据的基站编号进行两两配对,每个配对中的其中一个基站编号作为主基站编号,另一个作为次基站编号;
针对每个所述预设周期内的每个配对,计算在所述指定时间段内,该配对产生的次数与该配对中的次基站编号与其它基站编号进行配对的次数的比值;
在每个所述预设周期中,筛选出预设值的比值对应的配对,作为该预设周期中,基站编号的配对结果;
针对每个所述预设周期的配对结果,计算该配对结果中主基站编号相同的配对对应的比值之和;
选择出最大的比值之和对应的主基站编号作为出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
2.如权利要求1所述的常驻位置分析方法,其特征在于,在将在每个所述指定时间段内筛选出的手机信令数据的基站编号进行两两配对的步骤之前,该方法还包括:
将所述用户在指定时间段内产生的手机信令数据进行筛选,选择出现次数超过预设次数的基站编号对应的手机信令数据。
3.如权利要求1或2所述的常驻位置分析方法,其特征在于,该方法还包括:将所述预设周期中的每个周期内重复出现的基站编号进行去重。
4.如权利要求1所述的常驻位置分析方法,其特征在于,所述方法还包括:
判断频率最高的基站编号数量是否大于一;
若所述频率最高的基站编号数量大于一,则获取多个频率最高的基站编号的手机信令数据中的时间数据;
将每天时间进行分类得到多类时间段,其中多类时间段中包括家庭时间段;
根据所述频率最高的基站编号的手机信令数据中的时间数据计算得到用户在家庭时间段的停留时间;
将多个频率最高的基站编号按照所述停留时间进行排序,将家庭时间段的所述停留时间最长的基站编号对应的位置作为所述用户的家庭位置。
5.一种常驻位置分析装置,其特征在于,所述常驻位置分析装置包括:
第一获取模块,用于获取用户在指定时间段内产生的手机信令数据;
配对模块,包括:编号配对单元、比值计算单元和配对筛选单元;
编号配对单元,用于将在每个所述指定时间段内的每个预设周期内的手机信令数据的基站编号进行两两配对,每个配对中的其中一个基站编号作为主基站编号,另一个作为次基站编号;
比值计算单元,用于针对每个所述预设周期内的每个配对,计算在所述指定时间段内,该配对产生的次数与该配对中的次基站编号与其它基站编号进行配对的次数的比值;
配对筛选单元,用于在每个所述预设周期中,筛选出预设值的比值对应的配对,作为该预设周期中,基站编号的配对结果;
确定模块包括:和计算单元和选择单元;
和计算单元,用于针对每个所述预设周期的配对结果,计算该配对结果中主基站编号相同的配对对应的比值之和;
选择单元,用于选择出最大的比值之和对应的主基站编号作为出现频率最高的基站编号,将该出现频率最高的基站编号对应的基站位置作为所述用户的常驻位置。
6.如权利要求5所述的常驻位置分析装置,其特征在于,所述装置还包括:
判断模块,用于判断频率最高的基站编号数量是否大于一;
第二获取模块,用于若所述频率最高的基站编号数量大于一,则获取多个频率最高的基站编号的手机信令数据中的时间数据;
分类模块,用于将每天时间进行分类得到多类时间段,其中多类时间段中包括家庭时间段;
计算模块,用于根据所述频率最高的基站编号的手机信令数据中的时间数据计算得到用户在家庭时间段的停留时间;
排序模块,用于将多个频率最高的基站编号按照所述停留时间进行排序,将家庭时间段的所述停留时间最长的基站编号对应的位置作为所述用户的家庭位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710964501.5A CN107484134B (zh) | 2017-10-17 | 2017-10-17 | 常驻位置分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710964501.5A CN107484134B (zh) | 2017-10-17 | 2017-10-17 | 常驻位置分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107484134A CN107484134A (zh) | 2017-12-15 |
CN107484134B true CN107484134B (zh) | 2020-05-15 |
Family
ID=60605224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710964501.5A Expired - Fee Related CN107484134B (zh) | 2017-10-17 | 2017-10-17 | 常驻位置分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107484134B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108391265B (zh) * | 2018-02-12 | 2020-12-22 | 中国联合网络通信集团有限公司 | 一种确定漫游过境用户的方法及装置 |
CN108390929A (zh) * | 2018-02-13 | 2018-08-10 | 中国联合网络通信集团有限公司 | 获取用户常驻位置的方法及装置 |
CN110650438B (zh) * | 2018-06-26 | 2021-12-07 | 中国移动通信集团江西有限公司 | 用户常住区域相似度判断方法、装置、设备及介质 |
CN109672715A (zh) * | 2018-09-13 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 用户常驻地判断方法、装置、设备及计算机可读存储介质 |
CN110322295B (zh) * | 2019-07-09 | 2022-04-26 | 北京百度网讯科技有限公司 | 关系强度确定方法及系统、服务器、计算机可读介质 |
CN111083636B (zh) * | 2019-12-27 | 2021-11-30 | 中国联合网络通信集团有限公司 | 运动状态信息的处理方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103179509A (zh) * | 2013-03-11 | 2013-06-26 | 北京工业大学 | 基于手机定位信息的地铁乘客出行路径辨识方法 |
CN104717743A (zh) * | 2013-12-16 | 2015-06-17 | 蓝燕君 | 基于信令分析的移动终端追踪方法及系统 |
CN105657666A (zh) * | 2016-03-31 | 2016-06-08 | 东南大学 | 一种基于手机定位数据的商务就业人群居住地识别方法 |
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 |
CN106530716A (zh) * | 2016-12-23 | 2017-03-22 | 重庆邮电大学 | 基于手机信令数据计算高速公路路段平均速度的方法 |
CN106792514A (zh) * | 2016-11-30 | 2017-05-31 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070032249A1 (en) * | 2005-08-05 | 2007-02-08 | Govind Krishnamurthi | Location services for and about mobile nodes |
US9911129B2 (en) * | 2014-05-06 | 2018-03-06 | At&T Mobility Ii Llc | Facilitating demographic assessment of information using targeted location oversampling |
-
2017
- 2017-10-17 CN CN201710964501.5A patent/CN107484134B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103179509A (zh) * | 2013-03-11 | 2013-06-26 | 北京工业大学 | 基于手机定位信息的地铁乘客出行路径辨识方法 |
CN104717743A (zh) * | 2013-12-16 | 2015-06-17 | 蓝燕君 | 基于信令分析的移动终端追踪方法及系统 |
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 |
CN105657666A (zh) * | 2016-03-31 | 2016-06-08 | 东南大学 | 一种基于手机定位数据的商务就业人群居住地识别方法 |
CN106792514A (zh) * | 2016-11-30 | 2017-05-31 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
CN106530716A (zh) * | 2016-12-23 | 2017-03-22 | 重庆邮电大学 | 基于手机信令数据计算高速公路路段平均速度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107484134A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107484134B (zh) | 常驻位置分析方法及装置 | |
CN108256568B (zh) | 一种植物种类识别方法以及装置 | |
Do et al. | Human interaction discovery in smartphone proximity networks | |
CN106856015B (zh) | 一种考勤方法及装置 | |
CN107016107B (zh) | 舆情分析方法及系统 | |
US10860595B2 (en) | User social-relationship identification apparatus, method, and terminal device | |
JP6708219B2 (ja) | ログ分析システム、方法およびプログラム | |
JP5805169B2 (ja) | 行動パターン分析装置および行動パターン分析方法 | |
CN111026959B (zh) | 一种提示信息推送方法、设备及存储介质 | |
CN113052079B (zh) | 一种基于人脸聚类的区域客流统计方法、系统、设备和介质 | |
CN107835486A (zh) | 交通出行量计算方法及装置 | |
CN104331485B (zh) | 展示推荐资讯文章的方法及装置 | |
EP2897088A1 (en) | Method and apparatus for optimum spatial clustering | |
CN111177568A (zh) | 基于多源数据的对象推送方法、电子装置及存储介质 | |
WO2016049034A1 (en) | Guided data exploration | |
CN112307143A (zh) | 一种时空轨迹构建方法、系统、设备和介质 | |
CN112860808A (zh) | 基于数据标签的用户画像分析方法、装置、介质和设备 | |
CN114780606A (zh) | 一种大数据挖掘方法及系统 | |
CN113609389A (zh) | 一种社区平台信息推送方法及系统 | |
CN111314177A (zh) | 一种基于无线信号的作息时段识别方法以及相关装置 | |
CN110674104A (zh) | 特征组合筛选方法、装置、计算机设备及存储介质 | |
CN113282807B (zh) | 基于二部图的关键词扩展方法、装置、设备及介质 | |
CN108090089B (zh) | 探测网站中热点数据的方法、装置和系统 | |
CN108170693B (zh) | 推送热词的方法及装置 | |
CN110941608B (zh) | 一种埋点分析和漏斗分析报表生成方法、装置及设备 |
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: 20200515 |