CN108122012A - 常驻点中心点的确定方法、装置、设备及存储介质 - Google Patents
常驻点中心点的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108122012A CN108122012A CN201711458883.0A CN201711458883A CN108122012A CN 108122012 A CN108122012 A CN 108122012A CN 201711458883 A CN201711458883 A CN 201711458883A CN 108122012 A CN108122012 A CN 108122012A
- Authority
- CN
- China
- Prior art keywords
- point
- resident
- coordinate points
- neighborhood
- trajectory coordinates
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种常驻点中心点的确定方法、装置、设备。其中,所述方法包括:获取存储的用户轨迹坐标点集合;确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点;如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。可以基于用户轨迹的各个坐标点的位置分布情况确定常驻点中心点,能够基于少量位置坐标点得到常驻点中心点,解决了终端侧无法得到常驻点的技术问题,能够实现在终端侧确定常驻点的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种常驻点中心点的确定方法、装置、设备及存储介质。
背景技术
在基于位置服务(Location Based Service,LBS)中,用户的常驻点具有重要的意义,基于常驻点可以确定用户的经常活动轨迹,并基于活动轨迹可以向用户提供多种服务。
目前,对于常驻点通常都是由大数据服务器通过推算得出。具体的,可以获取大量用户终端上报的位置点,并采用基于距离的聚类算法计算得到常驻点。在实现本发明的过程中,发明人发现如下技术问题:由于终端存储容量有限,无法存储大量位置点,无法按照上述方式计算得到常驻点。因此,终端需要通过网络从大数据服务器中才能得到常驻点。在网络无法连接时,无法得到常驻点。
发明内容
本发明实施例提供了一种常驻点中心点的确定方法、装置、设备及存储介质,以实现利用终端可以得到常驻点的目的。
第一方面,本发明实施例提供了一种常驻点中心点的确定方法,包括:
获取存储的用户轨迹坐标点集合;
确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点;
如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
第二方面,本发明实施例还提供了常驻点中心点的确定装置,包括:
获取模块,用于获取存储的用户轨迹坐标点集合;
统计模块,用于确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
选取模块,用于根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点;
合并模块,用于如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
第三方面,本发明实施例还提供了一种终端,所述终端包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例提供的任一所述的常驻点中心点的确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其该程序被处理器执行时实现如上述实施例提供的任一所述的常驻点中心点的确定方法。
本发明实施例提供的常驻点中心点的确定方法、装置、终端及存储介质,通过根据用户轨迹的各个坐标点之间的距离关系,确定每个坐标点的邻域坐标点,并根据邻域坐标点的数量确定常驻点核心点,并对常驻点核心点进行合并,得到常驻点中心点。可以基于用户轨迹的各个坐标点的位置分布情况确定常驻点中心点,能够基于少量位置坐标点得到常驻点中心点,解决了终端侧无法得到常驻点的技术问题,能够实现在终端侧确定常驻点的技术效果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例一提供的常驻点中心点的确定方法的流程图;
图2是本发明实施例二提供的常驻点中心点的确定方法的流程图;
图3是本发明实施例三提供的常驻点中心点的确定方法的流程图;
图4是本发明实施例四提供的常驻点中心点的确定装置的结构图;
图5是本发明实施例五提供的终端的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的常驻点中心点的确定方法的流程图,本实施例可适用于利用用户携带的移动终端确定常驻点中心点的情况,该方法可以由常驻点中心点的确定装置来执行,具体包括如下步骤:
步骤110、获取存储的用户轨迹坐标点集合。
常驻点可以表示用户经常所在的位置。通常确定常驻点需要根据用户的活动轨迹坐标点得出。所述用户轨迹坐标点可以是一段时间内用户活动的位置的坐标点。由于移动终端通常一直被用户携带,因此,可以将移动终端的位置视作用户的位置,通常用户活动用户轨迹坐标点通常可以通过用户终端定位得到。例如,可以通过终端配置的GPS获取到终端的当前位置;或者,也可通过WIFI获取终端的当前位置,以及通过基站等定位方式获取到终端的当前位置。在获取到自身位置后,可以将上述方式获取得到的坐标点存储在终端中,由于终端存储容量有限,因此,可以采用定时方式采集用户的当前位置坐标点,例如:每隔1个小时或者3个小时采集依次用户的当前位置坐标点。并将采集得到的用户的位置坐标点作为一个集合存储在设定的文件夹中,便于提取和使用。
步骤120、确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量。
常驻点可以是用户经常位于的地点范围。由于终端定位可能存在偏差或者用户在常驻点附近活动都会使得轨迹坐标点集合中一些轨迹坐标点散落在常驻点附近。因此,需要确定所述集合中的轨迹坐标点的邻域坐标点,所述邻域坐标点可以是所述轨迹坐标点集合中部分或者全部坐标点中的每个轨迹坐标点附近的轨迹坐标点。通常邻域坐标点可以根据与其中一个轨迹坐标点的距离确定。示例性的,所述确定所述集合中的轨迹坐标点的邻域坐标点,可以包括:将所述每个轨迹坐标点作为候选坐标点,选取以所述候选坐标点为圆心,预设邻域半径的范围内的轨迹坐标点作为所述候选坐标点的邻域坐标点。示例性的,可以预先设定一个邻域半径,所述邻域半径可以根据经验值确定。可以从所述轨迹坐标点集合中任意选取的一个坐标点作为候选坐标点,以所述候选坐标点为圆心,以邻域半径为半径构建一个圆,位于圆中的轨迹坐标点则为所述候选坐标点的邻域坐标点。按照上述方法,可以确定所述轨迹坐标点集合中所有轨迹坐标点的邻域坐标点。可选的,由于定位误差或者其它原因,在轨迹坐标点集合中会存在噪点坐标,可以先对噪点坐标进行滤波,并确定滤波后的轨迹坐标点集合中的所有轨迹坐标点的邻域坐标点。并统计每个候选坐标点的邻域坐标点的数量。示例性的,可以为轨迹坐标点集合中每个轨迹坐标点建立一个邻域坐标点数组,并对每个轨迹坐标点X计算其到其他轨迹坐标点Y的距离,若所述距离小于等于邻域半径E,则将Y点保存在X的E邻域列表中,记作ID(X)。根据所述数组中元素的数量确定所述每个轨迹坐标点的邻域坐标点的数量。
可选的,还可以对所述邻域半径进行优化,以使得所述邻域半径可以适用于不同的情况。示例性的,可以根据预设的邻域半径确定所述候选坐标点的邻域坐标点。计算全部或者部分邻域坐标点与所述候选坐标点的距离的平均值,并将所述平均值作为邻域半径,确定所述候选坐标点的邻域坐标点。其中,所述部分邻域坐标点可以是根据与所述候选坐标点的距离选取的部分坐标点。示例性的,可以根据与所述候选坐标点的距离对所述邻域坐标点进行排序,并从排序后的邻域坐标点按照由小至大的顺序选取预设数量的邻域坐标点。通过上述优化方式,可以过滤掉与所述候选坐标点距离较远的邻域坐标点,能够提高计算常驻点中心点的准确性。
步骤130、根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点。
对于一个轨迹坐标点来说,其邻域坐标点数量越多,则说明较多数量的轨迹坐标点位于其周围,该轨迹坐标点为常驻点的核心点的几率越大。所述常驻点核心点可以是常驻点中重要的坐标点,根据常驻点的核心点可以确定常驻点的中心点。因此,在本实施例中,可以根据所述邻域坐标点的数量选取轨迹坐标点。可选的,可以根据邻域坐标点的数量对轨迹坐标点进行排序,从排序后的轨迹坐标点中按照由多到少的顺序选取预设数量的轨迹坐标点作为常驻点的核心点。或者也可以预先设定一个邻域坐标点的数量阈值,将每个轨迹坐标点的邻域坐标点的数量与所述邻域坐标点的数量阈值进行比较,将大于所述述邻域坐标点的数量阈值的轨迹坐标点作为常驻点核心点,以避免由于邻域坐标点数量较少导致的错误。
步骤140、如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
如果用户长时间在一个位置活动,例如:晚上在家休息或者工作时间在工作场所等。则用户轨迹坐标点集合中可能会存在若干个位置相近的轨迹坐标点。这些位置相近的轨迹坐标点经过上述方法可能都为常驻点核心点,且这些位置相近的轨迹坐标点互为邻域坐标点,因此,需要将其进行合并,以实现统一的目的。示例性的,首先判断为常驻点核心点的任一轨迹坐标点的邻域坐标点中是否存在常驻点核心点,如果存在常驻点核心点,则将所述常驻点核心点与其邻域坐标点中的常驻点核心点进行合并。所述邻域坐标点中的常驻点核心点可以不止一个。示例性的,可以根据所述常驻点核心点与邻域坐标点中的常驻点核心点的位置进行合并。可选的,可以将所述常驻点核心点与邻域坐标点中的常驻点核心点的平均值作为常驻点中心点。例如:所述常驻点核心点坐标为(X1,Y1),其邻域坐标点中存在两个常驻点核心点,所述两个常驻点核心点坐标分别为(X2,Y2)和(X3,Y3)。则所述常驻点中心点为((X1+X2+X3)/3),(Y1+Y2+Y3)/3)。所述常驻点中心点可以是所属常驻点的中心位置,根据所述常驻点中心点和预设的常驻点半径可以确定一个常驻点。所述预设的常驻点半径可以根据经验和要求的精度设定。具体的,可以为100或者200M等。
本实施例通过根据用户轨迹的各个坐标点之间的距离关系,确定每个坐标点的邻域坐标点,并根据邻域坐标点的数量确定常驻点核心点,并对常驻点核心点进行合并,得到常驻点中心点。可以基于用户轨迹的各个坐标点的位置分布情况确定常驻点中心点,能够基于少量位置坐标点得到常驻点中心点,解决了终端侧无法得到常驻点的技术问题,能够实现利用少量坐标点确定常驻点的技术效果。同时,所述常驻点中心点的确定方法也可适于服务器使用。
在本实施例的一个优选实施方式中,可以将所述获取存储的用户轨迹坐标点集合,具体优化为:基于时间戳获取设定时间段内存储的用户轨迹坐标点集合。由于用户活动的区域经常会变化,其常驻点也会随之变化。例如:用户长期出差或者用户更换了居住场所或者工作场所等。因此,在确定常驻点中心点时,需要考虑时间的因素。示例性的,在采集用户轨迹坐标点时,记录采集的时间,并将采集的时间转换为时间戳与用户轨迹坐标点一同进行保存。所述时间戳为能表示一份数据在某个特定时间之前已经存在的、完整的、可验证的数据,通常是一个字符序列,唯一地标识某一刻的时间。在确定常驻点中心点时,基于时间戳获取最近一段时间内的用户轨迹坐标点集合。示例性的,可以根据需要获取最近一个星期或者最近一个月内的用户轨迹坐标点集合。基于时间戳获取设定时间段内存储的用户轨迹坐标点集合可以考虑到时间因素,能够使确定的常驻点中心点更加贴近于用户最近实际的活动位置。
实施例二
图2为本发明实施例二提供的常驻点中心点的确定方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,所述方法还可增加如下步骤:根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。
相应的,本实施例提供的常驻点中心点的确定方法,具体包括:
步骤210、获取存储的用户轨迹坐标点集合。
步骤220、确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
步骤230、根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点。
步骤240、如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
步骤250、根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。
在得到常驻点以后,可以针对常驻点向用户推荐各种实用信息。例如:在确定用户的家庭常驻点和办公常驻点后,可以有针对性的向用户推荐交通路线,或者在办公常驻点附近推荐午餐场所,以及在家庭常驻点附近推荐购物场所等。但在某些情况下,用户位于常驻点中心点附近,但并未处于常驻点范围内。因此,需要确定用户位置坐标点与常驻点的关系。在本实施例中,可以利用所述用户位置坐标点的常驻点置信度来评价用户位置坐标点与常驻点之间的关系。其中,所述用户位置坐标点可以是用户当前的位置坐标点,也可以是用户主动提供的位置坐标点。所述常驻点置信度可以是一种评价指标,用于评价所述用户位置坐标点位于常驻点的可能性。通常常驻点置信度可以在[0,1]范围之中,在常驻点置信度为1时,可以确定所述用户位置坐标点位于常驻点范围内,在常驻点置信度为0时,可以确定所述用户位置坐标点没有位于常驻点范围内。其它数值则可以确定所述用户位置坐标点位于常驻点范围的可能性。
示例性的,由于所述用户位置坐标点与所述常驻点中心点的距离能够体现用户与常驻点的位置关系,因此,确定常驻点置信度时,需要考虑所述用户位置坐标点与所述常驻点中心点之间的距离。此外,由于常驻点置信度是一种评价指标,因此,也需要适合的距离参照确定。在本实施例中,可以根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。其中,预设邻域半径和预设常驻点半径可以作为客观标准评价。可选的,可以通过如下方式计算用户位置坐标的常驻点置信度:
其中,p为常驻点置信度,r为用户位置坐标点与常驻点中心点的距离,所述R为预设常驻点半径,所述E为预设邻域半径。
由上述公式可以看出,在所述用户位置坐标点与所述常驻点中心点的距离小于等于邻域半径时,可以认为所述用户位置坐标点位于所述常驻点的范围内,其常驻点置信度为1;在所述用户位置坐标点与所述常驻点中心点的距离大于等于常驻点半径时,则以认为所述用户位置坐标点位于所述常驻点的范围以外,其常驻点置信度为0。而当所述用户位置坐标点与所述常驻点中心点的距离介于常驻点半径R和邻域半径E之间时,则可以将所述常驻点半径R与所述用户位置坐标点与常驻点中心点的距离r的差值除以所述常驻点半径R与邻域半径E之间的差值。所述常驻点半径R与邻域半径E之间的差值为定值,而所述常驻点半径R与所述用户位置坐标点与常驻点中心点的距离r的差值则反映了与所述常驻点中心点的远近关系,所述用户位置坐标点与所述常驻点中心点越接近,则其与常驻点中心点的距离越接近于邻域半径E,R-r的值接近于R-E,(R-r)/(R-E)接近于1。则可以说明所述用户位置坐标点位于常驻点范围内的可能性越高;反之,其与常驻点中心点的距离越接近于常驻点半径R,R-r的值接近于0,则R-r)/(R-E)接近于0,则可以说明所述用户位置坐标点位于常驻点范围内的可能性越低。利用上述公式可以准确的确定用户位置坐标点的常驻点置信度。并可以根据所述常驻点置信度向用户提供各种服务和信息。
本实施例通过增加如下步骤:根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。可以根据用户提供的位置坐标点,可以准确的确定所述位置坐标点的常驻点置信度。
实施例三
图3为本发明实施例三提供的常驻点中心点的确定方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,所述方法还可增加如下步骤:根据所述常驻点中心点和预设常驻点半径确定常驻点范围;根据常驻点内的轨迹坐标点对应的时间确定所述常驻点的类别。
相应的,本实施例提供的常驻点中心点的确定方法,具体包括:
步骤310、获取存储的用户轨迹坐标点集合。
步骤320、确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
步骤330、根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点。
步骤340、如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
步骤350、根据所述常驻点中心点和预设常驻点半径确定常驻点范围。
所述常驻点可以是一个地理范围。在根据上述方法确定常驻点中心点后,可以利用预设的常驻点半径来确定常驻点的范围。示例性的,可以以所述常驻点中心点为圆心,以所述预设常驻点半径为半径确定常驻点范围。所述预设常驻点半径可以由经验值确定。示例性的,可以采用100M或200M等。
步骤360、根据常驻点内的轨迹坐标点对应的时间确定所述常驻点的类别。
在确定常驻点范围后,可以确定所述常驻点范围内的轨迹坐标点。通常在采集用户轨迹坐标点时,会记录采集的时间,并将采集的时间与用户轨迹坐标点一同进行保存。因此,可以根据轨迹坐标点确定对应的采集时间。并可根据所述时间确定所述常驻点的类别。所述常驻点的类别可以包括:公司和家等场所。示例性的,可以设定工作日工作时间为10点-18点对应公司,设定每天在家时间为20点-次日8点对应家。如果所述常驻点范围内大部分的轨迹坐标点对应的时间都在工作日10点-18点范围之内,则可确定所述常驻点的类别为公司,如果所述常驻点范围内大部分的轨迹坐标点对应的时间都在每日20点-次日8点范围之内,则可确定所述常驻点的类别为家。可选的,可以预设一个比例阈值,在所述常驻点范围内对应的时间在设定时间范围内的轨迹坐标点与所述常驻点范围内所有轨迹坐标点的比值超过预设的比例阈值时,则可以确定所述常驻点的类别为预设时间段对应的常驻点类别。通过确定常驻点的类别,可以为用户提供相应的服务信息,以使得所述服务信息更加贴近用户的实际需求。例如:在工作日早上向用户提供从家到公司的路况信息服务等。
本实施例通过增加如下步骤:根据所述常驻点中心点和预设常驻点半径确定常驻点范围;根据常驻点内的轨迹坐标点对应的时间确定所述常驻点的类别。可以基于轨迹坐标点对应的时间,准确的确定常驻点的类别。以使得向用户提供的信息能够被用户所采用。
实施例四
图4是本发明实施例四提供的常驻点中心点的确定装置的结构示意图,如图4所示,所述装置包括:
获取模块410,用于获取存储的用户轨迹坐标点集合;
统计模块420,用于确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
选取模块430,用于根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点;
合并模块440,用于如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
本实施例提供的常驻点中心点的确定装置,通过根据用户轨迹的各个坐标点之间的距离关系,确定每个坐标点的邻域坐标点,并根据邻域坐标点的数量确定常驻点核心点,并对常驻点核心点进行合并,得到常驻点中心点。可以基于用户轨迹的各个坐标点的位置分布情况确定常驻点中心点,能够基于少量位置坐标点得到常驻点中心点,解决了终端侧无法得到常驻点的技术问题,能够实现在终端侧确定常驻点的技术效果。
在上述各实施例的基础上,所述统计模块包括:
选取单元,用于将所述每个轨迹坐标点作为候选坐标点,选取以所述候选坐标点为圆心,预设邻域半径的范围内的轨迹坐标点作为所述候选坐标点的邻域坐标点。
在上述各实施例的基础上,所述装置还包括:
置信度确定模块,用于根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。
在上述各实施例的基础上,所述置信度确定模块用于:
按照如下方式计算用户位置坐标点的常驻点置信度:
所述置信度确定模块用于:
按照如下方式计算用户位置坐标点的常驻点置信度:
其中,p为常驻点置信度,r为用户位置坐标点与常驻点中心点的距离,所述R为预设常驻点半径,所述E为预设邻域半径。
在上述各实施例的基础上,所述装置还包括:
范围确定模块,用于根据所述常驻点中心点和预设常驻点半径确定常驻点范围;
类别确定模块,用于根据常驻点内的轨迹坐标点对应的时间确定所述常驻点的类别。
在上述各实施例的基础上,所述获取模块包括:
获取单元,用于基于时间戳获取设定时间段内存储的用户轨迹坐标点集合。
本发明实施例所提供的常驻点中心点的确定装置可执行本发明任意实施例所提供的常驻点中心点的确定方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种终端的结构示意图。图5示出了适于用来实现本发明实施方式的示例性终端12的框图。图5显示的终端12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,终端12以通用计算设备的形式表现。终端12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
终端12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被终端12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。终端12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
终端12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该终端12交互的设备通信,和/或与使得该终端12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,终端12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与终端12的其它模块通信。应当明白,尽管图中未示出,可以结合终端12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的常驻点中心点的确定方法。
实施例六
本发明实施六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提供的任一所述的常驻点中心点的确定方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以相互组合,形成本领域技术人员可以理解的其他实施方式。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种常驻点中心点的确定方法,其特征在于,包括:
获取存储的用户轨迹坐标点集合;
确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点;
如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
2.根据权利要求1所述的方法,其特征在于,确定每个轨迹坐标点的邻域坐标点,包括:
将所述每个轨迹坐标点作为候选坐标点,选取以所述候选坐标点为圆心,预设邻域半径的范围内的轨迹坐标点作为所述候选坐标点的邻域坐标点。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。
4.根据权利要求3所述的方法,其特征在于,所述根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度,包括:
按照如下方式计算用户位置坐标点的常驻点置信度:
<mrow>
<mi>p</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
<mo>,</mo>
<mi>r</mi>
<mo><</mo>
<mo>=</mo>
<mi>E</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>,</mo>
<mi>r</mi>
<mo>></mo>
<mo>=</mo>
<mi>R</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>(</mo>
<mi>R</mi>
<mo>-</mo>
<mi>r</mi>
<mo>)</mo>
<mo>/</mo>
<mo>(</mo>
<mi>R</mi>
<mo>-</mo>
<mi>E</mi>
<mo>)</mo>
<mo>,</mo>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,p为常驻点置信度,r为用户位置坐标点与常驻点中心的距离,所述R为预设常驻点半径,所述E为预设邻域半径。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述常驻点中心点和预设常驻点半径确定常驻点范围;
根据常驻点内的轨迹坐标点对应的时间确定所述常驻点的类别。
6.根据权利要求1所述的方法,其特征在于,所述获取存储的用户轨迹坐标点集合,包括:
基于时间戳获取设定时间段内存储的用户轨迹坐标点集合。
7.一种常驻点中心点的确定装置,其特征在于,包括:
获取模块,用于获取存储的用户轨迹坐标点集合;
统计模块,用于确定所述集合中的轨迹坐标点的邻域坐标点,并统计所述轨迹坐标点的邻域坐标点的数量;
选取模块,用于根据所述邻域坐标点的数量选取轨迹坐标点,并将选取的轨迹坐标点作为常驻点核心点;
合并模块,用于如果任一轨迹坐标点及其邻域坐标点均为常驻点核心点,则将所述轨迹坐标点与其邻域坐标点进行合并,将合并的结果作为常驻点中心点。
8.根据权利要求7所述的装置,其特征在于,所述统计模块包括:
选取单元,用于将所述每个轨迹坐标点作为候选坐标点,选取以所述候选坐标点为圆心,预设邻域半径的范围内的轨迹坐标点作为所述候选坐标点的邻域坐标点。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:
置信度确定模块,用于根据用户位置坐标点与所述常驻中心点的距离、预设邻域半径和预设常驻点半径确定所述用户位置坐标点的常驻点置信度。
10.根据权利要求9所述的装置,其特征在于,所述置信度确定模块用于:
按照如下方式计算用户位置坐标点的常驻点置信度:
<mrow>
<mi>p</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
<mo>,</mo>
<mi>r</mi>
<mo><</mo>
<mo>=</mo>
<mi>E</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>,</mo>
<mi>r</mi>
<mo>></mo>
<mo>=</mo>
<mi>R</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>(</mo>
<mi>R</mi>
<mo>-</mo>
<mi>r</mi>
<mo>)</mo>
<mo>/</mo>
<mo>(</mo>
<mi>R</mi>
<mo>-</mo>
<mi>E</mi>
<mo>)</mo>
<mo>,</mo>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,p为常驻点置信度,r为用户位置坐标点与常驻点中心点的距离,所述R为预设常驻点半径,所述E为预设邻域半径。
11.一种终端,其特征在于,所述终端包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的常驻点中心点的确定方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的常驻点中心点的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711458883.0A CN108122012B (zh) | 2017-12-28 | 2017-12-28 | 常驻点中心点的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711458883.0A CN108122012B (zh) | 2017-12-28 | 2017-12-28 | 常驻点中心点的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108122012A true CN108122012A (zh) | 2018-06-05 |
CN108122012B CN108122012B (zh) | 2020-11-24 |
Family
ID=62232279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711458883.0A Active CN108122012B (zh) | 2017-12-28 | 2017-12-28 | 常驻点中心点的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122012B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110213714A (zh) * | 2019-05-10 | 2019-09-06 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN110647675A (zh) * | 2019-08-07 | 2020-01-03 | 北京百度网讯科技有限公司 | 停留点识别及预测模型训练方法、装置及存储介质 |
CN111179136A (zh) * | 2019-08-01 | 2020-05-19 | 北京百分点信息科技有限公司 | 一种动态管控方法、装置、电子设备 |
CN111380547A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 熟路轨迹确定方法、装置、计算机设备和存储介质 |
CN111831760A (zh) * | 2019-04-23 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 处理位置数据的方法及相应的装置、计算机可读存储介质 |
CN113688197A (zh) * | 2021-08-26 | 2021-11-23 | 沈阳美行科技有限公司 | 一种常驻点标签确定方法、装置、设备及存储介质 |
US11418918B2 (en) | 2019-08-07 | 2022-08-16 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, computer device and storage medium for stay point recognition |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116696A (zh) * | 2013-01-16 | 2013-05-22 | 上海美慧软件有限公司 | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 |
CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术(北京)有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
CN104615881A (zh) * | 2015-01-30 | 2015-05-13 | 南京烽火星空通信发展有限公司 | 一种基于移动位置应用的用户常态轨迹分析方法 |
US9275545B2 (en) * | 2013-03-14 | 2016-03-01 | John Felix Hart, JR. | System and method for monitoring vehicle traffic and controlling traffic signals |
US9483468B2 (en) * | 2014-04-30 | 2016-11-01 | International Business Machines Corporation | Tagging geographical areas |
US20170013522A1 (en) * | 2014-07-16 | 2017-01-12 | International Business Machines Corporation | Determining a location of a mobile device |
CN106850777A (zh) * | 2017-01-17 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 推送信息的方法和装置 |
CN106897331A (zh) * | 2016-06-07 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 用户关键位置数据获取方法及装置 |
CN107067038A (zh) * | 2017-04-20 | 2017-08-18 | 哈尔滨工业大学 | 一种基于pdr轨迹绘制的室内楼宇轮廓修整方法 |
WO2017155466A1 (en) * | 2016-03-09 | 2017-09-14 | Trakomatic Pte. Ltd. | Method and system for visitor tracking at a pos area |
CN107291847A (zh) * | 2017-06-02 | 2017-10-24 | 东北大学 | 一种基于MapReduce的大规模数据分布式聚类处理方法 |
CN107291888A (zh) * | 2017-06-21 | 2017-10-24 | 苏州发飚智能科技有限公司 | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 |
CN107316050A (zh) * | 2017-05-19 | 2017-11-03 | 中国科学院西安光学精密机械研究所 | 基于柯西损失函数的子空间自表达模型聚类方法 |
CN107515890A (zh) * | 2017-07-04 | 2017-12-26 | 深圳市金立通信设备有限公司 | 一种识别常驻点的方法及终端 |
-
2017
- 2017-12-28 CN CN201711458883.0A patent/CN108122012B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116696A (zh) * | 2013-01-16 | 2013-05-22 | 上海美慧软件有限公司 | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 |
US9275545B2 (en) * | 2013-03-14 | 2016-03-01 | John Felix Hart, JR. | System and method for monitoring vehicle traffic and controlling traffic signals |
US9483468B2 (en) * | 2014-04-30 | 2016-11-01 | International Business Machines Corporation | Tagging geographical areas |
US20170013522A1 (en) * | 2014-07-16 | 2017-01-12 | International Business Machines Corporation | Determining a location of a mobile device |
CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术(北京)有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
CN104615881A (zh) * | 2015-01-30 | 2015-05-13 | 南京烽火星空通信发展有限公司 | 一种基于移动位置应用的用户常态轨迹分析方法 |
WO2017155466A1 (en) * | 2016-03-09 | 2017-09-14 | Trakomatic Pte. Ltd. | Method and system for visitor tracking at a pos area |
CN106897331A (zh) * | 2016-06-07 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 用户关键位置数据获取方法及装置 |
CN106850777A (zh) * | 2017-01-17 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 推送信息的方法和装置 |
CN107067038A (zh) * | 2017-04-20 | 2017-08-18 | 哈尔滨工业大学 | 一种基于pdr轨迹绘制的室内楼宇轮廓修整方法 |
CN107316050A (zh) * | 2017-05-19 | 2017-11-03 | 中国科学院西安光学精密机械研究所 | 基于柯西损失函数的子空间自表达模型聚类方法 |
CN107291847A (zh) * | 2017-06-02 | 2017-10-24 | 东北大学 | 一种基于MapReduce的大规模数据分布式聚类处理方法 |
CN107291888A (zh) * | 2017-06-21 | 2017-10-24 | 苏州发飚智能科技有限公司 | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 |
CN107515890A (zh) * | 2017-07-04 | 2017-12-26 | 深圳市金立通信设备有限公司 | 一种识别常驻点的方法及终端 |
Non-Patent Citations (3)
Title |
---|
刘翔等: "平面空间时空轨迹快速聚类算法研究", 《科学技术与工程》 * |
张晓等: "一种基于密度的快速聚类方法", 《数据采集与处理》 * |
蔡永旺等: "适用于公交站点聚类的DBSCAN改进算法", 《计算机工程》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111380547A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 熟路轨迹确定方法、装置、计算机设备和存储介质 |
CN111380547B (zh) * | 2018-12-29 | 2022-05-17 | 沈阳美行科技股份有限公司 | 熟路轨迹确定方法、装置、计算机设备和存储介质 |
CN111831760A (zh) * | 2019-04-23 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 处理位置数据的方法及相应的装置、计算机可读存储介质 |
CN111831760B (zh) * | 2019-04-23 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 处理位置数据的方法及相应的装置、计算机可读存储介质 |
CN110213714A (zh) * | 2019-05-10 | 2019-09-06 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN111179136A (zh) * | 2019-08-01 | 2020-05-19 | 北京百分点信息科技有限公司 | 一种动态管控方法、装置、电子设备 |
CN110647675A (zh) * | 2019-08-07 | 2020-01-03 | 北京百度网讯科技有限公司 | 停留点识别及预测模型训练方法、装置及存储介质 |
CN110647675B (zh) * | 2019-08-07 | 2022-05-27 | 北京百度网讯科技有限公司 | 停留点识别及预测模型训练方法、装置及存储介质 |
US11379741B2 (en) | 2019-08-07 | 2022-07-05 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus and storage medium for stay point recognition and prediction model training |
US11418918B2 (en) | 2019-08-07 | 2022-08-16 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, computer device and storage medium for stay point recognition |
CN113688197A (zh) * | 2021-08-26 | 2021-11-23 | 沈阳美行科技有限公司 | 一种常驻点标签确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108122012B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122012A (zh) | 常驻点中心点的确定方法、装置、设备及存储介质 | |
Gong et al. | Inferring trip purposes and uncovering travel patterns from taxi trajectory data | |
US6865538B2 (en) | Meeting location determination using spatio-semantic modeling | |
CN105701123B (zh) | 人车关系的识别方法及装置 | |
US10762119B2 (en) | Semantic labeling apparatus and method thereof | |
CN105228243B (zh) | 确定移动装置用户的位置的方法和设备 | |
CN105008959A (zh) | 经由gps定位利用分布的分析产生地理围栏 | |
AU2018222821A1 (en) | Trajectory analysis through fusion of multiple data sources | |
WO2017107800A1 (zh) | 获取交通道路中路线热度的方法及装置 | |
CN104813316A (zh) | 具有本地化应用程序推荐的移动设备 | |
CN102761606B (zh) | 一种确定目标用户的方法及设备 | |
KR100723842B1 (ko) | 사용자 생성 위치기반 서비스 시스템 및 그 제공 방법 | |
WO2014110647A1 (en) | Methods and systems relating to privacy in location based mobile applications | |
CN108921656B (zh) | 业务推荐方法及装置 | |
CN110444133A (zh) | 一种旅游景点智能导游的方法和装置 | |
CN108712712A (zh) | 无线保真WiFi网络关联信息显示方法及装置 | |
CN104239453B (zh) | 数据处理方法及装置 | |
CN110046218B (zh) | 一种用户出行模式的挖掘方法、装置、系统和处理器 | |
CN107454180A (zh) | 信息推送方法 | |
CN109211259A (zh) | 轨迹路线的显示方法、装置、终端及存储介质 | |
WO2015177858A1 (ja) | トリップ属性推定システム、トリップ属性推定方法、トリップ属性推定プログラム、及び交通行動調査システム | |
CN104618869A (zh) | 室内定位方法和设备 | |
Malmi et al. | Checking in or checked in: comparing large-scale manual and automatic location disclosure patterns | |
CN108124270A (zh) | 一种lte网络的覆盖评估方法及装置 | |
WO2018151672A1 (en) | Trajectory analysis through fusion of multiple data sources |
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 |