CN109299198A - 一种基于多维数据的社交关系分析方法 - Google Patents

一种基于多维数据的社交关系分析方法 Download PDF

Info

Publication number
CN109299198A
CN109299198A CN201811191880.XA CN201811191880A CN109299198A CN 109299198 A CN109299198 A CN 109299198A CN 201811191880 A CN201811191880 A CN 201811191880A CN 109299198 A CN109299198 A CN 109299198A
Authority
CN
China
Prior art keywords
poi
user
record
social networks
data
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.)
Pending
Application number
CN201811191880.XA
Other languages
English (en)
Inventor
马元
丁双安
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.)
Yuan Li Cloud Network Co Ltd
Original Assignee
Yuan Li Cloud Network 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 Yuan Li Cloud Network Co Ltd filed Critical Yuan Li Cloud Network Co Ltd
Priority to CN201811191880.XA priority Critical patent/CN109299198A/zh
Publication of CN109299198A publication Critical patent/CN109299198A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据挖掘技术领域,公开了一种基于多维数据的社交关系分析方法,包括如下步骤:室内实时定位轨迹数据的存储步骤:获取并存储用户在室内的定位数据;室内POI停留记录处理步骤:根据设定的用户在某个POI的连续停留条件,从用户在室内的定位数据中得到该用户的POI停留记录;用户初步的同行关系分析步骤:通过比较各用户的POI停留记录,以得知两个用户在某个POI的停留记录有是否有交集;深入的社交关系分析步骤:根据上一步骤所得知的有交集的POI停留记录,以及其他维度的数据判断两个用户间的社交关系。

Description

一种基于多维数据的社交关系分析方法
技术领域
本发明属于数据挖掘技术领域,具体涉及一种基于多维数据的社交关系分析方法。
背景技术
现有主流的用户社交关系分析,一部分局限于互联网用户浏览、点击、购物和评论数据,对用户的线上行为作数据分析,无法体现用户活动与其当前所在地理位置的关系;另有部分仅仅以用户移动设备的GPS信号数据作粗略的行为分析,由于人们的活动大部分时间是在室内的,这种仅仅基于GPS信号的数据分析方法不能完整的体现出人们行为特征的全貌。
当前,基于定位技术的位置服务(LBS)目前已广泛应用于用户生活的各个方面,室内可采用WIFI、蓝牙、地磁等技术定位;同时,在传统的地理信息的基础上还发展出了兴趣点(POI Point of Interest)这一有别于地理位置点的概念,代表着地图上具有代表性的地物和生活中常见的地理实体,包括餐厅、车站、酒店、标志性建筑物等内容。将与生活息息相关的地理实体抽象为一个点,便于在地图上标示位置信息,方便用户检索、查询等,一般情况下,POI具备两个方面的属性:空间属性和非空间属性,空间属性包括经纬度坐标和文本地址,非空间属性包括名称和分类信息,如商铺、影院、网吧、小区、办公场所和住宅等,不同的地理信息服务商提供的POI数据都会具备这四个基本信息,仅仅侧重点和表达方式各有不同;而室内兴趣点则是将室内空间的具有代表性的部分抽象为一个点,如商场里的某个店铺、电影院,住宅楼里的某一个单元、写字楼里的某个办公室等,由于室内兴趣点具有丰富的信息维度,将其运用到室内定位轨迹数据的分析和挖掘,中能更深入的理解用户的行为习惯,进而解决现有技术的不足,发掘出用户之间的潜在社交关系。
发明内容
本发明意在提供一种基于多维数据的社交关系分析方法,可以利用室内兴趣点的丰富信息维度,对用户在室内的停留进行分析,进而发掘出用户之间的潜在社交关系。
本发明中的多维时空数据的社交关系分析方法,包括如下步骤:
室内实时定位轨迹数据的存储步骤:获取并存储用户在室内的定位数据;
室内POI停留记录处理步骤:根据设定的用户在某个POI的连续停留条件,从用户在室内的定位数据中得到该用户的POI停留记录;
用户初步的同行关系分析步骤:通过比较各用户的POI停留记录,以得知两个用户在某个POI的POI停留记录有是否有交集;
深入的社交关系分析步骤:根据上一步骤所得知的有交集的POI停留记录,判断两个用户间的社交关系。
本发明所提出了一种对于静态的室内定位数据作用户停留分析的方法,并基于此方法,通过预先设定连续停留条件,对用户之间在POI的初步同行关系进行挖掘,利用了POI本身所具备的多个信息维度以及定位信息的时间和空间信息维度,深入挖掘出用户之间的社交关系;而连续停留条件可以是但不限于时间条件、空间条件和特定信息条件等任何可以判断用户是否在此处停留的条件。
对于室内离线轨迹数据进行处理,结合室内POI的描述信息,可以得到用户在特定室内场景的停留时长、活动范围等,为刻画用户的行为习惯提供了基础。若干个用户在同一时间、同一POI的停留作了交叉分析,初步得到了他们的同行关系。结合其它维度的数据所带来的信息,融合用户初步的同行关系,进而可分析出用户之间特定的社交关系。
进一步,在室内POI停留记录处理步骤前还包括,POI停留进行初始化的步骤:将用户在某一时间段内的室内定位数据序列,按时间戳从远及近对该序列作排序;
取用户对应某个POI的最开始的一条室内定位数据作为初始的POI停留记录。
按照时间戳排序可以很方面的利用定位数据来提供时间维度的信息。
进一步,所述连续停留条件为,用户连续两个对应同一POI的定位数据间的时间差小于设定阈值的时间。
进一步,所述POI停留记录包括,用户ID、POI ID、日期、星期数、起始时间和结束时间;如果为初始的POI停留记录,则起始时间与结束时间相同。
进一步,从用户在室内的定位数据中得到该用户的POI停留记录的具体内容为,以初始的POI停留记录为起点,沿时间从远及近的方向逐一判断下一定位数据是否满足连续停留条件,如果是则以当前定位数据的时间更新所述记录的结束时间。
进一步,在深入的社交关系分析步骤中,还利用用户的通话记录数据、通讯录数据、交易记录数据及物流记录数据中的一种或多种判断两个用户间的社交关系。
这些维度的数据体现了用户间的沟通交流信息,对于判断用户间的社交关系很有帮助。
进一步,在深入的社交关系分析步骤中,根据POI具备的特定的属性和同行的时间段分析用户间的社交关系。
不同社交关系的用户间的同行POI会有差异,如朋友和家人间会存在不同的POI,再结合同行时间,可以更为准确的推断出用户间的社交关系。
附图说明
图1为本发明实施例中基于多维数据的社交关系分析方法的室内POI停留计算流程图。
图2为本发明实施例一种基于多维数据的社交关系分析方法的室内定位社交关系计算流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
本实施例中的基于多维时空数据的社交关系分析方法,分为室内POI停留计算和室内定位社交关系计算两部分,其中室内POI停留计算的流程基本如图1所示,实施方式如下:
1.室内实时定位轨迹数据的存储步骤:
对于安装了室内定位服务的移动设备,在后台服务器提供实时定位服务的时候,同时将定位数据通过Kafka分布式发布订阅消息系统和Spark Streaming实时计算框架存储到分布式存储系统HDFS上,并按日期创建分区。
2.对POI停留记录进行初始化的步骤:
1)以一个用户在某一日期(一天)的室内定位数据为例,指定用户ID和某个日期,通过spark加载HDFS上的离线定位数据得到序列,按时间戳从远及近对该序列作排序。
2)取用户对应某个POI的最开始的一条记录作为初始的POI停留记录,其时间戳作为起始时间,同时也将该时间戳作为初始的结束时间(在下面一个步骤中不断更新),并通过转换日期添加星期数字段。记录的形式包含如下字段:
用户ID,POI ID,日期,星期数,起始时间,结束时间。
3)进入到序列的下一定位数据记录,进行步骤3的操作。
在此步骤中,将用户的记录与具体的POI进行对应的方法,则采用现有技术,可以是但不限于,利用用户当时所接入的AP与POI的对应关系,该关系是可以事先定义的;还可以是根据该记录的定位是否处于某POI所在定位点周围一定范围内来进行记录与具体POI的对应,以上均为现有技术,在此不做过多赘述。
3.室内POI停留记录处理步骤:
1)设定用户在某个POI连续停留条件,即当前记录与上一条记录的时间差小于某个阈值的时间,则认为当前记录是上一条记录的连续,即在此时刻用户仍然停留在当前POI。
2)在步骤2的基础上,当前定位记录与上一条记录的POI和时间,首先记录起始点的POI和时间,如果当前记录同时满足上述的连续停留条件,则保持步骤2中的起始时间不变,更新该记录的时间为停留该POI的结束时间。
3)依2)对序列数据逐条顺序判断,直到不满足连续停留条件或POI变化为止,最后更新的结束时间为该用户在该POI上的最终停留时间,保存用户标识、POI标识、停留起始时间和停留结束时间为一条完整的POI停留记录,同时将不满足连续停留条件或POI变化的定位记录按步骤2处理作为一条新的初始的POI停留记录。
4)举例详细说明以上步骤,有如下定位轨迹数据(为方便说明,POI用名称代替ID):
序号 用户ID 定位的POI 定位时间戳
1 1024 404办公室 2018-08-28 09:00:03
2 1024 404办公室 2018-08-28 09:21:15
3 1024 404办公室 2018-08-28 09:30:20
4 1024 404办公室 2018-08-28 09:40:56
5 1024 404办公室 2018-08-28 15:10:00
6 1024 404办公室 2018-08-28 15:15:23
7 1024 404办公室 2018-08-28 15:33:45
8 1024 万达广场(萝岗店) 2018-08-28 15:49:23
9 1024 万达广场(萝岗店) 2018-08-28 16:05:41
在上表中,如果设定连续停留的时间间隔阈值为30分钟,则序号1到4构成一个完成的POI停留记录,表示如下:
1024,404办公室,2018-08-28,2018-08-28 09:00:03,2018-08-28 09:40:56
序号4到5之间,由于时间间隔已经超过30分钟的阈值,则认为序号5是一个新的停留记录的开始,一直到序号7,记为如下:
1024,404办公室,2018-08-28,2018-08-28 15:10:00,2018-08-28 15:33:45
序号8开始,由于POI的改变,则认为又是一个新的停留记录的开始,一直到序号9,以下依次类推。
计算得到的停留记录均保存在室内停留记录数据库内,供下一阶段的室内定位社交关系计算使用。
室内定位社交关系计算的流程基本如图2所示,实施方式如下:
4.用户初步的同行关系分析步骤:
在通过步骤3完成所有用户的停留计算后,对形成的室内停留记录数据库遍历每个用户,通过两条比较其它用户的停留记录,如果两个用户在某个POI的停留时间段有交集,则将该两个用户的标识、停留交集的起始点、共同停留的POI作为一条完整的同行记录保存下来。同行记录的形式包含如下字段:
用户ID A,用户ID B,同行POI ID,日期,星期数,同行起始时间,同行结束时间。
5.深入的社交关系分析步骤:
对于4中形成的同行关系数据的深入挖掘按以下步骤进行:
结合用户之间的其他维度数据,如通话记录、通讯录等等,如果两个用户之间同时是同行关系,而且也是通讯录好友或者经常通话,可以认为他们之间的同行关系权重更大。
类似的,还可以利用的数据包括交易记录数据及物流记录数据。
再结合POI具备的某些特定的属性和同行的时间段分析,可以认为用户之间满足某种特定的社交关系,如:POI是住宅小区性质和同行时间段满足晚上22:00至次日7:00之间,则可初步判定为是家人关系;POI是某个写字楼办公室和同行时间段满足工作时间9:00至18:00,则可初步判定为是同事关系;POI是某个购物娱乐场所和同行日期段满足节假日,则可初步判定为是朋友或闺蜜关系。
实施例二:.
本实施例中,还通过持续的对特定用户在特定兴趣点的停留进行分析;
首先,根据用户个人信息中的年龄,筛选出未成年人用户的ID;并对他们的POI停留记录进行监控,并设定一些对于未成年人用户有不良影响的POI的监控规则;例如,对于未成年人用户在网吧类的POI停留记录进行统计,首先筛选此类POI停留记录中,停留时长超过1小时的停留记录,再统计平均每周的超过1小时的停留记录出现的次数,如果超过设定阈值,则标记此周为特定POI停留多发周;同时,还调出与这些停留时长超过1小时的停留记录相关的同行记录,并筛选出同行用户,再根据同行用户的POI停留记录,筛选出与本用户还具备学校类POI的同行记录,且同行时间段满足上课时间的同行用户,并将这些同行用户形成一个用户组,初步判断此用户组内的用户的社交关系为同校同学;在此用户组中,通过教室类POI的停留记录进一步的区分社交关系,如:还具备同一教室的类POI的同行记录的,为同班同学;不满足同班同学判断条件,但根据学校的教室安排得知,教室类POI隶属于同一年级的教室的,为同年级同学;不满足前两个判断标准的,则为同校同学。
此外,如果在设定的监控时间段内,监控时间段可以是但不限于4至12周,发现某用户的特定POI停留多发周占总周数的比例大于阈值,则通过用户信息中的家长联系方式向家长发出预警,让家长可以知晓这一个情况;另一方面,则将上述用户组中同一班级的用户的连续两个或更多监控时间段的网吧类POI停留记录进行时间比对,根据特定POI停留多发周出现的早晚排列这些同一班级的用户,并根据用户信息中的班主任联系方式向班主任发送排列结果以及该班级上被列在用户组内的用户的特定POI停留多发周的具体时间分布,从而让班主任知晓班级上最先出现常去网吧现象的同学,以及同学间相互影响的关系是怎样的,方便班主任进行思想教育工作或是采取措施,以遏制事态向更为严重的方向发展;另外还可以得知每一用户第一次出现特定POI停留多发周的时间,通过与同一时间段的其他事件的纵向比对,来判断用户为何突然出现常常去网吧的现象,更有利于班主任有针对性的展开思想教育工作。
同理,同年级用户的排列和同校用户的排列,会被分别发送给年级组长和教导主任,方便他们展开工作,由于用户已经被按照班级和年级进行了标引,所以年级组长和教导主任很方便的可以进行统计比对。
以上所述的仅是本发明的实施例,方案中公知的技术手段和常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (7)

1.一种基于多维数据的社交关系分析方法,其特征在于:包括如下步骤:
室内实时定位轨迹数据的存储步骤:获取并存储用户在室内的定位数据;
室内POI停留记录处理步骤:根据设定的用户在某个POI的连续停留条件,从用户在室内的定位数据中得到该用户的POI停留记录;
用户初步的同行关系分析步骤:通过比较各用户的POI停留记录,以得知两个用户在某个POI的POI停留记录有是否有交集;
深入的社交关系分析步骤:根据上一步骤所得知的有交集的POI停留记录,判断两个用户间的社交关系。
2.根据权利要求1所述的一种基于多维数据的社交关系分析方法,其特征在于:在室内POI停留记录处理步骤前还包括,对POI停留记录进行初始化的步骤:将用户在某一时间段内的室内定位数据序列,按时间戳从远及近对该序列作排序;
取用户对应某个POI的最开始的一条室内定位数据作为初始的POI停留记录。
3.根据权利要求2所述的一种基于多维数据的社交关系分析方法,其特征在于:所述连续停留条件为,用户连续两个对应同一POI的定位数据间的时间差小于设定阈值的时间。
4.根据权利要求2所述的一种基于多维数据的社交关系分析方法,其特征在于:所述POI停留记录包括,用户ID、POIID、日期、星期数、起始时间和结束时间;如果为初始的POI停留记录,则起始时间与结束时间相同。
5.根据权利要求1所述的一种基于多维数据的社交关系分析方法,其特征在于:在深入的社交关系分析步骤中,还利用用户的通话记录数据、通讯录数据、交易记录数据及物流记录数据中的一种或多种判断两个用户间的社交关系。
6.根据权利要求4所述的一种基于多维数据的社交关系分析方法,其特征在于:从用户在室内的定位数据中得到该用户的POI停留记录的具体内容为,以初始的POI停留记录为起点,沿时间从远及近的方向逐一判断下一定位数据是否满足连续停留条件,如果是则以当前定位数据的时间更新所述记录的结束时间。
7.根据权利要求1所述的一种基于多维数据的社交关系分析方法,其特征在于:在深入的社交关系分析步骤中,根据POI具备的特定的属性和同行的时间段分析用户间的社交关系。
CN201811191880.XA 2018-10-12 2018-10-12 一种基于多维数据的社交关系分析方法 Pending CN109299198A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811191880.XA CN109299198A (zh) 2018-10-12 2018-10-12 一种基于多维数据的社交关系分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811191880.XA CN109299198A (zh) 2018-10-12 2018-10-12 一种基于多维数据的社交关系分析方法

Publications (1)

Publication Number Publication Date
CN109299198A true CN109299198A (zh) 2019-02-01

Family

ID=65162499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811191880.XA Pending CN109299198A (zh) 2018-10-12 2018-10-12 一种基于多维数据的社交关系分析方法

Country Status (1)

Country Link
CN (1) CN109299198A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652451A (zh) * 2020-08-06 2020-09-11 腾讯科技(深圳)有限公司 社交关系的获取方法和装置及存储介质
CN112256982A (zh) * 2020-09-15 2021-01-22 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112489396A (zh) * 2020-11-16 2021-03-12 中移雄安信息通信科技有限公司 一种行人尾随行为检测方法、装置、电子设备和存储介质
CN113222660A (zh) * 2019-10-31 2021-08-06 支付宝(杭州)信息技术有限公司 一种位置定位方法、装置、介质及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100174709A1 (en) * 2008-12-18 2010-07-08 Hansen Andrew S Methods For Searching Private Social Network Data
US20110055204A1 (en) * 2009-09-02 2011-03-03 Samsung Electronics Co., Ltd. Method and apparatus for content tagging in portable terminal
CN102097004A (zh) * 2011-01-31 2011-06-15 上海美慧软件有限公司 一种基于手机定位数据的出行od矩阵获取方法
CN103164480A (zh) * 2011-12-13 2013-06-19 北京千橡网景科技发展有限公司 用于在社交网络中推荐兴趣点的方法和设备
CN105117424A (zh) * 2015-07-31 2015-12-02 中国科学院软件研究所 一种基于停留时间的移动对象语义行为模式挖掘方法
CN105825310A (zh) * 2016-04-11 2016-08-03 湖南科技大学 基于信息熵的出租车寻客路线推荐方法
CN106384120A (zh) * 2016-08-29 2017-02-08 深圳先进技术研究院 一种基于手机定位数据的居民活动模式挖掘方法及装置
CN106776988A (zh) * 2016-12-06 2017-05-31 北京中交兴路信息科技有限公司 一种基于时间聚合的停靠点确定方法及装置
CN106980644A (zh) * 2017-02-20 2017-07-25 浙江大学 一种异构城市数据的个体人际关系可视推理方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100174709A1 (en) * 2008-12-18 2010-07-08 Hansen Andrew S Methods For Searching Private Social Network Data
US20110055204A1 (en) * 2009-09-02 2011-03-03 Samsung Electronics Co., Ltd. Method and apparatus for content tagging in portable terminal
CN102097004A (zh) * 2011-01-31 2011-06-15 上海美慧软件有限公司 一种基于手机定位数据的出行od矩阵获取方法
CN103164480A (zh) * 2011-12-13 2013-06-19 北京千橡网景科技发展有限公司 用于在社交网络中推荐兴趣点的方法和设备
CN105117424A (zh) * 2015-07-31 2015-12-02 中国科学院软件研究所 一种基于停留时间的移动对象语义行为模式挖掘方法
CN105825310A (zh) * 2016-04-11 2016-08-03 湖南科技大学 基于信息熵的出租车寻客路线推荐方法
CN106384120A (zh) * 2016-08-29 2017-02-08 深圳先进技术研究院 一种基于手机定位数据的居民活动模式挖掘方法及装置
CN106776988A (zh) * 2016-12-06 2017-05-31 北京中交兴路信息科技有限公司 一种基于时间聚合的停靠点确定方法及装置
CN106980644A (zh) * 2017-02-20 2017-07-25 浙江大学 一种异构城市数据的个体人际关系可视推理方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222660A (zh) * 2019-10-31 2021-08-06 支付宝(杭州)信息技术有限公司 一种位置定位方法、装置、介质及设备
CN113222660B (zh) * 2019-10-31 2022-04-22 支付宝(杭州)信息技术有限公司 一种位置定位方法、装置、介质及设备
CN111652451A (zh) * 2020-08-06 2020-09-11 腾讯科技(深圳)有限公司 社交关系的获取方法和装置及存储介质
CN112256982A (zh) * 2020-09-15 2021-01-22 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112256982B (zh) * 2020-09-15 2022-08-16 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112489396A (zh) * 2020-11-16 2021-03-12 中移雄安信息通信科技有限公司 一种行人尾随行为检测方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN109299198A (zh) 一种基于多维数据的社交关系分析方法
CN106096631B (zh) 一种基于手机大数据的流动人口分类识别分析方法
Orellana et al. Exploring visitor movement patterns in natural recreational areas
Becker et al. A tale of one city: Using cellular network data for urban planning
Li et al. Constructing human activity spaces: A new approach incorporating complex urban activity-travel
CN106254142A (zh) 一种基于移动通信运营数据的城市群体行为监测系统
Greger Spatio‐temporal building population estimation for highly urbanized areas using GIS
CN106447573A (zh) 一种基于公共设施差异性的空间可达性分析方法及装置
Andrienko et al. Extracting Semantics of Individual Places from Movement Data by Analyzing Temporal Patterns of Visits.
DE202012013463U1 (de) Das Erzeugen und Beobachten von Benachrichtigungen für einen geographischen Bereich
CN108230020B (zh) 一种基于多维时间粒度时空频繁区域挖掘的方法
CN110545317A (zh) 一种基于栅格感知助力区域划小服务的方法和装置
CN107908636A (zh) 一种利用社交媒体挖掘人类活动时空模式的方法
Yuan et al. Recognition of functional areas based on call detail records and point of interest data
CN112512032B (zh) 一种基于手机信令数据的对外出行人群识别方法
Manfredini et al. Toward a systemic use of manifold cell phone network data for urban analysis and planning
CN111784830A (zh) 一种基于规则的三维地理信息模型空间分析方法与系统
Pu et al. Visual analysis of people's mobility pattern from mobile phone data
US8027868B1 (en) Trade area analyzer
CN110728454A (zh) 一种个体出行分析系统
CN113298301A (zh) 一种基于人群数字画像的城市服务设施评价及优化方法
Pratap et al. Where, when and how people move in large-scale urban networks: the Grenoble saga
CN103440278A (zh) 一种数据挖掘系统和方法
Maji et al. A Data warehouse based analysis on CDR to depict market share of different mobile brands
CN106682168A (zh) 一种跨域城市数据可视查询系统的构建方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190201