CN110263840B - 一种线路分析方法、装置及程序产品、存储介质 - Google Patents
一种线路分析方法、装置及程序产品、存储介质 Download PDFInfo
- Publication number
- CN110263840B CN110263840B CN201910511483.4A CN201910511483A CN110263840B CN 110263840 B CN110263840 B CN 110263840B CN 201910511483 A CN201910511483 A CN 201910511483A CN 110263840 B CN110263840 B CN 110263840B
- Authority
- CN
- China
- Prior art keywords
- track
- sequence
- sequences
- track sequence
- subset
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
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)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请实施例公开了一种线路分析方法及装置,具体为,数据中心从各个基站获取信令数据,并根据信令数据确定目标用户的轨迹序列。再根据每个目标用户的轨迹序列构建原始轨迹序列集合,并将原始轨迹序列集合中的具有包含关系的任意两个轨迹序列进行合并形成第一轨迹序列子集合。再将第一轨迹序列子集合中的具有相似关系的任意两个轨迹序列进行合并形成第二轨迹序列子集合,并将第二轨迹序列子集合中的轨迹序列对应的线路进行展示。即,在分析一段时间内达到预定区域的人群的主要路线时,依据的是用户实际的轨迹序列,而且合并后的轨迹序列仍为实际存在的轨迹序列,避免通过聚类得出的路线偏离实际路线。
Description
技术领域
本申请涉及大数据技术领域,具体涉及一种线路分析方法、装置及程序产品、存储介质。
背景技术
随着大数据技术的普及,目前如何通过使用移动终端信令进行人群时空行为分析成为新的技术方向。通过这种行为分析,可以对几乎每一个人的空间行为进行分析,了解每个人每时每刻的位置及动向。人群时空行为分析的需求中,大部分都是针对某一个设定区域,通过不同维度和视角分析该区域的各方面信息,辅助决策。在针对某一个设定区域的人群时空行为分析中,很多需求是分析在一段时间内到达设定区域的人群的来源地和路线。分析的目的在于可以了解到人群的主要来访路线,辅助做好宣传、安保、交通疏导等工作。
在现有技术中,分析在一段时间内到达设定区域的人群的主要路线,可以通过获取大量用户的轨迹数据,对用户的轨迹数据进行聚类得到若干条主要线路。但是,该种方式存在计算复杂且聚类得出的路线与实际路线存在偏差的技术问题。
发明内容
有鉴于此,本申请实施例提供一种线路分析方法、装置及程序产品、存储介质,以解决现有技术中线路分析计算复杂且不准确的技术问题。
为解决上述问题,本申请实施例提供的技术方案如下:
一种线路分析方法,所述方法包括:
获取信令数据,根据所述信令数据确定在预设时间段内达到预定区域的目标用户并得到所述目标用户的轨迹序列;
利用所述目标用户的轨迹序列构建原始轨迹序列集合;
如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合;
如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合;
将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示。
在一种可能的实现方式中,所述利用所述目标用户的轨迹序列构建原始轨迹序列集合,包括:
当任一目标用户的轨迹序列中的轨迹点个数少于第一阈值或者大于第二阈值,将该目标用户的轨迹序列删除,将其他目标用户的轨迹序列组成原始轨迹序列集合。
在一种可能的实现方式中,所述如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合,包括:
从所述原始轨迹序列集合中选取任意两个轨迹序列;
如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列删除;
重复执行所述从所述原始轨迹序列集合中选取任意两个轨迹序列及后续步骤,直到所述原始轨迹序列集合中的任意一个轨迹序列均不与其他轨迹序列相同或者为其他轨迹序列的子序列,将所述原始轨迹序列集合中剩余的轨迹序列组成第一轨迹序列子集合。
在一种可能的实现方式中,所述方法还包括:
如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列对应的路线人次与所选取的另一个轨迹序列对应的路线人次相加之后作为所选取的另一个轨迹序列对应的路线人次。
在一种可能的实现方式中,所述如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合,包括:
计算所述第一轨迹序列子集合中任意两个轨迹序列之间的相似度;
根据所述任意两个轨迹序列之间的相似度构建至少一个相似轨迹集合,每个所述相似轨迹集合中任意两个轨迹序列之间的相似度均大于预设阈值;
按照所述相似轨迹集合中轨迹序列数量对所述相似轨迹集合进行排序;
按照所述相似轨迹集合的排序顺序,将排序在后的相似轨迹集合与其之前的每个排序在先的相似轨迹集合进行比较,将属于排序在后的相似轨迹集合且属于排序在先的相似轨迹集合中的轨迹序列,从所述排序在后的相似轨迹集合中删除,以生成更新后的相似轨迹集合;
将每个所述更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中。
在一种可能的实现方式中,所述计算所述第一轨迹序列子集合中任意两个轨迹序列之间的相似度,包括:
从所述第一轨迹序列子集合中选取任意两个轨迹序列;
计算所选取的两个轨迹序列之间的莱文斯坦距离,根据所述莱文斯坦距离确定所选取的两个轨迹序列之间的相似度。
在一种可能的实现方式中,所述将每个所述更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中之后,所述方法还包括:
将每个所述更新后的相似轨迹集合中的各个轨迹序列对应的路线人次相加之后,作为所构成的新的轨迹序列对应的路线人次。
在一种可能的实现方式中,所述将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示,包括:
将所述第二轨迹序列子集合中的轨迹序列按照对应的路线人次进行排序,将排序满足预设条件的轨迹序列对应的线路进行展示。
一种线路分析装置,所述装置包括:
获取单元,用于获取信令数据,根据所述信令数据确定在预设时间段内达到预定区域的目标用户并得到所述目标用户的轨迹序列;
构建单元,用于利用所述目标用户的轨迹序列构建原始轨迹序列集合;
第一合并单元,用于如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合;
第二合并单元,用于如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合;
展示单元,用于将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示。
一种计算机可读存储介质,所述机算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述的线路分析的方法。
一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述的线路分析的方法。
由此可见,本申请实施例具有如下有益效果:
本申请实施例数据中心从各个基站获取信令数据,并根据信令数据确定在预设时间段内达到预定区域的目标用户以及目标用户的轨迹序列。然后,根据每个目标用户的轨迹序列构建原始轨迹序列集合,并将原始轨迹序列集合中的具有包含关系的任意两个轨迹序列进行合并,从而形成第一轨迹序列子集合。再将第一轨迹序列子集合中的具有相似关系的多个轨迹序列进行合并,形成第二轨迹序列子集合,并将第二轨迹序列子集合中的轨迹序列对应的线路进行展示。即,本申请实施例提供的方法,在分析一段时间内达到预定区域的人群的主要路线时,依据的是用户实际的轨迹序列,而且合并后的轨迹序列仍为实际存在的轨迹序列,避免通过聚类得出的路线偏离实际路线。同时,通过包含轨迹序列合并和相似轨迹序列合并两种合并方式,不仅计算简单,还可以获得重合度较高的轨迹序列,提高线路分析的准确性。
附图说明
图1为本申请实施例提供的一种应用场景示例图;
图2为本申请实施例提供的一种线路分析方法的流程图;
图3为本申请实施例提供的一种具有包含关系的轨迹序列示意图;
图4a为本申请实施例提供的一种存在相似的轨迹序列示意图;
图4b为本申请实施例提供的另一种存在相似的轨迹序列示意图;
图5为本申请实施例提供的一种线路展示效果图;
图6为本申请实施例提供的一种线路分析装置的结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
发明人在对传统的线路分析方法研究中发现,传统的线路分析方法主要采用轨迹聚类计算路线,该方法存在以下缺点:一是在通过移动通信信令进行线路分析时,使用基站位置来表示用户的位置,而基站的位置并非用户的真实位置,存在误差,因此,在根据基站位置聚类时,会累积更大的误差,导致分析结果不准确。二是,在进行聚类时,需要引入轨迹点的经纬度作为参数,增加算法复杂度。
基于此,本申请实施例提供了一种线路分析方法,具体为,数据中心从各个基站获取信令数据,并根据该信令数据确定在预设时间段内达到预定区域的目标用户以及该目标用户的轨迹序列。利用每个目标用户的轨迹序列构建原始轨迹序列集合,即该原始轨迹序列集合可以包括所有目标用户端的轨迹序列,并判断原始轨迹序列集合中任意两个轨迹序列是否存在包含关系,如果存在包含关系,则将具有包含关系的两个轨迹序列进行合并,以形成第一轨迹序列子集合。然后,再判断第一轨迹序列子集合中多个轨迹序列具有相似关系,如果存在相似关系,则将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合。最后,将第二轨迹序列子集合中的轨迹序列对应的线路进行展示。也就是,本申请实施例通过两次合并计算,且每次合并后的轨迹序列仍为实际存在的轨迹序列,不仅避免通过聚类得出的路线偏离实际路线,还可以获得重合度较高的轨迹序列,提高线路分析的准确性。而且,合并轨迹序列的方式相较于聚类算法引入经纬度来讲,降低算法复杂度。
为便于理解本申请,参见图1所示应用场景实施例,其中,携带终端101的用户,在行进过程中,终端101实时与基站102进行交互,从而使得基站102可以获知终端101所在的位置信息。当客户端101离开基站102所覆盖的小区,进入基站103所在的小区,客户端101与基站103进行信令交互,从而使得基站103获知终端101所在的位置信息。
可以理解的是,当用户从起点到终点时,可能会跨越不同基站覆盖的小区,终端101与不同基站均进行交互,从而使得每个基站获知终端101所在的位置信息。每个基站将终端101的相关信息通过信令数据发送给数据中心104,从而使得数据中心根据获取的信令数据,确定预设时间段内的达到预定区域的目标用户以及该目标用户的轨迹序列,该轨迹序列可以包括终端在前进过程中所交互的各个基站的标识。
需要说明的是,本申请实施例可以应用于任何通过移动通信信令进行定位的线路分析场景中。
为便于理解本申请实施例提供的方法,下面将结合附图对线路分析方法进行说明。
参见图1,该图为本申请实施例提供的一种线路分析方法的流程图,如图1所示,该方法可以包括:
S201:获取信令数据,根据信令数据确定在预设时间段内达到预定区域的目标用户并得到目标用户的轨迹序列。
本实施例中,数据中心可以获取各个基站发送的信令数据,该信令数据可以包括该基站所覆盖的小区范围内各个终端的相关信息,如终端标识、基站标识、终端与基站的交互时间等,以便数据中心根据各个基站发送的信令数据确定在预设时间段内达到预定区域的目标用户并得到目标用户的轨迹序列。其中,预设时间段和预定区域可以根据实际应用场景进行设定,例如,商场A在某日上午9点-12点进行周年庆典,为获取用户前往商场A所经历路线的热度,则可以将9点-11点30分设定为预设时间段,则将商场A方圆300米的区域设定为预定区域。需要说明的是,预定区域内可能会存在多个基站,为方便计算,将目标用户的轨迹序列中最后一个轨迹点即基站进行统一。例如,预定区域存在两个基站分别为基站4和基站5,则将基站4作为最后一个轨迹点。
在具体实现时,由于每个终端具有唯一的标识,可以利用终端表示用户,数据中心根据信令数据确定目标用户,即为确定目标终端。具体为,针对任意一终端,数据中心可以首先获取关于该终端的所有信令数据,然后,根据信令数据中的交互时间、终端标识以及基站标识等信息确定该终端是否为在预设时间段内到达预定区域的目标终端,即确定目标用户。当确定出目标用户后,再确定目标用户的轨迹序列。针对任意一终端,数据中心会根据所有基站发送的信令数据,确定该终端的轨迹点,以根据该终端的所有的轨迹点确定该终端所对应用户的轨迹序列。例如,对于终端1,终端1先后经历了基站a、基站b、基站c以及基站d,同时数据中心分别获取基站a、基站b、基站c以及基站d发送的信令数据,其中,基站d为预定区域的基站。数据中心可以根据基站d发送信令数据的时间确定终端1是否在预设时间段内达到预定区域,如果是,则将终端1对应的用户确定为目标用户,并根据终端1所经历的基站的轨迹确定为目标用户的轨迹序列[a b c d]。其中,每个基站标识可以看作一个轨迹序列的轨迹点。
需要说明的是,其中目标用户可以包括以预定区域为终点且在预设时间段内到达的用户,和/或包括经过预定区域且在预设时间段内到达的用户。如果目标用户仅包括以预定区域为终点且在预设时间段内到达的用户时,则还可以根据该用户在预定区域所停留的时间是否大于预设时间进一步筛选,从而筛选出符合条件的目标用户。
S202:利用目标用户的轨迹序列构建原始轨迹序列集合。
本实施例中,当获取每个目标用户的轨迹序列后,利用每个目标用户各自对应的轨迹序列构建原始轨迹序列集合,即该原始轨迹序列集合可以包括所有目标用户的轨迹序列。
S203:如果原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合。
本实施例中,当构建原始轨迹序列集合后,遍历原始轨迹序列集合中任意两个轨迹序列是否具有包含关系,即将具有包含关系的两个轨迹序列进行合并,以形成第一轨迹序列子集合。在具体实现时,可以从原始轨迹序列集合中获取第一轨迹序列和第二轨迹序列,如果两个轨迹序列具有包含关系,则将其进行合并,得到合并后的轨迹序列。然后,再判断合并后的轨迹序列与第三轨迹序列是否具有包含关系,如果不具有包含关系,则判断合并后的轨迹序列与第四轨迹序列是否存在包含关系,依次进行;如果合并后的轨迹序列与第三轨迹序列具有包含关系,则再次进行合并,得到合并后的轨迹序列,依次进行,直至遍历原始轨迹序列集合中所有的轨迹序列,形成第一轨迹序列子集合。也就是,第一轨迹序列子集合中任意两个轨迹序列之间不具有包含关系。
其中,两个轨迹序列具有包含关系可以为两个轨迹序列相同,或者其中一个轨迹序列为另一个轨迹序列的子集。对于,如何合并具有包含关系的轨迹序列以及形成第一轨迹序列子集合的具体实现将在后续实施例进行说明。
S204:如果第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合。
本实施例中,当获得第一轨迹序列子集合后,可以再判断第一轨迹序列子集合中任意多个轨迹序列是否具有相似性,如果存在相似性,则将具有相似性的轨迹序列进行合并,形成第二轨迹序列子集合。即,第二轨迹序列子集合中不存在具有相似关系的轨迹序列。其中,轨迹序列之间具有相似关系是指一个轨迹序列的轨迹点与另一个轨迹线序列的轨迹点重合度大于预设阈值,且重合的轨迹点的顺序一致。
在具体实现时,可以从第一轨迹序列子集合中获取两个轨迹序列,并判断二者是否具有相似关系,如果具有相似关系,则将二者进行合并,得到合并后的轨迹序列。然后,再判断合并后的轨迹序列与剩余的其它轨迹序列是否具有相似性,直至遍历第一轨迹序列子集合中每个轨迹序列,从而形成第二轨迹序列子集合。
其中,关于确定轨迹序列之间是否具有相似关系以及合并具有相似性的轨迹序列的具体实现将在后续实施例进行说明。
S205:将第二轨迹序列子集合中的轨迹序列对应的线路进行展示。
本实施例中,当确定第二轨迹序列子集合后,将第二轨迹序列子集合中的轨迹序列对应的线路进行展示,从而获取在预设时间段内达到预定区域的用户所经历的线路的热度。
其中,线路是指从起点到终点过程中所获取的完整的基站序列,因为基站对应地理位置,展示时将基站转换为经纬度在地图上展示。
通过上述说明可知,本申请实施例数据中心从各个基站获取信令数据,并根据信令数据确定在预设时间段内达到预定区域的目标用户以及目标用户的轨迹序列。然后,根据每个目标用户的轨迹序列构建原始轨迹序列集合,并将原始轨迹序列集合中的具有包含关系的任意两个轨迹序列进行合并,从而形成第一轨迹序列子集合。再将第一轨迹序列子集合中的具有相似关系的任意两个轨迹序列进行合并,形成第二轨迹序列子集合,并将第二轨迹序列子集合中的轨迹序列对应的线路进行展示。即,本申请实施例提供的方法,在分析一段时间内达到预定区域的人群的主要路线时,依据的是用户实际的轨迹序列,而且合并后的轨迹序列依旧为实际存在的轨迹序列,避免通过聚类得出的路线偏离实际路线。同时,通过包含轨迹序列合并和相似轨迹序列合并两种合并方式,不仅计算简单,还可以获得重合度较高的轨迹序列,提高线路分析的准确性。
在本申请实施例一种可能的实现方式中,在实际应用中,可能存在一些目标用户所对应的轨迹序列中轨迹点数较少或较多,会影响最终线路分析的准确性。为避免上述目标用户所对应的轨迹序列干扰分析的准确性,当确定目标用户的轨迹序列后,先对目标用户进行筛选,将不符合条件的目标用户剔除,利用符合条件的目标用户的轨迹序列构建原始轨迹序列集合。具体为,当任一目标用户的轨迹序列中的轨迹点个数少于第一阈值和大于第二阈值,将该目标用户的轨迹序列删除,将其他目标用户的轨迹序列组成原始轨迹序列集合。其中,第一阈值和第二阈值可以根据实际情况进行设定。
在具体实现时,如果目标用户的轨迹序列中的轨迹点个数不满足预设条件,则将该目标用户的轨迹序列删除,利用剩余的目标用户的轨迹序列构建原始轨迹序列集合。
在本申请实施例一种可能的实现方式中,提供了一种构建第一轨迹序列子集合的实现方式,具体为,从原始轨迹序列集合中选取任意两个轨迹序列;如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,则将所选取的一个轨迹序列删除;重复执行从原始轨迹序列集合中选取任意两个轨迹序列及后续步骤,直到原始轨迹序列集合中的任意一个轨迹序列均不与其他轨迹序列相同或者为其他轨迹序列的子序列,将原始轨迹序列集合中剩余的轨迹序列组成第一轨迹序列子集合。
即,针对原始轨迹序列集合中任意两个轨迹序列中,如果该两个轨迹序列相同,或者其中一个轨迹序列为另一个轨迹序列的子序列,如图3所示,轨迹序列2为轨迹序列1的一部分,表明二者具有包含关系,则将二者进行合并。具体为,将为子序列的轨迹序列从原始轨迹序列集合中删除,另一个轨迹序列作为合并后的轨迹序列继续保留在原始轨迹序列集合中。然后,再从原始轨迹序列集合中选取任意两个轨迹序列,并判断两个轨迹序列是否相同或者其中一个轨迹序列为另一轨迹序列子序列,直至原始轨迹训练集合中的任意一轨迹序列均不与其他轨迹序列相同或者为其他轨迹序列的子序列,则将原始轨迹序列集合中剩余的轨迹序列组成第一轨迹序列子集合。
例如,原始轨迹序列集合共包括3个轨迹序列{[a b c d]、[e c d]、[a e c d]},其中,轨迹序列[a b c d]分别与[e c d]、[a e c d]不具有包含关系,而轨迹序列[e c d]为轨迹序列[a e c d]子序列,则将轨迹序列[e c d]删除,则合并后的轨迹序列为[a e cd],则第一轨迹序列子集合为{[a b c d]、[a e c d]}。
在实际应用时,为保证被删除的轨迹序列的热度仍可以被体现,还可以将被删除轨迹序列上用于反映热度的路线人次添加到被保留到另一轨迹序列上。具体为,如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列对应的路线人次与所选取的另一个轨迹序列对应的路线人次相加之后作为所选取的另一个轨迹序列对应的路线人次。其中,路线人次是指该路线被使用的次数,次数越高说明该路线被使用的频率越高,即热度越高。例如,图3中,轨迹序列1的路线人次为m,轨迹序列2的路线人次为n,则将轨迹序列2删除后,轨迹序列1的路线人次为m+n。
在本申请实施例一种可能的实现方式中,提供了一种构建第二轨迹序列子集合的实现方式,所述如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的两个轨迹序列进行合并,形成第二轨迹序列子集合,具体可以包括以下步骤:
1)计算第一轨迹序列子集合中任意两个轨迹序列之间的相似度。
当确定出第一轨迹序列子集合中,从该第一轨迹序列子集合中选取任意两个轨迹序列,并计算该两个轨迹序列之间的相似度。
在一种可能的实现方式中,提供了一种计算两个轨迹序列之间相似度的具体实现方式,所述计算所述第一轨迹序列子集合中任意两个轨迹序列之间的相似度,包括:从第一轨迹序列子集合中选取任意两个轨迹序列;计算所选取的两个轨迹序列之间的莱文斯坦距离,根据莱文斯坦距离确定所选取的两个轨迹序列之间的相似度。
本实施例中,从第一轨迹序列子集合中任意选取两个轨迹序列,并计算两个轨迹序列之间的莱文斯坦距离,以根据莱文斯坦距离确定所选取的两个轨迹序列之间的相似度。即通过两个轨迹序列之间的莱文斯坦距离来标识两个轨迹序列之间的相似度。其中,两个轨迹序列之间存在相似,是指两个轨迹序列分别对对应的路线存在一定的重合度,如图4a和图4b所示,其中,图4a中轨迹序列3和轨迹序列4之间的重合度较小,图4b中轨迹序列5与轨迹序列6之间的重合度较大。
可以理解的是,莱文斯坦距离表示从一个字符串转成另一个字符串所需的最少编辑操作次数,因此,两个字符串越相似,对应的最少编辑操作次数越小,即莱文斯坦距离越小。在本实施例中,将莱文斯坦距离引入到了计算轨迹序列的相似度中,即莱文斯坦距离越小表明两个轨迹序列之间越相似。
在具体实现时,可以预先建立莱文斯坦距离与相似度之间的映射关系,当获取两个轨迹序列之间的莱文斯坦距离后,可以根据上述映射关系确定两个轨迹序列之间的相似度。
在实际应用时,可以利用公式(1)和公式(2)计算两个轨迹序列之间的莱文斯坦距离以及相似度:
其中,a,b代表两个轨迹序列,i,j代表a和b的长度,sim代表相似度。
在实际应用中,针对选取的任意两个轨迹序列均可以通过公式(1)和公式(2)获得两个轨迹序列之间的相似度。
在具体实现时,为避免确定第二轨迹序列子集合的计算量较大,影响计算速度,在确定第一轨迹序列子集合后,还可以根据第一轨迹序列子集合中各个轨迹序列的路线人次进行降序排序,取前预设个轨迹序列作为第一轨迹序列子集合。
2)根据任意两个轨迹序列之间的相似度构建至少一个相似轨迹集合。
当计算获得任意两个轨迹序列之间的相似度后,根据该相似度确定相似轨迹集合,该相似轨迹集合中任意两个轨迹序列之间的相似度均大于预设阈值。即,相似轨迹集合中所包括的轨迹序列中任意两个轨迹序列之间均相似,且相似度大于预设阈值。例如,构建相似轨迹集合1={A、B、C、D、K},即轨迹序列A、B、C、K和D任意两个之间的相似度均大于预设阈值;相似轨迹集合2={D、E、F},即轨迹序列D、E和F任意两个之间的相似度均大于预设阈值;相似轨迹集合3={F、G、H、K},即轨迹序列F、G、H和K任意两个之间的相似度均大于预设阈值。
3)按照相似轨迹集合中轨迹序列数量对相似轨迹集合进行排序。
当构建出相似轨迹集合后,根据每个相似轨迹集合所包括的轨迹序列的数量对相似轨迹集合进行排序,从而获得排序后的相似轨迹集合。在具体实现时,可以按照数量从大到小的顺序对相似轨迹集合进行排序,从而获得排序后的相似轨迹集合。例如,排序后的相似轨迹集合为相似轨迹集合1、相似轨迹集合3、相似轨迹集合2。
4)按照相似轨迹集合的排序顺序,将排序在后的相似轨迹集合与其之前的每个排序在先的相似轨迹集合进行比较,将属于排序在后的相似轨迹集合且属于排序在先的相似轨迹集合中的轨迹序列,从排序在后的相似轨迹集合中删除,以生成更新后的相似轨迹集合。
即,对相似轨迹集合进行排序后,从前向后选取相似轨迹集合,将每个选取的相似轨迹集合与在其之前的每个相似轨迹集合进行比较。例如,排序在第2个的相似轨迹集合与排序在第1个的相似轨迹集合比较,排序在第3个的相似轨迹集合与排序在第1个、第2个的相似轨迹集合比较。如果排序在后的相似轨迹集合所包括的轨迹序列已出现在排序在前的相似轨迹集合中,则将排序在后的相似轨迹集合中的该轨迹序列进行删除,从而得到各个更新后的相似轨迹集合。
例如,相似轨迹集合排序后为相似轨迹集合1={A、B、C、D、K}、相似轨迹集合3={F、G、H、K}、相似轨迹集合2={D、E、F}。由于在后的相似轨迹集合3中轨迹序列K已出现在先的相似轨迹集合1中,则将相似轨迹集合3中的轨迹序列K删除,更新后的相似轨迹集合3为{F、G、H}。在后的相似轨迹集合2中轨迹序列D已出现在在先相似轨迹集合1中,轨迹序列F已出现在在先的相似轨迹集合3中,则将相似轨迹集合2中的轨迹序列F和轨迹序列D删除,则更新后的相似轨迹集合2为{G}。
5)将每个更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中。
本实施例中,确定每个更新后的相似轨迹集合中各个轨迹序列之间的相同部分,将该相同部分构成新的轨迹序列代替该相似轨迹集合中的各个轨迹序列,并将该新的轨迹序列添加到第二轨迹序列子集合中,从而获得第二轨迹序列子集合。其中,相同部分包括多个相同的轨迹点。例如,相似轨迹集合1={A、B、C、D、K}中各个轨迹序列之间的相同部分为a,则将a作为新的轨迹序列添加到第二轨迹序列子集合中;更新后的相似轨迹集合3为{F、G、H}中各个轨迹序列之间的相同部分为b,则将b作为新的轨迹序列添加到第二轨迹序列子集合中;更新后的相似轨迹集合2为{G},则将轨迹序列G添加到第二轨迹序列子集合中。
在具体实现时,为避免确定第二轨迹序列子集合的计算量较大,影响计算速度,在确定第一轨迹序列子集合后,还可以根据第一轨迹序列子集合中各个轨迹序列的路线人次进行降序排序,计算前预设个轨迹序列中任意两个轨迹序列之间的相似度。
在具体实现时,为利用新的轨迹序列来反映相似轨迹集合中各个轨迹序列的热度,可以将相似集合中各个轨迹序列的路线人次之和作为新的轨迹序列的路线人次。具体为,将每个更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中之后,将每个更新后的相似轨迹集合中的各个轨迹序列对应的路线人次相加之后,作为所构成的新的轨迹序列对应的路线人次。例如,相似轨迹集合3中,轨迹序列F的路线人次为k,轨迹序列G的路线人次为g,轨迹序列H的路线人次为p,则新的轨迹序列b的路线人次为k+g+p。
在本申请实施例一种可能的实现方式中,当确定出第二轨迹序列子集合后,可以将第二轨迹序列子集合中热度较高的轨迹序列对应的线路进行展示,具体为,将第二轨迹序列子集合中的轨迹序列按照对应的路线人次进行排序,将排序满足预设条件的轨迹序列对应的线路进行展示。在具体实现时,可以根据路线人次进行降序排序,将前预设个轨迹序列对应的线路进行展示,以更好地展示热度较高为线路。如图5所示,向用户展示第二轨迹序列子集合中的轨迹序列对应的线路。
基于上述方法实施例,本申请提供了一种线路分析装置,下面将结合附图对该装置进行说明。
参见图6,该图为本申请实施例提供的一种线路分析装置结构图,如图6所示,该装置可以包括:
获取单元601,用于获取信令数据,根据所述信令数据确定在预设时间段内达到预定区域的目标用户并得到所述目标用户的轨迹序列;
构建单元602,用于利用所述目标用户的轨迹序列构建原始轨迹序列集合;
第一合并单元603,用于如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合;
第二合并单元604,用于如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合;
展示单元605,用于将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示。
在一种可能的实现方式中,所述构建单元,具体用于当任一目标用户的轨迹序列中的轨迹点个数少于第一阈值或者大于第二阈值,将该目标用户的轨迹序列删除,将其他目标用户的轨迹序列组成原始轨迹序列集合。
在一种可能的实现方式中,所述第一合并单元,包括:
第一选取子单元,用于从所述原始轨迹序列集合中选取任意两个轨迹序列;
第一删除子单元,用于如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列删除;
第一合并子单元,用于重复执行所述第一选取子单元以及所述第一删除子单元,当所述原始轨迹序列集合中的任意一个轨迹序列均不与其他轨迹序列相同或者为其他轨迹序列的子序列,将所述原始轨迹序列集合中剩余的轨迹序列组成第一轨迹序列子集合。
在一种可能的实现方式中,所述装置还包括:
第一计算单元,用于如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列对应的路线人次与所选取的另一个轨迹序列对应的路线人次相加之后作为所选取的另一个轨迹序列对应的路线人次。
在一种可能的实现方式中,所述第二合并单元,包括:
计算子单元,用于计算所述第一轨迹序列子集合中任意两个轨迹序列之间的相似度;
构建子弹元,用于根据所述任意两个轨迹序列之间的相似度构建至少一个相似轨迹集合,每个所述相似轨迹集合中任意两个轨迹序列之间的相似度均大于预设阈值;
排序子单元,用于按照所述相似轨迹集合中轨迹序列数量对所述相似轨迹集合进行排序;
生成子单元,用于将排序在后的相似轨迹集合与其之前的每个排序在先的相似轨迹集合进行比较,将属于排序在后的相似轨迹集合且属于排序在先的相似轨迹集合中的轨迹序列,从所述排序在后的相似轨迹集合中删除,以生成更新后的相似轨迹集合;
添加子单元,用于将每个所述更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中。
在一种可能的实现方式中,所述计算子单元,具体用于从所述第一轨迹序列子集合中选取任意两个轨迹序列;计算所选取的两个轨迹序列之间的莱文斯坦距离,根据所述莱文斯坦距离确定所选取的两个轨迹序列之间的相似度。
在一种可能的实现方式中,所述装置还包括:
第二计算单元,用于将每个所述更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中之后,将每个所述更新后的相似轨迹集合中的各个轨迹序列对应的路线人次相加之后,作为所构成的新的轨迹序列对应的路线人次。
在一种可能的实现方式中,所述展示单元,具体用于将所述第二轨迹序列子集合中的轨迹序列按照对应的路线人次进行排序,将排序满足预设条件的轨迹序列对应的线路进行展示。
另外,本申请实施例还提供了一种计算机可读存储介质,所述机算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行所述的线路分析的方法。
本申请实施例提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行所述的线路分析的方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种线路分析方法,其特征在于,所述方法包括:
获取信令数据,根据所述信令数据确定在预设时间段内达到预定区域的目标用户并得到所述目标用户的轨迹序列;
利用所述目标用户的轨迹序列构建原始轨迹序列集合;
如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合;所述如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合,包括:从所述原始轨迹序列集合中选取任意两个轨迹序列;如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列删除;重复执行所述从所述原始轨迹序列集合中选取任意两个轨迹序列及后续步骤,直到所述原始轨迹序列集合中的任意一个轨迹序列均不与其他轨迹序列相同或者为其他轨迹序列的子序列,将所述原始轨迹序列集合中剩余的轨迹序列组成第一轨迹序列子集合;
如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合;
将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示。
2.根据权利要求1所述的方法,其特征在于,所述利用所述目标用户的轨迹序列构建原始轨迹序列集合,包括:
当任一目标用户的轨迹序列中的轨迹点个数少于第一阈值或者大于第二阈值,将该目标用户的轨迹序列删除,将其他目标用户的轨迹序列组成原始轨迹序列集合。
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:
如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列对应的路线人次与所选取的另一个轨迹序列对应的路线人次相加之后作为所选取的另一个轨迹序列对应的路线人次。
4.根据权利要求1所述的方法,其特征在于,所述如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合,包括:
计算所述第一轨迹序列子集合中任意两个轨迹序列之间的相似度;
根据所述任意两个轨迹序列之间的相似度构建至少一个相似轨迹集合,每个所述相似轨迹集合中任意两个轨迹序列之间的相似度均大于预设阈值;
按照所述相似轨迹集合中轨迹序列数量对所述相似轨迹集合进行排序;
按照所述相似轨迹集合的排序顺序,将排序在后的相似轨迹集合与其之前的每个排序在先的相似轨迹集合进行比较,将属于排序在后的相似轨迹集合且属于排序在先的相似轨迹集合中的轨迹序列,从所述排序在后的相似轨迹集合中删除,以生成更新后的相似轨迹集合;
将每个所述更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中。
5.根据权利要求4所述的方法,其特征在于,所述计算所述第一轨迹序列子集合中任意两个轨迹序列之间的相似度,包括:
从所述第一轨迹序列子集合中选取任意两个轨迹序列;
计算所选取的两个轨迹序列之间的莱文斯坦距离,根据所述莱文斯坦距离确定所选取的两个轨迹序列之间的相似度。
6.根据权利要求4所述的方法,其特征在于,所述将每个所述更新后的相似轨迹集合的各个轨迹序列中,具有相同多个轨迹点的部分构成新的轨迹序列,添加到第二轨迹序列子集合中之后,所述方法还包括:
将每个所述更新后的相似轨迹集合中的各个轨迹序列对应的路线人次相加之后,作为所构成的新的轨迹序列对应的路线人次。
7.根据权利要求6所述的方法,其特征在于,所述将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示,包括:
将所述第二轨迹序列子集合中的轨迹序列按照对应的路线人次进行排序,将排序满足预设条件的轨迹序列对应的线路进行展示。
8.一种线路分析装置,其特征在于,所述装置包括:
获取单元,用于获取信令数据,根据所述信令数据确定在预设时间段内达到预定区域的目标用户并得到所述目标用户的轨迹序列;
构建单元,用于利用所述目标用户的轨迹序列构建原始轨迹序列集合;
第一合并单元,用于如果所述原始轨迹序列集合中的任意两个轨迹序列具有包含关系,将具有包含关系的轨迹序列进行合并,形成第一轨迹序列子集合;
第二合并单元,用于如果所述第一轨迹序列子集合中的任意多个轨迹序列具有相似关系,将具有相似关系的轨迹序列进行合并,形成第二轨迹序列子集合;
展示单元,用于将所述第二轨迹序列子集合中的轨迹序列对应的线路进行展示;
所述第一合并单元,包括:
第一选取子单元,用于从所述原始轨迹序列集合中选取任意两个轨迹序列;
第一删除子单元,用于如果所选取的一个轨迹序列与所选取的另一个轨迹序列相同,或所选取的一个轨迹序列为所选取的另一个轨迹序列的子序列,将所选取的一个轨迹序列删除;
第一合并子单元,用于重复执行所述第一选取子单元以及所述第一删除子单元,当所述原始轨迹序列集合中的任意一个轨迹序列均不与其他轨迹序列相同或者为其他轨迹序列的子序列,将所述原始轨迹序列集合中剩余的轨迹序列组成第一轨迹序列子集合。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行权利要求1-7任一项所述的线路分析的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910511483.4A CN110263840B (zh) | 2019-06-13 | 2019-06-13 | 一种线路分析方法、装置及程序产品、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910511483.4A CN110263840B (zh) | 2019-06-13 | 2019-06-13 | 一种线路分析方法、装置及程序产品、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263840A CN110263840A (zh) | 2019-09-20 |
CN110263840B true CN110263840B (zh) | 2021-08-24 |
Family
ID=67918079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910511483.4A Active CN110263840B (zh) | 2019-06-13 | 2019-06-13 | 一种线路分析方法、装置及程序产品、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263840B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111148045B (zh) * | 2019-12-30 | 2022-02-11 | 中国联合网络通信集团有限公司 | 用户行为周期提取方法及设备 |
CN111639092B (zh) * | 2020-05-29 | 2023-09-26 | 京东城市(北京)数字科技有限公司 | 一种人员流动分析方法、装置、电子设备及存储介质 |
CN112040414B (zh) * | 2020-08-06 | 2023-04-07 | 杭州数梦工场科技有限公司 | 相似轨迹计算方法、装置及电子设备 |
CN112925948A (zh) * | 2021-02-05 | 2021-06-08 | 上海依图网络科技有限公司 | 视频处理方法及其装置、介质、芯片和电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7290251B2 (en) * | 2003-05-16 | 2007-10-30 | Microsoft Corporation | Method and system for providing a representation of merge conflicts in a three-way merge operation |
CN101527000B (zh) * | 2009-04-03 | 2011-03-30 | 南京航空航天大学 | 一种基于取样的快速移动对象轨迹聚类方法 |
US8837839B1 (en) * | 2010-11-03 | 2014-09-16 | Hrl Laboratories, Llc | Method for recognition and pose estimation of multiple occurrences of multiple objects in visual images |
CN105512169B (zh) * | 2016-03-10 | 2018-05-15 | 珠海市规划设计研究院 | 基于路径和权的最短路径搜索方法 |
CN108596202B (zh) * | 2018-03-08 | 2020-04-03 | 清华大学 | 基于移动终端gps定位数据计算个人通勤时间的方法 |
CN108629000A (zh) * | 2018-05-02 | 2018-10-09 | 深圳市数字城市工程研究中心 | 一种手机轨迹数据聚类的群体行为特征提取方法及系统 |
CN109362041B (zh) * | 2018-12-18 | 2021-06-04 | 成都方未科技有限公司 | 一种基于大数据的人口时空分布分析方法 |
-
2019
- 2019-06-13 CN CN201910511483.4A patent/CN110263840B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110263840A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263840B (zh) | 一种线路分析方法、装置及程序产品、存储介质 | |
CN110929162B (zh) | 基于兴趣点的推荐方法、装置、计算机设备和存储介质 | |
Porzi et al. | Predicting and understanding urban perception with convolutional neural networks | |
CN105532030B (zh) | 用于分析目标实体的移动的装置、系统和方法 | |
CN107291888B (zh) | 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 | |
CN104102719B (zh) | 一种轨迹信息的推送方法及装置 | |
CN110457420B (zh) | 兴趣点位置识别方法、装置、设备及存储介质 | |
CN109829020B (zh) | 地点资源数据推送方法、装置、计算机设备和存储介质 | |
CN111737605A (zh) | 一种基于手机信令数据的出行目的识别方法及装置 | |
Sehra et al. | A systematic study of OpenStreetMap data quality assessment | |
CN105095991A (zh) | 用于人群风险预警的方法及装置 | |
CN109059934A (zh) | 路径规划方法、装置、终端及存储介质 | |
CN112241489A (zh) | 信息推送方法、装置、可读存储介质和计算机设备 | |
CN104320848B (zh) | 基于云计算实现室内定位的系统及方法 | |
CN106022634A (zh) | 基于大数据分析的基坑风险管理方法与系统 | |
CN108171535A (zh) | 一种基于多特征的个性化餐厅推荐算法 | |
CN110427574B (zh) | 路线相似度确定方法、装置、设备和介质 | |
CN110781256B (zh) | 基于发送位置数据确定与Wi-Fi相匹配的POI的方法及装置 | |
CN113704373B (zh) | 基于移动轨迹数据的用户识别方法、装置及存储介质 | |
CN110096609A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
CN105426387B (zh) | 一种基于K-means算法的地图聚合方法 | |
CN104133918B (zh) | 一种兴趣点信息的获取方法及装置、推送方法及装置 | |
CN110347925B (zh) | 信息处理方法及计算机可读存储介质 | |
Sun et al. | Predicting future locations with semantic trajectories | |
CN111782955A (zh) | 兴趣点表示和推送方法、装置、电子设备及存储介质 |
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 |