CN110572813A - 一种基于移动大数据的手机用户行为相似度分析方法 - Google Patents
一种基于移动大数据的手机用户行为相似度分析方法 Download PDFInfo
- Publication number
- CN110572813A CN110572813A CN201810484072.6A CN201810484072A CN110572813A CN 110572813 A CN110572813 A CN 110572813A CN 201810484072 A CN201810484072 A CN 201810484072A CN 110572813 A CN110572813 A CN 110572813A
- Authority
- CN
- China
- Prior art keywords
- value
- user
- mobile phone
- sector
- users
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 230000011664 signaling Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical group N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- 238000004379 similarity theory Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
- H04W8/183—Processing at user equipment or user record carrier
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
- H04W8/20—Transfer of user or subscriber data
- H04W8/205—Transfer to or from user equipment or user record carrier
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于移动大数据的手机用户行为相似度分析方法,利用电信运营商的信令数据,采集一个时间段内一个用户群的移动轨迹信息;统计每个用户在该时间段内在每个扇区中出现的次数或驻留时长PF,以及所有用户在每个扇区中出现的次数或驻留时长的均值GF,计算PF/GF,得到每个用户的PF‑IGF值;计算每两个手机用户的PF‑IGF值的夹角余弦值,根据所得的夹角余弦值,判定两个用户的行为相似度:夹角余弦值θ越接大,表示这两个手机用户的活动行为轨迹越相近;夹角余弦值的值越小,表示这两个手机用户的活动行为轨迹越不相关。本发明可以用于研究每两个人之间的相似程度,找寻指定范围内每个人的相似人群。
Description
技术领域
本发明属于移动大数据应用技术领域,具体涉及一种基于移动大数据的手机用户行为相似度分析方法。
背景技术
随着智能手机的普及,促进了移动大数据技术的发展。移动大数据中蕴含了丰富的信息,每个用户都有特殊的移动半径,以及有非常高的概率往返重要的地点。对其进行挖掘,可以发现相似用户的行为模式,而行为模式通常反映了用户的身份和习惯。通过对相似人群的判别,发掘不同用户之间的紧密程度,为精准营销和智能推荐等提供指导。传统的利用移动运营商的信令研究用户行为轨迹相似性的算法都是以密度聚类为主,能够较容易的发现并掌握群体用户的活动共性,但是对于一些个性用户数据容易被当作是噪声点被删除。
发明内容
本发明的目的在于针对现实需求,提供一种基于移动大数据的手机用户行为相似度分析方法,可以研究每两个人之间的相似程度,找寻指定范围内每个人的相似人群。
本发明的技术方案如下:
一种基于移动大数据的手机用户行为相似度分析方法,其特征在于,包括以下步骤:
(1)数据采集:利用电信运营商的信令数据,在一个时间段内,对一个用户群中每个用户IMSI识别号所在的基站扇区位置、进出扇区时间信息进行采集,并进行数据清洗;
(2)数据预处理:对进出基站缺失信令进行插值补偿;
(3)统计PF、GF,计算PF-IGF值:统计每个用户在在一定时间段内在每个扇区中出现的次数或驻留时长PF,以及所有用户在每个扇区中出现的次数或驻留时长的均值GF,其中,PF值按天取均值,GF值按人天取均值,并将之归一化;使用归一化之后的PF值和GF 值进行PF/GF计算,得到每个用户的PF-IGF值;
(4)计算夹角余弦值:采用以下公式计算每两个手机用户的PF-IGF值的夹角余弦值 cosθ:
其中,Ai表示手机用户A在第i个扇区的PF-IGF值,Bi表示用户B在第i个扇区的 PF-IGF值,i=1,2,……n。
(5)用户行为相似度判定:根据所得的夹角余弦值cosθ,判定两个用户的行为相似度:夹角余弦值cosθ越接大,表示这两个手机用户的活动行为轨迹越相近;夹角余弦值cosθ的值越小,表示这两个手机用户的活动行为轨迹越不相关。
本发明提供的基于移动大数据的手机用户行为相似度分析方法,可应用于多个方面。例如,可分析不同用户之间的“时空紧密度”,进而可挖掘出家庭成员、同事关系以及其他紧密关系。
本发明还可用于检测“横向”与“纵向”的异常,例如:1、同一时间范围内,某一用户与其他用户的数值存在着明显的差异,可以认为其为“离群点”,或者说这个用户去了其他人都不去的地方并且停留时间较长或访问频次较高;2、对于某特定用户,一般而言在不同时间周期上的时空向量会相对稳定,如出现较大波动则反映该用户的时空行为特征发生了较大的变化。上述两种在横向与纵向上的“异常”在数据统计角度看均值得关注。
本发明提供的PF-IGF及相似度计算模型的业务嵌合度高,针对人群范围、人群属性、时空范围、时空属性可灵活设定,最大贴合度地反映业务需求。同时,该模型具备学习能力,利用种子历史数据和使用过程中的结果反馈数据实现持续的自优化(Self-Optimization),时空轨迹大数据中所蕴含的价值点将更准、更快、更全地被挖掘呈现出来。
附图说明
图1是本发明的方法流程图。
具体实施方式
本发明的实现基于以下理论:
1、PF-IGF(Person Frequency-Inverse Group Frequency)理论。
PF(Person Frequency)意思是某个具体人(手机用户)在某个时空位置的停留时长或访问频次,GF(Group Frequency)指在对应时空位置某一群体(一批手机用户)的停留时长或访问频次的平均值,而IGF(Inverse Group Frequency)则是对GF的取反,PF-IGF即将 GF作为分母与作为分子的PF进行联合运算。PF-IGF期望突出地反映某用户经常访问特定时空位置,同时群体内的其他用户并未如此热衷该区域。换言之,某人在某位置的PF-IGF高,则表示该位置可以相当程度地“代表”或“刻画”该用户的行为轨迹特征。
手机用户时空轨迹可以通过向量的方式表示。Person表示手机用户,Position表示时空位置,PF-IGF表示某个手机用户在特定时空位置的PF-IGF值。
定义如下:
Person[i]:手机用户i;
Position[j]:时空位置j;
PF-IGF[i,j]:手机用户i对应时空位置j的PF-IGF值;
对于确定的时间空间范围与背景人群,使用如下向量则可以刻画Person[i]的行为特征:
PF-IGF[i]=[PF-IGF[i,1],PF-IGF[i,2],…PF-IGF[i,j],…PF-IGF[i,N]]
其中需要说明的是,时空位置可以自定义。例如,在手机信令背景下可以直接使用基站 LAC-CI作为时空位置,那么反映的是一个带有特定朝向和宽度的扇区区域;使用栅格化区域可以反映具体的一个矩形栅格(如100米*100米);亦可使用具体实际建筑物或区域,如政府机关、学校、娱乐场所等。
2、余弦相似度理论。
余弦相似度又称为余弦相似性,是通过计算两个向量的夹角余弦值来评估他们的相似度。余弦相似度将向量根据坐标值,绘制到向量空间中,如最常见的二维空间,求得他们的夹角,并得出夹角对应的余弦值,此余弦值就可以用来表征这两个向量的相似性。夹角越小,余弦值越接近于1,它们的方向更加吻合,则越相似;夹角越大,余弦值越接近于0,它们越接近于正交,相似性越差。
手机用户行为的时空轨迹直接反映了手机用户的空间位置行为,通过对不同的用户在若干个区域内的PF-IGF属性值,可利用夹角余弦相似度指标来分析每两个手机用户的相似度。
PF-IGF是抽象化的加权数值,不同Person和Position组合的PF-IGF值可以直接进行比较计算。一般而言,两个PF-IGF的相似程度(Similarity)通过计算两者向量夹角余弦值 (Cosine)体现。
假设手机用户A、B在N个区域的PF-IGF值分别为:
向量A=(A1,A2,……An);
向量B=(B1,B2,……Bn);
向量A与向量B的夹角为θ,A和B的余弦值为:
Cosine Similarity取值范围为[0,1],值越大则夹角越小,相似程度越高;相反地,值越小则夹角越大,相似程度越低。1表示两个用户空间行为特征完全一致,0表示两者在空间轨迹上完全没有交集,值越趋近于1,代表两个用户空间行为特征越接近,值越趋近与0,代表两个用户空间行为特征越无关。在海量用户背景下,PF-IGF本身是一个稀疏向量,而Cosine Similarity同样是一个稀疏矩阵,这与现实社会的实际状况是相呼应的。
应用上述理论,本发明提供一种基于移动大数据的手机用户行为相似度判定方法,判定流程如图1所示,具体实现方式如下:
(1)数据采集:利用电信运营商的信令数据,在一个时间段内,对一个用户群中的每个用户IMSI识别号在一定时间段内所在的基站位置、进出基站时间信息进行采集,并进行数据清洗。通过数据清洗,删除重复信息、纠正存在的错误,并提供数据一致性。
上述时间段,一般以天为单位,采集一天(24小时)的数据。也可以更长时间段如一周、或更短时间段如1小时为计时单位。
所述的用户群,可以任意选定,是选定研究范围内的一个移动用户群体。
(2)数据预处理:对进出基站缺失信令进行插值补偿。为保证数据的完整性,如果用户在统计时间段内只有进入某扇区时间而没有离开该扇区时间,或者只有离开某扇区时间而没有进入该扇区时间,则需要对缺失数据进行插补,插补时间点是该统计时间段的起始时间和结束时间。
例如A用户在5月1日23:00:00进入扇区X,在5月2日7:00:00离开扇区X,且A 用户进入扇区Y的时间为5月2日23:00:00,而离开的时间为5月3日的7:00:00,当采集 5月2日A用户的信息时将缺失进入扇区X的时间点和离开扇区Y的时间点,因此需要插补进入扇区X的时间为5月2日的00:00:00,离开扇区Y的时间点为5月2日23:59:59。
(3)统计PF、GF,计算PF-IGF值:统计每个用户在每个扇区中出现的次数或驻留时长PF,以及所有用户在每个扇区中出现的次数或驻留时长的平均值GF,在数据采集时间是以天为计时单位时,PF值按天取均值,GF值按人天取均值,并将之归一化;使用归一化之后的PF值和GF值进行PF/GF计算,得到每个用户的PF-IGF值;
(4)计算夹角余弦值:采用以下公式计算每两个手机用户的PF-IGF值的夹角余弦值 cosθ:
其中,Ai表示手机用户A在第i个基站的PF-IGF值,Bi表示用户B在第i个基站的PF-IGF值,i=1,2,……n。
(5)用户行为相似度判定:根据所得的夹角余弦值cosθ,判定两个用户的行为相似度:夹角余弦值cosθ越大,表示这两个手机用户的活动轨迹行为越相近;夹角余弦值cos θ的值越小,表示这两个手机用户的活动轨迹行为越不相关。
以下通过一个具体实施例对本发明的方法进一步说明。
假设我们选定了15个手机用户作为一个研究群体,分别为imsi1到imsi15。利用电信运营商的信令数据,得到每个用户在一天内,在lacci1至lacci5五个基站中每个基站的进出时间或驻留时长;
上述数据中,有可能只有某用户进入某个基站的时间而没有离开时间,或只有离开某基站的时间而没有进入该基站的时间,故对缺失数据进行差值补偿。
分别统计用户imsi1在每个基站的出现的次数或驻留时长,得到imsi1在lacci1至lacci5的5个PF值;
分别统计所有15个用户在每个基站出现的总次数或总时长的平均值,得到该群体在 lacci1至lacci5的5个GF值;
用imsi1的每个PF值,分别除以对应的每个GF值,得到imsi1对应lacci1至lacci5的5个PF-IGF值。
采用同样的方法,分别计算imsi2到imsi15的PF-IGF值。得到15组PF-IGF值,如下表1所示:
表1:15个手机用户在五个基站的PF-IGF
采用上表1中的15组数据,代入上述夹角余弦值公式(1),分别计算每个用户与其自身及另外14个用户的PF-IGF余弦值,得到以下用户行为相似度判定矩阵,如下表2所示:
表2:用户行为相似度判定矩阵
通过表2可以直观判断用户间的行为轨迹相似度。以矩阵第一行为例,第1行第1列的数据为1,是imsi1与其自身的余弦夹角值,二者完全重合,故数字为1;第1行第10 列数字为0.95,是imsi1与imsi10的余弦夹角值,高于imsi1与其他用户的余弦夹角值,表示在15个用户中,imsi1与imsi10行为轨迹相似度最高。再以第7行数据为例,其中第 11列数值最高,为0.94,表示imsi7与imsi11的行为相似度最高。
Claims (3)
1.一种基于移动大数据的手机用户行为相似度分析方法,其特征在于,包括以下步骤:
(1)数据采集:利用电信运营商的信令数据,在一个时间段内,对一个用户群中每个用户IMSI识别号所在的基站扇区位置、进出扇区时间信息进行采集,并进行数据清洗;
(2)数据预处理:对进出基站缺失信令进行插值补偿;
(3)统计PF、GF,计算PF-IGF值:统计每个用户在一定时间段内在每个扇区中出现的次数或驻留时长PF,以及所有用户在每个扇区中出现的次数或驻留时长的均值GF,其中,PF值按天取均值,GF值按人天取均值,并将之归一化;使用归一化之后的PF值和GF值进行PF/GF计算,得到每个用户的PF-IGF值;
(4)计算夹角余弦值:采用以下公式计算每两个手机用户的PF-IGF值的夹角余弦值cosθ:
其中,Ai表示手机用户A在第i个扇区的PF-IGF值,Bi表示用户B在第i个扇区的PF-IGF值,i=1,2,……n。
(5)用户行为相似度判定:根据所得的夹角余弦值cosθ,判定两个用户的行为相似度:夹角余弦值cosθ越接大,表示这两个手机用户的活动行为轨迹越相近;夹角余弦值cosθ的值越小,表示这两个手机用户的活动行为轨迹越不相关。
2.根据权利要求1所述的基于移动大数据的手机用户行为相似度分析方法,其特征在于:步骤(1)中所述的时间段按天为单位;所述的用户群,是选定研究范围内的多个移动用户。
3.根据权利要求1所述的基于移动大数据的手机用户行为相似度分析方法,其特征在于:步骤(2)所述的对进出基站缺失信令进行插值补偿,具体方法是:如果用户在统计时间段内只有进入某扇区的时间而没有离开该扇区的时间,或者只有离开某扇区的时间而没有进入该扇区的时间,则需要对缺失数据进行插补,插补时间点是该统计时间段的起始时间和结束时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810484072.6A CN110572813A (zh) | 2018-05-19 | 2018-05-19 | 一种基于移动大数据的手机用户行为相似度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810484072.6A CN110572813A (zh) | 2018-05-19 | 2018-05-19 | 一种基于移动大数据的手机用户行为相似度分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110572813A true CN110572813A (zh) | 2019-12-13 |
Family
ID=68772455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810484072.6A Pending CN110572813A (zh) | 2018-05-19 | 2018-05-19 | 一种基于移动大数据的手机用户行为相似度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110572813A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111083636A (zh) * | 2019-12-27 | 2020-04-28 | 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 |
CN111294742A (zh) * | 2020-02-10 | 2020-06-16 | 邑客得(上海)信息技术有限公司 | 基于信令cdr数据识别伴随手机号码的方法与系统 |
CN111312406A (zh) * | 2020-03-15 | 2020-06-19 | 智博云信息科技(广州)有限公司 | 一种疫情标签数据处理方法及系统 |
CN111612430A (zh) * | 2020-05-26 | 2020-09-01 | 中国联合网络通信集团有限公司 | 一种亲密用户确定方法及装置 |
CN112040413A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 用户轨迹计算方法、装置及电子设备 |
CN112738724A (zh) * | 2020-12-17 | 2021-04-30 | 福建新大陆软件工程有限公司 | 一种区域目标人群的精准识别方法、装置、设备和介质 |
CN114071347A (zh) * | 2020-07-28 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101399713A (zh) * | 2008-09-28 | 2009-04-01 | 腾讯科技(深圳)有限公司 | 测量网络节点邻近度的方法 |
CN103731738A (zh) * | 2014-01-23 | 2014-04-16 | 哈尔滨理工大学 | 基于用户群组行为分析的视频推荐方法及装置 |
CN105653518A (zh) * | 2015-12-25 | 2016-06-08 | 北京理工大学 | 一种基于微博数据的特定群体发现及扩充方法 |
CN105989226A (zh) * | 2015-02-12 | 2016-10-05 | 中兴通讯股份有限公司 | 一种分析用户轨迹的方法及装置 |
US20160352760A1 (en) * | 2015-05-28 | 2016-12-01 | Cisco Technology, Inc. | Tracking Users over Network Hosts Based on User Behavior |
CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
CN106506705A (zh) * | 2016-12-29 | 2017-03-15 | 平安科技(深圳)有限公司 | 基于位置服务的人群分类方法及装置 |
-
2018
- 2018-05-19 CN CN201810484072.6A patent/CN110572813A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101399713A (zh) * | 2008-09-28 | 2009-04-01 | 腾讯科技(深圳)有限公司 | 测量网络节点邻近度的方法 |
CN103731738A (zh) * | 2014-01-23 | 2014-04-16 | 哈尔滨理工大学 | 基于用户群组行为分析的视频推荐方法及装置 |
CN105989226A (zh) * | 2015-02-12 | 2016-10-05 | 中兴通讯股份有限公司 | 一种分析用户轨迹的方法及装置 |
US20160352760A1 (en) * | 2015-05-28 | 2016-12-01 | Cisco Technology, Inc. | Tracking Users over Network Hosts Based on User Behavior |
CN105653518A (zh) * | 2015-12-25 | 2016-06-08 | 北京理工大学 | 一种基于微博数据的特定群体发现及扩充方法 |
CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
CN106506705A (zh) * | 2016-12-29 | 2017-03-15 | 平安科技(深圳)有限公司 | 基于位置服务的人群分类方法及装置 |
Non-Patent Citations (1)
Title |
---|
贾若然等: "基于位置轨迹数据的用户相似性分析", 《计算机与数字工程》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111083636A (zh) * | 2019-12-27 | 2020-04-28 | 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 |
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 |
CN111294742A (zh) * | 2020-02-10 | 2020-06-16 | 邑客得(上海)信息技术有限公司 | 基于信令cdr数据识别伴随手机号码的方法与系统 |
CN111294742B (zh) * | 2020-02-10 | 2020-11-10 | 邑客得(上海)信息技术有限公司 | 基于信令cdr数据识别伴随手机号码的方法与系统 |
CN111312406A (zh) * | 2020-03-15 | 2020-06-19 | 智博云信息科技(广州)有限公司 | 一种疫情标签数据处理方法及系统 |
CN111312406B (zh) * | 2020-03-15 | 2020-11-13 | 薪得付信息技术(山东)有限公司 | 一种疫情标签数据处理方法及系统 |
CN111612430A (zh) * | 2020-05-26 | 2020-09-01 | 中国联合网络通信集团有限公司 | 一种亲密用户确定方法及装置 |
CN114071347A (zh) * | 2020-07-28 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
CN114071347B (zh) * | 2020-07-28 | 2024-04-09 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
CN112040413A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 用户轨迹计算方法、装置及电子设备 |
CN112738724A (zh) * | 2020-12-17 | 2021-04-30 | 福建新大陆软件工程有限公司 | 一种区域目标人群的精准识别方法、装置、设备和介质 |
CN112738724B (zh) * | 2020-12-17 | 2022-09-23 | 福建新大陆软件工程有限公司 | 一种区域目标人群的精准识别方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110572813A (zh) | 一种基于移动大数据的手机用户行为相似度分析方法 | |
Xu et al. | Another tale of two cities: Understanding human activity space using actively tracked cellphone location data | |
Do et al. | The places of our lives: Visiting patterns and automatic labeling from longitudinal smartphone data | |
CN111582948B (zh) | 一种基于手机信令数据与poi兴趣点的个体行为分析方法 | |
Chen et al. | A system for destination and future route prediction based on trajectory mining | |
Lv et al. | Mining user similarity based on routine activities | |
CN102591911B (zh) | 位置相关实体的实时个性化推荐 | |
CN107194434B (zh) | 一种基于时空数据的移动对象相似度计算方法及系统 | |
US8700631B2 (en) | Tempo spatial data extraction from network connected devices | |
US20140370844A1 (en) | Method for the automatic detection and labelling of user point of interest | |
US8838134B2 (en) | Method and computer programs for the construction of communting matrices using call detail records and a use for providing user's mobility information | |
CN107273437A (zh) | 提供与用户可能访问的地点相关的信息的方法和系统 | |
CN107341261A (zh) | 一种面向位置社交网络的兴趣点推荐方法 | |
CN103731916A (zh) | 一种基于无线网络的用户位置预测系统和方法 | |
CN111049818B (zh) | 一种基于网络流量大数据的异常信息发现方法 | |
Kanasugi et al. | Spatiotemporal route estimation consistent with human mobility using cellular network data | |
CN104679810A (zh) | 用于基于移动装置数据产生简档的方法和系统 | |
CN110610182A (zh) | 用户轨迹相似度判断方法和相关装置 | |
Mazumdar et al. | An approach to compute user similarity for GPS applications | |
Smolak et al. | Population mobility modelling for mobility data simulation | |
CN110991751A (zh) | 用户生活模式预测方法、装置、电子设备及存储介质 | |
CN107577727B (zh) | 一种群体移动行为特性分析方法 | |
CN110958558A (zh) | 一种基于移动大数据的手机用户时空轨迹刻画方法 | |
CN110619090B (zh) | 一种区域吸引力评估方法及设备 | |
Damiani et al. | On location relevance and diversity in human mobility data |
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 |
Application publication date: 20191213 |
|
RJ01 | Rejection of invention patent application after publication |