CN110730207A - 基于位置服务的位置识别方法、装置、设备及存储介质 - Google Patents
基于位置服务的位置识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110730207A CN110730207A CN201910844421.5A CN201910844421A CN110730207A CN 110730207 A CN110730207 A CN 110730207A CN 201910844421 A CN201910844421 A CN 201910844421A CN 110730207 A CN110730207 A CN 110730207A
- Authority
- CN
- China
- Prior art keywords
- location
- standard
- key
- position information
- information
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请涉及用户画像领域,通过对基于位置服务生成的位置记录数据进行多维加权识别以得出位置记录数据对应的关键位置和位置类别。具体公开了一种基于位置服务的位置识别方法、装置、设备及存储介质,该方法包括:从移动终端获取基于位置服务的位置记录数据;对位置记录数据进行数据预处理以得到规范记录数据,规范记录数据包括事件时间和标准位置信息;根据规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;根据事件时间所在的时间维度,对事件时间对应的标准位置信息进行分箱统计,得到关键位置对应的时间维度分布数据;根据关键位置对应的时间维度分布数据,识别关键位置对应的位置类别,存储关键位置和位置类别。
Description
技术领域
本申请涉及数据分析领域,尤其涉及一种基于位置服务的关键位置识别方法、装置、设备及存储介质。
背景技术
基于位置服务(Location Based Service,LBS)是通过三大运营商服务商的无线电通讯网络(如GSM网、CDMA网)或者通过外部定位方式(如GPS)获取移动终端用户的位置信息(地理坐标或大地坐标),在地理信息系统平台的支持下,为用户提供相应服务的一种增值业务。通常通过无线电通讯网络或者外部定位方式获取的移动终端用户的位置是以GPS经纬度值的形式反馈给用户,如何通过反馈回来的经纬度信息准确定位识别出用户的一些常用地址,如家庭地址或办公地址等,已然成为业界的热门研究方向。
但是目前识别LBS关键点的算法或规则太过拘泥于将GPS聚合,导致识别LBS关键点的识别准确度过低,影响最终的位置判断。
发明内容
本申请实施例提供一种基于位置服务的位置识别方法、装置、设备及存储介质,能够对基于位置服务生成的位置记录数据进行多维加权识别以得出所述位置记录数据对应的关键位置和位置类别,且对关键位置和位置类别的识别准确率较高。
第一方面,本申请提供了一种基于位置服务的位置识别方法,所述方法包括:
从移动终端获取基于位置服务的位置记录数据;
对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息;
根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;
根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据;
根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
第二方面,本申请提供了一种基于位置服务的位置识别装置,所述装置包括:
数据获取模块,用于从移动终端获取基于位置服务的位置记录数据;
数据处理模块,用于对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息;
位置确定模块,用于根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;
维度统计模块,用于根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据;
位置识别模块,用于根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
第三方面,本申请提供了一种计算机设备,所述计算机设备包括存储器和处理器;所述存储器用于存储计算机程序;所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现上述的基于位置服务的位置识别方法。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,若所述计算机程序被处理器执行,实现上述的基于位置服务的位置识别方法。
本申请公开了一种基于位置服务的位置识别方法、装置、设备及存储介质,通过获取移动终端基于位置服务的位置记录数据,对位置记录数据进行预处理后采取多维特征加权的方法进行分析识别以得出所述位置记录数据对应的关键位置和位置类别。
对基于位置服务的位置记录数据进行分析识别,进一步地应用了LBS,同时采用的识别方法可以提升LBS关键点的识别准确度,可以得出所述位置记录数据对应的关键位置和位置类别。通过识别所述位置记录数据对应的关键位置和位置类别,起到了对移动终端用户的行为习惯进行挖掘,绘制用户行为画像的作用,有利于制作更全面的客户标签。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1为本申请一实施例的基于位置服务的位置识别方法的流程示意图;
图2为基于位置服务的位置识别方法应用于服务器的场景示意图;
图3为本申请基于位置服务的位置识别方法一实施方式的流程示意图;
图4为本申请基于位置服务的位置识别方法另一实施方式的流程示意图;
图5为本申请基于位置服务的位置识别方法再一实施方式的流程示意图;
图6为本申请实施例提供的一种基于位置服务的位置识别装置的结构示意图;
图7为本申请实施例提供的另一种基于位置服务的位置识别装置的结构示意图;
图8为本申请实施例提供的再一种基于位置服务的位置识别装置的结构示意图;
图9为本申请一实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。另外,虽然在装置示意图中进行了功能模块的划分,但是在某些情况下,可以以不同于装置示意图中的模块划分。
本申请的实施例提供了一种基于位置服务的位置识别方法、装置、设备及存储介质。其中,该基于位置服务的位置识别方法可以应用于终端或服务器中,以实现对基于位置服务的位置记录数据的识别,得出位置记录数据对应的关键位置和位置类别。
例如,基于位置服务的位置识别方法用于服务器,当然可以用于终端。其中,终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备;服务器可以为独立的服务器,也可以为服务器集群。但为了便于理解,以下实施例将以应用于服务器的基于位置服务的位置识别方法进行详细介绍。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1是本申请的实施例提供的一种基于位置服务的位置识别方法的流程示意图。
如图2所示为本申请的实施例提供的一种基于位置服务的位置识别方法应用于服务器的场景示意图。服务器获取终端发送的位置记录,并根据终端的位置记录数据识别终端对应的关键位置和位置类别。
如图1所示,基于位置服务的位置识别方法包括以下步骤S110至步骤S150。
步骤S110、从移动终端获取基于位置服务的位置记录数据。
基于位置服务:Location Based Service,LBS,是通过例如移动、联通、电信等运营商的无线电通讯网络——GSM网、CDMA等或者通过卫星定位系统,如GPS等,获取移动终端的位置信息,如地理坐标、大地坐标等。LBS是在地理信息系统平台的支持下,可以为用户提供定位服务的一种增值业务。
服务器从移动终端获取位置服务产生的多个事件时间以及所述事件时间各自对应的位置信息。
在一些实施方式中,服务器可以通过埋点来获取移动终端用户的多个位置记录数据。所述埋点就是在应用中特定的流程收集一些信息,用来跟踪应用使用的状况,后续用来进一步优化产品或是提供运营的数据支撑。具体的,所述埋点指预先设定好想要获取的事件后,在前/后端模块使用Java/Python/PHP/Ruby语言开发,撰写代码把事件埋到相应的地点,如后台或客户端上,用于追踪和记录的用户的行为,并把实时数据传送到后台数据库或者客户端,所述事件包括用户作用于产品、网站页面的一系列行为,由数据收集方,如产品经理或运营人员,加以描述,使之成为一个个特定的字段标签,存放于后台或者客户端。
在一些实施方式中,为了抓取用户基于位置服务产生的位置数据信息,撰写代码把事件埋到用户的移动终端上,用来追踪和记录用户基于位置服务产生的位置数据信息,并将获取到的位置记录数据存储在Hive数据库中与相应移动终端用户对应的表里,各所述位置记录数据均包括事件时间和与事件时间对应的位置信息。所述Hive数据库是基于Hadoop文件系统之上的一个数据仓库工具,提供了许多功能:数据抽取、转换和加载工具、数据存储管理和大型数据集的查询和分析能力。
具体的,将从移动终端获取到的基于位置服务的位置记录数据存储在Hive数据库的表里,每个事件存一条数据,包括事件类型、事件发生时间和事件发生位置时的经纬度信息。
步骤S120、对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息。
具体的,所述位置记录数据中位置信息的定位来源参数可能有所不同,即GPS坐标系不同,例如不同的位置信息可能对应于不同地图服务商的GPS坐标系,或者所述位置记录数据中可能存在需要进行剔除的位置记录数据,比如说因网络问题产生的重复位置记录数据或空值的位置记录数据,所以需要对获取的所述位置记录数据进行数据预处理。
在一些实施方式中,如图3所示,步骤S120对所述位置记录数据进行数据预处理以得到规范记录数据,包括步骤S121至步骤S123。
步骤S121、将所述位置记录数据中的位置信息处理为预设坐标系下的标准位置信息。
具体的,将地球坐标系、火星坐标系等坐标系下的位置信息转换为预设坐标系下的标准位置信息,如BD09坐标系下的标准位置信息。
地球坐标系:国际标准,也叫做WGS84坐标系,它以经纬度的形式来表示地球平面上的某一个位置,即地理位置。
火星坐标系:中国标准,也叫做CJ02坐标系,它是由中国国家测绘局制订的地理信息系统的坐标系统。采用“GCJ02”对地理位置进行首次加密,即对真实坐标系统进行人为的加偏处理,按照特殊的算法,将真实的坐标加密成虚假的坐标。
BD09坐标系,它是在“GCJ02”首次加密的基础上,进行了“BD09”二次加密措施的坐标系统。
通过将不同GPS坐标系下的位置信息转化为同一坐标系下的位置信息,可以避免GPS坐标系带来的位置偏移影响,避免对识别结果产生影响。
步骤S122、根据各所述标准位置信息对应的事件时间,判断各所述标准位置信息是否为异常位置信息。
所述标准位置信息中可能存在异常位置信息,所述异常位置信息包括因网络或者其他情况导致的异常值或空值的位置信息、非埋点行为获取到的位置信息和存在位置偏移的位置信息。
在一些实施方式中,用户一分钟内可能会连续产生的多条相同位置的位置信息。对于在预设时间段内多次重复出现的相同位置的位置信息,仅需要保留其中一条位置信息,如要保留出现时间最早的位置信息,确定其余位置信息为异常位置信息。
在一些实施方式中,服务器可能获取到一些非埋点行为产生的位置信息,这些非埋点行为产生的位置信息即为异常位置信息。
在一些实施方式中,如果对应的事件时间在同一预设时间段内的不同标准位置信息之间的距离超过预设阈值,则这些标准位置信息也属于异常位置信息。
具体的,若两个标准位置信息对应的事件时间十分接近,按照预设的事件时间区分条件进行划分,属于同一事件时间段内,且所述两个标准位置信息距离很远,超过预设阈值,则所述两个标准位置信息属于异常位置信息。
获取到的标准位置信息数据可能存在被污染或对位置识别精确度有影响的数据,所以通过以上判断可以识别出大部分的异常位置信息,有利于提高位置识别的准确度。
步骤S123、根据未被判定为异常位置信息的标准位置信息,以及所述标准位置信息对应的事件时间生成规范记录数据。
将所述标准位置信息中的异常位置信息进行剔除后,保留剩下的标准位置信息,并根据剩下的所述标准位置信息以及各标准位置信息对应的事件时间生成规范记录数据。
通过对所述标准位置信息中的异常位置信息进行剔除,可以保证所述标准位置信息的纯洁性,避免一些被污染的异常位置信息对识别结果产生影响,从而影响了位置识别的精确度。
步骤S130、根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置。
示例性的,根据规范记录数据中所有标准位置信息出现次数,对所述标准位置信息进行选择,选择满足关键位置判断条件的标准位置信息作为关键位置。
通过根据所有标准位置信息的出现次数判断关键位置,可以尽量避免偶然事件造成的误差,避免对位置识别的精确度产生影响。
在一些实施方式中,所述确定满足关键位置判断条件的标准位置信息为关键位置,可以根据计算所述规范记录数据中不同标准位置信息出现的频次,若有所述标准位置信息出现的频次大于预设的频数阈值,将所述标准位置标记为关键位置。需要说明的是,上述频数阈值可基于实际情况进行设置,本申请对此不作具体限定。
在另一些实施方式中,计算所述规范记录数据中不同标准位置信息出现的频次,根据所述频次的降序对不同的标准位置信息进行排序,并选取若干排序在前的标准位置信息作为关键位置。
通过根据标准位置信息出现的频次进行选取关键位置,可以尽可能避免因关键位置选取错误而导致识别结果出现误差的情况发生。
步骤S140、根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,以获取所述关键位置对应的时间维度分布数据。
具体的,根据所述标准位置信息对应的事件时间所在的时间维度,统计不同的标准位置信息对应于各时间维度的频次信息,得到不同的标准位置信息各自对应的时间维度分布数据。
在一些实施方式中,可将时间划分为十二个时间维度,所述十二个时间维度包括工作日、周末、节假日、工作日上班时间段、工作日下班时间段、工作日休息时间段、周末上班时间段、周末下班时间段、周末休息时间段、节假日上班时间段、节假日下班时间段和节假日休息时间段,其中,周一到周五为所述工作日,周六、周天为所述周末,法定节假日为所述节假日;每天24小时中08:00-18:00为所述上班时间段,18:01-22:00为所述下班时间段,22:01-07:59为所述休息时间段。
具体的,根据所述规范记录数据中所述标准位置信息对应的事件时间得到所述标准位置信息对应的时间维度后,统计所述标准位置信息在所述十二个时间维度中出现的次数,即统计所述标准位置信息出现在工作日的次数,出现在周末的次数,出现在节假日的次数,出现在工作日上班时间段的次数,出现在工作日下班时间段的次数,出现在工作日休息时间段的次数,出现在周末上班时间段的次数,出现在周末下班时间段的次数,出现在周末休息时间段的次数,出现在节假日上班时间段的次数,出现在节假日下班时间段的次数,出现在节假日休息时间段的次数。所述标准位置信息在所述十二个时间维度上分布的频数情况,即为所述标准位置信息对应的时间维度分布数据。
通过根据所述规范记录数据中标准位置信息对应的事件时间所在的时间维度,对所述标准位置信息进行十二个时间维度划分,得到不同的标准位置信息各自对应的时间维度分布数据,可以充分展现出所述标准位置信息在时间维度上客观反映的地理位置信息,有利于对所述规范位置数据进行整理,对后续的位置识别提供了便利。
步骤S150、根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
统计关键位置在所述十二个时间维度中出现的次数,即统计所述关键位置出现在工作日的次数,出现在周末的次数,出现在节假日的次数,出现在工作日上班时间段的次数,出现在工作日下班时间段的次数,出现在工作日休息时间段的次数,出现在周末上班时间段的次数,出现在周末下班时间段的次数,出现在周末休息时间段的次数,出现在节假日上班时间段的次数,出现在节假日下班时间段的次数,出现在节假日休息时间段的次数。被确定为关键位置的标准位置信息在所述十二个时间维度上分布的频数情况,即为所述关键位置对应的时间维度分布数据。
通过所述关键位置对应的时间维度分布数据,可以充分展现出所述关键位置在时间维度上的频次信息,方便进行所述关键位置对应的位置类别的识别。
在一些实施方式中,如图4所示,步骤S150根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别,包括步骤S151至步骤S153。
步骤S151、获取位置类别对应的权重值和所述关键位置对应于各时间维度的频次信息。
不同的位置类别对应于不同的权重值。在一些实施方式中,位置类别包括家和办公点。
具体的,所述权重值根据所述规范记录数据得到。根据所述规范记录数据中的标准位置信息对应的事件时间,将所述标准位置信息按照时间维度划分,计算所述标准位置信息的出现频次。通过所述出现频次,得到位置类别对应的权重值。
在一些实施方式中,如图5所示,步骤S151获取位置类别对应的权重值,包括步骤S1511至步骤S1513。
步骤S1511、获取位置类别对应的时间维度。
在一些实施方式中,所述位置类别包括家和办公点,办公点对应的时间维度为工作日上班时间段,家对应的时间维度为工作日休息时间段、周末休息时间段和节假日休息时间段。
步骤S1512、计算事件时间位于所述时间维度上的标准位置信息的信息数量。
在一些实施方式中,根据所述规范记录数据中记录的事件时间,将与所述事件时间对应的标准位置信息划分各时间维度上,计算各所述位置类别对应时间维度上标准位置信息的数量,作为信息数量。例如当所述位置类别为办公点,根据事件时间将所述规范记录数据中标准位置信息划分到各时间维度上,统计所述标准位置信息在办公点对应时间维度,即工作日上班时间段上的数量,作为办公点对应的标准位置信息的信息数量;当所述位置类别为家,根据事件时间将所述规范记录数据中标准位置信息划分到各时间维度上,统计所述标准位置信息在家对应时间维度,即工作日休息时间段、周末休息时间段和节假日休息时间段上的数量,作为家对应的标准位置信息的信息数量。
步骤S1513、将所述信息数量除以所述规范记录数据中标准位置信息的总数量,得到所述位置类别对应的权重值。
在一些实施方式中,统计所述规范记录数据中标准位置信息的总数量后,将所述各位置类别对应的标准位置信息的信息数量除以所述总数量,得到所述各位置对应的权重值。例如当所述位置类别为办公点,把办公点对应时间维度上的标准位置信息的信息数量除以所述规范记录数据中标准位置信息的总数量,得到办公点对应的权重值;当所述位置类别为家,把家对应时间维度上的标准位置信息的信息数量除以所述规范记录数据中标准位置信息的总数量,得到家对应的权重值。
通过根据所述位置类别的特征进行权重设定,比如说通过工作日上班时间段中所述标准位置信息的出现频次占所述规范记录数据中标准位置信息的总出现频次的占比作为办公点的权重,再通过工作日休息时间段、周末休息时间段和节假日休息时间段中所述标准位置信息的出现频次占所述规范记录数据中标准位置信息的总出现频次的占比作为家的权重,可以有效的平衡每一个所述标准位置信息所对应的事件时间所带来的不同信息价值,有效而全面的考虑了时间和空间因素,对位置识别带来了准确性的提升。
步骤S152、将所述位置类别对应的权重值乘以各所述关键位置对应于各时间维度的频次信息,得到所述关键位置对应于所述位置类别的加权结果。
在一些实施方式中,所述位置类别包括家和办公点。家对应的时间维度为工作日休息时间段、周末休息时间段和节假日休息时间段,办公点对应的时间维度为工作日上班时间段。
具体的,获取家、办公点的权重值和所述关键位置在工作日上班时间段、工作日休息时间段、周末休息时间段和节假日休息时间段等时间维度上的出现频次。通过办公点的权重值乘以所述关键位置在工作日上班时间段的出现频次,作为所述关键位置对应于办公点的加权结果。通过家的权重值乘以所述关键位置在工作日休息时间段、周末休息时间段和节假日休息时间段等时间维度上出现频次的总和,作为所述关键位置对应于家的加权结果。
步骤S153、若有所述关键位置对应于所述位置类别的加权结果大于所述位置类别对应的类别判断阈值,将所述关键位置标记为所述位置类别。
在一些实施方式中,所述位置类别包括家和办公点。当所述关键位置对应于家的加权结果大于家对应的类别判断阈值,则将所述关键位置标记为家;当所述关键位置对应于办公点的加权结果大于办公点对应的类别判断阈值,则将所述关键位置标记为办公点。需要说明的是,对应的类别判断阈值可基于实际情况进行设置,本申请对此不作具体限定。
上述实施例提供的基于位置服务的位置识别方法,通过获取移动终端基于位置服务的位置记录数据,对位置记录数据进行预处理后采取多维特征加权的方法进行分析,得出位置记录数据对应的关键位置和位置类别。通过对所述位置记录数据对应的位置类别进行识别,能帮助更好的挖掘移动终端用户的行为习惯,从而提供新的用户标签和全面的用户行为画像,实现了对用户生活习惯的进一步了解。同时使用多维特征加权的方法也使得LBS关键点的识别准确度得到了很大提升。
请参阅图6,图6是本申请实施例提供的一种基于位置服务的位置识别装置的结构示意图图,该基于位置服务的位置识别装置可以配置于服务器中,用于执行前述的基于位置服务的位置识别方法。
如图6所示,该基于位置服务的位置识别装置,包括:数据获取模块110、数据处理模块120、位置标记模块130、维度处理模块140和位置识别模块150。
数据获取模块110,用于从移动终端获取基于位置服务的位置记录数据;
数据处理模块120,用于对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息;
位置确定模块130,用于根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;
维度统计模块140,用于根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据;
位置识别模块150,用于根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
在一些实施方式中,如图7所示,数据处理模块120包括:
预处理子模块121,用于将所述位置记录数据中的位置信息处理为预设坐标系下的标准位置信息;
异常判断子模块122,用于根据各所述标准位置信息对应的事件时间,判断各所述标准位置信息是否为异常位置信息;
规范记录生成子模块123,用于根据未被判定为异常位置信息的标准位置信息,以及所述标准位置信息对应的事件时间生成规范记录数据。
在一些实施方式中,如图8所示,位置识别模块150包括:
频次获取子模块151,用于获取位置类别对应的权重值和所述关键位置对应于各时间维度的频次信息;
加权计算子模块152,用于将所述位置类别对应的权重值乘以各所述关键位置对应于各时间维度的频次信息,得到所述关键位置对应于所述位置类别的加权结果;
类别标记子模块153,用于根据所述关键位置对应于所述位置类别的加权结果,标记所述关键位置对应的所述位置类别。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的方法、装置可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
示例性的,上述的方法、装置可以实现为一种计算机程序的形式,该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9,图9是本申请实施例提供的一种计算机设备的结构示意图。该计算机设备可以是服务器或终端。
参阅图9,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种应用图标处理方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种基于位置服务的位置识别方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,该计算机设备的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
从移动终端获取基于位置服务的位置记录数据;
对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息;
根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;
根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据;
根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
在一些实施方式中,处理器用以实现所述对所述位置记录数据进行数据预处理以得到规范记录数据时,实现:
从移动终端获取位置服务产生的多个事件时间以及所述事件时间各自对应的位置信息;
处理器用以实现所述对所述记录数据进行数据预处理以得到规范记录数据时,实现:
将所述位置记录数据中的位置信息处理为预设坐标系下的标准位置信息;
根据各所述标准位置信息对应的事件时间,判断各所述标准位置信息是否为异常位置信息;
根据未被判定为异常位置信息的标准位置信息,以及所述标准位置信息对应的事件时间生成规范记录数据。
在一些实施方式中,处理器用以实现所述根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置,实现:
计算所述规范记录数据中不同标准位置信息出现的频次,若有所述标准位置信息出现的频次大于预设的频数阈值,将所述标准位置标记为关键位置;或者
计算所述规范记录数据中不同标准位置信息出现的频次,根据所述频次的降序对不同的标准位置信息进行排序,并选取若干排序在前的标准位置信息作为关键位置。
在一些实施方式中,处理器用以实现所述根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据时,实现:
根据所述标准位置信息对应的事件时间所在的时间维度,统计不同的标准位置信息对应于各时间维度的频次信息,得到不同的标准位置信息各自对应的时间维度分布数据。
在一些实施方式中,处理器用以实现所述根据所述标准位置信息对应的事件时间所在的时间维度,统计不同的标准位置信息对应于各时间维度的频次信息时,实现:
根据各所述标准位置信息对应的事件时间,确定各所述标准位置信息对应的时间维度,其中,所述时间维度包括工作日、周末、节假日、工作日上班时间段、工作日下班时间段、工作日休息时间段、周末上班时间段、周末下班时间段、周末休息时间段、节假日上班时间段、节假日下班时间段和节假日休息时间段;
根据各所述标准位置信息对应的时间维度,统计不同的标准位置信息在各所述时间维度上的频次信息。
在一些实施方式中,服务器用以实现所述根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别时,实现:
获取位置类别对应的权重值和所述关键位置对应于各时间维度的频次信息;
将所述位置类别对应的权重值乘以所述关键位置对应于各时间维度的频次信息,得到所述关键位置对应于所述位置类别的加权结果;
若有所述关键位置对应于所述位置类别的加权结果大于所述位置类别对应的类别判断阈值,将所述关键位置标记为所述位置类别。
在一些实施方式中,服务器用以实现所述获取位置类别对应的权重值时,实现:
获取位置类别对应的时间维度;
计算事件时间位于所述时间维度上的标准位置信息的信息数量;
将所述信息数量除以所述规范记录数据中标准位置信息的总数量,得到所述位置类别对应的权重值。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本申请各个实施例或者实施例的某些部分所述的方法,如:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现本申请实施例提供的任一项基于位置服务的位置识别方法。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于位置服务的位置识别方法,其特征在于,包括:
从移动终端获取基于位置服务的位置记录数据;
对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息;
根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;
根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据;
根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
2.如权利要求1所述的基于位置服务的位置识别方法,其特征在于,所述从移动终端获取基于位置服务的位置记录数据,包括:
从移动终端获取位置服务产生的多个事件时间以及所述事件时间各自对应的位置信息;
所述对所述记录数据进行数据预处理以得到规范记录数据,包括:
将所述位置记录数据中的位置信息处理为预设坐标系下的标准位置信息;
根据各所述标准位置信息对应的事件时间,判断各所述标准位置信息是否为异常位置信息;
根据未被判定为异常位置信息的标准位置信息,以及所述标准位置信息对应的事件时间生成规范记录数据。
3.如权利要求1所述的基于位置服务的位置识别方法,其特征在于,所述根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置,包括:
计算所述规范记录数据中不同标准位置信息出现的频次,若有所述标准位置信息出现的频次大于预设的频数阈值,将所述标准位置标记为关键位置;或者
计算所述规范记录数据中不同标准位置信息出现的频次,根据所述频次的降序对不同的标准位置信息进行排序,并选取若干排序在前的标准位置信息作为关键位置。
4.如权利要求1所述的基于位置服务的位置识别方法,其特征在于,所述根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据,包括:
根据所述标准位置信息对应的事件时间所在的时间维度,统计不同的标准位置信息对应于各时间维度的频次信息,得到不同的标准位置信息各自对应的时间维度分布数据。
5.如权利要求4所述的基于位置服务的位置识别方法,其特征在于,所述根据所述标准位置信息对应的事件时间所在的时间维度,统计不同的标准位置信息对应于各时间维度的频次信息,包括:
根据各所述标准位置信息对应的事件时间,确定各所述标准位置信息对应的时间维度,其中,所述时间维度包括工作日、周末、节假日、工作日上班时间段、工作日下班时间段、工作日休息时间段、周末上班时间段、周末下班时间段、周末休息时间段、节假日上班时间段、节假日下班时间段和节假日休息时间段;
根据各所述标准位置信息对应的时间维度,统计不同的标准位置信息在各所述时间维度上的频次信息。
6.如权利要求5所述的基于位置服务的位置识别方法,其特征在于,所述根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别,包括:
获取位置类别对应的权重值和所述关键位置对应于各时间维度的频次信息;
将所述位置类别对应的权重值乘以所述关键位置对应于各时间维度的频次信息,得到所述关键位置对应于所述位置类别的加权结果;
若有所述关键位置对应于所述位置类别的加权结果大于所述位置类别对应的类别判断阈值,将所述关键位置标记为所述位置类别。
7.如权利要求6所述的基于位置服务的位置识别方法,其特征在于,所述获取位置类别对应的权重值,包括:
获取位置类别对应的时间维度;
计算事件时间位于所述时间维度上的标准位置信息的信息数量;
将所述信息数量除以所述规范记录数据中标准位置信息的总数量,得到所述位置类别对应的权重值。
8.一种基于位置服务的位置识别装置,其特征在于,所述基于位置服务的关键位置识别装置包括:
数据获取模块,用于从移动终端获取基于位置服务的位置记录数据;
数据处理模块,用于对所述位置记录数据进行数据预处理以得到规范记录数据,所述规范记录数据包括多个事件时间以及所述事件时间各自对应的标准位置信息;
位置确定模块,用于根据所述规范记录数据,确定满足关键位置判断条件的标准位置信息为关键位置;
维度统计模块,用于根据各所述事件时间所在的时间维度,对各事件时间对应的标准位置信息进行分箱统计,得到所述关键位置对应的时间维度分布数据;
位置识别模块,用于根据所述关键位置对应的时间维度分布数据,识别所述关键位置对应的位置类别,存储所述关键位置和位置类别。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1-7中任一项所述的基于位置服务的位置识别方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:若所述计算机程序被处理器执行,实现如权利要求1-7中任一项所述的基于位置服务的位置识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844421.5A CN110730207B (zh) | 2019-09-06 | 2019-09-06 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
PCT/CN2020/112355 WO2021043094A1 (zh) | 2019-09-06 | 2020-08-31 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844421.5A CN110730207B (zh) | 2019-09-06 | 2019-09-06 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110730207A true CN110730207A (zh) | 2020-01-24 |
CN110730207B CN110730207B (zh) | 2022-03-29 |
Family
ID=69217906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910844421.5A Active CN110730207B (zh) | 2019-09-06 | 2019-09-06 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110730207B (zh) |
WO (1) | WO2021043094A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111291092A (zh) * | 2020-02-14 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、服务器及存储介质 |
WO2021043094A1 (zh) * | 2019-09-06 | 2021-03-11 | 平安科技(深圳)有限公司 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
CN116450764A (zh) * | 2023-06-15 | 2023-07-18 | 深圳市易图资讯股份有限公司 | 一种地理信息系统及数据处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227821A (zh) * | 2013-04-03 | 2013-07-31 | 腾讯科技(深圳)有限公司 | 一种目标用户位置数据的处理方法及装置 |
CN106101224A (zh) * | 2016-06-12 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 识别用户所在地理位置的类别的方法及装置 |
US20170142554A1 (en) * | 2014-06-24 | 2017-05-18 | Alibaba Group Holding Limited | Matching users in a location-based service |
CN108415960A (zh) * | 2018-02-06 | 2018-08-17 | 北京三快在线科技有限公司 | 一种地理位置服务的实现方法及装置,电子设备 |
CN109815330A (zh) * | 2018-12-21 | 2019-05-28 | 厦门市美亚柏科信息股份有限公司 | 一种手机持有人位置信息的计算方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408184A (zh) * | 2016-09-12 | 2017-02-15 | 中山大学 | 一种基于多源异构数据的用户信用评估模型 |
US10423964B2 (en) * | 2017-12-29 | 2019-09-24 | Scott Kimmel | User controlled event record system |
CN109165929A (zh) * | 2018-09-05 | 2019-01-08 | 深圳市策维软件技术有限公司 | 一种个人事件记录器和记录方法 |
CN109522923B (zh) * | 2018-09-25 | 2023-07-04 | 中国平安人寿保险股份有限公司 | 客户地址聚合方法、装置及计算机可读存储介质 |
CN110730207B (zh) * | 2019-09-06 | 2022-03-29 | 平安科技(深圳)有限公司 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
-
2019
- 2019-09-06 CN CN201910844421.5A patent/CN110730207B/zh active Active
-
2020
- 2020-08-31 WO PCT/CN2020/112355 patent/WO2021043094A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227821A (zh) * | 2013-04-03 | 2013-07-31 | 腾讯科技(深圳)有限公司 | 一种目标用户位置数据的处理方法及装置 |
US20170142554A1 (en) * | 2014-06-24 | 2017-05-18 | Alibaba Group Holding Limited | Matching users in a location-based service |
CN106101224A (zh) * | 2016-06-12 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 识别用户所在地理位置的类别的方法及装置 |
CN108415960A (zh) * | 2018-02-06 | 2018-08-17 | 北京三快在线科技有限公司 | 一种地理位置服务的实现方法及装置,电子设备 |
CN109815330A (zh) * | 2018-12-21 | 2019-05-28 | 厦门市美亚柏科信息股份有限公司 | 一种手机持有人位置信息的计算方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021043094A1 (zh) * | 2019-09-06 | 2021-03-11 | 平安科技(深圳)有限公司 | 基于位置服务的位置识别方法、装置、设备及存储介质 |
CN111291092A (zh) * | 2020-02-14 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、服务器及存储介质 |
CN116450764A (zh) * | 2023-06-15 | 2023-07-18 | 深圳市易图资讯股份有限公司 | 一种地理信息系统及数据处理方法 |
CN116450764B (zh) * | 2023-06-15 | 2023-08-11 | 深圳市易图资讯股份有限公司 | 一种地理信息系统及数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110730207B (zh) | 2022-03-29 |
WO2021043094A1 (zh) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110730207B (zh) | 基于位置服务的位置识别方法、装置、设备及存储介质 | |
KR102121361B1 (ko) | 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 | |
US10608905B2 (en) | Method and system for temporal sampling in evolving network | |
EP2664999A1 (en) | Action pattern analysis device, action pattern analysis method, and action pattern analysis program | |
CN111177568B (zh) | 基于多源数据的对象推送方法、电子装置及存储介质 | |
CN110162386B (zh) | 一种任务下发方法及装置 | |
CN115345390B (zh) | 一种行为轨迹预测方法、装置、电子设备及存储介质 | |
CN110569321A (zh) | 基于城市地图的网格划分处理方法、装置和计算机设备 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN114676423B (zh) | 一种应对云计算办公威胁的数据处理方法及服务器 | |
CN110427574B (zh) | 路线相似度确定方法、装置、设备和介质 | |
CN115689565A (zh) | 一种基于数据管道的银联支付数据的安全监控方法及系统 | |
CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
CN113778996A (zh) | 一种大数据流数据处理方法、装置、电子设备及存储介质 | |
CN114036391A (zh) | 数据推送方法、装置、电子设备和存储介质 | |
CN114203304A (zh) | 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器 | |
CN109472731A (zh) | 一种可疑目标确定方法及装置 | |
CN113051127A (zh) | 异常功耗检测方法、装置、电子设备及存储介质 | |
CN110704523A (zh) | 数据导出方法、装置、设备及计算机可读存储介质 | |
CN110875949A (zh) | 用于推送信息的方法和装置 | |
CN108762960B (zh) | 一种移动应用监测系统 | |
CN111127161A (zh) | 数据处理方法、系统、电子设备及可读存储介质 | |
CN117171707A (zh) | 用户意图信息的识别方法、装置、计算机设备及存储介质 | |
CN113051128A (zh) | 功耗检测方法、装置、电子设备及存储介质 | |
CN116108078A (zh) | 一种数据的集中处理方法及装置 |
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 |