CN111124846B - 在线定位时长的统计方法及装置、定位服务系统 - Google Patents
在线定位时长的统计方法及装置、定位服务系统 Download PDFInfo
- Publication number
- CN111124846B CN111124846B CN201811293700.9A CN201811293700A CN111124846B CN 111124846 B CN111124846 B CN 111124846B CN 201811293700 A CN201811293700 A CN 201811293700A CN 111124846 B CN111124846 B CN 111124846B
- Authority
- CN
- China
- Prior art keywords
- data
- online
- user behavior
- online data
- matching
- 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
- 238000000034 method Methods 0.000 title claims description 25
- 238000007619 statistical method Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 255
- 230000002159 abnormal effect Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明适用于定位技术领域,提供了一种在线定位时长的统计方法及装置、定位服务系统,所述统计方法包括:获取用户行为数据,所述用户行为数据包括两个以上行为事件;对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。本发明中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
Description
技术领域
本发明属于定位技术领域,尤其涉及一种在线定位时长的统计方法及装置、定位服务系统。
背景技术
近年来,随着卫星导航、互联网技术的快速发展,定位技术已经成为用户的普遍需求,在需求越多的同时,收费会变得比较复杂,当同时为多个用户提供定位服务时,如何准确计算在线定位时长是服务提供方比较重视的一方面,现有技术中,基于登录时间长度作为在线定位时长,而由于多次登录或者出现网络信号不佳的情况,在线定位时长的统计会不够准确,因此会出现收费异常,这给用户或者服务提供方带来损失。
发明内容
本发明实施例提供了一种在线定位时长的统计方法及装置、定位服务系统,旨在解决现有技术的由于基于登录时间长度作为在线定位时长导致统计准确度不高的问题。
一种在线定位时长的统计方法,包括:
获取用户行为数据,所述用户行为数据包括两个以上行为事件;
对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
优选地,获取用户行为数据之前还包括:
采集预设时间段的用户行为日志,所述用户行为日志包括一个以上用户的行为数据;
基于用户的差分账号对所述用户行为日志进行分组,得到一组以上用户行为日志。
优选地,分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计具体为:
基于匹配信息对所述用户行为数据进行分类,基于分类结果进行在线定位时长的统计,所述分类结果包括匹配在线数据、边界在线数据及异常在线数据中的至少一种。
优选地,所述匹配信息包括三种匹配条件,基于匹配信息对所述用户行为数据进行分类,基于分类结果进行在线定位时长的统计包括:
基于所述匹配信息对所述用户行为数据进行分析,获得分析结果;
基于所述分析结果获取所述在线数据的分类数量;
基于所述分类数量及所述分析结果进行在线定位时长的统计。
优选地,当所述分类数量为三时,所述分析结果包括匹配在线数据、边界在线数据及异常在线数据,基于所述分类数量及所述用户行为数据进行在线定位时长的统计包括:
分别基于所述匹配在线数据、边界在线数据及异常在线数据获取对应的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果。
优选地,当所述分类数量为二时,所述分析结果包括匹配在线数据、边界在线数据及异常在线数据中的两种,基于所述分类数量及所述用户行为数据进行在线定位时长的统计包括:
基于所述匹配在线数据、边界在线数据及异常在线数据中的两种在线数据获取对应的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果。
优选地,当所述分类数量为一时,所述分析结果包括匹配在线数据、边界在线数据及异常在线数据中的一种,基于所述分类数量及所述用户行为数据进行在线定位时长的统计包括:
基于所述匹配在线数据、边界在线数据及异常在线数据中的一种在线数据获取对应的在线定位时长,以所获取的在线定位时长作为统计结果。
优选地,所述三种匹配条件包括第一匹配条件、第二匹配条件及第三匹配条件,基于所述匹配在线数据、边界在线数据及异常在线数据中的一种在线数据获取对应的在线定位时长,以所获取的在线定位时长作为统计结果包括:
当所述用户行为数据与所述第一匹配条件匹配时,所述分析结果包括所述匹配在线数据,基于所述匹配在线数据统计在线定位时长,获得对应的统计结果;或者
当所述用户行为数据与所述第二配条件匹配时,所述分析结果包括所述边界在线数据,基于所述边界在线数据统计在线定位时长,获得对应的统计结果;或者
当所述用户行为数据与所述第三配条件匹配时,所述分析结果包括所述异常在线数据,基于所述异常在线数据统计在线定位时长,获得对应的统计结果。
优选地,所述第一匹配条件为:所述用户行为数据包括一组以上行为事件,每一组行为事件包括一个登入事件、GGA数据及一个登出事件,且所述GGA的发生时间在所述登入事件发生之后、所述登出事件发生之前,所述登出事件发生在所述登入事件发生之后。
优选地,所述第二匹配条件为:所述用户行为数据包括:一个登入事件及GGA数据或一个登出事件及GGA数据。
本发明还提供一种在线定位时长的统计装置,包括:
获取单元,用于获取用户行为数据,所述用户行为数据包括两个以上行为事件;
排序单元,用于对所述用户行为数据按时间顺序进行排序,获得排序的用户行为数据;
分析统计单元,用于分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
本发明还提供一种定位服务系统,所述定位服务系统包括在线定位时长的统计装置,所述统计装置包括:
获取单元,用于获取用户行为数据,所述用户行为数据包括两个以上行为事件;
排序单元,用于对所述用户行为数据按时间顺序进行排序,获得排序的用户行为数据;
分析统计单元,用于分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
本发明还提供一种存储器,所述存储器存储有计算机程序,其特征在于,所述计算机程序被处理器执行如下步骤:
获取用户行为数据,所述用户行为数据包括两个以上行为事件;
对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
本发明还提供一种定位终端,包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户行为数据,所述用户行为数据包括两个以上行为事件;
对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
本发明实施例中,先对用户行为事件进行排序,然后进行分析,获得一致以上类型的在线数据,基于分析结果统计在线定位时长,可提高统计准确度。
附图说明
图1为本发明第一实施例提供的一种在线定位时长的统计方法的流程图;
图2为本发明第一实施例提供的一种在线定位时长的统计方法的步骤S3的具体流程图;
图3为本发明第一实施例提供的一种在线定位时长的统计方法的一优选实施方式的在线数据分类示意图;
图4为本发明第二实施例提供的一种在线定位时长的统计装置的结构图;
图5为本发明第三实施例提供的一种定位终端的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例中,一种在线定位时长的统计方法,包括:获取用户行为数据,所述用户行为数据包括两个以上行为事件;对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
图1示出了本发明第一实施例提供的一种在线定位时长的统计方法的流程图,该方法包括:
步骤S1,获取用户行为数据;
具体地,要统计在线定位时长时,则首先需要获取该用户的用户行为数据,该用户行为数据是一个时间段的,例如一天,该用户行为数据记录用户在该时间段内的使用在线定位服务时的行为事件,例如登入动作、登出动作或者获取GGA数据等,还可以包括其他,此处对此不作限制。
步骤S2,对用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
具体地,用户行为数据包括多个行为事件,每一行为事件都有对应的发生时间,此时需要以时间为顺序对所述用户行为数据中的行为事件进行排序,得到排序后的用户行为数据。
步骤S3,分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计;
具体地,分析排序后的用户行为数据,分析该用户行为数据中有那些类型的在线数据,获得对应的分析结果,分析用户行为数据,然后进行分类,获得一类以上在线数据,优选地,该一类以上在线数据可为:匹配在线数据、边界在线数据及异常在线数据。
在本实施例中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
在本实施例的一个优选方案中,该步骤S1之前还可包括:
步骤S4,采集预设时间段的用户行为日志;
具体地,当需要进行一个预设时间段(例如一天)内的在线定位时长时,首先获取该预设时间段的用户行为日志,该用户行为日志包括该服务器在同一时间段内为多个用户提供在线定位时记录的该多个用户的行为事件,即该用户行为日志包括一个以上用户行为数据。
步骤S5,基于用户的差分账号对用户行为日志进行分组,得到一组以上用户行为日志;
具体地,由于该用户行为日志包括多个用户的行为数据,此时需要分别统计每一用户的在线定位时长,则需要对用户行为日志进行分组,优选地,可基于用户的差分账号(用户名及对应的IP)来对行为日志进行分组,以用户为分组基础,获得每一用户对应的用户行为数据。
在本实施例的一个优选方案中,该步骤S3具体为:基于匹配信息对用户行为数据进行分类,基于分类结果进行在线定位时长的统计;
具体地,该匹配信息包括三种匹配条件,分别为第一匹配条件、第二匹配条件及第三匹配条件。由于该用户行为数据可能包括与上述三种匹配条件中任意一种匹配的在线数据,或者包括两种在线数据,即该两种在线数据分别与三种匹配条件中的一种匹配,或者包括三种在线数据,该三种在线数据分别与三种匹配条件中的一种匹配。
在本实施例的一个优选方案中,如图2所示,为本发明第一实施例提供的一种在线定位时长的统计方法的步骤S3的具体流程图,该步骤S3具体包括:
步骤S31,基于匹配信息对用户行为数据进行分析,获得分析结果;
具体地,基于上述三种匹配条件对用户行为数据进行分析,得到分析结果,即将三种匹配条件分别与用户行为数据进行匹配,获得匹配结果。
步骤S32,基于分析结果获取在线数据的分类数量;
具体地,根据分析结果获取在线数据的分类数量,即获取在线数据的类型数量;
步骤S33,基于分类数量及分析结果进行在线定位时长的统计;
具体地,根据分类数量及分析结果统计在线定位时长,即根据在线数据的类型及对应的用户行为数据进行统计,得到对应的在线定位时长。
在本实施例的一个优选方案中,该分类数量为三,即该用户行为数据包括:匹配在线数据、边界在线数据及异常在线数据,此时用户行为数据可分为匹配在线数据、边界在线数据及异常在线数据,该步骤S33具体包括:
分别基于匹配在线数据、边界在线数据及异常在线数据获取对应的在线定位时长;
具体地,分别获取匹配在线数据、边界在线数据及异常在线数据下的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果;
具体地,将所获取的匹配在线数据、边界在线数据及异常在线数据下的在线定位时长进行求和运算,获得总和作为统计结果。
在本实施例的另一优选方案中,当分类数量为二时,该分析结果包括匹配在线数据、边界在线数据及异常在线数据中的两种,例如包括匹配在线数据、边界在线数据;或者包括匹配在线数据及异常在线数据;或者包括边界在线数据及异常在线数据;该步骤S33具体包括:
基于匹配在线数据、边界在线数据及异常在线数据中的两种在线数据获取对应的在线定位时长;
具体地,该用户行为数据包括两种在线数据,分别获取两种在线数据对应的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果;
具体地,将所获取的两种在线数据对应的在线定位时长进行求和运算,将求和结果作为统计结果。
在本实施例的另一优选方案中,当分类数量为一时,该分析结果包括匹配在线数据、边界在线数据及异常在线数据中的一种,例如包括匹配在线数据;或者包括异常在线数据;或者包括边界在线数据;该步骤S33具体为:
基于匹配在线数据、边界在线数据及异常在线数据中的一种在线数据获取对应的在线定位时长,以所获取的在线定位时长作为统计结果;
例如:当用户行为数据与第一匹配条件匹配时,该分析结果包括匹配在线数据,基于匹配在线数据统计在线定位时长,获得对应的统计结果;
或者当用户行为数据与第二配条件匹配时,该分析结果包括边界在线数据,基于边界在线数据统计在线定位时长,获得对应的统计结果;
或者当用户行为数据与第三配条件匹配时,该分析结果包括异常在线数据,基于异常在线数据统计在线定位时长,获得对应的统计结果。
为了便于理解,下面一实例描述具体的分类及统计过程:如图3所示,为本发明第一实施例提供的一种在线定位时长的统计方法的在线数据分类示意图:
在本实施例的一个优选方案中,该第一匹配条件是:所述用户行为数据包括一组以上行为事件,每一组行为事件包括一个登入事件、GGA数据及一个登出事件,且所述GGA的发生时间在所述登入事件发生之后、所述登出事件发生之前,所述登出事件发生在所述登入事件发生之后,即登入事件与登出事件成对出现,且登入事件与登出事件对应的时间段中有出现GGA数据;
当用户行为数据只包括匹配在线数据时,获取在线定位时长的具体过程为:
分别计算每一组行为事件对应的在线定位时长,然后求和得到总的在线定位时长作为统计结果;例如,对于每一组行为事件,获取登入事件的时间点及登出事件的时间点,获取两个时间点之间的差值,该差值即为该组行为事件对应的在线定位时长。
在本实施例的一个优选方案中,该第二匹配条件是:该用户行为数据包括一个登入事件及GGA数据,或者一个登出事件及GGA数据,即用户只有登入行为,及获取GGA数据,没有登出行为;或者用户只有获取GGA数据及登出行为,没有登入行为,此种情况定义为边界在线数据;
当用户行为数据只包括边界在线数据时,获取在线定位时长的具体过程为:
当只有登入事件及GGA数据时,获取登入事件对应的时间点,以该时间点作为开始时间,以当天定位服务结束的时间点(产生最后一个GGA数据的时间点)作为结束时间(优选预设时间长度为一天),该结束时间与开始时间之间的时间差值即为对应的在线定位时长;当只有登出时间及GGA数据时,获取登出时间对应的时间点,以该时间点作为结束时间,以当前定位服务开始的时间点(即产生第一个GGA数据的时间点)作为开始时间,该结束时间与开始时间之间的时间差值作为对应的在线定位时长。
在本实施例的一个优选方案中,该第三匹配条件是:不属于前述的第一匹配条件及第二匹配条件的情况属于第三匹配条件,例如:用户行为数据包括多个登入事件及登出事件,属于嵌套行为,又例如:只有产生GGA数据而没有登入及登出事件;
在一种优选方案中,该多个登入事件及登出事件之间产生GGA数据;例如:多个登入事件+GGA数据+多个登出事件,且发生的时间顺序为:登入事件、登入事件、GGA数据、登出事件、登出事件,此时获取在线定位时长的具体过程为:获取与GGA数据对应的时间最近的登入事件及登出事件,以该获取的登出事件与登入事件之间的时间差值作为在线定位时长;
又例如:该多个登入事件与登出事件之间未产生GGA数据,
在一种优选方案中,该用户行为数据包括多个登入事件,且有相邻两个登入事件的时间段时间产生GGA数据,此属于缺失登出,此时获取在线定位时长的具体过程为:获取与该产生GGA数据的时间差值最小的两个登入事件的时间点,以该两个登入事件的时间点之间的差值作为在线定位时长;
在一种优选方案中,该用户行为数据包括多个登出事件,且有相邻两个登出事件的时间段时间产生GGA数据,此属于缺失登入;此时获取在线定位时长的具体过程为:获取与该产生GGA数据的时间差值最小的两个登出事件的时间点,以该两个登出事件的时间点之间的差值作为在线定位时长;
在一种优选方案中,该用户行为数据包括多个登入事件,一个登出事件,且该登出事件对应的时间点在后发生的登入事件之后,即一个登入事件之后,还没有登出事件就出现下一个登入事件,且两个登入事件之间的时间差比较小(例如几秒,如2秒、3秒等)。例如:登入事件、GGA数据、登入事件、登出事件,此属于互踢,此时获取在线定位时长的具体过程为:获取产生GGA数据的时间之前的一个登入事件(且该登入事件与产生GGA数据的时间差小于该产生GGA数据之前的其他登入事件)及该登出事件对应的时间点,以该时间点之差作为在线定位时长。
在一种优选方案中,该用户行为数据中没有登入事件及登出事件,只有产生GGA数据时,此时获取在线定位时长的具体过程为:以产生GGA数据的开始时间及产生GGA的结束时间之间的差值作为在线定位时长。
在一种优选方案中,该用户行为数据中只有登入事件及登出事件,而没有产生GGA数据,此时获取在线定位时长的具体过程为:获取登出事件及登入事件的时间点,以两个时间点之间的差值作为对应的在线定位时长。
在本实施例的一个优选方案中,该用户行为数据包括匹配在线数据、边界在线数据及异常数据,例如:第一登入事件、第一GGA数据、第一登出事件、第二登入事件、第二登出事件、第三登入事件、第二GGA数据;其中,第一登入事件、第一GGA数据、第一登出事件属于匹配在线数据,第二登入事件、第二登出事件属于异常在线数据,第三登入事件及第二GGA数据属于边界在线数据,则分别计算上述在线数据对应的时长,对所计算的时长求和即为在线定位时长。
在本实施例中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
其次,对用户行为数据分类,基于分类结果来进行在线定位时长的统计,可兼顾多种情况,提高统计的可信度。
实施例二:
如图4所示,为本发明第二实施例提供的一种在线定位时长的统计装置的结构图,统计装置包括:获取单元1、与获取单元1连接的排序单元2、与排序单元2连接的分析统计单元3,其中:
获取单元1,用于获取用户行为数据;
具体地,要统计在线定位时长时,则首先需要获取该用户的用户行为数据,该用户行为数据是一个时间段的,例如一天,该用户行为数据记录用户在该时间段内的使用在线定位服务时的行为事件,例如登入动作、登出动作或者获取GGA数据等,还可以包括其他,此处对此不作限制。
排序单元2,用于对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
具体地,用户行为数据包括多个行为事件,每一行为事件都有对应的发生时间,此时需要以时间为顺序对所述用户行为数据中的行为事件进行排序,得到排序后的用户行为数据。
分析统计单元3,用于分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计;
具体地,分析排序后的用户行为数据,分析该用户行为数据中有那些类型的在线数据,获得对应的分析结果,分析用户行为数据,然后进行分类,获得一类以上在线数据,优选地,该一类以上在线数据可为:匹配在线数据、边界在线数据及异常在线数据。
在本实施例中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
在本实施例的一个优选方案中,该统计装置还包括:与获取单元1连接的采集单元4及分组单元5,其中:
采集单元4,用于采集预设时间段的用户行为日志;
具体地,当需要进行一个预设时间段(例如一天)内的在线定位时长时,首先获取该预设时间段的用户行为日志,该用户行为日志包括该服务器在同一时间段内为多个用户提供在线定位时记录的该多个用户的行为事件,即该用户行为日志包括一个以上用户行为数据。
分组单元5,用于基于用户的差分账号对用户行为日志进行分组,得到一组以上用户行为日志;
具体地,由于该用户行为日志包括多个用户的行为数据,此时需要分别统计每一用户的在线定位时长,则需要对用户行为日志进行分组,优选地,可基于用户的差分账号(用户名及对应的IP)来对行为日志进行分组,以用户为分组基础,获得每一用户对应的用户行为数据。
在本实施例的一个优选方案中,该分析统计单元3具体用于:基于匹配信息对用户行为数据进行分类,基于分类结果进行在线定位时长的统计;
具体地,该匹配信息包括三种匹配条件,分别为第一匹配条件、第二匹配条件及第三匹配条件。由于该用户行为数据可能包括与上述三种匹配条件中任意一种匹配的在线数据,或者包括两种在线数据,即该两种在线数据分别与三种匹配条件中的一种匹配,或者包括三种在线数据,该三种在线数据分别与三种匹配条件中的一种匹配。
在本实施例的一个优选方案中,该分析统计单元3具体包括:分析子单元、与分析子单元连接的数量获取子单元、与数量获取子单元连接的统计子单元,其中:
分析子单元,用于基于匹配信息对用户行为数据进行分析,获得分析结果;
具体地,基于上述三种匹配条件对用户行为数据进行分析,得到分析结果,即将三种匹配条件分别与用户行为数据进行匹配,获得匹配结果。
数量获取子单元,用于基于分析结果获取在线数据的分类数量;
具体地,根据分析结果获取在线数据的分类数量,即获取在线数据的类型数量;
统计子单元,用于基于分类数量及分析结果进行在线定位时长的统计;
具体地,根据分类数量及分析结果统计在线定位时长,即根据在线数据的类型及对应的用户行为数据进行统计,得到对应的在线定位时长。
在本实施例的一个优选方案中,该分类数量为三,即该用户行为数据包括:匹配在线数据、边界在线数据及异常在线数据,此时用户行为数据可分为匹配在线数据、边界在线数据及异常在线数据,该统计子单元具体用于:
分别基于匹配在线数据、边界在线数据及异常在线数据获取对应的在线定位时长;
具体地,分别获取匹配在线数据、边界在线数据及异常在线数据下的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果;
具体地,将所获取的匹配在线数据、边界在线数据及异常在线数据下的在线定位时长进行求和运算,获得总和作为统计结果。
在本实施例的另一优选方案中,当分类数量为二时,该分析结果包括匹配在线数据、边界在线数据及异常在线数据中的两种,例如包括匹配在线数据、边界在线数据;或者包括匹配在线数据及异常在线数据;或者包括边界在线数据及异常在线数据;该统计子单元具体用于:
基于匹配在线数据、边界在线数据及异常在线数据中的两种在线数据获取对应的在线定位时长;
具体地,该用户行为数据包括两种在线数据,分别获取两种在线数据对应的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果;
具体地,将所获取的两种在线数据对应的在线定位时长进行求和运算,将求和结果作为统计结果。
在本实施例的另一优选方案中,当分类数量为一时,该分析结果包括匹配在线数据、边界在线数据及异常在线数据中的一种,例如包括匹配在线数据;或者包括异常在线数据;或者包括边界在线数据;该统计子单元具体用于:
基于匹配在线数据、边界在线数据及异常在线数据中的一种在线数据获取对应的在线定位时长,以所获取的在线定位时长作为统计结果;
例如:当用户行为数据与第一匹配条件匹配时,该分析结果包括匹配在线数据,基于匹配在线数据统计在线定位时长,获得对应的统计结果;
或者当用户行为数据与第二配条件匹配时,该分析结果包括边界在线数据,基于边界在线数据统计在线定位时长,获得对应的统计结果;
或者当用户行为数据与第三配条件匹配时,该分析结果包括异常在线数据,基于异常在线数据统计在线定位时长,获得对应的统计结果。
为了便于理解,下面一实例描述具体的分类及统计过程:如图3所示,为本发明第一实施例提供的一种在线定位时长的统计方法的在线数据分类示意图:
在本实施例的一个优选方案中,该第一匹配条件是:所述用户行为数据包括一组以上行为事件,每一组行为事件包括一个登入事件、GGA数据及一个登出事件,且所述GGA的发生时间在所述登入事件发生之后、所述登出事件发生之前,所述登出事件发生在所述登入事件发生之后,即登入事件与登出事件成对出现,且登入事件与登出事件对应的时间段中有出现GGA数据;
当用户行为数据只包括匹配在线数据时,获取在线定位时长的具体过程为:
分别计算每一组行为事件对应的在线定位时长,然后求和得到总的在线定位时长作为统计结果;例如,对于每一组行为事件,获取登入事件的时间点及登出事件的时间点,获取两个时间点之间的差值,该差值即为该组行为事件对应的在线定位时长。
在本实施例的一个优选方案中,该第二匹配条件是:该用户行为数据包括一个登入事件及GGA数据,或者一个登出事件及GGA数据,即用户只有登入行为,及获取GGA数据,没有登出行为;或者用户只有获取GGA数据及登出行为,没有登入行为,此种情况定义为边界在线数据;
当用户行为数据只包括边界在线数据时,获取在线定位时长的具体过程为:
当只有登入事件及GGA数据时,获取登入事件对应的时间点,以该时间点作为开始时间,以当天定位服务结束的时间点(产生最后一个GGA数据的时间点)作为结束时间(优选预设时间长度为一天),该结束时间与开始时间之间的时间差值即为对应的在线定位时长;当只有登出时间及GGA数据时,获取登出时间对应的时间点,以该时间点作为结束时间,以当前定位服务开始的时间点(即产生第一个GGA数据的时间点)作为开始时间,该结束时间与开始时间之间的时间差值作为对应的在线定位时长。
在本实施例的一个优选方案中,该第三匹配条件是:不属于前述的第一匹配条件及第二匹配条件的情况属于第三匹配条件,例如:用户行为数据包括多个登入事件及登出事件,属于嵌套行为,又例如:只有产生GGA数据而没有登入及登出事件;
在一种优选方案中,该多个登入事件及登出事件之间产生GGA数据;例如:多个登入事件+GGA数据+多个登出事件,且发生的时间顺序为:登入事件、登入事件、GGA数据、登出事件、登出事件,此时获取在线定位时长的具体过程为:获取与GGA数据对应的时间最近的登入事件及登出事件,以该获取的登出事件与登入事件之间的时间差值作为在线定位时长;
又例如:该多个登入事件与登出事件之间未产生GGA数据。
在一种优选方案中,该用户行为数据包括多个登入事件,且有相邻两个登入事件的时间段时间产生GGA数据,此属于缺失登出,此时获取在线定位时长的具体过程为:获取与该产生GGA数据的时间差值最小的两个登入事件的时间点,以该两个登入事件的时间点之间的差值作为在线定位时长;
在一种优选方案中,该用户行为数据包括多个登出事件,且有相邻两个登出事件的时间段时间产生GGA数据,此属于缺失登入;此时获取在线定位时长的具体过程为:获取与该产生GGA数据的时间差值最小的两个登出事件的时间点,以该两个登出事件的时间点之间的差值作为在线定位时长;
在一种优选方案中,该用户行为数据包括多个登入事件,一个登出事件,且该登出事件对应的时间点在后发生的登入事件之后,即一个登入事件之后,还没有登出事件就出现下一个登入事件,且两个登入事件之间的时间差比较小(例如几秒,如2秒、3秒等)。例如:登入事件、GGA数据、登入事件、登出事件,此属于互踢,此时获取在线定位时长的具体过程为:获取产生GGA数据的时间之前的一个登入事件(且该登入事件与产生GGA数据的时间差小于该产生GGA数据之前的其他登入事件)及该登出事件对应的时间点,以该时间点之差作为在线定位时长。
在一种优选方案中,该用户行为数据中没有登入事件及登出事件,只有产生GGA数据时,此时获取在线定位时长的具体过程为:以产生GGA数据的开始时间及产生GGA的结束时间之间的差值作为在线定位时长。
在一种优选方案中,该用户行为数据中只有登入事件及登出事件,而没有产生GGA数据,此时获取在线定位时长的具体过程为:获取登出事件及登入事件的时间点,以两个时间点之间的差值作为对应的在线定位时长。
在本实施例的一个优选方案中,该用户行为数据包括匹配在线数据、边界在线数据及异常数据,例如:第一登入事件、第一GGA数据、第一登出事件、第二登入事件、第二登出事件、第三登入事件、第二GGA数据;其中,第一登入事件、第一GGA数据、第一登出事件属于匹配在线数据,第二登入事件、第二登出事件属于异常在线数据,第三登入事件及第二GGA数据属于边界在线数据,则分别计算上述在线数据对应的时长,对所计算的时长求和即为在线定位时长。
在本实施例中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
其次,对用户行为数据分类,基于分类结果来进行在线定位时长的统计,可兼顾多种情况,提高统计的可信度。
本发明还提出一种定位服务系统,该定位服务系统处理包括定位模块之外,还包括一种在线定位时长的统计装置,该统计装置的具体结构、工作原理及所带来的技术效果与上述实施例二描述的一致,此处不再赘述。
实施例三:
图5示出了本发明第三实施例提供的一种定位终端的结构图,该定位终端包括:存储器(memory)51、处理器(processor)52、通信接口(Communications Interface)53和总线54,该处理器52、存储器51、通信接口53通过总线54完成相互之间的交互通信。
存储器51,用于存储各种数据;
具体地,存储器51用于存储各种数据,例如通信过程中的数据、接收的数据等,此处对此不作限制,该存储器还包括有多个计算机程序。
通信接口53,用于该定位终端的通信设备之间的信息传输;
处理器52,用于调用存储器51中的各种计算机程序,以执行上述实施例一所提供的一种在线定位时长的统计方法,例如:
获取用户行为数据,所述用户行为数据包括两个以上行为事件;
对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据。
本实施例中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
本发明还提供一种存储器,该存储器存储有多个计算机程序,该多个计算机程序被处理器调用执行上述实施例一所述的一种在线定位时长的统计方法。
本发明中,首先对用户行为数据中的行为事件进行时间排序,然后进行分析,获得对应类型的在线数据,基于分析的结果统计在线定位时长,可提高统计准确性。
其次,对用户行为数据分类,基于分类结果来进行在线定位时长的统计,可兼顾多种情况,提高统计的可信度。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种在线定位时长的统计方法,其特征在于,
包括:
获取用户行为数据,所述用户行为数据包括两个以上行为事件;
对所述用户行为数据中的两个以上行为事件按时间顺序进行排序,获得排序的用户行为数据;
分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据,其中,基于匹配信息对所述用户行为数据进行分类,基于分类结果进行在线定位时长的统计,所述分类结果包括匹配在线数据、边界在线数据及异常在线数据中的至少一种;其中,
所述匹配在线数据是指:所述用户行为数据包括一组以上行为事件,每一组行为事件包括一个登入事件、GGA数据及一个登出事件,且所述GGA的发生时间在所述登入事件发生之后、所述登出事件发生之前,所述登出事件发生在所述登入事件发生之后;
所述边界在线数据是指:该用户行为数据包括一个登入事件及GGA数据,或者一个登出事件及GGA数据;
所述异常在线数据是指:分类结果中不包括匹配在线数据和边界在线数据的情况。
2.根据权利要求1所述的统计方法,其特征在于,
获取用户行为数据之前还包括:
采集预设时间段的用户行为日志,所述用户行为日志包括一个以上用户的行为数据;
基于用户的差分账号对所述用户行为日志进行分组,得到一组以上用户行为日志。
3.根据权利要求1所述的统计方法,其特征在于,
所述匹配信息包括三种匹配条件,基于匹配信息对所述用户行为数据进行分类,基于分类结果进行在线定位时长的统计包括:
基于所述匹配信息对所述用户行为数据进行分析,获得分析结果;
基于所述分析结果获取所述在线数据的分类数量;
基于所述分类数量及所述分析结果进行在线定位时长的统计。
4.根据权利要求1所述的统计方法,其特征在于,
当所述分类数量为三时,所述分析结果包括匹配在线数据、边界在线数据及异常在线数据,基于所述分类数量及所述用户行为数据进行在线定位时长的统计包括:
分别基于所述匹配在线数据、边界在线数据及异常在线数据获取对应的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果。
5.根据权利要求1所述的统计方法,其特征在于,
当所述分类数量为二时,所述分析结果包括匹配在线数据、边界在线数据及异常在线数据中的两种,基于所述分类数量及所述用户行为数据进行在线定位时长的统计包括:
基于所述匹配在线数据、边界在线数据及异常在线数据中的两种在线数据获取对应的在线定位时长;
统计所获取的在线定位时长的总和,获得统计结果。
6.根据权利要求3所述的统计方法,其特征在于,
当所述分类数量为一时,所述分析结果包括匹配在线数据、边界在线数据及异常在线数据中的一种,基于所述分类数量及所述用户行为数据进行在线定位时长的统计包括:
基于所述匹配在线数据、边界在线数据及异常在线数据中的一种在线数据获取对应的在线定位时长,以所获取的在线定位时长作为统计结果。
7.根据权利要求6所述的统计方法,其特征在于,
所述三种匹配条件包括第一匹配条件、第二匹配条件及第三匹配条件,基于所述匹配在线数据、边界在线数据及异常在线数据中的一种在线数据获取对应的在线定位时长,以所获取的在线定位时长作为统计结果包括:
当所述用户行为数据与所述第一匹配条件匹配时,所述分析结果包括所述匹配在线数据,基于所述匹配在线数据统计在线定位时长,获得对应的统计结果,所述第一匹配条件是指匹配在线数据;或者
当所述用户行为数据与所述第二匹配条件匹配时,所述分析结果包括所述边界在线数据,基于所述边界在线数据统计在线定位时长,获得对应的统计结果,所述第二匹配条件是指边界在线数据;或者
当所述用户行为数据与所述第三匹配条件匹配时,所述分析结果包括所述异常在线数据,基于所述异常在线数据统计在线定位时长,获得对应的统计结果,所述第三匹配条件是指异常在线数据。
8.一种在线定位时长的统计装置,其特征在于,
包括:
获取单元,用于获取用户行为数据,所述用户行为数据包括两个以上行为事件;
排序单元,用于对所述用户行为数据按时间顺序进行排序,获得排序的用户行为数据;
分析统计单元,用于分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据,其中,基于匹配信息对所述用户行为数据进行分类,基于分类结果进行在线定位时长的统计,所述分类结果包括匹配在线数据、边界在线数据及异常在线数据中的至少一种;其中,
所述匹配在线数据是指:所述用户行为数据包括一组以上行为事件,每一组行为事件包括一个登入事件、GGA数据及一个登出事件,且所述GGA的发生时间在所述登入事件发生之后、所述登出事件发生之前,所述登出事件发生在所述登入事件发生之后;
所述边界在线数据是指:该用户行为数据包括一个登入事件及GGA数据,或者一个登出事件及GGA数据;
所述异常在线数据是指:分类结果中不包括匹配在线数据和边界在线数据的情况。
9.一种定位服务系统,其特征在于,
包括如权利要求8所述的在线定位时长的统计装置。
10.一种存储器,所述存储器存储有计算机程序,其特征在于,
所述计算机程序被处理器执行如下步骤:
获取用户行为数据,所述用户行为数据包括两个以上行为事件;
对所述用户行为数据按时间顺序进行排序,获得排序的用户行为数据;
分析排序后的用户行为数据,基于分析结果进行在线定位时长的统计,所述分析结果包括一种以上类型的在线数据,其中,基于匹配信息对所述用户行为数据进行分类,基于分类结果进行在线定位时长的统计,所述分类结果包括匹配在线数据、边界在线数据及异常在线数据中的至少一种;其中,
所述匹配在线数据是指:所述用户行为数据包括一组以上行为事件,每一组行为事件包括一个登入事件、GGA数据及一个登出事件,且所述GGA的发生时间在所述登入事件发生之后、所述登出事件发生之前,所述登出事件发生在所述登入事件发生之后;
所述边界在线数据是指:该用户行为数据包括一个登入事件及GGA数据,或者一个登出事件及GGA数据;
所述异常在线数据是指:分类结果中不包括匹配在线数据和边界在线数据的情况。
11.一种定位终端,包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,
所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的在线定位时长的统计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811293700.9A CN111124846B (zh) | 2018-10-31 | 2018-10-31 | 在线定位时长的统计方法及装置、定位服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811293700.9A CN111124846B (zh) | 2018-10-31 | 2018-10-31 | 在线定位时长的统计方法及装置、定位服务系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111124846A CN111124846A (zh) | 2020-05-08 |
CN111124846B true CN111124846B (zh) | 2023-05-30 |
Family
ID=70494711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811293700.9A Active CN111124846B (zh) | 2018-10-31 | 2018-10-31 | 在线定位时长的统计方法及装置、定位服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111124846B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918740A (zh) * | 2021-11-24 | 2022-01-11 | 北京达佳互联信息技术有限公司 | 事件信息处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139272A (zh) * | 2011-12-02 | 2013-06-05 | 北大方正集团有限公司 | 一种获取选定时间段内在线时长的方法和装置 |
CN106899457A (zh) * | 2017-03-17 | 2017-06-27 | 腾讯科技(深圳)有限公司 | 一种监测应用在线时长的方法及服务器 |
CN107919990A (zh) * | 2017-11-17 | 2018-04-17 | 上海斐讯数据通信技术有限公司 | 一种累积访问时长的统计方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103765820B (zh) * | 2011-09-09 | 2016-10-26 | 惠普发展公司,有限责任合伙企业 | 基于依照事件序列中时间位置的参考基线评估事件的系统和方法 |
-
2018
- 2018-10-31 CN CN201811293700.9A patent/CN111124846B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139272A (zh) * | 2011-12-02 | 2013-06-05 | 北大方正集团有限公司 | 一种获取选定时间段内在线时长的方法和装置 |
CN106899457A (zh) * | 2017-03-17 | 2017-06-27 | 腾讯科技(深圳)有限公司 | 一种监测应用在线时长的方法及服务器 |
CN107919990A (zh) * | 2017-11-17 | 2018-04-17 | 上海斐讯数据通信技术有限公司 | 一种累积访问时长的统计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111124846A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108156006B (zh) | 一种埋点数据上报方法、装置及电子设备 | |
CN107102941B (zh) | 一种测试用例的生成方法及装置 | |
CN105376335B (zh) | 一种采集数据上传方法和装置 | |
EP3864516B1 (en) | Veto-based model for measuring product health | |
CN108632213A (zh) | 设备信息处理方法及装置 | |
CN104980421B (zh) | 一种批量请求处理方法及系统 | |
CN110764980A (zh) | 日志处理方法和装置 | |
CN110768875A (zh) | 一种基于dns学习的应用识别方法及系统 | |
US20170337208A1 (en) | Collecting test results in different formats for storage | |
CN111309635A (zh) | 测试用例生成方法、装置、服务器及存储介质 | |
CN105553770B (zh) | 一种数据采集控制方法和装置 | |
CN108234345A (zh) | 一种终端网络应用的流量特征识别方法、装置和系统 | |
CN111124846B (zh) | 在线定位时长的统计方法及装置、定位服务系统 | |
CN111241396A (zh) | 信息推送的方法和装置、电子设备、存储介质 | |
CN107832221A (zh) | 基于Burpsuit插件的平台半自动化功能测试方法、装置及系统 | |
CN113867966A (zh) | 一种混合云模式的云资源调度方法 | |
CN112416800B (zh) | 智能合约的测试方法、装置、设备及存储介质 | |
WO2021262344A1 (en) | Method and apparatus to detect scripted network traffic | |
CN112507265A (zh) | 基于树结构进行异常侦测的方法、装置及相关产品 | |
CN111049838B (zh) | 黑产设备识别方法、装置、服务器及存储介质 | |
CN109815121B (zh) | 接口自动化测试用例生成方法及相关设备 | |
CN116776912A (zh) | 到店检测处理方法、装置、系统及计算设备 | |
CN110706003A (zh) | 一种客户反馈工单生成的方法、装置、设备以及存储介质 | |
CN116302889A (zh) | 功能模块的性能测试方法、装置和服务器 | |
CN112612673B (zh) | 拨测日志的分析方法及装置、存储介质及电子装置 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 200438 9 / F, 10 / F, 11 / F, 12 / F, 38 Lane 1688, Guoquan North Road, Yangpu District, Shanghai Applicant after: QIANXUN SPATIAL INTELLIGENCE Inc. Address before: Room j165, 1st floor, building 64, 1436 Jungong Road, Yangpu District, Shanghai, 200433 Applicant before: QIANXUN SPATIAL INTELLIGENCE Inc. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |