CN111578933B - 一种快速识别用户进入特定地理区域内的方法 - Google Patents

一种快速识别用户进入特定地理区域内的方法 Download PDF

Info

Publication number
CN111578933B
CN111578933B CN202010385867.9A CN202010385867A CN111578933B CN 111578933 B CN111578933 B CN 111578933B CN 202010385867 A CN202010385867 A CN 202010385867A CN 111578933 B CN111578933 B CN 111578933B
Authority
CN
China
Prior art keywords
user
area
specific area
points
motion
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.)
Expired - Fee Related
Application number
CN202010385867.9A
Other languages
English (en)
Other versions
CN111578933A (zh
Inventor
张奇伟
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.)
Beijing Context System Software Co ltd
Original Assignee
Beijing Context System Software 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 Beijing Context System Software Co ltd filed Critical Beijing Context System Software Co ltd
Priority to CN202010385867.9A priority Critical patent/CN111578933B/zh
Publication of CN111578933A publication Critical patent/CN111578933A/zh
Application granted granted Critical
Publication of CN111578933B publication Critical patent/CN111578933B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Analysis (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种快速识别用户进入特定地理区域内的方法，包括以下步骤：(1)首先在特定区域内均匀分布若干参考点，各参考点具有唯一的经纬坐标；(2)从区域外刚进入特定区域内的用户，根据用户移动轨迹，获取轨迹上最新的两个位置点；(3)将两个位置点连线，构成一条直线，该直线将特定区域切分成A、B两部分，各部分区域各包含若干预设置的参考点；本发明利用位置轨迹链上两个位置变更点，可以快速计算用户运动方向从而识别是否会持续进入区域，从而判断当前用户是否可以归入区域内用户，这比驻留时长方式判断，速度更快，结合驻留时长逻辑后，判断逻辑更缜密。

Description

一种快速识别用户进入特定地理区域内的方法
技术领域
本发明涉及一种识别用户进入特定地理区域的方法，具体是一种快速识别用户进入特定地理区域内的方法。
背景技术
判断一个用户是否进入某个区域内或从某个区域内离开，不仅需要通过其当前所在经纬度判断是否发生跨区域边界的行为，而且还要准确滤除路过此区域的情况。
目前判断用户进入区域的方法为“驻留时间判断法”，即在识别用户发生进入区域的动作后，再等15分钟或30分钟，然后再判断此用户是否仍然在区域内。如果仍然在，则认为用户“进入”此区域，否则则认为“路过”此区域。驻留时间判断方法通过用户是否在一个区域内是否长时间停留来判断此用户确实进入此区域而非路过，以及脏数据干扰。此方法最大的问题在于需要等待一个较长的驻留周期后才可以识别区域内用户，从而严重影响判断进入区域的实时性。
发明内容
本发明的目的在于提供一种快速识别用户进入特定地理区域内的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种快速识别用户进入特定地理区域内的方法，包括以下步骤：
(1)首先在特定区域内均匀分布若干参考点，各参考点具有唯一的经纬坐标；
(2)从区域外刚进入特定区域内的用户，根据用户移动轨迹，获取轨迹上最新的两个位置点；
(3)将两个位置点连线，构成一条直线，该直线将特定区域切分成A、B两部分，各部分区域各包含若干预设置的参考点；
(4)统计A区域内参考点个数为α，B区域内参考点个数为β，并判断α和β的数值大小；如果α大于β，则运动倾向系数＝β/α；如果α小于β，则运动倾向系数＝α/β；运动倾向系数范围为0-1；
(5)如果运动倾向系数趋于1，且运动轨迹是从区域外到特定区域内，则表示此用户运动方向为向特定区域的中心方向运动，具有较高的进入特定区域倾向；如果运动倾向系数趋于0，则具有较高的路过特定区域倾向；此时可以设定阀值，高于阀值为进入特定区域内用户，而低于阀值的为路过用户；
(6)进一步增强精度，按照位置点的时间顺序，依序记录若干个用户的位置采样点，相邻的两个位置采样点之间重复步骤(3)(4)，从而得到若干个运动倾向系数；如果各运动倾向系数持续低于阀值，则表示用户路过的可能性越高；如果各运动倾向系数持续高于阀值，则表示用户为进入用户；
(7)对于用户运动方向是从特定区域内到区域外的情况，重复步骤(1)至(6)，计算所得的运动倾向系数趋于1，表示用户具有很高的离开特定区域的倾向。
与现有技术相比，本发明的有益效果是：
本发明利用位置轨迹链上两个位置变更点，可以快速计算用户运动方向从而识别是否会持续进入区域，从而判断当前用户是否可以归入区域内用户，这比驻留时长方式判断，速度更快，结合驻留时长逻辑后，判断逻辑更缜密。此方法还具备驻留时长不具备的流式计算能力，可以随着O域数据持续到达，逐条识别、计算，并且可以实现主动推送进入区域的用户，在精准营销、旅游、公共安全等方面有着很强的应用潜力。
附图说明
图1为一种快速识别用户进入特定地理区域内的方法的原理图。
图2为一种快速识别用户进入特定地理区域内的方法的工作过程图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
请参阅图1-2，一种快速识别用户进入特定地理区域内的方法，包括以下步骤：
(1)首先在特定区域内均匀分布若干参考点，各参考点具有唯一的经纬坐标。
(2)从区域外刚进入特定区域内的用户，根据用户移动轨迹，获取轨迹上最新的两个位置点。
(3)将两个位置点连线，构成一条直线，该直线将特定区域切分成A、B两部分，各部分区域各包含若干预设置的参考点；
(4)统计A区域内参考点个数为α，B区域内参考点个数为β，并判断α和β的数值大小；如果α大于β，则运动倾向系数＝β/α；如果α小于β，则运动倾向系数＝α/β；运动倾向系数范围为0-1；
(5)如果运动倾向系数趋于1，且运动轨迹是从区域外到特定区域内，则表示此用户运动方向为向特定区域的中心方向运动，具有较高的进入特定区域倾向；如果运动倾向系数趋于0，则具有较高的路过特定区域倾向；此时可以设定阀值，高于阀值(如0.3)为进入特定区域内用户，而低于阀值的为路过用户；
(6)进一步增强精度，按照位置点的时间顺序，依序记录若干个用户的位置采样点，相邻的两个位置采样点之间重复步骤(3)(4)，从而得到若干个运动倾向系数；如果各运动倾向系数持续低于阀值(比如上述0.3)，则表示用户路过的可能性越高；如果各运动倾向系数持续高于阀值，则表示用户并非路过。
(7)对于用户运动方向是从特定区域内到区域外的情况，重复步骤(1)至(6)，计算所得的运动倾向系数趋于1，表示用户具有很高的离开特定区域的倾向，可以作为离开区域用户的筛选。
在本实施例中，运动倾向系数实际在寻找一条直线，偏离一个不规则多边形中心的程度。偏离越大，表示直线走向越不向多边形内部移动，否则，表示越向多边形内部移动。上述思路定义了多边形的“内部”识别方式，并且预先设置了均匀分布的参考点。基于以上思路和假设，可以等价的认为多边形参考点分布的重心和多边形中心重合。所以如果一条直线穿过多边形重心，也就穿过多边形中心位置。当用户从多边形边缘开始进入多边形区域时，可以认为向多边形核心位置靠近，即进入多边形区域。所以，只要考察当前直线偏离多边形重心的情况即等效的考察了偏离多边形中心的情况。而计算偏离重心程度，可以通过直线把多边形切分成两半的区域参考点个数比来具体化。最终，对运动倾向的评估，可以通过考察这条直线把多边形分成两部分，两部分的参考点个数比，成为衡量运动倾向偏差——即进入区域还是擦边路过区域的系数。
平面内一条直线把平面内的点分成三部分：直线一侧、直线另一侧和直线上。直线是一次方程Y＝A·X+B，两个轨迹位置确定一条直线。然后稍作变换得到多项式A·X-Y+B，并把所有参考点的坐标代入多项式，对于多项式结果等于0的，表示点在直线上，多项式大于0的在直线一侧，而多项式小于0的则在直线另一侧。分别统计两侧参考点个数后做比，即可以看出直线两侧参考点的分布情况。越接近于1，则两边参考点分布越平均，即直线距离重心越近，反之越远。
本发明的工作原理是：首先对于用户A，第一个位置点1在区域外，第二个位置点2进入区域，此时A成为疑似进入区域的用户；然后连接位置点1和位置点2，构成的直线把区域切分成两部分，计算当前的运动倾向系数为0.1，低于假设阀值0.3，因此此时用户A可以认为是“路过”用户。
如果要进一步提高判断精度，则等待A再产生位置点3时，选取位置3和位置2做直线把区域再次切分成两部分，最新的倾向系数为为0.15，仍然低于假设阀值0.3，则可以确认此人虽然持续位置都在特定区域内，但依然是“路过”用户。
对于用户B，第一个位置点4在区域外，第二个位置点5进入区域，此时B成为疑似进入区域的用户。然后连接位置点4和位置点5，直线把区域切分成两部分，计算当前的运动倾向系数为0.35，大于假设阀值0.3，有很强的进入区域倾向，可以把B归为“进入”用户。
如果要进一步提高精度，则等待B再产生位置点6时，连接位置点5和位置点6，新的直线对应的运动倾向系数0.7，仍然大于假设阀值0.3，则B为“进入”用户。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下做出各种变化。

Claims (1)

1.一种快速识别用户进入特定地理区域内的方法，其特征在于，包括以下步骤：
(1)首先在特定区域内均匀分布若干参考点，各参考点具有唯一的经纬坐标；
(2)从区域外刚进入特定区域内的用户，根据用户移动轨迹，获取轨迹上最新的两个位置点；
(3)将两个位置点连线，构成一条直线，该直线将特定区域切分成A、B两部分，各部分区域各包含若干预设置的参考点；
(4)统计A区域内参考点个数为α，B区域内参考点个数为β，并判断α和β的数值大小；如果α大于β，则运动倾向系数＝β/α；如果α小于β，则运动倾向系数＝α/β；运动倾向系数范围为0-1；
(5)如果运动倾向系数趋于1，且运动轨迹是从区域外到特定区域内，则表示此用户运动方向为向特定区域的中心方向运动，具有进入特定区域倾向；如果运动倾向系数趋于0，则具有路过特定区域倾向；此时设定阀值，高于阀值为进入特定区域内用户，而低于阀值的为路过用户；
(6)进一步增强精度，按照位置点的时间顺序，依序记录若干个用户的位置采样点，相邻的两个位置采样点之间重复步骤(3)(4)，从而得到若干个运动倾向系数；如果各运动倾向系数持续低于阀值，则表示用户路过的可能性越高；如果各运动倾向系数持续高于阀值，则表示用户为进入用户；
(7)对于用户运动方向是从特定区域内到区域外的情况，重复步骤(1)至(6)，计算所得的运动倾向系数趋于1，表示用户具有离开特定区域的倾向。
CN202010385867.9A 2020-05-09 2020-05-09 一种快速识别用户进入特定地理区域内的方法 Expired - Fee Related CN111578933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010385867.9A CN111578933B (zh) 2020-05-09 2020-05-09 一种快速识别用户进入特定地理区域内的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010385867.9A CN111578933B (zh) 2020-05-09 2020-05-09 一种快速识别用户进入特定地理区域内的方法

Publications (2)

Publication Number Publication Date
CN111578933A CN111578933A (zh) 2020-08-25
CN111578933B true CN111578933B (zh) 2022-03-11

Family

ID=72123519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010385867.9A Expired - Fee Related CN111578933B (zh) 2020-05-09 2020-05-09 一种快速识别用户进入特定地理区域内的方法

Country Status (1)

Country Link
CN (1) CN111578933B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112738725B (zh) * 2020-12-18 2022-09-23 福建新大陆软件工程有限公司 半封闭区域目标人群的实时识别方法、装置、设备和介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200723113A (en) * 2005-12-01 2007-06-16 Ind Tech Res Inst Trajectory recognition method
WO2008107859A1 (en) * 2007-03-08 2008-09-12 Universidade Do Minho Process for the automatic calculus of the convex or concave hull of an arbitrary set of points
CN103456024A (zh) * 2012-06-02 2013-12-18 浙江西谷数字技术有限公司 一种运动目标越线判断方法
CN104931041A (zh) * 2015-05-03 2015-09-23 西北工业大学 一种基于用户轨迹数据的地点序列预测方法
CN105528359A (zh) * 2014-09-29 2016-04-27 国际商业机器公司 用于存储行进轨迹的方法和系统
CN105682025A (zh) * 2016-01-05 2016-06-15 重庆邮电大学 基于移动信令数据的用户驻留地识别方法
WO2016127507A1 (zh) * 2015-02-12 2016-08-18 中兴通讯股份有限公司 一种分析用户轨迹的方法及装置
CN107016126A (zh) * 2017-05-12 2017-08-04 西南交通大学 一种基于序列模式挖掘的多用户模型移动轨迹预测方法
CN108153867A (zh) * 2017-12-25 2018-06-12 山东大学 基于时间规律性的用户轨迹预测方法和装置
CN108269283A (zh) * 2017-12-26 2018-07-10 武汉长江通信智联技术有限公司 一种判断移动点进出多边形区域的实现方法
CN109005515A (zh) * 2018-09-05 2018-12-14 武汉大学 一种基于移动轨迹信息的用户行为模式画像的方法
CN109104694A (zh) * 2018-06-26 2018-12-28 重庆市交通规划研究院 一种基于手机信令的用户停留位置发现方法及系统
CN109743689A (zh) * 2019-01-09 2019-05-10 南京航空航天大学 一种基于稳定性值的室内轨迹停留区域发现方法
CN110650438A (zh) * 2018-06-26 2020-01-03 中国移动通信集团江西有限公司 用户常住区域相似度判断方法、装置、设备及介质
CN110716925A (zh) * 2019-09-05 2020-01-21 中电科大数据研究院有限公司 一种基于轨迹分析的跨境行为识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8612134B2 (en) * 2010-02-23 2013-12-17 Microsoft Corporation Mining correlation between locations using location history

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200723113A (en) * 2005-12-01 2007-06-16 Ind Tech Res Inst Trajectory recognition method
WO2008107859A1 (en) * 2007-03-08 2008-09-12 Universidade Do Minho Process for the automatic calculus of the convex or concave hull of an arbitrary set of points
CN103456024A (zh) * 2012-06-02 2013-12-18 浙江西谷数字技术有限公司 一种运动目标越线判断方法
CN105528359A (zh) * 2014-09-29 2016-04-27 国际商业机器公司 用于存储行进轨迹的方法和系统
WO2016127507A1 (zh) * 2015-02-12 2016-08-18 中兴通讯股份有限公司 一种分析用户轨迹的方法及装置
CN104931041A (zh) * 2015-05-03 2015-09-23 西北工业大学 一种基于用户轨迹数据的地点序列预测方法
CN105682025A (zh) * 2016-01-05 2016-06-15 重庆邮电大学 基于移动信令数据的用户驻留地识别方法
CN107016126A (zh) * 2017-05-12 2017-08-04 西南交通大学 一种基于序列模式挖掘的多用户模型移动轨迹预测方法
CN108153867A (zh) * 2017-12-25 2018-06-12 山东大学 基于时间规律性的用户轨迹预测方法和装置
CN108269283A (zh) * 2017-12-26 2018-07-10 武汉长江通信智联技术有限公司 一种判断移动点进出多边形区域的实现方法
CN109104694A (zh) * 2018-06-26 2018-12-28 重庆市交通规划研究院 一种基于手机信令的用户停留位置发现方法及系统
CN110650438A (zh) * 2018-06-26 2020-01-03 中国移动通信集团江西有限公司 用户常住区域相似度判断方法、装置、设备及介质
CN109005515A (zh) * 2018-09-05 2018-12-14 武汉大学 一种基于移动轨迹信息的用户行为模式画像的方法
CN109743689A (zh) * 2019-01-09 2019-05-10 南京航空航天大学 一种基于稳定性值的室内轨迹停留区域发现方法
CN110716925A (zh) * 2019-09-05 2020-01-21 中电科大数据研究院有限公司 一种基于轨迹分析的跨境行为识别方法

Also Published As

Publication number Publication date
CN111578933A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN107948166A (zh) 基于深度学习的流量异常检测方法及装置
CN109636829A (zh) 一种基于语义信息和场景信息的多目标跟踪方法
CN109686091B (zh) 一种基于多源数据融合的交通流量填补算法
CN106970353B (zh) 一种基于通信基站三维定位的跟踪与轨迹方法
CN108667684B (zh) 一种基于局部向量点积密度的数据流异常检测方法
CN108629000A (zh) 一种手机轨迹数据聚类的群体行为特征提取方法及系统
CN107507421B (zh) 快速路交通状态判别方法及装置
CN105120433A (zh) 基于连续采样及模糊聚类处理的wlan室内定位方法
CN111578933B (zh) 一种快速识别用户进入特定地理区域内的方法
CN115086880B (zh) 一种出行特征识别方法、装置、设备及存储介质
CN110312206A (zh) 基于动态空间阈值改进的手机信令数据出行识别方法
CN109489679B (zh) 一种导航路径中的到达时间计算方法
CN106033643B (zh) 一种数据处理方法及装置
CN106355203A (zh) 活动人群的分类方法和系统
CN107644533B (zh) 基于移动网络数据的高速公路虚拟断面车流量监测方法
CN108959188A (zh) 基于量化最小误差熵准则的格兰杰因果判辨方法
CN108038734B (zh) 基于点评数据的城市商业设施空间分布探测方法及系统
CN103200041A (zh) 基于历史数据的容迟容断网络节点相遇概率预测方法
CN114048792A (zh) 一种基于低精度随机采样数据的轨迹相似度匹配方法
CN109697438A (zh) 一种特殊群体聚集行为早期检测及聚集地预测方法和系统
CN110072188A (zh) 一种基于uwb的对称双边双程测距优化算法
CN104850657A (zh) 一种全息位置地图的迭加方法
CN109344729B (zh) 一种识别道路中人员运动的方法
CN116150178A (zh) 一种基于dbscan聚类算法的空间可达性测算方法
CN113379334B (zh) 基于有噪声轨迹数据的路段自行车骑行质量鉴别方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220311