CN111581320A - 一种基于行为轨迹的碰头地点及时长识别方法及系统 - Google Patents
一种基于行为轨迹的碰头地点及时长识别方法及系统 Download PDFInfo
- Publication number
- CN111581320A CN111581320A CN202010386616.2A CN202010386616A CN111581320A CN 111581320 A CN111581320 A CN 111581320A CN 202010386616 A CN202010386616 A CN 202010386616A CN 111581320 A CN111581320 A CN 111581320A
- Authority
- CN
- China
- Prior art keywords
- time
- target
- sequence
- data
- identification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 230000009471 action Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 108091026890 Coding region Proteins 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于行为轨迹的碰头地点及时长识别方法及系统。该方法包括步骤:S1,采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列;S2,将行为轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序;S3,获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段;S4,根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。本发明具有非常重要的应用价值。
Description
技术领域
本发明属于数据分析技术领域,更具体地,涉及一种基于行为轨迹的碰头地点及时长识别方法及系统。
背景技术
泛在网络环境下智能移动设备的普及,使得为用户提供无处不在的位置服务成为可能。携带GPS芯片组的智能设备详细记录了个体在真实世界中的活动轨迹,反映了人们的生活与行为模式。轨迹数据不仅记录了人在时间序列上的位置,也隐喻了人与社会的交互、人在地域上的活动,乃至人与人之间的关系等社会属性。
在一些场景中,计算识别行为轨迹碰头地点和时长具有非常重要的意义。比如在旅游行业中,计算出游客的碰头地点和时长,可以判断热门的出行地点;在海关缉私中,通过雷达轨迹数据可以判断走私犯的碰头地点和时长。
发明内容
针对现有技术的至少一个缺陷或改进需求,本发明提供了一种基于行为轨迹的碰头地点及时长识别方法及系统。
为实现上述目的,按照本发明的第一方面,提供了一种基于行为轨迹的碰头地点及时长识别方法,包括:
S1,采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列;
S2,将轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序;
S3,获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段;
S4,根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。
优选地,所述位置序列是地理空间坐标序列,所述步骤S2之前,对所述位置序列进行编码处理转化为位置编码序列。
优选地,所述步骤S3具体是对每个目标对应的组内数据执行步骤:
S31,将排序后的每个位置编码Pn与前一位置编码Pn-1比较,若相同则将位置编码Pn的第一标识位记为Y,若不同则将位置编码Pn的第一标识位记为N;
S32,将标记后的每个位置编码Pn的第一标识位与后一位置编码Pn+1的第一标识位比较,若Pn的第一标识位为N,Pn+1的第一标识位为Y,则将Pn的第二标识位记为B,若Pn的第一标识位为Y,Pn+1的第一标识位为N或Pn为最后一个位置编码,则将Pn的第二标识位记为E;
S33,保留第二标识位为B或E的位置编码及对应时间戳,保留的位置编码即为每个目标停留过的地理位置,第二标识位为B的位置编码对应时间戳表示在该位置编码的开始时间,第二标识位为E的位置编码对应时间戳表示在该位置编码的结束时间。
优选地,所述步骤S2前还包括步骤:对所述时间戳序列进行处理以精确到预设的时间计算精度。
优选地,所述步骤S1中的多个目标的行为轨迹数据为多个旅游者的旅游轨迹数据,所述步骤S4还包括根据指定的多个目标的碰头地点及时长获取热门旅游地点。
优选地,所述步骤S1中,利用携带GPS芯片的智能设备采集多个目标的行为轨迹数据。
按照本发明的第二方面,提供了一种基于行为轨迹的碰头地点及时长识别系统,包括采集模块和数据处理模块:
所述采集模块,用于采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列;
所述数据处理模块用于将轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序;
所述数据处理模块还用于获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段;
所述数据处理模块还用于根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。
总体而言,本发明与现有技术相比,具有有益效果:
(1)可以基于多个目标的行为轨迹数据获取目标的碰头地点和时长,这在一些场景中具有非常重要的意义。比如在旅游行业中,可以基于出游客的碰头地点和时长,可以判断热门的出行地点;在海关缉私中,通过雷达轨迹数据可以判断走私犯的碰头地点和时长。
(2)通过对位置进行先编码后处理,可以提高识别碰头地点和时长的精确度。
附图说明
图1~9是本发明实施例的识别方法的数据处理示例;
图10是本发明实施例的识别方法的流程示意图。
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用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例的一种基于行为轨迹的碰头地点及时长识别方法,包括步骤S1~S4,如图10所示。
S1,采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列。
轨迹数据是时间序列上的位置,主要字段包括:目标目标标识号(ID)、位置序列,时间戳。位置序列可以是地理空间坐标序列,例如每一个位置的经度和纬度。图1是轨迹数据示例。
轨迹数据可以利用携带GPS芯片的智能设备采集多个目标的行为轨迹数据。携带GPS芯片组的智能设备能详细记录个体在真实世界中的活动轨迹。
优选地,在进行后续数据处理前,对采集的位置序列进行编码处理转化为位置编码序列。首先对地理空间坐标进行编码,把地球表面编码成每个网格长宽分别为38.2m和19.1m的网格,在网格内的经纬度会编码成相同的编码。网格的大小可以根据精度进行选择。图2是经过编码处理后的轨迹数据示例。不进行编码直接比较GPS的位置,可能由于精度问题导致计算误差较大,同时时间上的可能错配也导致时序匹配不上的问题,从而导致识别精度低。而进行先编码则可以很好地克服这些缺点,提高识别精确度。
优选地,在进行后续数据处理前,对采集的时间戳序列进行处理以精确到预设的时间计算精度。例如假设需要将计算的碰头时长精确到分钟,则把轨迹点的时间戳截取到分钟。图3是处理后的数据示例。这样处理后,后续的数据处理速度会更快,能有效提高识别效率。
S2,将轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序。图4是排序后的数据示例,按照目标ID分组,组内数据按照时间升序排序并编号。
S3,获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段。
以一具体示例来说明每个目标的具体获取方法,如图5~图8所示,对每个目标的组内数据执行步骤S31~S33。
S31,标志轨迹进入栅格开始时间和结束时间。同一组内目标数据内,将排序后的每个位置编码Pn与前一位置编码Pn-1比较;若相同则将位置编码Pn的第一标识位记为Y;若不同则将位置编码Pn的第一标识位记为N。Y表示进入了相同的地理位置,N标志地理位置在时间顺序上发生了变化。如图5所示,图中第一标识位为flag。
S32,标识目标持续在同一位置的开始时间和结束时间。同一组内目标数据内,将标记后的每个位置编码Pn的第一标识位与后一位置编码Pn+1的第一标识位比较;若Pn的第一标识位为N,Pn+1的第一标识位为Y,则将Pn的第二标识位记为B,表示目标持续在同一位置的开始时间;若Pn的第一标识位为Y,Pn+1的第一标识位为N或Pn为最后一个位置编码,则将Pn的第二标识位记为E,表示目标持续在同一位置的结束时间。如图6所示,图中第二标识位为tflag。
S33,计算连续的开始时间和结束时间。过滤掉第二标识位没有标志B和E的行,保留第二标识位为B或E的数据行,保留的位置编码即为每个目标停留过的地理位置,第二标识位为B的位置编码对应时间戳表示在该位置编码的开始时间,第二标识位为E的位置编码对应时间戳表示在该位置编码的结束时间。
如此对每组数据进行步骤S31~S33的操作,按照目标ID分组,按照序号排序即可得到每个目标停留的地理位置以及分别持续在每个地理位置的开始时间和结束时间,如图7。
优选地,可把同一目标在同一地理位置上的开始时间和结束时间放在同一行方便计算。同一目标的的当前行标志为E,前一行为B,则表示这两行属于同一地理位置的开始时间和结束时间,如图8。
S4,根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。图3是处理后的结果示例。
假设在同一地点,目标A开始时间和结束时间为[a,b],目标B的开始时间和结束时间为[c,d]。则碰头的时长计算如下:
如果a>d或者c>b,则A和B不存在碰头。
如果a>=c并且b<=d,则碰头的时长为TIMESTAMPDIFF(MINUTE,a,b)。TIMESTAMPDIFF为时间差函数。
如果a>=c并且b>=d,则碰头的时长为TIMESTAMPDIFF(MINUTE,a,d)。
如果a<=c并且b<=d,则碰头的时长为TIMESTAMPDIFF(MINUTE,c,b)。
如果a<=c并且b=>d,则碰头的时长为TIMESTAMPDIFF(MINUTE,c,d)。
其他情况都不存在碰头。
本发明实施例的一种基于行为轨迹的碰头地点及时长识别方法,可以应用在多个领域,例如可以应用该方法识别热门旅游地点,例如可以应用该方法来识别走私犯的碰头地点和时长。若应用该方法识别热门旅游地点,则采集的多个目标的行为轨迹数据为多个旅游者的旅游轨迹大数据,获取指定的多个旅游者的碰头地点及时长获取热门旅游地点后,可以获取热门旅游地点。还可以获取不同旅游者的旅游偏好,例如分别计算不同年龄段的旅游者的热门旅游地点,从而获取不同年龄段的旅游者偏好地点。
本发明实施例的一种基于行为轨迹的碰头地点及时长识别系统,包括采集模块和数据处理模块:
采集模块,用于采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列;
数据处理模块用于将轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序;
数据处理模块还用于获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段;
数据处理模块还用于根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。
优选地,系统还包括编码模块,采集的位置序列是地理空间坐标序列,编码模块用于对位置序列进行编码处理转化为位置编码序列,将处理后的位置编码序列发送给数据处理模块。
优选地,数据处理模块获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段的具体方法如上所述,此处不再赘述。
优选地,系统还包括时间精度处理模块,用于对时间戳序列进行处理以精确到预设的时间计算精度,将处理后的时间戳序列发送给数据处理模块。
识别系统的实现原理、技术效果与上述方法类似,此处不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于行为轨迹的碰头地点及时长识别方法,其特征在于,包括步骤:
S1,采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列;
S2,将行为轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序;
S3,获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段;
S4,根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。
2.如权利要求1所述的一种基于行为轨迹的碰头地点及时长识别方法,其特征在于,所述位置序列是地理空间坐标序列,所述步骤S2之前,对所述位置序列进行编码处理转化为位置编码序列。
3.如权利要求2所述的一种基于行为轨迹的碰头地点及时长识别方法,其特征在于,所述步骤S3具体是对每个目标对应的组内数据执行步骤:
S31,将排序后的每个位置编码Pn与前一位置编码Pn-1比较,若相同则将位置编码Pn的第一标识位记为Y,若不同则将位置编码Pn的第一标识位记为N;
S32,将标记后的每个位置编码Pn的第一标识位与后一位置编码Pn+1的第一标识位比较,若Pn的第一标识位为N,Pn+1的第一标识位为Y,则将Pn的第二标识位记为B,若Pn的第一标识位为Y,Pn+1的第一标识位为N或Pn为最后一个位置编码,则将Pn的第二标识位记为E;
S33,保留第二标识位为B或E的位置编码及对应时间戳,保留的位置编码即为每个目标停留过的地理位置,第二标识位为B的位置编码对应时间戳表示在该位置编码的开始时间,第二标识位为E的位置编码对应时间戳表示在该位置编码的结束时间。
4.如权利要求1、2或3所述的一种基于行为轨迹的碰头地点及时长识别方法,其特征在于,所述步骤S2前还包括步骤:对所述时间戳序列进行处理以精确到预设的时间计算精度。
5.如权利要求1、2或3所述的一种基于行为轨迹的碰头地点及时长识别方法,其特征在于,所述步骤S1中的多个目标的行为轨迹数据为多个旅游者的旅游轨迹数据,所述步骤S4还包括根据指定的多个目标的碰头地点及时长获取热门旅游地点。
6.如权利要求1、2或3所述的一种基于行为轨迹的碰头地点及时长识别方法,其特征在于,所述步骤S1中,利用携带GPS芯片的智能设备采集多个目标的行为轨迹数据。
7.一种基于行为轨迹的碰头地点及时长识别系统,其特征在于,包括采集模块和数据处理模块:
所述采集模块,用于采集多个目标的行为轨迹数据,每个目标的行为轨迹数据包括目标标识号、位置序列和时间戳序列;
所述数据处理模块用于将轨迹数据按照目标标识号分组,将每个目标对应的组内数据按照时间进行排序;
所述数据处理模块还用于获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段;
所述数据处理模块还用于根据每个目标停留过的地理位置及对应停留时间段,获取指定的多个目标的碰头地点及时长。
8.如权利要求7所述的一种基于行为轨迹的碰头地点及时长识别系统,其特征在于,包括编码模块,所述位置序列是地理空间坐标序列,所述编码模块用于对所述位置序列进行编码处理转化为位置编码序列,将处理后的位置编码序列发送给所述数据处理模块。
9.如权利要求8所述的一种基于行为轨迹的碰头地点及时长识别系统,其特征在于,所述获取每个目标停留过的地理位置及该目标在每个地理位置的停留时间段具体是对每个目标对应的组内数据执行步骤:
将排序后的每个位置编码Pn与前一位置编码Pn-1比较,若相同则将位置编码Pn的第一标识位记为Y,若不同则将位置编码Pn的第一标识位记为N;
将标记后的每个位置编码Pn的第一标识位与后一位置编码Pn+1的第一标识位比较,若Pn的第一标识位为N,Pn+1的第一标识位为Y,则将Pn的第二标识位记为B,若Pn的第一标识位为Y,Pn+1的第一标识位为N或Pn为最后一个位置编码,则将Pn的第二标识位记为E;
保留第二标识位为B或E的位置编码及对应时间戳,保留的位置编码即为每个目标停留过的地理位置,第二标识位为B的位置编码对应时间戳表示在该位置编码的开始时间,第二标识位为E的位置编码对应时间戳表示在该位置编码的结束时间。
10.如权利要求7、8或9所述的一种基于行为轨迹的碰头地点及时长识别系统,其特征在于,包括时间精度处理模块,用于对所述时间戳序列进行处理以精确到预设的时间计算精度,将处理后的时间戳序列发送给所述数据处理模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386616.2A CN111581320B (zh) | 2020-05-09 | 2020-05-09 | 一种基于行为轨迹的碰头地点及时长识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386616.2A CN111581320B (zh) | 2020-05-09 | 2020-05-09 | 一种基于行为轨迹的碰头地点及时长识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111581320A true CN111581320A (zh) | 2020-08-25 |
CN111581320B CN111581320B (zh) | 2022-06-28 |
Family
ID=72118736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010386616.2A Active CN111581320B (zh) | 2020-05-09 | 2020-05-09 | 一种基于行为轨迹的碰头地点及时长识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111581320B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105589875A (zh) * | 2014-10-22 | 2016-05-18 | 方正国际软件(北京)有限公司 | 一种多轨迹绘制的方法及装置 |
CN106980644A (zh) * | 2017-02-20 | 2017-07-25 | 浙江大学 | 一种异构城市数据的个体人际关系可视推理方法 |
CN106980129A (zh) * | 2017-03-10 | 2017-07-25 | 西安交通大学 | 一种基于位置编码地图的运动轨迹比对方法 |
US20170256015A1 (en) * | 2016-03-01 | 2017-09-07 | Emanuel Moecklin | Geocoded location and price matching |
WO2018151676A1 (en) * | 2017-02-17 | 2018-08-23 | Dataspark Pte. Ltd. | Stay and trajectory identification from historical analysis of communications network observations |
CN108595539A (zh) * | 2018-04-04 | 2018-09-28 | 烟台海颐软件股份有限公司 | 一种基于大数据的行迹相似对象识别方法与系统 |
CN109446186A (zh) * | 2018-09-27 | 2019-03-08 | 江苏大学 | 一种基于移动轨迹的社会关系判断方法 |
CN109521420A (zh) * | 2018-12-20 | 2019-03-26 | 西安电子科技大学 | 基于多特征匹配的多目标跟踪方法 |
CN110334171A (zh) * | 2019-07-05 | 2019-10-15 | 南京邮电大学 | 一种基于Geohash的时空伴随对象挖掘方法 |
CN110471999A (zh) * | 2019-08-05 | 2019-11-19 | 北京百度网讯科技有限公司 | 轨迹处理方法、装置、设备和介质 |
CN111046042A (zh) * | 2019-12-10 | 2020-04-21 | 厦门卫星定位应用股份有限公司 | 基于时空碰撞的快速检索方法及系统 |
-
2020
- 2020-05-09 CN CN202010386616.2A patent/CN111581320B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105589875A (zh) * | 2014-10-22 | 2016-05-18 | 方正国际软件(北京)有限公司 | 一种多轨迹绘制的方法及装置 |
US20170256015A1 (en) * | 2016-03-01 | 2017-09-07 | Emanuel Moecklin | Geocoded location and price matching |
WO2018151676A1 (en) * | 2017-02-17 | 2018-08-23 | Dataspark Pte. Ltd. | Stay and trajectory identification from historical analysis of communications network observations |
CN106980644A (zh) * | 2017-02-20 | 2017-07-25 | 浙江大学 | 一种异构城市数据的个体人际关系可视推理方法 |
CN106980129A (zh) * | 2017-03-10 | 2017-07-25 | 西安交通大学 | 一种基于位置编码地图的运动轨迹比对方法 |
CN108595539A (zh) * | 2018-04-04 | 2018-09-28 | 烟台海颐软件股份有限公司 | 一种基于大数据的行迹相似对象识别方法与系统 |
CN109446186A (zh) * | 2018-09-27 | 2019-03-08 | 江苏大学 | 一种基于移动轨迹的社会关系判断方法 |
CN109521420A (zh) * | 2018-12-20 | 2019-03-26 | 西安电子科技大学 | 基于多特征匹配的多目标跟踪方法 |
CN110334171A (zh) * | 2019-07-05 | 2019-10-15 | 南京邮电大学 | 一种基于Geohash的时空伴随对象挖掘方法 |
CN110471999A (zh) * | 2019-08-05 | 2019-11-19 | 北京百度网讯科技有限公司 | 轨迹处理方法、装置、设备和介质 |
CN111046042A (zh) * | 2019-12-10 | 2020-04-21 | 厦门卫星定位应用股份有限公司 | 基于时空碰撞的快速检索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111581320B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959466B (zh) | 基于bcs-dbscan的出租车载客热点可视化方法及系统 | |
CN111681421A (zh) | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 | |
CN109688532B (zh) | 一种划分城市功能区域的方法及装置 | |
CN104933643A (zh) | 一种景区信息推送方法和装置 | |
CN106528597A (zh) | 兴趣点的标注方法以及装置 | |
Zhou et al. | A data-driven method for trip ends identification using large-scale smartphone-based GPS tracking data | |
CN104050196A (zh) | 一种兴趣点数据冗余检测方法及装置 | |
CN106339716A (zh) | 一种基于加权欧氏距离的移动轨迹相似度匹配方法 | |
CN108230020B (zh) | 一种基于多维时间粒度时空频繁区域挖掘的方法 | |
CN110263840B (zh) | 一种线路分析方法、装置及程序产品、存储介质 | |
CN106980129B (zh) | 一种基于位置编码地图的运动轨迹比对方法 | |
CN111223013B (zh) | 一种基于位置标记的旅游路线智慧生成方法与系统 | |
CN109189949A (zh) | 一种人口分布计算方法 | |
CN109034187A (zh) | 一种用户家庭工作地址挖掘流程 | |
CN110727714A (zh) | 融合时空聚类和支持向量机的居民出行特征提取方法 | |
CN107861957A (zh) | 一种数据分析方法及装置 | |
CN104615881A (zh) | 一种基于移动位置应用的用户常态轨迹分析方法 | |
CN111405461B (zh) | 一种优化等间隔指纹采样个数的无线室内定位方法 | |
CN109413683B (zh) | 一种获取发射概率、转移概率以及序列定位的方法和装置 | |
CN111581320B (zh) | 一种基于行为轨迹的碰头地点及时长识别方法及系统 | |
Stenneth et al. | Automated transportation transfer detection using GPS enabled smartphones | |
CN106446102A (zh) | 基于地图围栏的终端定位方法和装置 | |
Dong et al. | Implementation of indoor fingerprint positioning based on ZigBee | |
CN108520028A (zh) | 基于dpi数据的用户地理位置特征提取方法及系统 | |
Dash et al. | From Mobile Phone Data to Transport Network--Gaining Insight about Human Mobility |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Xiao Dinghe Inventor after: Yu Jiangang Inventor after: Wu Jiaqi Inventor after: Liu Song Inventor before: Liu Song Inventor before: Yu Jiangang Inventor before: Xiao Dinghe Inventor before: Wu Jiaqi |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |