CN111669710B - 人口统计去重方法 - Google Patents
人口统计去重方法 Download PDFInfo
- Publication number
- CN111669710B CN111669710B CN202010316222.XA CN202010316222A CN111669710B CN 111669710 B CN111669710 B CN 111669710B CN 202010316222 A CN202010316222 A CN 202010316222A CN 111669710 B CN111669710 B CN 111669710B
- Authority
- CN
- China
- Prior art keywords
- mobile
- timestamp
- reference value
- recording
- mobile2
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Abstract
本发明提供一种人口统计去重方法中，包括以下步骤：a.取人群轨迹记录，记为[(mobile，lng，lat，timestamp)，(mobile，lng，lat，timestamp)...]；b.以mobile为要素对步骤a中的记录进行聚合，按照timestamp的时间先后进行排序，聚合结果记为(mobile，List(lat，lng))；c.依次对步骤b中的轨迹数据利用动态时间规整算法计算轨迹间的距离；以及d.将步骤c中的距离与参考值进行比较以判断所计算的手机号是否为同一人所有。可见，本发明通过移动终端和基站产生信令数据，统计分析出可能的重复人群，能够通过简单的方式，更高效、及时、准确得计算某区域的人口数量，具有极为重要的社会意义。
Description
技术领域
本发明涉及通讯技术领域，特别是涉及一种人口统计去重方法。
背景技术
目前，在一些特定的区域，相关部门需要统计该区域在某些时间内的人数。申请人研发了利用信令数据计算人数的方法，但是进一步发现可能遭遇一人多机、一机多卡、一卡多终端等情况，导致计算的人数偏差较大，从而可能影响相关部门作出的判断。
因此，如何更为精确的统计某区域的人数，具有十分重要的意义。
发明内容
本发明的一个目的在于，提供一种人口统计去重方法，快速精确统计设定区域内的人数。
基于此，本发明提供一种人口统计去重方法，根据移动终端在基站产生的信令数据进行计算，包括以下步骤：
a.取人群轨迹记录，记为[(mobile，lng，lat，timestamp)，(mobile，lng，lat，timestamp)...]，mobile代表手机号，lng代表纬度，lat代表经度，timestamp代表时间戳；
b.以mobile为要素对步骤a中的记录进行聚合，按照timestamp的时间先后进行排序，聚合结果记为(mobile，List(lat，lng))，List(lat，lng)代表纬度经度的集合；
c.依次对步骤b中的轨迹数据利用动态时间规整算法计算轨迹间的距离；以及
d.将步骤c中的距离与参考值进行比较以判断所计算的手机号是否为同一人所有。
可选的，对于所述的人口统计去重方法，在步骤d中，如果距离小于等于第一参考值则认为计算的2个手机号为同一个人。
可选的，对于所述的人口统计去重方法，所述第一参考值介于3000～10000。
可选的，对于所述的人口统计去重方法，在步骤d中，如果距离小于等于第二参考值，所述第二参考值小于第一参考值，则执行：
a1.取第一时期内的信令开关机数据，记为(mobile，timestamp)；
b1.以timestamp为要素对步骤a1中的记录进行聚合，聚合结果记为(timestamp，List(mobile))，List(mobile)代表手机号集合；
c1.判断聚合结果中的2个手机号是一机多卡。
可选的，对于所述的人口统计去重方法，所述第二参考值介于500～3000。
可选的，对于所述的人口统计去重方法，所述第一时期为5～60天。
本发明还提供另一种人口统计去重方法，包括以下步骤：
a.取第一时期内的信令振铃数据，记为(mobile，timestamp)；
b.以timestamp为要素对步骤a中的记录进行聚合，聚合结果记为(timestamp，List(mobile))；以及
c.判断聚合结果中的2个手机号是一卡多终端。
可选的，对于所述的人口统计去重方法，所述第一时期为5～60天。
与现有技术相比，本发明提供的一种人口统计去重方法中，包括以下步骤：a.取人群轨迹记录，记为[(mobile，lng，lat，timestamp)，(mobile，lng，lat，timestamp)...]；b.以mobile为要素对步骤a中的记录进行聚合，按照timestamp的时间先后进行排序，聚合结果记为(mobile，List(lat，lng))；c.依次对步骤b中的轨迹数据利用动态时间规整算法计算轨迹间的距离；以及
d.将步骤c中的距离与参考值进行比较以判断所计算的手机号是否为同一人所有。可见，本发明通过移动终端和基站产生信令数据，统计分析出可能的重复人群，能够通过简单的方式，更高效、及时、准确得计算某区域的人口数量，具有极为重要的社会意义。
附图说明
图1为本发明一实施例中人口统计去重方法的流程图。
具体实施方式
下面将结合示意图对本发明的一种人口统计去重方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本案发明人研究发现，现今社会对人流的分析判断极为重要，例如2020年春节爆发的新型冠状病毒就对这一体系提出了严重的挑战。但是目前尚不存在较为完善的分析体系，中国移动、中国联通及中国电信三大运营商可能也分别提出了一些方案，但是也仅限于自家体系，导致实际定位不精确、存在重复计算等多种缺陷。于是，发明人设计研发了新的体系，该体系包括首先实现基站的精确定位，在基站精确定位后，可以实现设定区域人数的精确计算，并且能够进一步得知人员的流动轨迹，从而实现人流分析，有助于突发事件时的把控。其中基站的精确定位、人数的精确计算及人员流动轨迹三大方面分别在本申请人的其他专利中描述，本发明主要探讨如何实现人口去重，规避一人多机、一机多卡、一卡多终端等所导致计算的人数偏差较大的情况，实现精确的人流分析。
本发明提供一种人口统计去重方法，根据移动终端在基站产生的信令数据进行计算，包括以下步骤：
a.取人群轨迹记录，记为[(mobile，lng，lat，timestamp)，(mobile，lng，lat，timestamp)...]；
b.以mobile为要素(key)对步骤a中的记录进行聚合，按照timestamp的时间先后进行排序，聚合结果记为(mobile，List(lat，lng))；
c.依次对步骤b中的轨迹数据利用动态时间规整算法计算轨迹间的距离；以及
d.将步骤c中的距离与参考值进行比较以判断所计算的手机号是否为同一人所有。
具体的，在本发明中，所述移动终端包括手机、平板电脑等设备。
在步骤a中，mobile代表手机号，lng代表纬度，lat代表经度，timestamp代表时间戳。
在步骤b中，List(lat，lng)代表纬度经度的集合，
在本发明中，利用动态时间规整算法(DTW)，可以参考现有技术完成，此处不进行详细描述。
具体的，在步骤d中，如果距离小于等于第一参考值则认为计算的2个手机号为同一个人。
例如，所述第一参考值介于3000～10000，优选的，可以是4000、5000、6000、7000、8000、9000等。
具体的，在步骤d中，如果距离小于等于第二参考值，所述第二参考值小于第一参考值，则执行：
a1.取第一时期内的信令开关机数据，记为(mobile，timestamp)；
b1.以timestamp为要素对步骤a1中的记录进行聚合，聚合结果记为(timestamp，List(mobile))；以及
c1.判断聚合结果中的2个手机号是一机多卡。
在步骤a1中，mobile代表手机号，timestamp代表时间戳。
在步骤b1中，List(mobile)代表手机号集合。
例如，所述第二参考值介于500～3000，优选的，可以是1000、2000等。
在本发明实施例中，所述第一时期为5～60天，具体的，指的是自进行去重计算之日起的5～60天内，例如，可以是10天、20天、30天、40天、50天等，通常情况下，可以按月计算，即30天。
此外，本发明还提供另一种人口统计去重方法，包括以下步骤：
a.取第一时期内的信令振铃数据(即来电数据)，记为(mobile，timestamp)；
b.以timestamp为要素对步骤a中的记录进行聚合，聚合结果记为(timestamp，List(mobile))；以及
c.判断聚合结果中的2个手机号是一卡多终端。
在步骤a中，mobile代表手机号，timestamp代表时间戳。
在步骤b中，List(mobile)代表手机号集合。
所述一卡多终端使用的是电子卡(即eSIM卡)，嵌入式存储在电子终端设备中。
在本发明实施例中，所述第一时期为5～60天，具体的，指的是自进行去重计算之日起的5～60天内，例如，可以是10天、20天、30天、40天、50天等，通常情况下，可以按月计算，即30天。
在本发明中，例如人群轨迹记录可以采用如下形式获得：
a.取移动终端在基站产生的信令数据，以设定周期进行计算，上一个批次计算的数据计入状态，进行记录记为(mobile，uli，timestamp，lat，lng)；
b.以mobile为要素(key)对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及
c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)。
人群轨迹记录的获取并不限于此，例如还可以参考公开(公告)号为CN110737968A的中国专利。
具体的，在本发明中，所述移动终端包括手机、平板电脑等设备。
在一个实施例中，本发明可以采用流处理的方式进行计算。
在一个实施例中，所述设定周期为1-30分钟。例如，可以是3分钟、5分钟、10分钟、15分钟、20分钟、25分钟等，可以理解的是，设定周期还可以更长，例如1小时、2小时等。
所述设定周期可以根据实际设定区域或者拟侦测人群而进行变动，针对具体设定区域的不同，结合不同时间、是否有其他重要事情发生等进行调整。例如对于人员密集区域，需要安防大力投入的区域，或者需要被重点监管对象，可以缩短设定周期；对于人员稀疏区域，或者非重点监管对象，可以增大设定周期。
在步骤a中，mobile代表手机号，uli代表基站编号，timestamp代表时间戳，lat代表纬度，lng代表经度。
在步骤b中，List(uli，timestamp，lat，lng)代表这四个参数的集合。
在步骤c中，nextUli代表下一个基站编号，reachTime代表到达该uli的时间，leaveTime代表离开该uli的时间，duration代表在该uli停留了多久。
在步骤c中，之前的状态数据包括：之前有状态数据且当前批次有信令；之前没有状态数据，当前批次有信令；仅仅有之前的状态数据。
具体的，对于之前有状态数据且当前批次有信令的情况：
将所述状态数据加入到cdr头部生成新的List，然后根据步骤c计算轨迹，且更新状态为List的最后一条。
具体的，对于之前没有状态数据，当前批次有信令的情况：
该情况说明该移动终端刚开始有信令，采用该List按照步骤c的方法计算轨迹，且更新状态为List的最后一条。
具体的，对于仅仅有之前的状态数据的情况：
该情况说明当前批次未出现信令，移动终端还对应在之前的基站，则增补还在当前基站的轨迹：离开时间为当前计算批次时间，状态不做更新，当补充的数据超过设定次数时从状态剔除，认为该移动终端与当前基站不再产生交互。
下面给出人群轨迹的一个具体的操作实例：
a.取移动终端在基站产生的信令数据，记录如下：
mobile1，uli1，1564541112，101.807766，36.60833
mobile1，uli1，1564541115，101.935454，35.555694
mobile1，uli2，1564541118，101.962947，35.359514
mobile1，uli3，1564541120，102.004549，35.493976
b.以mobile为key对步骤a中的记录进行聚合，聚合结果记为(mobile1，List(uli1，1564541112，101.807766，36.60833；uli1，1564541115，101.935454，35.555694；uli2，1564541118，101.962947，35.359514；uli3，1564541120，102.004549，35.493976))；
c.计算轨迹：将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)，结果如下：
mobile1，uli1，uli2，1564541112，1564541118，6
mobile1，uli2，uli3，1564541118，1564541120，2
由此，此人的位置变动已经清楚，并且由于基站位置固定，可以精确获悉此人的移动轨迹。
下面给出去重方法的一个具体的操作实例：
a.取移动终端在基站产生的轨迹数据，记录如下：
mobile1，121.5962289，31.20321038，1564541112
mobile1，121.5962014，31.20371856，1564541113
mobile1，121.5961831，31.20409698，1564541114
mobile1，121.5961191，31.20523711，1564541115
mobile1，121.5961191，31.20523711，1564541116
mobile1，121.5959577，31.20617579，1564541117
mobile1，121.5953301，31.20625724，1564541118
mobile1，121.5942746，31.20603825，1564541119
mobile1，121.5936124，31.20594966，1564541120
mobile1，121.592772，31.20579569，1564541121
mobile1，121.592074，31.20564405，1564541122
mobile1，121.5915015，31.20554054，1564541123
mobile1，121.5906612，31.20541688，1564541124
mobile1，121.5898378，31.20523138，1564541125
mobile1，121.5891767，31.20512677，1564541126
mobile1，121.5878166，31.20488457，1564541127
mobile1，121.5870479，31.20477661，1564541128
mobile1，121.5864038，31.20456311，1564541129
mobile1，121.5858671，31.20446062，1564541130
mobile1，121.5853125，31.20435675，1564541131
mobile1，121.5849192，31.20427206，1564541132
mobile1，121.5848298，31.20402347，1564541133
mobile1，121.5848483，31.20356017，1564541134
mobile1，121.5849024，31.20322249，1564541135
mobile1，121.5849031，31.20263592，1564541136
mobile1，121.5849753，31.20218967，1564541137
mobile1，121.5850644，31.20172877，1564541138
mobile1，121.5850649，31.20126511，1564541139
mobile1，121.5851731，31.20071165，1564541140
mobile1，121.5852096，31.20015677，1564541141
mobile1，121.5852281，31.19955557，1564541142
mobile1，121.5854077，31.19925034，1564541143
mobile1，121.585462，31.19880373，1564541144
mobile1，121.585569，31.1984511，1564541145
mobile1，121.5866246，31.19848786，1564541146
mobile1，121.5880564，31.19871572，1564541147
mobile1，121.5894512，31.19909843，1564541148
mobile1，121.5905962，31.19924313，1564541149
mobile1，121.5915979，31.19933883，1564541150
mobile1，121.5929391，31.1996102，1564541151
mobile1，121.593673，31.19967029，1564541152
mobile1，121.5943172，31.19982052，1564541153
mobile1，121.5955162，31.20001092，1564541154
mobile1，121.5960898，31.20016034，1564541155
mobile1，121.5963392，31.20065803，1564541156
mobile1，121.5964817，31.20150871，1564541157
mobile1，121.5963733，31.20224742，1564541158
mobile2，121.596519，31.20022825，1564541112
mobile2，121.5966259，31.20075458，1564541113
mobile2，121.596714，31.2012806，1564541114
mobile2，121.5963921，31.20149228，1564541115
mobile2，121.5963378，31.20198504，1564541116
mobile2，121.5961401，31.20244449，1564541117
mobile2，121.5961754，31.20292372，1564541118
mobile2，121.5959782，31.20381584，1564541119
mobile2，121.5960312，31.20458815，1564541120
mobile2，121.596442，31.20501151，1564541121
mobile2，121.5962618，31.20588796，1564541122
mobile2，121.595831，31.20641953，1564541123
mobile2，121.594829，31.20632565，1564541124
mobile2，121.5939532，31.20577081，1564541125
mobile2，121.5935408，31.20584046，1564541126
mobile2，121.5927717，31.20610446，1564541127
mobile2，121.5922889，31.20589481，1564541128
mobile2，121.5919666，31.20554914，1564541129
mobile2，121.5910723，31.20550255，1564541130
mobile2，121.590178，31.20556262，1564541131
mobile2，121.589677，31.20566099，1564541132
mobile2，121.5886938，31.20502452，1564541133
mobile2，121.5877989，31.20472934，1564541134
mobile2，121.5869762，31.2047752，1564541135
mobile2，121.5864572，31.20493489，1564541136
mobile2，121.5855273，31.20466976，1564541137
mobile2，121.5852413，31.20389269，1564541138
mobile2，121.5844894，31.20381591，1564541139
mobile2，121.5847053，31.20315664，1564541140
mobile2，121.584634，31.2028005，1564541141
mobile2，121.5848854，31.20240374，1564541142
mobile2，121.5847602，31.20212348，1564541143
mobile2，121.5848679，31.20197171，1564541144
mobile2，121.5848503，31.20170856，1564541145
mobile2，121.5848509，31.20112199，1564541146
mobile2，121.5854421，31.20062502，1564541147
mobile2，121.5849057，31.20019775，1564541148
mobile2，121.5858005，31.19984465，1564541149
mobile2，121.5850311，31.19942778，1564541150
mobile2，121.5852468，31.19887743，1564541151
mobile2，121.5859628，31.19896849，1564541152
mobile2，121.5860171，31.19844494，1564541153
mobile2，121.5872509，31.19857709，1564541154
mobile2，121.5887536，31.19863731，1564541155
mobile2，121.5887892，31.19886884，1564541156
mobile2，121.5901134，31.19904912，1564541157
mobile2，121.5905965，31.19902729，1564541158
mobile2，121.5912043，31.19956333，1564541159
mobile2，121.5924385，31.19933931，1564541160
mobile2，121.5929394，31.19930143，1564541161
mobile2，121.5936733，31.19943847，1564541162
mobile2，121.593547，31.20019267，1564541163
mobile2，121.5952296，31.19982022，1564541164
mobile2，121.5950857，31.20025046，1564541165
mobile2，121.5962323，31.20008472，1564541166
b.利用动态时间规整算法计算两条轨迹的距离为3687.564280790553；
c.步骤b中得出来的距离小于第一参考值5000，则认为mobile1和mobile2是同一个人所有，则可以在人口统计时，计算为1个人。
综上所述，本发明提供的一种人口统计去重方法中，包括以下步骤：a.取人群轨迹记录，记为[(mobile，lng，lat，timestamp)，(mobile，lng，lat，timestamp)...]；b.以mobile为要素对步骤a中的记录进行聚合，按照timestamp的时间先后进行排序，聚合结果记为(mobile，List(lat，lng))；c.依次对步骤b中的轨迹数据利用动态时间规整算法计算轨迹间的距离；以及d.将步骤c中的距离与参考值进行比较以判断所计算的手机号是否为同一人所有。可见，本发明通过移动终端和基站产生信令数据，统计分析出可能的重复人群，能够通过简单的方式，更高效、及时、准确得计算某区域的人口数量，具有极为重要的社会意义。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种人口统计去重方法，根据移动终端在基站产生的信令数据进行计算，包括以下步骤：
a.取人群轨迹记录，记为[(mobile，lng，lat，timestamp)，(mobile，lng，lat，timestamp)...]，mobile代表手机号，lng代表纬度，lat代表经度，timestamp代表时间戳；
b.以mobile为要素对步骤a中的记录进行聚合，按照timestamp的时间先后进行排序，聚合结果记为(mobile，List(lat，lng))，List(lat，lng)代表纬度经度的集合；
c.依次对步骤b中的轨迹数据利用动态时间规整算法计算轨迹间的距离；以及
d.将步骤c中的距离与参考值进行比较以判断所计算的手机号是否为同一人所有：如果距离小于等于第一参考值则认为计算的2个手机号为同一个人；如果距离小于等于第二参考值，所述第二参考值小于第一参考值，则执行：
a1.取第一时期内的信令开关机数据，记为(mobile，timestamp)；
b1.以timestamp为要素对步骤a1中的记录进行聚合，聚合结果记为(timestamp，List(mobile))，List(mobile)代表手机号集合；
c1.判断聚合结果中的2个手机号是一机多卡。
2.根据权利要求1所述的人口统计去重方法，其特征在于，所述第一参考值介于3000～10000。
3.根据权利要求1所述的人口统计去重方法，其特征在于，所述第二参考值介于500～3000。
4.根据权利要求1所述的人口统计去重方法，其特征在于，所述第一时期为5～60天。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010316222.XA CN111669710B (zh) | 2020-04-21 | 2020-04-21 | 人口统计去重方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010316222.XA CN111669710B (zh) | 2020-04-21 | 2020-04-21 | 人口统计去重方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111669710A CN111669710A (zh) | 2020-09-15 |
| CN111669710B true CN111669710B (zh) | 2021-07-06 |
Family
ID=72382639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010316222.XA Active CN111669710B (zh) | 2020-04-21 | 2020-04-21 | 人口统计去重方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111669710B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700056A (zh) * | 2015-02-05 | 2015-06-10 | 合肥工业大学 | 煤矿入井人员唯一性检测方法 |
| CN107609682A (zh) * | 2017-08-22 | 2018-01-19 | 上海世脉信息科技有限公司 | 一种大数据环境下人口集聚中短期预警方法 |
| CN107665289A (zh) * | 2017-11-17 | 2018-02-06 | 广州汇智通信技术有限公司 | 一种运营商数据的处理方法及系统 |
| CN108092685A (zh) * | 2017-12-28 | 2018-05-29 | 中国移动通信集团江苏有限公司 | 双卡槽终端的双卡状态识别方法、装置、设备及介质 |
| CN110839218A (zh) * | 2019-11-28 | 2020-02-25 | 安徽慧视金瞳科技有限公司 | 一种基于手机信令数据的城市人口数量估算方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103841550B (zh) * | 2012-11-21 | 2017-05-03 | 中国移动通信集团吉林有限公司 | 一种识别一人多卡用户的方法及装置 |
| US9506761B2 (en) * | 2014-01-10 | 2016-11-29 | Alcatel Lucent | Method and apparatus for indoor position tagging |
| EP3132592B1 (en) * | 2014-04-18 | 2018-02-21 | Telecom Italia S.p.A. | Method and system for identifying significant locations through data obtainable from a telecommunication network |
| 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 |
| CN104820905B (zh) * | 2015-05-19 | 2018-11-20 | 威海北洋电气集团股份有限公司 | 基于空间轨迹大数据分析的人员管控方法及系统 |
| CN105912910A (zh) * | 2016-04-21 | 2016-08-31 | 武汉理工大学 | 基于手机传感的在线签名身份认证方法及系统 |
| US10467394B2 (en) * | 2016-07-11 | 2019-11-05 | International Business Machines Corporation | Pointing device biometrics for continuous user authentication |
| CN107040894B (zh) * | 2017-04-21 | 2019-08-09 | 杭州市综合交通研究中心 | 一种基于手机信令数据的居民出行od获取方法 |
| CN108596815A (zh) * | 2018-04-08 | 2018-09-28 | 深圳市和讯华谷信息技术有限公司 | 基于移动终端的用户行为相似度识别方法、系统及装置 |
| CN110716925B (zh) * | 2019-09-05 | 2023-08-04 | 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 |
| CN110868689B (zh) * | 2019-11-25 | 2020-12-08 | 智慧足迹数据科技有限公司 | 常住人口确定方法、装置和电子设备 |
-
2020
- 2020-04-21 CN CN202010316222.XA patent/CN111669710B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700056A (zh) * | 2015-02-05 | 2015-06-10 | 合肥工业大学 | 煤矿入井人员唯一性检测方法 |
| CN107609682A (zh) * | 2017-08-22 | 2018-01-19 | 上海世脉信息科技有限公司 | 一种大数据环境下人口集聚中短期预警方法 |
| CN107665289A (zh) * | 2017-11-17 | 2018-02-06 | 广州汇智通信技术有限公司 | 一种运营商数据的处理方法及系统 |
| CN108092685A (zh) * | 2017-12-28 | 2018-05-29 | 中国移动通信集团江苏有限公司 | 双卡槽终端的双卡状态识别方法、装置、设备及介质 |
| CN110839218A (zh) * | 2019-11-28 | 2020-02-25 | 安徽慧视金瞳科技有限公司 | 一种基于手机信令数据的城市人口数量估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于大货车GPS数据的轨迹相似性度量有效性研究;李颖等;《中国公路学报》;20200228;第33卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111669710A (zh) | 2020-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107566358B (zh) | 一种风险预警提示方法、装置、介质及设备 | |
| CN106294105B (zh) | 刷量工具检测方法和装置 | |
| CN110493476B (zh) | 一种检测方法、装置、服务器及存储介质 | |
| CN106067043A (zh) | 一种性能测试方法及系统 | |
| CN110381218B (zh) | 一种识别电话诈骗团伙的方法及装置 | |
| CN112954626A (zh) | 手机信令数据分析方法、装置、电子设备及存储介质 | |
| CN109194689A (zh) | 异常行为识别方法、装置、服务器及存储介质 | |
| CN111064719B (zh) | 文件异常下载行为的检测方法及装置 | |
| CN111669710B (zh) | 人口统计去重方法 | |
| CN103761879A (zh) | 一种车辆套牌识别方法及系统 | |
| CN111479168B (zh) | 用于标记多媒体内容热点的方法、装置、服务器以及介质 | |
| CN110909263B (zh) | 一种身份特征的伴随关系确定方法及装置 | |
| CN108764369A (zh) | 基于数据融合的人物识别方法、装置和计算机存储介质 | |
| WO2016176919A1 (zh) | 一种实现考勤的方法和考勤服务端 | |
| CN111601240B (zh) | 基于移动终端和基站进行人群轨迹计算的方法 | |
| CN110808988B (zh) | 一种基于信息特征熵和长短期记忆网络的物联网卡业务异常检测方法 | |
| CN110704508B (zh) | 一种智能生产线异常数据的处理方法及装置 | |
| CN117177177B (zh) | 一种基于信令数据的小区域职住人口统计方法及系统 | |
| CN110825924B (zh) | 一种数据检测方法、装置及存储介质 | |
| CN108093423A (zh) | 一种基于Ransac算法的用户话单大数据中基站位置异常的发现方法 | |
| CN110933605B (zh) | 移动目标的挖掘方法及装置 | |
| CN111242147A (zh) | 一种亲密联系人和频繁活跃区域识别的方法及装置 | |
| CN114257454B (zh) | 适用于工控系统中基于特征热力图的恶意流量识别方法 | |
| CN111641915B (zh) | 利用信令数据计算人数的方法 | |
| CN110519686B (zh) | 预设地点识别方法、装置、设备及计算机可读存储介质 |
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 |