CN112105052A - 楼宇类型确定方法、装置、服务器及存储介质 - Google Patents

楼宇类型确定方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN112105052A
CN112105052A CN202010959141.1A CN202010959141A CN112105052A CN 112105052 A CN112105052 A CN 112105052A CN 202010959141 A CN202010959141 A CN 202010959141A CN 112105052 A CN112105052 A CN 112105052A
Authority
CN
China
Prior art keywords
data
building
resident
type
visitors
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
Application number
CN202010959141.1A
Other languages
English (en)
Other versions
CN112105052B (zh
Inventor
刘祖军
陶周天
李振军
邹炎炎
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.)
Smartsteps Data Technology Co ltd
Original Assignee
Smartsteps Data Technology 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 Smartsteps Data Technology Co ltd filed Critical Smartsteps Data Technology Co ltd
Priority to CN202010959141.1A priority Critical patent/CN112105052B/zh
Publication of CN112105052A publication Critical patent/CN112105052A/zh
Application granted granted Critical
Publication of CN112105052B publication Critical patent/CN112105052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提出一种楼宇类型确定方法、装置、服务器及存储介质，涉及楼宇类型分析技术领域。该方法通过获取运营商信令数据及室分基站列表，并根据室分基站列表从运营商信令数据中筛选得到驻留点数据，驻留点数据包括用户终端的驻留基站，然后按照驻留基站对驻留点数据进行分组，并根据每组驻留点数据确定对应楼宇的到访人数分布情况，最后根据多个楼宇的到访人数分布情况对多个楼宇进行分类，以确定每个楼宇的类型。由于是根据用户终端访问室分基站的驻留点数据确定楼宇的类型，其能更加准确地反映用户的到访情况，同时根据所有楼宇的到访情况划分楼宇的类型，得到的结果更加准确、可靠。

Description

楼宇类型确定方法、装置、服务器及存储介质
技术领域
本发明涉及楼宇类型分析技术领域，具体而言，涉及一种楼宇类型确定方法、装置、服务器及存储介质。
背景技术
随着技术的不断进步，基于大数据的个性化服务越来越多。例如，有些公司可以收集用户的出行轨迹、确定其驻留点，以确定用户的出行兴趣，并为其推送感兴趣内容。其中，在确定驻留点时，常常需要判断其驻留点所在楼宇的名称及类型，以反映用户的真实出行目的。
现有技术中，通常是通过查询室分基站对应的位置推测楼宇名称以及楼宇类型。然而，经发明人研究发现，该方法的准确率严重依赖于室分基站列表的准确度以及基站的安装位置。由于室分基站列表的数据量极大，且数据采集涉及人工记录等因素，很可能含有大量的错误数据，导致楼宇类型的判断错误。其次，运营商在安装室分基站的位置选择上存在不确定性，即室分基站的安装位置可能并不在其服务楼宇内，故依据室分基站的位置判断楼宇的类型会导致错误。
发明内容
有鉴于此，本发明的目的在于提供一种楼宇类型确定方法、装置、服务器及存储介质，以解决上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种楼宇类型确定方法，所述楼宇类型确定方法包括：
获取运营商信令数据及室分基站列表，所述室分基站列表包括多个室分基站，所述多个室分基站与多个楼宇一一对应，每个所述室分基站安装于对应的所述楼宇；
根据所述室分基站列表从所述运营商信令数据中筛选得到驻留点数据，所述驻留点数据包括用户终端的驻留基站；
按照所述驻留基站对所述驻留点数据进行分组；
根据每组所述驻留点数据确定对应楼宇的到访人数分布情况，其中，所述到访人数分布情况用于表征所述楼宇的单日到访人数随日期的变化情况；
根据多个所述楼宇的到访人数分布情况对多个所述楼宇进行分类，以确定每个所述楼宇的类型。
进一步地，所述驻留点数据还包括驻留时长以及驻留起始时间，所述根据每组所述驻留点数据确定对应楼宇的到访人数分布情况的步骤包括：
按照日期对每组所述驻留点数据进行分组得到多个数据组，每个所述数据组对应一个所述日期；
根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类，以得到每个所述数据组的多个类型分组；
对于每一个数据组，统计预设类型的所述类型分组内的驻点数据的数量作为所述数据组对应的日期的单日到访人数；
根据日期及对应的所述单日到访人数确定所述到访人数分布情况。
进一步地，所述根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类的步骤包括：
将所述驻留起始时间在预设时间范围内，且所述驻留时长小于预设时长的驻留点数据确定为第一类型的驻留点数据；
将所述驻留起始时间在预设时间范围外或所述驻留时长大于预设时长的驻留点数据确定为第二类型的驻留点数据。
进一步地，所述根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类的步骤包括：
根据所述驻留时长以及所述驻留起始时间，并利用K-Means聚类算法及预设定的第一分类数对每个所述数据组内的驻留点数据进行分类，其中，所述第一分类数为所述驻留起始时间的类型数量。
进一步地，所述根据所述多个楼宇的到访人数分布情况对多个所述楼宇进行分类，以确定每个所述楼宇的类型的步骤包括：
根据所述到访人数分布情况，并利用K-Means聚类算法及预设定的第二分类数对多个所述楼宇进行分类，以确定每个所述楼宇的类型，其中，所述第二分类数为所述楼宇的类型数量。
进一步地，所述第二分类数为4，所述楼宇的类型包括第一类型、第二类型、第三类型及第四类型；其中，所述第一类型的楼宇为具有娱乐休闲功能的建筑物，所述第二类型的楼宇为特殊类建筑物，所述第三类型的楼宇具有居住功能的建筑物，所述第四类型的楼宇为具有工作功能的建筑物。
第二方面，本申请实施例还提供了一种楼宇类型确定装置，所述楼宇类型确定装置包括：
数据获取单元，用于获取运营商信令数据及室分基站列表，所述室分基站列表包括多个室分基站，所述多个室分基站与多个楼宇一一对应，每个所述室分基站安装于对应的所述楼宇；
数据筛选单元，用于根据所述室分基站列表从所述运营商信令数据中筛选得到驻留点数据，所述驻留点数据包括用户终端的驻留基站；
数据分组单元，用于按照所述驻留基站对所述驻留点数据进行分组；
分布情况确定单元，用于根据每组所述驻留点数据确定对应楼宇的到访人数分布情况，其中，所述到访人数分布情况用于表征所述楼宇的单日到访人数随日期的变化情况；
分类单元，用于根据多个所述楼宇的到访人数分布情况对多个所述楼宇进行分类，以确定每个所述楼宇的类型。
进一步地，所述驻留点数据还包括驻留时长以及驻留起始时间，所述分布情况确定单元用于按照日期对每组所述驻留点数据进行分组得到多个数据组，每个所述数据组对应一个所述日期；
所述分布情况确定单元还用于根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类，以得到每个所述数据组的多个类型分组；
所述分布情况确定单元还用于对于每一个数据组，统计预设类型的所述类型分组内的驻点数据的数量作为所述数据组对应的日期的单日到访人数；
所述分布情况确定单元还用于根据日期及对应的所述单日到访人数确定所述到访人数分布情况。
第三方面，本申请实施例还提供了一种服务器，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现上述任意一种实施方式提供所述的楼宇类型确定方法。
第四方面，本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种实施方式提供所述的楼宇类型确定方法。
本发明实施例提供的楼宇类型确定方法、装置、服务器及存储介质，通过获取运营商信令数据及室分基站列表，并根据室分基站列表从运营商信令数据中筛选得到驻留点数据，驻留点数据包括用户终端的驻留基站，然后按照驻留基站对驻留点数据进行分组，并根据每组驻留点数据确定对应楼宇的到访人数分布情况，最后根据多个楼宇的到访人数分布情况对多个楼宇进行分类，以确定每个楼宇的类型。由于是根据用户终端访问室分基站的驻留点数据确定楼宇的类型，其能更加准确地反映用户的到访情况，同时根据所有楼宇的到访情况划分楼宇的类型，得到的结果更加准确、可靠。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例提供的服务器的结构示意图。
图2示出了本发明实施例提供的楼宇类型确定方法的流程图。
图3示出了图2中S204的具体流程图。
图4示出了按照时间进行对驻留点数据进行聚类得到的聚类情况图。
图5示出了按照到访情况对楼宇进行聚类得到的聚类情况图。
图6示出了本发明实施例提供的一种楼宇类型确定装置的功能模块图。
图标：100-服务器；110-存储器；120-处理器；130-通信模块；200-楼宇类型确定装置；210-数据获取单元；220-数据筛选单元；230-数据分组单元；240-分布情况确定单元；250-分类单元。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
请参照图1，是服务器100的方框示意图。所述服务器100包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。
通信模块130用于通过所述网络建立所述服务器100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图1所示的结构仅为服务器100的结构示意图，所述服务器100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供了一种楼宇类型确定方法，应用于上述服务器100。请参阅图2，为本申请实施例提供的楼宇类型确定方法的流程图。该楼宇类型确定方法包括：
S201，获取运营商信令数据及室分基站列表。
可以理解地，终端之间进行通信需要依赖于各大运营商的基站。而基站可以分为宏基站和室分基站。通常情况下，宏基站的体积较大，一般设置于野外；而室分基站的体积通常较小，一般设置于建筑物内，例如建筑物的地下室等位置。
其中，该运营商信令数据可以包括各个基站与用户终端的交互数据，该交互数据包括用户终端的标识、用户终端所驻留的基站的标识、用户终端的驻留时长以及用户终端的驻留起始时间等。
而该室分基站列表中包括多个室分基站；具体可以包括每个室分基站的标识、安装位置信息等。需要说明的是，多个室分基站与多个楼宇一一对应，且每个室分基站安装于对应的楼宇。因而，一旦确定用户终端所驻留的室分基站，便可以确定该持有该用户终端的用户所在的楼宇。
S202，根据室分基站列表从运营商信令数据中筛选得到驻留点数据。
运营商信令数据中所有用于访问室分基站列表内的室分基站的数据即为筛选得到的驻留点数据。其中，每个驻留点数据均包括用户终端的驻留基站、驻留时长以及驻留起始时间。
可以理解地，由于室分基站与楼宇呈一一对应关系，驻留点数据既然包括用户终端所驻留的室分基站，从而该驻留点数据也可以反映持有该用户终端的用户所处的楼宇。
此外，驻留起始时间即为用户终端开始访问驻留基站的时间，其可以表征持有该用户终端的用户到达对应楼宇的时间。驻留时长即为用户终端接入驻留基站的时长，其可以表征持有该用户终端的用户驻留在对应楼宇的时长。
S203，按照驻留基站对驻留点数据进行分组。
可以理解地，将驻留基站相同的驻留点数据划分为一组。从而，同一组内的驻留点数据可以反映该驻留基站对应的楼宇的被访问情况。
S204，根据每组驻留点数据确定对应楼宇的到访人数分布情况。
需要说明的是，到访人数分布情况用于表征楼宇的单日到访人数随日期的变化情况。
请参阅图3，为S204的具体流程图。该S204包括：
S2041，按照日期对每组驻留点数据进行分组得到多个数据组，每个数据组对应一个日期。
也可以理解地，每一个驻留点数据可用于反映某用户终端到达某楼宇的时间以及驻留在该楼宇的时长；从而一个数据组内的所有驻留点数据可以反映某楼宇在对应日期的被访问情况。
例如，可以将所有9月10日访问A楼宇所对应的室分基站所的驻留点数据形成一组，将所有9月1日访问A楼宇所对应的室分基站得到的驻留点数据形成一组……依次类推，9月的每天都可以对应一组访问A楼宇所对应的室分基站得到的驻留点数据。
S2042，根据驻留时长以及驻留起始时间对每个数据组内的驻留点数据进行分类，以得到每个数据组的多个类型分组。
在一种可选的实施方式中，可以将每个数据组分成两个类型分组，分别为第一类型分组及第二类型分组。其中，第一类型分组包括所有白天访问楼宇的用户终端所生成的驻留点数据；第二类型分组包括所有晚上访问楼宇的用户终端所生成的驻留点数据。
为此，可以将驻留起始时间在预设时间范围内，且驻留时长小于预设时长的驻留点数据确定为第一类型的驻留点数据，将驻留起始时间在预设时间范围外或驻留时长大于预设时长的驻留点数据确定为第二类型的驻留点数据。
例如，预设时间范围可以为早上8点到晚上8点，预设时长可以为12小时。从而将驻留起始时间在早上8点到晚上8点之间，且驻留时长小于12小时的驻留点数据确定为第一类型的驻留点数据，划分至第一类型分组。
在另一种可选的实施方式中，可以根据驻留时长以及驻留起始时间，并利用K-Means聚类算法及预设定的第一分类数对每个数据组内的驻留点数据进行分类，其中，第一分类数为驻留起始时间的类型数量。
在一种可选的实施方式中，该对于某一数据组的聚类情况可以如图4所示。可以看出，第一分类数为6，也即将每个数据组内的驻留点数据划分为6类，具体分别为夜间、全天、上午、白天、下午以及凌晨(分别对应于图4中的曲线0～5)。从而可以得到每个驻留点数据的所属分组。
可以理解地，夜间分组内的驻留点数据可以反映夜间到达楼宇的人数情况；上午分组内的驻留点数据可以反映上午到达楼宇的人数情况，依次类推，每个分组均可以反映对应时段内到达楼宇的人数情况。
S2043，对于每一个数据组，统计预设类型的类型分组内的驻点数据的数量作为数据组对应的日期的单日到访人数。
具体地，若只存在两个类型分组，则第一类型即为预设类型，可以统计第一类型分组内的驻留点数据的数量，即为当日访问楼宇的人数。
若存在夜间、全天、上午、白天、下午以及凌晨这6个类型分组，则凌晨、上午、下午、夜间即为预设类型，需要统计凌晨、上午、下午、夜间这几个类型分组内的驻留点数据的数量总和，即为当日访问楼宇的人数。
S2044，根据日期及对应的单日到访人数确定到访人数分布情况。
可以理解地，在确定每日的单日到访人数后，便可以确定到访人数分布情况。
S205，根据多个楼宇的到访人数分布情况对多个楼宇进行分类，以确定每个楼宇的类型。
在一种可选的实施方式中，可以根据到访人数分布情况，并利用K-Means聚类算法及预设定的第二分类数对多个楼宇进行分类，以确定每个楼宇的类型，其中，第二分类数为楼宇的类型数量。
在一种可选的实施方式中，所有楼宇的到访人数分布情况的聚类情况可以如图5所示。可以看出，第二分类数为4，也即将楼宇划分为4个类型，具体可以包括第一类型、第二类型、第三类型及第四类型(分别对应于图5中的曲线0～4)。
其中，第一类型的楼宇在非工作日的到访人数较多，可以为具有娱乐休闲功能的建筑物，例如可以为商场；第二类型的楼宇的到访人数不具备规律，可以为特殊类建筑物，例如可以为旅游景点；第三类型的楼宇的到访人数相对稳定，可以为具有居住功能的建筑物，例如居民小区；第四类型的楼宇的到访人数具备明显的周期性且周末人数明显下降，可以为具有工作功能的建筑物，例如写字楼。
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种楼宇类型确定装置200的实现方式，可选地，该楼宇类型确定装置200可以采用上述图1所示的服务器100的器件结构。进一步地，请参阅图6，图6为本发明实施例提供的一种楼宇类型确定装置200的功能模块图。需要说明的是，本实施例所提供的楼宇类型确定装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该楼宇类型确定装置200包括：数据获取单元210、数据筛选单元220、数据分组单元230、分布情况确定单元240以及分类单元250。
其中，数据获取单元210用于获取运营商信令数据及室分基站列表。
可以理解地，在一种可选的实施方式中，该数据获取单元210可用于执行S201。
数据筛选单元220用于根据室分基站列表从运营商信令数据中筛选得到驻留点数据。
可以理解地，在一种可选的实施方式中，该数据筛选单元220可用于执行S202。
数据分组单元230用于按照驻留基站对驻留点数据进行分组。
可以理解地，在一种可选的实施方式中，该数据分组单元230可用于执行S203。
分布情况确定单元240用于根据每组驻留点数据确定对应楼宇的到访人数分布情况。
具体地，分布情况确定单元240用于按照日期对每组驻留点数据进行分组得到多个数据组，每个数据组对应一个日期，并根据驻留时长以及驻留起始时间对每个数据组内的驻留点数据进行分类，以得到每个数据组的多个类型分组，然后对于每一个数据组，统计预设类型的类型分组内的驻点数据的数量作为数据组对应的日期的单日到访人数，从而根据日期及对应的单日到访人数确定到访人数分布情况。
可以理解地，在一种可选的实施方式中，该分布情况确定单元240可用于执行S204、S2041、S2042、S2043以及S2044。
分类单元250用于根据多个楼宇的到访人数分布情况对多个楼宇进行分类，以确定每个楼宇的类型。
可以理解地，在一种可选的实施方式中，该分类单元250可用于执行S205。
可选地，上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该服务器100的操作系统(Operating System，OS)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器120执行时实现上述任意一种实施方式提供所述的楼宇类型确定方法。
综上所述，本申请实施例提供的楼宇类型确定方法、装置、服务器及存储介质，通过获取运营商信令数据及室分基站列表，并根据室分基站列表从运营商信令数据中筛选得到驻留点数据，驻留点数据包括用户终端的驻留基站，然后按照驻留基站对驻留点数据进行分组，并根据每组驻留点数据确定对应楼宇的到访人数分布情况，最后根据多个楼宇的到访人数分布情况对多个楼宇进行分类，以确定每个楼宇的类型。由于是根据用户终端访问室分基站的驻留点数据确定楼宇的类型，其能更加准确地反映用户的到访情况，同时根据所有楼宇的到访情况划分楼宇的类型，得到的结果更加准确、可靠。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种楼宇类型确定方法，其特征在于，所述楼宇类型确定方法包括：
获取运营商信令数据及室分基站列表，所述室分基站列表包括多个室分基站，所述多个室分基站与多个楼宇一一对应，每个所述室分基站安装于对应的所述楼宇；
根据所述室分基站列表从所述运营商信令数据中筛选得到驻留点数据，所述驻留点数据包括用户终端的驻留基站；
按照所述驻留基站对所述驻留点数据进行分组；
根据每组所述驻留点数据确定对应楼宇的到访人数分布情况，其中，所述到访人数分布情况用于表征所述楼宇的单日到访人数随日期的变化情况；
根据多个所述楼宇的到访人数分布情况对多个所述楼宇进行分类，以确定每个所述楼宇的类型。
2.根据权利要求1所述的楼宇类型确定方法，其特征在于，所述驻留点数据还包括驻留时长以及驻留起始时间，所述根据每组所述驻留点数据确定对应楼宇的到访人数分布情况的步骤包括：
按照日期对每组所述驻留点数据进行分组得到多个数据组，每个所述数据组对应一个所述日期；
根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类，以得到每个所述数据组的多个类型分组；
对于每一个数据组，统计预设类型的所述类型分组内的驻点数据的数量作为所述数据组对应的日期的单日到访人数；
根据日期及对应的所述单日到访人数确定所述到访人数分布情况。
3.根据权利要求2所述的楼宇类型确定方法，其特征在于，所述根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类的步骤包括：
将所述驻留起始时间在预设时间范围内，且所述驻留时长小于预设时长的驻留点数据确定为第一类型的驻留点数据；
将所述驻留起始时间在预设时间范围外或所述驻留时长大于预设时长的驻留点数据确定为第二类型的驻留点数据。
4.根据权利要求2所述的楼宇类型确定方法，其特征在于，所述根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类的步骤包括：
根据所述驻留时长以及所述驻留起始时间，并利用K-Means聚类算法及预设定的第一分类数对每个所述数据组内的驻留点数据进行分类，其中，所述第一分类数为所述驻留起始时间的类型数量。
5.根据权利要求1-4中任意一项所述的楼宇类型确定方法，其特征在于，所述根据所述多个楼宇的到访人数分布情况对多个所述楼宇进行分类，以确定每个所述楼宇的类型的步骤包括：
根据所述到访人数分布情况，并利用K-Means聚类算法及预设定的第二分类数对多个所述楼宇进行分类，以确定每个所述楼宇的类型，其中，所述第二分类数为所述楼宇的类型数量。
6.根据权利要求5所述的楼宇类型确定方法，其特征在于，所述第二分类数为4，所述楼宇的类型包括第一类型、第二类型、第三类型及第四类型；其中，所述第一类型的楼宇为具有娱乐休闲功能的建筑物，所述第二类型的楼宇为特殊类建筑物，所述第三类型的楼宇具有居住功能的建筑物，所述第四类型的楼宇为具有工作功能的建筑物。
7.一种楼宇类型确定装置，其特征在于，所述楼宇类型确定装置包括：
数据获取单元，用于获取运营商信令数据及室分基站列表，所述室分基站列表包括多个室分基站，所述多个室分基站与多个楼宇一一对应，每个所述室分基站安装于对应的所述楼宇；
数据筛选单元，用于根据所述室分基站列表从所述运营商信令数据中筛选得到驻留点数据，所述驻留点数据包括用户终端的驻留基站；
数据分组单元，用于按照所述驻留基站对所述驻留点数据进行分组；
分布情况确定单元，用于根据每组所述驻留点数据确定对应楼宇的到访人数分布情况，其中，所述到访人数分布情况用于表征所述楼宇的单日到访人数随日期的变化情况；
分类单元，用于根据多个所述楼宇的到访人数分布情况对多个所述楼宇进行分类，以确定每个所述楼宇的类型。
8.根据权利要求7所述的楼宇类型确定装置，其特征在于，所述驻留点数据还包括驻留时长以及驻留起始时间，所述分布情况确定单元用于按照日期对每组所述驻留点数据进行分组得到多个数据组，每个所述数据组对应一个所述日期；
所述分布情况确定单元还用于根据所述驻留时长以及所述驻留起始时间对每个所述数据组内的驻留点数据进行分类，以得到每个所述数据组的多个类型分组；
所述分布情况确定单元还用于对于每一个数据组，统计预设类型的所述类型分组内的驻点数据的数量作为所述数据组对应的日期的单日到访人数；
所述分布情况确定单元还用于根据日期及对应的所述单日到访人数确定所述到访人数分布情况。
9.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-6中任意一项所述的楼宇类型确定方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任意一项所述的楼宇类型确定方法。
CN202010959141.1A 2020-09-14 2020-09-14 楼宇类型确定方法、装置、服务器及存储介质 Active CN112105052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010959141.1A CN112105052B (zh) 2020-09-14 2020-09-14 楼宇类型确定方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010959141.1A CN112105052B (zh) 2020-09-14 2020-09-14 楼宇类型确定方法、装置、服务器及存储介质

Publications (2)

Publication Number Publication Date
CN112105052A true CN112105052A (zh) 2020-12-18
CN112105052B CN112105052B (zh) 2021-05-14

Family

ID=73752632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010959141.1A Active CN112105052B (zh) 2020-09-14 2020-09-14 楼宇类型确定方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN112105052B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688197A (zh) * 2021-08-26 2021-11-23 沈阳美行科技有限公司 一种常驻点标签确定方法、装置、设备及存储介质
CN114363825A (zh) * 2021-05-26 2022-04-15 科大国创云网科技有限公司 一种基于mr常驻地的建筑物属性识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105657725A (zh) * 2016-02-01 2016-06-08 重庆邮电大学 一种基于手机信令数据的城市功能区辐射区域界定方法
CN106792514A (zh) * 2016-11-30 2017-05-31 南京华苏科技有限公司 基于信令数据的用户职住地分析方法
CN107369037A (zh) * 2017-06-27 2017-11-21 中国联合网络通信集团有限公司 用户画像获取方法及装置
CN111356147A (zh) * 2018-12-05 2020-06-30 中国移动通信集团广西有限公司 一种室分小区故障定位方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105657725A (zh) * 2016-02-01 2016-06-08 重庆邮电大学 一种基于手机信令数据的城市功能区辐射区域界定方法
CN106792514A (zh) * 2016-11-30 2017-05-31 南京华苏科技有限公司 基于信令数据的用户职住地分析方法
CN107369037A (zh) * 2017-06-27 2017-11-21 中国联合网络通信集团有限公司 用户画像获取方法及装置
CN111356147A (zh) * 2018-12-05 2020-06-30 中国移动通信集团广西有限公司 一种室分小区故障定位方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114363825A (zh) * 2021-05-26 2022-04-15 科大国创云网科技有限公司 一种基于mr常驻地的建筑物属性识别方法及系统
CN114363825B (zh) * 2021-05-26 2023-08-29 科大国创云网科技有限公司 一种基于mr常驻地的建筑物属性识别方法及系统
CN113688197A (zh) * 2021-08-26 2021-11-23 沈阳美行科技有限公司 一种常驻点标签确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112105052B (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112105052B (zh) 楼宇类型确定方法、装置、服务器及存储介质
KR101399267B1 (ko) 모바일 디바이스에서의 애플리케이션 추천 장치 및 방법
US8185135B2 (en) WiFi and GSM landmarks and neighborhoods for location based services
US8185131B2 (en) Method of providing location-based information from portable devices
CN107027100B (zh) 基于联系人信息来标注被访问的位置的方法和系统
CN111556442B (zh) 一种信息确定的方法及装置
CN104520881A (zh) 基于访问可能性对附近目的地排名以及从位置历史来预测对地点的未来访问
CN111212383B (zh) 区域常住人口数量的确定方法、装置、服务器和介质
EP3011523A1 (en) Location analysis for analytics
CN105989087B (zh) 一种确定热点区域的方法和装置
CN110807546A (zh) 社区网格人口变化预警方法及系统
CN110807547A (zh) 家庭人口结构的预测方法及系统
CN110942220A (zh) 运力调度方法、装置和服务器
CN110704524A (zh) 房源录入方法、装置、设备及计算机可读存储介质
CN107133689B (zh) 一种位置标记方法
CN109547931B (zh) 确定移动终端所在地的服务器
CN104279699A (zh) 空调器电能消耗信息的分析方法、空调系统和客户端
CN116088339A (zh) 一种物联网智能家居控制方法、系统、终端及存储介质
CN111723172A (zh) 一种数据融合方法及装置
CN111698645A (zh) 位置信息获取方法、装置、计算机设备及存储介质
CN112312317B (zh) 公共聚集事件识别方法、装置、计算机设备及存储介质
CN113971376A (zh) 一种环境参数的智能控制方法和系统
CN111242723A (zh) 用户子女情况判断方法、服务器及计算机可读存储介质
CN110990729B (zh) 职住分析方法、装置、电子设备及可读存储介质
CN113127207A (zh) 一种众包任务资源分配方法、装置、电子设备及存储介质

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