CN112217675B - 固、移通讯网络大数据联合分析方法 - Google Patents
固、移通讯网络大数据联合分析方法 Download PDFInfo
- Publication number
- CN112217675B CN112217675B CN202011086870.7A CN202011086870A CN112217675B CN 112217675 B CN112217675 B CN 112217675B CN 202011086870 A CN202011086870 A CN 202011086870A CN 112217675 B CN112217675 B CN 112217675B
- Authority
- CN
- China
- Prior art keywords
- user
- micro
- grid
- area
- users
- 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
- 238000010295 mobile communication Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000013468 resource allocation Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 13
- 238000004220 aggregation Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 238000003012 network analysis Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种固、移通讯网络大数据联合分析方法,1,按场景划分微网格;2,通过移动通信B域数据、工程参数和述微网格数据相结合,得出移动网的高价值用户聚集区域;3,将高价值用户聚集区域与固定网楼宇资源进行匹配,4,根据结论实施精准营销和精准建设。本发明通过分析运营商无线用户行为特征及运动轨迹,采用算法进行筛选,获取宽带潜在用户;将潜在用户数据定位到常驻区域并与固定网营销网格区域相匹配,获得固定网潜在用户价值区域并进行潜在用户密度分布的呈现,并将潜在用户数据与固定网资源数据进行资源匹配,在有固定网资源情况下开展精准营销,拉动业务发展;在无资源情况下进行精准资源配置,以较低成本拉动业务增长。
Description
技术领域
本发明涉及通讯网络大数据分析方法,尤其是涉及一种固、移通讯网络大数据联合分析方法。
背景技术
目前针对网络通讯数据的分析,大都采取移动网和固定网分别进行分析,并没有深入发掘二者间的深刻联系,在通讯网络建设过程中,也没有考虑到移动网和固定网相互之间的影响,这就导致在移动网建设和固定网营销方面对流量资源的配置所做的工作不够准确和全面,造成网络运营商的融合业务营销和网络建设成本提高。
发明内容
本发明目的在于提供一种固、移通讯网络大数据联合分析方法,实现通讯网络运营商融合业务的精准营销,有效降低网络建设成本。
为实现上述目的,本发明可采取下述技术方案:
本发明所述固、移通讯网络大数据联合分析方法,包括下述步骤:
步骤1,按场景划分微网格:
为了细化用户标签,将各本地网进行更细致的微网格划分,即在GIS图形工具如mapinfo中,按照具体场景划分成多个设定的小面积区域,即为微网格;微网格按照地理场景划分,包括高校、医院、政府机关、体育场馆、老式多层住宅、中档住宅、高档住宅、商场、批发物流、城中村;微网格划分原则是:a、微网格应覆盖本地网的有效区域;乡镇、行政村场景中不需要覆盖的区域,包括山区、戈壁、水面、地广人稀的区域,不划入微网格;b、微网格划分后应保证每个逻辑站都要有归属的微网格,每个微网格里都要有内部基站;c、微网格是闭环结构,微网格之间不重叠、无间隙;
步骤2,通过移动通信B域数据、工程参数和所述微网格数据相结合,得出移动网的高价值用户聚集区域;所述移动通信B域数据是指移动通信系统用户侧数据,所述工程参数包含小区名称、基站名称、LAC(位置区码)、CI(小区标识)、天线挂高、经纬度、方向角;
步骤3,将所述高价值用户聚集区域与固定网楼宇资源进行匹配,对比潜在用户密度分布与宽带资源覆盖,步骤如下:
步骤3.1,根据地址与经纬度,将高价值用户聚集区域的微网格与固定网的楼宇资源相匹配,即移动网与固定网的融合;将得出的潜力融合业务用户的高价值用户聚集区域与现有的固定网楼宇资源进行匹配,实现与固定网分析相结合;所述资源匹配方法如下:
步骤3.1.1,先对楼宇资源进行筛选,筛选条件为:所属小区类型为住宅小区,且宽带建设方式为自建或合建;
步骤3.1.2,筛选后,将数据汇总到对应的小区,得到目标小区库;所述目标小区信息包含小区名称、小区经纬度、楼栋数和宽带用户数;
步骤3.1.3,将包含楼栋数量和宽带用户数信息的小区库信息,通过经纬度的地理信息,与所述高价值用户聚集区域的微网格信息进行匹配,从而在地理图层上对比得出资源丰富或是资源不足的区域;
步骤3.2,将所述潜在用户密度分布与宽带资源覆盖进行对比,分别找出楼宇资源丰富和楼宇资源不足的区域;
步骤4,根据结论实施精准营销和精准建设,步骤如下:
步骤4.1,对于高价值用户聚集区域有宽带资源的区域,提供固定网与移动网融合营销名单或是重点区域,从而拉动融合业务,达到以移动网促宽带资源的效果;
步骤4.2,对于无宽带资源的区域,提供潜在用户数、比例排序,从而支持精准建设,步骤如下:
步骤4.2.1,根据所述比例排序结果,优先对融合业务潜力高价值的区域进行优先建设;
步骤4.2.2,宽带资源配置方法:宽带端口数=潜在用户数/宽带资源设备端口数。
本发明通过分析运营商无线用户行为特征及运动轨迹,采用算法进行筛选,获取宽带潜在用户;将潜在用户数据定位到常驻区域并与固定网营销网格区域相匹配,获得固定网潜在用户价值区域并进行潜在用户密度分布的呈现,并将潜在用户数据与固定网资源数据进行资源匹配,在有固定网资源的情况下开展精准营销,拉动业务发展;在无资源的情况下,进行精准资源配置,以较低成本拉动业务增长,并依据分析结果进行宽带网络的精准建设,有效降低了网络建设成本。
附图说明
图1是本发明实施例步骤1中设置字段名称的示意图。
图2是本发明实施例步骤1中在图层上画出区域的示意图。
图3是本发明实施例步骤1中在新建图层上添加多边形区域的示意图。
图4是本发明实施例步骤1中创建区域的示意图。
图5是本发明实施例步骤1中选择绘图工具栏reshape的示意图。
图6是本发明实施例步骤1中显示轮廓上点的示意图。
图7是本发明实施例步骤1中点击绘图工具栏Add Node的示意图。
图8是本发明实施例步骤1中添加轮廓上点的示意图。
图9是本发明实施例步骤1中删除轮廓上点的示意图。
图10是本发明实施例步骤2的流程框图。
图11.1-图11.5是本发明实施例步骤2中使用偏移经纬度制作小区泰森图的操作示意图。
图12是本发明实施例步骤2中制作的小区泰森图示意图。
具体实施方式
下面将结合本发明实施例中的附图,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的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
本发明所述固、移通讯网络大数据联合分析方法,包括下述步骤:
步骤1,按场景划分微网格:
为了细化用户标签,将各本地网进行更细致的微网格划分,即在GIS图形工具中,按照具体场景划分成多个设定的小面积区域,即为微网格;微网格按照地理场景划分,包括高校、医院、政府机关、体育场馆、老式多层住宅、中档住宅、高档住宅、商场、批发物流、城中村;微网格划分原则是:a、微网格应覆盖本地网的有效区域;乡镇、行政村场景中不需要覆盖的区域,包括山区、戈壁、水面、地广人稀的区域,不划入微网格;b、微网格划分后应保证每个逻辑站都要有归属的微网格,每个微网格里都要有内部基站;c、微网格是闭环结构,微网格之间不重叠、无间隙;微网格划分步骤如下:
步骤1.1,在桌面地理信息系统软件(mapinfo)中打开指定的某地地图;
步骤1.2,新建一个table数据库并保存,具体操作如下:
① 如图1所示,设置字段名称,设置成character类型,注意不要以字母或者数字开头;
② 根据需要添加其他字段,如经纬度等,并设置好类型为Decimal,Width为11,decimals为7;
③ 选择地址进行保存,并修改图层的文件名;
步骤1.3,创建区域:
① 在图层上画出区域;
② 打开图层控制可以看到,新建图层已经打开,并默认为可修改,可选择状态;如果图层控制窗口中没有看到新建图,可以将其添加进去,并把可修改和可选择状态打开,如图2所示;
③ 在新建图层上添加多边形区域:点击绘图快捷工具栏中的Polygon(添加多边形按钮),如图3所示;
④ 参考微网格划分原则创建区域图:在地图上连续变换位置点击左键,最后一下双击左键即可出现封闭区域,如图4所示;
步骤1.4,对已画好的区域进行整形:
① 选择绘图工具栏reshape(修改形状),如图5所示;然后多边形会将各个轮廓上的点显示出来,如图6所示,这时即可拖动点,修改区域形状;添加轮廓上的点:如图7所示,点击绘图工具栏的Add Node,然后在轮廓线上点击左键,即可添加点,如图8所示;
② 删除轮廓上的点:选择绘图工具栏reshape,多边形会将各个轮廓上的点显示出来,之后选中你要删除的轮廓线上的点,按delete键即可删除,如图9所示;
步骤2,通过移动通信B域数据、工程参数和所述微网格数据相结合,得出移动网的高价值用户聚集区域;所述移动通信B域数据是指移动通信系统用户侧数据,所述工程参数包含小区名称、基站名称、LAC(位置区码)、CI(小区标识)、天线挂高、经纬度、方向角;如图10所示,具体步骤如下:
步骤2.1,基础数据准备:
① 用户账单:包含用户的账户信息,如出账月份、省份、地市、用户ID、用户IMEI、IMSI、产品类别、用户年龄、通话时长、总流量、ARPU、终端类型、终端型号等信息;
② 用户详单:分为语音详单和流量详单两种,本方法主要研究流量详单;流量详单内容包括省份、用户ID、发生业务时间、LAC(英文location area code,即位置区码;是为寻呼而设置的一个区域,覆盖一片地理区域,用于标识不同的位置区)、CI(英文Cell ID,即小区识别码,用于标识小区)、基站类型、流量、等信息;
③ 微网格图层:mapinfo图层:将区域(省市)按照场景进行划分,微网格面积在0.02-100平方公里之间,微网格分类成高校、医院、政府机关、体育场馆、老式多层住宅、中档住宅、高档住宅、商场、批发物流、城中村等不同的场景;
④ 小区工参:包括小区名称、LAC\CI、经纬度、频段、覆盖范围(室内\外)、方向角等;
步骤2.2,筛选高业务量用户:
① 通过“用户ID”这一用户唯一标识,将用户详单和账单关联起来;关联方法:通过SQL语句,将用户详单表和账单表两个表以用户ID相等作为关联条件,即在用户详单的基础上,在每条业务记录上添加账单上产品类型、终端类型等信息;
② 形成用户信息综合表:通过综合表里的“产品类别”这一列筛掉不限流量套餐用户后,再跟进这一列的内容来判断用户是否是融合套餐,进而筛选出非融合套餐且的用户;
③ 通过用户信息综合表中的基站类型和终端类型信息综合判断出用户类型,即区别出2G、3G、4G用户,筛选出3G、4G用户;
④ 通过综合表中的发生业务时间这一列信息,筛选出用户最可能在常住地发生的业务详单条目,具体说来,即周一至周五的20点至24点,周六日的10点至16点、20点至24点的叠加;
计算每个用户每个月在常住地时间所发生的业务量为:
⑤ 按照降序排列,进而得到到前20%的高业务量用户;
步骤2.3,计算每个用户所归属的住宅微网格:
① 首先根据小区经纬度和方向角计算出每个小区的偏移经纬度,即:修正经度公式:经度+0.0001×Cos((90+方向角)×PI()/180);
修正纬度公式:纬度+0.0001×Sin((90+方向角) ×PI()/180);
② 使用偏移经纬度,做出小区泰森图:
泰森图,即冯洛诺伊图(Voronoi diagram),得名于Georgy Voronoi,是由一组由连接两邻点线段的垂直平分线组成的连续多边形组成;如图11.1-11.5所示,具体做法如下:
1)导入边界图层;
2) 导入小区信息表,以修正经纬度创建点;
3) 边界多边形设置成可编辑;
从而得到如图12所示的小区泰森图。
③ 在GIS(如:mapinfo)中,将微网格与小区泰森图进行互相切分,算出小区被微网格切分的各个部分占小区总面积的比例;
④ 每个基站小区(即每个LAC\CI)计算出一个将其切割的面积占比最大的微网格,则该小区被归属到该微网格;
⑤ 将每个用户在非工作地点常驻留地时段所发生业务的LAC\CI,按发生业务次数进行排序,得到其发生业务最多的LAC\CI;
⑥ 将每个用户发生业务次数最多的LAC\CI对应到其所归属的微网格,该微网格则定义成为该用户所归属的常住微网格;
步骤2.4,确定高价值用户聚集区域:
① 将高业务量用户对应到其所归属的常住微网格中去;
② 计算出包含高业务量用户数最多的TOP20%的常住微网格,即定义为潜在融合业务用户的高价值用户聚集区域,计算步骤如下:
1)用常住微网格的高业务量用户数除以常住微网格的面积,得到单位面积的高业务量用户密度;
2)将常住微网格按照高业务量用户密度降序排列;
3)增加一列,计算高业务量用户数累计占比,即将常住微网格按高业务量用户密度降序排列后,依次向下计算高业务量用户占比和累计占比,累计占比截止到20%之前的常住微网格,即定义为高价值用户聚集区域;
③ 呈现潜在融合业务用户高价值区域的密度分布图;
步骤3,将所述高价值用户聚集区域与固定网楼宇资源进行匹配,对比潜在用户密度分布与宽带资源覆盖,步骤如下:
步骤3.1,根据地址与经纬度,将高价值用户聚集区域的微网格与固定网的楼宇资源相匹配,即移动网与固定网的融合;将得出的潜力融合业务用户的高价值用户聚集区域与现有的固定网楼宇资源进行匹配,实现与固定网分析相结合;所述资源匹配方法如下:
步骤3.1.1,先对楼宇资源进行筛选,筛选条件为:所属小区类型为住宅小区,且宽带建设方式为自建或合建;
步骤3.1.2,筛选后,将数据汇总到对应的小区,得到目标小区库;所述目标小区信息包含小区名称、小区经纬度、楼栋数和宽带用户数;
步骤3.1.3,将包含楼栋数量和宽带用户数信息的小区库信息,通过经纬度的地理信息,与所述高价值用户聚集区域的微网格信息进行匹配,从而在地理图层上对比得出资源丰富或是资源不足的区域。
步骤3.2,将所述潜在用户密度分布与宽带资源覆盖进行对比,分别找出楼宇资源丰富和楼宇资源不足的区域;
步骤4,根据结论实施精准营销和精准建设,步骤如下:
步骤4.1,对于高价值用户聚集区域有宽带资源的区域,提供固定网与移动网融合营销名单或是重点区域,从而拉动融合业务,达到以移动网促宽带资源的效果;
步骤4.2,对于无宽带资源的区域,提供潜在用户数、比例排序,从而支持精准建设,步骤如下:
步骤4.2.1,根据所述比例排序结果,优先对融合业务潜力高价值的区域进行优先建设;
步骤4.2.2,宽带资源配置方法:宽带端口数=潜在用户数/宽带资源设备端口数。
Claims (3)
1.一种固、移通讯网络大数据联合分析方法,其特征在于:包括下述步骤:
步骤1,按场景划分微网格:
将各本地网进行微网格划分,即在GIS图形工具,按照具体场景划分成多个设定的小面积区域,即为微网格;微网格按照地理场景划分,包括高校、医院、政府机关、体育场馆、老式多层住宅、中档住宅、高档住宅、商场、批发物流、城中村;
步骤2,通过移动通信B域数据、工程参数和所述微网格数据相结合,得出移动网的高价值用户聚集区域;所述移动通信B域数据是指移动通信系统用户侧数据,所述工程参数包含小区名称、基站名称、LAC、CI、天线挂高、经纬度、方向角;筛选移动网高价值用户步骤如下:
①,通过“用户ID”将用户详单和账单关联起来;即在用户详单的基础上,在每条业务记录上添加账单上产品类型、终端类型信息,形成用户信息综合表;
②,筛掉不限流量套餐和融合套餐用户,确定非融合套餐用户;
③,通过用户信息综合表中的基站类型和终端类型信息综合判断出用户类型,即区别出2G、3G、4G用户,筛选出3G、4G用户;
④,通过用户信息综合表发生业务时间筛选用户在常住地发生的业务详单条目,即周一至周五的20点至24点,周六日的10点至16点、20点至24点的叠加;并计算每个用户每个月在常住地时间所发生的业务量;
⑤,按照降序排列,进而得到前20%的移动网高价值用户;
所述移动网的高价值用户聚集区域是指将筛选出的移动网高价值用户对应到其所归属的常住微网格中去,再计算出包含高业务量用户数最多的常住微网格;
所述将筛选出的移动网高价值用户对应到其所归属的常住微网格,具体步骤如下:
①首先根据小区经纬度和方向角计算出每个小区的偏移经纬度;
②使用偏移经纬度,做出小区泰森图;
③在GIS中,将微网格与小区泰森图进行互相切分,算出小区被微网格切分的各个部分占小区总面积的比例;
④每个LAC\CI计算出一个将其切割的面积占比最大的微网格,则该小区被归属到该微网格;
⑤将每个用户在非工作地点常驻留地时段所发生业务的LAC\CI,按发生业务次数进行排序,得到其发生业务最多的LAC\CI;
⑥将每个用户发生业务次数最多的LAC\CI对应到其所归属的微网格,该微网格则定义成为该用户所归属的常住微网格;
步骤3,将所述高价值用户聚集区域与固定网楼宇资源进行匹配,对比潜在用户密度分布与宽带资源覆盖,步骤如下:
步骤3.1,根据地址与经纬度,将高价值用户聚集区域的微网格与固定网的楼宇资源相匹配,即移动网与固定网的融合;将得出的潜力融合业务用户的高价值用户聚集区域与现有的固定网楼宇资源进行匹配,实现与固定网分析相结合;
步骤3.2,将所述潜在用户密度分布与宽带资源覆盖进行对比,分别找出楼宇资源丰富和楼宇资源不足的区域;
步骤4,根据结论实施精准营销和精准建设,步骤如下:
步骤4.1,对于高价值用户聚集区域有宽带资源的区域,提供固定网与移动网融合营销名单或是重点区域,从而拉动融合业务,达到以移动网促宽带资源的效果;
步骤4.2,对于无宽带资源的区域,提供潜在用户数、比例排序,从而支持精准建设,步骤如下:
步骤4.2.1,根据所述比例排序结果,优先对融合业务潜力高价值的区域进行优先建设;
步骤4.2.2,宽带资源配置方法:宽带端口数=潜在用户数/宽带资源设备端口数。
2.根据权利要求1所述的固、移通讯网络大数据联合分析方法,其特征在于:步骤1中,所述微网格划分原则是:
a、微网格应覆盖本地网的有效区域;乡镇、行政村场景中不需要覆盖的区域,包括山区、戈壁、水面、地广人稀的区域,不划入微网格;
b、微网格划分后应保证每个逻辑站都要有归属的微网格,每个微网格里都要有内部基站;
c、微网格是闭环结构,微网格之间不重叠、无间隙。
3.根据权利要求1所述的固、移通讯网络大数据联合分析方法,其特征在于:步骤3.1中,所述资源匹配方法如下:
步骤3.1.1,先对楼宇资源进行筛选,筛选条件为:所属小区类型为住宅小区,且宽带建设方式为自建或合建;
步骤3.1.2,筛选后,将数据汇总到对应的小区,得到目标小区库;所述目标小区信息包含小区名称、小区经纬度、楼栋数和宽带用户数;
步骤3.1.3,将包含楼栋数量和宽带用户数信息的小区库信息,通过经纬度的地理信息,与所述高价值用户聚集区域的微网格信息进行匹配,从而在地理图层上对比得出资源丰富或是资源不足的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011086870.7A CN112217675B (zh) | 2020-10-12 | 2020-10-12 | 固、移通讯网络大数据联合分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011086870.7A CN112217675B (zh) | 2020-10-12 | 2020-10-12 | 固、移通讯网络大数据联合分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112217675A CN112217675A (zh) | 2021-01-12 |
CN112217675B true CN112217675B (zh) | 2023-03-24 |
Family
ID=74053585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011086870.7A Active CN112217675B (zh) | 2020-10-12 | 2020-10-12 | 固、移通讯网络大数据联合分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112217675B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113489616B (zh) * | 2021-07-26 | 2022-09-02 | 中国联合网络通信集团有限公司 | 一种固网的评估方法、装置以及计算机可读存储介质 |
CN113613102A (zh) * | 2021-08-20 | 2021-11-05 | 中通服咨询设计研究院有限公司 | 一种基于微网格形式下的传送网构建方法 |
CN114066502A (zh) * | 2021-08-20 | 2022-02-18 | 中国联合网络通信有限公司广东省分公司 | 一种基于ai大数据的目标客户分析方法、系统、设备及计算机可读介质 |
CN114071359A (zh) * | 2021-11-02 | 2022-02-18 | 浪潮通信信息系统有限公司 | 基于宽带和移动业务的宽带推广方法、系统、装置及介质 |
CN115278761A (zh) * | 2022-08-30 | 2022-11-01 | 中国联合网络通信集团有限公司 | 网络评估方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106302849A (zh) * | 2016-08-04 | 2017-01-04 | 北京集奥聚合科技有限公司 | 一种通过运营商数据进行移固融合的方法 |
CN106446401A (zh) * | 2016-09-22 | 2017-02-22 | 天津大学 | 一种基于gis的pm2.5可视化动态扩散仿真系统 |
CN109982366A (zh) * | 2017-12-28 | 2019-07-05 | 中国移动通信集团河北有限公司 | 基于大数据的目标价值区域分析方法、装置、设备及介质 |
CN111654879A (zh) * | 2020-06-02 | 2020-09-11 | 中国联合网络通信集团有限公司 | 业务推送方法、装置、控制设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140051392A1 (en) * | 2012-08-20 | 2014-02-20 | Nokia Corporation | Method and apparatus for collaborative web resource delivery |
-
2020
- 2020-10-12 CN CN202011086870.7A patent/CN112217675B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106302849A (zh) * | 2016-08-04 | 2017-01-04 | 北京集奥聚合科技有限公司 | 一种通过运营商数据进行移固融合的方法 |
CN106446401A (zh) * | 2016-09-22 | 2017-02-22 | 天津大学 | 一种基于gis的pm2.5可视化动态扩散仿真系统 |
CN109982366A (zh) * | 2017-12-28 | 2019-07-05 | 中国移动通信集团河北有限公司 | 基于大数据的目标价值区域分析方法、装置、设备及介质 |
CN111654879A (zh) * | 2020-06-02 | 2020-09-11 | 中国联合网络通信集团有限公司 | 业务推送方法、装置、控制设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112217675A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112217675B (zh) | 固、移通讯网络大数据联合分析方法 | |
CN105760454B (zh) | 一种城市人口分布密度实时动态测量方法 | |
US7561876B2 (en) | System with user interface for network planning and mobility management optimization in a mobile communication network and method thereof | |
Becker et al. | A tale of one city: Using cellular network data for urban planning | |
CN109325085A (zh) | 一种城市用地功能识别与变化检测方法 | |
CN102097004B (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
CN102938899B (zh) | 轨道交通站点无线网络通信的优化系统 | |
CN105243114B (zh) | 一种选址分析方法及装置 | |
Ricciato et al. | Beyond the “single-operator, CDR-only” paradigm: An interoperable framework for mobile phone network data analyses and population density estimation | |
CN110856186B (zh) | 一种无线网络知识图谱的构建方法及系统 | |
CN103822638B (zh) | 用户位置信息的处理方法和装置 | |
CN108230020B (zh) | 一种基于多维时间粒度时空频繁区域挖掘的方法 | |
CN111221867B (zh) | 一种保护性建筑信息管理系统 | |
Demissie et al. | Analysis of the pattern and intensity of urban activities through aggregate cellphone usage | |
KR20110102125A (ko) | 유동인구 정보 분석 장치 및 그 방법 | |
CN110716935A (zh) | 基于网约车出行的轨迹数据分析与可视化方法及系统 | |
EP3241367B1 (en) | Method and system for real-time computing of origin-destination matrices relating to attendees at a public happening through analysis of mobile communication network data | |
CN109840452A (zh) | 一种栅格覆盖场景自动识别方法及装置 | |
CN105188030A (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
CN114548811B (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN102131202A (zh) | 一种基于面积法的通信网络信息地理网格化的方法 | |
EP3241369B1 (en) | Method and system for a posteriori computation of origin-destination matrices relating to gathering of people through analysis of mobile communication network data | |
CN116796904A (zh) | 一种轨道交通新线客流预测方法、系统、电子设备及介质 | |
CN108259097A (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
CN110020222B (zh) | 标志点确定方法、装置及存储介质 |
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 |