CN112445786B - 一种目标用户的筛选方法和设备 - Google Patents
一种目标用户的筛选方法和设备 Download PDFInfo
- Publication number
- CN112445786B CN112445786B CN201910831632.5A CN201910831632A CN112445786B CN 112445786 B CN112445786 B CN 112445786B CN 201910831632 A CN201910831632 A CN 201910831632A CN 112445786 B CN112445786 B CN 112445786B
- Authority
- CN
- China
- Prior art keywords
- user
- users
- screened
- position data
- candidate
- 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
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
- G06F16/21—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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种目标用户的筛选方法和设备,方法包括:针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的位置数据,根据位置数据,确定待筛选用户在预设时间周期内的移动参数;根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并根据聚类得到的各类用户的移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;目标用户的移动终端上报的MR数据用于进行道路网络测试。通过本实施例可以提高路测过程中数据采集的效率。
Description
技术领域
本发明涉及通讯领域,尤其涉及一种目标用户的筛选方法及设备。
背景技术
目前,运营商通过道路网络测试(简称路测)的方法来检测城市道路的网络状况,路测的主要过程为:通过携带有测试设备的车辆在需要检测的道路上不断地移动,在移动过程中利用测试设备采集由道路上的网络基站发出的网络数据,通过对采集的网络数据进行分析评估,最终得到该道路的网络状况。
在路测的数据采集过程中通常需要一名测试人员,一台测试车辆,还需要其他测试人员进行设备的调试和监控,并且需要较长的时间在需要检测的道路上进行数据采集,可见路测过程中传统的数据采集方法具有数据采集效率低的缺陷。
发明内容
本发明实施例的目的是提供一种目标用户的筛选方法和设备,可以提高路测过程中数据采集的效率。
为解决上述技术问题,本发明实施例是这样实现的:
第一方面,本发明实施例提供了一种目标用户的筛选方法,包括:
针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
第二方面,本发明实施例提供了一种目标用户的筛选装置,包括:
位置数据获取模块,用于针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
候选用户筛选模块,用于根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
目标用户筛选模块,用于根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
第三方面,本发明实施例提供了一种目标用户的筛选设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述第一方面所述的目标用户的筛选方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质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如上述第一方面所述的目标用户的筛选方法的步骤。
本发明实施例中,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的多个位置数据,根据待筛选用户在预设时间周期内的位置数据,确定待筛选用户在预设时间周期内的移动参数,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度,目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。可见,通过本发明实施例,能够在大量待筛选用户中确定目标用户,目标用户的移动终端上报的测量报告MR数据为用于进行道路网络测试的数据,从而无需人工上路采集路测过程所需的数据,有效提高了路测过程中数据采集的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的目标用户的筛选方法的流程示意图;
图2为本申请一实施例提供的目标用户的筛选装置的模块组成示意图;
图3为本申请一实施例提供的目标用户的筛选设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,都应当属于本发明保护的范围。
图1为本发明一实施例提供的目标用户的筛选方法的流程示意图,如图1所示,该方法包括以下步骤:
S102,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的位置数据,根据位置数据,确定待筛选用户在预设时间周期内的移动参数;
S104,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并根据聚类得到的各类用户的移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
S106,根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度;目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
本发明实施例中,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的多个位置数据,根据待筛选用户在预设时间周期内的位置数据,确定待筛选用户在预设时间周期内的移动参数,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度,目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。可见,通过本发明实施例,能够在大量待筛选用户中确定目标用户,目标用户的移动终端上报的测量报告MR数据为用于进行道路网络测试的数据,从而无需人工上路采集路测过程所需的数据,有效提高了路测过程中数据采集的效率。
上述步骤S102中,获取多个待筛选用户的移动终端上报的每个待筛选用户在预设时间周期内的随时间变化的位置数据,根据位置数据,确定每个待筛选用户在预设时间周期内的移动参数。其中预设周期时间可以是一天,即获取多个待筛选用户每天上报的位置数据,也可以预设一周,这里不做特殊限定。随时间变化的位置数据是包含有时间信息和经纬度信息的数据,根据位置数据,确定待筛选用户在预设时间周期内的移动参数,位置数据可以从待筛选用户的AGPS(Assisted Global Positioning System,辅助全球卫星定位系统)数据或者GPS(Global Positioning System,全球卫星定位系统)数据中获取,也可以从其他数据中获取,这里不做特殊限定。
上述步骤S104中,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并根据聚类得到的各类用户的移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户。一个优选的聚类的方式是利用K-Means方法的自动分类特性,根据各个待筛选用户在预设时间周期内的移动参数将待筛选用户进行聚类,根据聚类得到的各类用户的移动参数,在聚类得到的各类用户中筛选一类或多类用户作为候选用户。
上述步骤S106中,根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度;目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。根据候选用户在预设时间周期内的位置数据,通过对应的特定函数计算得到每个候选用户对应的位置熵,根据位置熵的大小在各个候选用户中筛选目标用户,比如,候选用户包括网约车用户和通勤车用户,分别根据网约车的位置数据和通勤车的位置数据计算对应的位置熵,在根据位置熵的大小筛选目标用户时,由于目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试,位置熵表示候选用户的位置变化的规律程度,熵值越小则候选用户的位置变化越小,因此选取位置变化小的候选用户作为目标用户,经过熵值计算结果得出通勤车用户的熵值较网约车用户的熵值小,则筛选通勤车用户为目标用户。
进一步地,本发明实施例中,根据位置数据,确定待筛选用户在预设时间周期内的移动参数,包括:
(a1),基于马尔可夫链的方式,在待筛选用户的各个位置数据中确定异常的位置数据并删除;
(a2),根据待筛选用户删除后剩余的各个位置数据,确定待筛选用户在预设时间周期内的移动参数。
上述动作(a1)中,基于马尔可夫链的方式,在待筛选用户的各个位置数据中确定异常的位置数据并删除,利用马尔可夫链特性,根据待筛选用户的前后相邻时刻对应的位置数据,将不需要的异常数据删除,该动作内容包含如下具体的动作:
(b1),确定待筛选用户的各个位置数据中携带的时间信息,按照该时间信息对待筛选用户的各个位置数据进行排序;
(b2),在排序得到的位置数据中,根据每两个相邻的位置数据之间的时间差和每两个相邻的位置数据对应的位移差,确定每两个相邻的位置数据对应的用户移动速度;
(b3),根据每两个相邻的位置数据对应的用户移动速度,在待筛选用户的各个位置数据中确定异常的位置数据并删除。
上述动作(b1)和(b2)中,确定随时间变化的位置数据中包含的时间信息,按照该时间信息对待筛选用户的各个位置数据进行排序,在排序得到的位置数据中,根据每两个相邻的位置数据之间的时间差和每两个相邻的位置数据对应的位移差,将每两个相邻的位置数据的位移差与该位移差对应的时间差的比值,确定为该每两个相邻的位置数据对应的用户移动速度。比如,将待筛选用户A的各个位置数据按照时间顺序排序为A1、A2、A3、A4、A5,根据该五个点的位置数据,相邻两个点A1和A2的对应的时间差为5s,位移差为200m,则根据相邻两个点A1和A2的时间差5s和位移差200m得出待筛选用户A在A1和A2两个相邻点对应的速度为40m/s,其他点对应的速度均用该方法确定,这里不再赘述。
上述动作(b3)中,根据每两个相邻的位置数据对应的用户移动速度,在待筛选用户的各个位置数据中确定异常的位置数据并删除。将待筛选用户的每两个相邻的位置数据对应的用户移动速度按照时间的顺序排列,如果待筛选用户的两个相邻的用户移动速度的速度之差大于预设速度差,则将该两个相邻的用户移动速度所对应的三个位置数据中的最后一个时序的位置数据确定为异常位置数据,删除该确定的异常位置数据,并且每个用户移动速度仅做一次差值比较。一个实施例中,待筛选用户A每两个相邻的位置数据对应的用户移动速度按照时间的顺序排列分别为:V1=50m/s,V2=55m/s,V3=200m/s,V4=60m/s,V5=62m/s,V6=70m/s,预设速度为20m/s,因为每个用户移动速度仅做一次速度差值比较,所以每个相邻两个用户速度的差值比较结果分别为:V1与V2的速度差值为5m/s且小于预设速度,则不做任何处理,V3与V4的速度差为140m/s且大于预设速度20m/s,则将V3和V4对应的三个位置数据中的最后一个时序的位置数据确定为异常数据并删除该数据,即V3对应待筛选用户A按照时序排序的第3和第4个位置数据,V4对应带筛选用户A按照时序排序的第4和第5个位置数据,则将待筛选用户第5个位置数据确定为异常点,V5与V6的速度差为8m/s且小于预设速度20m/s,则不做任何处理。
另一个实施例中,在删除异常点的基础上,如果待筛选用户每两个相邻的位置数据之间的位移差小于预设位移值,则将该两个相邻的位置数据中的后一个时序对应的位置数据确定为停止数据,并将该停止数据删除。
本实施例中,可以针对每个待筛选用户均执行上述的(b1)至(b3)过程,从而针对每个待筛选用户均实现异常位置数据的剔除。
上述动作(a2)中,根据待筛选用户删除后剩余的各个位置数据,确定待筛选用户在预设时间周期内的移动参数,其中移动参数包括待筛选用户在预设时间周期内的总移动距离和平均移动速度,具体包括如下动作:
(c1),根据待筛选用户删除后剩余的各个位置数据,确定待筛选用户在预设时间周期内的总移动距离,将总移动距离作为待筛选用户在预设时间周期内的移动参数;
(c2),根据待筛选用户删除后剩余的各个位置数据,将待筛选用户在预设时间周期内的移动轨迹分成多段,并确定每段移动轨迹对应的移动速度;
(c3),根据待筛选用户的每段移动轨迹对应的移动速度,确定待筛选用户在预设时间周期内的平均移动速度,将平均移动速度作为待筛选用户在所述预设时间周期内的移动参数。
本实施例中,可以针对每个待筛选用户均执行上述的(c1)至(c3)过程,从而确定每个待筛选用户的移动参数。
上述动作(c1)中,根据待筛选用户删除后剩余的各个位置数据,确定待筛选用户在预设时间周期内的总移动距离,将总移动距离作为待筛选用户在预设时间周期内的移动参数。将待筛选用户在预设时间周期内删除后剩余的各个位置数据中每相邻两个位置数据的位移差累加,将累加结果确定为待筛选用户在预设时间周期内的总移动距离。
上述动作(c2)和(c3)中,根据待筛选用户删除后剩余的各个位置数据,将待筛选用户在预设时间周期内的移动轨迹分成多段,并确定每段移动轨迹对应的移动速度;根据待筛选用户的每段移动轨迹对应的移动速度,确定待筛选用户在预设时间周期内的平均移动速度,将平均移动速度作为待筛选用户在所述预设时间周期内的移动参数。若待筛选用户中删除后剩余的各个位置数据中,两个相邻的位置数据对应的时间差大于预设时间差,则根据该时间差对应的两个位置数据将移动轨迹分段,通过待筛选用户的位置数据,分别计算每段轨迹对应的平均移动速度作为对应段轨迹的移动速度,将多段轨迹对应的移动速度取中位数确定为待筛选用户在预设时间周期内的平均移动速度;若待筛选用户的每两个相邻的位置数据之间的时间差均小于等于预设时间差,则将待筛选用户删除后剩余的各个位置数据对应的时间差累加得到待筛选用户在预设时间周期内的移动总时间,将待筛选用户在预设时间周期内的总移动距离与待筛选用户在预设时间周期内的移动总时间的比值确定为待筛选用户在预设时间周期内的平均移动速度。
一个实施例中,待筛选用户中删除后剩余的各个位置数据的每两个相邻的位置数据之间的时间差分别是T1=5s,T2=5s,T3=61s,T4=5s,T5=5s,T6=64s,T7=5s,T8=5s,预设时间差为60s,T3和T6均大于时间差,则根据T3和T6对应的位置数据,将待筛选用户分为3段轨迹,分段后的轨迹分别为T1和T2,T4和T5,T7和T8三段轨迹,通过该三段轨迹中的每两个相邻位置数据的时间差和每两个相邻的位置数据对应的位移差计算出该三段轨迹的移动速度分别为60m/s、100m/s、60m/s,则将该三段轨迹对应的移动速度的中位数60m/s确定为待筛选用户在预设时间周期内的平均移动速度。
另一个实施例中,待筛选用户中删除后剩余的各个位置数据的每两个相邻的位置数据之间的时间差分别是T1=5s,T2=5s,T3=5s,T4=5s,T5=5s,预设时间差为60s,每两个相邻的位置数据之间的位移差分别是S1=300m,S2=330m,S3=420m,S4=450m,S5=420m,则计算待筛选用户的每两个相邻的位置数据之间的时间差之和为T=T1+T2+T3+T4+T5=25s,计算待筛选用户的每两个相邻的位置数据之间的位移差之和为S=S1+S2+S3+S4+S5=1920m,则将S/T=76.8m/s确定为待筛选用户在预设时间周期内的平均移动速度。
进一步地,移动参数包括所述待筛选用户在所述预设时间周期内的总移动距离和平均移动速度;根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户,包括:
(d1),在聚类得到的各类用户中,计算每类用户对应的总移动距离的平均值以及每类用户对应的平均移动速度的平均值;
(d2),在聚类得到的各类用户中,选取总移动距离的平均值大于预设的移动距离阈值并且平均移动速度的平均值大于预设的移动速度阈值的至少一类用户作为候选用户。
上述动作(d1)中,根据各个待筛选用户在预设时间周期内的总移动距离和平均移动速度,通过数据聚类的方式对各个待筛选用户进行聚类,比如,在利用K-means算法对待筛选用户进行聚类,输入聚类个数4,则输出4类待筛选用户。在聚类得到的各类用户中,根据各个待筛选用户在预设时间周期内的总移动距离和平均移动速度,计算每类用户对应的总移动距离的平均值以及每类用户对应的平均移动速度的平均值。
上述动作(d1)中,聚类得到的4类用户可以分别表示为,移动距离大且移动速度大的用户、移动距离小且移动速度小的用户、移动距离大但移动速度小的用户、移动距离小但移动速度大的用户。每类用户对应的总移动距离的平均值指的是该类用户中,每个用户的总移动距离之和除以用户数量得到的平均值,每类用户对应的平均移动速度的平均值指的是该类用户中,每个用户的平均移动速度之和除以用户数量得到的平均值。
上述动作(d2)中,在聚类得到的各类用户中,选取总移动距离的平均值大于预设的移动距离阈值并且平均移动速度的平均值大于预设的移动速度阈值的至少一类用户作为候选用户。比如在聚类得到的A、B、C、D四类用户中,A、B、C、D四类用户的总移动距离的平均值和对应的平均移动速度分别为(1000m、20m/s),(8000m、30m/s),(4000m、80m/s),(10000m、60m/s),预设移动距离阈值为8000m,预设移动速度阈值为50m/s,则选取D类用户作为候选用户。
进一步地,预设时间周期的数量为多个;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,包括:
(e1),根据候选用户在每个预设时间周期内的位置数据,通过多项式拟合的方式得到候选用户对应的移动轨迹多项式;
(e2),依次将候选用户在每个预设时间周期内的位置数据代入候选用户对应的移动轨迹多项式进行计算,得到多个计算结果,其中,计算结果与预设时间周期一一对应;
(e3),确定候选用户的多个计算结果的方差值,根据方差值和预设的位置熵计算函数,计算候选用户的位置熵。
本实施例中,可以针对每个候选用户均执行上述的(e1)至(e3)过程,从而确定每个候选用户的位置熵。
上述动作(e1)中,根据候选用户在每个预设时间周期内的位置数据,通过多项式拟合的方式得到该候选用户对应的移动轨迹多项式,预设时间周期的数量为多个,即将每个候选用户的在每个预设时间周期的位置数据使用多项式拟合的方式得到该候选用户对应的移动轨迹多项式,其中多个预设时间周期则表示获取了每个候选用户在每个预设周期的位置数据,一共是多组数据,比如,预设周期为一天,预设周期的数量为七个,则每个候选用户对应七组位置数据,根据每个候选用户的七组数据为每个候选用户拟合得到一个多项式。在根据位置数据进行多项式拟合中,一个优选的实施例中选取5阶多项式作为该移动轨迹多项式拟合的标准。通过动作(e1)每个候选用户都能够拟合得到一个多项式。
上述动作(e2)和(e3)中,依次将候选用户在每个预设时间周期内的位置数据代入候选用户对应的移动轨迹多项式进行计算,得到多个计算结果,其中,计算结果与预设时间周期一一对应,确定候选用户的多个计算结果的方差值,根据方差值和预设的位置熵计算函数,计算候选用户的位置熵,即将候选用户的方差值带入预设的位置熵中得到计算结果,将计算结果确定为候选用户的位置熵,其中预设的位置熵计算函数可以使用sigmoid函数,也可以是其他函数,这里不做特殊限定。一个实施例中,预设时间周期为一天,每个候选用户对应了七天的位置数据,将每个候选用户的七组位置数据分别带入该候选用户对应的移动轨迹多项式中进行计算,得到每个候选用户的七个计算结果,根据每个候选用户的七个计算结果计算每个候选用户的方差值,将方差值带入sigmoid函数中得出对应候选用户的位置熵。
进一步地,根据位置熵在各个候选用户中筛选目标用户,包括:在各个候选用户中,选取对应的位置熵小于预设熵值的候选用户作为目标用户。位置熵表示候选用户的位置变化的规律程度,则位置熵越小则表示用户的位置变化越规律,比如,候选用户中网约车的位置熵为20,通勤车的位置熵为5,预设熵值为10,则将通勤车作为目标用户,通勤车的速度和轨迹相对规律,所以作为道路网络测试的目标用户更具有参考性。
通过本实施例中的方法,可以确定目标用户,进而,可以获取目标用户的移动终端上报的测量报告MR数据,根据该数据进行网络道路测试,从而提高路测过程中数据采集的效率,提供路测效率。
本发明实施例中,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的多个位置数据,根据待筛选用户在预设时间周期内的位置数据,确定待筛选用户在预设时间周期内的移动参数,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度,目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。可见,通过本发明实施例,能够在大量待筛选用户中确定目标用户,目标用户的移动终端上报的测量报告MR数据为用于进行道路网络测试的数据,从而无需人工上路采集路测过程所需的数据,有效提高了路测过程中数据采集的效率。
图2为本申请一实施例提供的目标用户的筛选装置的模块组成示意图,如图2所示,该装置包括:
位置数据获取模块21,用于针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
候选用户筛选模块22,用于根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
目标用户筛选模块23,用于根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
可选地,所述位置数据获取模块21具体用于:
基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除;
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数。
可选地,所述位置数据获取模块21还具体用于:
确定所述待筛选用户的各个所述位置数据中携带的时间信息,按照所述时间信息对所述待筛选用户的各个所述位置数据进行排序;
在排序得到的位置数据中,根据每两个相邻的所述位置数据之间的时间差和每两个相邻的所述位置数据对应的位移差,确定每两个相邻的所述位置数据对应的用户移动速度;
根据每两个相邻的所述位置数据对应的用户移动速度,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除。
可选地,所述位置数据获取模块21还具体用于:
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的总移动距离,将所述总移动距离作为所述待筛选用户在所述预设时间周期内的移动参数;
根据所述待筛选用户删除后剩余的各个所述位置数据,将所述待筛选用户在所述预设时间周期内的移动轨迹分成多段,并确定每段移动轨迹对应的移动速度;
根据所述待筛选用户的每段所述移动轨迹对应的移动速度,确定所述待筛选用户在所述预设时间周期内的平均移动速度,将所述平均移动速度作为所述待筛选用户在所述预设时间周期内的移动参数。
可选地,所述移动参数包括所述待筛选用户在所述预设时间周期内的总移动距离和平均移动速度;所述候选用户筛选模块22具体用于:
在聚类得到的各类用户中,计算每类用户对应的所述总移动距离的平均值以及每类用户对应的所述平均移动速度的平均值;
在聚类得到的各类用户中,选取所述总移动距离的平均值大于预设的移动距离阈值并且所述平均移动速度的平均值大于预设的移动速度阈值的至少一类用户作为所述候选用户。
可选地,所述预设时间周期的数量为多个;所述目标用户筛选模块23具体用于:
根据所述候选用户在每个所述预设时间周期内的所述位置数据,通过多项式拟合的方式得到所述候选用户对应的移动轨迹多项式;
依次将所述候选用户在每个所述预设时间周期内的所述位置数据代入所述候选用户对应的所述移动轨迹多项式进行计算,得到多个计算结果,其中,所述计算结果与所述预设时间周期一一对应;
确定所述候选用户的所述多个计算结果的方差值,根据所述方差值和预设的位置熵计算函数,计算所述候选用户的位置熵。
可选地,所述目标用户筛选模块23具体用于:
在各个所述候选用户中,选取对应的所述位置熵小于预设熵值的候选用户作为所述目标用户。
本发明实施例中,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的多个位置数据,根据待筛选用户在预设时间周期内的位置数据,确定待筛选用户在预设时间周期内的移动参数,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度,目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。可见,通过本发明实施例,能够在大量待筛选用户中确定目标用户,目标用户的移动终端上报的测量报告MR数据为用于进行道路网络测试的数据,从而无需人工上路采集路测过程所需的数据,有效提高了路测过程中数据采集的效率。
本申请实施例提供的目标用户的筛选装置能够实现前述方法实施例中的各个过程,并达到相同的功能和效果,这里不再重复。
进一步地,本申请实施例还提供了一种目标用户的筛选设备,图3为本申请一实施例提供的目标用户的筛选设备的结构示意图,如图3所示,该设备包括:存储器601、处理器602、总线603和通信接口604。存储器601、处理器602和通信接口604通过总线603进行通信,通信接口604可以包括输入输出接口,输入输出接口包括但不限于键盘、鼠标、显示器、麦克风、扩音器等。
图3中,所述存储器601上存储有可在所述处理器602上运行的计算机可执行指令,所述计算机可执行指令被所述处理器602执行时实现以下流程:
针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
可选地,所述计算机可执行指令被所述处理器执行时,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数,包括:
基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除;
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数。
可选地,所述计算机可执行指令被所述处理器执行时,基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除,包括:
确定所述待筛选用户的各个所述位置数据中携带的时间信息,按照所述时间信息对所述待筛选用户的各个所述位置数据进行排序;
在排序得到的位置数据中,根据每两个相邻的所述位置数据之间的时间差和每两个相邻的所述位置数据对应的位移差,确定每两个相邻的所述位置数据对应的用户移动速度;
根据每两个相邻的所述位置数据对应的用户移动速度,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除。
可选地,所述计算机可执行指令被所述处理器执行时,根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数,包括:
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的总移动距离,将所述总移动距离作为所述待筛选用户在所述预设时间周期内的移动参数;
根据所述待筛选用户删除后剩余的各个所述位置数据,将所述待筛选用户在所述预设时间周期内的移动轨迹分成多段,并确定每段移动轨迹对应的移动速度;
根据所述待筛选用户的每段所述移动轨迹对应的移动速度,确定所述待筛选用户在所述预设时间周期内的平均移动速度,将所述平均移动速度作为所述待筛选用户在所述预设时间周期内的移动参数。
可选地,所述计算机可执行指令被所述处理器执行时,所述移动参数包括所述待筛选用户在所述预设时间周期内的总移动距离和平均移动速度;根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户,包括:
在聚类得到的各类用户中,计算每类用户对应的所述总移动距离的平均值以及每类用户对应的所述平均移动速度的平均值;
在聚类得到的各类用户中,选取所述总移动距离的平均值大于预设的移动距离阈值并且所述平均移动速度的平均值大于预设的移动速度阈值的至少一类用户作为所述候选用户。
可选地,所述计算机可执行指令被所述处理器执行时,所述预设时间周期的数量为多个;根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,包括:
根据所述候选用户在每个所述预设时间周期内的所述位置数据,通过多项式拟合的方式得到所述候选用户对应的移动轨迹多项式;
依次将所述候选用户在每个所述预设时间周期内的所述位置数据代入所述候选用户对应的所述移动轨迹多项式进行计算,得到多个计算结果,其中,所述计算结果与所述预设时间周期一一对应;
确定所述候选用户的所述多个计算结果的方差值,根据所述方差值和预设的位置熵计算函数,计算所述候选用户的位置熵。
可选地,所述计算机可执行指令被所述处理器执行时,根据所述位置熵在各个所述候选用户中筛选目标用户,包括:
在各个所述候选用户中,选取对应的所述位置熵小于预设熵值的候选用户作为所述目标用户。
本发明实施例中,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的多个位置数据,根据待筛选用户在预设时间周期内的位置数据,确定待筛选用户在预设时间周期内的移动参数,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度,目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。可见,通过本发明实施例,能够在大量待筛选用户中确定目标用户,目标用户的移动终端上报的测量报告MR数据为用于进行道路网络测试的数据,从而无需人工上路采集路测过程所需的数据,有效提高了路测过程中数据采集的效率。
本申请实施例提供的目标用户的筛选设备能够实现前述方法实施例中的各个过程,并达到相同的功能和效果,这里不再重复。
进一步地,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机可执行指令,所述计算机可执行指令被处理器执行时实现以下流程:
针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
可选地,所述计算机可执行指令被所述处理器执行时,根据所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数,包括:
基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除;
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数。
可选地,所述计算机可执行指令被所述处理器执行时,基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除,包括:
确定所述待筛选用户的各个所述位置数据中携带的时间信息,按照所述时间信息对所述待筛选用户的各个所述位置数据进行排序;
在排序得到的位置数据中,根据每两个相邻的所述位置数据之间的时间差和每两个相邻的所述位置数据对应的位移差,确定每两个相邻的所述位置数据对应的用户移动速度;
根据每两个相邻的所述位置数据对应的用户移动速度,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除。
可选地,所述计算机可执行指令被所述处理器执行时,根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数,包括:
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的总移动距离,将所述总移动距离作为所述待筛选用户在所述预设时间周期内的移动参数;
根据所述待筛选用户删除后剩余的各个所述位置数据,将所述待筛选用户在所述预设时间周期内的移动轨迹分成多段,并确定每段移动轨迹对应的移动速度;
根据所述待筛选用户的每段所述移动轨迹对应的移动速度,确定所述待筛选用户在所述预设时间周期内的平均移动速度,将所述平均移动速度作为所述待筛选用户在所述预设时间周期内的移动参数。
可选地,所述计算机可执行指令被所述处理器执行时,所述移动参数包括所述待筛选用户在所述预设时间周期内的总移动距离和平均移动速度;根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户,包括:
在聚类得到的各类用户中,计算每类用户对应的所述总移动距离的平均值以及每类用户对应的所述平均移动速度的平均值;
在聚类得到的各类用户中,选取所述总移动距离的平均值大于预设的移动距离阈值并且所述平均移动速度的平均值大于预设的移动速度阈值的至少一类用户作为所述候选用户。
可选地,所述计算机可执行指令被所述处理器执行时,所述预设时间周期的数量为多个;根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,包括:
根据所述候选用户在每个所述预设时间周期内的所述位置数据,通过多项式拟合的方式得到所述候选用户对应的移动轨迹多项式;
依次将所述候选用户在每个所述预设时间周期内的所述位置数据代入所述候选用户对应的所述移动轨迹多项式进行计算,得到多个计算结果,其中,所述计算结果与所述预设时间周期一一对应;
确定所述候选用户的所述多个计算结果的方差值,根据所述方差值和预设的位置熵计算函数,计算所述候选用户的位置熵。
可选地,所述计算机可执行指令被所述处理器执行时,根据所述位置熵在各个所述候选用户中筛选目标用户,包括:
在各个所述候选用户中,选取对应的所述位置熵小于预设熵值的候选用户作为所述目标用户。
本发明实施例中,针对多个待筛选用户,获取待筛选用户的移动终端上报的待筛选用户在预设时间周期内的随时间变化的多个位置数据,根据待筛选用户在预设时间周期内的位置数据,确定待筛选用户在预设时间周期内的移动参数,根据各个待筛选用户在预设时间周期内的移动参数,通过数据聚类的方式对各个待筛选用户进行聚类,并在聚类得到的各类用户中筛选至少一类用户作为候选用户;根据候选用户在预设时间周期内的位置数据,确定候选用户的位置熵,根据位置熵在各个候选用户中筛选目标用户;其中,位置熵用于表示候选用户的位置变化的规律程度,目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。可见,通过本发明实施例,能够在大量待筛选用户中确定目标用户,目标用户的移动终端上报的测量报告MR数据为用于进行道路网络测试的数据,从而无需人工上路采集路测过程所需的数据,有效提高了路测过程中数据采集的效率。
其中,所述的计算机可读存储介质包括只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本申请实施例提供的计算机可读存储介质能够实现前述方法实施例中的各个过程,并达到相同的功能和效果,这里不再重复。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种目标用户的筛选方法,其特征在于,包括:
针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除;根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
2.根据权利要求1所述的方法,其特征在于,基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除,包括:
确定所述待筛选用户的各个所述位置数据中携带的时间信息,按照所述时间信息对所述待筛选用户的各个所述位置数据进行排序;
在排序得到的位置数据中,根据每两个相邻的所述位置数据之间的时间差和每两个相邻的所述位置数据对应的位移差,确定每两个相邻的所述位置数据对应的用户移动速度;
根据每两个相邻的所述位置数据对应的用户移动速度,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除。
3.根据权利要求1所述的方法,其特征在于,根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数,包括:
根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的总移动距离,将所述总移动距离作为所述待筛选用户在所述预设时间周期内的移动参数;
根据所述待筛选用户删除后剩余的各个所述位置数据,将所述待筛选用户在所述预设时间周期内的移动轨迹分成多段,并确定每段移动轨迹对应的移动速度;
根据所述待筛选用户的每段所述移动轨迹对应的移动速度,确定所述待筛选用户在所述预设时间周期内的平均移动速度,将所述平均移动速度作为所述待筛选用户在所述预设时间周期内的移动参数。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述移动参数包括所述待筛选用户在所述预设时间周期内的总移动距离和平均移动速度;根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户,包括:
在聚类得到的各类用户中,计算每类用户对应的所述总移动距离的平均值以及每类用户对应的所述平均移动速度的平均值;
在聚类得到的各类用户中,选取所述总移动距离的平均值大于预设的移动距离阈值并且所述平均移动速度的平均值大于预设的移动速度阈值的至少一类用户作为所述候选用户。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述预设时间周期的数量为多个;根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,包括:
根据所述候选用户在每个所述预设时间周期内的所述位置数据,通过多项式拟合的方式得到所述候选用户对应的移动轨迹多项式;
依次将所述候选用户在每个所述预设时间周期内的所述位置数据代入所述候选用户对应的所述移动轨迹多项式进行计算,得到多个计算结果,其中,所述计算结果与所述预设时间周期一一对应;
确定所述候选用户的所述多个计算结果的方差值,根据所述方差值和预设的位置熵计算函数,计算所述候选用户的位置熵。
6.根据权利要求1所述的方法,其特征在于,根据所述位置熵在各个所述候选用户中筛选目标用户,包括:
在各个所述候选用户中,选取对应的所述位置熵小于预设熵值的候选用户作为所述目标用户。
7.一种目标用户的筛选装置,其特征在于,包括:
位置数据获取模块,用于针对多个待筛选用户,获取所述待筛选用户的移动终端上报的所述待筛选用户在预设时间周期内的随时间变化的位置数据,基于马尔可夫链的方式,在所述待筛选用户的各个所述位置数据中确定异常的位置数据并删除;根据所述待筛选用户删除后剩余的各个所述位置数据,确定所述待筛选用户在所述预设时间周期内的移动参数;
候选用户筛选模块,用于根据各个所述待筛选用户在所述预设时间周期内的所述移动参数,通过数据聚类的方式对各个所述待筛选用户进行聚类,并根据聚类得到的各类用户的所述移动参数,在聚类得到的各类用户中筛选至少一类用户作为候选用户;
目标用户筛选模块,用于根据所述候选用户在所述预设时间周期内的所述位置数据,确定所述候选用户的位置熵,根据所述位置熵在各个所述候选用户中筛选目标用户;其中,所述位置熵用于表示所述候选用户的位置变化的规律程度;所述目标用户的移动终端上报的测量报告MR数据用于进行道路网络测试。
8.一种目标用户的筛选设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的目标用户的筛选方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至6中任一项所述的目标用户的筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910831632.5A CN112445786B (zh) | 2019-09-04 | 2019-09-04 | 一种目标用户的筛选方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910831632.5A CN112445786B (zh) | 2019-09-04 | 2019-09-04 | 一种目标用户的筛选方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112445786A CN112445786A (zh) | 2021-03-05 |
CN112445786B true CN112445786B (zh) | 2023-09-19 |
Family
ID=74734798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910831632.5A Active CN112445786B (zh) | 2019-09-04 | 2019-09-04 | 一种目标用户的筛选方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445786B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104717692A (zh) * | 2014-10-24 | 2015-06-17 | 北京中创信测信息技术有限公司 | 一种用于筛选目标用户设备的方法和装置 |
CN108260140A (zh) * | 2016-12-29 | 2018-07-06 | 中国移动通信集团浙江有限公司 | 一种模拟路测数据获取方法和装置 |
CN108932273A (zh) * | 2017-05-27 | 2018-12-04 | 腾讯科技(深圳)有限公司 | 图片筛选方法及装置 |
WO2019079861A1 (en) * | 2017-10-27 | 2019-05-02 | John Glanville | CUSTOMIZABLE GUIDING GUIDE SYSTEM FOR SELECTIVELY PROVIDING MULTIMEDIA DATA PRE-RECORDED TO A USER |
WO2019119427A1 (zh) * | 2017-12-22 | 2019-06-27 | 北京小米移动软件有限公司 | 路测信息上报方法及装置、网络性能检测方法及装置 |
CN110139312A (zh) * | 2018-02-02 | 2019-08-16 | 中国移动通信集团设计院有限公司 | 确定高速公路用户的方法、装置、电子设备和存储介质 |
CN110163378A (zh) * | 2019-03-04 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 特征处理方法、装置、计算机可读存储介质和计算机设备 |
-
2019
- 2019-09-04 CN CN201910831632.5A patent/CN112445786B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104717692A (zh) * | 2014-10-24 | 2015-06-17 | 北京中创信测信息技术有限公司 | 一种用于筛选目标用户设备的方法和装置 |
CN108260140A (zh) * | 2016-12-29 | 2018-07-06 | 中国移动通信集团浙江有限公司 | 一种模拟路测数据获取方法和装置 |
CN108932273A (zh) * | 2017-05-27 | 2018-12-04 | 腾讯科技(深圳)有限公司 | 图片筛选方法及装置 |
WO2019079861A1 (en) * | 2017-10-27 | 2019-05-02 | John Glanville | CUSTOMIZABLE GUIDING GUIDE SYSTEM FOR SELECTIVELY PROVIDING MULTIMEDIA DATA PRE-RECORDED TO A USER |
WO2019119427A1 (zh) * | 2017-12-22 | 2019-06-27 | 北京小米移动软件有限公司 | 路测信息上报方法及装置、网络性能检测方法及装置 |
CN110139312A (zh) * | 2018-02-02 | 2019-08-16 | 中国移动通信集团设计院有限公司 | 确定高速公路用户的方法、装置、电子设备和存储介质 |
CN110163378A (zh) * | 2019-03-04 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 特征处理方法、装置、计算机可读存储介质和计算机设备 |
Non-Patent Citations (1)
Title |
---|
刘山彪 等."基于大数据平台的自动路测系统的实现".《电脑知识与技术》.2019,第15卷(第19期),第96-97页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112445786A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106790468B (zh) | 一种分析用户WiFi活动轨迹规律的分布式实现方法 | |
CN106323301B (zh) | 一种道路情报的获取方法及装置 | |
CN105809035B (zh) | 基于安卓应用实时行为的恶意软件检测方法和系统 | |
CN104978858B (zh) | 一种基于手机信令的高速公路实时路况监测方法 | |
CN110413905B (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
CN104902438A (zh) | 一种基于移动通信终端分析客流特征信息的统计方法及其系统 | |
CN107862863B (zh) | 一种交通数据质量提升的方法及装置 | |
CN110730100B (zh) | 一种告警信息处理方法、装置及服务器 | |
CN105160871A (zh) | 一种高速公路客车临时上下人识别的方法 | |
CN104484410A (zh) | 应用于大数据系统的数据融合方法及系统 | |
CN105990170A (zh) | 晶圆良率分析方法和装置 | |
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 | |
CN112087316B (zh) | 基于异常数据分析的网络异常根源定位方法 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN112766113A (zh) | 一种路口检测方法、装置、设备及存储介质 | |
CN110443319B (zh) | 一种轨迹去重方法、装置及存储介质 | |
CN111210158B (zh) | 目标地址确定方法、装置、计算机设备和存储介质 | |
CN112712112A (zh) | 区域流动人口识别方法、装置、设备及介质 | |
CN110826623B (zh) | 基于气象数据的分类方法、装置、计算机设备及存储介质 | |
CN105049286A (zh) | 基于层次聚类的云平台测速数据判定方法 | |
CN112801181B (zh) | 城市信令交通流用户分类、预测方法、存储介质及系统 | |
CN112422650B (zh) | 楼宇定位方法、装置、设备及计算机可读存储介质 | |
CN108733818B (zh) | 一种基于多场景多数据源校验的大数据扩样方法 | |
CN112445786B (zh) | 一种目标用户的筛选方法和设备 | |
CN106776902A (zh) | 路径轨迹的分析方法及装置 |
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 |