CN113923602B - 信令漂移数据的过滤方法及装置 - Google Patents

Abstract

本发明公开了一种信令漂移数据的过滤方法及装置，方法包括：根据目标用户的原始信令数据建立初始用户轨迹模型，根据初始用户轨迹模型确定与目标用户相对应的常驻地以及与常驻地相对应的漂移基站列表；根据漂移基站列表，针对原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据；根据初步修复后的信令数据更新初始用户轨迹模型，得到更新后的用户轨迹模型；根据更新后的用户轨迹模型，针对初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。该方式能够根据常驻地确定与常驻地相对应的漂移基站列表，从而基于该漂移基站列表过滤大量的漂移基站。

Description

信令漂移数据的过滤方法及装置

技术领域

本发明涉及互联网技术领域，具体涉及一种信令漂移数据的过滤方法及装置。

背景技术

移动信令数据运用广泛，基于移动信令数据可以识别用户出行特征、活动空间，在城市交通规划、道路设计等方面发挥很大的作用。现有信令数据已经较为成熟，但由于手机终端可以和一定范围内的多个基站产生交互，因此原始信令数据中存在大量漂移记录，从而导致数据冗余、数据准确性降低等一系列问题。当前移动信令中漂移数据的过滤方法，主要是针对用户出行轨迹中的漂移点进行过滤。

例如，在公开号为CN109040989A的专利申请中，通过每条信令记录的停留时间及与下一条记录的距离计算每条信令记录的速度，根据漂移数据的特点，即短时间发生大位移，剔除速度大于速度阈值的信令记录。另外，公开号为CN104596507A的专利申请中，根据轨迹序列中相邻两轨迹点的距离和时间间隔，计算各轨迹点的平均速度，当平均速度大于设定值时，判断这些轨迹点为距离异常的漂移点，从而过滤轨迹序列中的漂移点，其中，设定值为用户在正常情况下的最大运行速度，包括乘坐飞机和高铁的情况。

但是，发明人在实现本发明的过程中发现，现有技术中的上述方案至少存在如下缺陷：首先，仅根据信令记录的运动速度来过滤漂移数据容易遗漏漂移数据：当漂移点的运动速度和正常速度无异，尤其是当用户在常驻地停留时，漂移点的运动速度和正常速度类似，此时无法识别出漂移数据。其次，人为设定的漂移速度阈值，不适用于所有的出行方式：如乘坐高铁时的漂移速度V1，显然大于步行时的漂移速度V2，此时若将漂移速度最大值设定为V1，则步行状态下所产生的漂移无法识别。再次，直接过滤漂移点的方式会降低信令数据的完整性，使后续基于信令数据进行的分析可能产生偏差。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的信令漂移数据的过滤方法及装置。

根据本发明的一个方面，提供了一种信令漂移数据的过滤方法，包括：

根据目标用户的原始信令数据建立初始用户轨迹模型，根据所述初始用户轨迹模型确定与所述目标用户相对应的常驻地以及与所述常驻地相对应的漂移基站列表；

根据所述漂移基站列表，针对所述原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据；

根据所述初步修复后的信令数据更新所述初始用户轨迹模型，得到更新后的用户轨迹模型；

根据更新后的用户轨迹模型，针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

根据本发明的又一个方面，提供了一种信令漂移数据的过滤装置，包括：

建立模块，适于根据目标用户的原始信令数据建立初始用户轨迹模型，根据所述初始用户轨迹模型确定与所述目标用户相对应的常驻地以及与所述常驻地相对应的漂移基站列表；

初步修复模块，适于根据所述漂移基站列表，针对所述原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据；

更新模块，适于根据所述初步修复后的信令数据更新所述初始用户轨迹模型，得到更新后的用户轨迹模型；

二次修复模块，适于根据更新后的用户轨迹模型，针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

根据本发明的又一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述信令漂移数据的过滤方法对应的操作。

根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述信令漂移数据的过滤方法对应的操作。

在本发明所提供的信令漂移数据的过滤方法及装置中，能够获取常驻地对应的漂移基站列表，从而基于漂移基站列表过滤原始信令数据中包含的漂移基站。并且，该方式还能够根据初步修复后的信令数据更新述初始用户轨迹模型，进而根据更新后的用户轨迹模型对初步修复后的信令数据中的漂移基站进行二次修复。由此可见，该方式能够根据常驻地确定与常驻地相对应的漂移基站列表，从而基于该漂移基站列表过滤大量的漂移基站，并通过迭代方式优化用户轨迹模型以及原始信令数据。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的信令漂移数据的过滤方法的流程示意图；

图2示出了根据本发明另一个实施例的信令漂移数据的过滤方法的流程示意图；

图3示出了根据本发明又一个实施例的信令漂移数据的过滤装置的结构示意图；

图4示出了根据本发明的一种电子设备的结构示意图；

图5示出了一个示例中的过滤方式的整体流程图；

图6a示出了实际的信令数据的示意图；

图6b示出了回填前的信令数据的示意图；

图7a示出了修复漂移基站前的信令变化图；

图7b示出了修复漂移基站后的信令变化图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的信令漂移数据的过滤方法的流程示意图，如图1所示，该方法包括：

步骤S110：根据目标用户的原始信令数据建立初始用户轨迹模型，根据初始用户轨迹模型确定与目标用户相对应的常驻地以及与常驻地相对应的漂移基站列表。

其中，原始信令数据中包含目标用户对应于不同时间点以及不同位置点的多条信令记录。根据原始信令数据能够建立初始用户轨迹模型，该初始用户轨迹模型可以为OD(origin destination)模型或其他各类模型，只要能够反映用户的出行轨迹即可，本发明对初始用户轨迹模型的具体类型和建立方式不作限定。

具体地，根据初始用户轨迹模型能够分析目标用户的出行特征，包括出行时间、出行路线、出行类型等，相应的，根据目标用户的出行特征能够确定与目标用户相对应的常驻地以及与常驻地相对应的漂移基站列表。其中，与常驻地相对应的漂移基站列表用于存储用户在常驻地内停留时所产生的漂移基站的相关信息。

步骤S120：根据漂移基站列表，针对原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据。

具体地，原始信令数据中的部分信令记录是用户在常驻地内停留时产生的漂移数据，其中记录的基站并非用户真实所处位置的基站，而是由于信令漂移产生的漂移基站。为此，在本步骤中，通过漂移基站列表，能够针对原始信令数据中的漂移基站进行初次识别及修复，从而得到初步修复后的信令数据。由此可见，本步骤主要用于根据漂移基站列表滤除原始信令数据中的漂移基站，从而将漂移基站修复为正确的常驻地基站。

步骤S130：根据初步修复后的信令数据更新初始用户轨迹模型，得到更新后的用户轨迹模型。

具体地，在得到初步修复后的信令数据之后，进一步利用该初步修复后的信令数据更新上述的初始用户轨迹模型。例如，在初始用户轨迹模型中包含根据原始信令数据确定的用户的各个位置点等出行信息，经过滤后，能够将漂移基站对应的位置点更新为常驻地所对应的位置点，从而使更新后的用户轨迹模型更加准确。

步骤S140：根据更新后的用户轨迹模型，针对初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

具体地，根据更新后的用户轨迹模型，进一步针对初步修复后的信令数据中的漂移基站进行二次识别及修复，以使初步修复后的信令数据更加准确，防止其中掺杂少量的漂移基站。

由此可见，在本发明所提供的信令漂移数据的过滤方法中，能够获取常驻地对应的漂移基站列表，从而基于漂移基站列表过滤原始信令数据中包含的漂移基站。并且，该方式还能够根据初步修复后的信令数据更新述初始用户轨迹模型，进而根据更新后的用户轨迹模型对初步修复后的信令数据中的漂移基站进行二次修复。由此可见，该方式能够根据常驻地确定与常驻地相对应的漂移基站列表，从而基于该漂移基站列表过滤大量的漂移基站，并通过迭代方式优化用户轨迹模型以及原始信令数据。

图2示出了根据本发明另一个实施例的信令漂移数据的过滤方法的流程示意图。如图2所示，该方法包括：

步骤S210：根据目标用户的原始信令数据建立初始用户轨迹模型。

其中，原始信令数据中包含目标用户对应于不同时间点以及不同位置点的多条信令记录。根据原始信令数据能够建立初始用户轨迹模型，该初始用户轨迹模型可以为OD模型或其他各类模型，只要能够反映用户的出行轨迹即可，本发明对初始用户轨迹模型的具体类型和建立方式不作限定。

步骤S220：根据初始用户轨迹模型确定与目标用户相对应的常驻地以及与常驻地相对应的漂移基站列表。

具体地，根据初始用户轨迹模型能够分析目标用户的出行特征，包括出行时间、出行路线、出行类型等，相应的，根据目标用户的出行特征能够确定与目标用户相对应的常驻地以及与常驻地相对应的漂移基站列表。其中，与常驻地相对应的漂移基站列表用于存储用户在常驻地内停留时所产生的漂移基站的相关信息。

具体实施时，通过以下方式确定与常驻地相对应的漂移基站列表：首先，根据初始用户轨迹模型分析目标用户的出行时间、和/或出行类型；然后，根据出行时间、和/或出行类型，确定目标用户在驻留时间段内对应的交互基站；最后，根据目标用户在驻留时间段内对应的交互基站确定漂移基站列表。其中，驻留时间段即为用户停留在某一位置(通常为常驻地位置)时所对应的时段。

步骤S230：根据漂移基站列表，针对原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据。

具体地，原始信令数据中的部分信令记录是用户在常驻地内停留时产生的漂移数据，其中记录的基站并非用户真实所处位置的基站，而是由于信令漂移产生的漂移基站。为此，在本步骤中，通过漂移基站列表，能够针对原始信令数据中的漂移基站进行初次识别及修复，从而得到初步修复后的信令数据。由此可见，本步骤主要用于根据漂移基站列表滤除原始信令数据中的漂移基站，从而将漂移基站修复为正确的常驻地基站。

具体实施时，通过以下方式实现：首先，识别原始信令数据中包含的与驻留时间段相对应的信令记录；然后，获取与驻留时间段相对应的信令记录中包含的基站信息，若基站信息与漂移基站列表匹配，则将基站信息修复为与驻留时间段相对应的常驻地基站。其中，驻留时间段包括：居住类驻留时间段、以及工作类驻留时间段；且与居住类驻留时间段相对应的常驻地基站为居住地基站，与工作类驻留时间段相对应的常驻地基站为工作地基站。

可选地，在针对原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据之后，进一步合并初步修复后的信令数据中包含的基站相同、时间连续的信令记录，以去除冗余数据。

步骤S240：根据初步修复后的信令数据更新初始用户轨迹模型，得到更新后的用户轨迹模型。

具体地，在得到初步修复后的信令数据之后，进一步利用该初步修复后的信令数据更新上述的初始用户轨迹模型。例如，在初始用户轨迹模型中包含根据原始信令数据确定的用户的各个位置点等出行信息，经过滤后，能够将漂移基站对应的位置点更新为常驻地所对应的位置点，从而使更新后的用户轨迹模型更加准确。

步骤S250：根据更新后的用户轨迹模型，针对初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

具体地，根据更新后的用户轨迹模型，进一步针对初步修复后的信令数据中的漂移基站进行二次识别及修复，以使初步修复后的信令数据更加准确，防止其中掺杂少量的漂移基站。

步骤S260：针对过滤后的信令数据中包含的误修复的基站进行恢复处理。

具体实施时，通过以下方式实现：首先，识别过滤后的信令数据中包含的与预设的出行起始时段相对应的基站；然后，判断是否已针对与预设的出行起始时段相对应的基站进行修复；若是，将已修复的与预设的出行起始时段相对应的基站恢复为与原始信令数据相对应的基站。其中，预设的出行起始时段包括：出发前预设时长所对应的时段、和/或，到达后预设时长所对应的时段。

可选地，在针对初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据之后，进一步合并过滤后的信令数据中包含的基站相同、时间连续的信令记录，以去除冗余数据。

综上可知，在本发明所提供的信令漂移数据的过滤方法中，能够获取常驻地对应的漂移基站列表，从而基于漂移基站列表过滤原始信令数据中包含的漂移基站。并且，该方式还能够根据初步修复后的信令数据更新述初始用户轨迹模型，进而根据更新后的用户轨迹模型对初步修复后的信令数据中的漂移基站进行二次修复。由此可见，该方式能够根据常驻地确定与常驻地相对应的漂移基站列表，从而基于该漂移基站列表过滤大量的漂移基站，并通过迭代方式优化用户轨迹模型以及原始信令数据。并且，该方式还能够针对误修复的基站进行恢复处理，以提升过滤结果的准确性。

为了便于理解，下面以一个具体示例为例详细阐述本实施例的具体实现细节：

本示例提出一种常驻地信令漂移数据的过滤方法，上述常驻地信令漂移是指：当用户在其工作地或居住地范围内停留不动，即用户为静止状态时，由于漂移会产生多条信令数据，导致信令数据冗余和准确性降低。通过分析发现，常驻地信令漂移记录占所有信令记录的一半以上，对常驻地漂移记录进行修复和过滤基本上可以在整体上解决漂移问题，而用户出行时的交互基站较多，漂移数据占比低、影响小，因此本示例不考虑用户出行时的漂移数据。

下面针对常驻地信令漂移数据的过滤方式进行详细介绍：首先基于原始信令数据和用户常驻地信息，建立初始用户OD模型(即上文提到的初始用户轨迹模型)，识别用户当日出行行为，包括出发时间、到达时间、起始点经纬度位置、出行时长、出行类型等；基于OD模型对用户位置的识别，结合用户近30天在居住地休息时间段(22:00-07:00)和工作地工作时间段(10:00-12:00、14:00-17:00)的交互基站，获取用户潜在的常驻地漂移基站，包括居住地和工作地潜在漂移基站清单；接下来，当OD模型中识别用户处于居住地或工作地驻留时间段，在该时间段内产生的信令数据，其对应的基站在常驻地漂移基站清单(即漂移基站列表)内，则将上述基站修正为常驻地基站，同时合并基站相同、时间连续的信令记录，初步完成原始信令数据的漂移数据过滤。基于初步过滤的结果，更新用户的OD模型，结合常驻地漂移基站清单再次过滤原始信令数据的常驻地漂移记录。最后，使用原始信令数据对二次过滤的信令数据进行回填(即针对误修复的基站进行恢复处理)，这一步是为了保证常驻地漂移记录被准确过滤的同时，避免起始点附近信令数据被误识别为漂移数据。图5示出了该示例中的过滤方式的整体流程图。下面结合图5详细描述本示例的具体实现过程，该示例具体包括如下步骤：

步骤一：建立初始用户OD模型。

结合用户移动信令数据(即原始信令数据)和常驻地信息，判断用户是否出行，建立初始用户的OD模型，可分为以下几个环节：

首先，判断初始停留位置类型：根据原始信令数据中，用户的停留位置经纬度、基站、进入时间、离开时间等信息，计算用户在各个时间节点的初始停留位置类型：若停留位置距离工作地或居住地距离在预设距离(如500M)内，则判定为停留位置类型为常驻地，否则为非常驻地；

然后，判断初始出行状态，分为3种类型：驻留、途中、出发/抵达。type＝0表示前后时间节点差超过15分钟，即用户当前为驻留状态；type＝1表示连续多个时间节点前后轨迹记录的时间差均在15分钟内，即用户当前处于出行途中；type＝2表示前面两种类型切换的时间节点，即用户处于出发或抵达状态；

接下来，判断出行类型和起止时间：type＝2分别对应出发时间或抵达时间，根据用户出发或抵达的时间节点对应的位置是否为用户常驻地，可以将出行类型分为4种，分别是常驻地-常驻地、常驻地-非常驻地、非常驻地-常驻地、非常驻地-非常驻地；

最后，剔除时间顺序异常的出行记录：如到达时间小于出发时间的情况，并限制出行起始时间节点之前的信令记录数大于5，得到用户的完整OD模型，包括出发时间、出发位置、到达时间、到达位置、出行时长、出行类型。

步骤二：获取用户常驻地潜在漂移基站清单。

结合上述用户OD模型和近30天指定时间段内，与用户产生交互的基站清单，获取用户常驻地潜在漂移基站清单，具体为：

根据OD模型获取近30天用户驻留在居住地的时间段，同时限制休息时间段为(22:00-07:00)，得到该时间段与用户产生交互的基站(不包括居住地基站)，计算这些基站到用户居住地的距离，记为STAY_DISTANCEE，到工作地的距离记为WORK_DISTANCE，近30天内与用户交互次数记为N次，交互天数记为M天。限制STAY_DISTANCE<10KM、STAY_DISTANCE<WORK_DISTANCE、N>1、M>1，得到用户居住地潜在漂移基站清单。

同样地，根据OD模型获取近30天(预设时段，可调整)用户驻留在工作地的时间段，同时限制工作时间段为(10:00-12:00、14:00-17:00)，得到该时间段与用户产生交互的基站(不包括工作地基站)，限制WORK_DISTANCE<10KM、STAY_DISTANCE>WORK_DISTANCE、N>1、M>1，得到用户工作地潜在漂移基站清单。

步骤三：初步修复原始信令数据。

当用户驻留点为居住地、驻留时间段内信令数据对应的基站在居住地潜在漂移基站清单内时，则将该基站修正为居住地基站，当用户驻留点为工作地、驻留时间段内信令数据对应的基站在工作地潜在漂移基站清单内，则将该基站修正为工作地基站。接着合并基站相同、时间连续的信令记录，即可初步过滤常驻地漂移数据，得到初步修复后的信令数据。

步骤四：更新用户OD模型。

结合初步修复的信令数据和用户常驻地信息，按照步骤一，更新用户的OD模型，从而得到更加准确的用户出行信息。

步骤五：再次修复原始信令数据。

按照步骤三，将该步骤中的用户OD模型替换为更新后的OD模型，完成原始信令数据中常驻地漂移数据的修正，同时合并基站相同、时间连续的信令记录，即可再次过滤常驻地信令的漂移基站，得到二次修复的信令数据。

步骤六：回填修复后的信令数据。

使用原始信令数据对二次修复的信令数据进行回填，将用户出发前20分钟，到达后20分钟内的信令数据回填为原始信令数据。例如，图6a示出了实际的信令数据的示意图，图6b示出了回填前的信令数据的示意图。回填后的信令数据与实际的信令数据完全相同。其中，某用户的实际信令数据为A，三角形表示出发地，三个圆点标识为出行时产生交互的基站，这三个基站在潜在漂移基站清单中，回填之前的信令数据将前2个出行时产生交互的基站误识别为漂移基站，而回填后的信令数据则优化了该问题。

为了更好的理解上述常驻地信令漂移数据的过滤方法，下面结合具体实例进行详细的解释说明。

表1中是某用户某日的原始信令数据，包括用户的进入时间，离开时间、基站、基站对应的经纬度以及用户在该经纬度停留的时间，共计123条信令记录。表2是该用户常驻地信息。

表1原始移动信令数据示例

表2常驻地数据示例

首先，结合用户移动信令数据和常驻地信息，根据步骤一，初步判断用户是否出行，识别结果如下：

表3用户OD模型结果示例

然后，结合上述用户OD模型，按照步骤二，得到用户居住地潜在漂移基站与工作地潜在漂移基站清单：

表4用户工作地漂移基站示例

/>

最后，结合原始信令数据、用户初始的OD模型和常驻地潜在漂移基站清单，按照步骤三，得到初步修复、合并的信令数据，并在此基础上进行迭代和数据回填，最终的信令数据共计70条，较原始信令数据量下降了43％。

对比修复常驻地漂移数据前后的信令变化图，区域101为示例用户在工作地时的交互基站，圆点为该用户实际工作地点，区域102表示该用户在居住地时的交互基站，圆点为实际居住地点，其余为用户出行时发生交互的基站。从图中可以看出，原始信令中用户在居住地产生大量漂移记录，且漂移距离较远，修复后基本无漂移现象；原始信令中用户在工作地产生的漂移距离较近，修复后工作地交互基站明显变稀疏，修复效果较好。

图7a示出了修复漂移基站前的信令变化图，图7b示出了修复漂移基站后的信令变化图。其中，在图7b中，区域201对应于图7a中的区域101，区域202对应于图7a中的区域102。

综上可知，本申请提出了一种识别用户OD模型的方法，基于原始信令数据，通过判断用户在各个时间点的停留位置、停留状态及其变化情况，并对数据进行调整筛选，进而准确获取用户的出行行为信息。并且，本申请提出一种常驻地漂移基站修复方法，结合上述用户OD模型、潜在漂移基站清单和用户常驻地信息，两次迭代优化得到最终的信令数据，不仅可以修复常驻地漂移基站，同时有效缓解了原始信令的数据冗余问题，使整体信令记录数降低了40％，大大提高计算效率。而且，本申请还提出一种信令数据回填方法，使用原始信令数据对修复后的信令数据进行回填，保证常驻地漂移记录被准确过滤的同时，避免起始点附近信令数据被误识别为漂移数据。

总而言之，该常驻地信令数据漂移数据的过滤方法具有成本低、精度高、样本量大、可行性高的特点，现有技术未涉及此方向。并且，修复后的信令数据较原始信令数据更加准确，同时还可以准确识别出用户的出行行为，有利于掌握居民出行规律、预测交通状况、提升城市交通规划的科学性。

图3示出了根据本发明又一个实施例的信令漂移数据的过滤装置的结构示意图，如图3所示，该装置包括：

建立模块31，适于根据目标用户的原始信令数据建立初始用户轨迹模型，根据所述初始用户轨迹模型确定与所述目标用户相对应的常驻地以及与所述常驻地相对应的漂移基站列表；

初步修复模块32，适于根据所述漂移基站列表，针对所述原始信令数据中的漂移基站进行初次识别及修复，得到初步修复后的信令数据；

更新模块33，适于根据所述初步修复后的信令数据更新所述初始用户轨迹模型，得到更新后的用户轨迹模型；

二次修复模块34，适于根据更新后的用户轨迹模型，针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

可选地，所述二次修复模块进一步适于：

识别所述过滤后的信令数据中包含的与预设的出行起始时段相对应的基站；

判断是否已针对所述与预设的出行起始时段相对应的基站进行修复；若是，将已修复的所述与预设的出行起始时段相对应的基站恢复为与原始信令数据相对应的基站。

可选地，所述预设的出行起始时段包括：

出发前预设时长所对应的时段、和/或，到达后预设时长所对应的时段。

可选地，所述初步修复模块具体适于：

识别所述原始信令数据中包含的与驻留时间段相对应的信令记录；

获取所述与驻留时间段相对应的信令记录中包含的基站信息，若所述基站信息与所述漂移基站列表匹配，则将所述基站信息修复为与所述驻留时间段相对应的常驻地基站。

可选地，所述驻留时间段包括：居住类驻留时间段、以及工作类驻留时间段；且与所述居住类驻留时间段相对应的常驻地基站为居住地基站，与所述工作类驻留时间段相对应的常驻地基站为工作地基站。

可选地，所述初步修复模块进一步适于：合并所述初步修复后的信令数据中包含的基站相同、时间连续的信令记录；和/或，

所述二次修复模块进一步适于：合并所述过滤后的信令数据中包含的基站相同、时间连续的信令记录。

可选地，所述建立模块具体适于：

根据所述初始用户轨迹模型分析所述目标用户的出行时间、和/或出行类型；

根据所述出行时间、和/或出行类型，确定所述目标用户在驻留时间段内对应的交互基站；

根据所述目标用户在驻留时间段内对应的交互基站确定所述漂移基站列表。

上述各个模块的具体结构和工作原理可参照方法实施例中相应步骤的描述，此处不再赘述。

本申请实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的信令漂移数据的过滤方法。

图4示出了根据本发明实施例的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。

如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。

其中：

处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。

通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器402，用于执行程序410，具体可以执行上述域名解析方法实施例中的相关步骤。

具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。

处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序410具体可以用于使得处理器402执行上述方法实施例中的各项操作。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的电子设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (8)

1.一种信令漂移数据的过滤方法，包括：

根据目标用户的原始信令数据建立初始用户轨迹模型；根据所述初始用户轨迹模型分析所述目标用户的出行时间、和/或出行类型；根据所述出行时间、和/或出行类型，确定所述目标用户在驻留时间段内对应的交互基站；根据所述目标用户在驻留时间段内对应的交互基站确定漂移基站列表；

识别所述原始信令数据中包含的与驻留时间段相对应的信令记录；获取所述与驻留时间段相对应的信令记录中包含的基站信息，若所述基站信息与所述漂移基站列表匹配，则将所述基站信息修复为与所述驻留时间段相对应的常驻地基站，从而得到初步修复后的信令数据；

根据所述初步修复后的信令数据更新所述初始用户轨迹模型，得到更新后的用户轨迹模型；

根据更新后的用户轨迹模型，针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

2.根据权利要求1所述的方法，其中，所述针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据之后，进一步包括：

识别所述过滤后的信令数据中包含的与预设的出行起始时段相对应的基站；

判断是否已针对所述与预设的出行起始时段相对应的基站进行修复；若是，将已修复的所述与预设的出行起始时段相对应的基站恢复为与原始信令数据相对应的基站。

3.根据权利要求2所述的方法，其中，所述预设的出行起始时段包括：

出发前预设时长所对应的时段、和/或，到达后预设时长所对应的时段。

4.根据权利要求1所述的方法，其中，所述驻留时间段包括：居住类驻留时间段、以及工作类驻留时间段；且与所述居住类驻留时间段相对应的常驻地基站为居住地基站，与所述工作类驻留时间段相对应的常驻地基站为工作地基站。

5.根据权利要求1所述的方法，其中，所述将所述基站信息修复为与所述驻留时间段相对应的常驻地基站，从而得到初步修复后的信令数据之后，进一步包括：合并所述初步修复后的信令数据中包含的基站相同、时间连续的信令记录；和/或，

所述针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据之后，进一步包括：合并所述过滤后的信令数据中包含的基站相同、时间连续的信令记录。

6.一种信令漂移数据的过滤装置，包括：

建立模块，适于根据目标用户的原始信令数据建立初始用户轨迹模型；根据所述初始用户轨迹模型分析所述目标用户的出行时间、和/或出行类型；根据所述出行时间、和/或出行类型，确定所述目标用户在驻留时间段内对应的交互基站；根据所述目标用户在驻留时间段内对应的交互基站确定漂移基站列表；

初步修复模块，适于识别所述原始信令数据中包含的与驻留时间段相对应的信令记录；获取所述与驻留时间段相对应的信令记录中包含的基站信息，若所述基站信息与所述漂移基站列表匹配，则将所述基站信息修复为与所述驻留时间段相对应的常驻地基站，从而得到初步修复后的信令数据；

更新模块，适于根据所述初步修复后的信令数据更新所述初始用户轨迹模型，得到更新后的用户轨迹模型；

二次修复模块，适于根据更新后的用户轨迹模型，针对所述初步修复后的信令数据中的漂移基站进行二次识别及修复，得到过滤后的信令数据。

7.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的信令漂移数据的过滤方法对应的操作。

8.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-5中任一项所述的信令漂移数据的过滤方法对应的操作。