CN114866616B - 一种基于定位信息的移动设备可用云资源分配方法 - Google Patents

一种基于定位信息的移动设备可用云资源分配方法 Download PDF

Info

Publication number
CN114866616B
CN114866616B CN202210806965.4A CN202210806965A CN114866616B CN 114866616 B CN114866616 B CN 114866616B CN 202210806965 A CN202210806965 A CN 202210806965A CN 114866616 B CN114866616 B CN 114866616B
Authority
CN
China
Prior art keywords
client
value
positioning information
day
wzone
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
Application number
CN202210806965.4A
Other languages
English (en)
Other versions
CN114866616A (zh
Inventor
邓萌
陆嘉耀
刘真
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.)
Excellence Information Technology Co ltd
Original Assignee
Excellence Information 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 Excellence Information Technology Co ltd filed Critical Excellence Information Technology Co ltd
Priority to CN202210806965.4A priority Critical patent/CN114866616B/zh
Publication of CN114866616A publication Critical patent/CN114866616A/zh
Application granted granted Critical
Publication of CN114866616B publication Critical patent/CN114866616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于定位信息的移动设备可用云资源分配方法，通过结合采集的定位信息计算工作地点的事件关注系数，进而用于构建资源分配模型，再利用资源分配模型对各个客户端计算获，最后根据评价值对客户端进行资源分配；根据定位信息快速的提取出定位信息在一定时间内的空间上的集中程度，去除掉定位漂移的影响，提高位置识别的精度性和灵敏度，避免了定位信息在人口高峰期的相互定位干扰影响，本发明有利于服务器有限资源的合理分配。

Description

一种基于定位信息的移动设备可用云资源分配方法
技术领域
本发明属于数据采集、资源分配领域，具体涉及一种基于定位信息的移动设备可用云资源分配方法。
背景技术
随着互联网发展，网络资源成为各行各业必不可少的生产工具，在网络资源中服务器可用于存储一些数据作为云数据，云数据的应用越来越广泛。基于云计算的系统能够节约计算机、网络交换器等硬件设备的购买和维护成本，同时，部署难度可控，管理成本低，另外云数据库拥有完善的数据自动备份机制,可以放心将数据放在云端。
然而在云资源的分配调度中，往往采用固定的分配方法或者仅仅针对客户端上的应用的使用习惯定制的分配方法，没有根据客户端实际的地理信息以及客户端集群信息对云资源进行分配；而客户端的地理信息以及聚集信息可以反映客户端参与各种活动或者事件的状态，通过地理信息可以对客户端的活跃程度进行分析，因此本发明通过定时采集客户端的定位，为活动频繁的客户端提供合理的服务器资源分配策略。
发明内容
本发明的目的在于提出一种基于定位信息的移动设备可用云资源分配方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种基于定位信息的移动设备可用云资源分配方法，所述方法包括以下步骤：
S100，从客户端采集定位信息；
S200，通过定位信息计算工作地点的事件关注系数；
S300，通过事件关注系数构建资源分配模型；
S400，利用资源分配模型获得评价值；
S500，根据评价值对客户端进行资源分配。
进一步地，在步骤S100中，所述从客户端采集定位信息的方法是：获取客户端id的定位信息，定位信息包括坐标Locatn以及测得坐标的时刻，所述坐标Locatn为大地坐标；设置日观测时间段为早上8点到晚上6点，在日观测时间段内，以每半小时采集一次定位信息，每天共采集RTms次定位信息；令获取客户端的定位信息的日期为观测日date，将观测日date的总量作为评价时间跨度Period，评价时间跨度Period的取值在范围[20,720]日。定位信息包括北斗定位信息或GPS定位信息。
其中，所述客户端为移动设备、台式电脑或者平板电脑；以每个待测人（或称为：需要进行资源分配的人作为待测人，或者称为用户）对应一个客户端，即每个待测人有用于区分不同个人的客户端id,经过待测人的授权后，从待测人的客户端id获取定位信息，将需要进行资源分配的人作为待测人，每个待测人有用于区分不同个人的客户端id，客户端id的总量为ttl,经过待测人的授权后，从待测人的客户端id获取定位信息，定位信息包括坐标Locatn以及测得坐标的时刻。
进一步地，在步骤S200中，所述通过定位信息计算工作地点的事件关注系数的方法是：将待测区域细分成多个晶格zone，每个晶格zone为待测区域中边长300m到1000m的正方形区域，其中待测区域为用于云资源分配的地区，或者，待测区域为各个客户端在所有观测日date的信号覆盖区域；把从客户端id返回的坐标Locatn所属于的晶格zone作为一个工作地点Wzone；
把wifi路由器在同一时刻下连接的各个客户端id互相作为邻近客户端ngbid；或者，客户端id通过蓝牙识别出附近的其它客户端id作为邻近客户端ngbid；或者，在当前客户端id晶格zone中获取除了当前客户端id外的所有客户端作为邻近客户端ngbid；
再根据当前客户端id收集到的各个邻近客户端ngbid构成当前客户端id的邻近客户端列表Ls_ngbid，（在当前客户端id返回定位信息的时候，同时还会在上传收集到的邻近客户端列表Ls_ngbid）；当一个客户端id返回的坐标Locatn属于工作地点Wzone，则认为该客户端id到访了工作地点Wzone；在同一天里，累计所有到访同一个工作地点Wzone的不同客户端id的数量作为工作地点Wzone的日到访量DVst；以在同一工作地点Wzone中一个客户端id在一天内获得的各个邻近客户端列表Ls_ngbid的并集作为日邻近客户端列表DLs_ng；由工作地点Wzone中的DVst个客户端id及各个客户端id的日邻近客户端列表DLs_ng构成到访表VTable, 到访表VTable＝{idi1,DLs_ngi1}，i1∈[1,DVst]，其中idi1代表到访表VTable中第i1个客户端id，DLs_ngi1代表到访表VTable中第i1个客户端id的日邻近客户端列表DLs_ng；设定一个变量i2，令变量i2的初始值为1；设定一个变量Tnum作为群体序号，令群体序号Tnum的初始值为1，为VTable中每个客户端id设定一个布尔值作为处理标记Pflag, 令处理标记Pflag的初始值为FALSE。
进一步地，在步骤S200中，所述通过定位信息计算工作地点的事件关注系数的方法中，计算事件关注系数的方法包括以下步骤：
201，当i2≤DVst，跳转到步骤202；当i2＞DVst，跳转到步骤207；
202，如果VTable中第i2个客户端id的处理标记Pflag的值为FALSE，将Tnum的值加1,创建一个集合作为子群集的集合subT，在subT中的第Tnum个元素是子群集subT(Tnum)，子群集subT(Tnum)初始化为空集合，将到访表VTable 中第i2个日邻近客户端列表DLs_ng的元素存储到subT(Tnum)，更改到访表VTable 中第i2个客户端id的处理标记Pflag的值为TRUE；将subT(Tnum)作为输入序列、Tnum作为输入序号跳转到步骤203；如果VTable中第i2个客户端id的处理标记Pflag的值为TRUE，将i2的值加1，跳转到步骤201；
203，获得输入序列list，输入序号Tnum，新建一个空的序列作为暂存序列newlist；设定一个变量i3，令变量i3的初始值为1，将输入序列list中元素的个数成为新增检索值Glen，跳转到步骤204，
204，如果i3≤Glen，跳转到步骤205；如果i3＞Glen，跳转到步骤206；
205，如果到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值为FALSE，把newlist更新为newlist与到访表VTable 中id值为list中第i3个id值的日邻近客户端列表DLs_ng的并集，把到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值更新为TRUE；将i3的值加1，跳转到步骤204；如果到访表VTable中id值为list中第i3个id值的客户端id 的处理标记Pflag值为TRUE，将i3的值加1，跳转到步骤204；其中所述id值为客户端id；
206，如果newlist为空的序列，将i2的值加1，跳转到步骤201，如果newlist不为空的序列，更新subT(Tnum)序列为subT(Tnum)与newlist的并集；然后将newlist作为输入序列、Tnum作为输入序号跳转到步骤203；
207，设置一个集合作为工作地点Wzone在一天中的事件集合TEvent，事件集合TEvent＝{subT(i4),i4∈[1,Tnum]}，其中i4为子群集的序号；以一个子群集subT(i4)中元素的个数作为该子群集subT(i4)的聚集量EvtGM，以事件集合TEvent中聚集量EvtGM数值最大的子群集作为代表群集rpT, 代表群集rpT的聚集量EvtGM为第一聚集量MaxEGM；
计算在一天内工作地点Wzone中第ξ个子群集的事件关注系数EvtWth(ξ)：
Figure DEST_PATH_IMAGE001
；
其中ξ代表子群集的序号，EvtGMξ代表一天内工作地点Wzone里第ξ个子群集的聚集量EvtGM，ln函数为取自然对数的函数，ξ∈[1,Tnum]。
有益效果为：对观测时段内各个观测区域的用户信息或者客户端信息进行定时采集，通过事件关注系数综合地对事件的热度或者参与者的踊跃程度进行综合分析，根据事件发生日各个地点的活动人群集中程度对事件的关键性进行识别并进行量化比较，事件关注系数EvtWth能够根据定位信息快速的提取出定位信息在一定时间内的空间上的集中程度，去除掉定位漂移的影响，提高位置识别的精度性和灵敏度，避免了定位信息在人口高峰期的相互定位干扰影响。
进一步地，在步骤S300中，所述通过事件关注系数构建资源分配模型的方法是：设一个客户端id在同一天到访的工作地点Wzone的个数为NWz，一个客户端id在同一天到访的同一工作地点Wzone的次数为NTms；（其中的一天的意义为一个观测日）计算一个客户端id的一天的积极系数AtIdx：
Figure 100002_DEST_PATH_IMAGE002
；
其中i7代表一个客户端id一天中到访过的工作地点Wzone的序号，NTmsi7代表一天中客户端id到访第i7个工作地点Wzone的次数，EvtWthi7代表客户端id在第i7个工作地点Wzone中所属子群集的事件关注系数；按时间顺序结合客户端id在各个观测日date的积极系数AtIdx，可获得积极系数序列LsAtIdx，积极系数序列LsAtIdx＝[AtIdxi5，i5∈[1,Period]]，其中Period为评价时间跨度，i5为观测日的序号，AtIdxi5为第i5个观测日的积极系数；以一个客户端id的积极系数序列作为一行构建一个矩阵作为资源分配模型HRmtx，资源分配模型HRmtx＝[LsAtIdxi6,i6∈[1,ttl]]，其中i6为客户端id的序号，ttl为客户端id的总量，RTms为每天共采集定位信息的次数，LsAtIdxi6代表第i6个客户端id的积极系数序列。
有益效果为：积极系数序列将用于对者客户的最终评价分析，为进一步地计算客户端id评价值Mark作准备。通过事件关注系数构建资源分配模型进一步减少事件关注系数中的低敏感数据的权重，增强对时间上和空间上都具有聚集性的地理信息的灵敏性，通过过滤无用的信息来提高定位信息的置信度。
进一步地，在步骤S400中，所述利用资源分配模型获得评价值的方法是：在工作地点Wzone的各个日到访量DVst构成到访量集合TDVst，到访量集合TDVst＝{DVstm1,m1∈[1，period]}；其中m1为日到访量的日期的序号，DVstm1为第m1日的日到访量；以到访量集合TDVst中的众数作为到访常值RglDVst；当DVstm1≥2×RglDVst，则把在工作地点Wzone第m1天的代表群集rpT称为关键群集keyT，一个客户端id在评价时间跨度period内出现在关键群集keyT的天数为关键参与次KTms；一个客户端id在评价时间跨度period内出现在关键群集keyT的日期序号date为关键参与日KDt；一个客户端id获得HRmtx中第KDt列元素，把所述元素从大到小的排列，获得该客户端id在所述排列中的序号作为日参与度rankKDt；以一个客户端的各个关键参与日KDt构成的集合作为关键参与日集TKDt；通过关键参与次KTms计算客户端id的评价值Mark，其中第m2个客户端id评价值Mark为：
Figure DEST_PATH_IMAGE003
；
其中TKDt(m3)代表一个客户端id在关键参与日集TKDt中的序号为m3的元素，m2代表一个客户端id值，m3是变量， HRmtx(m2，TKDt(m3))代表资源分配模型HRmtx中第m2行TKDt(m3)列的元素，即资源分配模型HRmtx中第m2个客户端id在第m3个关键参与日KDt的元素；rank TKDt(m3)代表在第TKDt(m3)日的日参与度。
有益效果是：通过资源分配模型的权重调整，结合各个客户端id的积极系数AtIdx计算评价值，通过评价值量化客户端在观测时期内的聚集程度，提高对各个客户端聚集程度分析的精确性，降低模型中部分异常的较大值对聚集程度分析的权重，从而提高算法的鲁棒性。
进一步地，在步骤S500中，所述根据评价值对客户端进行资源分配的方法是：计算所有客户端id的评价值Mark的算数平均值作为基础评价StdMark，为各个客户端计算分配系数dpidx，分配系数dpidx＝(Mark-StdMark)÷StdMark；如果分配系数dpidx≤0，分配系数dpidx更新为0；如果分配系数1≥dpidx＞0，分配系数dpidx更新为1，如果分配系数dpidx＞1，分配系数dpidx不作改变；根据分配系数根据dpidx对资源进行分配；所述资源为云服务器或者分布式存储系统的存储空间，按照各个客户端的dpidx的比例对所述存储空间进行配置。
其中，根据分配系数根据dpidx对资源进行分配方法是：为每个客户端id预设的云服务器或者分布式存储系统的存储空间为第一存储量Fstg，计算获得各个客户端id的分配系数后，更新客户端id的云服务器或者分布式存储系统的存储空间为第二存储量：Sstg＝Fstg×dpidx；最后为客户端id分配大小为第二存储量的云服务器或者分布式存储系统的存储空间。
其中，第一存储量Fstg默认设置为[20,100]GB。
本发明的有益效果为：本发明提供一种基于定位信息的移动设备可用云资源分配方法，采集人群中各个个体在工作时间段的定位信息，利用定位信息对各个个体在工作中的积极程度以及参与程度进行分析，进而分配有限的网络资源，通过资源分配模型的权重调整，通过评价值量化客户端在观测时期内的聚集程度，提高对各个客户端聚集程度分析的精确性，降低模型中部分异常的较大值对聚集程度分析的权重，从而提高算法的鲁棒性。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种基于定位信息的移动设备可用云资源分配方法的流程图；
图2所示为一种基于定位信息的移动设备可用云资源分配方法采用的系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种基于定位信息的移动设备可用云资源分配方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于定位信息的移动设备可用云资源分配方法，所述方法包括以下步骤：
S100，从客户端采集定位信息；
S200，通过定位信息计算工作地点的事件关注系数；
S300，通过事件关注系数构建资源分配模型；
S400，利用资源分配模型获得评价值；
S500，根据评价值对客户端进行资源分配。
进一步地，在步骤S100中，所述从客户端采集定位信息的方法是：将需要进行资源分配的人作为待测人，每个待测人有用于区分不同个人的客户端id，客户端id的总量为ttl,经过待测人的授权后，从待测人的客户端id获取定位信息，定位信息包括坐标Locatn以及测得坐标的时刻，所述坐标为经过转换的大地坐标；日观测时间段为早上8点到晚上6点，在日观测时间段内，每半小时采集一次定位信息，每天一共可采集RTms次定位信息；用于观测的日期成为观测日date，把观测日date的总量作为评价时间跨度Period，评价时间跨度Period的取值在范围[20,720]内，时间跨度Period的单位为日。
定位信息包括北斗定位信息或GPS定位信息。
进一步地，在步骤S200中，所述通过定位信息计算工作地点的事件关注系数的方法是：将待测区域细分成多个晶格zone，每个晶格zone为待测区域中边长300m到1000m的正方形区域，其中待测区域为用于资源分配的地区；把从客户端id返回的坐标Locatn所属于的晶格zone作为一个工作地点Wzone；客户端id通过wifi或者蓝牙识别出附近的其它客户端id作为邻近客户端ngbid，客户端id收集到的各个邻近客户端ngbid构成邻近客户端列表Ls_ngbid，在客户端id返回定位信息的时候，同时还会在上传收集到的邻近客户端列表Ls_ngbid；当一个客户端id返回的坐标Locatn属于工作地点Wzone，则认为该客户端id到访了工作地点Wzone；在同一天里，累计所有到访同一个工作地点Wzone的不同客户端id的数量作为日到访量DVst；以在同一工作地点Wzone中一个客户端id在一天内获得的各个邻近客户端列表Ls_ngbid的并集作为日邻近客户端列表DLs_ng；由工作地点Wzone中的DVst个客户端id及各个客户端id的日邻近客户端列表DLs_ng构成到访表VTable, 到访表VTable＝{idi1,DLs_ngi1}，i1∈[1,DVst]，其中idi1代表到访表VTable中第i1个客户端id，DLs_ngi1代表到访表VTable中第i1个客户端id的日邻近客户端列表DLs_ng；设定一个变量i2，令变量i2的初始值为1；设定一个变量Tnum作为群体序号，令群体序号Tnum的初始值为1，为VTable中每个客户端id设定一个布尔值作为处理标记Pflag, 令处理标记Pflag的初始值为FALSE；计算一天中工作地点Wzone的事件关注系数。
进一步地，在步骤S200中，所述通过定位信息计算工作地点的事件关注系数的方法中，计算事件关注系数的方法是：
201，当i2≤DVst，跳转到步骤202；当i2＞DVst，跳转到步骤207；
202，如果VTable中第i2个客户端id的处理标记Pflag的值为FALSE，将Tnum的值加1,创建一个集合作为子群集的集合subT，在subT中的第Tnum个元素是子群集subT(Tnum)，子群集subT(Tnum)初始化为空集合，将到访表VTable 中第i2个日邻近客户端列表DLs_ng的元素存储到subT(Tnum)，更改到访表VTable 中第i2个客户端id的处理标记Pflag的值为TRUE；将subT(Tnum)作为输入序列、Tnum作为输入序号跳转到步骤203；如果VTable中第i2个客户端id的处理标记Pflag的值为TRUE，将i2的值加1，跳转到步骤201；
203，获得输入序列list，输入序号Tnum，新建一个空的序列作为暂存序列newlist；设定一个变量i3，令变量i3的初始值为1，将输入序列list中元素的个数成为新增检索值Glen，跳转到步骤204，
204，如果i3≤Glen，跳转到步骤205；如果i3＞Glen，跳转到步骤206；
205，如果到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值为FALSE，把newlist更新为newlist与到访表VTable 中id值为list中第i3个id值的日邻近客户端列表DLs_ng的并集，把到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值更新为TRUE；将i3的值加1，跳转到步骤204；如果到访表VTable中id值为list中第i3个id值的客户端id 的处理标记Pflag值为TRUE，将i3的值加1，跳转到步骤204；
206，如果newlist为空的序列，将i2的值加1，跳转到步骤201，如果newlist不为空的序列，更新subT(Tnum)序列为subT(Tnum)与newlist的并集；然后将newlist作为输入序列、Tnum作为输入序号跳转到步骤203；
207，设置一个集合作为工作地点Wzone在一天中的事件集合TEvent，事件集合TEvent＝{subT(i4),i4∈[1,Tnum]}，其中i4为子群集的序号；以一个子群集subT(i4)中元素的个数作为该子群集subT(i4)的聚集量EvtGM，以聚集量EvtGM数值最大的子群集作为代表群集rpT, 代表群集rpT的聚集量EvtGM为第一聚集量MaxEGM；
计算在一天内工作地点Wzone中第ξ个子群集的事件关注系数EvtWth(ξ)：
Figure 100002_DEST_PATH_IMAGE004
；
其中ξ代表子群集的序号，EvtGMξ代表一天内工作地点Wzone里第ξ个子群集的聚集量EvtGM，ln函数为取自然对数的函数，ξ∈[1,Tnum]。
进一步地，在步骤S300中，所述通过事件关注系数构建资源分配模型的方法是：一个客户端id一天到访的工作地点Wzone的个数为NWz，一个客户端id一天到访的同一工作地点Wzone的次数为NTms；计算一个客户端id的一天的积极系数AtIdx：
Figure DEST_PATH_IMAGE005
；
其中i7代表一个客户端id一天中到访过的工作地点Wzone的序号，NTmsi7代表一天中客户端id到访第i7个工作地点Wzone的次数，EvtWthi7代表客户端id在第i7个工作地点Wzone中所属子群集的事件关注系数；按时间顺序结合客户端id在各个观测日date的积极系数AtIdx，可获得积极系数序列LsAtIdx，积极系数序列LsAtIdx＝[AtIdxi5，i5∈[1,Period]]，其中Period为评价时间跨度，i5为观测日的序号；把各个客户端id的积极系数序列构成的矩阵作为资源分配模型HRmtx，资源分配模型HRmtx＝[LsAtIdxi6,i6∈[1,ttl]]，其中ttl为客户端id的总量。
进一步地，在步骤S400中，所述利用资源分配模型获得评价值的方法是：在工作地点Wzone的各个日到访量DVst构成到访量集合TDVst，到访量集合TDVst＝{DVstm1,m1∈[1，period]}；以到访量集合TDVst中的众数作为到访常值RglDVst；当DVstm1≥2RglDVst，则把在工作地点Wzone第m1天的代表群集rpT称为关键群集keyT，一个客户端id在评价时间跨度period内出现在关键群集keyT的天数为关键参与次KTms；一个客户端id在评价时间跨度period内出现在关键群集keyT的日期序号date为关键参与日KDt；一个客户端id获得HRmtx中第KDt列元素，把所述元素从大到小的排列，获得该客户端id在所述排列中的序号作为日参与度rankKDt；KDt一个客户端的各个关键参与日KDt构成的集合作为关键参与日集TKDt；把关键参与次KTms计算第m2个客户端id评价值Mark，则计算第m2个客户端id评价值Mark为：
Figure 100002_DEST_PATH_IMAGE006
；
其中TKDt(m3)代表一个客户端id在关键参与日集TKDt中的序号为m3的元素，m2代表一个客户端id值， HRmtx(m2，TKDt(m3))代表资源分配模型HRmtx中第m2行TKDt(m3)列的元素，即资源分配模型HRmtx中第m2个客户端id在第m3个关键参与日KDt的元素；rank TKDt(m3)代表在第TKDt(m3)日的日参与度。
进一步地，在步骤S500中，所述根据评价值对客户端进行资源分配的方法是：所有客户端id的评价值Mark的算数平均值作为基础评价StdMark，为各个客户端计算分配系数dpidx，分配系数dpidx＝(Mark-StdMark)÷StdMark；如果分配系数dpidx≤0，分配系数dpidx更新为0；如果分配系数1≥dpidx＞0，分配系数dpidx更新为1，如果分配系数dpidx＞1，分配系数dpidx不作改变；根据分配系数根据dpidx对资源进行分配；所述资源为云服务器的存储空间分配量，按照各个客户端的dpidx的比例对服务器内存进行配置。
其中，根据分配系数根据dpidx对资源进行分配方法是：为每个客户端id预设的云服务器或者分布式存储系统的存储空间为第一存储量Fstg，计算获得各个客户端id的分配系数后，更新客户端id的云服务器或者分布式存储系统的存储空间为第二存储量：Sstg＝Fstg×dpidx；最后为客户端id分配大小为第二存储量的云服务器或者分布式存储系统的存储空间。
其中，第一存储量Fstg默认设置为[20,100]GB。
本发明的一种实施例：一种基于定位信息的移动设备可用云资源分配系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
数据采集单元，用于采集待测人的定位信息和蓝牙或者wifi信息；
动态归并单元，用于结合定位信息计算工作地点的事件关注系数；
模型构建单元，用于通过事件关注系数构建资源分配模型；
客户端评价单元，用于利用资源分配模型获得评价值；
资源分配单元，用于根据评价值对客户端进行资源分配
所述一种基于定位信息的移动设备可用云资源分配系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于定位信息的移动设备可用云资源分配系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于定位信息的移动设备可用云资源分配系统的示例，并不构成对一种基于定位信息的移动设备可用云资源分配系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于定位信息的移动设备可用云资源分配系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于定位信息的移动设备可用云资源分配系统运行系统的控制中心，利用各种接口和线路连接整个一种基于定位信息的移动设备可用云资源分配系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于定位信息的移动设备可用云资源分配系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (3)

1.一种基于定位信息的移动设备可用云资源分配方法，其特征在于，所述方法包括以下步骤：
S100，从客户端采集定位信息；
S200，通过定位信息计算工作地点的事件关注系数；
S300，通过事件关注系数构建资源分配模型；
S400，利用资源分配模型获得评价值；
S500，根据评价值对客户端进行资源分配；
其中，在步骤S200中，所述通过定位信息计算工作地点的事件关注系数的方法是：将待测区域细分成多个晶格zone，每个晶格zone为待测区域中边长300m到1000m的正方形区域，其中待测区域为用于资源分配的地区；把从客户端id返回的坐标Locatn所属于的晶格zone作为一个工作地点Wzone；客户端id通过wifi或者蓝牙识别出附近的其它客户端id作为邻近客户端ngbid，客户端id收集到的各个邻近客户端ngbid构成邻近客户端列表Ls_ngbid，在客户端id返回定位信息的时候，同时还会在上传收集到的邻近客户端列表Ls_ngbid；当一个客户端id返回的坐标Locatn属于工作地点Wzone，则认为该客户端id到访了工作地点Wzone；在同一天里，累计所有到访同一个工作地点Wzone的不同客户端id的数量作为日到访量DVst；以在同一工作地点Wzone中一个客户端id在一天内获得的各个邻近客户端列表Ls_ngbid的并集作为日邻近客户端列表DLs_ng；由工作地点Wzone中的DVst个客户端id及各个客户端id的日邻近客户端列表DLs_ng构成到访表VTable, 到访表VTable＝{idi1,DLs_ngi1}，i1∈[1,DVst]，其中idi1代表到访表VTable中第i1个客户端id，DLs_ngi1代表到访表VTable中第i1个客户端id的日邻近客户端列表DLs_ng；设定一个变量i2，令变量i2的初始值为1；设定一个变量Tnum作为群体序号，令群体序号Tnum的初始值为1，为VTable中每个客户端id设定一个布尔值作为处理标记Pflag, 令处理标记Pflag的初始值为FALSE；计算一天中工作地点Wzone的事件关注系数；
其中，在步骤S200中，所述通过定位信息计算工作地点的事件关注系数的方法中，计算事件关注系数的方法是：
201，当i2≤DVst，跳转到步骤202；当i2＞DVst，跳转到步骤207；
202，如果VTable中第i2个客户端id的处理标记Pflag的值为FALSE，将Tnum的值加1,创建一个集合作为子群集的集合subT，在subT中的第Tnum个元素是子群集subT(Tnum)，子群集subT(Tnum)初始化为空集合，将到访表VTable 中第i2个日邻近客户端列表DLs_ng的元素存储到subT(Tnum)，更改到访表VTable 中第i2个客户端id的处理标记Pflag的值为TRUE；将subT(Tnum)作为输入序列、Tnum作为输入序号跳转到步骤203；如果VTable中第i2个客户端id的处理标记Pflag的值为TRUE，将i2的值加1，跳转到步骤201；
203，获得输入序列list，输入序号Tnum，新建一个空的序列作为暂存序列newlist；设定一个变量i3，令变量i3的初始值为1，将输入序列list中元素的个数成为新增检索值Glen，跳转到步骤204，
204，如果i3≤Glen，跳转到步骤205；如果i3＞Glen，跳转到步骤206；
205，如果到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值为FALSE，把newlist更新为newlist与到访表VTable 中id值为list中第i3个id值的日邻近客户端列表DLs_ng的并集，把到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值更新为TRUE；将i3的值加1，跳转到步骤204；如果到访表VTable 中id值为list中第i3个id值的客户端id 的处理标记Pflag值为TRUE，将i3的值加1，跳转到步骤204；其中所述id值为客户端id；
206，如果newlist为空的序列，将i2的值加1，跳转到步骤201，如果newlist不为空的序列，更新subT(Tnum)序列为subT(Tnum)与newlist的并集；然后将newlist作为输入序列、Tnum作为输入序号跳转到步骤203；
207，设置一个集合作为工作地点Wzone在一天中的事件集合TEvent，事件集合TEvent＝{subT(i4),i4∈[1,Tnum]}，其中i4为子群集的序号；以一个子群集subT(i4)中元素的个数作为该子群集subT(i4)的聚集量EvtGM，以事件集合TEvent中聚集量EvtGM数值最大的子群集作为代表群集rpT, 代表群集rpT的聚集量EvtGM为第一聚集量MaxEGM；
计算在一天内工作地点Wzone中第ξ个子群集的事件关注系数EvtWth(ξ)：
Figure DEST_PATH_IMAGE002
；
其中ξ代表子群集的序号，EvtGMξ代表一天内工作地点Wzone里第ξ个子群集的聚集量EvtGM，ln函数为取自然对数的函数，ξ∈[1,Tnum]；
在步骤S300中，所述通过事件关注系数构建资源分配模型的方法是：一个客户端id一天到访的工作地点Wzone的个数为NWz，一个客户端id一天到访的同一工作地点Wzone的次数为NTms；计算一个客户端id的一天的积极系数AtIdx：
Figure DEST_PATH_IMAGE004
；
其中i7代表一个客户端id一天中到访过的工作地点Wzone的序号，NTmsi7代表一天中客户端id到访第i7个工作地点Wzone的次数，EvtWthi7代表客户端id在第i7个工作地点Wzone中所属子群集的事件关注系数；按时间顺序结合客户端id在各个观测日date的积极系数AtIdx，可获得积极系数序列LsAtIdx，积极系数序列LsAtIdx＝[AtIdxi5，i5∈[1,Period]]，其中Period为评价时间跨度，i5为观测日的序号；把各个客户端id的积极系数序列构成的矩阵作为资源分配模型HRmtx，资源分配模型HRmtx＝[LsAtIdxi6,i6∈[1,ttl]]，其中ttl为客户端id的总量；
所述利用资源分配模型获得评价值的方法是：在工作地点Wzone的各个日到访量DVst构成到访量集合TDVst，到访量集合TDVst＝{DVstm1,m1∈[1，period]}；以到访量集合TDVst中的众数作为到访常值RglDVst；当DVstm1≥2RglDVst，则把在工作地点Wzone第m1天的代表群集rpT称为关键群集keyT，一个客户端id在评价时间跨度period内出现在关键群集keyT的天数为关键参与次KTms；一个客户端id在评价时间跨度period内出现在关键群集keyT的日期序号date为关键参与日KDt；一个客户端id获得HRmtx中第KDt列元素，把所述元素从大到小的排列，获得该客户端id在所述排列中的序号作为日参与度rankKDt；KDt一个客户端的各个关键参与日KDt构成的集合作为关键参与日集TKDt；把关键参与次KTms计算第m2个客户端id评价值Mark为：
Figure DEST_PATH_IMAGE006
；
其中TKDt(m3)代表一个客户端id在关键参与日集TKDt中的序号为m3的元素，m2代表一个客户端id值，m3是变量， HRmtx(m2，TKDt(m3))代表资源分配模型HRmtx中第m2行TKDt(m3)列的元素，即资源分配模型HRmtx中第m2个客户端id在第m3个关键参与日KDt的元素；rank TKDt(m3)代表在第TKDt(m3)日的日参与度。
2.根据权利要求1所述的一种基于定位信息的移动设备可用云资源分配方法，其特征在于，在步骤S100中，所述从客户端采集定位信息的方法是：获取客户端id的定位信息，定位信息包括坐标Locatn以及测得坐标的时刻，所述坐标Locatn为大地坐标；设置日观测时间段为早上8点到晚上6点，在日观测时间段内，以每半小时采集一次定位信息，每天共采集RTms次定位信息；令获取客户端的定位信息的日期为观测日date，将观测日date的总量作为评价时间跨度Period，评价时间跨度Period的取值在范围[20,720]日，定位信息包括北斗定位信息或GPS定位信息。
3.根据权利要求1所述的一种基于定位信息的移动设备可用云资源分配方法，其特征在于，在步骤S500中，所述根据评价值对客户端进行资源分配的方法是：所有客户端id的评价值Mark的算数平均值作为基础评价StdMark，为各个客户端计算分配系数dpidx，分配系数dpidx＝(Mark-StdMark)÷StdMark；如果分配系数dpidx≤0，分配系数dpidx更新为0；如果分配系数1≥dpidx＞0，分配系数dpidx更新为1，如果分配系数dpidx＞1，分配系数dpidx不作改变；根据分配系数根据dpidx对资源进行分配；所述资源为云服务器的存储空间分配量，按照各个客户端的dpidx的比例对服务器内存进行配置。
CN202210806965.4A 2022-07-11 2022-07-11 一种基于定位信息的移动设备可用云资源分配方法 Active CN114866616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210806965.4A CN114866616B (zh) 2022-07-11 2022-07-11 一种基于定位信息的移动设备可用云资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210806965.4A CN114866616B (zh) 2022-07-11 2022-07-11 一种基于定位信息的移动设备可用云资源分配方法

Publications (2)

Publication Number Publication Date
CN114866616A CN114866616A (zh) 2022-08-05
CN114866616B true CN114866616B (zh) 2022-09-16

Family

ID=82626122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210806965.4A Active CN114866616B (zh) 2022-07-11 2022-07-11 一种基于定位信息的移动设备可用云资源分配方法

Country Status (1)

Country Link
CN (1) CN114866616B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116484051A (zh) * 2023-02-24 2023-07-25 广州沐思信息科技有限公司 一种基于知识培训平台的课程评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111586720A (zh) * 2020-05-11 2020-08-25 重庆邮电大学 一种多小区场景下的任务卸载和资源分配的联合优化方法
CN112764923A (zh) * 2021-01-12 2021-05-07 深圳市中博科创信息技术有限公司 计算资源分配方法、装置、计算机设备及存储介质
CN114338694A (zh) * 2022-03-04 2022-04-12 广州鹏捷科技股份有限公司 一站式云数据中心服务器调度方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9276827B2 (en) * 2013-03-15 2016-03-01 Cisco Technology, Inc. Allocating computing resources based upon geographic movement
US11146497B2 (en) * 2013-12-18 2021-10-12 Telefonaktiebolaget Lm Ericsson (Publ) Resource prediction for cloud computing
US10652164B2 (en) * 2016-04-21 2020-05-12 Oracle International Corporation Instant notification of load balance and resource scheduling based on resource capacities and event recognition
US10873542B2 (en) * 2018-03-29 2020-12-22 The Toronto-Dominion Bank Systems and methods for allocating shared resources
CN109165972A (zh) * 2018-07-30 2019-01-08 广东工业大学 一种基于任务迁移机制的移动区块链资源分配方法
CN113906716B (zh) * 2019-06-07 2024-09-24 瑞典爱立信有限公司 雾节点资源的分配
CN111930524B (zh) * 2020-10-10 2021-02-12 上海兴容信息技术有限公司 一种计算资源分配的方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111586720A (zh) * 2020-05-11 2020-08-25 重庆邮电大学 一种多小区场景下的任务卸载和资源分配的联合优化方法
CN112764923A (zh) * 2021-01-12 2021-05-07 深圳市中博科创信息技术有限公司 计算资源分配方法、装置、计算机设备及存储介质
CN114338694A (zh) * 2022-03-04 2022-04-12 广州鹏捷科技股份有限公司 一站式云数据中心服务器调度方法及系统

Also Published As

Publication number Publication date
CN114866616A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
US20140032271A1 (en) System and method for processing demographic data
JP5805169B2 (ja) 行動パターン分析装置および行動パターン分析方法
CN114866616B (zh) 一种基于定位信息的移动设备可用云资源分配方法
CN110928739B (zh) 一种进程监控方法、装置以及计算设备
Zhu et al. Spatial-temporal disease mapping of illicit drug abuse or dependence in the presence of misaligned ZIP codes
Carrignon et al. Modelling rapid online cultural transmission: evaluating neutral models on Twitter data with approximate Bayesian computation
Hillson et al. Stratified sampling of neighborhood sections for population estimation: A case study of Bo City, Sierra Leone
Felt et al. A comparative study of urban fragmentation patterns in small and mid-sized cities of Idaho
CN114077912A (zh) 数据预测方法以及数据预测装置
CN106875230A (zh) 一种基于比价系数的房地产评估方法、系统及存储介质
Gentili et al. Small-area estimation of spatial access to care and its implications for policy
JP2021012697A (ja) ユーザの位置情報とイベント会場別のイベント情報を利用してユーザの関心事を分析する方法、システム、および非一時的なコンピュータ読み取り可能な記録媒体に記録されるコンピュータプログラム
CN112132384A (zh) 工作效率评估方法、装置、存储介质及计算机设备
Xiao et al. Detecting protein complexes from active protein interaction networks constructed with dynamic gene expression profiles
Archetti et al. Heterogeneous datasets for federated survival analysis simulation
CN112085926A (zh) 一种河道水污染预警方法及系统
Kiremidjian et al. A wireless structural monitoring system with embedded damage algorithms and decision support system
CN111008740B (zh) 数据传播趋势的预测方法、设备、存储介质及装置
Ikeda et al. Time Evolution of City Distributions in Germany: Group-Theoretic Spectrum Analysis
Scholl et al. Optimizing distance-based methods for large data sets
Escalante et al. Methodological issues in modern track analysis
JP6221453B2 (ja) 位置推定方法、位置推定プログラム、及び、位置推定装置
Zhang et al. Agent based urban growth modeling framework on apache spark
Li Measuring social vulnerability to natural hazards in China: a modified index approach
CN113947252A (zh) 一种体系任务分解及分配的方法及装置

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