CN115002697B - 待核查用户的接触用户识别方法、装置、设备及存储介质 - Google Patents

待核查用户的接触用户识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115002697B
CN115002697B CN202110221103.0A CN202110221103A CN115002697B CN 115002697 B CN115002697 B CN 115002697B CN 202110221103 A CN202110221103 A CN 202110221103A CN 115002697 B CN115002697 B CN 115002697B
Authority
CN
China
Prior art keywords
user
checked
base station
determining
sub
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
CN202110221103.0A
Other languages
English (en)
Other versions
CN115002697A (zh
Inventor
高家凤
宛海涛
尹腾飞
张�雄
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.)
China Mobile Communications Group Co Ltd
China Mobile Suzhou Software Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Suzhou Software 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 China Mobile Communications Group Co Ltd, China Mobile Suzhou Software Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110221103.0A priority Critical patent/CN115002697B/zh
Publication of CN115002697A publication Critical patent/CN115002697A/zh
Application granted granted Critical
Publication of CN115002697B publication Critical patent/CN115002697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/203—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for converged personal network application service interworking, e.g. OMA converged personal network services [CPNS]

Landscapes

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

Abstract

本申请实施例公开了一种待核查用户的接触用户识别方法、装置、设备和存储介质，所述方法包括：获取待核查用户的标识信息；根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据；根据所述第一信令数据确定目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户；根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据；根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。

Description

待核查用户的接触用户识别方法、装置、设备及存储介质
技术领域
本申请涉及大数据挖掘技术领域，尤其涉及一种待核查用户的接触用户识别方法、装置、设备及存储介质。
背景技术
相关技术中，主要是通过出行数据和话单数据来挖掘与某特定用户存在接触的用户，出行数据和话单数据来源于不同单位，难以获取，且出行数据受限于实名制购票的方式，同时，出行数据和话单数据进行关联找到同一主体的两个信息时，可能因为缺少必要的关联信息而无法补全对端信息，再者，由于话单数据只在通话过程产生，产生的频率低，因此，在根据话单数据挖掘存在接触的用户时，挖掘出的存在接触的用户的全面性和准确度均难以保证。
发明内容
本申请实施例期望提供一种待核查用户的接触用户识别方法、装置、设备及存储介质。
本申请实施例的技术方案是这样实现的：
一方面，本申请实施例提供一种待核查用户的接触用户识别方法，包括：获取待核查用户的标识信息；根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在所述待核查用户的标识信息对应的第一核查时段内的信令数据；获取所述第一核查时段内的信令数据；对所述第一核查时段内的信令数据进行分析，得到目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户；根据所述目标通信用户的标识信息确定第二信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据；根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。
另一方面，本申请实施例提供一种待核查用户的接触用户识别装置，包括：第一获取模块，用于获取待核查用户的标识信息；第一确定模块，用于根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在所述待核查用户的标识信息对应的第一核查时段内的信令数据；第二获取模块，用于获取所述第一核查时段内的信令数据；第一分析模块，用于对所述第一核查时段内的信令数据进行分析，得到目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户；第二确定模块，用于根据所述目标通信用户的标识信息确定第二信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据；第三确定模块，用于根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。
再一方面，本申请实施例提供一种待核查用户的接触用户识别设备，包括存储器和处理器，所述存储器存储有可在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时实现上述待核查用户的接触用户识别方法中的步骤。
又一方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上所述待核查用户的接触用户识别方法中的步骤。
本申请实施例提供的技术方案中，由于信令数据可以通过同一供应商获取，且由于核查时段内的信令数据所包含的信息不仅全面而且比较准确，并不是根据来自不同供应商的出行数据和话单数据来确定与待核查用户存在接触的通信用户，因此，通过对信令数据进行分析来确定与待核查用户存在接触的通信用户的方法，不仅能够方便获取数据，且能够全面且准确地挖掘出与待核查用户存在接触的用户。
附图说明
图1为本申请实施例提供的一种待核查用户的接触用户识别方法的实现流程示意图；
图2为本申请实施例提供的一待核查用户的接触用户识别装置的组成结构图；
图3为本申请实施例提供的紧密度第一分析模块1103的组成结构示意图；
图4为本申请实施例提供的构建同住密接人员识别模块的实现流程示意图；
图5为本申请实施例提供的构建居住地密接人员识别模块的实现流程示意图；
图6为本申请实施例提供的园区密接识别模块的实现流程示意图；
图7为本申请实施例提供的交通枢纽密接识别模块的实现流程示意图；
图8为本申请实施例提供的同行密接识别模块的实现流程示意图；
图9为本申请实施例提供另一种待核查用户的接触用户识别装置结构示意图；
图10为本申请实施例提供的一种待核查用户的接触用户识别设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图和实施例对本申请的技术方案进一步详细阐述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
如果申请文件中出现“第一/第二”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
在病毒肆虐全球，且病毒具有传染性时，病毒携带者在日常活动中，极易对与其密切接触的人员进行传染。在跟踪密切接触人员时，由于确诊者客观忘记或者主观隐瞒等各种原因，可能存在部分密接人员的遗漏。
目前，业内识别同行人员时，存在的方案包括以下两种：
方案1，基于航班和火车出行和话单数据分析的重点关系人发现方法，旨在提供一种高效准确、识别率高的重点关系人发现方法。具体地，同行关系人发现模块利用航班和火车出行数据，采用同行规律挖掘算法得到与目标人物一起出行的同行关系人特征数据列表；通联关系人发现模块利用话单数据，采用通联规律统计算法计算目标人物所有通话记录的通联频次和通联时长，通联频次降序排列得到通联关系人特征数据列表1，表2；关系人类型判定模块利用话单数据分析目标人物和重点关系人特征数据列表人员的停留时空规律，根据关系人类型判定规则判定重点关系人的类型，得到带有关系人类型的重点关系人特征数据列表；
方案2，基于移动通信网络信息，取用户Ci的移动客户端的服务基站占用序列Si；比对Si与Sk，得到Si中的N个连续的服务基站Li，以及Sk中的N个连续的服务基站Lk，Li和Lk的第一个服务基站相同且最后一个服务基站也相同；若Li和Lk中至少有P个服务基站相同，则Ci和Ck为所述第一个服务基站和最后一个服务基站之间的同轨迹用户；若Ci和Ck切入同个服务基站的所有切入时间差Xj(Ci，Ck)全部小于或等于设定的阈值，则Ci和Ck为同行用户。
除此之外，部分技术方案通过信令数据挖掘个人用户的或群体的位置轨迹；部分技术方案通过汽车GPS位置信息来进行同车人员识别；部分技术方案利用控制面话单关键字段数据计算用户移动轨迹，进而实现用户位置和功能区的快速识别。
可以看出，相关技术存在的技术问题包括：1.没有成熟的方案可用于识别密切接触人员；2.出行数据和话单数据来源于不同的单位，数据难以获取；3.出行数据受限于实名制购票的出行方式，并且出行数据和话单数据进行关联找到同一主体的两个信息时，可能因为缺少必要的关联信息而无法补全对端信息。4.话单数据只在通话过程产生，产生的频率低，据此挖掘密接人员，准确度难以保证。
针对现有技术方案在识别确诊人员的密切接触人员方面的不足，本申请提出了一种综合利用信令数据和话单数据，结合基站驻留时间序列分析和交往圈挖掘的方法，挖掘出与确诊人员存在密切接触经历的人员，进而整体提高密接人员的识别全面性和准确性。
图1为本申请实施例提供的一种待核查用户的接触用户识别方法的实现流程示意图，如图1所示，该实现流程包括：
步骤101：获取待核查用户的标识信息。
这里，待核查用户为需要核查其与其他通信用户是否存在接触的源通信用户。在一个示例中，待核查用户可以是具有传染性的某病毒的确诊人员；待核查用户的标识信息至少包括待核查用户的手机号码和确定待核查用户感染某病毒的时间(确诊时间)。所述待核查用户的标识信息还可以包括待核查用户的其它标识信息，例如，微信号、QQ号等。
在一些可能的实施方式中，获取待核查用户的标识信息可以是待核查用户的接触用户识别设备从供应商处获取待核查用户的手机号码和确定待核查用户感染某病毒的时间。
步骤102：根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据。
这里，第一核查时段表示核查待核查用户与其它通信用户是否接触的时间段；第一信令数据至少包括：用户手机号码、区县ID、经度、纬度、基站区域码、基站码和信令时间。
在一个示例中，第一核查时段可以是所述待核查用户的标识信息对应的第一核查时段，也就是说，可以根据待核查用户确定感染某病毒的日期以及该病毒的潜伏期所确定核查时段。例如，病毒1的潜伏期为14天，确认待核查用户感染病毒1的日期为2020年3月20日，则待核查用户的标识信息对应的第一核查时段为2020年3月7日至2020年3月20日。
在一些可能的实施方式中，根据所述待核查用户的标识信息确定第一信令数据可以是根据待核查用户的标识信息确定第一核查时段，从待核查用户的信令数据中，将第一核查时段内待核查用户的信令数据确定为第一信令数据。
步骤103：根据所述第一信令数据确定目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户。
可以理解的是，目标通信用户为在第一核查时间段内与待核查用户驻留的基站和时间段同时存在重叠的通信用户。
在一些可能的实施方式中，根据所述第一信令数据确定目标通信用户，包括：对第一信令数据进行分析，得到待核查用户在第一核查时段内的基站驻留时间序列，根据待核查用户在第一核查时段内的基站驻留时间序列，得到在第一核查时段内与所述待核查用户处于相同基站的通信用户。这里，第一核查时段内的待核查用户的基站驻留时间序列表示待核查用户在第一核查时段内按照时间顺序所经过的基站以及切入各基站的开始时间和结束时间。
例如，第一核查时段为2020年3月7日6:00至2020年3月8日6:00，待核查用户在第一核查时段内的基站驻留时间序列可以是：在2020年3月7日6:00至8:00处于基站A，8:01至8:20处于基站B，8:21至8:40处于基站C，8:41至8:59处于基站D，9:00至19:00处于基站E，19:01至19:20处于基站C，在19:21至19:40处于基站B，19:41至2020年3月8日6:00处于基站A。
在一种可能的实施方式中，根据待核查用户在第一核查时段内的基站驻留时间序列，得到在第一核查时段内与所述待核查用户处于相同基站的通信用户，可以是对待核查用户在第一核查时段内的基站驻留时间序列进行分析，确定待核查用户的驻留时间段，将待核查用户在驻留时间段内的基站驻留时间序列和其他通信用户在驻留时间段内的基站驻留时间序列进行分析比较，确定出与所述待核查用户驻留的基站和时间段同时存在重叠的所有通信用户，并将确定出的所有通信用户确定为与所述待核查用户处于相同基站的通信用户。
这里，确定与所述待核查用户驻留的基站和时间段同时存在重叠的所有通信用户的实现方式，示例性地，可以是确定在待核查用户的基站驻留时间序列中每一时间段与待核查用户所处的基站相同的所用通信用户。
在一个示例中，待核查用户的基站驻留时间序列中包括第一时间段所经过的基站1和第二时间段经过的基站1，第一时间段和第二时间段分别为2020年3月7日6:00至8:00和2020年3月7日17:00至18:00，则需要将2020年3月7日6:00至8:00经过基站1的通信用户1至通信用户10和将2020年3月7日17:00至18:00经过基站2的通信用户11至通信用户50均确定为所处的基站相同的所用通信用户，即可能与所述待核查用户存在接触的通信用户。
步骤104：根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据。
在一些可能的实施方式中，根据所述目标通信用户的标识信息确定第二信令数据可以是根据目标通信用户的标识信息确定目标通信用户的信令数据，将第一核查时段内目标通信用户的信令数据确定为第二信令数据。
步骤105：根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。
在一些可能的实施方式中，步骤105包括：根据所述第一信令数据和所述第二信令数据，确定第一核查时段内待核查用户和目标通信用户的基站驻留时间序列，根据第一核查时段内待核查用户和目标通信用户的基站驻留时间序列，确定待核查用户与目标通信用户间的特定指标，将满足第一预设条件时的目标通信用户，确定为待核查用户的接触用户。例如，目标通信用户包括：通信用户1至通信用户10，而待核查用户仅与通信用户1间的指标满足第一预设条件，则确定的待核查用户的接触用户仅为通信用户1。
在实际应用中，步骤101至步骤105可以利用待核查用户的接触用户识别设备中的控制单元实现，上述控制单元可以为特定用途集成电路(Application SpecificIntegrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器中的至少一种。
本申请实施例提供的技术方案中，由于信令数据可以通过同一供应商获取，且由于核查时段内的信令数据包括核查时段内所有用户的手机号码、区县身份识别号(Identity Document，ID)、经度、纬度、基站区域码、基站码和信令时间等数据，信息不仅全面而且比较准确，并不是根据来自不同供应商的出行数据和话单数据来确定与待核查用户存在接触的通信用户，因此，通过对信令数据进行分析来确定与待核查用户存在接触的通信用户的方法，不仅能够方便获取数据，且能够全面且准确地挖掘出与待核查用户存在接触的用户。
本申请实施例提供了另一种待核查用户的接触用户识别方法，该方法的实现流程包括：
步骤S201：获取待核查用户的标识信息。
步骤S202：根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据。
步骤S203：对所述第一信令数据进行分析，得到所述待核查用户的驻留时间段和对应的驻留基站；所述待核查用户在所述驻留时间段内与其他通信用户存在满足指定条件的关联关系。
这里，待核查用户的驻留时间段是根据待核查用户在第一核查时段内的基站驻留时间序列所确定的时间段。待核查用户在驻留时间段内与其他通信用户的生活环境存在满足指定条件的关联关系。
可以理解的是，指定条件包括以下至少之一：第一子指定条件、第二子指定条件、第三子指定条件、第四子指定条件以及第五子指定条件，所述第一子指定条件为住所地相同；所述第二子指定条件为居住地相同；所述第三子指定条件为工作和/或生活园区相同、所述第四子指定条件为出行路上的交通枢纽相同；所述第五子指定条件为交通工具相同。
这里，住所地相同可以是指交往圈相同且住所地相同；居住地相同可以是值交往圈不同但居住地相同；其中，交往圈相同可以是指存在大于特定比例阈值的共同联系人；第三子指定条件还可以为其它集体性活动的区域；交通枢纽可以是汽车站、火车站等车站；交通工具可以是动车、大巴、火车、飞机等。
在一个示例中，可以通过特定场景表示满足指定条件的关联关系；通过第一场景至第五场景表示满足第一子指定条件的关联关系至满足第五子指定条件的关联关系。
在一种可能的实施方式中，可以将待核查用户在第一核查时段内满足特定条件的时段确定为待核查用户的驻留时间段。例如，在需要核查其他通信用户是否与待核查用户为同住关系的情况下，待核查用户的驻留时间段可以是第一核查时段内待核查用户长时间处于同一基站的时间段，比如，可以是晚上8:00至第二天早上6:00。
在一些可能的实施方式中，对所述第一信令数据进行分析，得到所述待核查用户的驻留时间段和对应的驻留基站，包括：对第一信令数据进行分析，确定出第一核查时段内待核查用户的基站驻留时间序列，根据所述基站驻留时间序列，将满足特定条件的时段确定为待核查用户的驻留时间段，将基站驻留时间序列中驻留时间段对应的驻留基站确定为对应的驻留基站。
步骤S204：基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
在一些可能的实施方式中，基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户，可以是根据所述待核查用户的驻留时间段和对应的驻留基站，查找与所述待核查用户的驻留时间段和对应的驻留基站同时存在交集的通信用户，将查找到的通信用户确定为目标通信用户。
步骤S205：根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据。
步骤S206：根据所述第一信令数据和所述第二信令数据，确定所述待核查用户与每一所述目标通信用户间的时空相似性；所述时空相似性用于表征所述待核查用户和每一所述目标通信用户间在所经过的基站、进入对应基站的起始时间和结束时间上的相似性。
这里，待核查用户与每一所述目标通信用户间的时空相似性为表示待核查用户与每一所述目标通信用户间的接触深度的指标，是根据待核查用户与每一所述目标通信用户所经过的基站、切入对应基站的起始时间和结束时间所确定的。
在一些可能的实施方式中，步骤S206包括：根据所述第一信令数据和所述第二信令数据，确定驻留时段内待核查用户与每一目标通信用户的基站驻留时间序列，对驻留时段内待核查用户与每一目标通信用户的基站驻留时间序列进行分析，确定待核查用户与每一目标通信用户间的时空相似性。
步骤S207：根据所述时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户。
在一些可能的实施方式中，步骤S207包括：根据待核查用户与每一目标通信用户间的时空相似性，将时空相似性满足时空相似性预设条件的目标通信用户，确定为待核查用户的接触用户。
在本申请实施例中，由于确定目标通信用户的方式是基于驻留时间段内的信令数据所获得的，不需要根据第一核查时段内的信令数据确定目标通信用户，且是根据待核查用户与每一目标通信用户间的时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户的，因此，确定的待核查用户的接触用户更准确。
本申请实施例又提供了一种待核查用户的接触用户识别方法，该实现的实现流程包括：
步骤S301：获取待核查用户的标识信息。
步骤S302：根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据。
步骤S303：根据所述第一信令数据，从所述第一核查时段中确定与每一所述子指定条件对应的目标核查时段。
在一个示例中，与每一所述子指定条件对应的目标核查时段可以是根据每一子指定条件的类型所确定的与每一所述子指定条件对应的待核查的时间段。例如，对于子指定条件为第一子指定条件的情况，目标核查时段可以是晚上的20:00至第二天的早上6:00；对于子指定条件为第三子指定条件的情况，目标核查时段可以是早上6:00至晚上20:00。
在一些可能的实施方式中，根据所述第一信令数据，从所述第一核查时段中确定与每一所述子指定条件对应的目标核查时段，可以是根据子指定条件与目标核查时段的对应关系，从所述第一核查时段中确定与每一子指定条件对应的目标核查时段。
步骤S304：对每一所述子指定条件对应的目标核查时段内所述待核查用户的信令数据进行分析，得到所述待核查用户在与所述子指定条件对应的目标核查时段内的基站切换率。
这里，基站切换率表示当前周期相对上一周期经过的基站集合中新增加的基站个数，在当前周期内经过的基站集合的基站总个数中的占比。可以理解的是，待核查用户的基站切换率可以用于表示待核查用户的运动状态，当待核查用户的基站切换率较小，且小于预设基站切换率最小阈值时，表示待核查用户处于静止状态，当待核查用户的基站切换率较大，且大于预设基站切换率最大阈值时，表示待核查用户处于高速运动状态。
对每一所述子指定条件对应的目标核查时段内的信令数据进行分析，得到所述待核查用户在与所述子指定条件对应的所述目标核查时段内的基站切换率的实现方式，示例性地，可以是获取待核查用户在每一所述子指定条件对应的目标核查时段内的信令数据，对待核查用户在每一所述子指定条件对应的目标核查时段内每一预设周期的信令数据进行分析，获得待核查用户在每一预设周期的基站驻留时间序列，即，获得待核查用户在对应预设周期的基站数量集合，根据待核查用户在对应预设周期的基站数量集合，确定待核查用户在每一预设周期的基站切换率，将待核查用户在目标核查时段内每一预设周期的基站切换率，确定为待核查用户在所述目标核查时段中的基站切换率。
步骤S305：根据在每一所述子指定条件对应的目标核查时段内的基站切换率，确定所述待核查用户的驻留时间段和对应的驻留基站。
这里，待核查用户的驻留时间段可以与目标核查时段相同，也可以是目标核查时段的一部分。驻留基站是指待核查用户在驻留时间段内所处的基站。
在一些可能的实施方式中，步骤S305包括：将目标核查时段中的基站切换率满足预设基站切换率条件的多个周期所组成的时段，确定为待核查用户的驻留时间段。这里，预设基站切换率条件是根据每一子指定条件来确定的，不同的子指定条件，可以对应相同的预设基站切换率条件，也可以对应不同的预设基站切换率条件。
例如，在指定条件为第一子指定条件的情况下，预设的基站切换率条件可以是基站切换率小于50％，对应地，确定的待核查用户的驻留时间段，可以是晚上20:00至第二天早上6:00。
步骤S306：基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户的实现方式，示例性地，可以是确定在所述驻留时间段内在对应驻留基站内出现过的其他通信用户，将出现过的其他通信用户确定为目标通信用户。
步骤S307：根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据。
步骤S308：根据第一信令数据和所述第二信令数据，确定所述驻留时间段内所述待核查用户与每一所述目标通信用户间的基站相似性、空间相似性和时间相似性。
这里，待核查用户与每一所述目标通信用户间的基站相似性、空间相似性和时间相似性，分别表示待核查用户与每一目标通信用户间基站接近程度、空间距离接近程度以及时间接近程度的指标。
在一些可能的实施方式中，步骤S308包括：根据第一信令数据和所述第二信令数据，确定驻留时间段内待核查用户与每一目标通信用户的基站驻留时间序列，通过对所述基站驻留时间序列进行分析，确定驻留时间段内待核查用户与每一目标通信用户间的基站相似性、空间相似性和时间相似性。
步骤S309：将每一所述空间相似性与对应的所述时间相似性之和确定为和相似性。
在一些可能的实施方式中，步骤S309包括：将每一所述空间相似性与对应的时间相似性相加，得到相加结果，将相加结果确定为对应的和相似性。
步骤S310：将对应的所述基站相似性与所述和相似性之积确定为待核查用户与对应的所述目标通信用户间的时空相似性。
在一些可能的实施方式中，步骤S310包括：将对应的所述基站相似性与所述和相似性相乘，得到相乘结果，将相乘结果确定为待核查用户与对应的目标通信用户间的时空相似性。
步骤S311：获取所述待核查用户的标识信息对应的第二核查时段内的话单数据。
这里，话单数据至少包括：主叫手机号、被叫手机号、通话开始时间和通话时长。第二核查时段可以是根据待核查用户的表示信息所确定的时间段，第二核查时段的时长可以大于第一核查时段的时长。例如，在第一核查时段为14天的情况下，第二核查时段可以为一个月。
在一种实施方式中，步骤S311包括：根据待核查用户的标识信息确定第二核查时段，获取第二核查时段内的话单数据。
在一些可能的实施方式中，根据待核查用户的标识信息确定第二核查时段包括：根据待核查用户确定感染某病毒的日期以及该病毒的潜伏期确定核查时段。例如，病毒1的潜伏期为14天，确认待核查用户感染病毒1的日期为2020年4月20日，则确定的第二核查时段为2020年3月21日至2020年4月20日。
步骤S312：对所述话单数据进行分析，得到所述待核查用户与每一所述目标通信用户间的交往圈系数；所述交往圈系数用于表征所述待核查用户与每一所述目标通信用户存在社交关系的概率值；
这里，待核查用户与每一所述目标通信用户间的交往圈系数也可以是表示用于待核查用户与每一所述目标通信用户间的交往圈接近程度的任一指标。
在一种实施方式中，步骤S312包括：获取第二核查时段内待核查用户与每一目标通信用户的换单数据，根据第二核查时段内待核查用户与每一目标通信用户的换单数据，确定所述待核查用户与每一所述目标通信用户间的交往圈系数。
步骤S313：根据所述时空相似性和所述交往圈系数，从所述目标通信用户中确定出所述待核查用户的接触用户。
在一种实施方式中，步骤S313包括：根据所述时空相似性和所述交往圈系数，将所述时空相似性满足预设时空相似性条件，且所述交往圈系数满足预设交往圈系数条件的目标通信用户确定为待核查用户的接触用户。这里，预设时空相似性条件和预设交往圈系数条件均是根据待核查用户的场景确定的。不同场景可以对应相同的预设时空相似性条件和预设交往圈系数条件，也可以对应不同的预设时空相似性条件和预设交往圈系数条件。
在本申请实施例中，对于特定场景可以根据对应目标核查时段内的基站切换率，确定待核查用户的驻留时间段和驻留基站，进而确定出目标通信用户；然后，通过驻留时间段内待核查用户与目标通信用户间的时空相似性和第二核查时段内待核查用户与目标通信用户间的交往圈系数，确定待核查用户的接触用户。因此，可以准确确定出特定场景下的目标通信用户，同时在确定待核查用户的接触用户时，不仅考虑时空相似性，还考虑了交往圈系数，因此，可以更全面更准确地确定待核查用户的接触用户。
本申请实施例再提供了一种待核查用户的接触用户识别方法，该方法的实现流程包括：
步骤S401：获取待核查用户的标识信息。
步骤S402：根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据。
步骤S403：在所述指定条件包括所述第一子指定条件和所述第二子指定条件的情况下，将所述第一核查时段中的非工作时段确定为所述第一子指定条件和所述第二子指定条件对应的目标核查时段。
这里，第一子指定条件和第二子指定条件对应的目标核查时段可以是根据第一子指定条件和第二子指定条件的特点所确定的非工作时段。例如，非工作时段可以是晚上20:00至第二天早上6:00。
步骤S404：在所述指定条件为所述第三子指定条件的情况下，将所述第一核查时段中的工作时段确定为所述第三子指定条件对应的目标核查时段。
这里，第三子指定条件对应的目标核查时段是根据第三子指定条件的特点所确定的工作时段。例如，工作时段可以是早上6:00至晚上20:00。
步骤S405：在所述指定条件为所述第四子指定条件的情况下，将所述第一核查时段中所述待核查用户在各交通枢纽的驻留时段确定为所述第四子指定条件对应的目标核查时段；
这里，所述第一核查时段中所述待核查用户在各交通枢纽的驻留时段可以包括待核查用户在每一交通枢纽基站的开始时间和结束时间。例如，对于交通枢纽基站1至10，包括在交通枢纽基站1的开始时间20:00以及交通枢纽基站1的结束时间20:20。
步骤S406：在所述指定条件为所述第五子指定条件的情况下，将第一核查时段确定为所述第五子指定条件对应的目标核查时段。
步骤S407：基于第一预设时长将每一所述子指定条件对应的目标核查时段划分为N个周期；N为大于1的整数。
这里，第一预设时长表示预设的时间周期，用户可以根据需要设置预设时间，例如，第一预设时长可以是一小时或2小时。
在一些可能的实施方式中，所述N个周期分别为第一周期至第N周期。
步骤S408：对所述N个周期内的信令数据进行分析，得到所述N个周期内每一周期的基站切换率。
可以理解的是，所述第N个周期的基站切换频率为所述第N周期相对第N-1周期经过的基站集合中新增加的基站个数，在所述第N个周期内经过的基站集合的基站总个数中的占比。
在一个示例中，步骤S408包括：对所述N个周期内的信令数据进行分析，得到N个周期内每一周期所经过的基站集合，根据所述基站结合确定述N个周期内每一周期的基站切换率。
步骤S409：将所述N个周期中每一周期的基站切换率组成的基站切换率集合确定为每一所述子指定条件对应的目标核查时段内的基站切换率。
可以理解的是，所述N个周期中每一周期的基站切换率组成的基站切换率集合中包括N个基站切换率。
步骤S410：在所述指定条件为所述第一子指定条件、所述第二子指定条件、所述第三子指定条件、所述第四子指定条件中任一子指定条件的情况下，将对应的所述子指定条件对应的目标核查时段内的基站切换率满足第一预设条件的多个周期组成的时间段，确定为所述待核查用户的驻留时间段。
这里，第一预设条件可以是基站切换率在第一数值范围内。例如，第一预设条件可以是基站切换率在0至50％的范围内。
在一种可能的实施方式中，步骤S410包括：在所述指定条件为所述第一子指定条件至所述第四子指定条件中任一子指定条件的情况下，将对应的所述子指定条件对应的目标核查时段的基站切换率中基站切换率小于第一频率阈值的多个周期组成的时间段，确定为所述特定场景下所述待核查用户的驻留时间段。这里，第一频率阈值可以是50％。
步骤S411：在所述指定条件为所述第五子指定条件的情况下，根据所述第五子指定条件对应的目标核查时段内的基站切换率，从所述第五子指定条件对应的目标核查时段中确定出基站切换率满足第二预设条件的至少一个周期；根据所述至少一个周期中的每一周期，确定所述待核查用户的驻留时间段；将所述待核查用户在驻留时间段内所处的基站，确定为对应的驻留基站。
这里，第二预设条件可以是基站切换率在第二数值范围内。例如，第二预设条件可以是基站切换率在75％至100％的范围内。
在一些可能的实施方式中，步骤S411包括：将每一所述周期的预设范围内的时段，确定为特定场景下所述待核查用户的驻留时间段。
在一种可能的实施方式中，步骤S411包括：根据在第五子指定条件对应的目标核查时段中的基站切换率，从所述目标核查时段中确定出基站切换率大于第二频率阈值的至少一个周期。这里，第二频率阈值可以是75％。
在一个示例中，根据所述至少一个周期中的每一周期，确定所述特定场景下所述待核查用户的驻留时间段，可以是确定所述至少一个周期中每一周期的切入基站时间；将所述切入基站时间的第二预设时间范围内的时间段，确定为所述特定场景下所述待核查用户的驻留时间段。
这里，所述切入基站时间的第二预设时间范围可以是以切入基站时间为中心，以第二预设时间为半径所确定的时间范围。例如，在切入基站时间为8点10分20秒，且预设时长为10秒(S)的情况下，切入基站时间的第二预设时间范围为8点10分10秒至8点10分30秒。
步骤S412：基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
在一种可能的实施方式中，基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户，可以是基于所述待核查用户的驻留时间段和对应的驻留基站，将在所述驻留时间内且在所述驻留基站出现过的通信用户，确定为所述目标通信用户。
步骤S413：根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据。
步骤S414：根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。
本申请实施例中，确定每一场景对应的目标核查时段，获取待核查用户在目标核查时段中每一周期的基站切换率，根据目标核查时段中每一周期的基站切换率，确定不同子指定条件下的驻留时间段，因此，可以针对待核查用户在不同指定条件下确定对应的驻留时间段，确定的驻留时间段更准确。
本申请实施例提供的还一种待核查用户的接触用户识别方法，该方法的实现流程包括：
步骤S501：获取待核查用户的标识信息。
步骤S502：根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据。
步骤S503：对所述第一信令数据进行分析，得到所述待核查用户的驻留时间段和对应的驻留基站。
步骤S504：基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
步骤S505：根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据。
步骤S506：根据所述第一信令数据和所述第二信令数据，分别获取所述待核查用户在所述驻留时间段内所经过的基站集合和每一所述目标通信用户在所述驻留时间段内所经过的基站集合。
在一些可能的实施方式中，步骤S506包括：根据第一信令数据和所述第二信令数据，分别获取待核查用户在驻留时间段内的基站驻留时间序列和每一目标通信用户在驻留时间段内的基站驻留时间序列，根据待核查用户在驻留时间段内的基站驻留时间序列和每一目标通信用户在驻留时间段内的基站驻留时间序列，分别确定待核查用户和每一目标通信用户在驻留时间段内所经过的基站集合。
步骤S507：根据所述基站集合，获取所述待核查用户与每一所述目标通信用户共同经过的基站个数和所述待核查用户与每一所述目标通信用户经过的基站总个数。
这里，待核查用户与每一目标通信用户共同经过的基站个数表示待核查用户与对应目标通信用户所经过的基站集合的交集中所包括的基站个数。
在一个示例中，待核查用户与每一目标通信用户经过的基站总个数表示待核查用户与对应目标通信用户所经过的基站集合的并集中所包括的基站个数。例如，待核查用户经过的基站分别为基站1、基站2、基站3和基站4；目标通信用户包括目标通信用户1和2，且目标通信用户1经过的基站分别为基站2、基站4、基站6和基站8；目标通信用户2经过的基站分别为基站1、基站5、基站10和基站11，则待核查用户与目标通信用户1经过的基站总个数为6，待核查用户与目标通信用户2经过的基站总个数为7。
步骤S508：将每一所述共同经过的基站个数与对应经过的所述基站总个数的比值，确定为所述待核查用户与对应目标通信用户间的基站相似性。
步骤S509：根据所述第一信令数据和所述第二信令数据，分别确定所述驻留时间段内所述待核查用户的平均基站距离和每一所述目标通信用户的平均基站距离。
在一些可能的实施方式中，步骤S509包括：基于所述第一信令数据和所述第二信令数据，分别获取所述待核查用户在所述驻留时间段内的基站驻留时间序列和每一所述目标通信用户在所述驻留时间段内的基站驻留时间序列；根据所述基站驻留时间序列，分别确定所述待核查用户的基站切换次数、首个基站、最后一个基站、每一所述目标通信用户的基站切换次数、首个基站和最后一个基站；将所述待核查用户的首个基站和所述最后一个基站的距离确定为所述待核查用户的基站距离；将每一所述目标通信用户的首个基站和所述最后一个基站的距离确定为对应目标通信用户的基站距离；将所述待核查用户的基站距离与对应的基站切换次数的比值，确定为待核查用户的平均基站距离；将每一所述目标通信用户的基站距离与对应的基站切换次数的比值，确定为对应目标通信用户的平均基站距离。
步骤S510：根据所述平均基站距离，确定待核查用户的平均基站距离与任一所述目标通信用户的平均基站距离中的基站距离最大值和基站距离最小值。
在一个示例中，步骤S510可以是根据待核查用户和任一目标通信用户1的平均基站距离，确定待核查用户的平均基站距离与目标通信用户1的平均基站距离中的基站距离最大值和基站距离最小值。当待核查用户的平均基站距离大于目标通信用户1的平均基站距离时，确定待核查用户的平均基站距离为基站距离最大值，确定目标通信用户1的平均基站距离最小值。
步骤S511：将每一所述基站距离最小值与对应的所述基站距离最大值的比值，确定为所述待核查用户与对应目标通信用户间的空间相似性。
这里，待核查用户与对应目标通信用户间的空间相似性为小于1的数，且待核查用户的平均基站距离与对应目标通信用户的基站距离越接近，所述空间相似性越大。
步骤S512：根据所述第一信令数据和所述第二信令数据，确定所述驻留时间段内每一所述目标通信用户在对应基站驻留的时间长度。
在一些可能的实施方式中，步骤S512包括：根据所所述第一信令数据和所述第二信令数据，获取所述驻留时间段内每一所述目标通信用户的信令数据；根据所述驻留时间段内每一所述目标通信用户的信令数据，获取每一所述目标通信用户的基站驻留时间序列，根据每一所述目标通信用户的基站驻留时间序列，确定驻留时间段内每一目标通信用户在对应基站驻留的时间长度。例如，待核查用户的驻留时间段为8:00至12:00，驻留基站为基站1，且目标通信用户包括目标通信用户1至目标通信用户3，目标通信用户1至目标通信用户3在8:00至12:00驻留在基站1的时间段分别为8:30至9:00、8:30至11:00以及9:00至12：00，即，目标通信用户1至目标通信用户3在基站1的时间长度分别为30分钟、150分钟和180分钟。
步骤S513：将所述在同一基站驻留的时间长度与对应的驻留时间段的时间长度的比值，确定为所述待核查用户与对应目标通信用户间的时间相似性。
步骤S514：将每一所述空间相似性与对应的所述时间相似性之和确定为和相似性。
步骤S515：将对应的所述基站相似性与所述和相似性之积确定为待核查用户与对应的所述目标通信用户间的时空相似性。
步骤S516：获取所述标识信息对应的第二核查时段内的话单数据。
步骤S517：根据所述话单数据，确定所述待核查用户与每一所述目标通信用户的共同好友个数、总好友个数以及直接通话次数。
这里，共同好友个数为待核查用户与对应目标通信用户的好友集的交集中包括的好友个数；总好友个数为待核查用户与对应目标通信用户的好友集的并集中包括的好友个数。
步骤S518：将所述共同好友个数与所述直接通话次数之和，确定为所述待核查用户与对应目标通信用户的共同交往圈系数。
步骤S519：将所述总好友个数与所述直接通话次数之和，确定为所述待核查用户与对应目标通信用户的最大交往圈系数。
步骤S520：将所述共同交往圈系数与所述最大交往圈系数的比值，确定为所述待核查用户与对应目标通信用户间的交往圈系数。
步骤S521：根据所述时空相似性和所述交往圈系数，从所述目标通信用户中确定出所述待核查用户的接触用户。
在本申请实施中，获取在驻留时间段内待核查用户与每一目标通信用户的基站相似性、空间相似性和时间相似性，并根据所述基站相似性、空间相似性和时间相似性确定对应的时空相似性，获得的时空相似性更能体现待核查用户与每一目标通信用户在基站、空间和时间上的接触程度，更全面；同时，根据话单数据确定的交往圈系数从另一角度体现了待核查用户与每一目标通信用户之间的接触程度；因此，根据空间相似性和交往圈系数所确定的待核查用户的接触用户，更准确更全面。
在一种可能的实施方式中，在指定条件中包括第一子指定条件和第二子指定条件的情况下，根据所述时空相似性和所述交往圈系数，从所述目标通信用户中确定出所述待核查用户的接触用户；在指定条件包括第三子指定条件至第五子指定条件的情况下，根据所述时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户。
本申请实施例中，在指定条件包括第一子指定条件和第二子指定条件的情况下，通过时空相似性和交往圈系数，确定待核查用户的接触用户；在指定条件包括第三子指定条件至第五子指定条件的情况下，根据时空相似性确定待核查用户的接触用户，由于对于不同的子指定条件，根据是根据不同的子指定条件的特点所使用的确定待核查用户的接触用户的方式，因此，确定待核查用户的接触用户的方式更符合实际场景需求。
在一种可能的实施方式中，在所述第一场景下，将所述时空相似性大于第一相似性阈值，且所述交往圈系数大于第一交往圈系数阈值的目标通信用户，确定为所述待核查用户的接触用户。
这里，第一相似性阈值可以是75％或大于75％小于等于100％的任一值；第一交往圈系数阈值可以是50％或大于50％小于等于100％的任一值。
在一种可能的实施方式中，在指定条件为第二子指定条件的情况下，将所述时空相似性大于第二相似性阈值，且所述交往圈系数小于第二交往圈系数阈值的目标通信用户，确定为所述待核查用户的接触用户。
这里，第二相似性阈值可以是66％或大于66％小于等于100％的任一值；第二交往圈系数阈值可以是5％或小于5％大于等于0的任一值。
在一种可能的实施方式中，在指定条件为第三子指定条件的情况下，将所述时空相似性大于第三相似性阈值的目标通信用户，确定为所述待核查用户的接触用户。
这里，第三相似性阈值可以是50％或大于50％小于等于100％的任一值。
在一种可能的实施方式中，在指定条件为第四子指定条件的情况下，将所述时空相似性大于第四相似性阈值的目标通信用户，确定为所述待核查用户的接触用户。
这里，第四相似性阈值可以是80％或大于80％小于等于100％的任一值。
在一种可能的实施方式中，在所述第五场景下，将所述时空相似性大于第五相似性阈值的目标通信用户，确定为所述待核查用户的接触用户。
这里，第五相似性阈值可以是60％或大于60％小于等于100％的任一值。
在本申请实施例中，由于对于不同的指定条件，所设置的相似性阈值和交往圈系数阈值是根据场景特点所确定的，因此，确定待核查用户的接触用户的方式更准确，更能符合实际生活场景的需求。
本申请实施例另提供了一种待核查用户的接触用户识别方法，该方法实现流程包括：
步骤S601：获取待核查用户的标识信息。
步骤S602：根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据。
步骤S603：根据所述第一信令数据，从所述第一核查时段中确定与每一所述子指定条件对应的目标核查时段。
步骤S604：对对每一所述子指定条件对应的目标核查时段内所述待核查用户的信令数据进行分析，得到所述待核查用户在与所述子指定条件对应的目标核查时段内的基站切换率。
步骤S605：根据在每一所述子指定条件对应的目标核查时段内的基站切换率，确定所述待核查用户的驻留时间段和对应的驻留基站。
步骤S606：基于所述待核查用户的驻留时间段和所述对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
步骤S607：根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据。
步骤S608：根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。
步骤S609：在确定所述待核查用户与所述接触用户存在满足所述指定条件中子指定条件的情况下，从所述第一核查时段中确定出在满足所述子指定条件下的所述待核查用户与所述接触用户的接触日期。
这里，接触日期可以是根据所述接触用户的驻留时间段开始时间所处的日期。例如，接触用户的驻留时间段为2020年8月20日晚上20：00至2020年8月21日早上6:00，则对应的接触日期为2020年8月20日。
步骤S610：获取每一所述接触日期内所述待核查用户与所述接触用户之间的时空相似性和交往圈系数。
这里，每一所述接触日期内所述特定场景下所述待核查用户与对应所述接触用户间的时空相似性和交往圈系数，可以是每一驻留时间段内所述待核查用户与所述接触用户间的时空相似性和交往圈系数。
步骤S611：获取所述每一所述接触日期对应的时间衰减系数值；所述时间衰减系数值与所述接触日期距离所述核查时段的结束日期的天数成反比。
在一个示例中，时间衰减系数为所述接触日期距离所述核查时段的结束日期的天数加1后的倒数。
步骤S612：根据所述时间衰减系数值、所述时空相似性和所述交往圈系数，确定所述接触用户接触所述待核查用户存在的第一接触风险系数。
在一些可能的实施方式中，步骤S612包括：在指定条件为第一子指定条件、第三子指定条件、第四子指定条件和第五子指定条件时，将每一所述接触日期内所述待核查用户与对应的所述接触用户间的时空相似性、交往圈系数和时间衰减系数的乘积，确定为对应子指定条件下对应接触日期内对应的接触用户接触所述待核查用户存在的第一接触风险系数；在指定条件为第二子指定条件时，将每一所述接触日期内所述待核查用户与对应的接触用户间的时空相似性、无关系数和所述时间衰减系数的乘积，确定为对应接触日期内对应的接触用户接触所述待核查用户存在的第一接触风险系数；所述无关系数表示1与所述交往圈系数的差值；将每一所述接触日期内对应接触用户的接触系数之和，确定为对应接触用户的接触系数。
步骤S613：根据所述第一接触风险系数，确定对所述接触用户的第一处理措施；所述第一处理措施至少包括观察所述接触用户的身体健康状态。
这里，第一处理措施还可以是根据对应的子指定条件的具体情况进行分析，对接触系数高，例如，接触系数大于60％的接触用户采取一种处理措施，对接触系数低，例如，小于50％的接触用户进行另一种处理措施。这里，具体处理措施的类型至少包括：隔离、预警和进行具体行踪排查。
步骤S614：对所述接触用户接触所述待核查用户存在的第一接触风险系数进行加权求和，得到所述接触用户接触所述待核查用户存在的第二接触风险系数。
在一些可能的实施方式中，步骤S614包括：分别确定第一子指定条件至第五子指定条件的加权系数和接触用户接触待核查用户存在的第一接触风险系数；分别将第一子指定条件至第五子指定条件中每一子指定条件对应的加权系数和对应的接触系数相乘，得到每一子指定条件对应的加权接触风险系数；将所述加权接触风险系数之和确定为每一所述接触用户的第二接触风险系数。
步骤S615：根据所述第二接触风险系数，确定对所述触用户的第二处理措施；所述第二处理措施至少包括观察所述接触用户的身体健康状态。
这里，第二处理措施还可以是直接对第二接触风险系数高，例如，综合接触系数大于50％的接触用户采取一种处理措施，对综合接触系数低，例如，小于50％的接触用户进行另一种处理措施。这里，具体处理措施的类型至少包括：隔离、预警和进行具体行踪排查。
本申请实施例中，通过接触用户在特定场景下的接触系数可以对待核查用户的接触用户在特定场景下与待核查用户的接触程度或概率进行评价，从而，可以根据特定场景的具体特点以及接触系数，确定对应的处理措施，更符合实际需求；通过综合接触系数可以对每一接触用户和待核查用户的接触程度进行总体评价，从而，可以根据综合接触系数，确定对应的处理措施，更符合实际需求；针对场景的特点，针对不同场景采用不同确定对应接触用户的接触系数的方法，更符合实际场景需求。
图2为本申请实施例提供的一待核查用户的接触用户识别装置的组成结构图，如图2所示，所述装置包括9大模块，即，种子用户获取模块201、通信数据获取模块202、紧密度分析模块203、同住密接识别模块204、居住地密接识别模块205、园区密接识别模块206、交通枢纽密接识别模块207、同行密接识别模块208和密接综合输出模块209。
其中，种子用户获取模块201用于接收确诊人员信息；通信数据获取模块202用于根据需要获取信令数据和话单数据；紧密度分析模块203用于计算用户基站切换率、用户间的时空相似性、用户间交往圈系数等指标，以支撑后续各种场景下的密接识别；同住密接识别模块204，主要用于同住密接人员的识别；居住地密接识别模块205，主要用于识别在同一居住地，但不同住的密接人员识别；园区密接识别模块206，主要用于识别活动在同一园区的密接人员；交通枢纽密接识别模块207，主要用于识别在同一交通枢纽发生密接的人员；同行密接识别模块208，主要用于发现与确诊人员同行一定距离的人员。密接综合输出模块209，主要用于汇总前面各密接识别模块的结果，计算每个密接人员的综合密接系数以及打上密接类型的标签，作为最终输出。
在一种可能的实施方式中，种子用户获取模块201的主要功能是获取确诊人员的通信关键信息，包括但不限于种子用户手机号、确诊时间，具体参见表1：
序号 字段名称 中文字段
1 msisdn 手机号
2 seedTime 种子用户确诊时间，格式为yyyyMMdd
表1
其中，手机号为种子用户的通信标识，用于定位用户主体；种子用户确诊时间为种子用户确诊为感染者的日期。
在一种可能的实施方式中，通信数据获取模块202，主要用于获取信令数据和话单数据，作为后续分析的基础，主要包括信令数据获取子模块2021和话单数据获取子模块2022。
其中，信令数据获取子模块2021用于获取全网用户(包括种子用户)信令数据。该子模块提取种子用户确诊前T1天至确诊当天的信令数据，例如，根据病毒的潜伏期，将T1设定为14天。
信令数据的信息包括但不限于用户手机号码、区县ID、经度、纬度、基站区域码、基站码和信令时间，具体参见表2：
序号 字段名称 中文字段
1 msisdn 手机号
2 localCity 区县ID
3 lng 经度
4 lat 纬度
5 lacid 基站区域码
6 cellid 基站码
7 timestamp 信令时间
表2
话单数据获取子模块2022，用于获取全网用户(包括种子用户的)话单数据。由于话单数据只在通话时产生，数据量相对信令数据小，并且该数据用于支撑后续交往圈的计算，所以话单数据取确诊前T2天至确诊当天的全网数据。其中T2根据需要设定为阀值，并且T2的时间范围应大于T1，例如，将T2设定为30天。话单数据子模块的关键字段包括：主叫手机号、被叫手机号、通话开始时间、通话时长，具体参见表3：
表3
在一种可能的实施方式中，紧密度分析模块203主要用于提供密接识别过程的相似性度量指标计算功能，包括基于信令数据计算基站切换率、时空相似性，基于话单数据计算交往圈系数两个子功能。
图3为本申请实施例提供的紧密度分析模块的组成结构示意图，如图3所示，紧密度分析模块203包括信令数据话单数据单元2030、基站切换率指标pi单元2031、时空相似性指标rij单元2032、交往圈系数单元2033、基站相似性单元2034、空间相似性单元2035和时间相似性单元2036。
其中，基站切换率指标pi单元2031用于计算单个用户的基站切换率指标。该指标体现同一用户，在连续两个时间周期(如1小时)内进行基站切换的概率。这里，时间周期可以根据需求进行具体设定，同住密接识别模块、居住地密接识别模块、园区密接识别模块、交通枢纽密接识别模块和同行密接识别模块中计算基站切换率的时间周期可以为同一周期，也可以根据需求设置不同的周期。一段时间内包括N个时间周期，则对应N个基站切换率。具体实现时，获取用户在每个周期内的基站集合，第k个周期的基站切换率参见公式(1)：
其中，k表示当前周期，k-1时刻表示上一周期，Sk表示第k个周期内的基站集合，Sk-1表示在第k-1个周期内的基站集合，Pk表示为当前周期相对上一周期新增经过的基站集合中基站的个数，在当前周期经过基站集合中基站的总个数中的占比。基站切换率pk越大，表示用户位置越有可能处于高速运动状态；pk为0时，表示用户在一个较小的区域内活动。
时空相似性指标rij单元2032用于计算两个不同用于之间的时空相似性指标rij。
该指标用于度量在一段时间内(例如，一天)，两个不同用户经过基站序列相似性，由基站相似性、空间相似性和时间相似性综合计算得到。
基站相似性单元2034用于进行两个用户所经过基站的相似性度量。具体地参见公式(2)：
Su1表示用户1在该时间段内经过的基站集合；Su2表示用户2在该时间段内经过的基站集合。基站相似性越大，则两个用户经过的基站越相似，当两个用户经过的基站完全一致时，该指标取值为1。
空间相似性单元2035，用于基于用户经过基站的经纬度信息度量两个用户信令轨迹的空间相似性。具体地，分别针对两个用户信令序列，用户信令序列为按照时间顺序排列的用户所经过的基站(一段时间内的用户信令序列不考虑基站的顺序的情况下，可以得到一段时间内的基站集合)，确定两个序列中每一序列的首尾两个基站的距离及基站切换次数(如果同一用户在两个基站间频繁切换，则视为乒乓效应，不视为有效切换)，计算两个序列的平均基站距离，参见公式(3)；
其中，n为基站切换次数，Celllast和Cellfirst分别表示一段时间内其中一个用户的首个基站和最后一个基站，dist(Celllast，Cellfirst)表示求取Celllast和Cellfirst之间的距离，表示其中一个用户的平均基站距离。/>
其中，公式(4)中，表示用户1的信令序列的平均基站距离；/>表示用户2的信令序列的平均基站距离；/>表示获取/>和/>中的最小值；/>表示获取/>和中的最大值；即空间相似性为两个用户信令序列中基站距离分布的相似性。
时间相似性单元2036，用于基于两个用户同时出现在相同基站的时间分布，度量其信令序列在时间上的相似性。参见公式(5)；
其中，time(S1∩S2)表示两个用户在同一基站驻留时间交集的时间长度，例如用户1于20200123120000进入基站A，20200123130000离开基站A，用户2于2020012312300000进入基站A，2020012312450000离开基站A，则在基站A的此次驻留时间交集时长为15分钟。如果在一段时间段内(一天内)存在多个驻留时间交集，则可累计。T代表分析的总时长，例如，分析一天内的时间相似性时，T取1440分钟。
最后，综合基站相似性、空间相似性、时间相似性，得到用户i和用户j的时空相似性综合指标，参见公式(6)：
交往圈系数单元2033主要基于话单数据，计算两个用户存在社交关系的可能性。用户i和用户j的交往圈系数，参见公式(7)：
其中，Si为用户i的好友集，Sj为用户j的好友集，|Si∩Sj|为用户i和用户j的共同好友个数，|Si∪Sj|为两个用户的好友并集个数，Numij为两个用户直接通话次数。通过公式(7)可知，当两个用户的好友圈越相近，且通话越频繁时，其交往圈系数越大。
在一些可能的实施方式中，同住密接识别模块204主要用于识别同住人员密接。同住人员的主要特点是非工作时间长时间在同一基站停留，且有相同的交往圈。基于同住人员的主要特征，构建同住密接识别模块204的主要流程参见图4(该流程的执行主体均是同住密接识别模块204)，如图4所示，该流程包括：
步骤401：获取信令数据。
步骤402：确定各用户在非工作时间的驻留基站及每次在各基站驻留时段。
这里，各用户为从运营商获取的所有用户，包括种子用户；非工作时间包括：工作日的20:00至次日的6:00、休息日的全天；驻留时段为开始时间和结束时间之间的时段。
步骤403：确定每一驻留时段内，种子用户的基站切换率。
利用紧密度第一分析模块计算种子用户(单个用户)在每一驻留时间段内的基站切换率；
步骤404：确定种子用户的夜间驻留时间和夜间驻留基站；
将基站切换率小于50％的多个周期，确定为种子用户的夜间驻留时间段。
步骤405：确定同驻用户。
查找在种子用户的夜间驻留时间段内在种子用户的夜间驻留基站出现过的所有普通用户，将查找到的所有普通用户确定为同驻用户；这里，任何用户只要在种子用户的夜间驻留时间段内在种子用户的夜间驻留基站出现过，都为同驻用户。
步骤406：确定每一同驻用户与种子用户的时空相似性指标r。
利用紧密度第一分析模块的公式(6)，确定一段时间(一天)内种子用户与每一同驻用户的时空相似性r。
步骤407：获取话单数据。
步骤408：开始种子用户与普通用户的交往圈挖掘。
步骤409：确定每一普通用户与种子用户之间的交往权系数q。
这里，步骤409包括：剔除物业、快递员、送餐电话等白名单号码的通话记录后，挖掘用户的交往圈，根据紧密度第一分析模块的公式(7)计算一段时间(一天)内，每一普通用户与种子用户之间的交往圈系数q。
步骤410：判断每一同驻用户与种子用户的时空相似性r是否大于R1且交往圈系数q是否大于Q1若是，进入步骤411；若否，不进行处理。
如果某同驻用户与种子用户在近T1天的非工作时间内，某一天的时空相似性大于阀值R1(例如R1取值75％)，且交往圈系数大于阀值Q1(例如Q1取值50％)，则认为当天存在同住关系。
步骤411：确定同驻用户为同住用户。
步骤412：确定T1天内同住用户的同住密接系数。
步骤412包括：确定同住用户与种子用户的同住天数和同住日期，根据确定的同住天数、同住日期，同住用户与种子用户的时空相似性和交往圈系数，计算T1天内每一同住用户的同住密接系数，参见公式(8)，
其中，为同住时间衰减系数，d1t为确诊日期与同住日期的时间差+1，rijt为用户i与种子用户j在第t天的时空相似性，qij为用户i与种子用户j之间的交往圈系数。由同住密接系数计算过程可知，同住时间距离确诊时间越远，则对同住密接系数影响越小，如果确诊当天发生密接，则其加权系数为1；同住天数越多，则相应的同住密接系数就越大。
在一种可能的实施方式中，居住地密接识别模块405主要用于识别相同居住地密接。相同居住地人员的主要特点是非工作时间长时间在同一个或几个基站下驻留，但与同住人员不同的是，他们生活中少有交集，即没有相同的交往圈。基于相同居住地人员的主要特征，构建居住地密接识别模块405的主要流程参见图5(该流程的执行主体均是居住地密接识别模块405)，如图5所示，该流程包括：
步骤501：获取信令数据。
步骤502：确定各用户在非工作时间的驻留基站及每次在各基站驻留时间段。
这里，各用户为从运营商获取的所有用户，包括种子用户；非工作时间包括：工作日的20:00至次日的6:00、休息日的全天；驻留时段为开始时间和结束时间之间的时段。
步骤503：确定每一驻留时段内，种子用户的基站切换率。
利用紧密度第一分析模块的公式(1)，计算种子用户在每一驻留时间段内的基站切换率，即，可以确定多个周期对应的多个基站切换率。
步骤504：确定种子用户的夜间驻留时间和夜间驻留基站。
将基站切换率小于50％的多个周期，确定为种子用户的夜间驻留时间段。
步骤505：确定同驻用户。
查找在种子用户的夜间驻留时间段内在种子用户的夜间驻留基站出现过的所有普通用户，将查找到的所有普通用户确定为同驻用户。
步骤506：确定每一同驻用户与种子用户的时空相似性指标r。
利用紧密度第一分析模块的公式(6)计算种子用户与每一同驻用户的时空相似性r。
步骤507：获取话单数据。
步骤508：开始种子用户与普通用户的交往圈挖掘。
步骤509：确定每一普通用户与种子用户之间的交往权系数q。
步骤509包括：剔除物业、快递员、送餐电话等白名单号码的通话记录后，挖掘用户的交往圈。根据紧密度第一分析模块的公式(7)计算每一普通用户与种子用户之间的交往圈系数q。
步骤510：判断每一同驻用户与种子用户的时空相似性r是否大于R2且交往圈系数q是否小于Q2，若是，进入步骤S1011；若否，不进行处理。
如果某普通用户与种子用户在近T1天的非工作时间内，某一天的时空相似性大于阀值R2(例如R1取值66％)，且交往圈系数小于阀值Q2(例如Q1取值5％)，则认为当天存在相同居住地的关系。
步骤511：确定同驻用户为同居住地用户。
步骤512：确定T1天内同居住地用户的居住地密接系数。
步骤512包括：确定同居住地用户与种子用户的同居住地天数和同居住地日期，根据确定的同居住地天数、同居住地日期、同居住地用户与种子用户的时空相似性和交往圈系数，计算每一相同居住地用户的居住地密接系数参见公式(9)，
其中，为同驻时间衰减系数，d2t为确诊日期与同住日期的时间差+1，rijt为用户i与用户j在第t天的时空相似性，qij为用户i与用户j之间的交往圈系数。由居住地密接系数计算过程可知，同居住地时间距离确诊时间越远，则对居住地密接系数影响越小；同居住地天数越多，则相应的居住地密接系数就越大。
在一些可能的实施方式中，园区密接识别模块206主要用于识别白天(6:00～20:00)在同一园区活跃的密接人员。园区密接的特点是多发生在白天，且园区的基站相对密集，用户在一个地方停留时，可能会发生基站切换。所以，在该模块，提出了基站群的概念，即将距离不超过2公里的基站，作为一个基站群来考虑。园区密接识别模块206的流程参见图6(该流程的执行主体均是园区密接识别模块206)，如图6所示，该流程包括：
步骤601：获取信令数据.
步骤602：提取各用户在每个基站下的驻留序列。
这里，提取各用户在每个基站下的驻留序列可以是获得各用户白天驻留的基站及时间段。
步骤603：确定种子基站群。
步骤603包括：从种子用户当天白天驻留超过2小时的基站出发，基于各个基站的经纬度数据，找到该基站2公里范围内的其他基站，与该基站一起，形成一个种子基站群(当种子用户在N个基站驻留超过2个小时时，可以形成N个种子基站和N个种子基站群；当存在基站A同时处于N个种子基站群中的至少两个种子基站群时，将基站A划分为距离至少两个种子基站群中对应的种子基站中最近的一个)。
步骤604：获得用户在每个种子基站群下的驻留序列。
将各用户在种子基站群中的驻留序列进行合并，得到用户在每个种子基站群下的驻留序列。
步骤605：确定每一驻留时段内，种子用户的基站切换率。
利用紧密度第一分析模块的公式(1)，计算种子用户白天在种子基站群的基站切换率。
步骤606：确定种子用户白天停留时间和白天停留基站。
将切换率小于50％的多个周期为种子用户白天停留时间。
步骤607：确定同驻用户。
查找在种子用户的白天停留时间段内在种子用户的白天停留基站出现过的所有普通用户，将查找到的所有普通用户确定为同驻用户。
步骤608：确定每一同驻用户与种子用户的时空相似性指标r。
利用紧密度第一分析模块的公式(6)，计算种子用户白天停留时间段内，每一同驻用户与种子用户之间的时空相似性r。
步骤609：判断每一同驻用户与种子用户之间的时空相似性r是否大于R3(例如R3取50％)，若是，进入步骤S1110；若否，不进行处理。
步骤610：确定同驻用户为同园区用户。
步骤611：获取话单数据。
步骤612：开始种子用户与普通用户的交往圈挖掘。
步骤613：确定每一普通用户与种子用户之间的交往权系数q。
计算用户之间的交往圈指标，输出种子用户ID、普通用户ID、交往圈系数等指标。其中，交往圈系数q的生成过程使用紧密度第一分析模块的公式(7)。
步骤614：确定T1天内同园区用户的园区密接系数。
步骤614包括：确定同园区用户与种子用户的同园区天数和同园区日期，根据确定的同园区天数、同园区日期、同园区用户与种子用户的时空相似性和交往圈系数，计算每一同园区密接人员的园区密接系数参见公式(10)，
其中为同驻时间衰减系数，d3t为确诊日期与同园区日期之差+1，rijt为用户i与用户j在第t天的时空相似性，qij为用户i与用户j之间的交往圈系数。由园区密接系数计算过程可知，同园区时间距离确诊时间越远，则对同住密接系数影响越小；同园区天数越多，则相应的系数就越大。另外，如果用户与种子用户存在交往圈，且其交往越直接，则认为其在园区接触的概率越大，则其相应的园区密接系数也越大。
在一些可能的实施方式中，交通枢纽密接识别模块207主要用于识别在火车站、汽车站、高速服务区、机场等交通枢纽同时发生的密接。这类密接的特点是发生在交通枢纽，次数相对较少，一次时间从半小时到几小时不等，多发生在陌生人间。交通枢纽密接识别模块207的主要分析流程参见图7(该流程的执行主体均是交通枢纽密接识别模块207)，如图7所示，该流程包括：
步骤701：获取信令数据。
步骤702：获取覆盖各个交通枢纽的基站ID。
从运营商获取覆盖各个交通枢纽的基站ID。
步骤703：获取各用户在交通枢纽基站下驻留的时间序列。
获取各用户(包括种子用户)在每个交通枢纽周边基站驻留的时间序列，即各用户在每个交通枢纽周边基站的最早停留时间和最后停留时间。
步骤704：确定种子用户在各交通枢纽基站的驻留时间段和驻留交通枢纽基站。
将各交通枢纽基站内基站切换率小于50％的多个周期，确定为种子用户在各交通枢纽基站内基站的驻留时间段。
步骤705：确定同驻用户。
查找种子用户的各交通枢纽基站的驻留时间段内在种子用户的各驻留交通枢纽基站出现过的所有普通用户，将查找到的所有普通用户确定为同驻用户。
步骤706：确定每一同驻用户与种子用户的时空相似性指标r。
利用紧密度第一分析模块中的公式(6)，计算种子用户枢纽基站驻留时段内，每一同驻用户与种子用户的时空相似性指标r。
步骤707：判断每一同驻用户与种子用户之间的空间相似性是否大于R4，若是，进入步骤708，若否，不进行处理。
基于空间相似性，判断他们是否构成交通枢纽密接如果某用户(在)与种子用户的空间相似性r>R4(例如R4取值80％)，则认为其构成交通枢纽密接。
步骤708：确定同驻用户为同交通枢纽用户。
步骤709：获取话单数据。
步骤710：开始种子用户与普通用户的交往圈挖掘。
步骤711：确定每一普通用户与种子用户之间的交往权系数q。
计算普通用户与种子用户之间的交往圈指标，输出种子用户ID、普通用户ID、交往圈系数等指标。其中，交往圈系数q的生成过程使用紧密度第一分析模块的公式(7)。
步骤712：确定T1天内同交通枢纽用户的园区密接系数。
步骤712包括：确定同交通枢纽用户与种子用户的同交通枢纽天数和同交通枢纽日期，根据确定的同交通枢纽天数、同交通枢纽日期、同交通枢纽用户与种子用户的时空相似性和交往圈系数，计算每一同交通枢纽人员的交通枢纽密接系数参见公式(11)，
其中，为同驻时间衰减系数，d4t为确诊日期与同交通枢纽日期之差+1，rijt为用户i与用户j在第t天的时空相似性，qij为用户i与用户j之间的交往圈系数。由交通枢纽密接系数计算过程可知，同交通枢纽时间距离确诊时间越远，则对交通枢纽密接系数影响越小。
在一些可能的实施方式中，同行密接识别模块208主要用于识别通过同一交通工具长距离同行的密接团体，该密接场景的特点有：同行一般在多人之间发生，基站切换速度较快，行进过程中基站序列重合概率高。根据该场景的特点，同行密接识别模块208的主要实现流程参见图8(该流程的执行主体均是同行密接识别模块208)，如图8所示，该流程包括：
步骤801：获取信令数据。
步骤802：计算每个用户切入各基站的时间序列。
这里，用户切入各基站的时间序列包括：用户ID，基站ID，切入基站时间。
步骤803：确定种子用户的切入基站时间序列。
步骤804：确定种子出行序列。
并根据紧密度第一分析模块中的公式(1)计算种子用户的切入基站时间序列中各时间段内的基站切换率。当基站切换的频率大于75％时，形成种子出行序列。
步骤805：确定同行用户集。
针对种子出行序列中的每一个基站，种子用户切入该基站前后10秒范围内，切入该基站的其他用户，形成种子用户在该出行基站的同行用户集。
步骤806：确定同行用户集中的每一用户与种子用户的时空相似性指标r；
利用紧密度第一分析模块中的公式(6)，计算种子序列时间范围内，种子用户与同行用户集中每一用户的时空相似性r。
步骤807：判断同行用户集每一用户与种子用户当天信令轨迹的时空相似性r大于60％，若是，进行步骤S808，若否，不进行处理。
如果某用户与种子用户当天信令轨迹的时空相似性r大于60％，则认为他们属于同行密接人员。
步骤808：确定同行用户集中的用户为同行用户。
步骤809：获取话单数据。
步骤810：开始种子用户与普通用户的交往圈挖掘。
步骤811：确定每一普通用户与种子用户之间的交往权系数q。
利用紧密度第一分析模块的公式(7)和通话数据，计算种子用户与同行用户集中所有用户的交往圈系数q。
步骤812：确定T1天内同行用户的园区密接系数。
步骤812包括：确定同行用户与种子用户的同行天数和同行日期，根据确定的同行天数、同行日期、同行用户与种子用户的时空相似性和交往圈系数，计算每一同行人员的同行密接系数参见公式(12)，
其中，为同行时间衰减系数，d5i为确诊日期与同行日期之差+1，rijt为用户i与用户j在第t天的时空相似性，qij为用户i与用户j之间的交往圈系数。同行时间距离确诊时间越远，则对同行密接系数影响越小。
在一些可能的实施方式中，密接综合输出模块209的主要功能是结合各个密接识别模块的结果，综合输出各个用户的密接类型以及综合密接系数，供应用侧参考。
具体地，基于各个密接识别模块的结果，基于用户ID进行关联，输出每个用户的综合指标，包括：用户ID、是否同住密接、是否居住地密接、是否园区密接、是否交通枢纽密接、是否同行密接、同住密接系数、居住地密接系数、园区密接系数、交通枢纽密接系数、同行密接系数，综合密接系数。
基于前述的实施例，本申请实施例提供另一种待核查用户的接触用户识别装置，如图9所示，该装置900包括：
第一获取模块901，用于获取待核查用户的标识信息；
第一确定模块902，用于根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在所述待核查用户的标识信息对应的第一核查时段内的信令数据；
第二确定模块903，用于根据所述第一信令数据确定目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户；
第三确定模块904，用于根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据；
第四确定模块905，用于根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户。
在一种可能的实施方式中，所述第二确定模块903，用于对所述第一信令数据进行分析，得到所述待核查用户的驻留时间段和对应的驻留基站；所述待核查用户在所述驻留时间段内与其他通信用户存在满足指定条件的关联关系；基于所述待核查用户的驻留时间段和对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
在一种可能的实施方式中，所述第二确定模块903，用于根据所述第一信令数据，从所述第一核查时段中确定与每一所述子指定条件对应的目标核查时段；对每一所述子指定条件对应的目标核查时段内所述待核查用户的信令数据进行分析，得到所述待核查用户在与所述子指定条件对应的目标核查时段内的基站切换率；根据在每一所述子指定条件对应的目标核查时段内的基站切换率，确定所述待核查用户的驻留时间段和对应的驻留基站。
在一种可能的实施方式中，所述指定条件包括以下至少之一：第一子指定条件、第二子指定条件、第三子指定条件、第四子指定条件以及第五子指定条件，所述第一子指定条件为住所地相同；所述第二子指定条件为居住地相同；所述第三子指定条件为工作和/或生活园区相同、所述第四子指定条件为出行路上的交通枢纽相同；所述第五子指定条件为交通工具相同；所述第二确定模块903，用于在所述指定条件包括所述第一子指定条件和所述第二子指定条件的情况下，将所述第一核查时段中的非工作时段确定为所述第一子指定条件和所述第二子指定条件对应的目标核查时段；在所述指定条件为所述第三子指定条件的情况下，将所述第一核查时段中的工作时段确定为所述第三子指定条件对应的目标核查时段；在所述指定条件为所述第四子指定条件的情况下，将所述第一核查时段中所述待核查用户在各交通枢纽的驻留时段确定为所述第四子指定条件对应的目标核查时段；在所述指定条件为所述第五子指定条件的情况下，将所述第一核查时段确定为所述第五子指定条件对应的目标核查时段。
在一种可能的实施方式中，所述第二确定模块903，用于在所述指定条件为所述第一子指定条件、所述第二子指定条件、所述第三子指定条件、所述第四子指定条件中任一子指定条件的情况下，将对应的所述子指定条件对应的目标核查时段内基站切换率满足第一预设条件的多个周期组成的时间段，确定为所述待核查用户的驻留时间段；在所述指定条件为所述第五子指定条件的情况下，根据所述第五子指定条件对应的目标核查时段内的基站切换率，从所述第五子指定条件对应的目标核查时段中确定出基站切换率满足第二预设条件的至少一个周期；根据所述至少一个周期，确定所述待核查用户的驻留时间段；将所述待核查用户在所述驻留时间段内所处的基站，确定为对应的驻留基站。
在一种可能的实施方式中，所述第四确定模块905，用于根据所述第一信令数据和所述第二信令数据，确定所述待核查用户与每一所述目标通信用户间的时空相似性；所述时空相似性用于表征所述待核查用户和每一所述目标通信用户间在所经过的基站、进入对应基站的起始时间和结束时间上的相似性；根据所述时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户。
在一种可能的实施方式中，所述第一获取模块901，还用于获取所述待核查用户的标识信息对应的第二核查时段内的话单数据；对所述话单数据进行分析，得到所述待核查用户与每一所述目标通信用户间的交往圈系数；所述交往圈系数用于表征所述待核查用户与每一所述目标通信用户存在社交关系的概率值。所述第四确定模块905，用于根据所述时空相似性和所述交往圈系数，从所述目标通信用户中确定出所述待核查用户的接触用户。
在一种可能的实施方式中，所述装置还包括：第五确定模块，用于在确定所述待核查用户与所述接触用户存在满足所述指定条件中子指定条件的情况下，从所述第一核查时段中确定出在满足所述子指定条件下的所述待核查用户与所述接触用户的接触日期；获取每一所述接触日期内所述待核查用户与所述接触用户之间的时空相似性和交往圈系数；获取所述每一所述接触日期对应的时间衰减系数值；所述时间衰减系数值与所述接触日期距离所述核查时段的结束日期的天数成反比；根据所述时间衰减系数值、所述时空相似性和所述交往圈系数，确定所述接触用户接触所述待核查用户存在的第一接触风险系数；根据所述第一接触风险系数，确定对所述接触用户的第一处理措施；所述第一处理措施至少包括观察所述接触用户的身体健康状态。
在一种可能的实施方式中，所述装置还包括：加权模块，用于对所述接触用户接触所述待核查用户存在的第一接触风险系数进行加权求和，得到所述接触用户接触所述待核查用户存在的第二接触风险系数；根据所述第二接触风险系数，确定对所述触用户的第二处理措施；所述第二处理措施至少包括观察所述接触用户的身体健康状态。
实际应用中，第一获取模块901、第一确定模块902、第二确定模块903、第三确定模块904、第四确定模块905、第五确定模块和加权模块可以利用电子设备中的处理器实现，上述处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。
另外，在本实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，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，本实施例的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或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)或processor(处理器)执行本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(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
一般来讲，本实施例中的一种待核查用户的接触用户识别方法对应的计算机程序指令可以被存储在光盘，硬盘，U盘等存储介质上，当存储介质中的与一种待核查用户的接触用户识别方法对应的计算机程序指令被一电子设备读取或被执行时，实现前述实施例的任意一种待核查用户的接触用户识别方法。
基于前述实施例相同的技术构思，参见图10，其示出了本申请实施例提供的一种待核查用户的接触用户识别设备的结构示意图，可以包括：存储器1001和处理器1002；其中，
所述存储器1001，用于存储计算机程序和数据；
所述处理器1002，用于执行所述存储器中存储的计算机程序，以实现前述实施例的任意一种待核查用户的接触用户识别方法。
在一个示例中，待核查用户的接触用户识别设备可以是电子设备的一种。
在实际应用中，上述存储器1001可以是易失性存储器(volatile memory)，例如RAM；或者非易失性存储器(non-volatile memory)，例如ROM，快闪存储器(flash memory)，硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；或者上述种类的存储器的组合，并向处理器1002提供指令和数据。
上述处理器1002可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的增强现实云平台，用于实现上述处理器功能的电子器件还可以为其它，本申请实施例不作限定。
在一些实施例中，本申请实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
本申请所提供的各方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的各产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的各方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的实施方式，上述的实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本申请的保护之内。

Claims (11)

1.一种待核查用户的接触用户识别方法，其特征在于，包括：
获取待核查用户的标识信息；
根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据；
根据所述第一信令数据确定目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户；
根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据；
根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户；
其中，所述根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户，包括：
根据所述第一信令数据和所述第二信令数据，确定所述待核查用户与每一所述目标通信用户间的时空相似性；所述时空相似性用于表征所述待核查用户和每一所述目标通信用户间在所经过的基站、进入对应基站的起始时间和结束时间上的相似性；
根据所述时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一信令数据确定目标通信用户，包括：
对所述第一信令数据进行分析，得到所述待核查用户的驻留时间段和对应的驻留基站；所述待核查用户在所述驻留时间段内与其他通信用户存在满足指定条件的关联关系；
基于所述待核查用户的驻留时间段和所述对应的驻留基站，从所述其他通信用户中确定所述目标通信用户。
3.根据权利要求2所述的方法，其特征在于，所述指定条件包括至少一种类型的子指定条件，所述对所述第一信令数据进行分析，得到所述待核查用户的驻留时间段和对应的驻留基站，包括：
根据所述第一信令数据，从所述第一核查时段中确定与每一所述子指定条件对应的目标核查时段；
对每一所述子指定条件对应的目标核查时段内所述待核查用户的信令数据进行分析，得到所述待核查用户在与所述子指定条件对应的目标核查时段内的基站切换率；
根据在每一所述子指定条件对应的目标核查时段内的基站切换率，确定所述待核查用户的驻留时间段和对应的驻留基站。
4.根据权利要求3所述的方法，其特征在于，所述指定条件包括以下至少之一：第一子指定条件、第二子指定条件、第三子指定条件、第四子指定条件以及第五子指定条件，所述第一子指定条件为住所地相同；所述第二子指定条件为居住地相同；所述第三子指定条件为工作和/或生活园区相同、所述第四子指定条件为出行路上的交通枢纽相同；所述第五子指定条件为交通工具相同；
对应地，所述根据所述第一信令数据，从所述第一核查时段中确定与每一所述子指定条件对应的目标核查时段，至少包括以下之一：
在所述指定条件包括所述第一子指定条件和所述第二子指定条件的情况下，将所述第一核查时段中的非工作时段确定为所述第一子指定条件和所述第二子指定条件对应的目标核查时段；
在所述指定条件为所述第三子指定条件的情况下，将所述第一核查时段中的工作时段确定为所述第三子指定条件对应的目标核查时段；
在所述指定条件为所述第四子指定条件的情况下，将所述第一核查时段中所述待核查用户在各交通枢纽的驻留时段确定为所述第四子指定条件对应的目标核查时段；
在所述指定条件为所述第五子指定条件的情况下，将所述第一核查时段确定为所述第五子指定条件对应的目标核查时段。
5.根据权利要求4所述方法，其特征在于，所述根据在每一所述子指定条件对应的目标核查时段内的基站切换率，确定所述待核查用户的驻留时间段和对应的驻留基站，包括：
在所述指定条件为所述第一子指定条件、所述第二子指定条件、所述第三子指定条件、所述第四子指定条件中任一子指定条件的情况下，将对应的所述子指定条件对应的目标核查时段内基站切换率满足第一预设条件的多个周期组成的时间段，确定为所述待核查用户的驻留时间段；
在所述指定条件为所述第五子指定条件的情况下，根据所述第五子指定条件对应的目标核查时段内的基站切换率，从所述第五子指定条件对应的目标核查时段中确定出基站切换率满足第二预设条件的至少一个周期；根据所述至少一个周期，确定所述待核查用户的驻留时间段；将所述待核查用户在所述驻留时间段内所处的基站，确定为对应的驻留基站。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户之前，还包括：
获取所述待核查用户的标识信息对应的第二核查时段内的话单数据；
对所述话单数据进行分析，得到所述待核查用户与每一所述目标通信用户间的交往圈系数；所述交往圈系数用于表征所述待核查用户与每一所述目标通信用户存在社交关系的概率值；
对应地，所述根据所述时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户，包括：根据所述时空相似性和所述交往圈系数，从所述目标通信用户中确定出所述待核查用户的接触用户。
7.根据权利要求5所述的方法，其特征在于，在所述根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户之后，所述方法还包括：
在确定所述待核查用户与所述接触用户存在满足所述指定条件中子指定条件的情况下，从所述第一核查时段中确定出在满足所述子指定条件下的所述待核查用户与所述接触用户的接触日期；
获取每一所述接触日期内所述待核查用户与所述接触用户之间的时空相似性和交往圈系数；
获取所述每一所述接触日期对应的时间衰减系数值；所述时间衰减系数值与所述接触日期距离所述核查时段的结束日期的天数成反比；
根据所述时间衰减系数值、所述时空相似性和所述交往圈系数，确定所述接触用户接触所述待核查用户存在的第一接触风险系数；
根据所述第一接触风险系数，确定对所述接触用户的第一处理措施；所述第一处理措施至少包括观察所述接触用户的身体健康状态。
8.根据权利要求7所述的方法，其特征在于，在所述根据所述时间衰减系数值、所述时空相似性和所述交往圈系数，确定所述接触用户接触所述待核查用户存在的第一接触风险系数之后，所述方法还包括：
对所述接触用户接触所述待核查用户存在的第一接触风险系数进行加权求和，得到所述接触用户接触所述待核查用户存在的第二接触风险系数；
根据所述第二接触风险系数，确定对所述触用户的第二处理措施；所述第二处理措施至少包括观察所述接触用户的身体健康状态。
9.一种待核查用户的接触用户识别装置，其特征在于，包括：
第一获取模块，用于获取待核查用户的标识信息；
第一确定模块，用于根据所述待核查用户的标识信息确定第一信令数据，所述第一信令数据为所述待核查用户在第一核查时段内的信令数据；
第二确定模块，用于根据所述第一信令数据确定目标通信用户；所述目标通信用户为在所述第一核查时段内与所述待核查用户处于相同基站的通信用户；
第三确定模块，用于根据所述目标通信用户的标识信息确定第二信令数据，所述第二信令数据为所述目标通信用户在第一核查时段内的信令数据；
第四确定模块，用于根据所述第一信令数据和所述第二信令数据，从所述目标通信用户中确定出所述待核查用户的接触用户；
其中，所述第四确定模块，具体用于：
根据所述第一信令数据和所述第二信令数据，确定所述待核查用户与每一所述目标通信用户间的时空相似性；所述时空相似性用于表征所述待核查用户和每一所述目标通信用户间在所经过的基站、进入对应基站的起始时间和结束时间上的相似性；
根据所述时空相似性，从所述目标通信用户中确定出所述待核查用户的接触用户。
10.一种待核查用户的接触用户识别设备，其特征在于，包括存储器和处理器，所述存储器存储有可在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时实现权利要求1至8任一项所述待核查用户的接触用户识别方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述待核查用户的接触用户识别方法。
CN202110221103.0A 2021-02-26 2021-02-26 待核查用户的接触用户识别方法、装置、设备及存储介质 Active CN115002697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110221103.0A CN115002697B (zh) 2021-02-26 2021-02-26 待核查用户的接触用户识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110221103.0A CN115002697B (zh) 2021-02-26 2021-02-26 待核查用户的接触用户识别方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115002697A CN115002697A (zh) 2022-09-02
CN115002697B true CN115002697B (zh) 2024-01-26

Family

ID=83018480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110221103.0A Active CN115002697B (zh) 2021-02-26 2021-02-26 待核查用户的接触用户识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115002697B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497639B (zh) * 2022-11-17 2023-05-05 上海维智卓新信息科技有限公司 防疫时空区域确定方法及装置
CN117319120B (zh) * 2023-11-24 2024-01-26 广州海盈电气技术有限公司 一种基于knx总线的智能家居数据传输处理方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109360660A (zh) * 2018-10-31 2019-02-19 河南省疾病预防控制中心 一种疾控与出行信息互联的防控方法及防控系统
CN110868689A (zh) * 2019-11-25 2020-03-06 智慧足迹数据科技有限公司 常住人口确定方法、装置和电子设备
CN111182530A (zh) * 2019-12-27 2020-05-19 南京中新赛克科技有限责任公司 基于手机信令数据分析目标新手机号码的方法及系统
CN111405470A (zh) * 2020-04-12 2020-07-10 北京牧家科技有限公司 基于移动手机定位算法的聚集人群追踪系统和方法
CN111432343A (zh) * 2020-03-25 2020-07-17 浙江金开物联网科技有限公司 人群活动检测方法、系统、体温检测设备、基站、服务器
CN111524609A (zh) * 2020-04-22 2020-08-11 第四范式（北京）技术有限公司 生成筛查模型、筛查传染病高风险感染人群的方法及系统
CN111540476A (zh) * 2020-04-20 2020-08-14 中国科学院地理科学与资源研究所 一种基于手机信令数据的呼吸道传染病传染树重构方法
CN111540477A (zh) * 2020-04-20 2020-08-14 中国科学院地理科学与资源研究所 基于手机数据的呼吸道传染病密切接触者识别方法
CN111741428A (zh) * 2020-06-22 2020-10-02 中国联合网络通信集团有限公司 聚会检测方法、系统、计算机设备及存储介质
CN111885484A (zh) * 2020-07-22 2020-11-03 中国联合网络通信集团有限公司 疫情疑似人员追踪方法、系统、计算机设备及存储介质
CN112135261A (zh) * 2020-09-23 2020-12-25 维沃移动通信有限公司 潜在感染者确定方法、装置、电子设备和存储介质
CN112383875A (zh) * 2020-06-28 2021-02-19 中国信息通信研究院 一种数据处理方法及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160342770A1 (en) * 2015-05-19 2016-11-24 Mastercard International Incorporated Method and system for integrating infectious disease data with transaction data
US10198779B2 (en) * 2016-06-03 2019-02-05 Blyncsy, Inc. Tracking proximity relationships and uses thereof

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109360660A (zh) * 2018-10-31 2019-02-19 河南省疾病预防控制中心 一种疾控与出行信息互联的防控方法及防控系统
CN110868689A (zh) * 2019-11-25 2020-03-06 智慧足迹数据科技有限公司 常住人口确定方法、装置和电子设备
CN111182530A (zh) * 2019-12-27 2020-05-19 南京中新赛克科技有限责任公司 基于手机信令数据分析目标新手机号码的方法及系统
CN111432343A (zh) * 2020-03-25 2020-07-17 浙江金开物联网科技有限公司 人群活动检测方法、系统、体温检测设备、基站、服务器
CN111405470A (zh) * 2020-04-12 2020-07-10 北京牧家科技有限公司 基于移动手机定位算法的聚集人群追踪系统和方法
CN111540476A (zh) * 2020-04-20 2020-08-14 中国科学院地理科学与资源研究所 一种基于手机信令数据的呼吸道传染病传染树重构方法
CN111540477A (zh) * 2020-04-20 2020-08-14 中国科学院地理科学与资源研究所 基于手机数据的呼吸道传染病密切接触者识别方法
CN111524609A (zh) * 2020-04-22 2020-08-11 第四范式（北京）技术有限公司 生成筛查模型、筛查传染病高风险感染人群的方法及系统
CN111741428A (zh) * 2020-06-22 2020-10-02 中国联合网络通信集团有限公司 聚会检测方法、系统、计算机设备及存储介质
CN112383875A (zh) * 2020-06-28 2021-02-19 中国信息通信研究院 一种数据处理方法及电子设备
CN111885484A (zh) * 2020-07-22 2020-11-03 中国联合网络通信集团有限公司 疫情疑似人员追踪方法、系统、计算机设备及存储介质
CN112135261A (zh) * 2020-09-23 2020-12-25 维沃移动通信有限公司 潜在感染者确定方法、装置、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于信令数据的新冠肺炎传播模型构建;刘红星;刘山葆;戴帅夫;;广东通信技术(08);全文 *
基于运营商数据的疫情流向感知分析;彭迪;张晓玮;刘玉;张明龙;;信息通信(03);全文 *
多源时空大数据在疫情防控中的应用;吴张峰;李成仁;;信息技术与标准化(05);全文 *

Also Published As

Publication number Publication date
CN115002697A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
Hoh et al. Achieving guaranteed anonymity in gps traces via uncertainty-aware path cloaking
EP3132592B1 (en) Method and system for identifying significant locations through data obtainable from a telecommunication network
US9445391B2 (en) Automatic detection of device type for filtering of data
CN115002697B (zh) 待核查用户的接触用户识别方法、装置、设备及存储介质
US20130166352A1 (en) Mobile categorization
WO2015170289A1 (en) Method and system for vehicular traffic prediction
CN109996278A (zh) 道路网络质量评估方法、装置、设备及介质
US11765549B2 (en) Contact tracing involving an index case, based on comparing geo-temporal patterns that include mobility profiles
Kanasugi et al. Spatiotemporal route estimation consistent with human mobility using cellular network data
Horn et al. Deriving public transportation timetables with large-scale cell phone data
CN114501336B (zh) 一种公路出行量测算方法、装置、电子设备及存储介质
US20200193550A1 (en) Method and system for evaluating catchment areas associated with a transport hub by means of data of a telecommunication network
US20190327581A1 (en) Method and system for counting people at a transport hub by means of data of a telecommunication network
US20180310134A1 (en) Communication device and method, and computer program product for associating a mobile telephony identifier and a computer network identifier
Dash et al. From Mobile Phone Data to Transport Network--Gaining Insight about Human Mobility
Batran et al. Urban travel time estimation in greater maputo using mobile phone big data
EP3563592B1 (en) Method for determining the mobility status of a user of a wireless communication network
Holleczek et al. Digital breadcrumbs: Detecting urban mobility patterns and transport mode choices from cellphone networks
AU2016433153B2 (en) Estimated user location from cellular telephony data
Lopez et al. Travelled Distance Estimation for GPS-Based Round Trips Car-Sharing Use Case
CN113409018B (zh) 人流密度确定方法、装置、设备及存储介质
Lu et al. Identification of Trip Mode Based on Mobile Phone Signaling Data
US9420427B2 (en) Method and system for tracking the whereabouts of people in urban settings
HIDAYAT et al. Paratransit Origin-Destination Measurement Based on Wi-FiScanner Survey in Makassar City, Indonesia
Paradeda et al. Bayesian Estimation of Passenger Boardings at Bus Stops Using Wi-Fi Probe Requests

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