CN116095602A - 一种基于电信位置数据的老人安全呵护方法 - Google Patents

一种基于电信位置数据的老人安全呵护方法 Download PDF

Info

Publication number
CN116095602A
CN116095602A CN202211655988.6A CN202211655988A CN116095602A CN 116095602 A CN116095602 A CN 116095602A CN 202211655988 A CN202211655988 A CN 202211655988A CN 116095602 A CN116095602 A CN 116095602A
Authority
CN
China
Prior art keywords
point
old
data
mobile terminal
time
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.)
Pending
Application number
CN202211655988.6A
Other languages
English (en)
Inventor
姜祖运
王海莺
高旭巍
陈婧
盛林敏
叶树军
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 Telecom Digital Intelligence Technology Co Ltd
Original Assignee
China Telecom Digital Intelligence 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 Telecom Digital Intelligence Technology Co Ltd filed Critical China Telecom Digital Intelligence Technology Co Ltd
Priority to CN202211655988.6A priority Critical patent/CN116095602A/zh
Publication of CN116095602A publication Critical patent/CN116095602A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • 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
    • 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
    • H04W4/029—Location-based management or tracking services
    • 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
    • H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
    • 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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于电信位置数据的老人安全呵护方法，包括：步骤1：获取老人移动时移动终端信令数据并对数据进行预处理；步骤2：筛选老人预设时间段内有效历史轨迹数据作为样本数据，按照白天和夜间两个时间段分别计算每个驻留点的驻留时长，刻画老人的每个驻留点时间分布情况；步骤3：采用基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法，进行老人居住地和日常活动地数据的提取；步骤4：老人安全呵护系统基于提取的老人居住地和日常活动地数据，进行老人安全呵护。可基于电信位置数据进行老人活动区域挖掘，满足老人安全呵护的需要。

Description

一种基于电信位置数据的老人安全呵护方法
技术领域
本发明属于大数据分析技术，具体涉及一种基于电信位置数据的老人安全呵护方法。
背景技术
人口老龄化日益严重，青壮年劳动力在面临工作压力的同时，还面临着父母、子女无人照料等问题，尤其是老年人健康情况和出行安全情况。
随着人工智能和大数据分析技术的发展，养老智能化逐渐走入人们的视野。相比于互联网公司得到的数据类型，运营商数据具有速度更快、规模更庞大、种类更丰富等优势。移动终端信令数据具有时空位置复杂、数据量大、噪声多的特点，传统OD方法识别移动终端信令数据存在兴趣点不准的问题。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于电信位置数据的老人安全呵护方法，可简单高效的实现漂移数据和乒乓数据消除，基于电信位置数据进行老人活动区域挖掘，满足老人安全呵护的需要。
为实现上述技术目的，本发明采取的技术方案为：
一种基于电信位置数据的老人安全呵护方法，包括：
步骤1：获取老人移动时移动终端信令数据并对数据进行预处理；
步骤2：筛选老人预设时间段内有效历史轨迹数据作为样本数据，按照白天和夜间两个时间段分别计算每个驻留点的驻留时长，刻画老人的每个驻留点时间分布情况；
步骤3：采用基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法，进行老人居住地和日常活动地数据的提取；
步骤4：老人安全呵护系统基于提取的老人居住地和日常活动地数据，进行老人安全呵护。
为优化上述技术方案，采取的具体措施还包括：
上述的步骤1所述预处理包括：
首先进行数据清洗，包括检查数据一致性、剔除格式无效值、重复值和缺失值；
然后利用速度阈值、距离阈值以及三角形外接圆半径阈值控制法，消除长距离漂移位置点和短距离抖动位置点。
上述的消除长距离漂移位置点和短距离抖动位置点的具体实现过程如下：
1)将老人预设时间段内的移动时移动终端信令数据看成是为一条时间序列，即P(ti)＝(loni,lati,tsi)，P(ti+1)＝(loni+1,lati+1,tsi+1)；
其中，lon表示老人移动时移动终端与基站交互时所处位置的经度，lat表示老人移动时移动终端与基站交互时所处位置的纬度，ts表示老人移动时移动终端与基站交互时的时间戳；
2)消除长距离漂移位置点：逐一计算每条记录和上一条记录之间的距离Di＝Dis(Pi-Pi-1)，Di+1＝Dis(Pi+1-Pi)，以及时间差Ti＝tsi-tsi-1，Ti＝tsi+1-tsi,则位置点出现的瞬时速度可表示为
当Di，Di+1均超过距离阈值，并且瞬时速度超过瞬时速度阈值时，去除该漂移位置点
3)消除短距离抖动位置点：
分别计算第i条记录和第i-1，i+1条记录的距离Di＝Dis(Pi-Pi-1)，Di+1＝Dis(Pi+1-Pi)；
第i-1条记录和第i+1记录的距离Di-1＝Dis(Pi+1-Pi-1)；
考虑到短距离抖动位置点不在一条直线上，那么{Di-1，Di，Di+1}可组成三角形；
利用三角形的三条边来表示其外接圆的半径，则{Di-1，Di，Di+1}构成的三角形的外接圆半径表示为其中
若R＞ThR，则剔除掉第i条记录；
ThR为半径阈值。
上述的步骤2筛选样本数据的具体实现过程如下：
考虑到老人的行为规律，将白天时间段定义为：6:00-20:00，将夜间时间段定义为20:00-次日6:00；
样本数据筛选的标准应同时满足以下条件：
A.在白天时间段内，每小时至少产生1条移动终端信令数据；
B.在夜间时间段内，产生2条以上移动终端信令数据；
C.一个自然日产生20条以上移动终端信令数据；
所述步骤2刻画每个老人的驻留点分布情况的具体实现过程如下：
定义每个位置点的驻留时长为stayLen，第i条记录的开始时间为第i-1记录的终止时间，第i条记录的结束时间i+1条记录的出现时间，即stayLen＝tsi+1Start-tsi-1End；
分别统计白天时间段内、夜间时间段各个位置地点的累计时长和出现频次，以刻画老人每个驻留点的时间分布情况。
上述的步骤3所述基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法的具体实现过程如下：
基于步骤2得到的老人有效历史轨迹数据，按照白天时间段和夜间时间段分别进行密度聚类，生成目标簇；
对于生成的目标簇，将每一个点簇进一步分解得到每一个点簇里的所有位置点以及点簇里每个位置点驻留的时长；
采用基于驻留时长加权的位置点归并算法分别得到白天时间段的兴趣点集合Pday，夜间时间段的兴趣点集合Pnight；
定义集合Pnight中驻留时长排名第1的兴趣点为居住地，定义集合Pday中驻留时长排名前3的兴趣点为日常活动地，进而挖掘出老人日常活动区域。
上述的对于白天时间段样本数据集，生成目标簇的过程为：
输入：白天时间段样本数据集P＝(p(t1),p(t2),p(t3),......,p(ti)),其中
P(ti)＝(loni,lati,tsi)，半径阈值ε＝500，最小点数MinPts＝2；
输出：聚类生成的目标簇P'＝(p(t1),p(t2),p(t3),......,p(tj))；
具体步骤如下：
1)对集合P中的每个点p，标记聚类索引为点p在集合中的位置索引，标记访问状态为未访问，标记点类型为未定义；
2)计算P中的每个点p的ε邻域内的点数量Count，若Count大于MinPts，则将点p标记为核心点，并加入核心点集合Pc；
3)对核心点集合Pc中的每个点p，判断核心点集合内的其他点p'是否在p的ε邻域内；若在，则在p的核心点集合P'中加入p'；
4)对核心点集合Pc中的每个点p，若点p未被访问，则依次取出点p的核心点集合P'中的点p'，若p'未被访问，则将p的聚类索引赋值给p'，并标记为已访问；
5)对P中的每个点p，若p不为核心点，则从核心点集合Pc中依次取出点p'，判断点p是否在p'的ε邻域内；若在，则标记p为边缘点，并将p'的聚类索引赋值给p；
6)将P中未被标记为核心点或边缘点的点记为噪声点。
上述的对于生成的目标簇，将每一个点簇进一步分解得到每一个点簇里的所有位置点以及点簇里每个位置点驻留的时长，包括：
对于目标簇P'，将每一个点簇进一步分解，geo＝[(lon1,lat1),(lon2,lat2),......(loni,lati)]表示每一个点簇里的所有位置点；staySum＝(stayLen1,stayLen1,......stayLeni)表示点簇里每个位置点驻留的时长。
上述的基于驻留时长加权的位置点归并算法实现过程为：
1)将驻留点集合geo和驻留时长集合staySum的长度记为length，定义每个位置点的权重系数为
2)若length＝1，返回geo＝(lon1,lat1)；
3)若length＞1，i＝1，计算x1＝cos(lat1)×cos(lon1)×fre1，
y1＝cos(lat1)×sin(lon1)×fre1，z1＝sin(lat1)×fre1；
4)类似的当i＞1时，依次计算xi＝xi-1+cos(lati)×cos(loni)×frei，yi＝yi-1+cos(lati)×sin(loni)×frei，zi＝zi-1+sin(lati)×frei；
5)将(4)中得到结果进一步做归一化处理，得到
6)最后利用反正切函数计算得到归并点坐标，如下
geo(lon,lat)＝[degrees(atan(x,y)),degrees(atan2(z,sqrt(x2+y2)))]；
7)按照步骤1)-6)，分别求解兴趣点簇P'中的归并点，最后将驻留时长加入兴趣点中，如下所示：
P'＝[geo(lon1,lat1，staySum1),......,geo(loni,lati，staySumi)]
上述的步骤4所述老人安全呵护系统基于SOA架构设计，系统整体划分为不同组件或者应用服务，支持分布式的部署及扩展，并通过Nginx组件实现负载均衡；其根据逻辑关联划分为：展现层、业务层和数据、持久层；
其中，展现层负责系统与用户或者外部系统交互；业务层服务于展现层，实现业务逻辑处理满足表现层的需求；数据层、持久层负责系统数据的存储。
上述的步骤4所述老人安全呵护系统基于提取的老人居住地和日常活动地数据，进行老人安全呵护，具体步骤如下：
1)实时位置查看：
通过运营商的位置能力，每15分钟采集老人手机移动终端信令数据，对老人所持手机移动终端最近一次所在区域进行展示；
2)活动区域守护：
A、设置活动范围阈值，包括居住地阈值Thhome、日常活动地阈值Thactivity；
B、每15分钟采集老人手机移动终端信令数据；
C、计算老人最新位置和居住地Dhome；
D、计算老人最新位置日常活动地的距离Dactivity；
E、若同时满足Dhome＞Thhome，Dactivity＞Thactivity，生成偏离提醒信息，并将所述老人活动异常状态的偏离信息发送给子女移动终端；
F、设置医院驻留时间阈值Thhospital，当检测老人移动终端在医院周围区域驻留时长超过Thhospital时，生成就医提醒信息，并将所述老人活动异常状态的就医信息发送给子女移动终端；
G、设置医火车站等大型交通枢纽时间阈值Thstation，当检测老人移动终端在火车站等大型交通枢纽周围区域驻留时长超过Thstation时，生成出行提醒信息，并将所述老人活动异常状态的出行信息发送给子女移动终端；
H、设置河流等危险场所时间阈值Thdanger，当检测老人移动终端在河流等危险场所周围区域驻留时长超过Thdanger时，生成危险场所提醒信息，并将所述老人活动异常状态的危险场所信息发送给子女移动终端；
3)位置兴趣统计：
对老人日常活动地进行研判，并对老人所持手机移动终端最近一个月经常活动的区域进行展示。
本发明具有以下有益效果：
针对移动终端信令数据时空位置复杂、数据量大、噪声多的特点，利用速度阈值、距离阈值以及三角形外接圆半径阈值控制法，能够简单高效地消除漂移数据和乒乓数据。通过电信位置、大数据分析等技术手段，提出一种基于驻留时长加权和密度聚类算法相结合的兴趣点识别(RDW-DBSCAN)算法，解决传统OD方法识别移动终端信令数据兴趣点不准的问题，能够有效地挖掘出老人的居住地、日常活动地等兴趣点。
同时解决老人机无法安装APP、无法获取GPS定位信息，设计一种无端化、无感化老人呵护系统；充分挖掘电信位置信息，结合老人移动终端位置、行为等数据分析，对异常情况进行准确识别，判断老人的位置、行为等状态，实时智能提醒，包括居住地偏离提醒、日常活动地偏离提醒、移动终端异常提醒、危险场所提醒，保障老人安全。
附图说明
图1为本发明基于RDW-DBSCAN驻留点识别的算法流程图。
图2为本发明基于驻留时长加权的坐标点归并算法的伪代码图。
图3为本发明基于电信位置数据的老人安全呵护系统的服务框架图。
图4为本发明基于电信位置数据的老人安全呵护系统的位置查看效果图。
图5为本发明基于电信位置数据的老人安全呵护系统的活动区域守护效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
如图1-5所示，本发明一种基于电信位置数据的老人安全呵护方法，其特征在于，包括：
步骤1：获取老人移动时移动终端信令数据并对数据进行预处理；
步骤1所述预处理包括：
首先进行数据清洗，包括检查数据一致性、剔除格式无效值、重复值和缺失值等；
然后利用速度阈值、距离阈值以及三角形外接圆半径阈值控制法，消除长距离漂移位置点和短距离抖动位置点。
所述消除长距离漂移位置点和短距离抖动位置点的具体实现过程如下：
1)将某一老人一段时间内的移动时移动终端信令数据看成是为一条时间序列，即P(ti)＝(loni,lati,tsi)，P(ti+1)＝(loni+1,lati+1,tsi+1)；
其中，lon表示老人移动时移动终端与基站交互时所处位置的经度，lat表示老人移动时移动终端与基站交互时所处位置的纬度，ts表示老人移动时移动终端与基站交互时的时间戳；
2)消除长距离漂移位置点：逐一计算每条记录和上一条记录之间的距离Di＝Dis(Pi-Pi-1)，Di+1＝Dis(Pi+1-Pi)，以及时间差Ti＝tsi-tsi-1，Ti＝tsi+1-tsi,则位置点出现的瞬时速度可表示为
当Di，Di+1均超过3km，并且瞬时速度超过90km/h时，去除该漂移位置点(注：结合基站密度和老人出行规律距离阈值设置为3km，瞬时速度阈值设置为90km/h，可根据老人所在的地区进行动态调整)；
3)消除短距离抖动位置点：
分别计算第i条记录和第i-1，i+1条记录的距离Di＝Dis(Pi-Pi-1)，Di+1＝Dis(Pi+1-Pi)；
第i-1条记录和第i+1记录的距离Di-1＝Dis(Pi+1-Pi-1)。考虑到短距离抖动位置点不在一条直线上，那么{Di-1，Di，Di+1}可组成三角形；
利用三角形的三条边来表示其外接圆的半径，则{Di-1，Di，Di+1}构成的三角形的外接圆半径表示为其中
根据基站密度分布不同，可将半径阈值ThR设置在500米至3公里之间；
若R＞ThR，则剔除掉第i条记录。
步骤2：通过移动时移动终端信令数据预处理，筛选老人过去一个月的有效历史轨迹数据作为样本数据，按照白天和夜间两个时间段分别计算每个驻留点的驻留时长，刻画老人的每个驻留点时间分布情况。
所述步骤2筛选有效样本数据和刻画每个老人的驻留点分布情况具体实现过程如下：
1)考虑到老人的行为规律，将白天时间段定义为：6:00-20:00，将夜间时间段定义为20:00-次日6:00；
有效样本数据筛选的标准应同时满足以下条件：
A.在白天时间段内，每小时至少产生1条移动终端信令数据；
B.在夜间时间段内，产生2条以上移动终端信令数据；
C.一个自然日产生20条以上移动终端信令数据；
2)定义每个位置点的驻留时长为stayLen，第i条记录的开始时间为第i-1记录的终止时间，第i条记录的结束时间i+1条记录的出现时间，即stayLen＝tsi+1Start-tsi-1End；
3)分别统计白天时间段内、夜间时间段各个位置地点的累计时长和出现频次，以刻画老人每个驻留点的时间分布情况。
步骤3：采用基于驻留时长加权和密度聚类算法相结合的兴趣点识别(RDW-DBSCAN)算法，进行老人居住地和日常活动地数据的提取。
步骤3所述基于驻留时长加权和密度聚类算法相结合的兴趣点识别(RDW-DBSCAN)算法具体实现过程如下：
基于步骤2得到的老人有效历史轨迹数据集，按照白天时间段(6:00-20:00)，夜间时间段(20:00-6:00)分别进行密度聚类(DBSCAN)，生成目标簇；
以白天时间段样本数据集为例。
输入：白天时间段样本数据集P＝(p(t1),p(t2),p(t3),......,p(ti)),其中
P(ti)＝(loni,lati,tsi)，半径阈值ε＝500，最小点数MinPts＝2。
输出：聚类生成的目标簇P'＝(p(t1),p(t2),p(t3),......,p(tj))。
1)对集合P中的每个点p，标记聚类索引为点p在集合中的位置索引，标记访问状态为未访问，标记点类型为未定义。
2)计算P中的每个点p的ε邻域内的点数量Count，若Count大于MinPts，则将点p标记为核心点，并加入核心点集合Pc；
3)对核心点集合Pc中的每个点p，判断核心点集合内的其他点p'是否在p的ε邻域内；若在，则在p的核心点集合P'中加入p'；
4)对核心点集合Pc中的每个点p，若点p未被访问，则依次取出点p的核心点集合P'中的点p'。若p'未被访问，则将p的聚类索引赋值给p'，并标记为已访问；
5)对P中的每个点p，若p不为核心点，则从核心点集合Pc中依次取出点p'。判断点p是否在p'的ε邻域内；若在，则标记p为边缘点，并将p'的聚类索引赋值给p。
6)将P中未被标记为核心点或边缘点的点记为噪声点。
一般来讲，在选取DBSCAN算法的参数时，会用到k-距离，本方案中选用球面距离，公式如下：
其中，α＝lat1-lat2表示两点纬度之差，β＝lon1-lon2表示两点经度之差。
对于上述生成的兴趣点簇，即目标簇P'，将每一个点簇进一步分解，geo＝[(lon1,lat1),(lon2,lat2),......(loni,lati)]表示每一个点簇里的所有位置点；staySum＝(stayLen1,stayLen1,......stayLeni)表示点簇里每个位置点驻留的时长。
接着，设计一种基于驻留时长加权的位置点归并算法如下：
1)将驻留点集合geo和驻留时长集合staySum的长度记为length，定义每个位置点的权重系数为
2)若length＝1，返回geo＝(lon1,lat1)；
3)若length＞1，i＝1，计算x1＝cos(lat1)×cos(lon1)×fre1，
y1＝cos(lat1)×sin(lon1)×fre1，z1＝sin(lat1)×fre1；
4)类似的当i＞1时，依次计算xi＝xi-1+cos(lati)×cos(loni)×frei，yi＝yi-1+cos(lati)×sin(loni)×frei，zi＝zi-1+sin(lati)×frei；
5)将(4)中得到结果进一步做归一化处理，得到
6)最后利用反正切函数计算得到归并点坐标，如下
geo(lon,lat)＝[degrees(atan(x,y)),degrees(atan2(z,sqrt(x2+y2)))]；
7)按照步骤1)-6)，分别求解兴趣点簇P'中的归并点，最后将驻留时长加入兴趣点中，如下所示：
P'＝[geo(lon1,lat1，staySum1),......,geo(loni,lati，staySumi)]；
通过以上描述的一种基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法(RDW-DBSCAN)，分别得到白天时间段的兴趣点集合Pday，夜间时间段的兴趣点集合Pnight。
结合老人的行为规律和活动特点，定义Pnight集合中staySum驻留时长排名第1的兴趣点为居住地，定义Pday集合中staySum驻留时长排名前3的兴趣点为日常活动地，进而挖掘出老人日常活动区域。
步骤4：老人安全呵护系统基于提取的老人居住地和日常活动地数据，进行老人安全呵护。
本发明根据获取的老人居住地和日常活动地，设计一种基于电信位置数据的老人安全呵护系统，具体步骤如下：
1)实时位置查看
通过运营商的位置能力，每15分钟采集老人手机移动终端信令数据，对老人所持手机移动终端最近一次所在区域进行展示。
2)活动区域守护
A、设置活动范围阈值，包括居住地阈值Thhome、日常活动地阈值Thactivity；
B、每15分钟采集老人手机移动终端信令数据；
C、计算老人最新位置和居住地Dhome；
D、计算老人最新位置日常活动地的距离Dactivity；
E、若同时满足Dhome＞Thhome，Dactivity＞Thactivity，生成偏离提醒信息，并将所述老人活动异常状态的偏离信息发送给子女移动终端。
F、设置医院驻留时间阈值Thhospital，当检测老人移动终端在医院周围区域驻留时长超过Thhospital时，生成就医提醒信息，并将所述老人活动异常状态的就医信息发送给子女移动终端。
G、设置医火车站等大型交通枢纽时间阈值Thstation，当检测老人移动终端在火车站等大型交通枢纽周围区域驻留时长超过Thstation时，生成出行提醒信息，并将所述老人活动异常状态的出行信息发送给子女移动终端。
H、设置河流等危险场所时间阈值Thdanger，当检测老人移动终端在河流等危险场所周围区域驻留时长超过Thdanger时，生成危险场所提醒信息，并将所述老人活动异常状态的危险场所信息发送给子女移动终端。
3)位置兴趣统计
通过前面描述的一种基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法(RDW-DBSCAN)，对老人日常活动地进行研判，并对老人所持手机移动终端最近一个月经常活动的区域进行展示。
老人安全呵护系统基于SOA架构设计，系统整体划分为不同组件或者应用服务，支持分布式的部署及扩展，并通过Nginx组件实现负载均衡。根据逻辑关联划分为：展现层、业务层和数据、持久层。展现层负责系统与用户或者外部系统交互；业务层是服务于展现层，主要实现业务逻辑处理满足表现层的需求；数据、持久层是负责系统数据的存储。
综上所述，本发明：
1、提出一种基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法(RDW-DBSCAN)，根据老人活动规律，能够有效地挖掘出老人的居住地、日常活动地等兴趣点；
2、提出一种消除短距离抖动位置点的方法，针对移动终端信令数据时空位置复杂、数据量大、噪声多的特点，利用三角形外接圆半径阈值控制法，能够简单高效地消除短距离抖动位置点；
3、设计一种基于电信位置数据的老人安全呵护系统，基于电信大数据优势，通过智能化研判分析，提供实时位置查看、偏离活动区域提醒、就医提醒、出行提醒、危险区域提醒、位置兴趣统计等服务，满足子女对老人监护与关爱的需要。
本发明主要应用于老人安全呵护，满足子女关爱老人的需求。本发明所具有的优点是：
1、相对于基于穿戴硬件设备的成熟解决方案，本方案在基于电信位置大数据优势，实现无端化，充分对老人异常情况进行准确识别，满足子女对老人监护与关爱的需要。
2、相对于传统OD方法识别移动终端信令数据兴趣点的方法，提出一种基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法(RDW-DBSCAN)，快速有效地挖掘出老人的居住地、日常活动地等兴趣点，可以达到一定准确度。
3、针对移动终端信令数据时空位置复杂、数据量大、噪声多的特点，设计一种简单高效的漂移数据和乒乓数据消除方法，在数据预处理环节无需消耗过多时间。
4、本方案简单可部署，且可移植性高，用户只需安装APP(轻量级)，可实现功能服务的使用。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种基于电信位置数据的老人安全呵护方法，其特征在于，包括：
步骤1：获取老人移动时移动终端信令数据并对数据进行预处理；
步骤2：筛选老人预设时间段内有效历史轨迹数据作为样本数据，按照白天和夜间两个时间段分别计算每个驻留点的驻留时长，刻画老人的每个驻留点时间分布情况；
步骤3：采用基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法，进行老人居住地和日常活动地数据的提取；
步骤4：老人安全呵护系统基于提取的老人居住地和日常活动地数据，进行老人安全呵护。
2.根据权利要求1所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，步骤1所述预处理包括：
首先进行数据清洗，包括检查数据一致性、剔除格式无效值、重复值和缺失值；
然后利用速度阈值、距离阈值以及三角形外接圆半径阈值控制法，消除长距离漂移位置点和短距离抖动位置点。
3.根据权利要求2所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，所述消除长距离漂移位置点和短距离抖动位置点的具体实现过程如下：
1)将老人预设时间段内的移动时移动终端信令数据看成是为一条时间序列，即P(ti)＝(loni,lati,tsi)，P(ti+1)＝(loni+1,lati+1,tsi+1)；
其中，lon表示老人移动时移动终端与基站交互时所处位置的经度，lat表示老人移动时移动终端与基站交互时所处位置的纬度，ts表示老人移动时移动终端与基站交互时的时间戳；
2)消除长距离漂移位置点：逐一计算每条记录和上一条记录之间的距离Di＝Dis(Pi-Pi-1)，Di+1＝Dis(Pi+1-Pi)，以及时间差Ti＝tsi-tsi-1，Ti＝tsi+1-tsi,则位置点出现的瞬时速度可表示为
Figure FDA0004011504130000011
当Di，Di+1均超过距离阈值，并且瞬时速度超过瞬时速度阈值时，去除该漂移位置点
3)消除短距离抖动位置点：
分别计算第i条记录和第i-1，i+1条记录的距离Di＝Dis(Pi-Pi-1)，Di+1＝Dis(Pi+1-Pi)；
第i-1条记录和第i+1记录的距离Di-1＝Dis(Pi+1-Pi-1)；
考虑到短距离抖动位置点不在一条直线上，那么{Di-1，Di，Di+1}可组成三角形；
利用三角形的三条边来表示其外接圆的半径，则{Di-1，Di，Di+1}构成的三角形的外接圆半径表示为
Figure FDA0004011504130000021
其中
Figure FDA0004011504130000022
若R＞ThR，则剔除掉第i条记录；
ThR为半径阈值。
4.根据权利要求1所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，所述步骤2筛选样本数据的具体实现过程如下：
考虑到老人的行为规律，将白天时间段定义为：6:00-20:00，将夜间时间段定义为20:00-次日6:00；
样本数据筛选的标准应同时满足以下条件：
A.在白天时间段内，每小时至少产生1条移动终端信令数据；
B.在夜间时间段内，产生2条以上移动终端信令数据；
C.一个自然日产生20条以上移动终端信令数据；
所述步骤2刻画每个老人的驻留点分布情况的具体实现过程如下：
定义每个位置点的驻留时长为stayLen，第i条记录的开始时间为第i-1记录的终止时间，第i条记录的结束时间i+1条记录的出现时间，即stayLen＝tsi+1Start-tsi-1End；
分别统计白天时间段内、夜间时间段各个位置地点的累计时长和出现频次，以刻画老人每个驻留点的时间分布情况。
5.根据权利要求1所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，步骤3所述基于驻留时长加权和密度聚类算法相结合的兴趣点识别算法的具体实现过程如下：
基于步骤2得到的老人有效历史轨迹数据，按照白天时间段和夜间时间段分别进行密度聚类，生成目标簇；
对于生成的目标簇，将每一个点簇进一步分解得到每一个点簇里的所有位置点以及点簇里每个位置点驻留的时长；
采用基于驻留时长加权的位置点归并算法分别得到白天时间段的兴趣点集合Pday，夜间时间段的兴趣点集合Pnight；
定义集合Pnight中驻留时长排名第1的兴趣点为居住地，定义集合Pday中驻留时长排名前3的兴趣点为日常活动地，进而挖掘出老人日常活动区域。
6.根据权利要求5所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，对于白天时间段样本数据集，生成目标簇的过程为：
输入：白天时间段样本数据集P＝(p(t1),p(t2),p(t3),......,p(ti)),其中P(ti)＝(loni,lati,tsi)，半径阈值ε＝500，最小点数MinPts＝2；
输出：聚类生成的目标簇P'＝(p(t1),p(t2),p(t3),......,p(tj))；
具体步骤如下：
1)对集合P中的每个点p，标记聚类索引为点p在集合中的位置索引，标记访问状态为未访问，标记点类型为未定义；
2)计算P中的每个点p的ε邻域内的点数量Count，若Count大于MinPts，则将点p标记为核心点，并加入核心点集合Pc；
3)对核心点集合Pc中的每个点p，判断核心点集合内的其他点p'是否在p的ε邻域内；若在，则在p的核心点集合P'中加入p'；
4)对核心点集合Pc中的每个点p，若点p未被访问，则依次取出点p的核心点集合P'中的点p'，若p'未被访问，则将p的聚类索引赋值给p'，并标记为已访问；
5)对P中的每个点p，若p不为核心点，则从核心点集合Pc中依次取出点p'，判断点p是否在p'的ε邻域内；若在，则标记p为边缘点，并将p'的聚类索引赋值给p；
6)将P中未被标记为核心点或边缘点的点记为噪声点。
7.根据权利要求6所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，所述对于生成的目标簇，将每一个点簇进一步分解得到每一个点簇里的所有位置点以及点簇里每个位置点驻留的时长，包括：
对于目标簇P'，将每一个点簇进一步分解，geo＝[(lon1,lat1),(lon2,lat2),......(loni,lati)]表示每一个点簇里的所有位置点；staySum＝(stayLen1,stayLen1,......stayLeni)表示点簇里每个位置点驻留的时长。
8.根据权利要求7所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，所述基于驻留时长加权的位置点归并算法实现过程为：
1)将驻留点集合geo和驻留时长集合staySum的长度记为length，定义每个位置点的权重系数为
Figure FDA0004011504130000041
2)若length＝1，返回geo＝(lon1,lat1)；
3)若length＞1，i＝1，计算x1＝cos(lat1)×cos(lon1)×fre1，
y1＝cos(lat1)×sin(lon1)×fre1，z1＝sin(lat1)×fre1；
4)类似的当i＞1时，依次计算xi＝xi-1+cos(lati)×cos(loni)×frei，
yi＝yi-1+cos(lati)×sin(loni)×frei，zi＝zi-1+sin(lati)×frei；
5)将(4)中得到结果进一步做归一化处理，得到
Figure FDA0004011504130000042
6)最后利用反正切函数计算得到归并点坐标，如下
geo(lon,lat)＝[degrees(atan(x,y)),degrees(atan2(z,sqrt(x2+y2)))]；
7)按照步骤1)-6)，分别求解兴趣点簇P'中的归并点，最后将驻留时长加入兴趣点中，如下所示：
P'＝[geo(lon1,lat1，staySum1),......,geo(loni,lati，staySumi)]。
9.根据权利要求1所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，步骤4所述老人安全呵护系统基于SOA架构设计，系统整体划分为不同组件或者应用服务，支持分布式的部署及扩展，并通过Nginx组件实现负载均衡；其根据逻辑关联划分为：展现层、业务层和数据、持久层；
其中，展现层负责系统与用户或者外部系统交互；业务层服务于展现层，实现业务逻辑处理满足表现层的需求；数据层、持久层负责系统数据的存储。
10.根据权利要求1所述的一种基于电信位置数据的老人安全呵护方法，其特征在于，步骤4所述老人安全呵护系统基于提取的老人居住地和日常活动地数据，进行老人安全呵护，具体步骤如下：
1)实时位置查看：
通过运营商的位置能力，每15分钟采集老人手机移动终端信令数据，对老人所持手机移动终端最近一次所在区域进行展示；
2)活动区域守护：
A、设置活动范围阈值，包括居住地阈值Thhome、日常活动地阈值Thactivity；
B、每15分钟采集老人手机移动终端信令数据；
C、计算老人最新位置和居住地Dhome；
D、计算老人最新位置日常活动地的距离Dactivity；
E、若同时满足Dhome＞Thhome，Dactivity＞Thactivity，生成偏离提醒信息，并将所述老人活动异常状态的偏离信息发送给子女移动终端；
F、设置医院驻留时间阈值Thhospital，当检测老人移动终端在医院周围区域驻留时长超过Thhospital时，生成就医提醒信息，并将所述老人活动异常状态的就医信息发送给子女移动终端；
G、设置医火车站等大型交通枢纽时间阈值Thstation，当检测老人移动终端在火车站等大型交通枢纽周围区域驻留时长超过Thstation时，生成出行提醒信息，并将所述老人活动异常状态的出行信息发送给子女移动终端；
H、设置河流等危险场所时间阈值Thdanger，当检测老人移动终端在河流等危险场所周围区域驻留时长超过Thdanger时，生成危险场所提醒信息，并将所述老人活动异常状态的危险场所信息发送给子女移动终端；
3)位置兴趣统计：
对老人日常活动地进行研判，并对老人所持手机移动终端最近一个月经常活动的区域进行展示。
CN202211655988.6A 2022-12-22 2022-12-22 一种基于电信位置数据的老人安全呵护方法 Pending CN116095602A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211655988.6A CN116095602A (zh) 2022-12-22 2022-12-22 一种基于电信位置数据的老人安全呵护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211655988.6A CN116095602A (zh) 2022-12-22 2022-12-22 一种基于电信位置数据的老人安全呵护方法

Publications (1)

Publication Number Publication Date
CN116095602A true CN116095602A (zh) 2023-05-09

Family

ID=86209514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211655988.6A Pending CN116095602A (zh) 2022-12-22 2022-12-22 一种基于电信位置数据的老人安全呵护方法

Country Status (1)

Country Link
CN (1) CN116095602A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117373204A (zh) * 2023-10-17 2024-01-09 湖北泰跃卫星技术发展股份有限公司 一种数字乡村中的养老预警方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117373204A (zh) * 2023-10-17 2024-01-09 湖北泰跃卫星技术发展股份有限公司 一种数字乡村中的养老预警方法及系统
CN117373204B (zh) * 2023-10-17 2024-03-22 湖北泰跃卫星技术发展股份有限公司 一种数字乡村中的养老预警方法及系统

Similar Documents

Publication Publication Date Title
Yin et al. A generative model of urban activities from cellular data
Corcoran et al. The use of spatial analytical techniques to explore patterns of fire incidence: A South Wales case study
Gao et al. Discovering spatial interaction communities from mobile phone d ata
AU2019100989A4 (en) Global dynamic travel demand estimation method based on multi-source traffic data
CN109145170A (zh) 一种道路交通事故数据挖掘服务器、方法和系统
Zhao et al. Estimating wildfire evacuation decision and departure timing using large-scale GPS data
CN106156528B (zh) 一种轨迹数据停留识别方法及系统
CN106254142A (zh) 一种基于移动通信运营数据的城市群体行为监测系统
Maantay et al. Proximity to environmental hazards: Environmental justice and adverse health outcomes
CN116095602A (zh) 一种基于电信位置数据的老人安全呵护方法
CN111445369A (zh) 基于lbs大数据的城市大型聚集活动情报预警方法和装置
CN105893352A (zh) 一种基于社交网络大数据的空气质量预警和监测分析系统
Cao et al. Understanding metropolitan crowd mobility via mobile cellular accessing data
CN107908636A (zh) 一种利用社交媒体挖掘人类活动时空模式的方法
Yao et al. Understanding human activity and urban mobility patterns from massive cellphone data: Platform design and applications
Hu et al. Refining time-activity classification of human subjects using the global positioning system
Liu et al. Social and spatial heterogeneities in COVID-19 impacts on individual's metro use: A big-data driven causality inference
Jumadi et al. Estimating spatio-temporal risks from volcanic eruptions using an agent-based model
CN109254984B (zh) 基于od数据感知城市动态结构演化规律的可视分析方法
CN113096785B (zh) 一种疫情时期医疗资源分配方法
CN114511432A (zh) 一种基于区块链的数字乡村管理服务系统
Miller Movement analytics for sustainable mobility
CN104850657A (zh) 一种全息位置地图的迭加方法
CN115510056B (zh) 一种利用手机信令数据进行宏观经济分析的数据处理系统
Cerqueira et al. Integrative analysis of traffic and situational context data to support urban mobility planning

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