CN116227929B - 通信数据的分析方法、装置、设备及存储介质 - Google Patents
通信数据的分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116227929B CN116227929B CN202310219280.4A CN202310219280A CN116227929B CN 116227929 B CN116227929 B CN 116227929B CN 202310219280 A CN202310219280 A CN 202310219280A CN 116227929 B CN116227929 B CN 116227929B
- Authority
- CN
- China
- Prior art keywords
- data
- communication behavior
- behavior data
- target
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007405 data analysis Methods 0.000 title claims description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000007621 cluster analysis Methods 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 170
- 238000012545 processing Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 230000007480 spreading Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101100456543 Caenorhabditis elegans mec-4 gene Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229920003087 methylethyl cellulose Polymers 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种通信数据的分析方法、装置、设备及存储介质,涉及计算机技术领域。该通信数据的分析方法包括:获取预设地质灾害事件发生后的历史时间段内的通信行为数据,通信行为数据为:预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;对通信行为数据进行缺失数据填充,得到目标通信行为数据;根据目标通信行为数据进行聚类分析,得到聚类结果,聚类结果用于表征终端设备的分布情况以及移动情况。自动通信行为数据,继而对通信行为数据进行缺失数据填充,使得获取的目标通信行为数据更加完整,基于该目标通信行为数据进行聚类分析得到聚类结果,从而可高效的确定出受灾群众的分布情况和移动情况,节省了人力资源。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种通信数据的分析方法、装置、设备及存储介质。
背景技术
应急管理是促进社会和谐健康发展的一个重要方面,通常,突发事件的时间和空间位置难以精准预测,导致黄金救援时间十分有限,且人是突发事件中的主要承受主体,因此针对受灾人口进行应急救援的高效性和精准性要求最高。
相关技术中,主要采用现场调查、遥感调查等方式来获取受灾人口分析所需的基础数据,以确定突发事件的位置,掌握受灾群众的分布和移动情况。
但是,相关技术中,现场调查的效率较低,而且还浪费了不必要的人力资源。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种通信数据的分析方法、装置、设备及存储介质,以便解决相关技术中所存在的上述技术问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种通信数据的分析方法,包括:
获取预设地质灾害事件发生后的历史时间段内的通信行为数据,所述通信行为数据为:所述预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;
对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
根据所述目标通信行为数据进行聚类分析,得到聚类结果,所述聚类结果用于表征所述终端设备的分布情况以及移动情况。
可选的,所述通信行为数据包括多个历史时刻的多个维度的数据,所述对所述通信行为数据进行缺失数据填充,得到目标通信行为数据,包括:
根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据;其中,所述第一历史时刻为不存在数据缺失的时刻,所述第二历史时刻为存在数据缺失的时刻,所述目标维度为存在数据缺失的维度,所述其它维度为所述多个维度中除所述目标维度之外的维度;
根据所述第二历史时刻的目标维度的预测数据,对所述通信行为数据进行缺失数据填充,得到目标通信行为数据。
可选的,所述根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据,包括:
根据所述第一历史时刻的多个维度的数据进行训练,得到预测模型;
采用所述预测模型,根据所述第二历史时刻的其它维度的数据进行预测,得到所述第二历史时刻的目标维度的预测数据。
可选的,所述根据所述目标通信行为数据进行聚类分析,得到聚类结果,包括:
根据所述目标通信行为数据中的目标样本、第一邻域半径以及所述第一邻域半径对应的样本个数阈值,确定样本扩展序列,所述样本扩展序列中包括:多个样本,以及每个样本对应的可达距离以及核心距离;
若所述样本扩展序列中一样本的可达距离大于第二邻域半径,且所述一样本的核心距离小于所述第二邻域半径,则为所述一样本创建新的聚类分组;
若所述一样本的可达距离小于所述第二邻域半径,则将所述一样本归类为当前聚类分组;所述聚类结果包括多个聚类分组。
可选的,所述根据所述目标通信行为数据中的目标样本、第一邻域半径以及所述第一邻域半径对应的样本个数阈值,确定样本扩展序列,包括:
根据所述第一邻域半径以及所述样本个数阈值,确定所述目标样本中任意样本的第一直接密度可达样本;
计算每个所述第一直接密度可达样本对应的第一核心距离以及第一可达距离,并将所述第一直接密度可达样本、所述第一核心距离和所述第一可达距离添加至待处理队列中;
从所述待处理队列的所述第一直接密度可达样本中确定所述第一可达距离最小的样本;
根据所述第一可达距离最小的样本、所述第一邻域半径以及所述样本个数阈值进行扩展,直至所述待处理队列被清空,得到所述样本扩展序列。
可选的,所述获取预设地质灾害事件发生后的历史时间段内的通信行为数据,包括:
在所述预设地质灾害事件发生后,检测地面接入网是否受损;
若是,则采用移动边缘计算平台通过用户平面功能UPF网元向卫星发送第一数据请求,以从所述卫星获取所述通信行为数据;
若否,则采用网络数据分析功能NWDAF通过接入移动管理AMF网元向基站发送第二数据请求,以从所述基站获取所述通信行为数据。
可选的,在所述对所述通信行为数据进行缺失数据填充,得到目标通信行为数据之前,所述方法还包括:
对所述目标通信行为数据进行排序,得到排序后的通信行为数据;
根据预设分位数值,对所述排序后的通信行为数据进行筛选,得到筛选后的通信行为数据;
所述根据所述目标通信行为数据进行聚类分析,得到聚类结果,包括:
根据所述筛选后的通信行为数据进行聚类分析,得到所述聚类结果。
第二方面,本发明实施例还提供了一种通信数据的分析装置,包括:
获取模块,用于获取预设地质灾害事件发生后的历史时间段内的通信行为数据,所述通信行为数据为:所述预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;
填充模块,用于对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
分析模块,用于根据所述目标通信行为数据进行聚类分析,得到聚类结果,所述聚类结果用于表征所述终端设备的分布情况以及移动情况。
可选的,所述通信行为数据包括多个历史时刻的多个维度的数据,所述填充模块,具体用于根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据;其中,所述第一历史时刻为不存在数据缺失的时刻,所述第二历史时刻为存在数据缺失的时刻,所述目标维度为存在数据缺失的维度,所述其它维度为所述多个维度中除所述目标维度之外的维度;根据所述第二历史时刻的目标维度的预测数据,对所述通信行为数据进行缺失数据填充,得到目标通信行为数据。
可选的,所述填充模块,具体用于根据所述第一历史时刻的多个维度的数据进行训练,得到预测模型;采用所述预测模型,根据所述第二历史时刻的其它维度的数据进行预测,得到所述第二历史时刻的目标维度的预测数据。
可选的,所述分析模块,具体用于根据所述目标通信行为数据中的目标样本、第一邻域半径以及所述第一邻域半径对应的样本个数阈值,确定样本扩展序列,所述样本扩展序列中包括:多个样本,以及每个样本对应的可达距离以及核心距离;若所述样本扩展序列中一样本的可达距离大于第二邻域半径,且所述一样本的核心距离小于所述第二邻域半径,则为所述一样本创建新的聚类分组;若所述一样本的可达距离小于所述第二邻域半径,则将所述一样本归类为当前聚类分组;所述聚类结果包括多个聚类分组。
可选的,所述分析模块,具体用于根据所述第一邻域半径以及所述样本个数阈值,确定所述目标样本中任意样本的第一直接密度可达样本;计算每个所述第一直接密度可达样本对应的第一核心距离以及第一可达距离,并将所述第一直接密度可达样本、所述第一核心距离和所述第一可达距离添加至待处理队列中;从所述待处理队列的所述第一直接密度可达样本中确定所述第一可达距离最小的样本;根据所述第一可达距离最小的样本、所述第一邻域半径以及所述样本个数阈值进行扩展,直至所述待处理队列被清空,得到所述样本扩展序列。
可选的,所述获取模块,具体用于在所述预设地质灾害事件发生后,检测地面接入网是否受损;若是,则采用移动边缘计算平台通过用户平面功能UPF网元向卫星发送第一数据请求,以从所述卫星获取所述通信行为数据;若否,则采用网络数据分析功能NWDAF通过接入移动管理AMF网元向基站发送第二数据请求,以从所述基站获取所述通信行为数据。
可选的,所述装置还包括:
排序模块,用于对所述目标通信行为数据进行排序,得到排序后的通信行为数据;
筛选模块,用于根据预设分位数值,对所述排序后的通信行为数据进行筛选,得到筛选后的通信行为数据;
所述分析模块,具体用于根据所述筛选后的通信行为数据进行聚类分析,得到所述聚类结果。
第三方面,本发明实施例还提供了一种处理设备,包括:存储器和处理器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的通信数据的分析方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被读取并执行时,实现上述第一方面任一项所述的通信数据的分析方法。
本发明的有益效果是:本申请实施例提供一种通信数据的分析方法、装置、设备及存储介质,该通信数据的分析方法包括:获取预设地质灾害事件发生后的历史时间段内的通信行为数据,通信行为数据为:预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;对通信行为数据进行缺失数据填充,得到目标通信行为数据;根据目标通信行为数据进行聚类分析,得到聚类结果,聚类结果用于表征终端设备的分布情况以及移动情况。自动通信行为数据,继而对通信行为数据进行缺失数据填充,使得获取的目标通信行为数据更加完整,基于该目标通信行为数据进行聚类分析得到聚类结果,从而可以高效、准确的获取到终端设备的分布情况以及移动情况,即可高效的确定出受灾群众的分布情况和移动情况,无需人工参与,节省了人力资源。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本邻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相关的附图。
图1为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图2为本申请实施例提供的一种通信系统的结构示意图;
图3为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图4为本申请实施例提供的一种从基站获取通信行为数据的交互流程示意图;
图5为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图6为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图7为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图8为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图9为本申请实施例提供的一种通信数据的分析方法的流程示意图;
图10为本申请实施例提供的一种通信数据的分析装置的结构示意图;
图11为本申请实施例提供的一种处理设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本邻域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要说明的是,若出现术语“上”、“下”、等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
相关技术中,主要采用现场调查、遥感调查等方式来获取受灾人口分析所需的基础数据,以确定突发事件的位置,掌握受灾群众的分布和移动情况。但是,相关技术中,现场调查的效率较低,而且还浪费了不必要的人力资源。
针对相关技术中所存在的技术问题,本申请实施例提供一种通信数据的分析方法,包括:自动获取预设地质灾害事件发生后的历史时间段内的通信行为数据,该通信行为数据为预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据,继而对通信行为数据进行缺失数据填充,使得获取的目标通信行为数据更加完整,基于该目标通信行为数据进行聚类分析得到聚类结果,从而可以高效的获取到终端设备的分布情况以及移动情况,即可高效的确定出受灾群众的分布情况和移动情况,无需人工参与,节省了人力资源。
本申请实施例提供的一种通信数据的分析方法,可以应用于处理设备,该处理设备可以为服务器或者5G(5th Generation Mobile Communication Technology,第五代移动通信技术)网元,还可以为其他具备处理功能的设备,本申请实施例对此不进行具体限制。
以下对本申请实施例提供的一种通信数据的分析方法进行解释说明。
图1为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图1所示,该方法可以包括:
S101、获取预设地质灾害事件发生后的历史时间段内的通信行为数据。
其中,通信行为数据为:预设地质灾害事件对应的目标区域内的终端
设备通信所产生的数据。
需要说明的是,预设地址灾害事件可以包括地震事件、洪水事件、暴雨事件等等,当然,还可以为其它严重影响人安危的事件,本申请实施例对此不进行具体限制。
在本申请实施例中,当预设地质灾害事件发生后,预设地质灾害事件发生地的人会进行迁移以及利用终端设备进行通信,预设地质灾害事件发生后的历史时间段内对目标区域内的终端设备通信所产生的数据进行统计,得到通信行为数据。
另外,预设地质灾害事件对应的目标区域可以包括:预设地址灾害事件所发生的第一区域和/或第一区域周围的第二区域。
S102、对通信行为数据进行缺失数据填充,得到目标通信行为数据。
其中,目标通信行为数据相比于通信行为数据更加完整。
在一些实施方式中,可以对通信行为数据中的缺失数据进行预测,得到预测数据,根据预测数据对通信行为数据进行缺失数据填充,得到目标通信行为数据。
S103、根据目标通信行为数据进行聚类分析,得到聚类结果。
其中,聚类结果用于表征终端设备的分布情况以及移动情况。
值得说明的是,可以采用预设聚类分析算法,或者,预设聚类分析模型,根据目标通信行为数据进行聚类分析,得到聚类结果。
在实际应用中,为了使得终端设备的分布情况更加直观,可以根据聚类结果,以及目标通信行为数据中的位置数据,在地图上进行映射,则映射后的地图,可以表征终端设备分布以及移动的具体位置、路径等等。
综上所述,本申请实施例提供一种通信数据的分析方法,包括:获取预设地质灾害事件发生后的历史时间段内的通信行为数据,通信行为数据为:预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;对通信行为数据进行缺失数据填充,得到目标通信行为数据;根据目标通信行为数据进行聚类分析,得到聚类结果,聚类结果用于表征终端设备的分布情况以及移动情况。自动通信行为数据,继而对通信行为数据进行缺失数据填充,使得获取的目标通信行为数据更加完整,基于该目标通信行为数据进行聚类分析得到聚类结果,从而可以高效、准确的获取到终端设备的分布情况以及移动情况,即可高效的确定出受灾群众的分布情况和移动情况,无需人工参与,节省了人力资源。
图2为本申请实施例提供的一种通信系统的结构示意图,如图2所示,该通信系统可以包括:多个终端设备10、卫星11、天基核心网12、MEC(移动边缘计算,Mobile EdgeComputing,MEC)13、基站14、5GC(5G Core,地基核心网)15。该通信系统又可以称为天地一体化的应急管理系统。
其中,终端设备10可以称为UE(User Equipment,用户终端),如图2所示,多个终端设备10可以包括:UE1、UE2、UE3、UE4,当然这只是一种示例,本申请实施例对于终端设备10的数量不进行具体限制。终端设备10与卫星11通信连接,卫星11通过天基核心网12与MEC13通信连接;终端设备10通过基站14与5GC15通信连接,5GC15还分别与卫星11、天基核心网12通信连接。
在本申请实施例中,预设地质灾害事件发生后,在基站14与5GC15均未损坏的情况下,处理设备可以为5GC15中的NWDAF,处理设备从基站14中获取通信行为数据。在基站14与5GC15损坏的情况下,在历史时间段内,卫星11接收一终端设备10的与另一终端设备10通信的请求,采用天基核心网12、5GC15根据该请求,建立一终端设备10与另一终端设备10之间通信,卫星11可以记录通信行为数据,处理设备可以为MEC13,处理设备通过天基核心网12与从卫星11中获取通信行为数据。
综上所述,采用合理的数据处理和分析方法进行受灾群众的分布和移动情况分析,并构建天地一体化的应急管理系统以解决信令数据传输过程中极易基站、建筑物、网络、服务器等众多因素影响的问题,以此实现运营商为应急管理部门提供突发事件区域内的人群监测分析和研判预测等数据服务,辅助管理部门进行灾情预警、人流监测、灾后评估以及间接估算灾区受灾人口等,提升应急管理部门重大灾害的应急处置能力。
可选的,图3为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图3所示,上述S101中获取预设地质灾害事件发生后的历史时间段内的通信行为数据的过程,可以包括:
S301、在预设地质灾害事件发生后,检测地面接入网是否受损。
其中,地面接入网可以包括:基站以及5GC。
需要说明的是,在预设地质灾害事件发生后,可能会造成地面接入网损坏的问题,因此,需要检测地面接入网是否受损。
S302、若是,则采用移动边缘计算平台通过用户平面功能UPF网元向卫星发送第一数据请求,以从卫星获取通信行为数据。
其中,移动边缘计算平台为上述中的MEC,天基核心网为UPF。
在一些实施方式中,若地面接入网受损,则采用MEC通过UPF向卫星发送第一数据请求,卫星可以接收该第一数据请求,卫星根据该第一数据请求通过UPF向MEC返回通信行为数据。
S303、若否,则采用网络数据分析功能NWDAF通过接入移动管理AMF网元向基站发送第二数据请求,以从基站获取通信行为数据。
在本申请实施例中,通信行为数据可以包括:IMSI(International MobileSubscriber Identity,国际移动用户识别码)、时间戳、位置区编号、经度、纬度、事件类型、归属地等。
图4为本申请实施例提供的一种从基站获取通信行为数据的交互流程示意图,如图4所示,上述S303的过程可以包括:
S401、终端设备UE通过基站RAN向移动管理功能AMF进行注册以及移动更新;
S402、RAN根据UE的通信行为记录通信行为数据。
S403、应用功能AF通过网络开放功能NEF向NWDAF发送第二数据请求;
其中,对于不可信的AF,会先由NEF进行授权操作,当NEF授权AF的第二数据请求时,由NEF将AF的第二数据请求转发给NWDAF。
S404、NWDAF向移动管理功能AMF发送第二数据请求;
S405、AMF根据第二数据请求中的目标区域标识确定相应的RAN;
S406、AMF向RAN发送第二数据请求;
S407、RAN向AMF发送通信行为数据;
S408、AMF向NWDAF发送通信行为数据;
其中,NWDAF执行上述S101至S103的过程,得到聚类结果,继而NWDAF可以通过NEF向AF发送聚类结果。
在本申请实施例中,第一数据请求或者第二数据请求包括:分析标识、目标区域的标识、分析目标、采集通信行为数据的间隔时长;
其中,目标区域为预设地质灾害事件发生时所在的第一区域和/或第一区域的周围区域。
可选的,通信行为数据包括多个历史时刻的多个维度的数据,图5为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图5所示,上述S102中对通信行为数据进行缺失数据填充,得到目标通信行为数据的过程,可以包括:
S501、根据多个历史时刻中第一历史时刻的多个维度的数据、多个历史时刻中第二历史时刻的其它维度的数据,预测第二历史时刻的目标维度的预测数据。
其中,第一历史时刻为不存在数据缺失的时刻,第二历史时刻为存在数据缺失的时刻,目标维度为存在数据缺失的维度,其它维度为多个维度中除目标维度之外的维度。
需要说明的是,多个维度可以包括下述中的至少两项:位置区编号、经度、维度、事件类型。同一个IMSI的通信行为数据可以在一张表中,示例的,可以参考表1、表2和表3:
表1
表2
表3
在一些实施方式中,以表1为例,表1中第二历史时刻可以为“2022-12-01 14:01:11”,第一历史时刻可以包括:“2022-12-01 14:01:01”、“2022-12-01 14:01:21”、“2022-12-01 15:01:00”,第二历史时刻的目标维度为“纬度”,第二历史时刻的其它维度包括“位置区编号”、“经度”、“事件类型”,第一历史时刻的全部维度包括“位置区编号”、“经度”、“纬度”“事件类型”,基于表1中所有数据进行预测,可以确定出在第二历史时刻的目标维度的数据,即22.2659。
S502、根据第二历史时刻的目标维度的预测数据,对通信行为数据进行缺失数据填充,得到目标通信行为数据。
其中,目标通信行为数据包括:第二历史时刻的目标维度的预测数据,第二历史时刻的其它维度的数据,第一历史时刻的多个维度的数据。
示例的,可以将表1中的“缺失数据”替换为预测数据“22.2659”,或者,直接将“22.2659”填充至表1中第二历史时刻对应的纬度位置。
需要说明的是,可以计算缺失数据的比例,采用随机森林算法将缺失率大于预设阈值的数据进行填补,若失率小于预设阈值,直接删除含有缺失值的通信行为数据。其中,预设阈值可以为5%,当然,也可以为其它数值,可以根据实际需求进行设定,本实施例对此不进行具体限制。
可选的,图6为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图6所示,上述S501中根据多个历史时刻中第一历史时刻的多个维度的数据、多个历史时刻中第二历史时刻的其它维度的数据,预测第二历史时刻的目标维度的预测数据的过程,可以包括:
S601、根据第一历史时刻的多个维度的数据进行训练,得到预测模型。
其中,第一历史时刻的多个维度的数据为不存在数据缺失的数据,根据第一历史时刻的多个维度的数据对初始预测模型进行训练,更新模型参数,直至满足训练终止条件,得到预测模型。
S602、采用预测模型,根据第二历史时刻的其它维度的数据进行预测,得到第二历史时刻的目标维度的预测数据。
值得说明的是,可以将第二历史时刻的其它维度的数据输入预测模型中,预测模型可以输出第二历史时刻的目标维度的预测数据。
可选的,图7为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图7所示,在上述S102中对通信行为数据进行缺失数据填充,得到目标通信行为数据的过程之前,该方法还可以包括:
S701、对目标通信行为数据进行排序,得到排序后的通信行为数据。
其中,可以对目标通信行为数据进行由大到小排序,或者,由小到大排序,得到排序后的通信行为数据,本申请实施例对此不进行具体限制。
在本申请实施例中,目标通信行为数据包括:时间戳维度、位置区编号维度、经度维度、纬度维度对应通信行为数据,可以对每个维度的通信行为数据分别进行排序。
S702、根据预设分位数值,对排序后的通信行为数据进行筛选,得到筛选后的通信行为数据。
上述S103中根据目标通信行为数据进行聚类分析,得到聚类结果的过程,可以包括:
S703、根据筛选后的通信行为数据进行聚类分析,得到聚类结果。
其中,上述预设分位数值可以为下四分位数值Q1和上四分位数值Q3。
在一些实施方式中,分别找出下四分位数值Q1和上四分位数值Q3,计算四分位距IQR=Q3-Q1,然后计算目标区间[Q1-1.5IQR,Q3+1.5IQR],删除数据集中小于Q1-1.5IQR或大于Q3+1.5IQR的数据。
可选的,图8为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图8所示,上述S103中根据目标通信行为数据进行聚类分析,得到聚类结果的过程,可以包括:
S801、根据目标通信行为数据中的目标样本、第一邻域半径以及第一邻域半径对应的样本个数阈值,确定样本扩展序列。
其中,样本扩展序列中包括:多个样本,以及每个样本对应的可达距离以及核心距离。
需要说明的是,目标通信行为数据中的目标样本可以为目标通信行为数据中所有数据,第一邻域半径可以表示为ε,第一邻域半径对应的样本个数阈值可以表示为MinPts。
S802、若样本扩展序列中一样本的可达距离大于第二邻域半径,且一样本的核心距离小于第二邻域半径,则为一样本创建新的聚类分组。
其中,第二邻域半径可以表示为εi,εi∈[0,ε],样本扩展序列中一样本可以为任意样本p。
S803、若一样本的可达距离小于预设邻域半径,则将一样本归类为当前聚类分组。
其中,聚类结果可以包括多个聚类分组。
在本申请实施例中,判断样本扩展序列中一样本的可达距离是否大于εi,若可达距离大于εi,则进一步判断样本扩展序列中一样本的核心距离是否小于εi,若一样本的核心距离小于εi,则确定该一样本为核心对象,为一样本创建新的聚类分组,若否,则一样本为噪音点。其中,对于样本扩展序列中每个样本均可以进行这样的操作。
另外,若一样本的可达距离小于εi,则将将一样本归类为当前聚类分组。
可选的,图9为本申请实施例提供的一种通信数据的分析方法的流程示意图,如图9所示,上述S801中根据目标通信行为数据中的目标样本、第一邻域半径以及第一邻域半径对应的样本个数阈值,确定样本扩展序列的过程,可以包括:
S901、根据第一邻域半径以及样本个数阈值,确定目标样本中任意样本的第一直接密度可达样本。
在一些实施方式中,目标样本可以表示为数据集{X},从数据集中随机选择一个任意样本,判断任意样本的第一邻域半径内所含样本个数是否大于样本个数阈值阈值MinPts,若否,则该任意样本为边界对象,不做任何处理,重新选择一个新的任意样本,继续判断该任意样本是否为核心对象;若是,则该任意样本为核心对象,找出从核心对象直接密度可达的数据样本,即第一直接密度可达样本。
S902、计算每个第一直接密度可达样本对应的第一核心距离以及第一可达距离,并将第一直接密度可达样本、第一核心距离和第一可达距离添加至待处理队列中。
需要说明的是,待处理队列可以表示为Q。
S903、从待处理队列的第一直接密度可达样本中确定第一可达距离最小的样本。
S904、根据第一可达距离最小的样本、第一邻域半径以及样本个数阈值进行扩展,直至待处理队列被清空,得到样本扩展序列。
值得说明的是,从待处理队列Q中选择第一可达距离最小的样本q进行进一步的扩展,首先,判断q是否为核心对象,若是,根据第一邻域半径以及样本个数阈值找出所有从样本q直接密度可达的数据样本,然后计算它们的核心距离和可达距离,并将它们放入待处理队列Q中;若否,则不做任何处理;直到所有样本都被处理过即待处理队列清空为止;得到样本扩展序列。
综上所述,本发明实施例提供一种通信数据的分析方法,将5G中的智能分析能力应用到应急管理中,并且考虑到突发事件可能对基站造成损坏的情况,通过天基接入网、天基核心网以及MEC为受灾区域提供通信和分析服务,构建通信数据的分析系统,提高应急管理的可靠性,并利用手机信令数据采用基于聚类的方法分析人口分布和移动情况,而且,该方法对输入参数不敏感,能提高应急管理过程中分析效率。
下述对用以执行本申请所提供的通信数据的分析方法的通信数据的分析装置、处理设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述通信数据的分析方法的相关内容,下述不再赘述。
图10为本申请实施例提供的一种通信数据的分析装置的结构示意图,如图10所示,该装置可以包括:
获取模块101,用于获取预设地质灾害事件发生后的历史时间段内的通信行为数据,所述通信行为数据为:所述预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;
填充模块102,用于对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
分析模块103,用于根据所述目标通信行为数据进行聚类分析,得到聚类结果,所述聚类结果用于表征所述终端设备的分布情况以及移动情况。
可选的,所述通信行为数据包括多个历史时刻的多个维度的数据,所述填充模块102,具体用于根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据;其中,所述第一历史时刻为不存在数据缺失的时刻,所述第二历史时刻为存在数据缺失的时刻,所述目标维度为存在数据缺失的维度,所述其它维度为所述多个维度中除所述目标维度之外的维度;根据所述第二历史时刻的目标维度的预测数据,对所述通信行为数据进行缺失数据填充,得到目标通信行为数据。
可选的,所述填充模块102,具体用于根据所述第一历史时刻的多个维度的数据进行训练,得到预测模型;采用所述预测模型,根据所述第二历史时刻的其它维度的数据进行预测,得到所述第二历史时刻的目标维度的预测数据。
可选的,所述分析模块103,具体用于根据所述目标通信行为数据中的目标样本、第一邻域半径以及所述第一邻域半径对应的样本个数阈值,确定样本扩展序列,所述样本扩展序列中包括:多个样本,以及每个样本对应的可达距离以及核心距离;若所述样本扩展序列中一样本的可达距离大于第二邻域半径,且所述一样本的核心距离小于所述第二邻域半径,则为所述一样本创建新的聚类分组;若所述一样本的可达距离小于所述第二邻域半径,则将所述一样本归类为当前聚类分组;所述聚类结果包括多个聚类分组。
可选的,所述分析模块103,具体用于根据所述第一邻域半径以及所述样本个数阈值,确定所述目标样本中任意样本的第一直接密度可达样本;计算每个所述第一直接密度可达样本对应的第一核心距离以及第一可达距离,并将所述第一直接密度可达样本、所述第一核心距离和所述第一可达距离添加至待处理队列中;从所述待处理队列的所述第一直接密度可达样本中确定所述第一可达距离最小的样本;根据所述第一可达距离最小的样本、所述第一邻域半径以及所述样本个数阈值进行扩展,直至所述待处理队列被清空,得到所述样本扩展序列。
可选的,所述获取模块101,具体用于在所述预设地质灾害事件发生后,检测地面接入网是否受损;若是,则采用移动边缘计算平台通过用户平面功能UPF网元向卫星发送第一数据请求,以从所述卫星获取所述通信行为数据;若否,则采用网络数据分析功能NWDAF通过接入移动管理AMF网元向基站发送第二数据请求,以从所述基站获取所述通信行为数据。
可选的,所述装置还包括:
排序模块,用于对所述目标通信行为数据进行排序,得到排序后的通信行为数据;
筛选模块,用于根据预设分位数值,对所述排序后的通信行为数据进行筛选,得到筛选后的通信行为数据;
所述分析模块,具体用于根据所述筛选后的通信行为数据进行聚类分析,得到所述聚类结果。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图11为本申请实施例提供的一种处理设备的结构示意图,如图11所示,该处理设备可以包括:处理器1101、存储器1102。
存储器1102用于存储程序,处理器1101调用存储器1102存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本邻域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种通信数据的分析方法,其特征在于,包括:
获取预设地质灾害事件发生后的历史时间段内的通信行为数据,所述通信行为数据为:所述预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;
对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
根据所述目标通信行为数据进行聚类分析,得到聚类结果,所述聚类结果用于表征所述终端设备的分布情况以及移动情况;
所述通信行为数据包括多个历史时刻的多个维度的数据,所述对所述通信行为数据进行缺失数据填充,得到目标通信行为数据,包括:
根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据;其中,所述第一历史时刻为不存在数据缺失的时刻,所述第二历史时刻为存在数据缺失的时刻,所述目标维度为存在数据缺失的维度,所述其它维度为所述多个维度中除所述目标维度之外的维度;
根据所述第二历史时刻的目标维度的预测数据,对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
所述获取预设地质灾害事件发生后的历史时间段内的通信行为数据,包括:
在所述预设地质灾害事件发生后,检测地面接入网是否受损;
若是,则采用移动边缘计算平台通过用户平面功能UPF网元向卫星发送第一数据请求,以从所述卫星获取所述通信行为数据;
若否,则采用网络数据分析功能NWDAF通过接入移动管理AMF网元向基站发送第二数据请求,以从所述基站获取所述通信行为数据;
所述根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据,包括:
根据所述第一历史时刻的多个维度的数据进行训练,得到预测模型;
采用所述预测模型,根据所述第二历史时刻的其它维度的数据进行预测,得到所述第二历史时刻的目标维度的预测数据;
在所述对所述通信行为数据进行缺失数据填充,得到目标通信行为数据之后,所述方法还包括:
对所述目标通信行为数据进行排序,得到排序后的通信行为数据;
根据预设分位数值,对所述排序后的通信行为数据进行筛选,得到筛选后的通信行为数据;
所述根据所述目标通信行为数据进行聚类分析,得到聚类结果,包括:
根据所述筛选后的通信行为数据进行聚类分析,得到所述聚类结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标通信行为数据进行聚类分析,得到聚类结果,包括:
根据所述目标通信行为数据中的目标样本、第一邻域半径以及所述第一邻域半径对应的样本个数阈值,确定样本扩展序列,所述样本扩展序列中包括:多个样本,以及每个样本对应的可达距离以及核心距离;
若所述样本扩展序列中一样本的可达距离大于第二邻域半径,且所述一样本的核心距离小于所述第二邻域半径,则为所述一样本创建新的聚类分组;
若所述一样本的可达距离小于所述第二邻域半径,则将所述一样本归类为当前聚类分组;所述聚类结果包括多个聚类分组。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标通信行为数据中的目标样本、第一邻域半径以及所述第一邻域半径对应的样本个数阈值,确定样本扩展序列,包括:
根据所述第一邻域半径以及所述样本个数阈值,确定所述目标样本中任意样本的第一直接密度可达样本;
计算每个所述第一直接密度可达样本对应的第一核心距离以及第一可达距离,并将所述第一直接密度可达样本、所述第一核心距离和所述第一可达距离添加至待处理队列中;
从所述待处理队列的所述第一直接密度可达样本中确定所述第一可达距离最小的样本;
根据所述第一可达距离最小的样本、所述第一邻域半径以及所述样本个数阈值进行扩展,直至所述待处理队列被清空,得到所述样本扩展序列。
4.一种通信数据的分析装置,其特征在于,包括:
获取模块,用于获取预设地质灾害事件发生后的历史时间段内的通信行为数据,所述通信行为数据为:所述预设地质灾害事件对应的目标区域内的终端设备通信所产生的数据;
填充模块,用于对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
分析模块,用于根据所述目标通信行为数据进行聚类分析,得到聚类结果,所述聚类结果用于表征所述终端设备的分布情况以及移动情况;
所述通信行为数据包括多个历史时刻的多个维度的数据,所述填充模块,具体用于根据所述多个历史时刻中第一历史时刻的多个维度的数据、所述多个历史时刻中第二历史时刻的其它维度的数据,预测所述第二历史时刻的目标维度的预测数据;其中,所述第一历史时刻为不存在数据缺失的时刻,所述第二历史时刻为存在数据缺失的时刻,所述目标维度为存在数据缺失的维度,所述其它维度为所述多个维度中除所述目标维度之外的维度;根据所述第二历史时刻的目标维度的预测数据,对所述通信行为数据进行缺失数据填充,得到目标通信行为数据;
所述获取模块,具体用于在所述预设地质灾害事件发生后,检测地面接入网是否受损;若是,则采用移动边缘计算平台通过用户平面功能UPF网元向卫星发送第一数据请求,以从所述卫星获取所述通信行为数据;若否,则采用网络数据分析功能NWDAF通过接入移动管理AMF网元向基站发送第二数据请求,以从所述基站获取所述通信行为数据;
所述填充模块,具体用于根据所述第一历史时刻的多个维度的数据进行训练,得到预测模型;采用所述预测模型,根据所述第二历史时刻的其它维度的数据进行预测,得到所述第二历史时刻的目标维度的预测数据;
所述装置还包括:
排序模块,用于对所述目标通信行为数据进行排序,得到排序后的通信行为数据;
筛选模块,用于根据预设分位数值,对所述排序后的通信行为数据进行筛选,得到筛选后的通信行为数据;
所述分析模块,具体用于根据所述筛选后的通信行为数据进行聚类分析,得到所述聚类结果。
5.一种处理设备,其特征在于,包括:存储器和处理器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-3任一项所述的通信数据的分析方法。
6.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被读取并执行时,实现上述权利要求1-3任一项所述的通信数据的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310219280.4A CN116227929B (zh) | 2023-03-07 | 2023-03-07 | 通信数据的分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310219280.4A CN116227929B (zh) | 2023-03-07 | 2023-03-07 | 通信数据的分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116227929A CN116227929A (zh) | 2023-06-06 |
CN116227929B true CN116227929B (zh) | 2024-03-19 |
Family
ID=86584180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310219280.4A Active CN116227929B (zh) | 2023-03-07 | 2023-03-07 | 通信数据的分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227929B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117118495B (zh) * | 2023-08-23 | 2024-05-28 | 中国科学院微小卫星创新研究院 | 天基通算一体化网络系统、遥感数据在轨处理方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105376771A (zh) * | 2015-10-20 | 2016-03-02 | 四川公用信息产业有限责任公司 | 一种基于通信数据评估受灾区域受地震影响程度的方法 |
KR20170022694A (ko) * | 2015-08-21 | 2017-03-02 | 주식회사 제이비티 | 재난안전 통합 상황관리를 위한 관심지역 분석방법 |
CN107220316A (zh) * | 2017-05-17 | 2017-09-29 | 华为机器有限公司 | 一种通信数据分析方法及装置 |
CN109640355A (zh) * | 2019-01-22 | 2019-04-16 | 中国联合网络通信集团有限公司 | 灾区人员人身安全的确定方法和装置 |
CN113053063A (zh) * | 2021-03-09 | 2021-06-29 | 国网安徽省电力有限公司电力科学研究院 | 基于移动端的灾害在线处置流程实现方法 |
CN113115394A (zh) * | 2021-04-07 | 2021-07-13 | 广州爱浦路网络技术有限公司 | 基于地面移动网络和卫星移动网络切换的通信方法和核心网 |
WO2021151305A1 (zh) * | 2020-07-16 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于缺失数据的样本分析方法、装置、电子设备及介质 |
CN113449160A (zh) * | 2021-06-30 | 2021-09-28 | 平安科技(深圳)有限公司 | 数据智能筛选方法、装置、设备及介质 |
CN113807725A (zh) * | 2021-09-26 | 2021-12-17 | 大连华信计算机技术股份有限公司 | 一种基于数字预案的全周期可视化救援指挥系统 |
CN113839797A (zh) * | 2020-06-23 | 2021-12-24 | 华为技术有限公司 | 数据处理方法和装置 |
CN114049155A (zh) * | 2021-11-17 | 2022-02-15 | 浙江华坤道威数据科技有限公司 | 基于大数据分析的营销运营方法、系统 |
CN114186110A (zh) * | 2021-12-08 | 2022-03-15 | 杭州安恒信息技术股份有限公司 | 一种数据聚类方法、装置、设备及可读存储介质 |
CN114969153A (zh) * | 2021-09-29 | 2022-08-30 | 中国联合网络通信集团有限公司 | 一种人员分布数据确定方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107466103B (zh) * | 2016-04-29 | 2020-06-02 | 华为技术有限公司 | 一种终端定位方法及网络设备 |
-
2023
- 2023-03-07 CN CN202310219280.4A patent/CN116227929B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170022694A (ko) * | 2015-08-21 | 2017-03-02 | 주식회사 제이비티 | 재난안전 통합 상황관리를 위한 관심지역 분석방법 |
CN105376771A (zh) * | 2015-10-20 | 2016-03-02 | 四川公用信息产业有限责任公司 | 一种基于通信数据评估受灾区域受地震影响程度的方法 |
CN107220316A (zh) * | 2017-05-17 | 2017-09-29 | 华为机器有限公司 | 一种通信数据分析方法及装置 |
CN109640355A (zh) * | 2019-01-22 | 2019-04-16 | 中国联合网络通信集团有限公司 | 灾区人员人身安全的确定方法和装置 |
CN113839797A (zh) * | 2020-06-23 | 2021-12-24 | 华为技术有限公司 | 数据处理方法和装置 |
WO2021151305A1 (zh) * | 2020-07-16 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于缺失数据的样本分析方法、装置、电子设备及介质 |
CN113053063A (zh) * | 2021-03-09 | 2021-06-29 | 国网安徽省电力有限公司电力科学研究院 | 基于移动端的灾害在线处置流程实现方法 |
CN113115394A (zh) * | 2021-04-07 | 2021-07-13 | 广州爱浦路网络技术有限公司 | 基于地面移动网络和卫星移动网络切换的通信方法和核心网 |
CN113449160A (zh) * | 2021-06-30 | 2021-09-28 | 平安科技(深圳)有限公司 | 数据智能筛选方法、装置、设备及介质 |
CN113807725A (zh) * | 2021-09-26 | 2021-12-17 | 大连华信计算机技术股份有限公司 | 一种基于数字预案的全周期可视化救援指挥系统 |
CN114969153A (zh) * | 2021-09-29 | 2022-08-30 | 中国联合网络通信集团有限公司 | 一种人员分布数据确定方法及装置 |
CN114049155A (zh) * | 2021-11-17 | 2022-02-15 | 浙江华坤道威数据科技有限公司 | 基于大数据分析的营销运营方法、系统 |
CN114186110A (zh) * | 2021-12-08 | 2022-03-15 | 杭州安恒信息技术股份有限公司 | 一种数据聚类方法、装置、设备及可读存储介质 |
Non-Patent Citations (3)
Title |
---|
刘洞天.基于通信数据流异常检测的地震灾情评估.《中国优秀硕士学位论文全文数据库,基础科学辑》.2022,第1-58页. * |
基于通信塔状态监测与用户通信数据相结合的灾情监测与灾害评估;谭欣;《中国优秀硕士学位论文全文数据库,信息科技辑》;第1-48页 * |
基于通信数据流异常检测的地震灾情评估;刘洞天;《中国优秀硕士学位论文全文数据库,基础科学辑》;第1-58页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116227929A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101976189B1 (ko) | 유동 인구의 분석 서비스 제공 방법 | |
CN108181607B (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
CN105898762B (zh) | 基站优化及部署方法和装置 | |
Calabrese et al. | Estimating Origin-Destination flows using opportunistically collected mobile phone location data from one million users in Boston Metropolitan Area | |
CN106471851B (zh) | 基于学习模型的设备定位 | |
WO2017202226A1 (zh) | 人群流量的确定方法及装置 | |
EP3109808A1 (en) | Method and apparatus for determining a location of a point of interest | |
CN109688532B (zh) | 一种划分城市功能区域的方法及装置 | |
US20120220274A1 (en) | Position information analysis device and position information analysis method | |
CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
CN116227929B (zh) | 通信数据的分析方法、装置、设备及存储介质 | |
CN109195219B (zh) | 服务器确定移动终端位置的方法 | |
CN110493720A (zh) | 终端的定位方法、装置及存储介质 | |
Tisseuil et al. | Evaluating methods to quantify spatial variation in the velocity of biological invasions | |
Smolak et al. | The impact of human mobility data scales and processing on movement predictability | |
EP3192061B1 (en) | Measuring and diagnosing noise in urban environment | |
CN111479321B (zh) | 一种网格构建方法、装置、电子设备和存储介质 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
IT202000012748A1 (it) | Metodo e sistema per calcolare matrici origine-destinazione sfruttando dati di una rete di comunicazioni mobili | |
CN112561121B (zh) | 基于手机信令数据的复工趋势预测方法及系统 | |
CN112529311B (zh) | 一种基于图卷积分析的道路流量预测方法和装置 | |
WO2015084154A1 (en) | A system and method for locating a mobile device | |
CN111242723B (zh) | 用户子女情况判断方法、服务器及计算机可读存储介质 | |
CN110070371B (zh) | 一种数据预测模型建立方法及其设备、存储介质、服务器 | |
CN108307428B (zh) | 一种基于mr数据的lte小区集中度分析方法及系统 |
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 |