CN117119387B - 基于手机信令数据的用户出行链的构建方法和装置 - Google Patents

Abstract

本公开提供了一种基于手机信令数据的用户出行链的构建方法和装置，包括获取目标用户的多个手机信令数据；对多个手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；采用近似最近邻搜索算法，对多个待使用手机信令数据进行聚类，得到多个聚类簇，并确定各聚类簇对应的停留点数据；基于各停留点数据，构建目标用户的出行链。本公开采用的近似最近邻搜索算法，可以基于脱敏后的手机信令数据准确地识别出停留点数据，进而可以基于准确的停留点数据构建出更加准确的用户出行链。

Description

基于手机信令数据的用户出行链的构建方法和装置

技术领域

本公开涉及数据处理技术领域，尤其涉及一种基于手机信令数据的用户出行链的构建方法和装置。

背景技术

手机信令数据是手机用户通话、发短信或移动位置等时，被通信基站捕获并记录的时间位置信息。由于手机信令数据具有覆盖面全、采集成本低等优点，因此，现有技术常通常采用手机信令数据来构建用户出行链，进而基于用户出行链进行用户出行需求评估或城市交通规划。

在现有技术中，需要基于手机信令数据中记录的精确网格位置，才能构建出准确的用户出行链，但是由于运营商对于手机信令数据脱敏的要求，需要将原始手机信令数据中基站的精确位置模糊成基站所在的网格编号，这就导致数据处理方无法获取到精确的手机信令数据，进而无法构建出准确的用户出行链。因此，如何基于脱敏后的手机信令数据构建出准确的用户出行链是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本公开提出了一种基于手机信令数据的用户出行链的构建方法和装置，可以基于脱敏后的手机信令数据构建出准确的用户出行链。

根据本公开的第一方面，提供了一种基于手机信令数据的用户出行链的构建方法，包括：

获取目标用户的多个手机信令数据，其中，所述手机信令数据包括产生所述手机信令数据的基站所属的网格的网格位置、所述目标用户进入基站所属的网格的进入时间以及离开所述网格的离开时间，且各所述手机信令数据按照所述进入时间的先后顺序进行排列；

对多个所述手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；

采用近似最近邻搜索算法，对多个所述待使用手机信令数据进行聚类，得到多个聚类簇，并确定各所述聚类簇对应的停留点数据，其中，所述停留点数据包括停留位置、用户进入所述停留位置的时间和用户离开所述停留位置的时间；

基于各所述停留点数据，构建所述目标用户的出行链。

在一种可能的实现方式中，在对多个所述手机信令数据进行消除乒乓效应预处理操作时，包括：

由多个所述手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点；

将所述漂移点至所述第一手机信令数据之间的所有手机信令数据归并为一个新手机信令数据，以达到消除乒乓效应的目的。

在一种可能的实现方式中，在由多个所述手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点时，包括：

遍历多个所述手机信令数据中除所述第一手机信令数据以外的所有其它手机信令数据；

针对遍历到的当前手机信令数据，计算所述当前手机信令数据中的网格位置与所述第一手机信令数据中的网格位置之间的曼哈度距离和移动速度，并基于所述曼哈度距离和所述移动速度，判断所述当前手机信令数据是否是为漂移点；

遍历结束，便可以由多个所述手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点。

在一种可能的实现方式中，在所述漂移点至所述第一手机信令数据之间的所有手机信令数据归并为一个新手机信令数据时，包括：

将所述第一手机信令数据中的网格位置，作为所述新手机信令数据中的网格位置；

将所述漂移点至所述第一手机信令数据之间的所有手机信令数据中最小的进入时间，作为所述新手机信令数据中的进入时间；

将所述漂移点至所述第一手机信令数据之间的所有手机信令数据中最大的离开时间，作为所述新手机信令数据中的离开时间。

在一种可能的实现方式中，在采用近似最近邻搜索算法，对多个所述待使用手机信令数据进行聚类，得到多个聚类簇时，包括：

提取各所述待使用手机信令数据中的进入时间和离开时间，并基于所述进入时间和离开时间计算各所述待使用手机信数据对应的停留时间；

将所述停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，将所述停留时间小于所述时间阈值的待使用手机信令数据提取出来加入至待聚类列表；

遍历所述种子集合中的每个待使用手机信令数据；

针对遍历到的当前待使用手机信令数据，采用所述近似最近邻搜索算法，对所述待聚类列表中的手机信令信号进行聚类，得到所述当前待使用手机信令数据对应的聚类簇；

遍历结束，即可得到所述种子集合中每个待使用手机信令数据对应的聚类簇。

在一种可能的实现方式中，在确定所述聚类簇对应的停留点数据时，包括：

获取所述聚类簇的核，并基于所述聚类簇的核，确定所述聚类簇对应的停留位置；

将所述聚类簇中的最小进入时间作为所述停留位置的进入时间；

将所述聚类簇中的最大离开时间作为所述停留位置的离开时间；

将所述停留位置、所述进入时间和所述离开时间，作为所述聚类簇对应的停留点数据。

在一种可能的实现方式中，在基于各所述停留点数据，构建所述目标用户的出行链时，包括：

将各所述停留点数据按照进入时间的先后顺序进行排序，并将排序后的结果作为所述目标用户的出行链。

根据本公开的第二方面，提供了一种基于手机信令数据的用户出行链的构建装置，包括：

数据获取模块，用于获取目标用户的多个手机信令数据，其中，所述手机信令数据包括产生所述手机信令数据的基站所属的网格的网格位置、所述目标用户进入基站所属的网格的进入时间以及离开所述网格的离开时间，且各所述手机信令数据按照所述进入时间的先后顺序进行排列；

预处理模块，用于对多个所述手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；

停留点识别模块，用于采用近似最近邻搜索算法，对多个所述待使用手机信令数据进行聚类，得到多个聚类簇，并确定各所述聚类簇对应的停留点数据，其中，所述停留点数据包括停留位置、用户进入所述停留位置的时间和用户离开所述停留位置的时间；

出行链构建模块，用于基于各所述停留点数据，构建所述目标用户的出行链。

在一种可能的实现方式中，所述停留点识别模块包括停留时间计算单元、初始化单元和聚类簇生成单元；

所述停留时间计算单元，用于提取各所述待使用手机信令数据中的进入时间和离开时间，并基于所述进入时间和离开时间计算各所述待使用手机信数据对应的停留时间；

所述初始化单元，用于将所述停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，将所述停留时间小于所述时间阈值的待使用手机信令数据提取出来加入至待聚类列表；

所述聚类簇生成单元，用于遍历所述种子集合中的每个待使用手机信令数据；针对遍历到的当前待使用手机信令数据，采用所述近似最近邻搜索算法，对所述待聚类列表中的手机信令信号进行聚类，得到所述当前待使用手机信令数据对应的聚类簇；遍历结束，即可得到所述种子集合中每个待使用手机信令数据对应的聚类簇。

在一种可能的实现方式中，所述停留点识别模块，还包括停留点数据生成单元；所述停留点数据生成单元用于：获取所述聚类簇的核，并基于所述聚类簇的核，确定所述聚类簇对应的停留位置；将所述聚类簇中的最小进入时间作为所述停留位置的进入时间；将所述聚类簇中的最大离开时间作为所述停留位置的离开时间；将所述停留位置、所述进入时间和所述离开时间，作为所述聚类簇对应的停留点数据。

本公开提供了一种基于手机信令数据的用户出行链的构建方法，包括获取目标用户的多个手机信令数据，其中，手机信令数据包括产生所述手机信令数据的基站所属的网格的网格位置、目标用户进入基站所属的网格的进入时间以及离开网格的离开时间，且各手机信令数据按照进入时间的先后顺序进行排列；对多个手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；采用近似最近邻搜索算法，对多个待使用手机信令数据进行聚类，得到多个聚类簇，并确定各聚类簇对应的停留点数据，其中，停留点数据包括停留位置、用户进入停留位置的时间和用户离开停留位置的时间；基于各停留点数据，构建目标用户的出行链。本公开采用的近似最近邻搜索算法，可以基于脱敏后的手机信令数据准确地识别出停留点数据，进而可以基于准确的停留点数据构建出更加准确的用户出行链。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的基于手机信令数据的用户出行链的构建方法的流程图；

图2示出根据本公开一实施例的基于手机信令数据的用户出行链的构建装置的示意性框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

<方法实施例>

图1示出根据本公开一实施例的用户出行链的构建方法的流程图。如图1所示，该方法包括步骤S1100-S1400。

S1100，获取目标用户的多个手机信令数据。

目标用户即当前要进行出行链分析的用户。这里首先需要说明的是，信号风暴会产生高频的手机信令数据，用户的某些操作也会产生低频的手机信令数据，这些高频的手机信令数据或者低频的手机信令数据的数据量太小以至于无法描述出用户的出行链。因此，在一种可能的实现方式中，在确定目标用户时，需要先获取用户在设定时间段内产生的多个手机信令数据，然后判断多个手机信令数据的数量是否在预设的数量下限和数量上限之间，在数量位于数量下限和数量上限之间时候，将所述用户确定为目标用户，并将目标用户在设定时间段内产生的多个手机信令数据作为目标用户的多个手机信令数据。其中，每个手机信令数据均包括产生手机信令数据的基站所属的网格位置、目标用户进入网格的进入时间以及离开网格的离开时间，数量下限表征在设定时间段内生成的手机信令数据的最小数量，数量上限表征在设定时间段内生成的手机信令数据的最大数量。

在一种可能的实现方式中，设定时间段对应的数量下限根据第一设定时长确定。其中，第一设定时长用于表征产生一条手机信令数据的最长时间。该第一设定时长可以根据具体的应用场景进行配置，优选地，可以将该第一设定时长配置为10分钟。在第一设定时长为10分钟，设定时间段为1天的情况下，一天内产生的手机信令数据的数量下限=24*60/10=144。

在一种可能的实现方式中，设定时间段对应的数量上限根据第二设定时长确定。其中，第二设定时长用于表征产生一条手机信令数据的最短时间。该第二设定时长可以根据具体的应用场景进行配置，优选的，可以将该第二设定时长配置为20秒。在第二设定时长为20秒，设定时间段为1天的情况下，一天内产生的手机信令数据的数量上限=24*60*60/20=4320。

进一步地，目标用户的多个手机信令数据是按照进入时间的先后顺序进行排列的，排列后的多个手机信令数据可以构成手机信令数据序列，其中，/>为手机信令数据的数量，/>为手机信令数据序列中的第i个手机信令数据，，/>是产生第i个手机信令数据的基站所属的网格的网格位置。/>是目标用户进入产生第i个手机信令数据的基站所属的网格的进入时间，该进入时间/>可以等于目标用户与产生第i个手机信令数据的基站的通信时间。/>是目标用户离开产生第i个手机信令数据的基站所属的网格的离开时间，该离开时间/>，/>是/>中的进入时间，即该离开时间/>等于目标用户与产生第i+1个手机信令数据的基站的通信时间。

S1200，对多个手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据。

基站与手机的通信机制使得多个手机信令数据中包含一定数量的重复数据，这些重复数据会对出行链的识别造成干扰，因此，在一种可能的实现方式中，在获取到目标用户的多个手机信令数据后，将由多个手机信令数据中识别出重复数据，并对重复数据进行剔除，即可得到多个待使用手机信令数据。具体地，针对手机信令数据序列中的每个手机信令数据，判断其与其他手机信令数据/>中的网格位置和进入时间是否相等，在网格位置相同（即/>）且进入时间相同（即/>）的情况下，判断手机信令数据/>与手机信令数据/>重复，此时，将手机信令数据/>删除，以保持手机信令数据/>的唯一性。在完成所有重复数据的剔除后，剩下的多个手机信令数据即为待使用手机信令数据。

通常情况下，手机在拨打电话或发送消息时会与附近的一个基站通信，但处于多个基站交汇处的手机可以与相邻的多个基站进行通信，这被称为乒乓效应。乒乓效应将不可避免地产生异常的手机信令数据，进行影响出行链构建的准确性。因此，在一种可能的实现方式中，在获取到目标用户的多个手机信令数据后，将对多个手机信令数据进行消除乒乓效应的预处理操作，以剔除由乒乓效应产生的异常手机信令数据，得到多个待使用手机信令数据。

在一种可能的实现方式中，在对多个手机信令数据进行消除乒乓效应预处理操作时，可以包括以下步骤：

第一，由多个手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点。具体的识别步骤如下所示：

步骤1，遍历多个手机信令数据中除第一手机信令数据以外的所有其它手机信令数据。举例来说，多个手机信令数据组成的手机信令数据序列为，其中，/>，/>是最大连续时间，/>序列中第一个手机信令数据/>中的进入时间，/>是序列中最后一个手机信令数据/>中的离开时间，即手机信令数据序列为/>’是由为/>时间段内的连续获取到的手机信令数据组成的序列。针对该序列P’，遍历除/>以外的其它手机信令数据，即遍历手机信令数据/>至手机信令数据/>。

步骤2，针对遍历到的当前手机信令数据，计算当前手机信令数据中的网格位置与第一手机信令数据中的网格位置之间的曼哈度距离和移动速度，并基于计算出的曼哈度距离和移动速度，判断当前手机信令数据是否是为漂移点。

续上实施例，针对遍历到的当前手机信令数据：计算当前手机信令数据/>中的网格位置/>与第一个手机信令数据/>中的网格位置/>之间的曼哈度距离/>，其中，。计算目标用户由网格位置/>到网格位置/>的移动速度/>，其中，/>的计算公式如下：

=/>

式中，为目标用户由网格位置/>到网格位置/>所用的时间，其中，/>=/>-/>，/>为手机信令数据/>中的进入时间，/>为手机信令数据/>中的进入时间。

在计算出当前手机信令数据对应的曼哈度距离/>和移动速度/>后，判断曼哈度距离/>和移动速度/>是否满足预设的漂移点判定条件，在满足漂移点判定条件的情况下，即可确定当前手机信令数据/>为漂移点。其中，预设的漂移点判定条件可以如下所示：

式中，为网格位置/>到网格位置/>之间的最大曼哈顿距离，/>为目标用户由网格位置/>移动到网格位置/>的最大移动速度。其中，最大曼哈顿距离/>可以根据城市基站位置的平均间隔进行配置。优选的，可以将最大曼哈顿距离/>配置为750m。最大移动速度/>可以根据所在城市道路最高限速进行配置。优选的，可以将最大移动速度/>配置为80km/h。

由上述漂移点判定条件可知，在网格位置到网格位置/>之间的曼哈顿距离小于等于最大曼哈顿距离/>，且目标用户由网格位置/>到网格位置/>的移动速度大于最大移动速度/>时，即可以判定当前手机信令数据/>为漂移点。

步骤3，遍历结束，便可以由多个手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点。

第二，将漂移点至第一手机信令数据之间的所有手机信令数据归并为一个新手机信令数据，以达到消除乒乓效应的目的，归并后即可得到多个待使用手机信令数据。

在一种可能的实现方式中，在漂移点至第一手机信令数据之间的所有手机信令数据归并为一个新手机信令数据时，可以包括如下步骤：将第一手机信令数据中的网格位置，作为新手机信令数据中的网格位置；将漂移点至第一手机信令数据之间的所有手机信令数据中最小的进入时间，作为新手机信令数据中的进入时间；将漂移点至第一手机信令数据之间的所有手机信令数据中最大的离开时间，作为新手机信令数据中的离开时间。

续上实施例，假设机信令数据为漂移点，则将手机信令数据序列/>中的位于漂移点/>至第一手机信令数据/>之间的所有手机信令数据，即手机信令数据/>至手机信令数据/>中的网格位置全部替换为第一手机信令数据/>中的网格位置/>。进一步地，在手机信令数据序列为/>中，如果存在两个相邻的手机信令数据中的网格位置相同，则将两个手机信令数据合并为一个新手机信令数据，其中，新手机信令数据中的网格位置和进入时间取顺序在前的手机信令数据中的网格位置和进入时间，新手机信令数据中的离开时间取顺序在后的手机信令数据中的离开时间。续上实施例，在替换网格位置后，手机信令数据/>至手机信令数据/>中的网格位置全部替换为第一手机信令数据/>中的网格位置/>，因此手机信令数据/>中的网格位置与手机信令数据/>中网格位置相同，即/>，则将手机信令数据/>与手机信令数据/>合并为新手机信令数据/>，且新手机信令数据/>为/>，合并后新手机信令数据/>将替换掉手机信令数据/>与手机信令数据/>，即手机信令数据序列/>将变为/>。进一步地，新手机信令数据/>中的网格位置与手机信令数据/>中网格位置也相同，继续将新手机信令数据/>与手机信令数据合并成为一个新手机信令数据，该新手机信令数据为/>。依此类推，直至将在漂移点/>至第一手机信令数据/>之间的所有手机信令数据归并为一个新手机信令数据，最终得到的新手机信令数据中网格位置即为第一手机信令数据/>中的网格位置，进入时间即为漂移点/>至第一手机信令数据/>之间的所有手机信令数据中最小的进入时间（即/>），离开时间即为漂移点/>至第一手机信令数据/>之间的所有手机信令数据中最大的离开时间（即/>）。

参照上述方式对所有的漂移点进行处理，既可以有效地消除多个手机信令数据中的乒乓效应，进而得到多个待使用手机信令数据。

此处需要说明的是，消除乒乓效应的关键是识别出漂移点并进行处理，现在的很多方法能剔除漂移点数据，但没有对连续的手机信令数据进行合并，而在本实施例中，通过上述方法不仅可以消除漂移点，还进一步将漂移点至第一手机信令数据之间的所有手机信令数据进行合并，从而为后续停留点的识别提供了多个高质量的待使用手机信令数据。

在一种可能的实现方式中，在获取到多个手机信令数据后，可以先消除多个手机信令数据中的重复数据，再执行消除乒乓效应的操作，这样可以减少无效数据处理量，进而提高数据预处理的效率。

S1300，采用近似最近邻搜索算法，对多个待使用手机信令数据进行聚类，得到多个聚类簇，并确定各聚类簇对应的停留点数据。其中，停留点数据包括停留位置、用户进入停留位置的时间和用户离开停留位置的时间。

在一种可能的实现方式中，在采用近似最近邻搜索算法，对多个待使用手机信令数据进行聚类，得到多个聚类簇时，可以包括以下步骤：

第一，提取各待使用手机信令数据中的进入时间和离开时间，并基于进入时间和离开时间计算各待使用手机信数据对应的停留时间。

第二，将停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，将停留时间小于时间阈值的待使用手机信令数据提取出来加入至待聚类列表。其中，预设时间阈值可以根据所在城市平均出行时间进行设置。优选地，可以将该时间阈值配置为20min。

具体地，将停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，其中，/>表征种子集合中的第k个待使用手机信令数据，/>为待使用手机信令数据/>中的网格位置，/>为待使用手机信令数据/>中的进入时间，/>为待使用手机信令数据/>中的离开时间，/>为待使用手机信令数据/>对应的停留时间，/>为预设的时间阈值，/>为种子集合/>中待使用手机信令数据的数量。将其余待使用手机信令数据全部加入至待聚类列表L中，/>中，其中，/>为待聚类列表L中的第i个待使用手机信令数据，/>是待聚类列表L中的待使用手机信令数据的数量。

第三，遍历种子集合中的每个待使用手机信令数据，针对遍历到的当前待使用手机信令数据，采用近似最近邻搜索算法，对待聚类列表中的手机信令信号进行聚类，得到当前待使用手机信令数据对应的聚类簇。

首先需要说明的是，近似最近邻搜索的目标是将满足条件的待使用手机信令数据聚类成簇，每个聚类簇/>都有一个核/>。

具体地，针对种子集合中的待使用手机信令数据，初始化/>对应的聚类簇/>的核/>，其中/>=/>，/>为核/>对应的网格位置，具体等于/>中的网格位置，/>为核/>在网格位置处的停留时间，具体等于/>中的离开时间与进入时间的差值，即/>。

接下来，遍历聚类簇中的手机信令数据/>，针对当前遍历到的手机信令数据/>，由待聚类列表L中筛选与手机信令数据/>之间满足预先设定的近邻条件的手机信令数据，并将其加入至聚类簇/>中，即：

具体地，判定与/>为邻居的近邻条件可以如下所示：

其中，为手机信令数据/>中的网格位置/>与手机信令数据/>中的网格位置之间的曼哈顿距离，/>为最大搜索距离，/>为手机信令数据/>中的进入时间与手机信令数据/>中离开时间的差值，/>手机信令数据/>中的离开时间与手机信令数据/>中进入时间的差值，/>为所在城市用户平均出行时间，/>为手机信令数据/>中的网格位置/>与手机信令数据/>中的网格位置/>之间的相对曼哈顿距离，/>为聚类簇/>中手机信令数据与聚类核/>的最大曼哈顿距离。

在一种可能的实现方式中，可以根据城市内基站间平均间隔的2倍进行配置。举例来说，在城市内基站间平均间距为3*250m时，可以将/>设置为6*250m。/>可以根据所在城市平均出行时间进行配置，优选的，可以将/>设置为20min。

进一步地，在将满足近邻条件的手机信令数据计入至聚类簇后，将同时根据新加入的手机信令数据/>进行聚类簇/>的核/>的更新。具体地，核/>的更新算法如下所示：

式中，为最新加入聚类簇/>的手机信令数据/>中的离开时间，/>为最新加入聚类簇/>的手机信令数据/>中的离开时间，/>为当前核/>对应的停留时间，/>为新加入聚类簇/>的手机信令数据/>中的网格位置。即，在新加入聚类簇/>的手机信令数据/>对应的停留时间（/>）小于等于当前核/>对应的停留时间/>时，核/>保持不变。在新加入聚类簇/>的手机信令数据/>对应的停留时间（/>）大于当前核/>对应的停留时间/>时，将核/>中对应的网格位置更新为新加入聚类簇/>的手机信令数据/>的网格位置，将核/>中对应的停留时间更新为聚类簇/>中所有手机信令数据对应的停留时间之和。

第五，遍历结束，即可得到种子集合中每个待使用手机信令数据对应的聚类簇。与此同时，还将得到各聚类簇的核。

此处需要说明的是，脱敏后的手机信令数据主要分布在网格中，而网格之间具有较强的邻接关系，因此，通过近似最近邻搜索算法对多个待使用手机信令数据进行聚类，可以得到多个准确的聚类簇，这样，后续便可以基于准确的聚类簇确定出准确的停留点数据，最终得到准确的用户出行链。

进一步地，近似最近邻搜索算法的0(N)，而现有的dbscan算法其算法复杂度为O(NlogN)，其中，N为手机信令数据的数量，因此，在手机信令数据较多的情况下（即N较大的情况下），采用近似最近邻搜索算法对多个待使用手机信令数据进行聚类可以显著降低聚类算法的复杂度，进而提高聚类簇的生成效率。

在一种可能的实现方式中，在确定聚类簇对应的停留点数据时，可以包括以下步骤：

第一，获取聚类簇的核，并基于聚类簇的核，确定聚类簇对应的停留位置。具体地，针对聚类簇，聚类簇/>的核/>，则将用户在聚类簇/>停留位置描述为/>，用户在聚类簇/>的停留时间描述为/>。

第二，将聚类簇中的最小进入时间作为停留位置的进入时间。具体地，针对聚类簇，将用户到达聚类簇/>的时间（即停留位置的进入时间）定义为min{}。

第三，将聚类簇中的最大离开时间作为停留位置的离开时间。具体地，针对聚类簇，将用户离开聚类簇/>的时间（即停留位置的离开时间）定义为max{}。

第四，将停留位置、进入时间和离开时间，作为聚类簇对应的停留点数据。具体地，针对聚类簇，其停留点数据X表示为/>。

S1400，基于各停留点数据，构建目标用户的出行链。具体的，将各停留点数据按照进入时间的先后顺序进行排序，并将排序后的结果作为目标用户的出行链。

在一种可能的实现方式中，在得到用户出行链以后，还包括判断各停留点的停留时间是否大于设定时间阈值，在大于设定时间阈值时，将该停留点数据识别为真正的停留点数据，并基于新的停留点数据更新用户的出行链，从而使出行链更加精确。其中，针对停留点X=/>，该停留点对应的停留时间/>=/>-/>。

本公开提供了一种基于手机信令数据的用户出行链的构建方法，包括获取目标用户的多个手机信令数据，其中，手机信令数据包括产生所述手机信令数据的基站所属的网格位置、目标用户进入基站所属的网格的进入时间以及离开网格的离开时间，且各手机信令数据按照进入时间的先后顺序进行排列；对多个手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；采用近似最近邻搜索算法，对多个待使用手机信令数据进行聚类，得到多个聚类簇，并确定各聚类簇对应的停留点数据，其中，停留点数据包括停留位置、用户进入停留位置的时间和用户离开停留位置的时间；基于各停留点数据，构建目标用户的出行链。本公开采用的近似最近邻搜索算法，可以基于脱敏后的手机信令数据准确地识别出停留点数据，进而可以基于准确的停留点数据构建出更加准确的用户出行链。

<装置实施例>

图2示出根据本公开一实施例的用户出行链的构建装置的示意性框图。如图2所示，用户出行链的构建装置100包括：

数据获取模块110，用于获取目标用户的多个手机信令数据，其中，手机信令数据包括产生手机信令数据的基站所属的网格位置、目标用户进入基站所属的网格的进入时间以及离开网格的离开时间，且各手机信令数据按照进入时间的先后顺序进行排列；

预处理模块120，用于对多个手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；

停留点识别模块130，用于采用近似最近邻搜索算法，对多个待使用手机信令数据进行聚类，得到多个聚类簇，并确定各聚类簇对应的停留点数据，其中，停留点数据包括停留位置、用户进入停留位置的时间和用户离开停留位置的时间；

出行链构建模块140，用于基于各停留点数据，构建目标用户的出行链。

在一种可能的实现方式中，停留点识别模块包括停留时间计算单元、初始化单元和聚类簇生成单元；

停留时间计算单元，用于提取各待使用手机信令数据中的进入时间和离开时间，并基于进入时间和离开时间计算各待使用手机信数据对应的停留时间；

初始化单元，用于将停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，将停留时间小于时间阈值的待使用手机信令数据提取出来加入至待聚类列表；

聚类簇生成单元，用于遍历种子集合中的每个待使用手机信令数据；针对遍历到的当前待使用手机信令数据，采用近似最近邻搜索算法，对待聚类列表中的手机信令信号进行聚类，得到当前待使用手机信令数据对应的聚类簇；遍历结束，即可得到种子集合中每个待使用手机信令数据对应的聚类簇。

在一种可能的实现方式中，停留点识别模块，还包括停留点数据生成单元；停留点数据生成单元用于：获取聚类簇的核，并基于聚类簇的核，确定聚类簇对应的停留位置；将聚类簇中的最小进入时间作为停留位置的进入时间；将聚类簇中的最大离开时间作为停留位置的离开时间；将停留位置、进入时间和离开时间，作为聚类簇对应的停留点数据。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (8)

1.一种基于手机信令数据的用户出行链的构建方法，其特征在于，包括：

获取目标用户的多个手机信令数据，其中，所述手机信令数据包括产生所述手机信令数据的基站所属的网格位置、所述目标用户进入基站所属的网格的进入时间以及离开所述网格的离开时间，且各所述手机信令数据按照所述进入时间的先后顺序进行排列，其中，所述离开时间等于目标用户与产生下一个手机信令数据的基站的通信时间；

对多个所述手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；

采用近似最近邻搜索算法，对多个所述待使用手机信令数据进行聚类，得到多个聚类簇，并确定各所述聚类簇对应的停留点数据，其中，所述停留点数据包括停留位置、用户进入所述停留位置的时间和用户离开所述停留位置的时间；

基于各所述停留点数据，构建所述目标用户的出行链；

在采用近似最近邻搜索算法，对多个所述待使用手机信令数据进行聚类，得到多个聚类簇时，包括：

提取各所述待使用手机信令数据中的进入时间和离开时间，并基于所述进入时间和离开时间计算各所述待使用手机信数据对应的停留时间；

将所述停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，将所述停留时间小于所述时间阈值的待使用手机信令数据提取出来加入至待聚类列表；

遍历所述种子集合中的每个待使用手机信令数据；

针对遍历到的当前待使用手机信令数据，采用所述近似最近邻搜索算法，对所述待聚类列表中的手机信令信号进行聚类，得到所述当前待使用手机信令数据对应的聚类簇；

遍历结束，即可得到所述种子集合中每个待使用手机信令数据对应的聚类簇；

在采用所述近似最近邻搜索算法，对所述待聚类列表中的手机信令信号进行聚类，得到所述当前待使用手机信令数据对应的聚类簇时，包括：

首先，针对种子集合中的待使用手机信令数据，初始化/>对应的聚类簇/>的核/>，其中/>=/>，/>为核/>对应的网格位置，具体等于/>中的网格位置，/>为核/>在网格位置处的停留时间，具体等于/>中的离开时间与进入时间的差值，即/>；

接下来，遍历聚类簇中的手机信令数据/>，针对当前遍历到的手机信令数据/>，由待聚类列表L中筛选与手机信令数据/>之间满足预先设定的近邻条件的手机信令数据/>，并将其加入至聚类簇/>中，即：

具体地，判定与/>为邻居的近邻条件可以如下所示：

其中，为手机信令数据/>中的网格位置/>与手机信令数据/>中的网格位置/>之间的曼哈顿距离，/>为最大搜索距离，/>为手机信令数据/>中的进入时间与手机信令数据/>中离开时间的差值，/>手机信令数据/>中的离开时间与手机信令数据/>中进入时间的差值，/>为所在城市用户平均出行时间，/>为手机信令数据/>中的网格位置/>与手机信令数据/>中的网格位置/>之间的相对曼哈顿距离，/>为聚类簇/>中手机信令数据与聚类核/>的最大曼哈顿距离；

进一步地，在将满足近邻条件的手机信令数据计入至聚类簇后，同时将根据手机信令数据/>进行聚类簇/>的核/>的更新，其中，手机信令数据/>中包括满足预先设定的近邻条件的手机信令数据/>，具体地，核/>的更新算法如下所示：

式中，为最新加入聚类簇/>的手机信令数据/>中的离开时间，/>为最新加入聚类簇的手机信令数据/>中的离开时间，/>为当前核/>对应的停留时间，/>为新加入聚类簇/>的手机信令数据/>中的网格位置；即，在新加入聚类簇/>的手机信令数据/>对应的停留时间（/>）小于等于当前核/>对应的停留时间/>时，核/>保持不变；在新加入聚类簇/>的手机信令数据/>对应的停留时间（/>）大于当前核/>对应的停留时间/>时，将核/>中对应的网格位置更新为新加入聚类簇/>的手机信令数据/>的网格位置，将核/>中对应的停留时间更新为聚类簇/>中所有手机信令数据对应的停留时间之和。

2.根据权利要求1所述的方法，其特征在于，在对多个所述手机信令数据进行消除乒乓效应预处理操作时，包括：

由多个所述手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点；

将所述漂移点至所述第一手机信令数据之间的所有手机信令数据归并为一个新手机信令数据，以达到消除乒乓效应的目的。

3.根据权利要求2所述的方法，其特征在于，在由多个所述手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点时，包括：

遍历多个所述手机信令数据中除所述第一手机信令数据以外的所有其它手机信令数据；

针对遍历到的当前手机信令数据，计算所述当前手机信令数据中的网格位置与所述第一手机信令数据中的网格位置之间的曼哈度距离和移动速度，并基于所述曼哈度距离和所述移动速度，判断所述当前手机信令数据是否是为漂移点；

遍历结束，便可以由多个所述手机信令数据中识别出相对于排序第一的第一手机信令数据的漂移点。

4.根据权利要求2所述的方法，其特征在于，在所述漂移点至所述第一手机信令数据之间的所有手机信令数据归并为一个新手机信令数据时，包括：

将所述第一手机信令数据中的网格位置，作为所述新手机信令数据中的网格位置；

将所述漂移点至所述第一手机信令数据之间的所有手机信令数据中最小的进入时间，作为所述新手机信令数据中的进入时间；

将所述漂移点至所述第一手机信令数据之间的所有手机信令数据中最大的离开时间，作为所述新手机信令数据中的离开时间。

5.根据权利要求1所述的方法，其特征在于，在确定所述聚类簇对应的停留点数据时，包括：

获取所述聚类簇的核，并基于所述聚类簇的核，确定所述聚类簇对应的停留位置；

将所述聚类簇中的最小进入时间作为所述停留位置的进入时间；

将所述聚类簇中的最大离开时间作为所述停留位置的离开时间；

将所述停留位置、所述进入时间和所述离开时间，作为所述聚类簇对应的停留点数据。

6.根据权利要求1所述的方法，其特征在于，在基于各所述停留点数据，构建所述目标用户的出行链时，包括：

将各所述停留点数据按照进入时间的先后顺序进行排序，并将排序后的结果作为所述目标用户的出行链。

7.一种基于手机信令数据的用户出行链的构建装置，其特征在于，包括：

数据获取模块，用于获取目标用户的多个手机信令数据，其中，所述手机信令数据包括产生所述手机信令数据的基站所属的网格位置、所述目标用户进入基站所属的网格的进入时间以及离开所述网格的离开时间，且各所述手机信令数据按照所述进入时间的先后顺序进行排列，其中，所述离开时间等于目标用户与产生下一个手机信令数据的基站的通信时间；

预处理模块，用于对多个所述手机信令数据进行重复数据剔除和消除乒乓效应中的至少一种预处理操作，得到多个待使用手机信令数据；

停留点识别模块，用于采用近似最近邻搜索算法，对多个所述待使用手机信令数据进行聚类，得到多个聚类簇，并确定各所述聚类簇对应的停留点数据，其中，所述停留点数据包括停留位置、用户进入所述停留位置的时间和用户离开所述停留位置的时间；

出行链构建模块，用于基于各所述停留点数据，构建所述目标用户的出行链；

所述停留点识别模块包括停留时间计算单元、初始化单元和聚类簇生成单元；

所述停留时间计算单元，用于提取各所述待使用手机信令数据中的进入时间和离开时间，并基于所述进入时间和离开时间计算各所述待使用手机信数据对应的停留时间；

所述初始化单元，用于将所述停留时间大于等于预设时间阈值的待使用手机信令数据提取出来加入至种子集合，将所述停留时间小于所述时间阈值的待使用手机信令数据提取出来加入至待聚类列表；

所述聚类簇生成单元，用于遍历所述种子集合中的每个待使用手机信令数据；针对遍历到的当前待使用手机信令数据，采用所述近似最近邻搜索算法，对所述待聚类列表中的手机信令信号进行聚类，得到所述当前待使用手机信令数据对应的聚类簇；遍历结束，即可得到所述种子集合中每个待使用手机信令数据对应的聚类簇；

所述聚类簇生成单元，在采用所述近似最近邻搜索算法，对所述待聚类列表中的手机信令信号进行聚类，得到所述当前待使用手机信令数据对应的聚类簇时，具体用于：

针对种子集合中的待使用手机信令数据，初始化/>对应的聚类簇/>的核/>，其中=/>，/>为核/>对应的网格位置，具体等于/>中的网格位置，/>为核/>在网格位置处的停留时间，具体等于/>中的离开时间与进入时间的差值，即/>；

接下来，遍历聚类簇中的手机信令数据/>，针对当前遍历到的手机信令数据/>，由待聚类列表L中筛选与手机信令数据/>之间满足预先设定的近邻条件的手机信令数据/>，并将其加入至聚类簇/>中，即：

具体地，判定与/>为邻居的近邻条件可以如下所示：

其中，为手机信令数据/>中的网格位置/>与手机信令数据/>中的网格位置/>之间的曼哈顿距离，/>为最大搜索距离，/>为手机信令数据/>中的进入时间与手机信令数据/>中离开时间的差值，/>手机信令数据/>中的离开时间与手机信令数据/>中进入时间的差值，/>为所在城市用户平均出行时间，/>为手机信令数据/>中的网格位置/>与手机信令数据/>中的网格位置/>之间的相对曼哈顿距离，/>为聚类簇/>中手机信令数据与聚类核/>的最大曼哈顿距离；

进一步地，在将满足近邻条件的手机信令数据计入至聚类簇后，同时将根据手机信令数据/>进行聚类簇/>的核/>的更新，其中，手机信令数据/>中包括满足预先设定的近邻条件的手机信令数据/>，具体地，核/>的更新算法如下所示：

式中，为最新加入聚类簇/>的手机信令数据/>中的离开时间，/>为最新加入聚类簇的手机信令数据/>中的离开时间，/>为当前核/>对应的停留时间，/>为新加入聚类簇/>的手机信令数据/>中的网格位置；即，在新加入聚类簇/>的手机信令数据/>对应的停留时间（/>）小于等于当前核/>对应的停留时间/>时，核/>保持不变；在新加入聚类簇/>的手机信令数据/>对应的停留时间（/>）大于当前核/>对应的停留时间/>时，将核/>中对应的网格位置更新为新加入聚类簇/>的手机信令数据/>的网格位置，将核/>中对应的停留时间更新为聚类簇/>中所有手机信令数据对应的停留时间之和。

8.根据权利要求7所述的装置，其特征在于，所述停留点识别模块，还包括停留点数据生成单元；所述停留点数据生成单元用于：获取所述聚类簇的核，并基于所述聚类簇的核，确定所述聚类簇对应的停留位置；将所述聚类簇中的最小进入时间作为所述停留位置的进入时间；将所述聚类簇中的最大离开时间作为所述停留位置的离开时间；将所述停留位置、所述进入时间和所述离开时间，作为所述聚类簇对应的停留点数据。