ES2427690B1

ES2427690B1 - Método para la detección y etiquetado automático de puntos de interés de usuario

Info

Publication number: ES2427690B1
Application number: ES201230075A
Authority: ES
Inventors: Rubén LARA; Rocío MARTÍNEZ; Miguel Ángel Rodríguez; Alberto MARTÍN; Ana ARMENTA
Original assignee: Telefonica SA
Current assignee: Telefonica SA
Priority date: 2012-01-20
Filing date: 2012-01-20
Publication date: 2014-06-05
Anticipated expiration: 2032-01-20
Also published as: US20140370844A1; WO2013107669A1; ES2427690A2; EP2805531A1; ES2427690R1

Abstract

Método para la detección y etiquetado automático de puntos de interés de usuario.#El método comprende adquirir información de señales intercambiadas entre dispositivos móviles de un usuario y una pluralidad de estaciones de transceptor base, o BTS, analizar dicha información adquirida para determinar, durante un periodo de tiempo, las ubicaciones de dicho dispositivo móvil del usuario y deducir a través de un modelo estadístico los puntos de interés, identificando y etiquetando al menos parte de dichas ubicaciones determinadas por dicho dispositivo móvil del usuario como puntos de interés.

Description

MÉTODO PARA LA DETECCiÓN Y ETIQUETADO AUTOMÁTICO DE PUNTOS DE INTERÉS DE USUARIO

Campo de la técnica

La presente invención se refiere, en general, a un método para detectar y etiquetar automáticamente uno o más puntos de interés (Poi) de un usuario de servicios telefónicos móviles, basándose dicho método exclusivamente en información de uso telefónico geolocalizada y sin interacción del cliente. Basándose en los eventos de uso geolocalizados generados en la red de operador de telecomunicaciones y usando métodos estadísticos, la invención permite la identificación, a partir de todas las ubicaciones visitadas por el usuario, de las ubicaciones más relevantes para él: sus PoI. Además, la invención asigna automáticamente etiquetas a los Poi detectados, aportando así un significado a tales ubicaciones.

Antecedentes de la invención

El estudio de patrones de movilidad humana ha recibido una atención creciente en los últimos años, especialmente debido al aumento en la disponibilidad de datos de ubicación procedentes tanto de sistemas de posicionamiento global (GPS) como del uso del teléfono móvil, que deja registros geolocalizados en las redes del operador.

Entender cómo y cuando tienen lugar movimientos humanos por poblaciones, ciudades o países es de interés en muchas áreas, tales como gestión de tráfico, diseño de redes de transporte o control de propagación de enfermedades. Sin embargo, no sólo es de interés una vista global de flujos de población , sino también los patrones de movilidad individual de un usuario, en varios campos. El conocimiento de qué ubicaciones visita un usuario periódicamente, durante qué periodo, con qué frecuencia, qué días de la semana y en qué momentos del día, etc. pueden aprovecharse para proporcionar servicios contextuales, publicidad relevante, ofertas controladas para afrontar las necesidades de movilidad particulares del usuario, planificación de itinerarios ... En general, conocer las ubicaciones relevantes para un usuario puede permitir la personalización de interacciones de servicios y comunicaciones comerciales y mejorar su relevancia.

Con el fin de estimar Poi es necesario suponer que los movimientos humanos siguen algún patrón y, por tanto, la ubicación de un usuario es en cierta medida previsible. En este sentido, varios autores han trabajado recientemente en la previsibilidad de patrones de movilidad humana intentando hallar los límites de tal previsibilidad . Basándose en el estudio de la trayectoria de 100.000 usuarios de teléfono móvil anónimos cuya posición fue objeto de seguimiento durante un periodo de seis meses, se halló en [1] que las trayectorias humanas muestran un alto grado de regularidad espacial y temporal, estando cada individuo caracterizado por una distancia de desplazamiento característica independiente del tiempo y una probabilidad significativa de volver a algunas pocas ubicaciones altamente frecuentadas.

La referencia [2] intenta contestar a la pregunta de "¿Hasta qué punto es previsible el comportamiento humano?" estudiando los patrones de movilidad de usuarios de teléfono móvil anónimos. Los autores midieron la entropía de la trayectoria de cada individuo, y hallaron un 93% de previsibilidad potencial en la movilidad de usuario por toda la base de usuario. También hallaron una falta considerable de variabilidad en la previsibilidad , en gran parte independiente de la distancia que los usuarios cubren de manera regular.

Los modelos de predicción de ubicación desarrollados en los últimos años tienen en cuenta comportamientos individuales y colectivos. Como por ejemplo en [3] , en el que un modelo se basa en la trayectoria pasada de la persona y las características geográficas de la zona en la que se mueve la colectividad , tanto en términos de ocupación del suelo, puntos de interés y distancia de los viajes.

El método de predicción puede afrontarse de diferentes formas, [4] por ejemplo, presenta una predicción de ubicación y permanencia usando estimación de densidad de núcleo (KDE, Kernel Density Estimation) basándose en información de comunicación, proximidad, ubicación y actividad de los sujetos.

El comportamiento de comunicación colectivo también se ha usado para detectar la aparición de eventos anómalos como en [5] donde se estudia cómo pueden describirse anomalías espacio-temporales usando herramientas de la teoría de percolación convencional.

Los patrones de movilidad humana también se han deducido a partir de registros de GPS [6] donde se propone un método de agrupamiento para extraer los principales puntos de interés, denominados geolocalizaciones, a partir de datos de GPS. Partiendo de geolocalizaciones proponen una definición de comunidad, la geocomunidad, que capta la relación entre una descripción espacial de movimientos humanos y el contexto social en el que viven los usuarios. Un análisis estadístico de las principales características de los trayectos humanos proporciona las distribuciones adecuadas de las distancias cubiertas por personas dentro de una geolocalización y

entre geolocalizaciones y tiempo de descanso. También analizan faclores que influyen en las personas cuando eligen ubicaciones sucesivas en su movimiento.

La referencia [7] da a conocer un estudio de la movilidad en un mapa de consciencia de actividad que describe la actividad más probable asociada con una zona de espacio específica. Esto les permite captar el patrón de actividad diaria individual y analizar las correlaciones entre el perfil de la zona de trabajo de diferentes personas. Para este fin entienden la ubicación de trabajo de cada usuario como la parada más frecuente durante las horas del día. Basándose en un gran volumen de datos de teléfono móvil de casi un millón de registros de los usuarios en la zona metropolitana central de Boston, hallaron una fuerte correlación en los patrones de actividad diaria dentro del grupo de personas que comparten un pertil de zona de trabajo común. Además, dentro del propio grupo, la similitud en los patrones de actividad disminuye a medida que sus lugares de trabajo se separan.

Algunos autores [8] se centran en modelos de movilidad centrada humana, es decir, cómo las redes sociales y los patrones de movilidad coinciden entre sí, intentando extender la movilidad de la red social a los movimientos geográficos, que denominan "redes oportunistas".

Así, la comunidad científica está trabajando e investigando sobre la movilidad humana como tema, y varios enfoques proporcionan un mejor conocimiento de diferentes aspectos de la movilidad humana, pero desde la perspectiva de su aprovechamiento para la personalización, y lo que más nos importa es conocer cuándo y con qué fin los usuarios visitan frecuentemente determinadas ubicaciones, es decir, cuáles son los puntos de interés de los usuarios.

Diferentes invenciones se basan en el tema de los Poi para diferentes fines:

El documento US2010121803 "Predictive ephemeral Points of Interest", a los usuarios de una aplicación inalámbrica se les proporciona la capacidad de registrar ubicaciones y recuperar mapas de ubicaciones pasadas y predecir ubicaciones futuras de interés específico. Dentro de esta invención, para predecir una ubicación, se recopilan datos acerca de ubicaciones notificadas previas, y se usa un análisis estadístico para presentar una guía visual que halle los Poi en un momento particular en el futuro.

El documento W02011 076988 "Methods and apparatus for grouping points of interest according to area names", se proporciona un enfoque para la búsqueda y el agrupamiento en masa de puntos de interés basándose en información de mensajes de difusión de célula. Se produce, al menos en parte, la recepción de un mensaje desde un terminal móvil. El mensaje especifica información de punto de interés y un nombre de zona asociado correspondiente a una de una pluralidad de células de una red de comunicación. El mensaje se analiza sintácticamente para determinar la información de punto de interés y el nombre de zona asociado.

El documento W02011 072882, un método para evaluar un atribulo de un punto de interés comprende asociar una región con el punto de interés y evaluar el atributo según una comparación de los datos de posición de una pluralidad de usuarios con datos de posición que definen la región asociada.

El documento US2011166957 "Biasing of search result clustering to ensure more effective point of inlerest targeting": pueden proporcionarse resultados de servicio de directorio en respuesta a una petición de un producto o proveedor de servicios deseado basándose en una o más ubicaciones seleccionadas por el usuario. El usuario puede buscar un producto o proveedor de servicios deseado que esté próximo a una ubicación desde la que el usuario puede comenzar el desplazamiento al punto de interés, denominada ubicación de origen, y satisface un objetivo beneficioso para el usuario (por ejemplo, una preferencia de desplazamiento direccional).

El documento US2010023259 "Discovering points of interest from users map annotations". Un método que facilita la generación de un punto de interés en relación con un mapa. Un componente de interfaz puede recopilar una parte de datos de anotación de dos o más usuarios, en el que la parte de datos de anotación está asociada con un mapa digital e incluye al menos una ubicación de mapa y una descripción específica del usuario de la ubicación de mapa. Un agregador de anotaciones puede evaluar datos de anotación correspondientes a la ubicación de mapa en el mapa digital. El agregador de anotaciones puede crear un punto de interés para la ubicación de mapa basándose en la evaluación y rellena el mapa digital con al menos una ubicación identificada extraída de dos o más usuarios.

El documento US2003191578 "Method and System for providing reminders about points of interests while travelling". Un sistema de navegación incluye una característica que permite que un usuario especifique un tipo de punto de interés y reciba entonces un recordatorio cuando el usuario está en la proximidad de una ubicación del punto de interés del tipo especificado mientras se desplaza en una región geográfica.

El documento US2009097710 "Methods and system for communication and displaying points-of-interest". Un método para visualizar ubicaciones de coordenadas

de puntos de interés en imágenes en perspectiva y para transferir información basada en coordenadas.

El documento US2008076451 "Point 01 Interest Spatial Rating Search Method and System ". Un sistema y método para buscar y recuperar la información de ubicación asociada con uno o más puntos de interés, por lo que los criterios de búsqueda pueden depender de la ubicación de un punto de interés con respecto a la posición en tiempo real del usuario, y cualquier preferencia o restricción de búsqueda seleccionada por el usuario, tal como información de valoración acerca del punto de interés.

El documento US7890254 "Point of Inlerest Display System". Un sistema de visualización de puntos de interés incluye una base de datos actualizable que se comunica con un microprocesador que recibe datos desde un receptor GPS que proporciona al sistema la ubicación actual del vehículo y una dirección de información de desplazamiento.

El documento US2004236504 "Vehicle Navigation Point of Interest". La presente invención proporciona un sistema de navegación para ayudar a localizar puntos de interés durante la navegación del vehículo. El sistema incluye un procesador habilitado por software para recibir y almacenar una selección de usuario de puntos de visita preferidos y un tiempo seleccionado por el usuario y determinar e indicar un subconjunto de los puntos de visita preferidos que se localizan dentro de una ubicación predeterminada con respecto a la posición del vehículo en el tiempo seleccionado por el usuario o con respecto a un destino seleccionado.

El documento US2011125359 "Navigation Apparatus, Server Apparatus and Method of Providing Point of Interest Data~. Un aparato de navegación incluye una interfaz de comunicaciones para comunicar datos a través de una red de comunicaciones y un recurso de procesamiento acoplado a la interfaz y que se dispone para recibir una petición de información de puntos de interés, y para comunicar a través de la interfaz de comunicaciones un mensaje que constituye una petición de datos de puntos de interés para la recepción por un servidor remoto.

El documento W02011072745 UDynamic Point of Interest Suggestion". Un sistema, método y dispositivo para recomendar un POI a través de un dispositivo de navegación que incluye recibir una recomendación de un POI desde un tercero en un servidor y determinar información relacionada con el POI. La información determinada se correlaciona con datos relacionados con dispositivos de navegación asociados con el servidor. los dispositivos de navegación se seleccionan para recibir el POI

recomendado por un tercero basándose en resultados de la correlación de la

información determinada con los datos relacionados con los dispositivos de

navegación y el POI recomendado se reenvía desde el servidor a un dispositivo de

navegación objetivo basándose en resultados de la correlación de la información

5: determinada con los datos relacionados con los dispositivos de navegación.

El documento EP1939797 "Method and apparatus tor automatically determining

a semantic classification of context data". Un método para determinar

automáticamente una clasificación semántica para datos de contexto obtenidos por un

dispositivo móvil, comprendiendo dicho método muestrear mediante dicho dispositivo

I O: móvil uno o más flujos de datos de contexto a lo largo del tiempo; aplicar un algoritmo

de agrupamiento para identificar uno o más agrupamientos en los datos de contexto

muestreados; ejecutar un motor lógico para determinar automáticamente un nombre

de concepto a partir de un conjunto de nombres de concepto predefinidos como una

clasificación semántica de dichos uno o más agrupamientos; asignar dicho nombre de

15: concepto a dichos uno o más agrupamientos o sugerir dicha asignación al usuario.

Problemas con las soluciones existentes

Como se observa, puntos de interés es una expresión a la que hacen

referencia varios trabajos existentes. La mayoría de ellos usan datos de GPS , y la

20: información acerca de los Poi se recopila a partir de usuarios particulares, se propone

y visualiza, o se calculan rutas entre Poi dados. Pero en todos los trabajos en los que

se mencionan Poi que deben calcularse, las ubicaciones relevantes deben darse o

bien por el usuario o bien por un sistema de navegación.

Por ejemplo, las invenciones US2009097710 y US7890254 trabajan

25: respectivamente en un método y un sistema para visualizar el punto de interés. El

documento US2010121803 recopila datos acerca de ubicaciones notificadas

previamente y usa el análisis estadístico para presentar una guía visual para hallar los

Poi en un momento particular en el futuro, los documentos US2004236504 y

W02011 072745 trabajan en una sugerencia de puntos de interés dinámica para

30: dispositivos de navegación, y el documento US2011125359 consiste en un sistema

remoto de petición de datos de puntos de interés.

Basándose en la evaluación de datos anotados por el usuario el documento

US2010023259 crea puntos de interés para ubicaciones de mapa, y según el

documento US2008076451 la ubicación de usuario proporciona un método de

35: búsqueda de puntos de interés mientras que el documento US2003191578 genera un

recordatorio cuando el usuario está en la proximidad del punto de interés. El documento W02011072882 también trabaja con la información de ubicación de un punto de interés y comparándolo con una región asociada evalúa un atributo del propio punto de interés.

Por el documento US2011166957 se aplican técnicas de clasificación para agrupar y así garantizar la selección puntos de interés más eficaz entre las ubicaciones seleccionadas por el usuario, por el documento W02011076988 se agrupan los puntos de interés según nombres de zonas, y también por el documento EP1939797 que proporciona un método para determinar automáticamente una clasificación semántica para dalos de contexto obtenidos por un dispositivo móvil.

Varias referencias como (2][3](4](5] también trabajan con registros de detalle de llamada (CDR) o datos de GPS (6] y construyen modelos predictivos, pero éstos son experimentos habitualmente aislados llevados a cabo para una población específica y no comprenden una detección y etiquetado completamente automático de las ubicaciones más relevantes para un usuario.

También se han encontrado muchas invenciones que están de alguna manera relacionadas con los PoI. Algunas de ellas recopilan información directamente de los usuarios, otras registran las ubicaciones previamente visitadas (a través de GPS), y muchas se centran en sistemas de visualización de POI para navegación GPS.

Sumario de la invención

Es necesario ofrecer una alternativa al estado de la técnica que cubra las lagunas encontradas en la misma, particularmente relacionadas con la falta de propuestas que realmente presenten un método eficaz para detectar y etiquetar automáticamente y de una manera no intrusiva los Poi de servicios móviles de usuario.

Para ello, la presente invención proporciona un método para detectar y etiquetar Poi , basándose dicho método exclusivamente en información de uso telefónico geolocalizada y sin interacción del cliente.

El método de la invención comprende:

a) adquirir información de señales intercambiadas entre dispositivos móviles

de usuario y una pluralidad de estaciones base, o BTS;

b) analizar dicha información adquirida para determinar, durante un periodo de

tiempo, las ubicaciones de dicho dispositivo móvil del usuario basándose en

las ubicaciones de las BTS con las que se ha producido el intercambio de

dichas señales; y

e) delectar y etiquetar al menos parte de las ubicaciones determinadas por dicho dispositivo móvil del usuario como puntos de interés al menos basándose en el número de veces que dicho dispositivo móvil del usuario ha estado en dichas ubicaciones determinadas durante dicho periodo de tiempo,

en el que dichas etapas b) y e) comprenden aplicar dicho análisis e identificación a través de un modelo estadístico.

Este modelo estadístico según una realización comprende un algoritmo de agrupamiento por partición alrededor de medoides, o PAM, basándose en una distancia de Pearson.

El algoritmo de agrupamiento mencionado devuelve veinte representaciones diferentes de agrupamientos.

Las representaciones de agrupamientos se representan por su curva medoide y se etiquetan considerando hábitos sociales y características culturales de la región en estudio.

Otras características del método de la invención se describen según las reivindicaciones adjuntas 2 a 10, y en una sección posterior en relación con la descripción detallada de varias realizaciones. El método de la invención comprende además limitar la adquisición de información desde el dispositivo móvil del usuario por un umbral superior y uno inferior. Dicho método, comprende filtrar cada una de dichas BTS para cada uno de dicho dispositivo móvil del usuario cuando la comunicación entre los mismos es inferior a un umbral. Asimismo, la adquisición de información de la etapa a) anterior, comprende además para cada par usuario-BTS relevante, un vector que contiene dichas ubicaciones para cada hora de los días de la semana. El modelo estadístico empleado comprende además un algoritmo de agrupamiento por partición alrededor de medoides, o PAM, basándose en una distancia de Pearson, de manera que dicho algoritmo de agrupamiento devuelve veinte representaciones diferentes de agrupamientos. Las representaciones de agrupamientos se representan mediante su curva centroide y se etiquetan considerando hábitos sociales y características culturales de la región en estudio. Para identificar puntos de interés teniendo en cuenta los hábitos y dichas características culturales de la región se usa un primer conjunto de 20 etiquetas, ya partir de dicho primer conjunto de 20 etiquetas se usa un segundo conjunto de 5 etiquetas para identificar dichos puntos de interés basándose en aplicaciones prácticas. La adquisición de información de la etapa a) incluye el número

de dicho dispositivo móvil del usuario, la fecha y hora, y la BTS asociada a dichas señales intercambiadas.

Breve descripción de los dibujos

Las anteriores y otras ventajas y características se entenderán de manera más completa a partir de la siguiente descripción detallada de realizaciones, con referencia a los dibujos adjuntos, que deben considerarse de una manera ilustrativa y no limitativa, en los que:

La figura 1 muestra el esquema actual usado para la localización de los puntos de interés. La figura 2 muestra el esquema actual usado para la localización de los puntos de interés basándose en información geolocalizada. La figura 3 muestra los diferentes procesos que van a realizarse para estimar el modelo estadístico.

La figura 4 muestra un ejemplo de casos de uso y aplicaciones que pueden realizarse conociendo puntos de interés de los usuarios, según una realización de la presente invención.

La figura 5 muestra una posible inclusión de la invención en terceros para la correcta personalización de sus campañas de marketing o actividades comerciales, según una realización de la presente invención.

La figura 6 muestra un ejemplo de un vector de uso de varias BTS, según una realización de la presente invención. La figura 7 muestra un ejemplo de un conjunto de agrupamientos, representado cada uno por su curva medoide, según una realización de la presente invención.

Descripción detallada de varias realizaciones

La invención trabaja sobre eventos geolocalizados obtenidos a partir de la red del operador de una manera no intrusiva durante un periodo de tiempo dado, captando cualquier registro geolocalizado que deja el uso de teléfonos móviles en la red, a partir de la señalización (eventos de entrada en/salida de sesiones de datos, inicio y terminación de llamadas de voz, envío de 8MS, etc.). Esta información adquirida, es decir, eventos geolocalizados, deben contener al menos la siguiente información:

-: El número asociado al evento

-: La fecha y hora para el evento

-: La BTS asociada al evento

Cuando se habla acerca de llamadas de voz, los CDR contienen (para cada

cliente del operador): -El número que realiza la llamada -El número que recibe la llamada

5 -Fecha y hora de la llamada -Duración de la llamada -La BTS en la que comienza la llamada -LA BTS en la que finaliza la llamada La invención consiste en una serie de procesos que basándose en información

10 geolocalizada llevan a los puntos de interés de los clientes que generaron esa información geolocalizada.

1. Recopilación de información de ubicación Procesando una determinada cantidad de registros de señalización (por

15 ejemplo, CDR) se obtienen eventos (en el caso de CDR, llamadas) relacionados con cada cliente durante el periodo de tiempo cubierto, y como se dispone del evento fecha, hora y BTS, también se obtiene el número de eventos para cada BTS que el cliente ha estado usando durante los días del periodo_

Eventos(c1ienteX) .. {BTS,fecha}

fecha = fecha(t)

Un identificador de BTS se enlaza a un punto geográfico, de manera más precisa a la zona geográfica cubierta por la estación base. Así, tener la cuenta de eventos para cada BTS significa que se tiene la cuenta de eventos para cada ubicación que visitó el cliente (cada ubicación en la que el cliente realizó o recibió una

25 llamada en el caso de CDR). BTS = BTS(x, y)

Even/os(c!ienteX) .. Eventos{cliente,BTS(x,y),fecha(t)) .. Eventos (cliente,x,y,t)

2. Filtros de comunicación de clientes

30 Este método usa métodos estadísticos para construir los modelos de movilidad que entre otras cuestiones extraen la comunicación más característica por patrones BTS por la base del cliente. Con el fin de permitir modelos estadísticos fiables y extensibles, se eliminan por filtrado los casos en los que el comportamiento de comunicación parece demasiado extremo para su modelado, esto es, los clientes que

hablan mucho o muy poco (en general, por cada ubicación que visitan), o eventos que no pueden modelarse ya que no responden a un patrón de uso de BTS común. Esto es sólo considerando los casos en los que la comunicación global (número de eventos en general) está limitada por un umbral superior y uno inferior:

TL < L¿Neventos(clienteX) < Tu

bts t

3. Filtro de uso de BTS Para cada cliente también se elimina por filtrado cada BTS que no alcanza un umbral de comunicación representativo T R. Este umbral puede expresarse como una

10 cantidad absoluta de eventos geolocalizados, como un porcentaje de los eventos geolocalizados de cliente, o como una combinación de ambos. Para el caso de un umbral dado por un porcentaje:

LNeventos(clíenteX,btsY) > TR • ¿LNeventos(dienteX)

t lItl :

15 4. BTS relevante

Los pares cliente-BTS que permanecen tras las dos fases de filtrado son lo que se denomina las "BTS relevantes". Para cada cliente se tiene un conjunto de BTS que representan las ubicaciones en las que el cliente comunica (o registra cualquier tipo de eventos) al menos los necesarios para modelarse.

20 Cliente1 ~{BTS" ,BTS2' , ... BTSn1} Cliente2 ~{BTS12,BTS22, ... BTSn2}

Clientem ~{BTS1m,BTS2m, .. . BTSnm} Modelos de análisis de movilidad

25 Con el fin de explicar mejor los modelos de análisis de movilidad se realiza un acercamiento de los componentes del diagrama de bloques presentado anteriormente. Las casillas numeradas se explican en los siguientes párrafos.

5. Vectores de uso cliente-BTS

30 Para cada par "cliente-BTS relevante", se construye un vector que contiene el número de posiciones registradas (llamadas o en general, cualquier tipo de eventos geolocalizados Nge) de cada uno de los clientes en cada una de las BTS para cada hora de los días de la semana. Pero como no cada día de la semana tiene el mismo significado en cuanto a patrones de actividad diaria, se agrupa lunes, martes, miércoles y jueves mientras que viernes, sábado y domingo permanecen separados.

{Cliente1 ,BTS11 }~{Ngem"", ..,Ngemt23,: NgefrOO,"" Ngelr2J. NgestOO, ... ,NgeSt23 .

Ngesnoo•. ..,Ngesn2J}

{Cliente1 ,BTS21 }~{Ngem"''',: ..,Ngemt2J. NgefrOO,"" Ngelf23. NgestOO, ... ,Ngest23.

NgesnOQ, ... ,Ngesn23}

{Cliente1 ,BTSn1 }~{Ngem"''', ..,Ngemt2J. NgefrOO, ... , Ngefr23. Ngesloo, ...,Ngest2J.

NgesnOO •...,Ngeso23}

Así, para cada cliente se obtienen varias curvas, tantas como BTS relevantes que recopilan el patrón de comunicación de ese cliente sobre sus BTS representativas por los cuatro diferentes tipos de días. Es lo que se denomina vectores de uso de BTS.

La figura 6 muestra varios ejemplos de vector de uso de BTS. Hacen referencia al cliente X, y contienen la cuenta agregada de llamadas que el cliente X realiza o recibe a través de las bts1 , bts2 y bts3 respectivamente a intervalos de 24 horas de lunes a jueves (mtOO-mt23), los viernes (frOO-fr23), sábados (stOO-st23) y domingos (snOO-sn23). 6 Normalizaciones

Se realiza una primera normalización dividiendo cada valor por el número de días del correspondiente tipo presente en el periodo de tiempo en consideración. Esta normalización permite comparar las 4 partes diferentes de las curvas entre sí:

{Cliente1 ,BTS1}' = {Cliente1 ,BTS1}/{Nmt,Nfr,Nst,Nsn} donde Nmt es el número de lunes, martes, miércoles y jueves durante el periodo de

tiempo considerado; Nfr es el número de viernes durante el periodo de tiempo considerado; Nst es el número de sábados durante el periodo de tiempo considerado; Nsn es el número de domingos durante el periodo de tiempo considerado.

{Cliente1 ,BTS1}' = {Ngem",,!Nmt , ...,Ngemu,lNmt, Nge"""'Nfr, .., Nge",,INfr. NgestoolNst, ..,Ngest2:JNst. Ngesn()()l'Nsn, ..,Ngesn2:JNsn } {Cliente1 ,BTS1}' = {N'gemlO, .. ,N'gemt23, N'gefrOo, ..,N'gefr23, N'gestoo, ..,N'geSt23,

N'gesnoo,···, N'gesn23}

Tras esta primera normalización, es necesario realizar una segunda. Con el fin de hacer posible la comparación entre diferentes curvas de uso de BTS con niveles de comunicación media muy diferentes, y para poder centrarse en la propia forma de la

5 curva (y no sólo en los niveles de amplitud), las curvas también se normalizan dividiéndolas por la suma de valores para cada punto y danta así una suma resultante igual a 1:

9.

} N'ge,

{Cliente1 .8TS1}"={Cliente1 .8TS1}'~ ={Cliente1 .8TS1}·/N' t {Cliente1.8TS1 }" = {N·gemIDO/N·t .....N·gem",IN·t. 10 N' ge,.ooIN't. ... N' ge,~,IN·t. N'gestoolN't, ..,N'gesa~N't,

N'gesnOQl'N't, .. ,N'gesn2J1'N't}

Donde

95 23 23 23 23

N; = I N'Dei = LlJ'gem~j + 2: N'gejrk +2: N'gestl + I N'ges11m

f=g j =o k =O !=o 111=0 15

~.

N ' t ;;;; L N'ge¡

ti! 1.;;;0

7. Muestra Entonces se extrae una muestra representativa de los vectores de uso de BTS

20 normalizados para alimentar un método de clasificación no supervisado para identificar las principales clases de patrones de uso de BTS.

8. Agrupamiento Existen varias posibles implementaciones para el método de clasificación ; una

25 opción es usar un algoritmo de agrupamiento como por ejemplo, un método de partición alrededor de medoides (PAM) basándose en una distancia de Pearson.

Agrupamiento PAM

El agrupamiento por partición alrededor de medoides (PAM) puede 30 considerarse una versión más robusta del enfoque de k-medios clásico. Se describe

en el capítulo 2 del libro "Finding Groups in Data: An Introduction to Cluster Analysis", Kaufman & Rousseeuw, 1990. Tiene algunas características deseables:

• Puede trabajar directamente sobre un conjunto de datos, pero

5 también acepta una matriz de disimilitud de esos datos como entrada.

• Es más robusta que k-medios ya que minimiza una suma de disimilitudes en lugar de una suma de distancias euclidianas cuadradas.

10 El algoritmo PAM se basa en la búsqueda de k objetos representativos (medoides) entre las observaciones del conjunto de datos. Estas observaciones deben representar la estructura de los datos. Tras hallar un conjunto de k medoides, se construyen k agrupamientos asignando cada observación a su objeto representativo más próximo, basándose en una distancia dada. En el caso de nuestra invención se

15 usa una distancia de Pearson. Un medoide puede definirse como el objeto de un agrupamiento cuya disimilitud promedio con respecto a todos los objetos en el agrupamiento es mínima.

Por defecto, no se especifica el conjunto inicial de medoides. El algoritmo en primer lugar busca un buen conjunto inicial de medoides (fase de construcción). 20 Después halla un mínimo local para la función objetivo (fase de cambio).

Distancia de Pearson Si tenemos muestras de dos variables X e Y, es muy común calcular el coeficiente de correlación de Pearson de muestra para revelar si existe una relación 25 lineal entre las dos variables:

r=

Este coeficiente siempre está entre -1 y 1. Es 1 si existe una relación lineal positiva perfecta entre las dos variables, y es -1 si existe una relación lineal negativa perfecta.

30 Una expresión equivalente da el coeficiente de correlación como la media de los productos de las puntuaciones estándar:

T =

donde sx y sy son la desviación estándar de muestra de X e Y.

La correlación de Pearson puede tomarse como una medida de similitud entre los datos por pares (Xi, Vi). Así también se puede obtener una correlación basada en la distancia como una expresión de la disimilitud entre ese vector de datos:

d =l-r

El mayor valor de esta distancia será 2 cuando los vectores puedan considerarse "opuestos", y los valores más bajos serán O cuando los vectores puedan considerarse como que tienen la misma forma o pertil (si se representan en secuencia).

La invención usa un método de agrupamiento PAM basándose en una distancia de Pearson para agrupar las diferentes curvas {Cliente, BTSi} en varias clases siguiendo una estrategia no supervisada.

El resultado del método de agrupamiento es un conjunto de clases de vectores de uso de BTS, estando representada cada una de las clases por su medoide. Las clases resultantes deben ser lo más diferentes entre ellas como sea posible pero los vectores pertenecientes a la misma clase deben ser lo más similares posible. Las similitudes se consideran según la distancia dada, en este caso la de Pearson.

9. Agrupamientos, medoides y centroides

El proceso de agrupamiento intenta cubrir tanta variabilidad como sea posible en el sentido de detectar muchos grupos diferentes para los patrones de comunicación de BTS relevante. Esto es por lo que inicialmente se trabaja con un número relativamente alto de agrupamientos.

Por ejemplo, en una de las implementaciones, el algoritmo de agrupamiento debe devolver 20 clases diferentes. La figura 7 muestra un conjunto de agrupamientos, representado cada uno por su curva medoide.

10. Etiquetado de medoide

Una vez que se obtienen el medoide y centroide para cada clase se asigna una etiqueta diferente a los mismos teniendo en cuenta los hábitos sociales y características culturales de la región en estudio. En este caso el algoritmo daría 20 etiquetas diferentes para etiquetas de "nivel OH (el conjunto más amplio de etiquetas). Considerando los patrones de los representantes de clases se agrupan más adelante en 5 etiquetas de "nivel 1".

El siguiente cuadro de texto muestra un conjunto de ejemplo de etiquetas de nivelO creadas para los agrupamientos de uso de BTS:

1: trabajo (tarde comercial)

2: ocio de vida nocturna

3: ocio de sábado por la noche

4: ocio de domingo por la noche

5: ocio de viernes por la noche

6: trabajo (oficina, por la mañana)

7: trabajo (comercial)

8: trabajo lunes-jueves (hora de almuerzo)

9: ocio de domingo por la noche

10: compra por la tarde días de trabajo

11: casa

12: compra sábado por la mañana

13: ocio por la noche de días de trabajo

14: trabajo (tarde)

15: ocio de domingo por la tarde

16: ocio de sábado por la tarde (compra)

17: ocio de viernes por la tarde

18: compra por la tarde

19: compra de viernes por la tarde (almuerzo

viernes,: salir de casa)

20: ocio de viernes por la noche

y como se mencionó anteriormente, se crea un conjunto de "nivel 1" de etiquetas pensando en aplicaciones prácticas que no necesitarían tal detalle:

1: trabajo de oficina

2: trabajo comercial

3: casa/ocio por la noche

4: noche/ocio por la noche

5: ocio por la tarde/compra

11 . Medidas de dispersión entre clases

10 La distancia de Pearson para el representante de agrupamiento (medoide) se analiza para cada agrupamiento, para obtener el promedio y la desviación estándar de la distancia al centro de agrupamiento para cada elemento clasificado. Tales valores se usan más adelante para decidir acerca de la precisión de clasificación de POI, para observar si asignar o no una etiqueta de punto de interés.

12. Resultados del modelo

•: La distancia

o Una función que implementa la distancia, necesita aplicarse cada vez que necesitamos asignar automáticamente una etiqueta POI a una nueva instancia (vector de comunicación normalizado)

•: Conjunto medoide:

o Representantes de agrupamientos: 96 vectores de posición

•: Conjunto umbral

: o Distancia promedio dentro de cada agrupamiento

: o Distancia de desviación estándar

•: Conjunto de etiqueta (etiquetas POI)

: o Conjuntos de etiquetas de nivela

: o Conjuntos de etiquetas de nivel 1

: o Tabla de correspondencia

13. Uso del modelo Para cualquier vector de cliente-uso de BTS (presente en la muestra o no)

asignamos la etiqueta de "nivelO" del centroide más próximo en cuanto a la misma distancia que se ha usado en el proceso de agrupamiento (en este caso la distancia de Pearson).

La etiqueta de "nivel 1» equivalente también se asigna basándose en el conocimiento de la etiqueta de "nivelO" y en la tabla de correspondencia. Para algunos casos, la instancia (vector cliente-uso de BTS que se etiqueta automáticamente) y el centroide son muy similares y las etiquetas de "nivelO" son una buena elección. Pero esto no siempre ocurre, y las etiquetas de nivel 1 representan un etiquetado más general, con un margen de error inferior.

Una posibilidad de la asignación de las etiquetas es usar el valor de la distancia promedio y la desviación estándar de distancia para obtener un umbral para decidir cuál de las etiquetas debe usarse.

Por ejemplo, si

Distancia({Cliente,BTSi},Centroide) > Avg(distancia) + stdDev(distancia}

entonces el vector está alejado del centro de agrupamiento, así no es lo suficientemente fiable y puede ser que no se quiera proporcionar esa etiqueta. Para ese caso podemos por ejemplo devolver un código que implique que el agrupamiento y la etiqueta obtenidos no son lo suficientemente fiables.

Para los casos en los que

Avg(distancia) < Distancia({Cliente,BTSi},Centroide) < Avg(distancia) + stdDev(distancia)

Puede decirse que el vector no está ni demasiado lejos ni demasiado cerca del centro de agrupamiento. En este caso podemos considerar que el agrupamiento asignado no es lo suficientemente fiable para devolver la etiqueta de nivelO y en su lugar puede considerarse sólo la etiqueta de nivel 1.

y para el resto de los casos en los que

Distancia({Cliente, BTSi},Centroide) < Media( distancia)

El vector está lo suficientemente cerca del centroide de agrupamiento y la etiqueta de nivelO parece ser una solución aceptable para el proceso de etiquetado de puntos de interés automático.

Esta invención permite que un cliente tenga varios POI con la misma etiqueta. En algunos casos, podemos modificar una de las etiquetas produciendo nuevas etiquetas de nivel 1 especializadas. Por ejemplo, un cliente puede tener más de una ubicación etiquetada como "casa". Teniendo en cuenta otra información como la zona habitual de actividad del cliente durante días de la semana y fines de semana, y calculada durante el periodo de tiempo dado, uno de esos POI puede etiquetarse como "2da residencia" En estos casos el conjunto de etiquetas de nivel 1 iniciales se expande por la adición de nuevas etiquetas especializadas.

14. Punto de interés Finalmente, como un resultado de nuestra invención obtenemos para cada

cliente: Un conjunto de BTS que son de especial interés para el cliente, cada una etiquetada automáticamente. Las etiquetas explican el significado particular de las ubicaciones para el cliente particular.

Ejemplo de varias realizaciones

El conocimiento de los puntos de interés de nuestros clientes permite una amplia variedad de casos de uso y aplicaciones.

Conocer los lugares en los que viven, trabajan y que prefieren nuestros clientes para sus actividades de ocio en las diferentes horas de la semana permite al operador desarrollar aplicaciones y servicios específicos que aprovechan tal información segmentada por ubicación.

Esa información también puede proporcionarse a instituciones que podrían encontrarla útil para cualquier planificación de servicios públicos tales como diseño de redes de transporte público, control de propagación de enfermedades, u otras iniciativas públicas basándose en el conocimiento de los puntos de interés de los ciudadanos.

y terceros (compañías) también pueden interesarse en el uso de los puntos de interés para la correcta personalización de sus campañas de marketing o actividades comerciales.

Imagine una gran compañía textil que vende diferentes tipos de ropa para los diferentes segmentos, donde los segmentos pueden definirse por la edad y nivel socioeconómico (SEL) cruzado. Esa compañía luego se interesa en realidad en conocer qué ubicaciones son de interés para los adolescentes para decidir dónde ubicar tiendas que vendan ropa para ese segmento. De manera similar, esa compañía también está muy interesada en conocer qué lugares se visitan a través de las rutas diarias de personas en la treintena con una probabilidad superior de poder de adquisición. El poder de adquisición puede correlacionarse con el ARPU (ingresos promedio por usuario).

Así, la información generada automáticamente por la invención puede venderse a terceras partes o combinarse con otros modelos predictivos en el operador para soportar (como en este caso de uso) el proceso de diseño de redes de compra (basándose en la mezcla usada de las ubicaciones de interés de nuestros clientes y los segmentos más tradicionales como edad, SEL o ARPU).

Ventajas de la invención

Esta invención toma información de entrada que ya está disponible en la actividad habitual de un operador de telecomunicaciones, así no tienen que desarrollarse procesos especiales con el fin de obtenerla.

Esta invención permite una obtención completamente automática de los puntos de interés de los clientes, tanto de manera individual como en un modo global y agregado.

Esta invención es un método no intrusivo, así no se perjudica o molesta a los usuarios en su actividad durante la comunicación. Esta invención puede extenderse fácilmente para incorporar nuevas características y también puede extenderse o aplicarse a cualquier región.

Esta invención permite el desarrollo de servicios nuevos y disruptivos que tienen en cuenta el conocimiento de las ubicaciones en las que entra un usuario y lo que significan para ellos.

SIGLAS

POI: Point de Interest, punto de interés

BTS: Base Transceiver Station; estación de transceptor base

CDR: Call Deta;J Record; registro de detalle de llamada

5: GPS Global Positioning System; sistema de posicionamiento global

SMS: Short Message Service; servicio de mensajes cortos

BIBLIOGRAFíA

[1] González, Hidalgo, Barabási (2008) Understanding individual mobility patterns. Nature, 453, 779-782

[2] Song, C., Qu, Z., Blumm, N. y Barabási, A-L. (2010). Limits 01 Predictability in 5 Human Mobility. Science, 327, 1018-1021 .

[3] Calabrese, Di Lorenzo, Ratti (2010) Human Mobility Prediction based on Individual and Collective Geographical Preferences. ITSC

[4] Firouzi, Liu. Sadrpour (2009) Mobility Pattern Prediction Using Cell-phone Data logs. EECS Final Projeet Report.

10 [5] Candia, González, Wang, Schoenharl, Madey, Brabási (2008) Uncovering Individual and Collective Human Dynamics from Mobile Phone Records. Journal of Physics A: Mathematical and Theoretical 41

15 [7] Phithakkitnukoon, Horanont, Di Lorenzo, Shibasaki, Ratti (2010) Activity Aware Map: Identifying Human Daily Activity Pattern Using Mobile Phone Data. LNCS 6219, págs. 14-25

(8] Boldrini, Conti, Passarella (2009) The Sociable Traveller: Human Travelling Patterns in Social-Based Mobility. MobiWac'09, October 26-27, 2009, Tenerife, 20 islas canarias, España.

Claims

REIVINDICACIONES

1. Método para la detección y etiquetado automático de puntos de interés de usuario, que comprende: a) adquirir información de señales intercambiadas entre dispositivos 5 informáticos móviles de usuario y una pluralidad de estaciones de transceptor base, o BTS;

b) analizar dicha información adquirida para determinar, durante un periodo de tiempo, las ubicaciones de dicho dispositivo móvil del usuario basándose en las ubicaciones de las BTS con las que se ha

10 producido el intercambio de dichas señales; e

e) detectar y etiquetar al menos parte de las ubicaciones determinadas por dicho dispositivo móvil del usuario como puntos de interés al menos basándose en el número de veces que dicho dispositivo móvil del usuario haya estado en dichas ubicaciones determinadas durante dicho

15 periodo de tiempo, en el que dichas etapas b) y c) comprenden aplicar dicho análisis e identificación a través de un modelo estadístico.
2. Método según la reivindicación 1, que comprende además limitar dicha

adquisición de información desde el dispositivo móvil del usuario por un umbral 20 superior y uno inferior.
3.

Método según la reivindicación 1, que comprende además filtrar cada una de dichas BTS para cada uno de dicho dispositivo móvil del usuario cuando la comunicación entre los mismos es inferior a un umbral.
4.

Método según la reivindicación 1 a 3, en el que dicha adquisición de

25 información de la etapa a) comprende además para cada par usuario-BTS relevante, un vector que contiene dichas ubicaciones para cada hora de los días de la semana.
5. Método según la reivindicación 1, en el que dicho modelo estad ístico

comprende además un algoritmo de agrupamiento por partición alrededor de 30 medoides, o PAM, basándose en una distancia de Pearson.
6.

Método según la reivindicación 5, en el que dicho algoritmo de agrupamiento devuelve veinte representaciones diferentes de agrupamientos.
7.

Método según la reivindicación 6, en el que dichas representaciones de agrupamientos se representan mediante su curva centroide y se etiquetan

considerando hábitos sociales y características culturales de la región en estudio.
8. Método según la reivindicación 7, en el que se usa un primer conjunto de 20

etiquetas para identificar puntos de interés teniendo en cuenta dichos hábitos y 5 dichas características culturales de la región.
9.

Método según la reivindicación 8, en el que a partir de dicho primer conjunto de 20 etiquetas se usa un segundo conjunto de 5 etiquetas para identificar dichos puntos de interés basándose en aplicaciones prácticas.
10.

Método según la reivindicación 1, en el que dicha adquisición de información de

10 dicha etapa a) incluye el número de dicho dispositivo móvil del usuario, la fecha y hora, y la BTS asociada a dichas señales intercambiadas.