WO2016086786A1 - 地理围栏生成方法及装置 - Google Patents

地理围栏生成方法及装置 Download PDF

Info

Publication number
WO2016086786A1
WO2016086786A1 PCT/CN2015/095586 CN2015095586W WO2016086786A1 WO 2016086786 A1 WO2016086786 A1 WO 2016086786A1 CN 2015095586 W CN2015095586 W CN 2015095586W WO 2016086786 A1 WO2016086786 A1 WO 2016086786A1
Authority
WO
WIPO (PCT)
Prior art keywords
latitude
longitude
cluster
points
minimum
Prior art date
Application number
PCT/CN2015/095586
Other languages
English (en)
French (fr)
Inventor
毛仁歆
张辉
熊军
何帝君
Original Assignee
阿里巴巴集团控股有限公司
毛仁歆
张辉
熊军
何帝君
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 阿里巴巴集团控股有限公司, 毛仁歆, 张辉, 熊军, 何帝君 filed Critical 阿里巴巴集团控股有限公司
Publication of WO2016086786A1 publication Critical patent/WO2016086786A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor

Definitions

  • the present application relates to the field of location-based computer technologies, and in particular, to a method and apparatus for generating a geofence.
  • LBS Location Based Services
  • location service also known as location service, refers to a mobile communication and navigation fusion that determines the actual geographic location of mobile users through the cooperation of mobile terminals and mobile networks, thereby providing location-related service information required by users. Form of service.
  • Geo-fencing is a new application of LBS that uses a virtual fence to surround a virtual geographic boundary.
  • the phone can receive automatic notifications and warnings when the phone enters, leaves, or is active in a particular geographic area.
  • location social networking sites can help users automatically sign up when they enter an area.
  • “Attention” is a geo-fence-based mobile social software; you can create a geofence by setting a location alarm, adding a focus area, etc., and organize your relationships on this basis, such as interacting with friends and sharing information. , find discounts, check-ins, and more.
  • the establishment of geofences is currently basically done by manual marking, a circular area based on the center or based on the scope of the building itself.
  • patent application CN201220177983.2 discloses a method for establishing a geofence: "The virtual fence system server includes a data receiving processing program and an electronic map, and establishes a closed virtual image on the electronic map according to corresponding geographic information data and logic. Boundary line, and define the relationship between the front-end tracking module and the fence and other limitations, that is, construct a virtual fence.”
  • geofencing technology is becoming more and more popular, but there is still a lack of accurate and highly automated geofence creation technology in this field.
  • the technical problem to be solved by the present application is that, in view of the deficiencies of the prior art, a method and a device for generating a geofence are provided, and a geofence is automatically generated.
  • a method for generating a geofence including: performing cluster analysis on latitude and longitude coordinates in position information of an object that meets a preset condition, to obtain one or more latitude and longitude coordinate clusters, wherein each latitude and longitude The coordinate cluster includes a plurality of latitude and longitude coordinates; and a geofence is generated based on the boundary points of the latitude and longitude coordinate cluster.
  • the location information is location data of a certain period of time or location data of a certain moment.
  • the step of performing cluster analysis on the latitude and longitude coordinates includes: step 1, giving a plurality of initial cluster center points; and step 2, assigning each latitude and longitude coordinate to a cluster corresponding to the cluster center having the smallest WCSS; 3. Update the cluster center of each cluster to obtain a new cluster center; and step 4, repeat steps 2 and 3 until the WCSS change of each cluster is less than a given threshold.
  • the step of performing cluster analysis on the latitude and longitude coordinates comprises: step 1. classifying each sample into a class, and calculating a distance between each two classes, wherein the sample is a latitude and longitude coordinate; and step 2: searching for each class The two closest classes are merged into one class; step 3, recalculate the similarity between the newly generated class and the original class; and step 4, repeat steps 2 and 3 until all sample points are returned In a class where each iteration produces a collection of clusters.
  • the step of performing cluster analysis on the latitude and longitude coordinates includes: step 1, a preset scan radius, and a minimum number of included points; and step 2: traversing the latitude and longitude coordinates that are not accessed, and counting the nearby latitude and longitude coordinates whose distance is less than or equal to the scan radius.
  • the number, according to the relationship between the number and the minimum included points, the latitude and longitude coordinates are divided into core points, boundary points and noise points; step 3, remove all noise points; and step 4, all mutual distance is less than or equal to
  • the latitude and longitude coordinates of the scanning radius are taken as a cluster.
  • dividing the latitude and longitude coordinates into a core point, a boundary point, and a noise point includes: if the number of nearby coordinate points is greater than or equal to the minimum included point number, marking the latitude and longitude coordinates as a core point; if the number of nearby coordinate points is less than the minimum included point number And at least one core point is included in a range whose distance is less than or equal to the scanning radius, and the point is marked as a boundary point; if the number of nearby coordinate points is less than the minimum included number, and the distance is less than or equal to the scanning radius If there is no core point included, mark this point as a noise point.
  • a geo-fence generating device including: a clustering analysis module, configured to perform cluster analysis on latitude and longitude coordinates in position information of an object that meets a preset condition, to obtain one or more latitude and longitude coordinates a cluster, wherein each latitude and longitude coordinate cluster includes a plurality of latitude and longitude coordinates; and a boundary generation module is coupled to the cluster analysis module for generating a geofence based on the boundary points of the cluster.
  • the embodiments provided by the present application can not only improve the automation degree of generating a geofence, but also improve the accuracy of generating a geofence, thereby having high commercial use value or emergency scenario use value.
  • FIG. 1 is a flowchart of a method for generating a geofence according to an embodiment of the present application
  • FIG. 2 is a schematic diagram of a K-Means algorithm process according to another embodiment of the present application.
  • FIG. 3 is a schematic diagram of a process of a hierarchical hierarchical clustering algorithm according to another embodiment of the present application.
  • FIG. 4 is a schematic diagram of location information collection results according to another embodiment of the present application.
  • FIG. 5 is a schematic diagram showing cluster results obtained by using the DBSCAN algorithm in the data shown in FIG. 4;
  • FIG. 6 is a schematic diagram of a DBSCAN algorithm process according to another embodiment of the present application.
  • FIG. 7 is a schematic diagram of cluster results obtained by using the DBSCAN algorithm for the data shown in FIG. 6;
  • FIG. 8 is a schematic diagram of generating a geofence based on cluster boundary points according to another embodiment of the present application.
  • FIG. 9 is a schematic structural diagram of a geo-fence generating apparatus according to another embodiment of the present application.
  • the inventors of the present application have found through research that the clustering algorithm can improve the automation degree of geofencing generation, and the obtained geofence data is more accurate.
  • this method can adaptively adjust the shape of the geofence as the data changes.
  • a method for generating a geofence includes:
  • the preset condition may be a geographical range, for example, the geographical range of Longjing Village in Xihu District, Hangzhou; the preset condition may also be identity information, for example, the student identity of the Zhejiang University School of Computer; the preset condition may also be other specified Conditions, for example, those who used to register for marriage in Changning District, Shanghai, and vehicles that have carried out car wash services at the ABC car wash in Suzhou Street, Haidian District, Beijing.
  • the object that meets the preset condition may be a navigation device carried by the user, or a vehicle with a car navigation device or other mobile device with a geographic location information system; for example, once registered in the wireless network system of the Pinghe Hall of Changsha Mobile device.
  • the location information includes: latitude and longitude coordinates, for example (117.32123, 85.11233). According to another embodiment of the present application, the location information may further include: service information related to latitude and longitude.
  • the location information is location data of a certain period of time, for example, location information of a user whose duration is 6 months, that is, a set of latitude and longitude coordinates; the geographical value of the obtained geofence is high at this time.
  • the location information may also be instantaneous information.
  • the geofence obtained at this time is a transient fence, and the instantaneous fence has high use value under emergency conditions. For example, when a natural disaster occurs, the transient fence is available. In order to determine whether a person is located in the place where the disaster occurred.
  • the acquiring the location information of the object that meets the preset condition comprises: acquiring the location information (latitude and longitude coordinates) of the mobile terminal user by using a network of the telecommunication mobile operator (such as a GSM network or a CDMA network).
  • collecting location information of an object that meets a preset condition includes: collecting location information corresponding to WIFI or IP used by the user.
  • the location information may be from a third party database or software and does not need to be collected in the geofence generation method.
  • S12 Perform cluster analysis on the latitude and longitude coordinates in the location information to obtain one or more latitude and longitude coordinate clusters, where each latitude and longitude coordinate cluster includes a plurality of latitude and longitude coordinates;
  • performing cluster analysis on the latitude and longitude coordinates may include: performing cluster analysis on the latitude and longitude coordinates by the K-Means algorithm to generate one or more clusters, each cluster including one or more latitude and longitude coordinates.
  • the K-Means algorithm uses iterative optimization techniques to cluster a given set of points.
  • the process of generating clusters using the K-Means algorithm includes:
  • Step 1.1 assign each coordinate point to a cluster corresponding to a cluster center having a minimum WCSS;
  • x p is the coordinate of the point p to be operated
  • cluster center of the i-th cluster k is the number of cluster center points initialized
  • the distance squared from the point p to the cluster center of the i-th cluster at the t-th iteration For the t-th iteration of the set of all points in the i-th cluster, the distance squared from the cluster center of each point to the i-th cluster is the smallest.
  • Step 1.2 After each coordinate point belongs to the cluster corresponding to the corresponding cluster center, update the cluster center of each cluster to obtain a new cluster center;
  • the cluster center of the i-th cluster used in the t+1th iteration after the update that is, the center of gravity of all points in the t-th iteration and the i-th cluster.
  • Step 2.1 referring to part (a) of Figure 2, for a given 12 data points (shown as solid dots in the figure), initialize 3 random cluster centers 201, 202 and 203 (shown as hollow dots in the figure) ;
  • Step 2.2 For each data point, calculate the WCSS for each cluster relative to the three cluster centers, and select the smallest one for attribution. Referring to part (b) of Figure 2, each data point can be calculated. Corresponding attribution, forming three clusters 211, 212 and 213;
  • Step 2.3 Referring to part (c) of Figure 2, update the new cluster center of each cluster for the 3 clusters that have been generated:
  • the center of the cluster 211 is changed from the center 201 to the center 221, and since there is only one data point in the first cluster, the center 221 is the data point;
  • Step 2.4 iterating through steps 2.2 and 2.3 until the WCSS of the three clusters no longer changes or changes very little.
  • the three clusters are stabilized at clusters 231, 232 and 233.
  • the clustering analysis of the latitude and longitude coordinates may include: clustering the latitude and longitude coordinates by the agglomerative hierarchical clustering algorithm to generate a unified result cluster having a hierarchy, each of the unified result clusters Layers can be used as a result of cluster analysis (ie, each layer of the unified result cluster contains one or more clusters).
  • the process of generating clusters using the condensed hierarchical clustering algorithm includes:
  • Step 3.1 classify each sample into a class, and calculate the distance between each two classes (ie, the similarity between the sample and the sample);
  • the method of calculating the distance can be selected: (1) single-linkage clustering (take the distance between the two closest points in the two classes) (2) complete linkage clustering (take the distance between the two farthest points in the two classes as the distance between the two classes); (3) mean or average linkage clustering (take two classes The average of the distances between all points in the pair as the distance between the two classes); or (4) centroid linkage clustering (take the distance between the center of gravity points in the two classes as the distance between the two classes).
  • Step 3.2 Find the two closest classes between classes and merge them into one class; for example, class A and class B are merged into class AB, and the number of classes is reduced by one;
  • Step 3.3 Recalculate the similarity between the newly generated class and the original class
  • Step 3.4 Repeat steps 3.2 and 3.3 until all sample points are classified into one class and the iteration ends.
  • Step 4.1 as shown in part (A) of Figure 3, for a given 6 data points, point 301-point 306 (referred to as class a-class f), respectively calculate the distance between the two;
  • Step 4.2 as shown in part (B) of Figure 3, comparing and determining the distance between the class b and the class c and the distance between the class d and the class e are the same and the smallest, then the classes b and c are merged into the class bc , class d, e merge into class de;
  • Step 4.3 Calculate the distance between the two classes a, bc, de, and f;
  • Step 4.4 Compare and determine that the distance between the class de and the class f is the closest, and the class de and the class f are merged into the class def;
  • Step 4.5 Calculate the distance between the two classes a, bc, and def;
  • Step 4.6 comparing and determining that the distance between the class bc and the class def is the closest, and the class bc and the class def are merged into the class bcdef;
  • Step 4.7 Calculate the distance between the two classes a and bcdef;
  • Step 4.8 Compare and determine that the distance between class a and class bcdef is the closest. Class a and class bcdef are merged into class abcdef. At this time, all nodes are classified into one class, and the iteration ends.
  • each layer generated by hierarchical clustering can be independently identified as a set of clusters.
  • bc is a cluster
  • the cluster contains b and c points
  • def is a group.
  • Clusters which contain d points, e points, and f points.
  • performing cluster analysis on the latitude and longitude coordinates may include: performing cluster analysis on the latitude and longitude coordinates by using the DBSCAN algorithm.
  • DBSCAN automatically discovers multiple cluster centers without prior settings.
  • Density-Based Spatial Clustering of Applications with Noise A density-based clustering algorithm that defines a "cluster" as the largest set of points connected by density, which can divide a region with a sufficiently high density into clusters, and Clusters of arbitrary shapes are found in the spatial database of noise.
  • the DBSCAN algorithm requires two parameters: the scan radius (eps) and the minimum inclusion point (minPts).
  • the location information of students in a university in Nanjing is collected, and the results are shown in Figure 4. It is shown that the locations marked as positioning graphics in the three regions A, B, and C in the figure are the location information from the students over a period of time.
  • the clustering analysis of the latitude and longitude coordinates of the above students is carried out by DBSCAN.
  • the scanning radius (eps) and the minimum inclusion point (minPts) can be preset.
  • the clustering analysis process is as follows:
  • Step 5.1 Select one of the coordinate points marked as unvisited, and count the number of coordinate points near the distance ⁇ eps:
  • Step 5.2 remove all noise points
  • Step 5.3 All coordinate points whose mutual distance ⁇ eps are used as a cluster.
  • FIG. 4 The cluster generated in Fig. 4 is generated by the above clustering method as shown in Fig. 5.
  • Figure 5 shows the geographical coverage of the university's various campuses, social practice centers, and students' after-school gatherings.
  • the above DBSCAN implementation includes core points, boundary points and noise points.
  • the advantages are as follows: (1) It is not necessary to specify how many cluster centers are needed before clustering, and one or more cluster centers will be generated spontaneously through the essential attributes of the data. As shown in Fig. 6, the three campuses of a university in Nanjing are clustered into three clusters, which are consistent with reality; (2) the ability to denoise data is strong.
  • generating a geofence based on a boundary point of a cluster includes: for each cluster, a minimum longitude and a maximum longitude corresponding to the same latitude are used as a boundary. Or, for each cluster, the minimum latitude and the maximum latitude corresponding to the same longitude are used as the boundary.
  • step S13 includes:
  • the cluster has minimum longitude and maximum longitude (for example, accurate to 1m*1m), then the minimum and maximum dimensions of each longitude are selected as the boundary; otherwise, Make up with a random high-density filling method:
  • the description of the latitude and longitude of the embodiment of the present application is only an example, and the latitude and longitude can be interchanged.
  • the cluster has a minimum longitude and a maximum longitude, and can also be expressed as: for each longitude, the cluster has a minimum latitude and a maximum latitude.
  • a geofence generating device is provided. As shown in FIG. 9, the geofence generating device includes:
  • the location information collection module 41 is configured to collect location information of an object that meets a preset condition, where the location information includes latitude and longitude coordinates;
  • the clustering analysis module 42 is connected to the location information collection module 41 for performing cluster analysis on the latitude and longitude coordinates in the location information to obtain one or more latitude and longitude coordinate clusters, wherein each latitude and longitude coordinate cluster includes multiple Latitude and longitude coordinates; and
  • the boundary generation module 43 is coupled to the cluster analysis module 42 for generating a geofence based on the boundary points of the cluster.
  • the cluster analysis method used by the cluster analysis module 42 and the boundary generation method used by the boundary generation module 43 have been described in detail in the foregoing method embodiments, and are not described herein again.
  • the location information may be from a third party database or software, and does not need to include a location information collection module in the geofence generating device.
  • the above embodiment of the present application utilizes the user's active location information for cluster analysis.
  • a geographic location eg, a university
  • it can automatically identify and generate fence information of the active area (eg, a library in a university).
  • fence information of the active area eg, a library in a university.
  • the fence information of the active area is very important for the subsequent introduction, advertising and other scenarios.

Abstract

本申请提供一种地理围栏生成方法，包括：对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇包括多个经纬度坐标；和基于所述经纬度坐标团簇的边界点生成地理围栏。本申请还提供一种地理围栏生成装置，包括：聚类分析模块，用于对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇都包括多个经纬度坐标；和边界生成模块，与聚类分析模块连接，用于基于团簇的边界点生成地理围栏。上述方法和装置能够提高生成地理围栏的自动化水平和精度。

Description

地理围栏生成方法及装置 技术领域
本申请涉及基于位置的计算机技术领域，尤其涉及一种地理围栏生成方法及装置。
背景技术
LBS(Location Based Services)：又称定位服务，指通过移动终端和移动网络的配合，确定移动用户的实际地理位置，从而提供用户所需要的与位置相关的服务信息的一种移动通信与导航融合的服务形式。
地理围栏(Geo-fencing)是LBS的一种新应用，就是用一个虚拟的栅栏围出一个虚拟地理边界。当手机进入、离开某个特定地理区域，或在该区域内活动时，手机可以接收自动通知和警告。有了地理围栏技术，位置社交网站就可以帮助用户在进入某一地区时自动登记。
例如，“留意”是一款基于地理围栏的移动社交软件；可以通过设置位置闹铃，添加关注区等方式建立地理围栏，并在此基础上组织你的人际关系，比如与朋友互动，分享信息，找打折，签到，等等。
地理围栏的建立，目前基本上还以人工标记、基于中心的圆形区域或者基于建筑物本身范围来完成。
例如，专利申请CN201220177983.2公开了一种建立地理围栏的方法：“虚拟围栏系统服务器包含了数据接收处理程序和电子地图，并在电子地图上根据相应的地理信息数据和逻辑，建立闭合的虚拟边界线，并定义前端跟踪模块与围栏之间及其他局限条件之间的关系，即构建出虚拟围栏”。
综上，地理围栏技术越来越普及，但本领域尚缺少准确的、自动化程度高的地理围栏创建技术。
发明内容
本申请要解决的技术问题是，针对现有技术的不足，提供一种地理围栏生成方法及装置，自动生成地理围栏。
根据本申请一个方面，提供一种地理围栏生成方法，包括：对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇包括多个经纬度坐标；和基于所述经纬度坐标团簇的边界点生成地理围栏。
可选的，所述位置信息为某一段时间的位置数据或某一时刻的位置数据。
可选的，对经纬度坐标进行聚类分析步骤包括：步骤1、给定多个初始聚类中心点；步骤2、将每个经纬度坐标归属到拥有最小WCSS的聚类中心对应的团簇；步骤3、更新每个团簇的聚类中心得到新的聚类中心；和步骤4、重复步骤2和3直至每个团簇的WCSS变化小于给定阈值。
可选的，对经纬度坐标进行聚类分析步骤包括：步骤1、把每个样本归为一类，计算每两个类之间的距离，其中，样本即经纬度坐标；步骤2、寻找各个类之间距离最近的两个类，把他们合并为一类；步骤3、重新计算新生成的这个类与原有类之间的相似度；和步骤4、重复步骤2和3直至所有样本点都归为一类，其中，每一次迭代都产生团簇的集合。
可选的，对经纬度坐标进行聚类分析步骤包括：步骤1、预设扫描半径和最小包含点数；步骤2、遍历未被访问的经纬度坐标，统计与其距离小于等于所述扫描半径的附近经纬度坐标的数量，根据该数量与所述最小包含点数之间的关系，将经纬度坐标划分为核心点、边界点和噪声点；步骤3、去除所有噪声点；和步骤4、将所有相互距离小于等于所述扫描半径的经纬度坐标作为一个团簇。
可选的，将经纬度坐标划分为核心点、边界点和噪声点包括：如果附近坐标点的数量大于等于最小包含点数，那么标记此经纬度坐标为核心点；如果附近坐标点的数量小于最小包含点数，并且与其距离小于等于所述扫描半径的范围内包含着至少一个核心点，那么标记此点为边界点；如果附近坐标点的数量小于最小包含点数，并且与其距离小于等于所述扫描半径的范围内不包含任何一个核心点，那么标记此点为噪声点。
根据本申请另一个方面，提供一种地理围栏生成装置，包括：聚类分析模块，用于对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇都包括多个经纬度坐标；和边界生成模块，与聚类分析模块连接，用于基于团簇的边界点生成地理围栏。
相对于现有技术，本申请提供的实施例不但能够提高生成地理围栏的自动化程度，而且可提高生成地理围栏的精确度，从而具有较高的商业使用价值或应急场景使用价值。
附图说明
图1是根据本申请一个实施例提供的地理围栏生成方法的方法流程图；
图2是根据本申请另一个实施例提供的K-Means算法过程示意图；
图3是根据本申请另一个实施例提供的凝聚层次聚类算法过程示意图；
图4是根据本申请另一个实施例提供的位置信息采集结果示意图；
图5是图4中显示的数据利用DBSCAN算法得到的团簇结果示意图；
图6是根据本申请另一个实施例提供的DBSCAN算法过程示意图；
图7是图6中显示的数据利用DBSCAN算法得到的团簇结果示意图；
图8是根据本申请另一个实施例提供的基于团簇的边界点生成地理围栏的示意图；和
图9是根据本申请另一个实施例提供的地理围栏生成装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图，对本申请进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请发明人经研究发现，利用聚类算法能够提高地理围栏生成的自动化程度，并且所得到的地理围栏数据更加准确。另外，该种方式能够随着数据的变化而自适应调整地理围栏的形状。
地理围栏生成方法
基于上述发现，根据本申请一个实施例，提供一种地理围栏的生成方法，如图1所示，该方法包括：
S11、采集符合预设条件的对象的位置信息；
其中，预设条件可以为地理范围，例如，杭州市西湖区龙井村的地理范围；预设条件还可以为身份信息，例如，浙江大学计算机学院的学生身份；预设条件还可以为其他指定的条件，例如，曾经在上海长宁区办理登记结婚的人、在北京海淀区苏州街ABC洗车房进行过洗车服务的车辆等。
其中，符合预设条件的对象既可以是用户携带的导航设备，也可以是具有车载导航设备的车辆或其他具有地理位置信息系统的移动设备；例如，曾经在长沙平和堂百货大楼无线网络系统中登录的移动设备。
其中，位置信息包括：经纬度坐标，例如(117.32123,85.11233)。根据本申请另一个实施例，位置信息还可以包括：和经纬度相关的服务信息。
需要注意的是，本实施例中，位置信息为某一段时间的位置数据，例如，期限为6个月的用户的位置信息，即一个经纬度坐标集合；此时得到的地理围栏的商业价值高。
在本申请其他实施例中，位置信息也可以为瞬时信息，此时得到的地理围栏为一个瞬时围栏，瞬时围栏在应急条件下的使用价值高，例如，当自然灾害发生时，该瞬时围栏可用于判断是否有人员位于灾害发生地。
其中，采集符合预设条件的对象的位置信息包括：通过电信移动运营商的网络(如GSM网、CDMA网)获取移动终端用户的位置信息(经纬度坐标)。根据本申请另一个实施例，采集符合预设条件的对象的位置信息包括：采集用户使用的WIFI或IP所对应的位置信息。
根据本申请另一个实施例，上述位置信息可以来自第三方数据库或者软件，不需要在地理围栏生成方法中进行采集。
S12、对位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇都包括多个经纬度坐标；
根据本申请一个实施例，对经纬度坐标进行聚类分析可以包括：通过K-Means算法对经纬度坐标进行聚类分析，生成一个或多个团簇，每个团簇包含一个或多个经纬度坐标。
K-Means算法采用迭代优化的技术对给定点集合进行聚类，利用K-Means算法生成团簇的过程包括：
给定k个初始聚类中心点
Figure PCTCN2015095586-appb-000001
并不断对以下两个步骤1.1和1.2进行迭代直至簇内均方和(within-cluster sum of squares,WCSS)不再变化(即变化量为0)或变化小于给定阈值：
步骤1.1、将每个坐标点归属到拥有最小WCSS的聚类中心对应的团簇；
Figure PCTCN2015095586-appb-000002
其中，xp为待操作点p的坐标，
Figure PCTCN2015095586-appb-000003
为第t次迭代、第i个团簇的聚类中心，k为初始化的聚类中心点数量，
Figure PCTCN2015095586-appb-000004
为点p到第t次迭代第i个团簇的聚类中心的距离平方，
Figure PCTCN2015095586-appb-000005
为第t次迭代第i个团簇中所有点的集合，其中每个点到第i个团簇的聚类中心的距离平方最小。
步骤1.2、当每个坐标点都归属到相应聚类中心对应的团簇后，更新每个团簇的聚类中心得到新的聚类中心；
Figure PCTCN2015095586-appb-000006
其中，
Figure PCTCN2015095586-appb-000007
为第t次迭代、第i个团簇中所有坐标点的数量，
Figure PCTCN2015095586-appb-000008
为将第t次迭代、第i个团簇中所有坐标点的坐标求和，j的取值范围为[1,第i个团簇中所有坐标点的数量]，
Figure PCTCN2015095586-appb-000009
为更新后在第t+1次迭代中使用的第i个团簇的聚类中心，即代表第t次迭代、第i个团簇中所有点的重心。
为了进一步说明上述方法，如图2所示，举例说明如下：
步骤2.1、参考图2的(a)部分，对于给定12个数据点(图中显示为实心圆点)，初始化3个随机聚类中心201、202和203(图中显示为空心圆点)；
步骤2.2、对于每个数据点，计算其相对3个聚类中心的针对每一个团簇的WCSS，并选择最小的那个进行归属，参考图2的(b)部分，每个数据点均能够计算出相应的归属，形成三个团簇211、212和213；
步骤2.3、参考图2的(c)部分，对于已经产生的3个团簇，更新每个团簇的新的聚类中心：
(1)团簇211的中心从中心201改变为中心221，由于第一个团簇中只有1个数据点，所以中心221即该数据点；
(2)团簇212的中心从中心202改变为中心222；
(3)团簇213的中心从中心203改变为223；
步骤2.4、不断迭代第2.2和第2.3步，直至三个团簇的WCSS不再变化或变化很小，参考图2的(d)部分，三个团簇稳定在团簇231、232和233。最后得到的4个经纬度坐标团簇。
根据本申请另一个实施例，对经纬度坐标进行聚类分析可以包括：通过凝聚层次聚类算法对经纬度坐标进行聚类分析，生成一个具有层次的统一结果团簇，该统一结果团簇的每一层均可作为聚类分析的结果(即统一结果团簇的每一层都包含一个或多个团簇)。
利用凝聚层次聚类算法生成团簇的过程包括：
步骤3.1、把每个样本归为一类，计算每两个类之间的距离(即样本与样本之间的相似度)；
在计算两个类之间距离的时候，由于每个类可能包含多个数据点，计算距离的方法可选择：(1)single-linkage clustering(取两个类中距离最近的两个点的距离作为两个类的距离)；(2)complete linkage clustering(取两个类中距离最远的两个点的距离作为两个类的距离)；(3)mean or average linkage clustering(取两个类中所有点之间的距离的平均值作为两个类的距离)；或(4)centroid linkage clustering(取两个类中的重心点之间的距离作为两个类的距离)。
步骤3.2、寻找各个类之间距离最近的两个类，把他们合并为一类；例如，类A和类B合并为类AB，类的数量减少1；
步骤3.3、重新计算新生成的这个类与原有类之间的相似度；
步骤3.4、重复步骤3.2和步骤3.3，直到所有样本点都归为一类，迭代结束。
其中，层级聚类每迭代一次所产生的所有类均可作为一个个团簇，每一次迭代即产生团簇的集合。
为了进一步说明上述方法，参考图3，举例说明如下：
步骤4.1、如图3的(A)部分所示，对于给定的6个数据点，点301-点306(称为类a-类f)，分别计算两两之间的距离；
步骤4.2、如图3的(B)部分所示，比较并确定其中类b和类c之间的距离以及类d和类e之间的距离相同且最小，则类b、c合并为类bc，类d、e合并为类de；
步骤4.3、计算类a、bc、de、f两两之间的距离；
步骤4.4、比较并确定其中类de和类f之间的距离最近，类de和类f合并为类def；
步骤4.5、计算类a、bc、def两两之间的距离；
步骤4.6、比较并确定其中类bc和类def之间的距离最近，类bc和类def合并为类bcdef；
步骤4.7、计算类a、bcdef两两之间的距离；
步骤4.8、比较并确定类a和类bcdef的距离最近，类a和类bcdef合并为类abcdef，此时所有节点均被归为一类，迭代结束。
其中，层级聚类所产生的每一个层均能被独立认定为团簇的集合，如在上文中步骤4.6中，bc为一个团簇，团簇内包含b点和c点，def为一个团簇，团簇内包含d点、e点和f点。
根据本申请又一个实施例，对经纬度坐标进行聚类分析可以包括：通过DBSCAN算法对经纬度坐标进行聚类分析。DBSCAN能够自动发现多个聚类中心而无须预先设定。DBSCAN算法(Density-Based Spatial Clustering of Applications with Noise)：基于密度的聚类算法，它将“簇”定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。DBSCAN算法需要二个参数：扫描半径(eps)和最小包含点数(minPts)。
例如，对南京某大学在校学生的位置信息进行采集，采集结果如图4所 示，图中A、B、C三个地区的标记为定位图形的地点都是来自同学们的在一段时间内的位置信息。
通过DBSCAN对上述在校学生的经纬度坐标进行聚类分析，其中，扫描半径(eps)和最小包含点数(minPts)可以预设完成，聚类分析过程如下：
步骤5.1、任选一个标记为未被访问(unvisited)的坐标点，统计与其距离≤eps的附近坐标点的数量：
(1)如果附近坐标点的数量≥minPts，那么标记此点为核心点；
(2)如果附近坐标点的数量＜minPts，其距离≤eps的范围内包含着至少一个核心点，那么标记此点为边界点；
(3)如果附近坐标点的数量＜minPts，其距离≤eps的范围内不包含任何一个核心点，那么标记此点为噪声点；
不断重复该步骤直至所有坐标点均被访问过；
步骤5.2、去除所有噪声点；
步骤5.3、所有相互距离≤eps的坐标点作为一个团簇。
图4中的采集数据利用上述聚类方法生成的团簇如图5所示。图5中显示了该大学各个校区、社会实践中心以及学生们课余时间聚会地的地理区域范围。
为了进一步说明上述步骤的操作过程，参考图6，举例说明如下：
预设minPts＝4，从未扫描的点开始搜索附近以eps为半径的范围内的点的数量，若附近点的数量≥4，则为核心点，如A点；若附近点的数量<4但附近点中包含核心点，则为边界点，如B点；若附近点的数量<4且附近点中不包含核心点，则为噪声点，如C。这样不断迭代直至所有坐标点均被遍历过一次。
去除所有噪声点后，在所有剩余的点中相互距离≤eps的点之间加上一条边，从而得到一个团簇如图7所示。
上述DBSCAN的实现方式包含核心点、边界点和噪声点，其优点在于：(1)无需在聚类前指定需要多少个团簇中心，将自发通过数据的本质属性生成一个或多个聚类中心，如图6中的结果将南京某大学的三个校区聚类成三个团簇，与现实相符合；(2)去噪声数据能力强。
S13、基于团簇的边界点生成地理围栏。
根据本申请一个实施例，如图8所示，基于团簇的边界点生成地理围栏包括：对于每一个团簇，按同一纬度对应的最小经度和最大经度作为边界。或者，对于每一个团簇，按同一经度对应的最小纬度和最大纬度作为边界。
为了提高地理围栏的精度，根据本申请另一个实施例，步骤S13包括：
如果对于每一个纬度(例如，精准到1m*1m)，该团簇均存在最小经度和最大经度(例如，精准到1m*1m)，则选取每个经度的最小和最大维度作为边界，否则，采用随机高密度填充法进行补足：
(1)选取该团簇的最小经度、最大经度、最小纬度和最大纬度形成长方形区域；
(2)在长方形区域中随机经纬度添加一个点，保证这个点与其距离≤eps的附近坐标点的数量≥minPts，其中eps和minPts和DBSCAN中的参数选择一致，不断重复本步骤，直至对于每一个纬度，该团簇均存在最小经度和最大经度。
本领域技术人员可以理解，本申请的实施例对于经纬度的描述只是举例，经纬度可以互换。例如，对于每一个纬度该团簇均存在最小经度和最大经度，也可以表述为：对于每一个经度该团簇均存在最小纬度和最大纬度。
之后，当需要确定一个经纬度(即坐标点)是否在给定的围栏中时，仅需计算该经纬度的坐标和一定范围内的所有围栏的距离，取距离最小的围栏即为该经纬度所属围栏。
本领域技术人员便能够根据说明书，采用DSP/FPGA/ASIC等常规手段，实现计算机程序对应的产品权利要求的功能模块。
地理围栏生成装置
与上述地理围栏生成方法相对应，根据本申请一个实施例，提供一种地理围栏生成装置。如图9所示，该地理围栏生成装置包括：
位置信息采集模块41，用于采集符合预设条件的对象的位置信息，该位置信息包括经纬度坐标；
聚类分析模块42，与位置信息采集模块41连接，用于对位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇都包括多个经纬度坐标；和
边界生成模块43，与聚类分析模块42连接，用于基于团簇的边界点生成地理围栏。
其中，聚类分析模块42所采用的聚类分析方法，以及边界生成模块43所采用的边界生成方法，在上述方法实施例中已经详细描述，这里不再赘述。
根据本申请另一个实施例，上述位置信息可以来自第三方数据库或者软件，不需要在地理围栏生成装置中包含位置信息采集模块。
本申请上述实施例利用用户的活跃位置信息进行聚类分析，在刻画某个地理位置(如：某大学)的时候，能自动识别出并生成活跃区域的围栏信息(如：大学中的图书馆、食堂、宿舍、教学区)，活跃区域的围栏信息对于之后的进入推介、广告营销等场景非常重要。
应该注意到并理解，在不脱离后附的权利要求所要求的本申请的精神和范围的情况下，能够对上述详细描述的本申请做出各种修改和改进。因此，要求保护的技术方案的范围不受所给出的任何特定示范教导的限制。

Claims (22)

  1. 一种地理围栏生成方法，包括：
    对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇包括多个经纬度坐标；和
    基于所述经纬度坐标团簇的边界点生成地理围栏。
  2. 根据权利要求1所述的地理围栏生成方法，其中，所述预设条件为地理范围或身份信息。
  3. 根据权利要求1所述的地理围栏生成方法，其中，所述位置信息为某一段时间的位置数据或某一时刻的位置数据。
  4. 根据权利要求1所述的地理围栏生成方法，其中，所述符合预设条件的对象的位置信息的获取方法包括：
    通过电信移动运营商的网络获取所述对象的位置信息；或者
    采集所述对象使用的WIFI或IP所对应的位置信息。
  5. 根据权利要求1所述的地理围栏生成方法，其中，对经纬度坐标进行聚类分析步骤包括：
    步骤1、给定多个初始聚类中心点；
    步骤2、将每个经纬度坐标归属到拥有最小簇内均方和的聚类中心对应的团簇；
    步骤3、更新每个团簇的聚类中心得到新的聚类中心；和
    步骤4、重复步骤2和3直至每个团簇的簇内均方和的变化小于给定阈值。
  6. 根据权利要求1所述的地理围栏生成方法，其中，对经纬度坐标进行聚类分析步骤包括：
    步骤1、把每个样本归为一类，计算每两个类之间的距离，其中，样本即经纬度坐标；
    步骤2、寻找各个类之间距离最近的两个类，把他们合并为一类；
    步骤3、重新计算新生成的这个类与原有类之间的相似度；和
    步骤4、重复步骤2和3直至所有样本点都归为一类；
    其中，每一次迭代都产生团簇的集合。
  7. 根据权利要求6所述的地理围栏生成方法，其中，计算每两个类之间的距离包括：
    取两个类中距离最近的两个点的距离作为两个类的距离；
    取两个类中距离最远的两个点的距离作为两个类的距离；
    取两个类中所有点之间的距离的平均值作为两个类的距离；或者
    取两个类中的重心点之间的距离作为两个类的距离。
  8. 根据权利要求1所述的地理围栏生成方法，其中，对经纬度坐标进行聚类分析步骤包括：
    步骤1、预设扫描半径和最小包含点数；
    步骤2、遍历未被访问的经纬度坐标，统计与其距离小于等于所述扫描半径的附近经纬度坐标的数量，根据该数量与所述最小包含点数之间的关系，将经纬度坐标划分为核心点、边界点和噪声点；
    步骤3、去除所有噪声点；和
    步骤4、将所有相互距离小于等于所述扫描半径的经纬度坐标作为一个团簇。
  9. 根据权利要求8所述的地理围栏生成方法，其中，将经纬度坐标划分为核心点、边界点和噪声点包括：
    如果附近坐标点的数量大于等于最小包含点数，那么标记此经纬度坐标为核心点；
    如果附近坐标点的数量小于最小包含点数，并且与其距离小于等于所述扫描半径的范围内包含着至少一个核心点，那么标记此点为边界点；
    如果附近坐标点的数量小于最小包含点数，并且与其距离小于等于所述扫描半径的范围内不包含任何一个核心点，那么标记此点为噪声点。
  10. 根据权利要求1所述的地理围栏生成方法，其中，基于所述经纬度坐标团簇的边界点生成地理围栏步骤包括：
    对于每一个团簇，按同一纬度对应的最小经度和最大经度作为边界；或者
    对于每一个团簇，按同一经度对应的最小纬度和最大纬度作为边界。
  11. 根据权利要求1所述的地理围栏生成方法，其中，基于所述经纬度坐标团簇的边界点生成地理围栏步骤包括：
    如果对于每一个纬度，该团簇均存在最小经度和最大经度，则选取每个经度的最小和最大维度作为边界，否则，采用随机高密度填充法进行补足。
  12. 根据权利要求11所述的地理围栏生成方法，其中，所述随机高密度填充法包括：
    步骤1、选取该团簇的最小经度、最大经度、最小纬度和最大纬度形成长方形区域；
    步骤2、在长方形区域中随机经纬度添加一个点，使这个点与其距离小于等于所述扫描半径的附近坐标点的数量大于等于最小包含点数，不断重复本步骤，直至对于每一个纬度，该团簇均存在最小经度和最大经度。
  13. 根据权利要求1所述的地理围栏生成方法，其中，基于所述经纬度坐标团簇的边界点生成地理围栏步骤包括：
    如果对于每一个经度，该团簇均存在最小纬度和最大纬度，则选取每个纬度的最小和最大经度作为边界，否则，采用随机高密度填充法进行补足。
  14. 根据权利要求13所述的地理围栏生成方法，其中，所述随机高密度填充法包括：
    步骤1、选取该团簇的最小经度、最大经度、最小纬度和最大纬度形成长方形区域；
    步骤2、在长方形区域中随机经纬度添加一个点，使这个点与其距离小于等于所述扫描半径的附近坐标点的数量大于等于最小包含点数，不断重复本步骤，直至对于每一个经度，该团簇均存在最小纬度和最大纬度。
  15. 一种地理围栏生成装置，包括：
    聚类分析模块，用于对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析，得到一个或多个经纬度坐标团簇，其中，每个经纬度坐标团簇都包括多个经纬度坐标；和
    边界生成模块，与聚类分析模块连接，用于基于团簇的边界点生成地理围栏。
  16. 根据权利要求15所述的地理围栏生成装置，还包括：位置信息采集模块，用于采集符合预设条件的对象的位置信息。
  17. 根据权利要求15所述的地理围栏生成装置，其中，对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析包括：
    步骤1、给定多个初始聚类中心点；
    步骤2、将每个经纬度坐标归属到拥有最小簇内均方和的聚类中心对应的团簇；
    步骤3、更新每个团簇的聚类中心得到新的聚类中心；和
    步骤4、重复步骤2和3直至每个团簇的簇内均方和的变化小于给定阈值。
  18. 根据权利要求15所述的地理围栏生成装置，其中，对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析包括：
    步骤1、把每个样本归为一类，计算每两个类之间的距离，其中，样本即经纬度坐标；
    步骤2、寻找各个类之间距离最近的两个类，把他们合并为一类；
    步骤3、重新计算新生成的这个类与原有类之间的相似度；和
    步骤4、重复步骤2和3直至所有样本点都归为一类；
    其中，每一次迭代都产生团簇的集合。
  19. 根据权利要求15所述的地理围栏生成装置，其中，对符合预设条件的对象的位置信息中的经纬度坐标进行聚类分析包括：
    步骤1、预设扫描半径和最小包含点数；
    步骤2、遍历未被访问的经纬度坐标，统计与其距离小于等于所述扫描半径的附近经纬度坐标的数量，根据该数量与所述最小包含点数之间的关系，将经纬度坐标划分为核心点、边界点和噪声点；
    步骤3、去除所有噪声点；和
    步骤4、将所有相互距离小于等于所述扫描半径的经纬度坐标作为一个团簇。
  20. 根据权利要求15所述的地理围栏生成装置，其中，基于团簇的边界点生成地理围栏包括：
    对于每一个团簇，按同一纬度对应的最小经度和最大经度作为边界；或者
    对于每一个团簇，按同一经度对应的最小纬度和最大纬度作为边界。
  21. 根据权利要求15所述的地理围栏生成装置，其中，基于团簇的边界点生成地理围栏包括：
    如果对于每一个纬度，该团簇均存在最小经度和最大经度，则选取每个经度的最小和最大维度作为边界，否则，采用随机高密度填充法进行补足。
  22. 根据权利要求21所述的地理围栏生成装置，其中，所述随机高密度填充法包括：
    步骤1、选取该团簇的最小经度、最大经度、最小纬度和最大纬度形成长方形区域；
    步骤2、在长方形区域中随机经纬度添加一个点，使这个点与其距离小于等于所述扫描半径的附近坐标点的数量大于等于最小包含点数，不断重复本步骤，直至对于每一个纬度，该团簇均存在最小经度和最大经度。
PCT/CN2015/095586 2014-12-02 2015-11-26 地理围栏生成方法及装置 WO2016086786A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410723652.8 2014-12-02
CN201410723652.8A CN105718465B (zh) 2014-12-02 2014-12-02 地理围栏生成方法及装置

Publications (1)

Publication Number Publication Date
WO2016086786A1 true WO2016086786A1 (zh) 2016-06-09

Family

ID=56090995

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/095586 WO2016086786A1 (zh) 2014-12-02 2015-11-26 地理围栏生成方法及装置

Country Status (2)

Country Link
CN (1) CN105718465B (zh)
WO (1) WO2016086786A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108271120A (zh) * 2017-12-22 2018-07-10 阿里巴巴集团控股有限公司 目标区域及目标用户的确定方法、装置及设备
CN116347346A (zh) * 2023-05-29 2023-06-27 北京京东乾石科技有限公司 一种围栏绘制方法和装置

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622061A (zh) * 2016-07-13 2018-01-23 阿里巴巴集团控股有限公司 一种确定地址唯一性的方法、装置及系统
CN106840139B (zh) * 2016-12-29 2020-06-02 南昌黑鲨科技有限公司 电子围栏的获取方法、装置及终端
US10915911B2 (en) * 2017-02-03 2021-02-09 Snap Inc. System to determine a price-schedule to distribute media content
TW201839706A (zh) * 2017-04-19 2018-11-01 臺泥資訊股份有限公司 物料管理方法及物料管理系統
CN107317891A (zh) * 2017-05-10 2017-11-03 郑州埃文计算机科技有限公司 一种面向动态ip多区域性分布的地理位置定位方法
CN107623897B (zh) * 2017-07-28 2019-10-15 阿里巴巴集团控股有限公司 地理围栏生成方法及其设备
CN109995884B (zh) * 2017-12-29 2021-01-26 北京京东尚科信息技术有限公司 确定精确地理位置的方法和装置
CN108322890B (zh) * 2018-05-15 2021-01-08 北京万兔思睿科技有限公司 一种电子围栏范围生成方法及装置
CN110677810B (zh) * 2018-07-03 2021-04-02 百度在线网络技术（北京）有限公司 用于生成地理围栏的方法和装置
CN109785351B (zh) * 2018-11-23 2020-07-31 口口相传(北京)网络技术有限公司 道路围栏的合并方法及装置、存储介质、电子装置
CN109992633B (zh) * 2019-02-20 2020-08-07 北京三快在线科技有限公司 基于用户位置的地理围栏确定方法、装置、电子设备
CN110197221B (zh) * 2019-05-27 2023-05-09 宁夏隆基宁光仪表股份有限公司 基于层次分析法确定智能仪表抄表集中器安装位置的方法
CN110337063B (zh) * 2019-05-31 2021-01-08 口碑(上海)信息技术有限公司 目标用户终端识别方法、装置、存储介质及计算机设备
CN111737374B (zh) * 2019-06-21 2023-05-09 腾讯科技（深圳）有限公司 位置坐标确定方法、装置、电子设备及存储介质
CN110765219B (zh) * 2019-08-05 2022-06-28 上海晶赞融宣科技有限公司 地理围栏生成方法、装置、计算机设备和存储介质
CN111753864B (zh) * 2019-11-22 2024-04-19 广东小天才科技有限公司 一种适用于楼栋间的定位方法及可穿戴设备
CN111178932A (zh) * 2019-11-26 2020-05-19 深圳壹账通智能科技有限公司 用户地理画像生成方法、装置、计算机设备和存储介质
CN111078812B (zh) * 2019-12-03 2023-09-05 支付宝(杭州)信息技术有限公司 围栏的生成方法、装置和电子设备
CN111182457B (zh) * 2019-12-26 2022-06-17 上海炬宏信息技术有限公司 地理围栏及生成方法、装置及存储介质
CN111563630A (zh) * 2020-05-11 2020-08-21 圆通速递有限公司 基于地址经纬度聚类的物流服务网点布局方法和系统
CN111698332A (zh) * 2020-06-23 2020-09-22 深圳壹账通智能科技有限公司 业务对象的分配方法、装置、设备及存储介质
CN111815361A (zh) * 2020-07-10 2020-10-23 北京思特奇信息技术股份有限公司 区域边界计算方法、装置、电子设备及存储介质
CN112052908B (zh) * 2020-09-17 2022-02-18 公安部交通管理科学研究所 一种交通事故地点聚类方法及系统
CN112560910B (zh) * 2020-12-02 2024-03-01 中国联合网络通信集团有限公司 用户分类方法和装置
CN112435311A (zh) * 2020-12-11 2021-03-02 上海中通吉网络技术有限公司 电子地理围栏的生成方法及设备
CN112734962B (zh) * 2020-12-25 2022-12-02 多点(深圳)数字科技有限公司 考勤信息生成方法、装置、计算机设备和可读存储介质
CN117874158A (zh) * 2024-03-12 2024-04-12 远江盛邦（北京）网络安全科技股份有限公司 聚类地图位置数据的自适应调整方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102291435A (zh) * 2011-07-15 2011-12-21 武汉大学 一种基于地理时空数据的移动信息搜索及知识发现系统
CN103533501A (zh) * 2013-10-15 2014-01-22 厦门雅迅网络股份有限公司 一种地理围栏生成方法
US8798646B1 (en) * 2013-06-28 2014-08-05 Google Inc. Clustering geofence-based alerts for mobile devices
WO2014137547A1 (en) * 2013-03-05 2014-09-12 Qualcomm Incorporated Generating a geofence via an analysis of a gps fix utilization distribution
WO2014163890A1 (en) * 2013-03-13 2014-10-09 Qualcomm Incorporated Systems and methods for monitoring a proximity of a personal item and automatically assigning safe and unsafe zones

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080162034A1 (en) * 2006-12-28 2008-07-03 General Electric Company System and method for automatically generating sets of geo-fences
US20120112880A1 (en) * 2010-11-08 2012-05-10 System Planning Corporation System For Establishing Geo-Fence For Dispersing Volunteer Skill Sets

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102291435A (zh) * 2011-07-15 2011-12-21 武汉大学 一种基于地理时空数据的移动信息搜索及知识发现系统
WO2014137547A1 (en) * 2013-03-05 2014-09-12 Qualcomm Incorporated Generating a geofence via an analysis of a gps fix utilization distribution
WO2014163890A1 (en) * 2013-03-13 2014-10-09 Qualcomm Incorporated Systems and methods for monitoring a proximity of a personal item and automatically assigning safe and unsafe zones
US8798646B1 (en) * 2013-06-28 2014-08-05 Google Inc. Clustering geofence-based alerts for mobile devices
CN103533501A (zh) * 2013-10-15 2014-01-22 厦门雅迅网络股份有限公司 一种地理围栏生成方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108271120A (zh) * 2017-12-22 2018-07-10 阿里巴巴集团控股有限公司 目标区域及目标用户的确定方法、装置及设备
CN108271120B (zh) * 2017-12-22 2020-04-24 阿里巴巴集团控股有限公司 目标区域及目标用户的确定方法、装置及设备
CN116347346A (zh) * 2023-05-29 2023-06-27 北京京东乾石科技有限公司 一种围栏绘制方法和装置
CN116347346B (zh) * 2023-05-29 2023-09-22 北京京东乾石科技有限公司 一种围栏绘制方法和装置

Also Published As

Publication number Publication date
CN105718465B (zh) 2019-04-09
CN105718465A (zh) 2016-06-29

Similar Documents

Publication Publication Date Title
WO2016086786A1 (zh) 地理围栏生成方法及装置
CN108181607B (zh) 基于指纹库的定位方法、装置及计算机可读存储介质
US8532648B2 (en) Generating an OD matrix
CN110765219B (zh) 地理围栏生成方法、装置、计算机设备和存储介质
US9866997B2 (en) Systems and methods for geo-location based message streams
US20140258201A1 (en) Generating a geofence via an analysis of a gps fix utilization distribution
WO2016101749A1 (zh) 一种通讯群组的配置方法和装置
JP2014524167A (ja) ３段階のプロセスを用いた屋内における階と位置の推定
CN112312301B (zh) 用户终端定位方法、装置、设备及计算机存储介质
CN111291145B (zh) 无线热点与兴趣点的映射方法、装置和存储介质
WO2018112825A1 (zh) 基于wi-fi接入点的定位方法、设备
CN110298687B (zh) 一种区域吸引力评估方法及设备
CN109688532A (zh) 一种划分城市功能区域的方法及装置
WO2019196607A1 (zh) 基于位置服务的兴趣点推荐方法、装置、网络设备和存储介质
CN103167605B (zh) 一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法
CN105101089B (zh) 一种实现定位的方法、相关装置及系统
CN105426387A (zh) 一种基于K-means算法的地图聚合方法
WO2014015814A1 (zh) 基于兴趣点的消息聚合方法、系统及存储介质
US11232115B2 (en) Identifying functional zones within a geographic region
Keler et al. Is there a relationship between complicated crossings and frequently visited locations? A case study with boro taxis and OSM in NYC
Shad et al. Precise location acquisition of mobility data using cell-id
Chaniotakis et al. Data for leisure travel demand from social networking services
KR101598809B1 (ko) 사용자의 실제위치를 포함하는 상하관계형 영역에 기반한 사용자 영역 설정방법및 인접사용자 탐색방법
JP5628065B2 (ja) 群検出装置、群検出プログラム、及び群検出方法
CN106682015B (zh) 一种兴趣点的推荐方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15866314

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15866314

Country of ref document: EP

Kind code of ref document: A1