用于通过可从电信网络获得的数据识别显著地点的方法和系统技术方案

提出了一种用于识别和定位在由无线电信网络服务的地理区域内由至少一个个人访问的至少一个相关地点的方法。该方法包括以下步骤：选择(203)其中至少一个相关地点的识别和定位必须被执行的预定时间段(T)，选择(206，209)要被识别和定位的相关地点的类型，检索(218)由电信网络记录的并且关于由至少一个个人携带的用户装备与该电信网络交互的事件(ei)的所记录时间和位置数据，基于所记录的时间数据计算(236)已被检索出所记录时间和位置数据的每个事件在所选类型的相关地点发生的概率，识别和聚集(239)在彼此的预定义距离内发生并且具有相似概率的事件，为每个识别出的事件的群集计算(242)权重值，以便考虑影响所选相关地点的识别和定位的统计方面，将该权重值与阈值权重值进行比较(251)，如果该权重值等于或大于阈值权重值，则将相关地点识别为(254)属于相关地点的所选类型，并且基于群集的事件的所记录位置数据提供(230)至少一个相关地点的位置的指示，或者如果该权重值低于阈值权重值，则将相关地点识别为(224)不属于相关地点的所选类型。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及通信系统。更具体而言，本专利技术涉及无线或移动电信网络的领域。甚至更具体而言，本专利技术涉及适于基于从服务于被调查地理区域(例如，城市、直辖市等)的(一个或多个)无线或移动电信网络检索的信息确定由在这样的被调查地理区域内的个人访问的多个相关地点的类型和/或位置的方法和系统。
技术介绍
识别由个人访问的地方——在下面简称为相关地点——连同此类相关地点被访问的频率和相关地点被访问的典型时间间隔的能力对于人类习惯的各种分析是非常有用的。例如，此类信息可被用于交通分析，这对于移动性规划，诸如公共交通的管理，和/或对于预测车辆交通趋势是基本的。其中以上提到的信息可被成功使用的其它例子是电信网络管理和/或流行病学(例如，用于预测流行病扩散)领域。如今，移动电话已经在许多国家的人口中达到广泛扩散，并且移动电话所有者几乎总是随身携带他们的移动电话。由于移动电话与移动电话网络的多个基站通信，并且每个基站覆盖(即，服务于)移动电话网络运营商已知的一个或多个预定的地理区域(或小区)，因此移动电话成为作为用于收集对识别由个人访问的相关地点、该个人留在每个相关地点多长时间以及每个相关地点多频繁地被访问有用的数据的跟踪设备的最佳候选。在本领域中，已经提出了许多系统和方法，以收集关于个人的用户装备(UE，例如移动电话、智能电话、平板电脑等)连接到移动电话网络(例如，用于执行语音呼叫或发送文本消息)的时间和地点的信息，并且使用此类收集到的信息以便导出与个人访问的相关地点相关的信息。例如，N.Caceres,J.WidebergandF.Benitez“Derivingorigindestinationdatafromamobilephonenetwork”,IntelligentTransportSystems,IET,Vol.1,No.1,pages15-26,2007，描述了沿着由多个GSM网络小区覆盖的公路移动车辆的移动性分析模拟。在模拟中，通过识别由移动车辆中的移动电话用于建立语音呼叫或发送SMS所使用的GSM小区来确定起始-目的地矩阵的条目。M.C.Gonzálezetal.“Understandingindividualhumanmobilitypatterns”,Naturepages453,779-782,2008，通过研究在六个月的时间间隔内被跟踪的100000个个人的轨迹定义了适于识别家庭和工作场所的概率密度函数。在US2009/0157496中，描述了用于基于用户的实时地点来自动匹配和介绍用户的个人广播系统和方法，使得被识别为能够或有可能形成关系的用户可以在容易满足的某一时刻被通知那个事实。还描述了允许在不同时间点已经访问或通过相同地点的两个用户当中至少一个自动接收关于另一个用户的信息而不管他们之间的时间间隔的系统和方法。在F.Calabreseetal.“EstimatingOrigin-DestinationFlowsUsingMobilePhoneLocationData”,IEEEPervasive,pages36-44,October-December2011(Vol.10No.4)中提出了一种方法，该方法基于在夜间由个人的用户装备执行的到电信网络的连接的数量识别个人的家庭地点，并根据在工作时间期间执行的到电信网络的连接的数量来识别个人的工作地点。在R.A.Beckeretal.,\ATaleofOneCity:UsingCellularNetworkDataforUrbanPlanning,\IEEEPervasiveComputing,Vol.10,No.4,pages18-26,2011中提出了通过分析由个人在多个工作日在工作时间期间执行的电话呼叫来识别个人工作的城市的方法。US2006/0293046提出了用于采用来自无线电话网络的数据以支持交通分析的方法。与无线网络用户相关的数据是从无线网络提取的，以确定移动站的地点。用于移动站的附加地点记录可被用来表征移动站的移动：其速度、其路线、其起点和目的地，以及其主要和次要运输分析区。聚合与多个移动站相关联的数据允许表征和预测交通参数，包括沿着路线的交通速度和量。在S.Isaacmanetal.,“IdentifyingImportantPlacesinPeople’sLivesfromCellularNetworkData”,inPervasiveComputing,Vol.6696,pages133-151,2011中提出了用于通过聚集个人的用户装备连接到以便执行通信的彼此靠近的电信网络的基站来识别由个人访问的地点的方法。而且，该方法通过应用具有通过由个人的控制组提供的信息确定的系数的逻辑回归来识别个人的家庭地点和工作地点。
技术实现思路
申请人已经感觉到识别和定位与家庭和工作点不同但相关的地点的能力的整体缺乏，诸如像识别比每天访问更少访问的相关地点(例如，每周访问两次或三次的地点，诸如健身中心，或者甚至具有更低频率的地点，诸如诊所)。实际上，已知的方法和系统基本上局限于个人的家庭和工作地点的识别和定位，这些地点被每天访问并且以可以容易确立的时间间隔访问–例如，大多数个人在一天中大约从上午7:00到下午7:00的时间窗口内停留在他们在工作的地点(工作地点)，而在大约从晚上7:00到第二天上午7:00的互补时间窗口内停留在他们居住的地点(家庭地点)。申请人已经观察到，一般而言，本领域中已知的方法和系统不能准确地识别和定位个人以低于工作地点和家庭地点的频率的相对低频率(例如，低于每日周期性的频率，诸如每周)访问的相关地点。因此，基于由本领域中已知的方法和系统获得的结果的后续分析(例如，交通分析)实现有限的精度，因为与此类以相对低频率访问的相关地点相关的贡献从分析中被省略了(例如，参考交通分析，个人到达或来自以相对低频率访问的相关地点的移动从分析中被省略了)。因此，申请人已经克服了设计适于识别和定位由个人访问的相关地点的类型的系统和方法的问题，即使这些相关地点以低于工作地点和家庭地点的常来常往频率的相对低的频率被访问。特别地，本专利技术的一方面提出了一种用于识别和定位在由无线电信网络服务的地理区域内由至少一个个人访问的至少一个相关地点的方法。该方法包括以下步骤：选择其中至少一个相关地点的识别和定位必须被执行的预定时间段，选择要识别和定位的相关地点的类型，检索由电信网络记录的并且关于其中由至少一个个人携带的用户装备与电信网络交互的事件的所记录时间和位置数据，基于所记录的时间数据计算所记录的时间和位置数据已经被检索的每个事件在所选类型的相关地点发生的概率，识别和聚集在彼此的预定义距离内发生并且具有相似概率的事件，为每个识别出的事件的群集计算权重值，将该权重值与阈值权重值进行比较，如果该权重值等于或大于阈值权重值，则将相关地点识别为属于相关地点的所选类型并且基于所记录的群集的事件的位置数据提供至少一个相关地点的位置的指示，或者如果该权重值低于阈值权重值，则将相关地点识别为不属于相关地点的所选类型。本专利技术的优选特征在从属权利要求中阐述。在本专利技术的一个实施例中，检索记录的时间和位置数据的步骤包括验证对时间和位置数据的最低要求，用以确保相关地点本文档来自技高网...

【技术保护点】
一种用于识别和定位在由无线电信网络服务的地理区域内由至少一个个人访问的至少一个相关地点的方法，该方法包括：‑选择(203)其中至少一个相关地点的识别和定位必须被执行的预定时间段(T)；‑选择(206，209)要被识别和定位的相关地点的类型；‑检索(218)由电信网络记录的并且关于由所述至少一个个人携带的用户装备与该电信网络交互的事件(ei)的所记录时间和位置数据；‑基于所记录的时间数据计算(236)已被检索出所记录时间和位置数据的每个事件在所选类型的相关地点发生的概率；‑识别和聚集(239)在彼此的预定义距离内发生并且具有相似概率的事件；‑为每个识别出的事件的群集计算(242)权重值；‑将该权重值与阈值权重值进行比较(251)，‑如果该权重值等于或大于阈值权重值，则将相关地点识别为(254)属于相关地点的所选类型，并且基于群集的事件的所记录位置数据提供(230)至少一个相关地点的位置的指示，或者‑如果该权重值低于阈值权重值，则将相关地点识别为(224)不属于相关地点的所选类型。

【技术特征摘要】
【国外来华专利技术】1.一种用于识别和定位在由无线电信网络服务的地理区域内由至少一个个人访问的至少一个相关地点的方法，该方法包括：-选择(203)其中至少一个相关地点的识别和定位必须被执行的预定时间段(T)；-选择(206，209)要被识别和定位的相关地点的类型；-检索(218)由电信网络记录的并且关于由所述至少一个个人携带的用户装备与该电信网络交互的事件(ei)的所记录时间和位置数据；-基于所记录的时间数据计算(236)已被检索出所记录时间和位置数据的每个事件在所选类型的相关地点发生的概率；-识别和聚集(239)在彼此的预定义距离内发生并且具有相似概率的事件；-为每个识别出的事件的群集计算(242)权重值；-将该权重值与阈值权重值进行比较(251)，-如果该权重值等于或大于阈值权重值，则将相关地点识别为(254)属于相关地点的所选类型，并且基于群集的事件的所记录位置数据提供(230)至少一个相关地点的位置的指示，或者-如果该权重值低于阈值权重值，则将相关地点识别为(224)不属于相关地点的所选类型。2.如权利要求1所述的方法，其中检索所记录的时间和位置数据的步骤包括验证(221)对时间和位置数据的最低要求，用于确保相关地点识别的可靠性和准确性，其中所述验证最低要求包括以下一个或多个：-验证预定时间段内与所述至少一个个人相关联的事件的总数是否等于或大于总事件阈值；-验证预定时间段内与所述至少一个个人相关联的每日事件的平均数量是否等于或大于预定平均事件阈值，及-验证在预定时间段的预定子间隔(d)内与所述至少一个个人相关联的事件的数量是否等于或大于子间隔事件阈值。3.如前面任何一项权利要求所述的方法，其中计算概率的步骤包括采用概率函数(pd(t))的集合，每个所述概率函数描述在预定时间段的预定子间隔(d)内在时间数据中定义的时刻(t)所述至少一个个人处于对应相关地点的概率。4.如权利要求3所述的方法，其中所述概率函数基于关于相关地点的所选类型的出勤率的统计分析数据。5.如前面任何一项权利要求所述的方法，其中识别和聚集的步骤还包括，只有与所述至少一个个人相关联的事件在空间和时间上足够靠近群集(Cu)的质心(cu)时，才在所述群集中聚集这些事件。6.如权利要求5所述的方法，其中识别和聚集的步骤还包括采用HartiganLeader算法。7.如权利要求5或6所述的方法，其中识别和聚集的步骤还包括，对于与所述至少一个个人相关联的每个事件，计算如下表示的时空距离(std(cu,ei))函数：std(cu,ei)＝sd(cu,ei)+k×td(cu,ei)，其中sd(cu,ei)是时空距离函数的空间分量，td(cu,ei)是时空距离函数的时间分量，并且k是用于考虑时间分量对空间分量的影响的调整参数。8.如权利要求7所述的方法，其中识别和聚集的步骤还包括将时空函数的空间分量(sd(cu,ei))计算为：sd(cu,ei)=max[0,geo(cu,ei)-(r‾+ri)],]]>其中geo(cu,ei)是群集的质心与在关于对应事...

【专利技术属性】
技术研发人员：M·科洛纳，M·格拉斯，M·麻美，
申请(专利权)人：意大利电信股份公司，
类型：发明
国别省市：意大利;IT