信息推送方法及设备技术

本申请涉及终端定位技术领域，具体地涉及一种信息推送方法及设备

【技术实现步骤摘要】
信息推送方法及设备


[0001]本申请涉及终端定位
，具体地涉及一种信息推送方法及设备
。

技术介绍

[0002]终端设备可以通过定位技术来确定自身位置
。
在一些应用场景中，当终端设备抵达某些位置后，相关应用或者服务可以为终端设备推送与位置相关的服务信息
。
[0003]在具体实现时，终端设备可以通过所连接的小区（
cell
）信息（例如，小区标识（
ID
））来确定自身是否到达相应位置
。
即，当终端设备连接到目标小区后即认为终端设备到达了相应位置，可触发服务信息
。
但是，有些小区的覆盖范围较大，终端设备连接到目标小区后的真实位置可能与相应位置还相距较远，导致服务信息的误触发，影响用户体验
。

技术实现思路

[0004]针对现有技术中，终端设备无法准确判断是否到达相应位置，从而出现的服务信息误触发的问题，本申请提供了一种信息推送方法及设备
。
[0005]第一方面，本专利技术实施例提供了一种信息推送方法，该方法包括：按照预设时间间隔连续采集终端设备所接入的小区信息；在终端设备所接入的小区从第一小区切换为第二小区，且第二小区为目标小区时，根据连续采集的小区信息预测第一时间；在第一时间后推送针对于目标行为的服务信息
。
[0006]本专利技术实施例通过采集终端设备所接入的小区，确定终端设备去往目标区域的路线，并通过学习在对应路线上的出行习惯和时间规律，预测用户自进入目标小区至实际到达目标区域这段路程所需要消耗的时间，以提升到达时间预测的准确性，保证在合适的时机推送服务信息，同时兼顾了低功耗与较高的准确定，提升用户体验
。
[0007]可选的，为了提高预测到达时间的准确度，需要确定出执行时间预测的时机
。
考虑到自接入目标小区至到达目标区域间的距离相对固定，且受其他因素干扰的可能性较小，所以将确定第二小区为目标小区时，作为执行时间预测的时机，其中，第二小区为目标小区，包括：第二小区为第一小区列表中的小区；第一小区列表用于记录覆盖用户成功发生目标行为时所处地理位置的小区，目标行为为与服务信息对应的用户操作指令
。
[0008]可选的，为了提高预测到达时间的准确度，考虑到用户的不同出行习惯可能会对到达时间造成影响，所以为了消除该影响，需要对用户的出行信息进行综合考虑，上述方法还包括：采集下述信息中的至少一种信息：交通方式信息，出行日期信息，当前出行日期下的出行时间段信息；其中，采集的信息用于与小区信息共同预测第一时间
。
[0009]可选的，采用训练时间预测模型的方式来预测第一时间，同时为了学习用户通过不同路线前往目标区域的出行习惯，针对不同路线分别训练了各自的时间预测模型
。
在实际出行时，选择最匹配的时间预测模型执行时间预测，以提高预测到达时间的准确度，其中，根据连续采集的小区信息预测第一时间，包括：将连续采集的小区信息输入第一时间预测模型，第一时间预测模型用于根据连续采集的小区信息预测时长，将第一时间预测模型输出的时长作为第一时间；第一时间预测模型是第二小区所属第二小区列表对应的时间预测模型，第二小区列表记录的小区为，覆盖用户成功发生目标行为时所处地理位置间的距离小于第一距离阈值时所处地理位置的小区，若干第二小区列表组成第一小区列表
。
[0010]可选的，为了保证模型预测的结果不会出现过大的误差，将连续采集的小区信息输入第一时间预测模型之前，方法还包括：确定第一时间预测模型的模型误差小于预设的阈值
。
[0011]可选的，当模型存在较大误差时，为了防止错误的预测信息降低用户体验，不再使用时间预测模型来预测到达时间，其中，还包括：确定第一时间预测模型的模型误差不小于预设的阈值时，推送服务信息
。
[0012]可选的，为了便于时间预测模型的训练，将连续采集的小区信息输入第一时间预测模型，包括：按照采集时间的先后顺序，将连续采集的小区信息编码为路线特征序列；将路线特征序列输入第一时间预测模型
。
[0013]可选的，为了执行时间预测模型的训练，需要采集历史出行数据，并据此来学习用户在每条路线上的出行习惯，方法还包括：获取发生目标行为的第一历史出行数据；根据第一历史出行数据聚类得到位置簇；根据每个位置簇对应的第一历史出行数据确定每个位置簇对应的第二小区列表并训练每个位置簇对应的时间预测模型
。
[0014]可选的，第一历史出行数据，包括：终端设备发生目标行为时所处的地理位置
、
发生目标行为时所连接的第三小区
、
发生目标行为的时间与首次连接至第三小区的第一时间间隔
、
发生目标行为前终端设备依次所连接过的小区信息
、
发生目标行为前终端设备可接入的其它小区的小区信息
。
[0015]可选的，为了确定用户去往目标区域的常用路线进行区分，可以将发生目标行为且距离相近的几个地理位置视为通过同一路线所到达的，根据第一历史出行数据聚类得到位置簇，包括：根据第一历史出行数据中发生目标行为时所处的地理位置之间的距离，将距离小于第一距离阈值的地理位置进行聚类，得到多个位置簇
。
[0016]可选的，在具体执行模型训练时，根据每个位置簇对应的第一历史出行数据确定每个位置簇对应的第二小区列表并训练每个位置簇对应的时间预测模型，包括：对每个位置簇所包含的第一历史出行数据中的第三小区
、
发生目标行为前终端设备依次所连接过的小区信息，以及发生目标行为前终端设备可接入的其它小区的小区信息进行编码，得到特征数据；
将每个位置簇所包含的第一历史出行数据中的第一时间间隔作为训练标签；将包含特征数据和训练标签的第一历史出行数据划分为训练样本和评估样本；根据训练样本和评估样本训练得到每个位置簇对应的时间预测模型
。
[0017]可选的，在完成模型训练后，还可以根据后续采集的出行数据实现对时间预测模型的更新，以进一步提升时间预测模型对第一时间的预测准确度，其中，在第一时间后推送针对于目标行为的服务信息之后，方法还包括：检测到目标行为时，将终端设备连续采集的小区信息，终端设备发生目标行为时所处的地理位置
、
发生目标行为时所连接的第三小区
、
发生目标行为的时间与首次连接至第三小区的第一时间间隔
、
发生目标行为前终端设备可接入的其它小区的小区信息确定为第二历史出行数据；根据第二历史出行数据在预设的时间对已有的时间预测模型进行重新训练
。
[0018]可选的，在更新训练时间预测模型时，新采集到的历史出行数据可能会包括去往目标区域的新路线，所以同时需要完成对位置簇的更新，以及各位置簇对应时间预测模型的更新，根据第二历史出行数据对已有的时间预测模型进行重新训练，包括：根据第二历史出行数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种信息推送方法，其特征在于，所述方法包括：按照预设时间间隔连续采集终端设备所接入的小区信息；在所述终端设备所接入的小区从第一小区切换为第二小区，且所述第二小区为目标小区时，根据连续采集的所述小区信息预测第一时间；在所述第一时间后推送针对于目标行为的服务信息
。2.
根据权利要求1所述的方法，其特征在于，所述第二小区为目标小区，包括：所述第二小区为第一小区列表中的小区；所述第一小区列表用于记录覆盖用户成功发生所述目标行为时所处地理位置的小区，所述目标行为为与所述服务信息对应的用户操作指令
。3.
根据权利要求1所述的方法，其特征在于，所述方法还包括：采集下述信息中的至少一种信息：交通方式信息，出行日期信息，当前出行日期下的出行时间段信息；其中，采集的所述信息用于与所述小区信息共同预测所述第一时间
。4.
根据权利要求1所述的方法，其特征在于，所述根据连续采集的所述小区信息预测第一时间，包括：将连续采集的所述小区信息输入第一时间预测模型，所述第一时间预测模型用于根据连续采集的所述小区信息预测时长，将所述第一时间预测模型输出的时长作为所述第一时间；所述第一时间预测模型是所述第二小区所属第二小区列表对应的时间预测模型，所述第二小区列表记录的小区为，覆盖用户成功发生目标行为时所处地理位置间的距离小于第一距离阈值时所处地理位置的小区，若干第二小区列表组成第一小区列表
。5.
根据权利要求4所述的方法，其特征在于，所述将连续采集的所述小区信息输入第一时间预测模型之前，所述方法还包括：确定所述第一时间预测模型的模型误差小于预设的阈值
。6.
根据权利要求5所述的方法，其特征在于，还包括：确定所述第一时间预测模型的模型误差不小于预设的阈值时，推送所述服务信息
。7.
根据权利要求4所述的方法，其特征在于，所述将连续采集的所述小区信息输入第一时间预测模型，包括：按照采集时间的先后顺序，将连续采集的所述小区信息编码为路线特征序列；将所述路线特征序列输入所述第一时间预测模型
。8.
根据权利要求4所述的方法，其特征在于，所述方法还包括：获取发生目标行为的第一历史出行数据；根据所述第一历史出行数据聚类得到位置簇；根据每个所述位置簇对应的第一历史出行数据确定每个所述位置簇对应的第二小区列表，并训练每个所述位置簇对应的时间预测模型
。9.
根据权利要求8所述的方法，其特征在于，所述第一历史出行数据，包括：终端设备发生目标行为时所处的地理位置
、
发生目标行为时所连接的第三小区
、
发生目标行为的时间与首次连接至所述第三小区的第一时间间隔
、
发生目标行为前终端设备依次所连接过的小区信息
、
发生目标行为前终端设备可接入的其它小区的小区信息
。
10.
根据权利要求8所述的方法，其特征在于，所述根据所述第一历史出行数据聚类得到位置簇，包括：根据所述第一历史出行数据中发生目标行为时所处的地理位置之间的距离，将距...

【专利技术属性】
技术研发人员：常生俊，陈天辉，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：