System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及通讯领域,具体涉及一种基于信令数据的大规模人员典型停留地识别方法及系统。
技术介绍
1、典型停留地是居民连续、经常停留出现的活动范围,以工作地和居住地为主,对分析用户出行目的、发现用户出行规律具有重要意义。在时间尺度上,典型停留地呈现长期性和规律性的特点;在空间尺度上,典型停留地是用户最频繁出现的区域,也是多种活动区域最频繁的重叠区域。
2、基于本研究所定义的典型停留地,目前采用信令数据的居住地、工作地识别主要采用时序数据聚类的方法:利用用户唯一标识对数据源进行分组;对数据源进行邻域分析,对每一个停留点构建一个邻域集合;采用空间聚类算法对上述停留点及其邻域集合进行聚类分组;通过聚类结果,进一步分析计算得到用户的典型停留地(例如:居住地和工作地)。
3、目前,上述识别方法最大的问题是:聚类算法需要多轮迭代才能计算出聚类分组结果,这对于将识别算法应用到千万级甚至更大数量级的城市/省份中,算法的运行效率是灾难性。因此,如何能快速有效地识别典型停留地成为一个亟待解决的问题。
技术实现思路
1、为了解决上述技术问题,本专利技术提供一种基于信令数据的大规模人员典型停留地识别方法及系统。
2、本专利技术技术解决方案为:一种基于信令数据的大规模人员典型停留地识别方法,包括:
3、步骤s1:对用户手机基站的信令数据进行预处理,筛选不同时间段的所述信令数据,得到筛选后的信令数据;
4、步骤s2:根据所述筛选后的信令数据,计算用户
5、步骤s3:将所述疑似居住地和所述疑似工作地映射到空间网格中,并将同一空间网格中的所述疑似居住地或所述疑似工作地进行聚合,得到居住地或工作地的经纬度坐标;
6、步骤s4:计算每个用户的相邻居住地或工作地之间的距离,如果小于阈值则进行合并,最终确定每个用户的居住地和工作地的经纬度坐标。
7、本专利技术与现有技术相比,具有以下优点:
8、本专利技术公开了一种基于信令数据的大规模人员典型停留地识别方法,采用流式处理计算流程,显著提高了识别算法的运行效率,能够轻松应用在千万级甚至更大数量级的城市/省份中;同时得益于算法的高效性,本专利技术的方法能够支持一个月甚至更长时间跨度的信令数据用于计算典型停留地,这对于典型停留地的挖掘具有更大的意义。
本文档来自技高网...【技术保护点】
1.一种基于信令数据的大规模人员典型停留地识别方法,其特征在于,包括:
2.根据权利要求1所述的基于信令数据的大规模人员典型停留地识别方法,其特征在于,所述步骤S1:对用户手机基站的信令数据进行预处理,筛选不同时间段的所述信令数据,得到筛选后的信令数据,具体包括:
3.根据权利要求2所述的基于信令数据的大规模人员典型停留地识别方法,其特征在于,所述步骤S2:根据所述筛选后的信令数据,计算用户在日期的时间段与基站通讯的通讯范围框,并根据与基站通讯的时长,计算该用户在日期在时间段的疑似停留地的经纬度坐标;根据时间段的不同,将所述疑似停留地划分为疑似居住地和疑似工作地,具体包括:
4.根据权利要求3所述的基于信令数据的大规模人员典型停留地识别方法,其特征在于,所述步骤S3:将所述疑似居住地和所述疑似工作地映射到空间网格中,并将同一空间网格中的所述疑似居住地或所述疑似工作地进行聚合,得到居住地或工作地的经纬度坐标,具体包括:
5.根据权利要求4所述的基于信令数据的大规模人员典型停留地识别方法,其特征在于,所述步骤S4:计算每个用户的相邻居住
6.一种基于信令数据的大规模人员典型停留地识别系统,其特征在于,包括下述模块:
...【技术特征摘要】
1.一种基于信令数据的大规模人员典型停留地识别方法,其特征在于,包括:
2.根据权利要求1所述的基于信令数据的大规模人员典型停留地识别方法,其特征在于,所述步骤s1:对用户手机基站的信令数据进行预处理,筛选不同时间段的所述信令数据,得到筛选后的信令数据,具体包括:
3.根据权利要求2所述的基于信令数据的大规模人员典型停留地识别方法,其特征在于,所述步骤s2:根据所述筛选后的信令数据,计算用户在日期的时间段与基站通讯的通讯范围框,并根据与基站通讯的时长,计算该用户在日期在时间段的疑似停留地的经纬度坐标;根据时间段的不同,将所述疑似停留地划分为疑似居住地和疑似工作地,...
【专利技术属性】
技术研发人员:诸彤宇,林新智,孙磊磊,李维淼,郭珊妮,王冀彬,黄姗,陈立峰,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。