[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN105682024A - 一种基于移动信令数据的城市热点识别方法 - Google Patents

一种基于移动信令数据的城市热点识别方法 Download PDF

Info

Publication number
CN105682024A
CN105682024A CN201610006018.1A CN201610006018A CN105682024A CN 105682024 A CN105682024 A CN 105682024A CN 201610006018 A CN201610006018 A CN 201610006018A CN 105682024 A CN105682024 A CN 105682024A
Authority
CN
China
Prior art keywords
hot spot
spot region
classification
honeycomb
pois
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
CN201610006018.1A
Other languages
English (en)
Other versions
CN105682024B (zh
Inventor
彭大芹
刘艳林
易燕
罗林
赖香武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Unication Electronic Technology Co ltd
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201610006018.1A priority Critical patent/CN105682024B/zh
Publication of CN105682024A publication Critical patent/CN105682024A/zh
Application granted granted Critical
Publication of CN105682024B publication Critical patent/CN105682024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于移动信令数据进行城市热点识别的方法。方法包括：(1)根据用户驻留时长识别驻留点，并计算出常驻用户对热点区域的贡献度；(2)从驻留人数中根据驻留人数的个数判别活跃蜂窝；(3)对识别出的所有活跃蜂窝进行相似性度量，并基于密度算法进行聚类，挖掘出城市的热点区域；(4)获取热点区域的POIs数据；(5)根据热点区域内包含的POIs类别，进行热点区域的主题设置。本发明充分利用现有的移动网络信息，引入驻留点判定、常驻用户衰减因子等识别城市热点分布并标定其功能类型，对人们的出行、旅游等提供了一定的参考价值。

Description

一种基于移动信令数据的城市热点识别方法
技术领域
本发明涉及一种基于移动信令数据的城市热点判断方法，从现有的移动网络信息中挖掘出热点区域分布需求信息并且对判断出的热点区域标定功能类型，可以为人们的出行、旅游以及城市规划等提供服务，属于交通管理与城市规划技术领域。
背景技术
随着社会的快速发展，人们对生活质量的要求也越来越高，根据城市人口聚集特点进行城市热点区域的判定及功能类型标定，对于现代城市规划，使人们更加便捷、舒适地生活，有针对性地开展引导性的人群疏散、规避交通拥堵等具有重要意义。
传统的识别方法主要基于全球定位系统(GPS)。目前公开发表的文章或专利大部分都是基于GPS的轨迹数据，从提取的轨迹数据中关键字段如经度、纬度、速度等来判断用户在城市中的驻留位置，进而识别城市热点区域。其中《基于停留点聚类的多粒度热点区域分析方法》主要基于大量用户的GPS轨迹，利用聚类算法ClusteringII来挖掘多粒度热点区域的；《基于出租车轨迹的并行城市热点区域发现》主要从出租车GPS原始轨迹数据进行停靠点的提取，然后通过对按时间段分块的停靠点并行运行基于密度的空间聚类，实现对分块的数据聚类来发现不同时间段的热点区域。本发明考虑到在实际研究与应用中，数据的获取都必须通过装有GPS的设备，造成成本高、设备投资大等问题，同时，GPS数据也会由于遇到“城市峡谷”、遮挡物等引起信号丢失，从而造成数据的缺失等诸多问题。因此，继续使用GPS数据来挖掘城市的热点区域已经不是最优选择了；同时，传统的热点区域判断的关键技术即识别驻留点中，未曾考虑到处于用户居住地或者工作地等常驻用户的驻留点对其聚类结果的影响。
综合上述提到的问题，同时随着移动通信系统的不断优化和完善为移动网络定位技术的实现提供了条件。基于移动信令信息的定位可以在现有的网络资源下，无须对移动终端进行改造实现对终端的定位，产生的附加成本小，因此本发明选择了基于移动信令数据的方法来判断城市热点区域；同时在驻留点识别结果中考虑到处于用户居住地或者工作地等常驻地用户在热点区域活动的不确定性，引入了衰减因子来计算常住用户对热点区域的贡献度，增加了聚类结果的精确性；而且，本发明对判断出的热点区域标定了功能类型，对用户的出行、旅游等提供了方便，还可以对新发展城区的POIs数据库的扩充提供一定的参考价值。
发明内容
本发明的目的是提供一种利用用户手机信令数据的出行轨迹来识别城市热点区域并标定其功能类型的方法，从而方便人们的出行、旅游等，其输入的数据是一个用户一定时间范围内出行的手机信令数据。
为了达到上述目的，本发明的技术方案提供了一种基于移动信令数据识别城市热点区域的方法，其特征在于，步骤为：
(1)利用移动信令数据计算用户在单个蜂窝内的驻留时长T，与时间阈值T1进行比较，判断该区域是否为用户的驻留点，从识别出的驻留点的所有用户N中统计出该区域内的常驻用户数n，考虑到常驻用户在热点区域活动的不确定性，引入衰减因子λ(0<λ<1)，计算得到常驻用户为该区域成为热点做出的贡献度，则该蜂窝内有效驻留人数为P＝N―λ·n，若蜂窝内有效驻留人数P大于阈值N1，则判定该蜂窝为活跃蜂窝，否则为非活跃蜂窝。
(2)对识别出的所有活跃蜂窝进行相似性的度量，并利用基于密度的聚类算法判别出热点区域，具体步骤为：
(2.1)活跃蜂窝的位置表示，假定用户移动过程中的手机轨迹Celln(Lngtn,Latn,tn1,tn2)由经度(Lngtn)、纬度(Latn)、进入蜂窝时间(tn1)和离开蜂窝时间(tn2)构成，则活跃蜂窝的位置表示为(Lngtn,Latn)。
(2.2)对识别出的所有活跃蜂窝进行相似性的识别，其中相似性是由两个活跃蜂窝之间的距离来确定，两个活跃蜂窝之间的距离越小则相似性越高，则采用欧几里得的相似度计算公式为：
Sin(x,y)＝1/(1+d(x,y))
(2.3)对计算得到的活跃蜂窝依据相似度利用基于密度的聚类算法划分到不同的组内，而组就是聚类结果的簇，即代表一个热点区域。
(3)获取热点区域内的POIs数据，其中每条POIs数据中包含POIs名称、POIs类别、经度、纬度等多个属性值。
(4)对热点区域的主题进行设置，若热点区域内仅包含一个POIs类别，则将此POIs类别设置为该热点区域的主题，若热点区域内包含多个POIs类别，则利用信息增益法计算出该热点区域内影响较大的类别并设置为主题，具体步骤为：
(4.1)对于包含多个POIs类别的热点区域，利用信息增益计算出热点区域内影响较大的类别，计算公式为：
①设热点区域包含m个POIs类别Ci，i＝1,2,…,m，那么热点区域类别的期望信息：
I(C1,C2…Cm)＝―P1log2 p1―P2log2 p2―…―Pmlog2 pm
其中，Pi＝Si/S，Si表示第i个类别在热点区域内出现的次数，S表示所有类别在热点区域内出现的总次数。
②热点区域第i(0<i≤m)个类别的信息熵为：
E(Ci)＝Pi*I(Ci)
③则在热点区域中类别Ci信息增益为：
Gain(Ci)＝I(C1,C2...Cm)―E(Ci)
以此类推，分别计算出热点区域上所有类别Ci信息增益。
(4.2)基于步骤(4.1)中信息增益的结果，比较大小，对于信息增益较大的类别，表示对主题的识别影响较大即可得到热点区域的主题。
本发明的优点是，充分利用了现有的移动网络信息，采用简单且易懂的方法快速地识别出活跃蜂窝，基于简单、有效、可以对任意形状聚类的聚类算法实现了城市内热点的判断并为热点区域标定功能类型，进而为人们的出行、旅游等提供了参考的依据。
附图说明
图1为本发明提供的基于移动信令数据进行热点识别方法的流程。
图2为对识别出的活跃蜂窝的聚类结果图示。
图3为热点区域包含POIs类别图示。
具体实施方式
以下结合实施例来具体说明本发明，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本发明提供了一种基于移动信令数据的城市热点判断方法，其步骤为：
(1)利用移动信令数据计算用户在单个蜂窝内的驻留时长T，与时间阈值T1进行比较，判断该区域是否为用户的驻留点，从识别出的驻留点的所有用户N中统计出该区域内的常驻用户数n，考虑到常驻用户在热点区域活动的不确定性，引入衰减因子λ(0<λ<1),计算得到常驻用户为该区域成为热点做出的贡献度，则该蜂窝内有效驻留人数为P＝N―λ·n，若蜂窝内有效驻留人数P大于阈值N1，则判定该蜂窝为活跃蜂窝，否则为非活跃蜂窝。
(2)对识别出的所有活跃蜂窝进行相似性的度量，并利用基于密度的聚类算法判别出热点区域，具体步骤为：
(2.1)活跃蜂窝的位置表示，假定用户移动过程中的手机轨迹Celln(Lngtn,Latn,tn1,tn2)由经度(Lngtn)、纬度(Latn)、进入蜂窝时间(tn1)和离开蜂窝时间(tn2)构成，则活跃蜂窝的位置表示为(Lngtn,Latn)。
(2.2)对识别出的所有活跃蜂窝进行相似性的识别，其中相似性是由两个活跃蜂窝之间的距离来确定，两个活跃蜂窝之间的距离越小则相似性越高，则采用欧几里得的相似度计算公式为：
Sin(x,y)＝1/(1+d(x,y))
(2.3)对计算得到的活跃蜂窝依据相似度利用基于密度的聚类算法划分到不同的组内，而组就是聚类结果的簇，即代表一个热点区域。
(3)获取热点区域内的POIs数据，其中每条POIs数据中包含POIs名称、POIs类别、经度、纬度等多个属性值。
(4)对热点区域的主题进行设置，若热点区域内仅包含一个POIs类别，则将此POIs类别设置为该热点区域的主题，若热点区域内包含多个POIs类别，则利用信息增益法计算出该热点区域内影响较大的类别并设置为主题，具体步骤为：
(4.1)对于包含多个POIs类别的热点区域，利用信息增益计算出热点区域内影响较大的类别，计算公式为：
①设热点区域包含m个POIs类别Ci，i＝1,2,…,m，那么热点区域类别的期望信息：
I(C1,C2…Cm)＝―P1log2 p1―P2log2 p2―…―Pmlog2 pm
其中，Pi＝Si/S，Si表示第i个类别在热点区域内出现的次数，S表示所有类别在热点区域内出现的总次数。
②热点区域第i(0<i≤m)个类别的信息熵为：
E(Ci)＝Pi*I(Ci)
③则在热点区域中类别Ci信息增益为：
Gain(Ci)＝I(C1,C2...Cm)―E(Ci)
以此类推，分别计算出热点区域上所有类别Ci信息增益。
(4.2)基于步骤(4.1)中信息增益的结果，比较大小，对于信息增益较大的类别，表示对主题的识别影响较大即可得到热点区域的主题。

Claims (3)

1.一种基于移动信令数据的城市热点识别方法，其特征在于，所述方法包括以下步骤：
(1)利用移动信令数据计算用户在单个蜂窝内的驻留时长T，与时间阈值T1进行比较，判断该区域是否为用户的驻留点，从识别出的驻留点的所有用户N中统计出该区域内的常驻用户数n，考虑到常驻用户在热点区域活动的不确定性，引入衰减因子λ(0<λ<1),计算得到常驻用户为该区域成为热点做出的贡献度，则该蜂窝内有效驻留人数为P＝N―λ·n，若蜂窝内有效驻留人数P大于阈值N1，则判定该蜂窝为活跃蜂窝，否则为非活跃蜂窝。
(2)对识别出的所有活跃蜂窝进行相似性的度量，并利用基于密度的聚类算法判别出热点区域。
(3)获取热点区域内的POIs数据，其中每条POIs数据中包含POIs名称、POIs类别、经度、纬度等多个属性值。
(4)对热点区域的主题进行设置，若热点区域内仅包含一个POIs类别，则将此POIs类别设置为该热点区域的主题，若热点区域内包含多个POIs类别，则利用信息增益法计算出热点区域内影响较大的类别并设置为主题。
2.根据权利要求1所述，其特征在于，所述步骤(2)包括以下步骤：
(2.1)活跃蜂窝的位置表示，假定用户移动过程中的手机轨迹Celln(Lngtn,Latn,tn1,tn2)由经度(Lngtn)、纬度(Latn)、进入蜂窝时间(tn1)和离开蜂窝时间(tn2)构成，则活跃蜂窝的位置表示为(Lngtn,Latn)。
(2.2)对识别出的所有活跃蜂窝进行相似性的识别，其中相似性是由两个活跃蜂窝之间的距离来确定，两个活跃蜂窝之间的距离越小则相似性越高，则采用欧几里得的相似度计算公式为：
Sin(x,y)＝1/(1+d(x,y))
(2.3)对计算得到的活跃蜂窝依据相似度利用基于密度的聚类算法划分到不同的组内，而组就是聚类结果的簇，即代表一个热点区域。
3.根据权利要求1所述，其特征在于，所述步骤(4)包括以下步骤：
(4.1)对于包含多个POIs类别的热点区域，利用信息增益计算出热点区域内影响较大的类别，计算公式为：
①假设热点区域包含m个POIs类别Ci，i＝1,2,…,m，那么热点区域类别的期望信息：
I(C1,C2…Cm)＝―P1log2 p1―P2log2 p2―…―Pmlog2 pm
其中，Pi＝Si/S，Si表示第i个类别在热点区域内出现的次数，S表示所有类别在热点区域内出现的总次数。
②热点区域内第i(0<i≤m)个类别的信息熵为：
E(Ci)＝Pi*I(Ci)
③则在热点区域中类别Ci信息增益为：
Gain(Ci)＝I(C1,C2…Cm)―E(Ci)
以此类推，分别计算出热点区域上所有类别Ci信息增益。
(4.2)基于步骤(4.1)中信息增益的结果，比较大小，对于信息增益较大的类别，表示对主题的识别影响较大即可得到热点区域的主题。
CN201610006018.1A 2016-01-05 2016-01-05 一种基于移动信令数据的城市热点识别方法 Active CN105682024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610006018.1A CN105682024B (zh) 2016-01-05 2016-01-05 一种基于移动信令数据的城市热点识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610006018.1A CN105682024B (zh) 2016-01-05 2016-01-05 一种基于移动信令数据的城市热点识别方法

Publications (2)

Publication Number Publication Date
CN105682024A true CN105682024A (zh) 2016-06-15
CN105682024B CN105682024B (zh) 2019-03-26

Family

ID=56299083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610006018.1A Active CN105682024B (zh) 2016-01-05 2016-01-05 一种基于移动信令数据的城市热点识别方法

Country Status (1)

Country Link
CN (1) CN105682024B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897420A (zh) * 2017-02-24 2017-06-27 东南大学 一种基于手机信令数据的用户出行驻留行为识别方法
CN107103037A (zh) * 2017-03-22 2017-08-29 华为机器有限公司 一种地理区域的社会功能的识别方法与终端设备
CN107182034A (zh) * 2017-07-26 2017-09-19 江苏省城市规划设计研究院 基于复杂网络和手机信令数据的城市交通枢纽点评价方法
CN109391990A (zh) * 2017-08-07 2019-02-26 中国移动通信集团浙江有限公司 一种无线业务性能监控方法及系统
CN109688532A (zh) * 2017-10-16 2019-04-26 中移(苏州)软件技术有限公司 一种划分城市功能区域的方法及装置
CN109743674A (zh) * 2018-12-28 2019-05-10 中国联合网络通信集团有限公司 业务热点区域定位方法、装置、设备和可读介质
CN111198972A (zh) * 2019-12-30 2020-05-26 中国联合网络通信集团有限公司 用户职住地识别方法、装置、控制设备及存储介质
CN111353732A (zh) * 2018-12-21 2020-06-30 北京中交兴路信息科技有限公司 车辆运输模式识别方法、装置、设备和存储介质
CN111984929A (zh) * 2020-08-19 2020-11-24 智慧足迹数据科技有限公司 用户线下活跃度确定方法、装置、电子设备及存储介质
CN112613068A (zh) * 2020-12-15 2021-04-06 国家超级计算深圳中心(深圳云计算中心) 一种多重数据混淆隐私保护方法及系统、存储介质
CN113079463A (zh) * 2021-03-31 2021-07-06 上海晨擎信息科技有限公司 一种基于手机信令数据的旅游景点游客出行活动识别方法
CN113112069A (zh) * 2021-04-13 2021-07-13 北京阿帕科蓝科技有限公司 一种人口分布预测方法、人口分布预测系统及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110090080A1 (en) * 2009-10-16 2011-04-21 Zhihong Yu Methods and systems for identifying points of interest
CN102750361A (zh) * 2012-06-13 2012-10-24 中国矿业大学 基于局部多层网格的轨迹数据热点区域发现方法
CN103731855A (zh) * 2012-10-11 2014-04-16 中国移动通信集团上海有限公司 一种筛选高数据业务热点小区的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110090080A1 (en) * 2009-10-16 2011-04-21 Zhihong Yu Methods and systems for identifying points of interest
CN102750361A (zh) * 2012-06-13 2012-10-24 中国矿业大学 基于局部多层网格的轨迹数据热点区域发现方法
CN103731855A (zh) * 2012-10-11 2014-04-16 中国移动通信集团上海有限公司 一种筛选高数据业务热点小区的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘颖等: "基于停留点聚类的多粒度热点区域分析方法", 《微计算机信息》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897420B (zh) * 2017-02-24 2020-10-02 东南大学 一种基于手机信令数据的用户出行驻留行为识别方法
CN106897420A (zh) * 2017-02-24 2017-06-27 东南大学 一种基于手机信令数据的用户出行驻留行为识别方法
CN107103037A (zh) * 2017-03-22 2017-08-29 华为机器有限公司 一种地理区域的社会功能的识别方法与终端设备
CN107103037B (zh) * 2017-03-22 2020-06-26 华为机器有限公司 一种地理区域的社会功能的识别方法与终端设备
CN107182034A (zh) * 2017-07-26 2017-09-19 江苏省城市规划设计研究院 基于复杂网络和手机信令数据的城市交通枢纽点评价方法
CN109391990A (zh) * 2017-08-07 2019-02-26 中国移动通信集团浙江有限公司 一种无线业务性能监控方法及系统
CN109391990B (zh) * 2017-08-07 2022-06-03 中国移动通信集团浙江有限公司 一种无线业务性能监控方法及系统
CN109688532A (zh) * 2017-10-16 2019-04-26 中移(苏州)软件技术有限公司 一种划分城市功能区域的方法及装置
CN109688532B (zh) * 2017-10-16 2020-11-24 中移(苏州)软件技术有限公司 一种划分城市功能区域的方法及装置
CN111353732A (zh) * 2018-12-21 2020-06-30 北京中交兴路信息科技有限公司 车辆运输模式识别方法、装置、设备和存储介质
CN109743674A (zh) * 2018-12-28 2019-05-10 中国联合网络通信集团有限公司 业务热点区域定位方法、装置、设备和可读介质
CN111198972A (zh) * 2019-12-30 2020-05-26 中国联合网络通信集团有限公司 用户职住地识别方法、装置、控制设备及存储介质
CN111198972B (zh) * 2019-12-30 2023-05-09 中国联合网络通信集团有限公司 用户职住地识别方法、装置、控制设备及存储介质
CN111984929A (zh) * 2020-08-19 2020-11-24 智慧足迹数据科技有限公司 用户线下活跃度确定方法、装置、电子设备及存储介质
CN112613068A (zh) * 2020-12-15 2021-04-06 国家超级计算深圳中心(深圳云计算中心) 一种多重数据混淆隐私保护方法及系统、存储介质
CN112613068B (zh) * 2020-12-15 2024-03-08 国家超级计算深圳中心(深圳云计算中心) 一种多重数据混淆隐私保护方法及系统、存储介质
CN113079463A (zh) * 2021-03-31 2021-07-06 上海晨擎信息科技有限公司 一种基于手机信令数据的旅游景点游客出行活动识别方法
CN113112069A (zh) * 2021-04-13 2021-07-13 北京阿帕科蓝科技有限公司 一种人口分布预测方法、人口分布预测系统及电子设备

Also Published As

Publication number Publication date
CN105682024B (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
CN105682024A (zh) 一种基于移动信令数据的城市热点识别方法
Li et al. Transportation mode identification with GPS trajectory data and GIS information
CN105718465B (zh) 地理围栏生成方法及装置
CN108415975B (zh) 基于bdch-dbscan的出租车载客热点识别方法
CN109446186B (zh) 一种基于移动轨迹的社会关系判断方法
CN107277765A (zh) 一种基于聚类离群分析的手机信令轨迹预处理方法
CN110472999B (zh) 基于地铁和共享单车数据的客流模式分析方法及装置
Sohn et al. Space-based passing time estimation on a freeway using cell phones as traffic probes
CN102521973A (zh) 一种手机切换定位的道路匹配方法
CN109635914B (zh) 基于混合智能遗传粒子群的优化极限学习机轨迹预测方法
CN109272032A (zh) 出行方式识别方法、装置、计算机设备和存储介质
CN109688532A (zh) 一种划分城市功能区域的方法及装置
CN111291145B (zh) 无线热点与兴趣点的映射方法、装置和存储介质
WO2016127880A1 (zh) 一种确定离线定位数据质量的方法和装置
CN115988421A (zh) 一种基于时间权重聚类的职住地估计方法及装置
Li et al. Public transportation mode detection from cellular data
Li et al. Estimating crowd flow and crowd density from cellular data for mass rapid transit
Chen et al. A travel mode identification framework based on cellular signaling data
CN113176599A (zh) 地理位置确定方法、装置、设备及存储介质
Zhang et al. Extracting the complete travel trajectory of subway passengers based on mobile phone data
Shad et al. Precise location acquisition of mobility data using cell-id
Keler et al. Is there a relationship between complicated crossings and frequently visited locations? A case study with boro taxis and OSM in NYC
Arregui et al. Impact of the road network configuration on map‐matching algorithms for FCD in urban environments
Jaegal et al. Measuring the structural similarity of network time prisms using temporal signatures with graph indices
Jing et al. Mining taxi trajectories for most suitable stations of sharing bikes to ease traffic congestion

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210621

Address after: 400000 No.6, No.1 electromechanical Branch Road, Chayuan New District, Nan'an District, Chongqing

Patentee after: Chongqing chubo Electronic Technology Co.,Ltd.

Address before: 400065 Chongqing Nan'an District huangjuezhen pass Chongwen Road No. 2

Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220422

Address after: 401336 No.6, electromechanical Branch Road, Nan'an District, Chongqing

Patentee after: CHONGQING UNICATION ELECTRONIC TECHNOLOGY Co.,Ltd.

Address before: 400000 No.6, No.1 electromechanical Branch Road, Chayuan New District, Nan'an District, Chongqing

Patentee before: Chongqing chubo Electronic Technology Co.,Ltd.