CN105474247A - 位置推断 - Google Patents
位置推断 Download PDFInfo
- Publication number
- CN105474247A CN105474247A CN201480046004.1A CN201480046004A CN105474247A CN 105474247 A CN105474247 A CN 105474247A CN 201480046004 A CN201480046004 A CN 201480046004A CN 105474247 A CN105474247 A CN 105474247A
- Authority
- CN
- China
- Prior art keywords
- logout
- time period
- subscriber equipment
- data
- row
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
公开了一种用于推断网络中的用户设备的位置的方法。该方法包括:检索对应于用户设备事件的事件记录;针对特定的用户设备标识不存在事件记录的时间段;基于所标识的时间段检索其他事件记录;以及基于所检索的事件记录推断所标识的时间段期间的针对用户设备的位置。
Description
背景技术
每种商业或服务操作在空间维度内——不管这是诸如零售商店之类的物理位置还是经由网站的虚拟位置。为了高效地操作商业或服务,必需了解商业或服务的客户和用户的人口学和心理行为。该过程已知为“客流量(footfall)分析”。
通常,客流量分析在零售商业部门内执行,并关注于测量到零售商店的访问者的数目和这些访问者的人口学,并且理想地这些如何转化为销售。
然而客流量分析不仅限于零售环境。例如,医院可能想要了解其患者的运动,地方当局可能想要了解有计划事件的影响,或者在线零售商可能想要了解他们的客户在使用该服务时在哪。
其中客流量分析具有特别重要的应用的一个领域是在设施管理的领域中。现代设施包括配置成控制设施的各方面的许多子***。这可以包括室内设施(诸如建筑物)和室外设施(诸如街道)二者。
一些子***基于存在于给定位置中的人的数目或特性而被控制。这传统地涉及手动计数进入位置的人的数目以及采访样本以确定他们的特性,诸如他们访问位置的原因。该手动收集的信息然后可以被用于近似将来在该区域中的人的数目和特性。基于该近似,可以设置子***的各种参数(诸如输出级别和设置点)。然而,关于该手动过程的关键缺点在于,最初收集数据是非常耗时的。此外,由于数据不是完全实时的,并且实际上依赖于过去样本针对将来场合进行外推,所以其可能是非常不准确的,从而导致子***的欠佳性能。
虽然准确的客流量分析将提供用于子***的自动化控制的最佳基础,但是关于收集数据的困难性导致在现有技术中尝试考虑其他方法。一些子***可以通过将子***链接到一个或多个传感器而自动控制。子***的输出然后可以基于传感器读数而自动调整。例如,空调子***可以被配置成基于周期性或连续的传感器读数来调节区域内的温度以保持在两个设置点内。然而,这样的方法仅在其中存在容易测量的输出的情况下是合适的,并且在任何情况下,需要监视要安装和维护的基础结构。
自动控制的特别不精确的方法涉及使用运动传感器等来确定一个或多个人的存在。然而,这不提供存在的人的数目或种类的任何指示,并且容易出现大量的假正和真负。因此,这样的方法仅在其中准确度和精度不是那么重要的非常有限的情况下是适当的。例如,确定某人是否为重复访问者是非常困难(甚至实用上不可能的)。虽然对于这样的传感器可能有可能确定某人是成人还是孩子(基于人的尺寸),但是甚至这通常都是非常不准确和不可靠的。任何进一步的分析通常是不可能的。
因此,在本领域中需要针对分析用户客流量和基于用户客流量来控制相关联的子***的方法方面的改善或至少为公众提供有用的选择。
发明内容
在第一方面中,提供了一种用于用于推断网络中的用户设备的位置的方法。首先,检索多个事件记录。每一个事件记录对应于网络(诸如电信网络)中的用户设备事件,并且包括用户设备标识符、时间信息和位置信息。然后标识针对用户设备的不存在多个事件记录中的事件记录的时间段。然后基于所标识的时间段检索与多个记录的事件记录不同的一个或多个其他事件记录;以及基于一个或多个所检索的事件记录推断所标识的时间段期间的针对用户设备的位置。以此方式,可以针对用户设备推断位置,即使在不存在对应于该时段的直接事件记录的情况下。这然后虑及数据的更准确的使用。
基于未记录的时间段检索一个或多个其他事件记录可以包括:检索之前的事件记录,其包括对应于用户设备的设备标识符和对应于未记录的时间段之前的时间段的时间信息;和/或检索之后的事件记录,其包括对应于用户设备的设备标识符和对应于未记录的时间段之后的时间段的时间信息。因而,可以将用户设备的最新近位置与其他事件记录相比较。
之前的事件记录可以包括与第一位置相关的位置数据,并且之后的事件记录可以包括与第二位置相关的位置数据。在该情况下,该方法还可以包括:检索第一位置和第二位置之间的路由;以及推断用户设备在未记录的时间段期间沿着该路由经过。这虑及沿着预定路由(尤其是公共输运路由)的位置被映射,即使在不存在沿着路由的部分的覆盖的情况下。
在优选的实施例中,移动用户设备与用户相关联。在该情况下,基于未记录的时间段检索一个或多个其他事件记录包括:检索一个或多个其他事件记录,其每一个具有对应于与用户相关联的第二用户设备的第二设备标识符。在用户携带两个设备的情况下,关于用户的第一设备的位置的信息的最准确源是用户的第二设备。
针对特定的用户设备标识不存在多个事件记录中的事件记录的时间段可以包括:针对用户设备生成用于用户设备的矩阵,所述矩阵包括多个时隙;基于事件记录而记录至少一些时隙处的位置;以及通过检索矩阵的行中的一个或多个连续时隙来确定所标识的时间段,所述时隙中的每一个不具有分配的位置。矩阵的多个时隙可以被布置为多个行和列,每一个行涉及一日,并且每一个列涉及一日中的时间。这提供了记录用户设备的位置的计算上高效的方式。
在这样的情况下,其他所检索的记录中的每一个可以对应于矩阵的行中的条目。基于一个或多个所检索的事件记录推断所标识的时间段期间的针对用户设备的位置可以包括:针对所标识的时间段中的每一个时隙,计算针对时隙的列的其他所检索的记录中的最常见位置;以及将最常见位置记录为在该时隙中的位置。
在优选的实施例中,时间段涉及一周中的一日。这可以考虑公休日或学校假日(例如,作为公休日的周一可以不与非公休日的周一相比较)。附加地或可替代地,也可以考虑与月份相关的一周中的一日可以是分离的(例如,某月中的最后一个周五应当仅与其他月份中的最后一个周五而不与中间的周五相比较)。因而,检索一个或多个其他事件记录可以包括检索涉及一周中的相同日子的一个或多个其他事件记录。这可以特别是有益的,原因在于用户可能在一周中的相同日子维持类似时间表。例如,与工作日相比较的工作日可能比与周末相比较的工作日更准确。
在优选的实施例中,该方法还包括:计算用于推断位置的置信度值;以及如果置信度值超过阈值,则记录针对用户设备的位置。因而,在需要高准确度数据的情况下,可以避免低置信度推断。
在第二方面中,提供了一种用于推断网络中的用户设备对服务的使用的方法。首先,检索多个事件记录。每一个事件记录对应于网络(诸如电信网络)中的用户设备事件,并且包括用户设备标识符、时间信息和服务信息。针对特定的用户设备检索不存在多个事件记录中的事件记录的时间段。然后,基于所标识的时间段检索与多个记录的事件记录不同的一个或多个其他事件记录。然后,基于一个或多个所检索的事件记录推断所标识的时间段期间的针对用户设备的服务的使用。
在优选的实施例中,该方法还包括在标识时间段之前:监视用户设备已经从第一网络移动到第二网络。
在第三方面中,提供了一种具有存储在其上的计算机可执行指令的计算机可读介质,所述指令当由计算机执行时使得计算机执行第一或第二方面的方法。
附图说明
现在将参照附图描述本发明,在所述附图中:
图1示出了用于处理用于在客流量分析中使用的事件记录的方法;
图2示出了用于推断用户设备的位置的方法;
图3示出了用于将位置映射到矩阵(matrix)中的时隙的第一示例性方法;
图4示出了用于将位置映射到矩阵中的时隙的第二示例性方法;
图5示出了用于将位置映射到矩阵中的时隙的第三示例性方法;
图6示出了用于推断服务的使用的方法;
图7示出了用于实现所描述的方法的示例性***;以及
图8A和8B示出了用于分析门户的示例性实施例。
具体实施方式
为了实现任何有用的客流量分析,必须首先收集相关数据。在实际中,绝大多数人随身携带与用于移动服务等的基站(或电信节点)通信的一个或多个设备。通常,设备与最近的基站进行通信。
基于此,如果设备连接到基站,则其可以推论该设备位于基站周围的区域内,其更靠近该基站而不是任何其他基站。该分析可以在数学上使用Voronoi算法来建模以将具有多个基站的大的地理区域划分成小区。当然,其他方法可以用于将移动电信小区和/或通信覆盖区域映射到地理区域中。每一个小区因此可以被映射到通常将以基站为中心的地理区域。
基站可以是常规的移动电话基站,向覆盖跨若干千米的区域的宏小区提供服务。在一些设置中,也可以使用较小的小区(诸如毫微微小区),特别是在室内需要服务的情况下。在这样的情况下,建筑物的每一个楼层或房间可以是单独的小区,并且用户设备可以与用于其楼层的基站进行通信。
在使用中,用户设备与基站通信。在这样做时,基站通常生成并存储基于已经发生的事件的事件记录。这些事件可以例如包括正在建立的电话呼叫或正在发送的文本消息。每一个事件记录包括指示事件何时发生的时间数据、指示涉及的用户设备的设备数据、指示发生的事件的类型的类型数据、以及指示事件发生在其中的网络小区的小区数据。
时间数据可以包括事件开始的日期和时间以及事件的持续时间。可替代地,其可以包括事件开始的第一日期和时间以及事件结束的第二日期时间。
设备数据唯一地标识在事件中涉及的设备。这通常是通过映射到设备、用户帐户或用户的一个或多个ID。通常,这包括用于设备的MSISDN、用于用户的IMSI(或与用户相关联的SIM卡或设备)、或用于设备的IMEI中的一个或多个。在一些情况下,可以使用匿名ID(特别是匿名MSISDN)。
类型数据标识发生的事件的类型。例如,事件类型数据可以指示事件是电话呼叫。这可以通过对应于查找表中的条目的代码来完成。
小区数据可以简单地是用于小区的标识符。然而,使用小区和地理区域之间的映射,小区数据也可以用作地理标识符。因此,使用该映射,可以容易地计算用于事件记录的位置数据,其标识事件发生的地理区域或位置。
在许多情况下,在基站的普通操作期间生成事件记录。在该情况下,存在生成事件记录的很少的附加开销,这是因为不管事件记录是否要用于客流量分析,都将生成它们。在一些情况下,事件记录可以包括被生成用于对用户的帐户计费的计费数据记录(CDR)。
虽然已经参照在基站处发生的事件描述了以上的事件记录,但是事件记录可以被附加地或可替代地生成和/或从基站的操作之外检索。特别地,事件记录可以包括在其他网络中发生的事件的记录。例如,事件记录可以涉及非电信网络(诸如通过WiFi网络传递的请求和响应)、GPS的使用、设备(诸如被接通或连接到不同小区的设备)的内部状态等。
数据收集
现在转到图1,示出了一种用于处理针对地理区域的事件记录的方法。设施管理子***通常配置成单独地向不同的区域提供服务。例如,照明可能在第一区域而不是第二区域中需要,即使这两个区域均由单个子***管理。因此,单独地针对每一个地理区域考虑事件记录可以是有用的。
在步骤102处,针对给定的地理区域检索事件记录。为了这样做,用于对应于地理区域的一个或多个小区的标识符被检索。这可以使用将位置映射到小区的查找表等来完成。所存储的事件记录然后被过滤以产生与所标识的小区相关的事件记录的子集。因此,子集仅涉及在给定地理区域内发生的事件。
在步骤104处,一组设备被标识,其每一个具有事件记录的子集中的至少一个对应的事件记录。事件记录然后可以被分成多个进一步的子集,其中每一个涉及单个用户设备。
在步骤106处,针对与每一个用户设备相关的子集生成用户构造体(construct)。每一个用户构造体包括涉及设备并且继而涉及名义(nominal)用户的事件记录的子集。在一些情况下,用户构造体可以实际涉及多个设备,例如,如果单个用户随身携带两个设备的话。
用户构造体可以在不必直接具有用户的任何知识的情况下创建。以此方式,用户构造体可以是匿名的。此外,因为每一个用户构造体可以仅涉及单个区域,所以同一实际用户可以被看作第一区域中的第一用户构造体和第二区域中的不同的第二用户构造体。
在步骤108处,这些用户构造体存储在数据存储区中以供将来使用。一旦生成并存储用户构造体,则可以执行客流量分析。
推断针对用户设备的位置
在理想的情况下,存在几乎恒定地针对用户设备发生的事件,这意味着存在从中导出客流量分析的大量事件记录。然而,在现实中,可能存在数据中的间隙。
这可能简单地发生,因为未发生事件。例如,存在不进行移动呼叫并且不维持持续连接。这些情况并不少见。
在其他情况下,可能存在底层的基础结构问题。例如,死角出现在周围环境不允许移动信号进入(例如,在地下公共输运站中)的地方。可替代地,诸如移动支付***(例如M-PESATM)之类的一些技术不需要恒定的数据连接。在这些情况下,发生的事件(其可以回顾地提供)可以缺乏准确的小区/位置数据。
数据中的这些间隙可能导致相比于原本将期望的较不准确的客流量分析。事实上,在存在底层基础结构问题的情况下,几乎不想要没有数据可用。
图2示出了用于解决此的方法。
因此,在步骤502处,接收多个事件记录。多个事件记录可以被选择为仅包括对应于第一用户设备(即,具有标识第一用户设备的设备信息)的事件记录。然而,如果可能的话,多个事件记录还将包括对应于第二用户设备的事件记录,其中第一用户设备和第二用户设备二者与同一用户相关联。
在步骤504处,形成用于第一用户设备的矩阵。矩阵将用户设备的位置映射到事件记录的时间段期间的时隙。时隙的长度被选择成是足够规则的使得一般准确地建模用户设备的运动。已经发现约1分钟和约15分钟之间的时间段是合适的。
矩阵中的每一个条目被给予基于事件记录的位置值。通常,这通过首先检索时隙的开始时间而发生。选择多个事件记录中的具有最接近开始时间的时间数据的事件记录。最后,针对该事件记录的位置被计算和记录为针对该时隙的位置。
在图3中示出这样的矩阵的示例。此处,示出了包括多个行522A-522E的矩阵520。这些行中的每一个对应于针对用户设备的一日。日子不需要是连续日子。它们可以被选择为相同类型的日子(例如,所有工作日)、一周中的相同日子(例如,所有周一)或省略公休日等,其趋于破坏正常的时间表。
矩阵520还包括多个列524A-524E,其对应于一日期间的时隙。在该案例中,每日仅示出五个时隙(其对应于4.8小时的时隙),然而,通常使用更短的时隙。
矩阵包括多个未记录的时隙,其中多个事件记录不包含对应于时隙的事件记录。
返回到图2中示出的方法,在步骤506处,标识未记录的时间段(即,矩阵中的一个或多个连续的未记录时隙)。标识紧接在未记录时间段之前和之后的事件记录。
在步骤508处,矩阵的其他行(其可以对应于其他日子)基于之前和之后的事件记录(以及对应的之前和之后的位置)被标识为候选行。特别地,标识一个或多个行,其具有与相同列之前列中的之前位置相同的位置以及和与之后的位置相同列中的之后的位置相同的位置。
在图4中示出其示例。其中,行522A被标识为具有未记录时间段526。未记录时间段具有之前位置“G”和之后位置“G”。因此,行522B、522C、524D和524E已经被标识为候选行。
在一些实施例中,矩阵中的每一个条目包括关于针对对应时隙的首先见到和最后见到的位置值的附加信息。例如,即使某一条目具有位置值“B”,该条目也可以记录在时隙的开始时用户设备在位置“A”处并且在时隙的结束时用户设备在位置“C”处。这些开始和结束位置也可以在整个时隙的比例方面被标注。例如,用户设备在时隙的前5%内在位置“A”处,并且在时隙的10%内在结束位置“B”处。
在这样的实施例中,针对给定时间未记录时间段的之前位置可以被视为针对矩阵中的之前条目的结束位置。类似地,针对给定未记录时间段的之后位置可以被视为针对矩阵中的之后条目的开始位置。以此方式,关于位置之间的转移的信息可以在位置推断期间被保留。
返回到图2中示出的方法,在步骤510处,每一个候选行被复查以确定在未记录时间段的一个或多个列中是否存在候选位置。在这样做时,针对每一个列编译候选行中的位置。
然后,在步骤512处,针对未记录时间段中的每一个列,基于来自候选行的编译位置来计算最常见位置。这然后被分配给未记录时间段中的时隙,并记录在矩阵中。
在不存在清楚的最常见值的情况下,可以使用“最近邻居”方法。如果未记录时隙在两个相邻的时隙(其中至少一个未被推断)中具有相同的位置,则未记录时隙可以被推断为具有相同的位置。这在如下假定上进行:用户不太可能在短时段内离开并返回到位置。
在图5中示出了其示例。其中并且关于列524B,最常见位置是“A”。基于此,行522A中的未记录时隙被分配值“A”。
该过程然后可以针对矩阵中的其余未记录时隙而重复。以此方式,可以针对用户设备基于不完整的数据产生完整的矩阵。
在一些情况下,未记录时段可以附加地或可替代地与一个或多个已知路由(诸如输运路由)相比较。这在其中在沿着路由的点处存在很少的可用连接的情况下是特别有用的。在使用中,如果之前事件在沿着路由的第一点处并且之后事件在沿着该路由的第二点处,则可以推断用户正在沿着该路由移动,即使在旅程期间不存在对应的事件记录。
例如,可以知晓,火车线路沿着火车线路L从站A通过到站B。如果之前事件在站A处或站A周围并且之后事件在站B处,则可以推断未记录位置沿着火车线路L。
在一些情况下,置信度因子可以针对每一个推断位置导出,以指示推断位置的准确度方面的置信度。使用其中每一个候选行包含特定行中的位置“A”的图5的示例,然后可以存在相当高的置信度:“A”是正确的位置,并且该推断值可以被标记为高置信度(例如,具有大于0.8的置信度因子)。然而,如果候选行中的仅一个包含“A”而所有其他都是空白的,这样的值通常将被标记为低置信度(例如,具有小于0.4的置信度因子)。
因此,在使用中,在需要非常高级别的准确度的情况下,置信因子可能需要在未记录时隙被填充之前在阈值(诸如0.8)以上。例如,在客流量分析用于反欺诈目的情况下,确实确定交易是否不太可能针对用户,基于低质量推断信息而采取任何自动化动作将是不合期望的。在这样的情况下,可以设置高置信度阈值(诸如0.8)。
该技术的最直接应用是在设施管理的领域中。通过具有用户移动的准确得多的矩阵,可以实现子***的更准确的控制。
另一种应用是在网络中的预高速缓存等的领域中。例如,在大量用户被预期在特定位置中的情况下,其可以被看作对提前预高速缓存某些信息是有用的,由此改善网络的性能。
针对该方法的另一个关键应用是在电子交易安全性中,并且特别是在欺诈交易的检测中。例如,欺诈检测的一种方法是观察如下的情况:其中两个交易在短时段内发生在两个不同的位置中,使得用户在其之间移动在实用上是不可能的。该检测可以历史地通过避免提供用于交易之一的小区/位置数据来规避。然而,本发明提供了一种用于推断这样的数据的方法,由此加强了现有技术欺诈检测方法。
推断服务使用
虽然以上描述已经在物理位置方面进行描述,但是该方法实际上具有更广泛的应用。特别地,上述方法可以适于推断用户是否已经使用了特定服务(诸如访问网站、使用应用或观看电视频道),其中没有记录可用。
这在给定用户设备具有对多个网络的访问并且在使用服务时在网络之间切换的情况下是特别感兴趣的。例如,用户设备可以在家时使用他们个人WiFi访问网站,并且可以在离开家时通过移动电信运营商切换为使用蜂窝连接(例如3G、4G等)。这可以使得提供(provision)等难以发生,因为任何一个源处的记录可以包括大量的未记录时间段。
在图6中示出了一种用于推断服务使用的方法。图6通常反映图2,并且因此(除非在逻辑上是不可能的情况下),以上关于图2的描述相等地适用于图6。
因此,在步骤602处开始,接收多个事件记录。多个事件记录通常仅包括对应于第一用户设备(即,具有标识第一用户设备的设备信息)的事件记录。然而,如果可能的话,多个事件记录还将包括对应于第二用户设备的事件记录,其中第一用户设备和第二用户设备二者与同一用户相关联。在该情况下,每一个事件记录包括服务信息,从而标识由用户设备对服务的使用。这在一些情况下可以包括使用的频率。事件记录可以省略位置信息。
在步骤604处,形成针对第一用户设备的矩阵。矩阵将用户设备的服务使用映射到事件记录的时间段期间的时隙。通常,每一个条目记录服务的身份和在该时间段期间的该服务的使用的频率。多个服务可以在单个条目中标识。如上所述,矩阵可以在没有服务使用已经被记录的情况下包括一些时隙。
在步骤606处,标识未记录时间段(即,矩阵中的一个或多个连续的未记录时隙)。然后标识紧接在未记录时间段之前和之后的事件记录。
在步骤608处,矩阵的其他行(其可以对应于其他日子)基于之前和之后的事件记录(以及对应的之前和之后的服务使用)被标识为候选行。通常,服务使用必须与服务的身份和针对该服务的使用的频率二者相匹配。这样的方法在服务包括规则的周期性访问(例如,自动周期性地从外部服务器更新其状态的用户设备上的应用)的情况下是特别有价值的。
在步骤610处,每一个候选行被复查以确定在未记录时间段的一个或多个列中是否存在候选服务使用。在这样做时,针对每一个列编译不同的候选行中的服务使用。
最后,在步骤612处,针对未记录时间段中的每一个列,基于来自候选行的编译位置来计算最常见服务使用。这然后可以被分配给未记录时间段中的时隙,并记录在矩阵中。
如上所述,图6中所示的方法在用户设备在网络之间切换的情况下是特别有益的。因此,在一些实施例中,该方法可以仅在检测到这样的切换时执行。
该方法的替代应用是在确定用户何时从模式偏离中。基于该模式,可以计算应在将来的给定点处生成事件记录。如果不存在这样的事件记录(即,存在未记录时间段),则用户可以被记录为从模式偏离。
因此,在一个示例中,如果用户在计算的时间段期间一次(诸如每周一次)从供应商购买商品(诸如从超市购买食品或者从燃料供应商购买燃料),则可以推断对应的模式。基于该模式,可以预期,供应商的记录应包括在每一个将来周中的对应购买。如果在一周内不存在购买的记录(即,存在未记录时间段),则可以推断,该用户已在别处购买了商品,并且这可以被记录在客户关系管理***等中。
附加地或可替代地,基于该模式,可以在将来匹配时间处向用户做出建议或推荐。建议可以包括与出现在记录中的那些类似的商品或服务(诸如音乐、电视、应用、网站等)。例如,一个模式可能暗示用户每周在周日上午定期地听一个流派的音乐。基于该模式,该流派的新艺术家可以在将来的周日上午向用户标识并建议。
基础结构
上述方法针对要执行的各种客流量分析而提供。在使用中,这些方法通常在***中执行。在图7中示出了一种这样的示例性***。
在该***中,数据最终源自移动网络运营商10。数据存储在一个或多个数据存储区11中。每一个数据存储区可以专用于不同种类的数据,例如,一个可以存储事件数据,另一个可以存储客户数据等。例如,每一个数据存储区11可以涉及实时网络数据、网络和OSS数据、应用数据或操作数据中的一个或多个。
移动网络运营商10提供API服务12。响应于接收到API调用,API服务12从数据存储区11检索适当数据,并返回该数据。对API服务12的访问可以仅限于某些方,并且因此可能需要认证。对API服务12做出的请求可以被做成联合的查询,以使得响应于该查询,多个数据源被搜索并且结果被编译。在一些情况下,除了响应于接收到API调用之外,API服务12可以将数据发送到预定的接收者。例如,这可以发生在数据存储区11中的新存储的数据匹配于预定条件时。以此方式,API服务12可以利用“推送”传输。
提供分析平台20以管理上述的方法。
分析平台包括客户端API21,其被配置成调用移动网络运营商10处的适当的API服务12。执行这些调用以便检索针对要执行的分析方法所需的数据(诸如事件记录)。可以实时地(或至少近实时地,其中数据在对应事件发生的15分钟左右内是可用的)检索数据。
API服务12和客户端API21之间的通信通常涉及RESTful架构。因此,针对资源的请求可以通过客户端API21使用标准HTTP方法做出,并且响应使用HTML、XML或JSON通过FTP或HTTP而接收。
在客户端API21处接收的数据然后被发送到数据处理模块22。接收的数据可以落入到三种类别之一中:结构化数据(其遵循预先约定的标准的强制性核心)、半结构化数据(其遵循对预先约定的标准的可选附加)或非结构化数据(其不遵循预先约定的标准)。
在一些情况下,多个移动网络运营商10可以为其各自的数据提供API服务12。在该情况下,客户端API21可以继而从每一个移动网络运营商10检索数据,并继而将所检索的数据从每一个移动网络运营商10传递到数据处理模块22。
数据处理模块22被配置成根据其类型来处理传入的数据。更精确地,数据处理模块22包含操作以将数据处理成适于存储和/或将来使用的形式的一个或多个操作服务组件。组件可以包括接受结构化数据的一个或多个结构化加载器。组件可以附加地或可替代地包括被配置成对半结构化数据进行操作的一个或多个半结构化加载器。半结构化加载器可以操作以确定半结构化数据的数据字段,并创建适当的存储对象。组件(其可以包括结构化加载器或半结构化加载器)可以操作以执行数据验证、数据匿名化、数据富集和转换、数据优化(诸如索引)、数据审计和记入等中的一个或多个。一旦被处理,则数据然后被存储在数据存储区23中。
数据存储区23通常保存四个种类的数据:移动订户数据、参考数据、***元数据和导出数据。移动订户数据包含源自网络事件和与移动订户有关的所有“原始”数据。这通常包括事件记录,并且可以被视为用于分析的主要种类数据。参考数据包括可以改善分析的操作的辅助数据。这可以包括网络站点/小区配置数据、地理数据(诸如GIS多边形数据)、外部客流量查证统计、人口统计或天气数据。相比于移动订户数据,参考数据可以较不频繁地更新,或者可以被作为静态的来对待并且不更新。***元数据通常保存与各种API的操作(诸如调用限定和调度)相关的数据,以便维持***内的灵活性。导出数据包括基于移动订户数据和参考数据所计算和推断的数据。
提供分析处理模块24,其作用于存储在数据存储区23中的数据上。如将理解的是,分析处理模块24通常实现本文所描述的客流量分析方法,然后将结果存储在数据存储区23中。更精确地,分析处理模块24可以包括处理器和存储器,其包括指令,所述指令当由处理器执行时使处理器执行上述方法中的一个或多个。
分析平台20还包括被配置成接收来自一个或多个外部实体的请求的API服务25。API服务25可以针对一个或多个不同等级的服务而提供。第一等级包括数据提取,从而提供了一种用于递送原始数据集的机制。在多数情况下,这很可能是导出数据。然而,在一些情况下(诸如,其中主数据源是不可用的),也可以提供其他类型的数据。第二等级包括数据可视化,从而提供了一种用于递送以视觉方式表达(例如,如图表、图形)或被处理以用于可视化中(诸如提供用于地理标注和可视化的KML/KMZ文件)的数据的机制。第三等级包括洞察(insight),从而提供一种用于递送报告(优选以预限定的格式)的机制。这可以用于提供原始数据的格式化输出(其继而可以包括可视化)。
可以提供分析门户32以虑及用于分析平台的用户接口。特别地,分析门户32被配置成虑及数据的报告和可视化。其通常包括被配置成通过API服务25从分析平台检索数据并提供一个或多个动态网页的网络服务器(webserver)。每一个网页当被调用以示出客流量数据的视图时被生成。这可以使用标准门户组件(portlet)来完成。
一个或多个子***控制器34也可以通过API服务25与分析平台进行通信。对应的子***(诸如空调子***)可以被配置成根据所检索的数据进行操作。
虽然单独示出,但是可以想到的是,分析平台和分析门户可以一起操作,并且可以被提供为单个***或计算机程序产品,使得分析门户简单地通过API服务25提供用户接口。
因此,在优选实施例中,提供了一种用于在网络中执行分析的***。该***优选地包括分析平台20。分析平台20优选地包括:客户端API模块21,其被配置成调用移动网络运营商10处的API服务12并且响应于该调用而从API服务12接收数据;数据存储区23;数据处理模块22,其被配置成处理所接收的数据并在数据存储区23中存储经处理的数据;分析处理模块24,其被配置成执行一个或多个分析方法(诸如在以上关于图2至7所描述的那些方法);以及API服务模块25,其被配置成配置成从一个或多个外部实体接收请求,并响应于请求而提供一个或多个数据服务。
现在将关于图8A和8B来描述示例性分析门户32。在这些示例中,分析门户32包括网络服务器40。网络服务器40通常被配置成接收请求并以共同的网络服务器格式(诸如HTTP)进行响应。响应可以包括提供动态门户或门户页面。网络服务器40优选被配置成遵守适当的标准,诸如JSR168。在使用中,网络服务器40(或至少网络服务器40的组件)可以与各种其他模块进行通信。因此,在图8A中所示的示例中,网络服务器40与分析平台20中的API服务25进行通信。以此方式,针对网络服务器40的操作所需的内容可以经由适当的调用而供应到API服务25。网络服务器40也经由API服务52(并且优选地经由由API服务52提供的数据提取功能)与数据存储区54进行通信。在这样的示例中,数据存储区54通常被配置成存储用于网络服务器40的门户元数据。数据存储区54和API服务52可以与分析平台20分离。
在一些实施例中,API服务52和数据存储区54与API服务25和数据存储区23集成。其示例示出在图8B中,其中网络服务器40经由API服务25(优选地经由由API服务25提供的数据提取功能,如上所述)与数据存储区23进行通信。数据存储区23因此可以被配置成存储门户元数据,并且API服务25被配置成供应关于所做出的适当调用的门户元数据。
如在图8A和8B二者中可以看到的,网络服务器40包括门户访问模块42,其被配置成评估用户或群组的证书,并基于该评估来评价组件(诸如门户组件)对于给定的用户或群组是否可见。为此目的,门户访问模块42可以优选地经由合适的API服务25、52与保存门户元数据的数据存储区23、54进行通信。基于对API服务的一个或多个查询的结果,门户访问模块42然后可以评价可见性或访问。
网络服务器40还包括布局控制模块44。布局控制模块44被配置成查询API服务25、52以检索门户元数据,并基于所检索的门户元数据来确定何处以及如何显示页面和门户组件。为此目的,布局控制模块44可以与具有一个或多个门户组件48的门户组件库46进行通信,门户组件库46被配置成使得可以用于显示数据的不同方面的模块化组件可用,并优选地遵守适当的标准,诸如JSR168。门户组件48可以包括映射门户组件、图表门户组件、图像门户组件、文本门户组件、或任何其他合适类型的门户组件。
门户组件库46也可以被配置成从合适的数据存储区检索内容以用于门户组件48中的一个或多个的显示中。特别地,门户组件库46可以对API服务25、52进行调用,以检索数据来用作内容。在使用中,每一个门户组件48可以由布局控制模块44基于所检索的门户元数据来初始化并维持。以此方式,布局控制模块44准备门户和门户页面以用于来自网络服务器40的响应中。
因此,在优选的实施例中,提供了一种用于操作分析门户的***。该***包括:门户访问控制模块42,其被配置成评价用户或群组的证书;门户组件库46,其被配置成存储一个或多个门户组件48;以及布局控制模块44,其被配置成基于门户元数据和一个或多个门户组件来初始化一个或多个门户页面。
本申请经由一个或多个示例描述了本发明的各实施例。然而,如将对于本领域技术人员是显而易见的,可以在不脱离本发明的精神和范围的情况下对所描述的示例和实施例做出各种修改和改变。这样的修改和改变包括在本申请的范围之内。
本申请描述了各种技术上可实现的分析***和方法。本申请中描述的任何实施例的商业实现可以经受适用的隐私法。
Claims (12)
1.一种用于推断网络中的用户设备的位置的方法,所述方法包括:
检索多个事件记录,每一个事件记录对应于网络中的用户设备事件,所述记录包括用户设备标识符、时间信息和位置信息;
针对特定的用户设备标识不存在多个事件记录中的事件记录的时间段;
基于所标识的时间段检索与多个记录的事件记录不同的一个或多个其他事件记录;以及
基于一个或多个所检索的事件记录推断所标识的时间段期间的针对用户设备的位置。
2.根据权利要求1所述的方法,其中,基于未记录的时间段检索一个或多个其他事件记录包括:
检索之前的事件记录,其包括对应于用户设备的设备标识符和对应于未记录的时间段之前的时间段的时间信息;和/或
检索之后的事件记录,其包括对应于用户设备的设备标识符和对应于未记录的时间段之后的时间段的时间信息。
3.根据权利要求2所述的方法,其中,之前的事件记录包括与第一位置相关的位置数据,并且之后的事件记录包括与第二位置相关的位置数据,并且其中所述方法还包括:
检索第一位置和第二位置之间的路由;以及
推断用户设备在未记录的时间段期间沿着所述路由经过。
4.根据权利要求3所述的方法,其中,用户设备与用户相关联,并且其中基于未记录的时间段检索一个或多个其他事件记录包括:
检索一个或多个其他事件记录,每一个其他事件记录具有对应于与用户相关联的第二用户设备的第二设备标识符。
5.根据权利要求1所述的方法,其中,针对特定的用户设备标识不存在多个事件记录中的事件记录的时间段包括:
针对用户设备生成用于用户设备的矩阵,所述矩阵包括多个时隙;
基于事件记录而记录至少一些时隙处的位置;以及
通过检索矩阵的行中的一个或多个连续时隙来确定所标识的时间段,所述时隙中的每一个不具有分配的位置。
6.根据权利要求5所述的方法,其中矩阵的多个时隙被布置为每一个行涉及一日的多个行以及每一个列涉及一日中的时间的多个列。
7.根据权利要求6所述的方法,其中其他所检索的记录中的每一个对应于矩阵的行中的条目,并且其中基于一个或多个所检索的事件记录推断所标识的时间段期间的针对用户设备的位置包括:
针对所标识的时间段中的每一个时隙,计算针对时隙的列的其他所检索的记录中的最常见位置;以及
将最常见位置记录为在所述时隙中的位置。
8.根据前述权利要求中的任一项所述的方法,其中,时间段涉及一周中的一日,并且其中检索一个或多个其他事件记录包括检索涉及一周中的相同日子的一个或多个其他事件记录。
9.根据前述权利要求中的任一项所述的方法,还包括:
计算用于推断位置的置信度值;以及
在置信度值超过阈值的情况下,记录针对用户设备的位置。
10.一种用于推断网络中的用户设备对服务的使用的方法,所述方法包括:
检索多个事件记录,每一个事件记录对应于网络中的用户设备事件,所述记录包括用户设备标识符、时间信息和服务信息;
针对特定的用户设备标识不存在多个事件记录中的事件记录的时间段;
基于所标识的时间段检索与多个记录的事件记录不同的一个或多个其他事件记录;以及
基于一个或多个所检索的事件记录推断所标识的时间段期间的针对用户设备的服务的使用。
11.根据权利要求10所述的方法,还包括在标识时间段之前:
监视用户设备已经从第一网络移动到第二网络。
12.一种具有存储在其上的计算机可执行指令的计算机可读介质,所述指令当由计算机执行时使得所述计算机执行权利要求1至11中的任一项的方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1311037.4 | 2013-06-20 | ||
GB201311037A GB201311037D0 (en) | 2013-06-20 | 2013-06-20 | Collecting user movement information in a wireless network |
GB201316022A GB201316022D0 (en) | 2013-09-09 | 2013-09-09 | Collecting user movement information in a wireless network |
GB1316022.1 | 2013-09-09 | ||
PCT/GB2014/051903 WO2014203002A1 (en) | 2013-06-20 | 2014-06-20 | Location inference |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105474247A true CN105474247A (zh) | 2016-04-06 |
Family
ID=51134133
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480046004.1A Pending CN105474247A (zh) | 2013-06-20 | 2014-06-20 | 位置推断 |
CN201480046006.0A Pending CN105453121A (zh) | 2013-06-20 | 2014-06-20 | 用于分析学的位置分析 |
CN201480046002.2A Pending CN105556554A (zh) | 2013-06-20 | 2014-06-20 | 多个设备相关性 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480046006.0A Pending CN105453121A (zh) | 2013-06-20 | 2014-06-20 | 用于分析学的位置分析 |
CN201480046002.2A Pending CN105556554A (zh) | 2013-06-20 | 2014-06-20 | 多个设备相关性 |
Country Status (4)
Country | Link |
---|---|
US (3) | US20160224901A1 (zh) |
EP (3) | EP3011525A1 (zh) |
CN (3) | CN105474247A (zh) |
WO (3) | WO2014203001A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418782A (zh) * | 2017-02-10 | 2018-08-17 | 瞻博网络公司 | 经代理安全会话的粒度卸载 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014203001A1 (en) * | 2013-06-20 | 2014-12-24 | Vodafone Ip Licensing Limited | Multiple device correlation |
CN106663105B (zh) * | 2014-06-27 | 2020-12-01 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
US10523736B2 (en) | 2014-06-30 | 2019-12-31 | Microsoft Technology Licensing, Llc | Determining an entity's hierarchical relationship via a social graph |
CN105989079B (zh) * | 2015-02-11 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 获取设备指纹的方法及装置 |
CN107251515B (zh) * | 2015-02-17 | 2021-03-26 | 瑞典爱立信有限公司 | Ip多媒体子***网络中的位置信息提供 |
US20160248825A1 (en) * | 2015-02-25 | 2016-08-25 | Chian Chiu Li | Registration-Free Location-Based Social Networks |
US20160277526A1 (en) * | 2015-03-18 | 2016-09-22 | Facebook, Inc. | Systems and methods for determining household membership |
US10068027B2 (en) | 2015-07-22 | 2018-09-04 | Google Llc | Systems and methods for selecting content based on linked devices |
US10497023B2 (en) * | 2015-10-02 | 2019-12-03 | Adobe Inc. | Generating persistent profile identifiers |
US10348567B2 (en) * | 2015-10-15 | 2019-07-09 | Microsoft Technology Licensing, Llc | Mapping user identifiers between different device ecosystems |
US10110435B2 (en) * | 2015-11-10 | 2018-10-23 | Adobe Systems Incorporated | Techniques for associating variable versions of a cluster of devices identified at different times with the same user by assigning cluster identifiers |
US10255371B2 (en) * | 2016-09-19 | 2019-04-09 | Adobe Systems Incorporated | Methods and systems for identifying multiple devices belonging to a single user by merging deterministic and probabilistic data to generate a cross device data structure |
US9949230B1 (en) | 2016-12-07 | 2018-04-17 | At&T Intectual Property I, L.P. | Base station identification based location quality data determination |
WO2018121862A1 (en) * | 2016-12-29 | 2018-07-05 | Telecom Italia S.P.A. | Method and system for providing a proximity service to a mobile terminal in a smart space |
US10666720B2 (en) * | 2017-02-08 | 2020-05-26 | Free Stream Media Corp. | Maintenance of persistent master identifier for clusters of user identifiers across a plurality of devices |
US10979284B2 (en) * | 2017-04-28 | 2021-04-13 | Google Llc | Systems and methods for providing cross-network event attribution |
KR102138553B1 (ko) * | 2017-07-19 | 2020-07-28 | 미쓰비시덴키 가부시키가이샤 | 행동 가시화 장치 및 행동 가시화 방법 |
US10878051B1 (en) * | 2018-03-30 | 2020-12-29 | Palantir Technologies Inc. | Mapping device identifiers |
EP3570569B1 (en) * | 2018-05-17 | 2020-12-09 | Motionlogic GmbH | Measuring and analyzing the movement of mobile devices with the help of a wireless telecommunication network |
WO2020085993A1 (en) * | 2018-10-26 | 2020-04-30 | Eureka Analytics Pte. Ltd. | Mathematical summaries of telecommunications data for data analytics |
CN110781743B (zh) * | 2019-09-23 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 一种人群聚集事件的处理方法、装置及电子设备 |
US20230164734A1 (en) * | 2020-05-08 | 2023-05-25 | Nokia Solutions And Networks Oy | Methods and apparatuses for positioning |
US20230188937A1 (en) * | 2021-12-15 | 2023-06-15 | WootCloud Inc. | Systems and Methods for Computing Device Association |
US20240104411A1 (en) * | 2022-03-07 | 2024-03-28 | William Holloway Petrey, JR. | System and method for predicting the presence of an entity at certain locations |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080248815A1 (en) * | 2007-04-08 | 2008-10-09 | James David Busch | Systems and Methods to Target Predictive Location Based Content and Track Conversions |
US20100137003A1 (en) * | 2008-12-02 | 2010-06-03 | Verint Systems Ltd. | System and method for target location profiling |
US20120226523A1 (en) * | 2009-10-23 | 2012-09-06 | Cadio, Inc. | Performing studies of consumer behavior determined using electronically-captured consumer location data |
KR20120120783A (ko) * | 2011-04-25 | 2012-11-02 | 성균관대학교산학협력단 | 위치기반서비스를 이용한 음식점 검색 시스템 |
US20130124333A1 (en) * | 2011-11-11 | 2013-05-16 | Jumptap, Inc. | Creation of a universal profile of a user by identifying similar user-managed assets on a plurality of devices of the user |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090187463A1 (en) * | 2008-01-18 | 2009-07-23 | Sony Corporation | Personalized Location-Based Advertisements |
US8260553B2 (en) * | 2008-09-30 | 2012-09-04 | Nokia Corporation | Methods, apparatuses, and computer program products for providing user location information |
US8296046B2 (en) * | 2009-12-08 | 2012-10-23 | At&T Intellectual Property I, L.P. | Cellular-based live traffic service |
CN102238584B (zh) * | 2010-05-04 | 2014-03-12 | ***通信集团安徽有限公司 | 区域客流量监测装置、***与方法 |
CN102222370B (zh) * | 2011-06-17 | 2014-09-24 | 软库创投(北京)科技有限公司 | 终端设备、数据服务器、签到方法、签到处理方法及*** |
US8385943B1 (en) * | 2012-05-02 | 2013-02-26 | YFIND Technologies Pte. Ltd. | Method and apparatus for determining location information of a position in a multi-storey building |
US8954737B2 (en) * | 2013-06-18 | 2015-02-10 | Palo Alto Research Center Incorporated | Method and apparatus for performing distributed privacy-preserving computations on user locations |
WO2014203001A1 (en) * | 2013-06-20 | 2014-12-24 | Vodafone Ip Licensing Limited | Multiple device correlation |
-
2014
- 2014-06-20 WO PCT/GB2014/051902 patent/WO2014203001A1/en active Application Filing
- 2014-06-20 CN CN201480046004.1A patent/CN105474247A/zh active Pending
- 2014-06-20 EP EP14736012.7A patent/EP3011525A1/en not_active Withdrawn
- 2014-06-20 EP EP14736011.9A patent/EP3011524A1/en not_active Withdrawn
- 2014-06-20 US US14/977,346 patent/US20160224901A1/en not_active Abandoned
- 2014-06-20 CN CN201480046006.0A patent/CN105453121A/zh active Pending
- 2014-06-20 EP EP14736010.1A patent/EP3011523A1/en not_active Withdrawn
- 2014-06-20 CN CN201480046002.2A patent/CN105556554A/zh active Pending
- 2014-06-20 WO PCT/GB2014/051903 patent/WO2014203002A1/en active Application Filing
- 2014-06-20 US US14/977,333 patent/US20160196494A1/en not_active Abandoned
- 2014-06-20 WO PCT/GB2014/051901 patent/WO2014203000A1/en active Application Filing
- 2014-06-20 US US14/977,351 patent/US20160294963A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080248815A1 (en) * | 2007-04-08 | 2008-10-09 | James David Busch | Systems and Methods to Target Predictive Location Based Content and Track Conversions |
US20100137003A1 (en) * | 2008-12-02 | 2010-06-03 | Verint Systems Ltd. | System and method for target location profiling |
US20120226523A1 (en) * | 2009-10-23 | 2012-09-06 | Cadio, Inc. | Performing studies of consumer behavior determined using electronically-captured consumer location data |
KR20120120783A (ko) * | 2011-04-25 | 2012-11-02 | 성균관대학교산학협력단 | 위치기반서비스를 이용한 음식점 검색 시스템 |
US20130124333A1 (en) * | 2011-11-11 | 2013-05-16 | Jumptap, Inc. | Creation of a universal profile of a user by identifying similar user-managed assets on a plurality of devices of the user |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418782A (zh) * | 2017-02-10 | 2018-08-17 | 瞻博网络公司 | 经代理安全会话的粒度卸载 |
CN108418782B (zh) * | 2017-02-10 | 2020-10-30 | 瞻博网络公司 | 用于经代理的安全会话的粒度卸载的方法、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3011525A1 (en) | 2016-04-27 |
WO2014203001A1 (en) | 2014-12-24 |
WO2014203000A1 (en) | 2014-12-24 |
EP3011524A1 (en) | 2016-04-27 |
US20160294963A1 (en) | 2016-10-06 |
CN105453121A (zh) | 2016-03-30 |
CN105556554A (zh) | 2016-05-04 |
EP3011523A1 (en) | 2016-04-27 |
WO2014203002A1 (en) | 2014-12-24 |
US20160196494A1 (en) | 2016-07-07 |
US20160224901A1 (en) | 2016-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105474247A (zh) | 位置推断 | |
Trépanier et al. | Individual trip destination estimation in a transit smart card automated fare collection system | |
US8768867B1 (en) | Crowd Prediction and attendance forecasting | |
Di Lorenzo et al. | Allaboard: Visual exploration of cellphone mobility data to optimise public transport | |
KR102121361B1 (ko) | 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 | |
CN102314488B (zh) | 针对特定的人口统计和使用率分布从网络服务器数据获取匿名观众测量数据的方法和装置 | |
KR101233689B1 (ko) | 웹 기반 통합건물관리 시스템 | |
Barceló et al. | A kalman filter approach for exploiting bluetooth traffic data when estimating time-dependent od matrices | |
Nielsen et al. | Estimating passenger numbers in trains using existing weighing capabilities | |
CN106462858A (zh) | 通过数据库所有者针对错误认定和/或未覆盖补偿印象数据的方法和装置 | |
WO2018035143A1 (en) | Integrated solution of internet of things and smart grid network | |
US20140188565A1 (en) | Customer demographic data change detection based on monitored utility consumption | |
US20160142917A1 (en) | Customer demographic information system and method | |
Yang et al. | A GIS‐based method to identify cost‐effective routes for rural deviated fixed route transit | |
CN101207788A (zh) | 交互式网络电视***的收视率统计方法和*** | |
CN106384312A (zh) | 一种旅游团队服务管理平台 | |
US20080294450A1 (en) | Marketing support processing method, system and program | |
JP6932533B2 (ja) | 分析支援装置 | |
JP2019139654A (ja) | 提供装置、提供方法及び提供プログラム | |
AU2016333155B2 (en) | Mapping web impressions to a unique audience | |
Woods et al. | Exploring methods for mapping seasonal population changes using mobile phone data | |
Raghothama et al. | Analytics on public transport delays with spatial big data | |
US20210224830A1 (en) | System and method for calculating and benchmarking an entity's overtourism score | |
US10885499B2 (en) | Apparatus, system, and method for managing presentation, and recording medium | |
KR102250648B1 (ko) | 온라인 쇼핑의 소비 패턴을 통한 택배사 추천 서비스 제공 방법 및 서버 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160406 |
|
WD01 | Invention patent application deemed withdrawn after publication |