CN109828967A - 一种伴随关系获取方法、***、设备、存储介质 - Google Patents
一种伴随关系获取方法、***、设备、存储介质 Download PDFInfo
- Publication number
- CN109828967A CN109828967A CN201811464229.5A CN201811464229A CN109828967A CN 109828967 A CN109828967 A CN 109828967A CN 201811464229 A CN201811464229 A CN 201811464229A CN 109828967 A CN109828967 A CN 109828967A
- Authority
- CN
- China
- Prior art keywords
- space
- time
- information
- identity characteristic
- accompanying relationship
- 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
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种伴随关系获取方法、***、设备、存储介质，其中，一种基于时空轨迹的伴随关系获取方法及***，通过排除对应同一个个体的具有时空相似性的身份特征对以获取到对应不同个体的具有时空相似性的身份特征，利用这些身份特征获取第一伴随关系信息，仅计算具有时空相似性且非同一个个体的数据。另一方面，本发明中一种伴随关系获取方法及***，根据与mac地址对应的虚拟社交身份获取虚拟社交身份之间存在的第二伴随关系信息，再利用上述获取到的第一伴随关系信息，再根据mac地址实现第一伴随关系信息和第二伴随关系信息的融合，获取组合伴随关系信息，有效的弥补了原有方法中数据稀疏的问题，进一步提升了伴随关系中身份特征的广度。
Description
技术领域
本发明涉及伴随关系挖掘领域，尤其是一种伴随关系获取方法、***、设备、存储介质。
背景技术
伴随关系是一种在时间和空间维度上具有非常密切程度的关联的两个或者多个个体之间的关系。
随着科技技术的发展，利用软件获取多个个体之间存在伴随关系可以帮助警方破解案件，提高破案效率，具有重要的意义。现有技术中，伴随关系的获取方法有：第一种，针对个体的现实出行轨迹数据的时空关联关系进行分析以获取个体之间的伴随关系，这种方法不仅计算量大，而且所获取的伴随关系的数据稀疏；第二种，利用虚拟社交身份进行关联关系分析以获取伴随关系，由于虚拟身份与真实个体之间的对应关系极为模糊，难以从虚拟个体转换为真实个体。因此，有必要对这一技术进行改进。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种基于时空轨迹的伴随关系获取方法。
为此，本发明的第二个目的是提供一种伴随关系获取方法，获取组合伴随关系，进一步地提高伴随关系的数据广度。
本发明所采用的技术方案是：
第一方面，本发明提供一种基于时空轨迹的伴随关系获取方法，包括以下步骤：
时空轨迹获取步骤，获取身份特征的时空轨迹信息，所述身份特征为表示一个个体的设备唯一编码信息，所述时空轨迹信息包括身份特征出现的位置信息和时间信息；
身份特征对获取步骤，根据所述时空轨迹信息判断任意两个所述身份特征的时空相似度以获取具有时空相似性的身份特征对；
身份特征对排除步骤，判断具有时空相似性的身份特征对是否对应同一个个体以获取对应不同个体的具有时空相似性的身份特征；
伴随关系获取步骤，根据对应不同个体的具有时空相似性的身份特征获取第一伴随关系信息。
进一步地，所述时空轨迹获取步骤具体包括：
获取身份特征的时空轨迹点集合作为所述身份特征的时空轨迹信息；
所述时空轨迹点集合包括多个时空轨迹点，所述时空轨迹点的信息包括身份特征出现的位置信息和时间信息。
进一步地，所述身份特征对获取步骤具体包括：
根据所述时空轨迹点集合获取任意两个所述身份特征的欧氏距离；
根据所述欧氏距离和预设欧式距离阈值获取任意两个所述身份特征的时空相似度；
根据所述时空相似度和预设时空相似度阈值判断任意两个所述身份特征是否具有时空相似性，以获取具有时空相似性的身份特征对。
进一步地，所述身份特征对排除步骤具体包括：
获取具有时空相似性的身份特征对在相同时间下的轨迹点的欧式距离；
根据所述轨迹点的欧氏距离判断轨迹点的时空相似度，以获取所述身份特征对具有时空相似性的轨迹点的个数；
根据所述个数和预设个数排除身份特征对应同一个个体的身份特征对，以获取对应不同个体且具有时空相似性的身份特征。
进一步地，所述伴随关系获取步骤具体包括：
根据对应不同个体的具有时空相似性的身份特征和频繁模式挖掘算法获取第一伴随关系信息。
进一步地，所述设备唯一编码信息包括mac地址、imsi地址或IC卡***。
第二方面，本发明提供一种基于时空轨迹的伴随关系获取***，包括：
时空轨迹获取模块，用于获取身份特征的时空轨迹信息，所述身份特征为表示一个个体的设备唯一编码信息，所述时空轨迹信息包括身份特征出现的位置信息和时间信息；
身份特征对获取模块，用于根据所述时空轨迹信息判断任意两个所述身份特征的时空相似度以获取具有时空相似性的身份特征对；
身份特征对排除模块，用于判断具有时空相似性的身份特征对是否对应同一个个体以获取对应不同个体的具有时空相似性的身份特征；
伴随关系获取模块，用于根据对应不同个体的具有时空相似性的身份特征获取第一伴随关系信息。
第三方面，本发明提供一种伴随关系获取方法，包括以下步骤：
第一伴随关系信息获取步骤，利用所述的基于时空轨迹的伴随关系获取方法获取第一伴随关系信息，其中，设备唯一编码信息为mac地址和imsi地址，或者为mac地址和IC卡***，或者为mac地址、imsi地址和IC卡***；
第二伴随关系信息获取步骤，根据与mac地址对应的虚拟社交身份获取所述虚拟社交身份之间存在的第二伴随关系信息；
组合伴随关系信息获取步骤，根据所述第一伴随关系信息、所述第二伴随关系信息和两个伴随关系中相同的mac地址获取组合伴随关系信息。
第四方面，本发明提供一种伴随关系获取***，包括：
第一伴随关系信息获取模块，用于利用所述的基于时空轨迹的伴随关系获取方法获取第一伴随关系信息，其中，设备唯一编码信息为mac地址和imsi地址，或者为mac地址和IC卡***，或者为mac地址、imsi地址和IC卡***；
第二伴随关系信息获取模块，用于根据与mac地址对应的虚拟社交身份获取所述虚拟社交身份之间存在的第二伴随关系信息；
组合伴随关系信息获取模块，用于根据所述第一伴随关系信息、所述第二伴随关系信息和两个伴随关系中相同的mac地址获取组合伴随关系信息。
第五方面，本发明提供一种伴随关系获取设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的基于时空轨迹的伴随关系获取方法或所述的伴随关系获取方法。
第六方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行所述的基于时空轨迹的伴随关系获取方法或所述的伴随关系获取方法。
本发明的有益效果是：
本发明中一种基于时空轨迹的伴随关系获取方法及***，通过排除对应同一个个体的具有时空相似性的身份特征对以获取到对应不同个体的具有时空相似性的身份特征，利用这些身份特征获取第一伴随关系信息，由于属于同一个个体的身份特征的情况不属于伴随的范畴，本发明对这部分数据进行清洗，仅计算具有时空相似性且非同一个个体的数据。另一方面，本发明中一种伴随关系获取方法及***，根据与mac地址对应的虚拟社交身份获取虚拟社交身份之间存在的第二伴随关系信息，再利用上述获取到的第一伴随关系信息，再根据mac地址实现第一伴随关系信息和第二伴随关系信息的融合，获取组合伴随关系信息，有效的弥补了原有方法中数据稀疏的问题，进一步提升了伴随关系中身份特征的广度。
另外，本发明还通过计算具有时空相似性的身份特征对在相同时间下的轨迹点的欧氏距离以判断轨迹点的时空相似度，获取身份特征对具有时空相似性的轨迹点的个数，最后根据轨迹点的个数判断身份特征对是否对应同一个个体，进而可以排除多个身份特征对应同一个个体的情况，获取到身份特征对应不同个体且具有时空相似性的身份特征。
附图说明
图1是本发明中一种基于时空轨迹的伴随关系获取方法的一具体实施例流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
参考图1，图1是本发明中一种基于时空轨迹的伴随关系获取方法的一具体实施例流程图，一种基于时空轨迹的伴随关系获取方法包括以下步骤：
时空轨迹获取步骤，获取身份特征的时空轨迹信息，身份特征为表示一个个体的设备唯一编码信息，时空轨迹信息包括身份特征出现的位置信息和时间信息，具体地，时空轨迹信息指设备唯一编码信息被采集的具体时间以及采集设备唯一编码信息的采集设备的具***置；
身份特征对获取步骤，根据时空轨迹信息判断任意两个身份特征的时空相似度以获取具有时空相似性的身份特征对；
身份特征对排除步骤，判断具有时空相似性的身份特征对是否对应同一个个体，排除对应同一个个体的身份特征，以获取对应不同个体的具有时空相似性的身份特征；
伴随关系获取步骤，根据对应不同个体的具有时空相似性的身份特征的时空轨迹信息获取第一伴随关系信息。
本实施例中，基于时空轨迹的伴随关系获取方法，通过排除对应同一个个体的具有时空相似性的身份特征对以获取到对应不同个体的具有时空相似性的身份特征，利用这些身份特征获取第一伴随关系信息，由于属于同一个个体的身份特征的情况，不属于伴随的范畴，本发明对这部分数据进行清洗，仅计算具有时空相似性且非同一个个体的数据。
下面对基于时空轨迹的伴随关系获取方法做具体说明：
第一步骤，时空轨迹获取步骤具体包括：
获取身份特征的时空轨迹点集合作为身份特征的时空轨迹信息；
时空轨迹点集合包括多个时空轨迹点，时空轨迹点的信息包括身份特征出现的位置信息和时间信息。具体地，代表身份特征的设备唯一编码信息包括mac地址、imsi地址或IC卡***，对于任意一个mac地址、imsi地址、IC卡***可以唯一对应到一个个体，表示一个个体的特征。其中，mac地址为移动终端的mac(Media Access Control Address)地址，mac地址是移动终端的电子标签，即唯一身份标识码；imsi(International MobileSubscriber Identification Number)地址是手机SIM卡的串码，唯一对应一张SIM卡；而智能交通IC卡是城市交通一卡通，个体公共交通出行的交易记录(带时间和空间信息)能对应到智能公交IC卡***，即IC卡的卡id。也就是说每一个身份特征都唯一对应一个个体。
本实施例中，主要是通过mac地址和imsi地址被采集的时空信息及IC卡交易的时空信息作为个体的时空轨迹信息，具体地，mac地址的采集信息为被采集设备的mac地址，时间戳(即采集时间，如2018-09-18 12：23：43)，采集信息的设备(用于采集被采集设备的信息)的设备编码，采集信息的设备所在的经度，纬度，高度)，其中时间戳表示mac地址被采集的时间信息，采集信息的设备的经度和纬度标识了mac地址被采集的空间信息。同理，imsi地址的采集信息为被采集设备的imsi地址，时间戳(即采集时间，如2018-09-18 12：23：43)，采集信息的设备(用于采集被采集设备的信息)的设备编码，采集信息的设备所在的经度，纬度，高度)，其中时间戳表示imsi地址被采集的时间信息，采集信息的设备的经度和纬度标识了imsi地址被采集的空间信息。而智能交通IC卡交易记录信息为IC卡id，时间戳(即交易时间，如2018-09-18 12：23：43)，与IC卡交易的设备的设备编码，与IC卡交易的设备所在的经度，纬度，高度)，其中时间戳表示IC卡交易的时间信息，与IC卡交易的设备所在经度和纬度标识了IC卡交易的空间信息。后续进行伴随关系挖掘只需mac地址、imsi地址、IC卡***、时间戳、经度、纬度、高度这些信息，而获取采集信息的设备以及与IC卡交易的设备的设备编码是为了完善时空轨迹信息，实现信息有迹可循。
第二步骤，身份特征对获取步骤是基于STS(Spatial Temporal Similarity)模型获取任意两个具有时空相似性的身份特征对，身份特征对获取步骤具体包括：
根据时空轨迹点集合获取任意两个身份特征的欧氏距离；
公式(1)和(2)为分别对应身份特征(可以是一个mac地址或者一个imsi地址，或者一个IC卡***)Pi和Pj的历史时空轨迹点集合，其中t代表时间戳，L代表对应时间点下身份特征出现的位置,位置可细化到经度，纬度和高度(latitude,longitude,altitude)。利用公式(3)计算Pi和Pj之间的欧式距离。
根据欧氏距离和预设欧式距离阈值获取任意两个身份特征的时空相似度；设置预设欧式距离阈值K，通过欧式距离计算任意两个身份特征的时空相似度p，
根据时空相似度和预设时空相似度阈值判断任意两个身份特征是否具有时空相似性，以获取具有时空相似性的身份特征对。设置预设时空相似度阈值σ，当p<σ时，则认为Pi和Pj具有空间相似性；否则，Pi和Pj没有空间相似性。
第三步骤，身份特征对排除步骤是对于具有时空相似性的身份特征对，利用RV(Random Verify)模型获取对应非同一个体的具有时空相似性的身份特征对，也即获取得到对应非同一个个体且具有时空相似性的身份特征的集合，身份特征对排除步骤具体包括：
获取具有时空相似性的身份特征对在相同时间下的轨迹点的欧式距离；
根据轨迹点的欧氏距离判断轨迹点的时空相似度，以获取身份特征对具有时空相似性的轨迹点的个数；
根据个数和预设个数排除身份特征对应同一个个体的身份特征对，以获取对应不同个体且具有时空相似性的身份特征。
具体地，对于具有空间相似性的个体Pi和Pj，对Pi,Pj的所有时空轨迹点中具有相同时间信息的轨迹点(tij,Lik)和(tij,Ljk)均计算Dij(Pi,Pj)，Pi和Pj具有相同时间信息的轨迹点的总数为N个。其中，计算Pi和Pj的时空相似度设置预设时空相似度阈值σ，当pij<σ，则表示轨迹点(tij,Lik)和(tij,Ljk)具有时空相似性，则具有时空相似性的轨迹点的总数n加一(n从0开始)；否则认为轨迹点(tij,Lik)和(tij,Ljk)之间没有时空相似性，则没有时空相似性的轨迹点的总数k加一(k从0开始)。而k+n＝N，设置没有时空相似性的轨迹点的预设总数阈值为μ，当k>μ时，则认为Pi,Pj所表示的身份特征不是对应同一个个体，Pi,Pj为具有伴随关系的个体；否则认为Pi,Pj所表示的身份特征为对应同一个个体的两个身份特征，身份特征Pi,Pj可以排除，剩余的身份特征构成对应不同个体且具有时空相似性的身份特征集合。
第四步骤，伴随关系获取步骤具体包括：
根据对应不同个体的具有时空相似性的身份特征和频繁模式挖掘算法获取第一伴随关系信息。对于对应非同一个体的具有时空相似性的身份特征集合，本实施例中，利用FP(Frequent Pattern)算法计算具有相同模式(即相同时空相似性)的所有个体集合获得具有伴随关系的个体的集合，实现伴随关系挖掘。
实施例2
基于实施例1得到实施例2，一种基于时空轨迹的伴随关系获取***，包括：
时空轨迹获取模块，用于获取身份特征的时空轨迹信息，身份特征为表示一个个体的设备唯一编码信息，时空轨迹信息包括身份特征出现的位置信息和时间信息；
身份特征对获取模块，用于根据时空轨迹信息判断任意两个身份特征的时空相似度以获取具有时空相似性的身份特征对；
身份特征对排除模块，用于判断具有时空相似性的身份特征对是否对应同一个个体以获取对应不同个体的具有时空相似性的身份特征；
伴随关系获取模块，用于根据对应不同个体的具有时空相似性的身份特征获取第一伴随关系信息。
一种基于时空轨迹的伴随关系获取***的具体工作过程可参照实施例1的具体描述，不再赘述。一种基于时空轨迹的伴随关系获取***剔除对应同一个个体的身份特征，以明确计算不同个体之间的伴随行为。
实施例3
人群的聚类存在于具有虚拟社交关系的群体中，同时也存在于具有强时空关联的群体中。因此，本实施例提出一种伴随关系获取方法，包括以下步骤：
第一伴随关系信息获取步骤，利用所述的基于时空轨迹的伴随关系获取方法获取第一伴随关系信息，其中，设备唯一编码信息可以为mac地址和imsi地址，也可以是mac地址和IC卡***，还可以是mac地址、imsi地址和IC卡***；而关于基于时空轨迹的伴随关系获取方法的具体描述参照实施例1的具体描述，不再赘述；
第二伴随关系信息获取步骤，根据与mac地址对应的虚拟社交身份获取虚拟社交身份之间存在的第二伴随关系信息；由于终端在连接互联网的时候mac地址可以被记录，同时在终端登陆的QQ、微信、微博等虚拟电子身份也会被记录，则可以获取到mac地址和虚拟电子身份的绑定关系。由于一台终端可能登陆多个账号，账号与账号之间具有社交关系，然后利用主流的社交网络聚类算法，获取各个mac地址对应的虚拟电子身份之间的伴随(即聚类)关系。
组合伴随关系信息获取步骤，根据第一伴随关系信息、第二伴随关系信息和两个伴随关系中相同的mac地址获取组合伴随关系信息。由于第一伴随关系信息中有mac地址，第二伴随关系信息中同样有mac地址，所以将两个聚类结果基于相同的mac地址进行串联可以得到组合伴随关系信息。
本实施例的方法将现实时空轨迹数据、虚拟社交身份数据等多维数据进行融合，挖掘人员的伴随关系，突破仅基于社交虚拟关系或时空关系得到人员的伴随关系的计算方法，采用一种融合的计算思路，在当今时代移动终端应用越来越广泛地情况下，将进一步扩展人员关系获取路径，拓展人群聚类的计算思路。
本实施例中，一种伴随关系获取方法，根据与mac地址对应的虚拟社交身份获取虚拟社交身份之间存在的第二伴随关系信息，再利用上述获取到的第一伴随关系信息，再根据mac地址实现第一伴随关系信息和第二伴随关系信息的融合，获取组合伴随关系信息，可以进一步地提高伴随关系的数据广度。
实施例4
一种伴随关系获取***，包括：
第一伴随关系信息获取模块，用于利用所述的基于时空轨迹的伴随关系获取方法获取第一伴随关系信息，其中，设备唯一编码信息可以为mac地址和imsi地址，也可以是mac地址和IC卡***，还可以是mac地址、imsi地址和IC卡***；而关于基于时空轨迹的伴随关系获取方法的具体描述参照实施例1的具体描述，不再赘述；
第二伴随关系信息获取模块，用于根据与mac地址对应的虚拟社交身份获取虚拟社交身份之间存在的第二伴随关系信息；
组合伴随关系信息获取模块，用于根据第一伴随关系信息、第二伴随关系信息和两个伴随关系中相同的mac地址获取组合伴随关系信息。
本实施例的伴随关系获取***的具体工作过程参照实施例3的具体描述，不再赘述。伴随关系获取***融合虚拟社交身份以及时空轨迹信息实现伴随关系挖掘，可进一步提高伴随关系的数据广度。
实施例5
一种伴随关系获取设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的基于时空轨迹的伴随关系获取方法或所述的伴随关系获取方法。
实施例6
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行所述的基于时空轨迹的伴随关系获取方法或所述的伴随关系获取方法。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于时空轨迹的伴随关系获取方法，其特征在于，包括以下步骤：
时空轨迹获取步骤，获取身份特征的时空轨迹信息，所述身份特征为表示一个个体的设备唯一编码信息，所述时空轨迹信息包括身份特征出现的位置信息和时间信息；
身份特征对获取步骤，根据所述时空轨迹信息判断任意两个所述身份特征的时空相似度以获取具有时空相似性的身份特征对；
身份特征对排除步骤，判断具有时空相似性的身份特征对是否对应同一个个体以获取对应不同个体的具有时空相似性的身份特征；
伴随关系获取步骤，根据对应不同个体的具有时空相似性的身份特征获取第一伴随关系信息。
2.根据权利要求1所述的基于时空轨迹的伴随关系获取方法，其特征在于，所述时空轨迹获取步骤具体包括：
获取身份特征的时空轨迹点集合作为所述身份特征的时空轨迹信息；
所述时空轨迹点集合包括多个时空轨迹点，所述时空轨迹点的信息包括身份特征出现的位置信息和时间信息。
3.根据权利要求2所述的基于时空轨迹的伴随关系获取方法，其特征在于，所述身份特征对获取步骤具体包括：
根据所述时空轨迹点集合获取任意两个所述身份特征的欧氏距离；
根据所述欧氏距离和预设欧式距离阈值获取任意两个所述身份特征的时空相似度；
根据所述时空相似度和预设时空相似度阈值判断任意两个所述身份特征是否具有时空相似性，以获取具有时空相似性的身份特征对。
4.根据权利要求2所述的基于时空轨迹的伴随关系获取方法，其特征在于，所述身份特征对排除步骤具体包括：
获取具有时空相似性的身份特征对在相同时间下的轨迹点的欧式距离；
根据所述轨迹点的欧氏距离判断轨迹点的时空相似度，以获取所述身份特征对具有时空相似性的轨迹点的个数；
根据所述个数和预设个数排除身份特征对应同一个个体的身份特征对，以获取对应不同个体且具有时空相似性的身份特征。
5.根据权利要求1至4任一项所述的基于时空轨迹的伴随关系获取方法，其特征在于，所述设备唯一编码信息包括mac地址、imsi地址或IC卡***。
6.一种基于时空轨迹的伴随关系获取***，其特征在于，包括：
时空轨迹获取模块，用于获取身份特征的时空轨迹信息，所述身份特征为表示一个个体的设备唯一编码信息，所述时空轨迹信息包括身份特征出现的位置信息和时间信息；
身份特征对获取模块，用于根据所述时空轨迹信息判断任意两个所述身份特征的时空相似度以获取具有时空相似性的身份特征对；
身份特征对排除模块，用于判断具有时空相似性的身份特征对是否对应同一个个体以获取对应不同个体的具有时空相似性的身份特征；
伴随关系获取模块，用于根据对应不同个体的具有时空相似性的身份特征获取第一伴随关系信息。
7.一种伴随关系获取方法，其特征在于，包括以下步骤：
第一伴随关系信息获取步骤，利用权利要求1至5任一项所述的基于时空轨迹的伴随关系获取方法获取第一伴随关系信息，其中，设备唯一编码信息为mac地址和imsi地址，或者为mac地址和IC卡***，或者为mac地址、imsi地址和IC卡***；
第二伴随关系信息获取步骤，根据与mac地址对应的虚拟社交身份获取所述虚拟社交身份之间存在的第二伴随关系信息；
组合伴随关系信息获取步骤，根据所述第一伴随关系信息、所述第二伴随关系信息和两个伴随关系中相同的mac地址获取组合伴随关系信息。
8.一种伴随关系获取***，其特征在于，包括：
第一伴随关系信息获取模块，用于利用权利要求1至5任一项所述的基于时空轨迹的伴随关系获取方法获取第一伴随关系信息，其中，设备唯一编码信息为mac地址和imsi地址，或者为mac地址和IC卡***，或者为mac地址、imsi地址和IC卡***；
第二伴随关系信息获取模块，用于根据与mac地址对应的虚拟社交身份获取所述虚拟社交身份之间存在的第二伴随关系信息；
组合伴随关系信息获取模块，用于根据所述第一伴随关系信息、所述第二伴随关系信息和两个伴随关系中相同的mac地址获取组合伴随关系信息。
9.一种伴随关系获取设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5任一项所述的基于时空轨迹的伴随关系获取方法或如权利要求7所述的伴随关系获取方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的基于时空轨迹的伴随关系获取方法或如权利要求7所述的伴随关系获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811464229.5A CN109828967B (zh) | 2018-12-03 | 2018-12-03 | 一种伴随关系获取方法、***、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811464229.5A CN109828967B (zh) | 2018-12-03 | 2018-12-03 | 一种伴随关系获取方法、***、设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109828967A true CN109828967A (zh) | 2019-05-31 |
| CN109828967B CN109828967B (zh) | 2021-10-19 |
Family
ID=66859813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811464229.5A Active CN109828967B (zh) | 2018-12-03 | 2018-12-03 | 一种伴随关系获取方法、***、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109828967B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109947793A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
| CN110765221A (zh) * | 2019-10-18 | 2020-02-07 | 北京明略软件***有限公司 | 时空轨迹数据的管理方法和装置 |
| CN110909263A (zh) * | 2019-11-29 | 2020-03-24 | 北京明略软件***有限公司 | 一种身份特征的伴随关系确定方法及装置 |
| CN110909009A (zh) * | 2019-11-20 | 2020-03-24 | 厦门市美亚柏科信息股份有限公司 | 基于话单的轨迹伴随行为分析方法、终端设备及存储介质 |
| CN110933662A (zh) * | 2019-12-18 | 2020-03-27 | 厦门市美亚柏科信息股份有限公司 | 一种基于数据挖掘的时空伴随关系分析方法和*** |
| CN110944290A (zh) * | 2019-12-02 | 2020-03-31 | 北京明略软件***有限公司 | 一种伴随关系的分析方法及装置 |
| CN111008323A (zh) * | 2019-11-29 | 2020-04-14 | 北京明略软件***有限公司 | 一种身份标识的伴随关系确定方法及装置 |
| CN111143627A (zh) * | 2019-12-27 | 2020-05-12 | 北京百度网讯科技有限公司 | 用户身份数据确定方法、装置、设备和介质 |
| CN111460332A (zh) * | 2020-04-26 | 2020-07-28 | 成都信息工程大学 | 一种基于用户生活轨迹的社会关系评估方法 |
| CN111459999A (zh) * | 2020-03-27 | 2020-07-28 | 北京百度网讯科技有限公司 | 身份信息处理方法、装置、电子设备和存储介质 |
| CN111581531A (zh) * | 2020-05-08 | 2020-08-25 | 北京思特奇信息技术股份有限公司 | 家庭成员结构识别方法、装置、存储介质及电子设备 |
| CN111586586A (zh) * | 2020-05-14 | 2020-08-25 | 深圳力维智联技术有限公司 | 一种追踪方法和*** |
| CN111651484A (zh) * | 2020-05-22 | 2020-09-11 | 华中科技大学 | 基于语义轨迹相似度移动对象伴随关系的分析方法和装置 |
| CN111743522A (zh) * | 2020-06-15 | 2020-10-09 | 武汉理工大学 | 一种疫情防控的智能终端预警*** |
| CN117648556A (zh) * | 2024-01-29 | 2024-03-05 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150370814A1 (en) * | 2011-11-15 | 2015-12-24 | Tapad, Inc. | System and method for analyzing user device information |
| CN106570764A (zh) * | 2016-11-09 | 2017-04-19 | 广州杰赛科技股份有限公司 | 一种用户关系预测方法及装置 |
| CN108629000A (zh) * | 2018-05-02 | 2018-10-09 | 深圳市数字城市工程研究中心 | 一种手机轨迹数据聚类的群体行为特征提取方法及*** |
| CN108920555A (zh) * | 2018-06-20 | 2018-11-30 | 上海百林通信网络科技服务股份有限公司 | 一种辅助信息的基于lte移动网络大数据关联的相似人员群体分析方法 |
-
2018
- 2018-12-03 CN CN201811464229.5A patent/CN109828967B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150370814A1 (en) * | 2011-11-15 | 2015-12-24 | Tapad, Inc. | System and method for analyzing user device information |
| CN106570764A (zh) * | 2016-11-09 | 2017-04-19 | 广州杰赛科技股份有限公司 | 一种用户关系预测方法及装置 |
| CN108629000A (zh) * | 2018-05-02 | 2018-10-09 | 深圳市数字城市工程研究中心 | 一种手机轨迹数据聚类的群体行为特征提取方法及*** |
| CN108920555A (zh) * | 2018-06-20 | 2018-11-30 | 上海百林通信网络科技服务股份有限公司 | 一种辅助信息的基于lte移动网络大数据关联的相似人员群体分析方法 |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109947793B (zh) * | 2019-03-20 | 2022-05-31 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
| CN109947793A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
| CN110765221A (zh) * | 2019-10-18 | 2020-02-07 | 北京明略软件***有限公司 | 时空轨迹数据的管理方法和装置 |
| CN110909009A (zh) * | 2019-11-20 | 2020-03-24 | 厦门市美亚柏科信息股份有限公司 | 基于话单的轨迹伴随行为分析方法、终端设备及存储介质 |
| CN110909009B (zh) * | 2019-11-20 | 2022-07-15 | 厦门市美亚柏科信息股份有限公司 | 基于话单的轨迹伴随行为分析方法、终端设备及存储介质 |
| CN110909263B (zh) * | 2019-11-29 | 2022-10-25 | 北京明略软件***有限公司 | 一种身份特征的伴随关系确定方法及装置 |
| CN111008323A (zh) * | 2019-11-29 | 2020-04-14 | 北京明略软件***有限公司 | 一种身份标识的伴随关系确定方法及装置 |
| CN110909263A (zh) * | 2019-11-29 | 2020-03-24 | 北京明略软件***有限公司 | 一种身份特征的伴随关系确定方法及装置 |
| CN110944290B (zh) * | 2019-12-02 | 2021-09-10 | 北京明略软件***有限公司 | 一种伴随关系的分析方法及装置 |
| CN110944290A (zh) * | 2019-12-02 | 2020-03-31 | 北京明略软件***有限公司 | 一种伴随关系的分析方法及装置 |
| CN110933662A (zh) * | 2019-12-18 | 2020-03-27 | 厦门市美亚柏科信息股份有限公司 | 一种基于数据挖掘的时空伴随关系分析方法和*** |
| CN110933662B (zh) * | 2019-12-18 | 2022-07-15 | 厦门市美亚柏科信息股份有限公司 | 一种基于数据挖掘的时空伴随关系分析方法和*** |
| CN111143627B (zh) * | 2019-12-27 | 2023-08-15 | 北京百度网讯科技有限公司 | 用户身份数据确定方法、装置、设备和介质 |
| CN111143627A (zh) * | 2019-12-27 | 2020-05-12 | 北京百度网讯科技有限公司 | 用户身份数据确定方法、装置、设备和介质 |
| CN111459999A (zh) * | 2020-03-27 | 2020-07-28 | 北京百度网讯科技有限公司 | 身份信息处理方法、装置、电子设备和存储介质 |
| CN111459999B (zh) * | 2020-03-27 | 2023-08-18 | 北京百度网讯科技有限公司 | 身份信息处理方法、装置、电子设备和存储介质 |
| CN111460332A (zh) * | 2020-04-26 | 2020-07-28 | 成都信息工程大学 | 一种基于用户生活轨迹的社会关系评估方法 |
| CN111581531A (zh) * | 2020-05-08 | 2020-08-25 | 北京思特奇信息技术股份有限公司 | 家庭成员结构识别方法、装置、存储介质及电子设备 |
| CN111581531B (zh) * | 2020-05-08 | 2023-06-09 | 北京思特奇信息技术股份有限公司 | 家庭成员结构识别方法、装置、存储介质及电子设备 |
| CN111586586A (zh) * | 2020-05-14 | 2020-08-25 | 深圳力维智联技术有限公司 | 一种追踪方法和*** |
| CN111651484A (zh) * | 2020-05-22 | 2020-09-11 | 华中科技大学 | 基于语义轨迹相似度移动对象伴随关系的分析方法和装置 |
| CN111651484B (zh) * | 2020-05-22 | 2023-03-28 | 华中科技大学 | 基于语义轨迹相似度移动对象伴随关系的分析方法和装置 |
| CN111743522A (zh) * | 2020-06-15 | 2020-10-09 | 武汉理工大学 | 一种疫情防控的智能终端预警*** |
| CN117648556A (zh) * | 2024-01-29 | 2024-03-05 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
| CN117648556B (zh) * | 2024-01-29 | 2024-05-10 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109828967B (zh) | 2021-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109828967A (zh) | 一种伴随关系获取方法、***、设备、存储介质 | |
| Chen et al. | An edge traffic flow detection scheme based on deep learning in an intelligent transportation system | |
| CN109271888A (zh) | 基于步态的身份识别方法、装置、电子设备 | |
| CN109947793A (zh) | 伴随关系的分析方法、装置和存储介质 | |
| CN110874362A (zh) | 一种数据关联分析方法及装置 | |
| CN107784597A (zh) | 出行方式识别方法、装置、终端设备及存储介质 | |
| CN108121945A (zh) | 一种多目标检测跟踪方法、电子设备及存储介质 | |
| CN107943874A (zh) | 知识图谱处理方法、装置、计算机设备及存储介质 | |
| CN113569615A (zh) | 基于图像处理的目标识别模型的训练方法和装置 | |
| CN112232526B (zh) | 一种基于集成策略的地质灾害易发性评价方法及*** | |
| CN104268481A (zh) | 一种实现智能手机预警的方法及装置 | |
| CN111832615A (zh) | 一种基于前景背景特征融合的样本扩充方法及*** | |
| CN112150266B (zh) | 一种智能合约预言机设计原则 | |
| CN101515328B (zh) | 一种用于鉴别具有统计不相关性的局部保持投影方法 | |
| CN112990378B (zh) | 基于人工智能的场景识别方法、装置及电子设备 | |
| CN108182218A (zh) | 一种基于地理信息***的视频人物识别方法、***及电子设备 | |
| CN105303163A (zh) | 一种目标检测的方法及检测装置 | |
| CN107391365A (zh) | 一种面向软件缺陷预测的混合特征选择方法 | |
| WO2021114615A1 (zh) | 行为风险识别的可视化方法、装置、设备及存储介质 | |
| CN114155556B (zh) | 一种基于加入通道混洗模块的堆叠沙漏网络的人体姿态估计方法及*** | |
| CN106056627A (zh) | 一种基于局部鉴别性稀疏表示的鲁棒目标跟踪方法 | |
| CN114743273A (zh) | 基于多尺度残差图卷积网络的人体骨骼行为识别方法及*** | |
| CN105844204A (zh) | 人体行为识别方法和装置 | |
| CN117557804A (zh) | 联合目标结构嵌入和多层次特征融合的多标签分类方法 | |
| CN113627326A (zh) | 一种基于可穿戴设备和人体骨架的行为识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |