CN111008323A - 一种身份标识的伴随关系确定方法及装置 - Google Patents
一种身份标识的伴随关系确定方法及装置 Download PDFInfo
- Publication number
- CN111008323A CN111008323A CN201911202459.9A CN201911202459A CN111008323A CN 111008323 A CN111008323 A CN 111008323A CN 201911202459 A CN201911202459 A CN 201911202459A CN 111008323 A CN111008323 A CN 111008323A
- Authority
- CN
- China
- Prior art keywords
- identity
- time
- space
- determining
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000013598 vector Substances 0.000 claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000013467 fragmentation Methods 0.000 claims description 8
- 238000006062 fragmentation reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种身份标识的伴随关系确定方法及装置，获取多个身份标识的时空信息；针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；确定每两个身份标识的时空特征向量之间的相似度；基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。本申请能够通过生成身份标识的时空特征向量，并根据每两个特征向量之间的相似度，确定每两个身份标识之间的伴随关系，大幅减少确定伴随关系所需的计算量，避免资源的浪费，提升处理效率，并不受到预设规则的限制，具有较高的准确度。
Description
技术领域
本申请涉及计算机技术领域，尤其是涉及一种身份标识的伴随关系确定方法及装置。
背景技术
随着计算机技术的不断进步，数据挖掘成为了当下的热点技术。其中，根据利用时空对人或事物进行伴随关系的分析，能够学习到人或事物之间的联系，并将这些伴随关系应用于多种场景中，如交通管理、人物或事物的追踪、相关目标确定等。
目前，现有的伴随关系确定方法通常是直接使用采集的原始时空数据，并根据预设的规则，对不同的设备或人物之间的伴随关系进行确定。然而，在实际应用中，轨迹数据通常体量极大，导致其计算量会远大于能够接收的范围，造成了大量资源的浪费，并且，预设的规则也不能够灵活地满足多种应用场景，得到的伴随关系的准确度较低。
发明内容
有鉴于此，本申请的目的在于提供一种身份标识的伴随关系确定方法及装置，能够通过生成身份标识的时空特征向量，并根据每两个特征向量之间的相似度，确定每两个身份标识之间的伴随关系，大幅减少确定伴随关系所需的计算量，避免资源的浪费，提升处理效率，并不受到预设规则的限制，具有较高的准确度。
本申请实施例提供了一种身份标识的伴随关系确定方法，所述方法包括：
获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；
针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；
确定每两个身份标识的时空特征向量之间的相似度；
基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。
在一种可能的实施方式中，所述多个身份标识中包括至少两种身份标识。
在一种可能的实施方式中，所述至少两种身份标识包括：
媒体存取控制MAC地址，和/或，国际移动用户识别码。
在一种可能的实施方式中，在获取多个身份标识的时空信息之后，所述方法还包括：
对所述时空信息中的时间信息及位置信息进行分片处理；
根据所述分片处理的结果，生成每个身份标识在不同的时间分片及空间分片下的索引信息。
在一种可能的实施方式中，所述针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量，包括：
针对每个身份标识，根据该身份标识的索引信息，确定该身份标识的时空特征向量，其中，所述时空特征向量中的每个数值表示在该数值对应的时间分片及空间分片下监测到该身份标识。
在一种可能的实施方式中，所述确定每两个身份标识的时空特征向量之间的相似度，包括：
确定每两个身份标识的时空特征向量的余弦相似度；
将所述余弦相似度作为所述两个身份标识的时空特征向量之间的相似度。
本申请实施例还提供了一种身份标识的伴随关系确定方法及装置，所述装置包括：
获取模块，用于获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；
第一确定模块，用于针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；
第二确定模块，用于确定每两个身份标识的时空特征向量之间的相似度；
第三确定模块，用于基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。
在一种可能的实施方式中，所述多个身份标识中包括至少两种身份标识。
在一种可能的实施方式中，所述至少两种身份标识包括：
媒体存取控制MAC地址，和/或，国际移动用户识别码。
在一种可能的实施方式中，所述装置还包括生成模块，所述生成模块用于：
对所述时空信息中的时间信息及位置信息进行分片处理；
根据所述分片处理的结果，生成每个身份标识在不同的时间分片及空间分片下的索引信息。
在一种可能的实施方式中，所述第一确定模块具体用于：
针对每个身份标识，根据该身份标识的索引信息，确定该身份标识的时空特征向量，其中，所述时空特征向量中的每个数值表示在该数值对应的时间分片及空间分片下监测到该身份标识。
在一种可能的实施方式中，所述第二确定模块具体用于：
确定每两个身份标识的时空特征向量的余弦相似度；
将所述余弦相似度作为所述两个身份标识的时空特征向量之间的相似度。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的身份标识的伴随关系确定方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的身份标识的伴随关系确定方法的步骤。
本申请实施例提供的身份标识的伴随关系确定方法及装置，获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；确定每两个身份标识的时空特征向量之间的相似度；基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。与现有技术相比，本申请能够通过生成身份标识的时空特征向量，并根据每两个特征向量之间的相似度，确定每两个身份标识之间的伴随关系，大幅减少确定伴随关系所需的计算量，避免资源的浪费，提升处理效率，并不受到预设规则的限制，具有较高的准确度。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种身份标识的伴随关系确定方法的流程图；
图2示出了本申请实施例所提供的另一种身份标识的伴随关系确定方法的流程图；
图3示出了本申请实施例所提供的一种身份标识的伴随关系确定装置的结构示意图；
图4示出了本申请实施例所提供的另一种身份标识的伴随关系确定装置的结构示意图；
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
经研究发现，现有的伴随关系确定方法通常是直接使用采集的原始时空数据，并根据预设的规则，对不同的设备或人物之间的伴随关系进行确定。然而，在实际应用中，轨迹数据通常体量极大，导致其计算量会远大于能够接收的范围，造成了大量资源的浪费，并且，预设的规则也不能够灵活地满足多种应用场景，得到的伴随关系的准确度较低。
基于此，本申请实施例提供了一种身份标识的伴随关系确定方法，以大幅减少确定伴随关系所需的计算量，避免资源的浪费，提升处理效率，并不受到预设规则的限制，具有较高的准确度。
请参阅图1，图1为本申请实施例所提供的一种身份标识的伴随关系确定方法的流程图。如图1中所示，本申请实施例提供的身份标识的伴随关系确定方法，包括：
S101、获取多个身份标识的时空信息。
其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息。
这里，身份标识可以是一种实体ID，如人脸特征、移动设备的MAC号、国际移动用户识别码、车辆的车牌号码、虚拟账号等等。每个监控终端都能够监测身份标识，当有身份标识被监控终端监测到时，监控终端会将监测到的该身份标识记录，并记录监测到该身份标识的时间与地点，也即上述时间信息及位置信息，时间信息及位置信息结合，组成了时空信息。
其中，时空信息可以包括人像卡口轨迹、车辆卡口轨迹、电子围栏轨迹、WIFI围栏轨迹、人证核查核录轨迹等。这些时空信息可以通过对不同类型的监控终端的监控数据处理得到的，每一类型的监控终端可以监控一种或多种时空信息，监控数据可以由服务器收集并处理。
S102、针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量。
这里，值得注意的是，在时空伴随分析中，有一种针对多个不同类型的实体ID的轨迹数据，确定多个实体ID的时空相似度，通过对比该相似度进而实现的时空伴随分析，比如：Wifi围栏和电子围栏都是一种有效的采集设备信息的技术。但是这两种设备提供的是不同的服务，同时，考虑到隐私的保护，两种设备不能采集到额外的手机信息。Wifi围栏采集手机的MAC号，电子围栏技术采集手机的IMSI号，可以通过wifi围栏轨迹的信息记录，来计算出不同的MAC号是否有伴随关系，同样也可以通过电子围栏采集的轨迹数据计算出不同的IMSI号是否有伴随关系；进一步的，可以通过计算两种轨迹的MAC号和IMSI号是否有伴随关系。通过计算伴随关系，能够确定两者之间联系，在多种应用场景下都能起到显著作用，比如，在公安场景下，能够为案件线索分析提供帮助，找到存在关系的账号。
为了实现上述目的，可以将时空的相似度问题转换为时空特征的相似度的问题，将每个身份标识的时空转换为每个身份标识的时空特征向量，在计算特征向量之间的相似度，进而实现对比不同身份标识之间时空的相似度。
该步骤中，可以先将时空信息进行标准化的处理，使其变得易于处理，再构建时空特征，使用数字标识该身份标识是否在特定时间出现在特定地点，并使用向量表示。
S103、确定每两个身份标识的时空特征向量之间的相似度。
该步骤中，在确定每个身份标识的时空特征向量后，可以确定每两个身份标识的时空特征向量之间的相似度，具体的，可以计算每个时空特征向量的相关参数，如皮尔逊相关系数、欧几里德距离、余弦相似度、Cosine相似度、曼哈顿距离、马氏距离、兰氏距离、切比雪夫距离等，再利用相关参数，得到控件轨迹特征向量的相似度。
这样，可以避免将不规则的时空特征直接对比，而是采用其特征向量进行对比，大大减少了所需的计算量，节约了资源，并提高了效率。
进一步的，当要确定的时空伴随关系是针对一个身份标识时，可以只计算该身份标识与其他身份标识的时空特征向量之间的相似度，这样，可以避免不必要的资源消耗。
S104、基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。
具体的，可以在两个身份标识的时空特征向量之间的相似度大于或等于预设阈值时，确定这两个身份标识之间存在伴随关系，进一步的，还可以根据两者的控件轨迹特征，确定两者的伴随模式。时空的伴随模式指一群移动(moving objects)在一个限定的范围内，一起移动至少w时长，这样的一种运动模式就叫伴随模式。例如，从同一个学校放学后回到同一个小区的学生，一起上下班的同事等，这些都是伴随模式在现实中的一些例子。
其定义是：至少m个密度相连的移动对象，在一起运动至少w时长，其中m和w是用户自定义的，且w>1,m>1，这群对象形成的轨迹模式就叫时空的伴随模式。
本申请实施例提供的身份标识的伴随关系确定方法，获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；确定每两个身份标识的时空特征向量之间的相似度；基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。与现有技术相比，本申请能够通过生成身份标识的时空特征向量，并根据每两个特征向量之间的相似度，确定每两个身份标识之间的伴随关系，大幅减少确定伴随关系所需的计算量，避免资源的浪费，提升处理效率，并不受到预设规则的限制，具有较高的准确度。
在一种可能的实施方式中，所述多个身份标识中包括至少两种身份标识。
在一种可能的实施方式中，所述至少两种身份标识包括：
媒体存取控制MAC地址，和/或，国际移动用户识别码。
具体的，身份标识可以包括人脸特征、移动设备的MAC号、国际移动用户识别码、车辆的车牌号码、虚拟账号等等。
在一种可能的实施方式中，在获取多个身份标识的时空信息之后，所述方法还包括：
对所述时空信息中的时间信息及位置信息进行分片处理；
根据所述分片处理的结果，生成每个身份标识在不同的时间分片及空间分片下的索引信息。
该步骤中，可以先将时空信息进行标准化，再进行分片处理，并建立索引，便于后续的使用。
具体的，标准化的数据可以是如下表1及表2的形式的数据。请参阅表1及表2，表1为标准化的Wifi围栏数据，表2为标准化的电子围栏数据。
| MAC | STARTTIME | LOCATION |
| DA:A1:19:17:AC:12 | 2019-08-06 16:20:13 | 地点ID1 |
| DA:A5:11:19:AC:10 | 2019-08-05 16:20:12 | 地点ID2 |
表1
| IMSI | STARTTIME | LOCATION |
| 460003111370161 | 2019-08-06 16:20:10 | 地点ID1 |
| 460001211370160 | 2019-08-05 16:19:11 | 地点ID2 |
表2
表1中，包括检测到的MAC地址、检测到该MAC地址的时间，以及检测到该MAC地址的地点；表2中，包括检测到的IMSI地址、检测到该IMSI地址的时间，以及检测到该IMSI地址的地点。
该步骤中，在获取到多个身份标识的时空信息之后，可以将时空数据按照空间和时间来做分区存储，每个空间定义为一个空间地点ID，把这个地点ID作为第一级的目录，然后按照预设时间段，将时空信息做分片处理。
具体的，可以按照每天24小时来等分数据，每个小时的数据存储在一个目录下，这里一个小时的数据是去除了重复数据的，这样就能够大大减少了数据存储的数量。当然，这里的按小时存储是可以调整的，比如可以调整成按照分钟进行存储。通过这种转换就可以确定一个轨迹就可以通过这种分片的路径来找到具体的数据。具体分片的效果可以如下表3及表4所示。
请参阅表3及表4，表3为进行分片之前的标准化数据，表4为分片操作之后的数据。
| ID | 采集时间 | 地点ID |
| 001 | 2019-08-06 16:20:13 | 100 |
| 001 | 2019-08-05 16:20:12 | 101 |
表3
| ID | 地点ID | 采集时间 | 地点/时间分片 |
| 001 | 100 | 2019-08-06 16:20:13 | 100/2019080616 |
| 001 | 101 | 2019-08-05 16:20:12 | 101/2019080516 |
表4
如表3及表4中所示，ID为身份认证标识对应的编号，地点ID为检测到该身份标识时所在的地点对应的编号，地点/时间分片为根据地点ID及采集时间生成的字符串。
该步骤中，在进行分片操作之后，可以建立时空信息对应的时空索引，可以将每个身份标识对应的时空位置转换成了时空存储分片，然后把这些信息进行压缩并存储在一个文件中，以便能快速检索具体身份标识的时空位置点。索引的形式可以如下表5所示。
请参阅表5，表5为该步骤生成的索引列表，如表5中所示，将各个身份标识按照了地点分片及时间分片，进行了对应的排序整理。
表5
在一种可能的实施方式中，所述确定每两个身份标识的时空特征向量之间的相似度，包括：
确定每两个身份标识的时空特征向量的余弦相似度；
将所述余弦相似度作为所述两个身份标识的时空特征向量之间的相似度。
该步骤中，在确定每个身份标识的时空特征向量后，可以确定每两个身份标识的时空特征向量之间的相似度，具体的，可以计算每个时空特征向量的余弦相似度，当然，其他相关参数，如皮尔逊相关系数、欧几里德距离、余弦相似度、Cosine相似度、曼哈顿距离、马氏距离、兰氏距离、切比雪夫距离等，也能够得到相似的效果。
在一种可能的实施方式中，所述针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量，包括：
针对每个身份标识，根据该身份标识的索引信息，确定该身份标识的时空特征向量，其中，所述时空特征向量中的每个数值表示在该数值对应的时间分片及空间分片下监测到该身份标识。
该步骤中，在构建索引完毕后，可以通过时空索引来抽取成具体的时空特征。具体的，可以定义某个身份标识在一个时空出现表示1，没有出现表示0。从而把时空数据表示成每个身份标识的一个轨迹的时空特征向量，这个特征向量就是时空特征空间。具体的，特征向量的提取可以如下表6所示。
请参阅表6，表6为提取特征向量得到的特征向量表。如表6所示，包括身份标识对应的编号，以及该身份标识在每个地点及时间分片下是否出现。
| ID | 100/2019081416 | 100/2019081417 | 100/2019081418 | 101/2019081419 |
| 001 | 1 | 0 | 1 | 1 |
表6
将表6中的特征向量表示出来，形式可以为(001 1 0 1 1)。这样，即可对特征向量进行计算，方便比较相似度。
请参阅图2，图2为本申请另一实施例提供的身份识别的伴随关系确定方法的流程图。如图2中所示，本申请实施例提供的身份识别的伴随关系确定方法，包括：
1、轨迹数据标准化
通过标准化处理不同感知设备接入的数据，处理成统一的格式。
2、构建时空索引
按照地点及时间分片，通过设置时空索引，来把标准的时空数据处理成时空索引格式来存储。
3、构建时空特征
通过时空索引，快速构建时空特征向量表示。
4、完成时空伴随分析计算
基于时空相似度计算来完成时空伴随分析。
5、结果输出
身份标识的时空伴随关系输出。
本申请实施例提供的身份标识的伴随关系确定方法，获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；确定每两个身份标识的时空特征向量之间的相似度；基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。与现有技术相比，本申请能够通过生成身份标识的时空特征向量，并根据每两个特征向量之间的相似度，确定每两个身份标识之间的伴随关系，大幅减少确定伴随关系所需的计算量，避免资源的浪费，提升处理效率，并不受到预设规则的限制，具有较高的准确度。
请参阅图3、图4，图3为本申请实施例所提供的一种身份标识的伴随关系确定装置的结构示意图，图4为本申请实施例所提供的另一种身份标识的伴随关系确定装置的结构示意图。如图3中所示，所述身份标识的伴随关系确定装置300包括：
获取模块310，用于获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；
第一确定模块320，用于针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；
第二确定模块330，用于确定每两个身份标识的时空特征向量之间的相似度；
第三确定模块340，用于基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。
在一种可能的实施方式中，所述多个身份标识中包括至少两种身份标识。
在一种可能的实施方式中，所述至少两种身份标识包括：
媒体存取控制MAC地址，和/或，国际移动用户识别码。
如图4所示，在一种可能的实施方式中，身份标识的伴随关系确定装置400包括获取模块410、第一确定模块420、第二确定模块430、第三确定模块440及生成模块450，所述生成模块450用于：
对所述时空信息中的时间信息及位置信息进行分片处理；
根据所述分片处理的结果，生成每个身份标识在不同的时间分片及空间分片下的索引信息。
在一种可能的实施方式中，所述第一确定模块420具体用于：
针对每个身份标识，根据该身份标识的索引信息，确定该身份标识的时空特征向量，其中，所述时空特征向量中的每个数值表示在该数值对应的时间分片及空间分片下监测到该身份标识。
在一种可能的实施方式中，所述第二确定模块430具体用于：
确定每两个身份标识的时空特征向量的余弦相似度；
将所述余弦相似度作为所述两个身份标识的时空特征向量之间的相似度。
请参阅图5，图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示，所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令，当电子设备500运行时，所述处理器510与所述存储器520之间通过总线530通信，所述机器可读指令被所述处理器510执行时，可以执行如上述图1以及图2所示方法实施例中的身份标识的伴随关系确定方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的身份标识的伴随关系确定方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种身份标识的伴随关系确定方法，其特征在于，所述方法包括：
获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；
针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；
确定每两个身份标识的时空特征向量之间的相似度；
基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。
2.根据权利要求1所述的方法，其特征在于，所述多个身份标识中包括至少两种身份标识。
3.根据权利要求2所述的方法，其特征在于，所述至少两种身份标识包括：
媒体存取控制MAC地址，和/或，国际移动用户识别码。
4.根据权利要求1所述的方法，其特征在于，在获取多个身份标识的时空信息之后，所述方法还包括：
对所述时空信息中的时间信息及位置信息进行分片处理；
根据所述分片处理的结果，生成每个身份标识在不同的时间分片及空间分片下的索引信息。
5.根据权利要求4所述的方法，其特征在于，所述针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量，包括：
针对每个身份标识，根据该身份标识的索引信息，确定该身份标识的时空特征向量，其中，所述时空特征向量中的每个数值表示在该数值对应的时间分片及空间分片下监测到该身份标识。
6.根据权利要求1所述的方法，其特征在于，所述确定每两个身份标识的时空特征向量之间的相似度，包括：
确定每两个身份标识的时空特征向量的余弦相似度；
将所述余弦相似度作为所述两个身份标识的时空特征向量之间的相似度。
7.一种身份标识的伴随关系确定装置，其特征在于，所述装置包括：
获取模块，用于获取多个身份标识的时空信息，其中，所述时空信息包括在预设时间段内，每次监测到该身份标识时的时间信息及位置信息；
第一确定模块，用于针对每个身份标识，根据该身份标识的时空信息，确定该身份标识的时空特征向量；
第二确定模块，用于确定每两个身份标识的时空特征向量之间的相似度；
第三确定模块，用于基于每两个身份标识的时空特征向量之间的相似度，确定每两个身份标识之间的伴随关系。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括生成模块，所述生成模块用于：
对所述时空信息中的时间信息及位置信息进行分片处理；
根据所述分片处理的结果，生成每个身份标识在不同的时间分片及空间分片下的索引信息。
9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至6任一所述的身份标识的伴随关系确定方法的步骤。
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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的身份标识的伴随关系确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911202459.9A CN111008323A (zh) | 2019-11-29 | 2019-11-29 | 一种身份标识的伴随关系确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911202459.9A CN111008323A (zh) | 2019-11-29 | 2019-11-29 | 一种身份标识的伴随关系确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111008323A true CN111008323A (zh) | 2020-04-14 |
Family
ID=70112537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911202459.9A Pending CN111008323A (zh) | 2019-11-29 | 2019-11-29 | 一种身份标识的伴随关系确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111008323A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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*** |
| CN111695019A (zh) * | 2020-06-11 | 2020-09-22 | 腾讯科技（深圳）有限公司 | 一种识别关联账号的方法及装置 |
| CN111866725A (zh) * | 2020-05-29 | 2020-10-30 | 上海数喆数据科技有限公司 | 一种基于wifi探针技术的人流检测方法 |
| CN114339642A (zh) * | 2021-12-27 | 2022-04-12 | 恒安嘉新（北京）科技股份公司 | 伴随用户的识别方法、装置、设备及介质 |
| CN115410379A (zh) * | 2021-05-28 | 2022-11-29 | 深圳成谷科技有限公司 | 应用于车路协同的匹配关系确定方法、装置及处理设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014120161A1 (en) * | 2013-01-30 | 2014-08-07 | Hewlett-Packard Development Company, L.P. | Determining response similarity neighborhoods |
| CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、***及相关装置 |
| WO2018120424A1 (zh) * | 2016-12-29 | 2018-07-05 | 平安科技（深圳）有限公司 | 基于位置服务的人群分类方法、装置、设备和存储介质 |
| CN108595539A (zh) * | 2018-04-04 | 2018-09-28 | 烟台海颐软件股份有限公司 | 一种基于大数据的行迹相似对象识别方法与*** |
| CN109828967A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种伴随关系获取方法、***、设备、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 |
-
2019
- 2019-11-29 CN CN201911202459.9A patent/CN111008323A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014120161A1 (en) * | 2013-01-30 | 2014-08-07 | Hewlett-Packard Development Company, L.P. | Determining response similarity neighborhoods |
| WO2018120424A1 (zh) * | 2016-12-29 | 2018-07-05 | 平安科技（深圳）有限公司 | 基于位置服务的人群分类方法、装置、设备和存储介质 |
| CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、***及相关装置 |
| CN108595539A (zh) * | 2018-04-04 | 2018-09-28 | 烟台海颐软件股份有限公司 | 一种基于大数据的行迹相似对象识别方法与*** |
| CN109828967A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种伴随关系获取方法、***、设备、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 |
Non-Patent Citations (1)
| Title |
|---|
| 邱磊，吴志兵: "基于E2LSH的轨迹KNN查询算法", 《计算机技术与发展》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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*** |
| CN111866725A (zh) * | 2020-05-29 | 2020-10-30 | 上海数喆数据科技有限公司 | 一种基于wifi探针技术的人流检测方法 |
| CN111866725B (zh) * | 2020-05-29 | 2022-07-01 | 上海数喆数据科技有限公司 | 一种基于wifi探针技术的人流检测方法 |
| CN111695019A (zh) * | 2020-06-11 | 2020-09-22 | 腾讯科技（深圳）有限公司 | 一种识别关联账号的方法及装置 |
| CN111695019B (zh) * | 2020-06-11 | 2023-08-08 | 腾讯科技（深圳）有限公司 | 一种识别关联账号的方法及装置 |
| CN115410379A (zh) * | 2021-05-28 | 2022-11-29 | 深圳成谷科技有限公司 | 应用于车路协同的匹配关系确定方法、装置及处理设备 |
| CN115410379B (zh) * | 2021-05-28 | 2024-02-13 | 深圳成谷科技有限公司 | 应用于车路协同的匹配关系确定方法、装置及处理设备 |
| CN114339642A (zh) * | 2021-12-27 | 2022-04-12 | 恒安嘉新（北京）科技股份公司 | 伴随用户的识别方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111008323A (zh) | 一种身份标识的伴随关系确定方法及装置 | |
| CN109828967B (zh) | 一种伴随关系获取方法、***、设备、存储介质 | |
| US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
| CN111339293B (zh) | 告警事件的数据处理方法、装置和告警事件的分类方法 | |
| WO2019062081A1 (zh) | 业务员画像形成方法、电子装置及计算机可读存储介质 | |
| CN109831454B (zh) | 虚假流量的识别方法和装置 | |
| CN109559336B (zh) | 对象追踪方法、装置及存储介质 | |
| CN109088788B (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
| CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
| CN110909263B (zh) | 一种身份特征的伴随关系确定方法及装置 | |
| CN115858861A (zh) | 视频浓缩方法、电子设备和计算机可读存储介质 | |
| CN109886239B (zh) | 人像聚类方法、装置及*** | |
| CN113642926B (zh) | 用于风险预警的方法及装置、电子设备、存储介质 | |
| CN112434049A (zh) | 表格数据存储方法、装置、存储介质及电子装置 | |
| CN112070161A (zh) | 一种网络攻击事件分类方法、装置、终端及存储介质 | |
| CN114817518B (zh) | 基于大数据档案识别的证照办理方法、***及介质 | |
| CN110765221A (zh) | 时空轨迹数据的管理方法和装置 | |
| CN110909262B (zh) | 一种身份信息的伴随关系确定方法及装置 | |
| CN115082999A (zh) | 合影图像人物分析方法、装置、计算机设备和存储介质 | |
| CN114048344A (zh) | 一种相似人脸搜索方法、装置、设备和可读存储介质 | |
| CN105681097B (zh) | 获取终端设备更换周期的方法和装置 | |
| CN110990665B (zh) | 数据处理方法、装置、***、电子设备及存储介质 | |
| CN113673550A (zh) | 聚类方法、装置、电子设备、计算机可读存储介质 | |
| CN111640005A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
| CN111078914A (zh) | 重复图片检测方法与装置 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200414 |
|
| WD01 | Invention patent application deemed withdrawn after publication |