CN111090642B - 一种手机信令数据的清洗方法 - Google Patents

一种手机信令数据的清洗方法 Download PDF

Info

Publication number
CN111090642B
CN111090642B CN201911217881.1A CN201911217881A CN111090642B CN 111090642 B CN111090642 B CN 111090642B CN 201911217881 A CN201911217881 A CN 201911217881A CN 111090642 B CN111090642 B CN 111090642B
Authority
CN
China
Prior art keywords
signaling
data
travel
signaling data
travel chain
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.)
Active
Application number
CN201911217881.1A
Other languages
English (en)
Other versions
CN111090642A (zh
Inventor
唐梦然
司凌霄
鞠盈丞
曾周静
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.)
Hangzhou Czty Sci & Tech Co ltd
Original Assignee
Hangzhou Czty Sci & Tech Co ltd
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 Hangzhou Czty Sci & Tech Co ltd filed Critical Hangzhou Czty Sci & Tech Co ltd
Priority to CN201911217881.1A priority Critical patent/CN111090642B/zh
Publication of CN111090642A publication Critical patent/CN111090642A/zh
Application granted granted Critical
Publication of CN111090642B publication Critical patent/CN111090642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及大数据分析领域，旨在提供一种手机信令数据的清洗方法。包括：采集用户手机在手机通信网络中产生的各种信令事件，并将用户的信令时间按照时间戳排序；切割用户出行链，并将切割后的出行链作为最小研究单位；基于出行链的位置变化规律，清洗每一个出行链以除去无效数据；对获取的出行链进行简化。本发明通过能有效清除出行链中无效信令数据，实现精简出行链的目的，方便后续的数据分析。在考虑时间的同时也考虑了速度因素，由此划分出的用户出行链较现有技术划分出来的出行链相比，更加符合用户实际出行，也更有利于信令数据的清洗。自动化程度高，适用性强，可适用于大样本量、大范围的多种不同特征的手机信令数据清洗。

Description

一种手机信令数据的清洗方法
技术领域
本发明属于大数据分析领域，具体涉及基于移动通信信令事件的数据清洗技术。
背景技术
手机信令数据样本量大、数据客观、全面、采样不会有很明显的倾向性，且数据具有较强的时空连续性，可以观测到交通出行整个过程，是任何其它数据源无法比较的。但是，手机信令数据由于信号在基站之间弹跳、漂移等原因，有非常多的无效且错误的数据，导致原始数据不能够真实的反应用户的出行轨迹。所以，快速识别错误无效的数据并将其清除掉，是应用手机信令数据的关键。
发明内容
本发明要解决的技术问题是，克服现有技术中的不足，提供一种手机信令数据的清洗方法。其目的是对杂乱的手机信令全数据进行清洗，从而获取可用于后续数据分析的数据。
为解决技术问题，本发明的解决方案是：
提供一种手机信令数据的清洗方法，包括以下步骤：
(1)采集用户手机在手机通信网络中产生的各种信令事件，并将用户的信令时间按照时间戳排序；
(2)切割用户出行链，并将切割后的出行链作为最小研究单位；
(3)基于出行链的位置变化规律，清洗每一个出行链以除去无效数据；
(4)对步骤(3)获取的出行链进行简化。
本发明中，所述步骤(2)具体包括：
从每个出行链的第2个信令开始，逐一计算当前信令的分割指数S，当分割指数大于1时，以当前信令为划分边界将用户出行链划分为两条出行链，并对划分后的第二条出行链重新执行步骤(2)直到不能划分新的出行链为止；
分割指数计算公式如下：
Figure BDA0002298497910000011
式中，p为当前出行链信令数，t为当前信令的间隔时间，v为当前信令的瞬时速度，
Figure BDA0002298497910000024
为当前出行链的平均速度，/>
Figure BDA0002298497910000021
为当前出行链的平均间隔时间，/>
Figure BDA0002298497910000022
Figure BDA0002298497910000023
a，b，c，d为为根据肘部法则确定的固定常数。
本发明中，所述步骤(3)具体包括：
首先，从每个出行链的第2个信令开始，直到倒数第二个信令为止：记当前信令为第i个数据，如果存在j(j＜i)，使得D(j，m)/T(j，m)＞K，则删除第i个数据；
然后，再次从每个出行链的第2个信令开始，直到倒数第二个信令为止：记当前信令为第i个数据，如果存在j(j＜i)，m(m＞i)，使得D(j，m)＜D1，∑q∈Q1＜L，∑q∈QT(q，i)＜T1这三个条件同时满足，则第i个数据被标记为应删除数据；
当整个出行链的所有的应删除数据被标记之后，将被标记数据从出行链数据中删除；
最后，对于连续在同一位置的信令数据，仅保留第一条信令和最后一条信令，从而在极大程度上节约计算量；
其中，D(j，m)代表第j个信令数据和第m个信令数据之间的距离，T(j，m)代表第j个信令数据和第m个信令数据之间的间隔时间；点集合Q的定义如下：对于出行链中下标为q的信令数据，在同时满足j＜q＜m，D(q，j)≥D1两个条件的基础上，如果还满足T(q，q+1)＞T2，D(q，q+1)＞D2两个条件中的任意1个，则q属于Q，K，L，D1，T1，D2，T2为为根据肘部法则确定的六个固定常数。
本发明中，所述步骤(4)具体包括：
从出行链的第二个信令数据开始，直到倒数第三个信令数据为止：记当前信令数据为第i个信令数据，如果以下条件有任一满足，则将第i个信令数据从出行链中删除：
(1)第i个信令数据的位置到第i-1个、第i+1个两个信令数据的位置组成的线段的距离小于s1；或，
(2)第i个信令数据的位置和第i-1个信令数据的位置以及第i+1个信令数据的位置组成的三角形的面积小于s2；或，
(3)第i-1个，第i个，第i+1个三个信令数据的位置组成的夹角和第i个、第i+1个、第i+2个三个信令数据的位置组成的夹角都小于s3；或，
(4)第i-1个、第i个信令数据的位置组成的线段和第i+1个、第i+2个信令数据的位置组成的线段相交；或，
(5)第i个、第i+1个和第i-1个三个信令数据的位置组成的三条线段，任意两条线段长度的和与第三条线段长度的比值大于s4，并且第三条线段长度小于s5；
所述s1、s2、s3、s4、s5为根据肘部法则确定的固定常数。
本发明可以通过修改给定的固定常数，适用于不同特征的手机信令数据，该方法具有较大的灵活性。固定常数的给定方式是根据肘部法则确定，可由本领域技术人员依据其实际需要进行调整。
与现有技术相比，本方法的有益效果在于：
1、出行链是指用户出行过程中产生的一系列信令数据的集合。本发明中，通过设计一种能有效清除出行链中无效信令数据的方法，从而实现精简出行链的目的，方便后续的数据分析。
2、现有技术在划分出行链时基本都只考虑时间因素，本方法在考虑时间的同时也考虑了速度因素，由此划分出的用户出行链较现有技术划分出来的出行链相比，更加符合用户实际出行，也更有利于信令数据的清洗。
3、现有的数据清洗方法，在清除手机信令独有的“ABAB”型循环切换时效果较差。例如卡尔曼滤波算法，需要在数据集满足极为苛刻的条件上通过大量的参数调优，才可以清除掉大部分的“ABAB”型循环切换数据。本发明(通过其步骤3的操作)能有效清除数据集中几乎所有的“ABAB”型循环切换数据，极大程度上提高了后续序列比对的精准性。
4、本发明能(通过步骤4的操作)清洗掉大量与实际出行轨迹无关的信令数据，而不是像现有技术一样，仅清除原地停留的信令数据或距离相近的信令数据，所以可以在保证用户出行特征的前提下，清除大量无关数据，减轻后续的计算量。
5、本发明自动化程度高，适用性强，可适用于大样本量、大范围的多种不同特征的手机信令数据清洗。
附图说明
图1为本实施例中某用户出行链划分结果的示例图。
图2为本实施例中某用户出行链数据清洗结果的示例图。
具体实施方式
下面结合附图和具体实施例子，对本发明的具体实现过程进行详细阐述。
步骤1、信令数据的收集
本发明采用运营商提供的包含用户标识、时间戳、基站经度、基站纬度4个字段的部分手机信令数据作为本发明使用的数据集。该数据集共有41654036行，337686条出行链。其中部分数据如表1所示。注、本实施例中，间隔时间单位恒定为秒，间隔距离单位恒定为千米，间隔速度单位恒定为千米每小时。图1是用户1的信令数据的所在经度随时间的变化图，其中横坐标是时间，纵坐标是信令的经度，可以看到，用户原轨迹中23点02分至23点57分时段含有大量的异常数据。
表1
用户标识 时间戳 基站经度 基站纬度
用户1 20180919110759 120.26731 30.88472
用户2 20180919105619 120.26731 30.88472
用户3 20180919185212 120.26731 30.88472
用户4 20180919193046 120.26731 30.88472
用户5 20180919175801 120.26731 30.88472
用户6 20180919155420 120.26731 30.88472
用户7 20180919160746 120.26731 30.88472
步骤2、划分用户出行链
对每个出行链采用上述出行链划分方法，这里使用肘部法则选取固定参数的值。经计算，确定的参数值如下：a＝0.16，b＝5，c＝2400，d＝0.62。划分后的出行链总数为346247条，较未划分前增加了8561条出行链。以用户1的出行链为例，该出行链共有123条信令数据，起始时间为18点0分，终止时间为23点57分，涵盖了这个用户整天的出行过程，通过出行链划分后，得到2个子出行链。如图2所示，经过出行链划分后，该用户的18点21分至21点14分的长时间静默时段都识别为两个子出行链的分割点，这两个子出行链都有实际的意义，便于研究该用户的出行特征。
步骤3、信令数据的清洗及简化
接下来使用上述数据清洗方法清洗每一条出行链数据并进行简化，同样使用肘部法则确定各参数值为：K＝282，L＝5，D1＝1，T1＝1200，D2＝2，T2＝30，s1＝0.1，s2＝0.01，s3＝15，s4＝3.5，s5＝0.2。简化后数据集有5845106行数据，较之前减少了35808930行，减少幅度达到了86％。以用户1的出行链为例，其出行链经过处理后，仅包含59条信令数据，较未处理前减少了64条信令，减少幅度达到了52％，并且仍然保留了未处理前出行链的所有特征，所在经度随时间的变化图如图2所示，可以看到，该数据处理算法可以在保留用户出行链特征属性的基础上，有效删除信令数据中的弹跳点和提取用户驻点：该用户实际出行轨迹的出行子链中23点02分至23点57分时段的多个波浪型弹跳数据被有效剔除，仅保留了代表用户停留特征的2条数据。波浪型弹跳数据(ABAB”型循环切换数据)的去除，可以有效减轻后续计算的负担，也便于用户轨迹的可视化。

Claims (4)

1.一种手机信令数据的清洗方法，其特征在于，包括以下步骤：
(1)采集用户手机在手机通信网络中产生的各种信令事件，并将用户的信令时间按照时间戳排序；
(2)切割用户出行链，并将切割后的出行链作为最小研究单位；具体包括：
从每个出行链的第2个信令开始，逐一计算当前信令的分割指数S，当分割指数大于1时，以当前信令为划分边界将用户出行链划分为两条出行链，并对划分后的第二条出行链重新执行步骤(2)直到不能划分新的出行链为止；
分割指数计算公式如下：
Figure FDA0004193405480000011
式中，p为当前出行链信令数，t为当前信令的间隔时间，v为当前信令的瞬时速度，
Figure FDA0004193405480000012
为当前出行链的平均速度，/>
Figure FDA0004193405480000013
为当前出行链的平均间隔时间，/>
Figure FDA0004193405480000014
Figure FDA0004193405480000015
a，b，c，d为根据肘部法则确定的固定常数；
(3)基于出行链的位置变化规律，清洗每一个出行链以除去无效数据；
(4)对步骤(3)获取的出行链进行简化。
2.根据权利要求1所述的方法，其特征在于，所述步骤(3)具体包括：
首先，从每个出行链的第2个信令开始，直到倒数第二个信令为止：记当前信令为第i个数据，如果存在j且j<i，使得D(j，m)/T(j，m)＞K，则删除第i个数据；
然后，再次从每个出行链的第2个信令开始，直到倒数第二个信令为止：记当前信令为第i个数据，如果存在j<i，m>i，且使得D(j，m)＜D1，∑q∈Q1＜L，∑q∈QT(q，i)＜T1这三个条件同时满足，则第i个数据被标记为应删除数据；
当整个出行链的所有的应删除数据被标记之后，将被标记数据从出行链数据中删除；
最后，对于连续在同一位置的信令数据，仅保留第一条信令和最后一条信令，从而在极大程度上节约计算量；
其中，D(j,m)代表第j个信令数据和第m个信令数据之间的距离，T(j,m)代表第j个信令数据和第m个信令数据之间的间隔时间；点集合Q的定义如下：对于出行链中下标为q的信令数据，在同时满足j＜q＜m，D(q，j)≥D1两个条件的基础上，如果还满足T(q，q+1)＞T2，D(q，q+1)＞D2两个条件中的任意1个，则q属于Q，K，L，D1，T1，D2，T为为根据肘部法则确定的六个固定常数。
3.根据权利要求1所述的方法，其特征在于，所述步骤(4)具体包括：
从出行链的第二个信令数据开始，直到倒数第三个信令数据为止：记当前信令数据为第i个信令数据，如果以下条件有任一满足，则将第i个信令数据从出行链中删除：
(1)第i个信令数据的位置到第i-1个、第i+1个两个信令数据的位置组成的线段的距离小于s1；或，
(2)第i个信令数据的位置和第i-1个信令数据的位置以及第i+1个信令数据的位置组成的三角形的面积小于s2；或，
(3)第i-1个，第i个，第i+1个三个信令数据的位置组成的夹角和第i个、第i+1个、第i+2个三个信令数据的位置组成的夹角都小于s3；或，
(4)第i-1个、第i个信令数据的位置组成的线段和第i+1个、第i+2个信令数据的位置组成的线段相交；或，
(5)第i个、第i+1个和第i-1个三个信令数据的位置组成的三条线段，任意两条线段长度的和与第三条线段长度的比值大于s4，并且第三条线段长度小于s5；
所述s1、s2、s3、s4、s5为根据肘部法则确定的固定常数。
4.根据权利要求1所述的方法，其特征在于，所述步骤(1)所述信令事件中至少包含用户标识、时间戳、基站经度和基站纬度这4个字段的手机信令数据。
CN201911217881.1A 2019-12-02 2019-12-02 一种手机信令数据的清洗方法 Active CN111090642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911217881.1A CN111090642B (zh) 2019-12-02 2019-12-02 一种手机信令数据的清洗方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911217881.1A CN111090642B (zh) 2019-12-02 2019-12-02 一种手机信令数据的清洗方法

Publications (2)

Publication Number Publication Date
CN111090642A CN111090642A (zh) 2020-05-01
CN111090642B true CN111090642B (zh) 2023-07-14

Family

ID=70393924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911217881.1A Active CN111090642B (zh) 2019-12-02 2019-12-02 一种手机信令数据的清洗方法

Country Status (1)

Country Link
CN (1) CN111090642B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114979995B (zh) * 2022-05-23 2023-04-14 智慧足迹数据科技有限公司 手机信令数据精简方法、装置、电子设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104244314A (zh) * 2014-07-30 2014-12-24 北京拓明科技有限公司 一种基于Mc接口信令的潜在集团客户识别方法
CN105117789A (zh) * 2015-07-29 2015-12-02 西南交通大学 基于手机信令数据的居民出行方式综合判别的方法
CN105142106A (zh) * 2015-07-29 2015-12-09 西南交通大学 基于手机信令数据的出行者职住地识别与出行链刻画方法
CN105761190A (zh) * 2016-02-01 2016-07-13 东南大学 一种基于手机定位数据的城市居住区空置率动态监测方法
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
CN106953858A (zh) * 2017-03-17 2017-07-14 贵州省煤炭产品质量监督检验院 一种基于互联网通信的清洁能源信息采集控制***
CN107133318A (zh) * 2017-05-03 2017-09-05 北京市交通信息中心 一种基于手机信令数据的人口识别方法
CN107305590A (zh) * 2017-06-14 2017-10-31 北京市交通信息中心 一种基于手机信令数据的城市交通出行特征确定方法
CN108171974A (zh) * 2017-12-27 2018-06-15 东南大学 一种基于手机三角定位数据的交通出行模式判别方法
CN108955693A (zh) * 2018-08-02 2018-12-07 吉林大学 一种路网匹配的方法及***
CN109104694A (zh) * 2018-06-26 2018-12-28 重庆市交通规划研究院 一种基于手机信令的用户停留位置发现方法及***
CN109902930A (zh) * 2019-01-28 2019-06-18 同济大学 一种基于实有人口指标的配套设施规划辅助***

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104244314A (zh) * 2014-07-30 2014-12-24 北京拓明科技有限公司 一种基于Mc接口信令的潜在集团客户识别方法
CN105117789A (zh) * 2015-07-29 2015-12-02 西南交通大学 基于手机信令数据的居民出行方式综合判别的方法
CN105142106A (zh) * 2015-07-29 2015-12-09 西南交通大学 基于手机信令数据的出行者职住地识别与出行链刻画方法
CN105761190A (zh) * 2016-02-01 2016-07-13 东南大学 一种基于手机定位数据的城市居住区空置率动态监测方法
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
CN106953858A (zh) * 2017-03-17 2017-07-14 贵州省煤炭产品质量监督检验院 一种基于互联网通信的清洁能源信息采集控制***
CN107133318A (zh) * 2017-05-03 2017-09-05 北京市交通信息中心 一种基于手机信令数据的人口识别方法
CN107305590A (zh) * 2017-06-14 2017-10-31 北京市交通信息中心 一种基于手机信令数据的城市交通出行特征确定方法
CN108171974A (zh) * 2017-12-27 2018-06-15 东南大学 一种基于手机三角定位数据的交通出行模式判别方法
CN109104694A (zh) * 2018-06-26 2018-12-28 重庆市交通规划研究院 一种基于手机信令的用户停留位置发现方法及***
CN108955693A (zh) * 2018-08-02 2018-12-07 吉林大学 一种路网匹配的方法及***
CN109902930A (zh) * 2019-01-28 2019-06-18 同济大学 一种基于实有人口指标的配套设施规划辅助***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于手机信令数据的区域住房价格与居民出行特性相关性研究";廖锟;《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑)》;C034-298 *
"基于手机信令的数据分析引擎设计与实现";余锦斌;《中国优秀硕士学位论文全文数据库（信息科技辑）》(第2019第5期期);I138-1071 *

Also Published As

Publication number Publication date
CN111090642A (zh) 2020-05-01

Similar Documents

Publication Publication Date Title
CN108955693B (zh) 一种路网匹配的方法及***
CN108156037B (zh) 告警关联分析方法、装置、设备及介质
Muckell et al. SQUISH: an online approach for GPS trajectory compression
CN105387865B (zh) 一种基于交通道路数据的路径规划方法及***
CN108462509B (zh) 基于时频图信息的异步跳频网台分选方法
CN110020178A (zh) 兴趣点识别方法、装置、设备及存储介质
CN109239554A (zh) 一种电力电缆局部放电信号去噪及有效信号提取方法及***
CN111090642B (zh) 一种手机信令数据的清洗方法
US20130166352A1 (en) Mobile categorization
CN110990443A (zh) 一种基于手机信令的职住人口特征估算方法
CN111294742B (zh) 基于信令cdr数据识别伴随手机号码的方法与***
CN107180223A (zh) 基于wifi无线信号的动作识别方法和***
CN112487256B (zh) 对象查询方法、装置、设备及存储介质
CN109121094B (zh) 伪码信令数据预处理与出行链识别方法
CN105307262A (zh) 一种伪基站的定位方法及装置
Rodrigues et al. Impact of crowdsourced data quality on travel pattern estimation
CN104318795A (zh) 基于时空分析的高速公路地点交通状态偏离度获取方法
CN106846795A (zh) 人群密集区域的获取方法及装置
CN109444660B (zh) 一种输电线路故障与干扰的辨识方法
CN108629980A (zh) 一种通过控制交通流量改善空气质量的方法
CN108303622A (zh) 时延估计方法及装置
CN113554261A (zh) 异常对象识别方法、装置、电子装置和存储介质
CN115310735A (zh) 商圈边界识别的方法、装置、设备及存储介质
CN115641243B (zh) 通勤廊道确定方法、装置、设备和存储介质
CN116828397B (zh) 一种轨迹信息的获取方法、装置、电子设备和存储介质

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