CN113382441A - 一种识别伴随用户的方法、装置、设备及可读存储介质 - Google Patents
一种识别伴随用户的方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113382441A CN113382441A CN202110566544.4A CN202110566544A CN113382441A CN 113382441 A CN113382441 A CN 113382441A CN 202110566544 A CN202110566544 A CN 202110566544A CN 113382441 A CN113382441 A CN 113382441A
- Authority
- CN
- China
- Prior art keywords
- user
- time
- information
- target
- accompanying
- 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 56
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000005259 measurement Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000011664 signaling Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请公开了一种识别伴随用户的方法、装置、设备及可读存储介质。获取目标用户的第一时间信息,以及第一用户的第二时间信息;接下来,确定在多个预设时间长度内的多组时间信息集;之后,确定每个第一用户在每组的用户伴随信息;对每个第一用户,获取用户伴随信息为疑似伴随信息时对应的第一组数,以及用户伴随信息为非伴随信息时对应的第二组数;之后,确定每个第一用户与目标用户的时间分布匹配成功率和时间分布匹配率;将时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为目标用户的伴随用户。根据本申请实施例,能够简化计算过程,提高识别伴随用户的准确性。
Description
技术领域
本申请属于无线通信技术领域,尤其涉及一种识别伴随用户的方法、装置、设备及可读存储介质。
背景技术
随着用户对手机和互联网的依赖性和使用率越来越高,运营商可以积累大量用户的实时位置及信令数据。基于实时位置及信令数据的大数据,可以对用户位置的临近人员以及群体的识别,即,识别用户身边的伴随用户。
目前,基于测量报告(Measurement Report,MR)的伴随计算技术方案越来越多,例如,基于无线环境的指纹定位技术,先计算得到用户位置,再确定用户的伴随用户,不仅计算过程复杂度高,而且受无线环境中无线信号波动的影响,得到的用户位置误差较大,使得计算的到的伴随用户也不准确。
发明内容
本申请实施例提供一种识别伴随用户的方法、装置、设备及可读存储介质,能够简化计算过程,提高识别伴随用户的准确性。
第一方面,本申请实施例提供一种识别伴随用户的方法,方法包括:
获取目标用户的目标设备在目标小区的测量报告的第一时间信息,以及第一用户的第一设备在所述目标小区的测量报告的第二时间信息,其中,所述目标小区包括所述目标设备所在的小区和所述小区的相邻小区,所述第一设备为在所述目标小区的每个所述第一用户的第一设备,所述第一设备的数量为多个,所述第一时间信息包括目标设备的网络业务连接时间,所述第二时间信息包括第一设备的网络业务连接时间;
根据所述第一时间信息和多个所述第二时间信息,确定在多个预设时间长度内的多组时间信息集,其中,每组所述时间信息集包括:在所述预设时间长度内对应所述目标设备的第一时间信息、在所述预设时间长度内对应每个所述第一设备的第二时间信息;
根据每组中所述第一时间信息、每组中每个所述第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,所述用户伴随信息包括疑似伴随信息或非伴随信息;
对所述每个第一用户,获取所述用户伴随信息为疑似伴随信息时对应的第一组数,以及所述用户伴随信息为非伴随信息时对应的第二组数;
根据所述第一组数和所述第二组数,确定每个所述第一用户与所述目标用户的时间分布匹配成功率和时间分布匹配率;
将所述时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为所述目标用户的伴随用户。
在第一方面的一些可实现方式中,所述根据每组中所述第一时间信息、每组中每个所述第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,包括:
获取所述目标设备在所述目标小区的多个第一接收信号强度,以及每个第一设备在所述目标小区的多个第二接收信号强度;
根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息。
在第一方面的一些可实现方式中,所述用户伴随信息还包括无时间匹配信息,所述根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息,包括:
从所述第一用户中,获取与第一时间信息存在时间匹配的第二时间分部信息对应的用户,得到第二用户,以及获取与第一时间信息不存在时间匹配的第二时间分部信息对应的用户,得到第三用户;
根据预设相似度算法,计算所述目标用户的多个第一接收信号强度和所述第二用户的多个第二接收信号强度的第一相似度;
确定所述第一相似度小于或等于第一预设阈值时对应的第二用户的用户伴随信息为疑似伴随信息,以及,确定第一相似度大于所述第一预设阈值时对应的第二用户的用户伴随信息为非伴随信息。
在第一方面的一些可实现方式中,所述方法还包括:
从所述第三用户中,获取与用户伴随信息为疑似伴随的第二用户的第二时间分部信息存在时间匹配的第二时间分部信息对应的用户,得到第四用户;
根据预设相似度算法,计算所述用户伴随信息为疑似伴随的第二用户的多个第二接收信号强度和所述第四用户的多个第二接收信号强度的第二相似度;
确定所述第二相似度小于或等于第一预设阈值时对应的第四用户的用户伴随信息为疑似伴随信息,以及,确定第二相似度大于所述第一预设阈值时对应的第四用户的用户伴随信息为非伴随信息;
继续根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,直到没有新增用户伴随信息为疑似伴随信息的用户为止。
在第一方面的一些可实现方式中,所述根据所述第一组数和所述第二组数,确定每个所述第一用户与所述目标用户的时间分布匹配成功率和时间分布匹配率,包括:
在所述多组时间信息集中,对应每个所述第一用户,获取用户伴随信息为疑似伴随信息和非伴随信息时对应的第三组数,以及所述时间信息集的总组数;
根据所述第一组数与所述第三组数的比值,确定所述每个第一用户与所述目标用户的时间分布匹配成功率;以及,
根据所述第三组数与所述总组数的比值,确定所述每个第一用户与所述目标用户的时间分布匹配率。
在第一方面的一些可实现方式中,所述将所述时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为所述目标用户的伴随用户,包括:
确定所述时间分布匹配成功率大于第二预设阈值,且所述时间分布匹配率大于第三预设阈值时对应的第一用户为所述目标用户的伴随用户。
第二方面,本申请实施例提供一种识别伴随用户的装置,装置包括:
获取模块,用于获取目标用户的目标设备在目标小区的测量报告的第一时间信息,以及第一用户的第一设备在所述目标小区的测量报告的第二时间信息,其中,所述目标小区包括所述目标设备所在的小区和所述小区的相邻小区,所述第一设备为在所述目标小区的每个所述第一用户的第一设备,所述第一设备的数量为多个,所述第一时间信息包括目标设备的网络业务连接时间,所述第二时间信息包括第一设备的网络业务连接时间;
处理模块,用于根据所述第一时间信息和多个所述第二时间信息,确定在多个预设时间长度内的多组时间信息集,其中,每组所述时间信息集包括:在所述预设时间长度内对应所述目标设备的第一时间信息、在所述预设时间长度内对应每个所述第一设备的第二时间信息;
计算模块,用于根据每组中所述第一时间信息、每组中每个所述第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,所述用户伴随信息包括疑似伴随信息或非伴随信息;
所述计算模块,还用于对所述每个第一用户,获取所述用户伴随信息为疑似伴随信息时对应的第一组数,以及所述用户伴随信息为非伴随信息时对应的第二组数;
所述计算模块,还用于根据所述第一组数和所述第二组数,确定每个所述第一用户与所述目标用户的时间分布匹配成功率和时间分布匹配率;
处理模块,用于将所述时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为所述目标用户的伴随用户。
在第二方面的一些可实现方式中,所述计算模块,还用于获取所述目标设备在所述目标小区的多个第一参考信号功率接收信号强度,以及每个第一设备在所述目标小区的多个第二参考信号功率接收信号强度;
根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息。
第三方面,本申请提供一种识别伴随用户的设备,该设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现第一方面或者第一方面任一可实现方式中所述的识别伴随用户的方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现第一方面或者第一方面任一可实现方式中所述的识别伴随用户的方法。
本申请实施例提供了一种识别伴随用户的方法、装置、设备及可读存储介质,通过获取在多个预设时间长度内目标小区的多组时间信息集后,基于每组时间信息集中的时间信息和预设相似度算法,确定出第一用户的伴随信息,例如疑似伴随或非伴随,由于时间信息按照预设时间长度进行了分组,从而有效减少了进行相似度计算的复杂度,简化计算过程,为了避免引入误差,提高提高识别伴随用户的准确性,通过每个第一用户在每组与目标用户的匹配成功率和匹配率是否满足预设阈值条件,来判断第一用户是否为目标用户的伴随用户,从而有效提高了计算结果的准确度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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的附图。
图1是本申请实施例提供的一种识别伴随用户的方法的流程示意图;
图2是本申请实施例提供的一种时间信息示意图;
图3是本申请实施例提供的一种时间信息的分组示意图;
图4是本申请实施例提供的一种识别伴随用户的装置的结构示意图;
图5是本申请实施例提供的一种识别伴随用户的设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
随着用户对手机和互联网的依赖性和使用率越来越高,运营商可以积累大量用户的实时位置及信令数据。基于实时位置及信令数据的大数据,可以对用户位置的临近人员以及群体的识别,即,识别用户身边的伴随用户。
目前,基于测量报告(Measurement Report,MR)的伴随计算技术方案越来越多,例如,基于无线环境的指纹定位技术,先计算得到用户位置,再确定用户的伴随用户,不仅计算过程复杂度高,而且受无线环境中无线信号波动的影响,得到的用户位置误差较大,使得计算的到的伴随用户也不准确。
为了解决现有技术问题,本申请实施例提供了一种识别伴随用户的方法、装置、设备及可读存储介质。通过获取在多个第一预设时间长度内目标小区的多组时间信息集后,基于每组时间信息集中的时间信息和预设相似度算法,确定出第一用户的伴随信息,例如疑似伴随或非伴随,由于时间信息按照预设时间长度进行了分组,从而有效减少了进行相似度计算的复杂度,简化计算过程,为了避免引入误差,提高提高识别伴随用户的准确性,通过每个第一用户在每组与目标用户的匹配成功率和匹配率是否满足预设阈值条件,来判断第一用户是否为目标用户的伴随用户,从而有效提高了计算结果的准确度。
下面首先对本申请实施例所提供的识别伴随用户的方法进行介绍。
图1示出了本申请一个实施例提供的识别伴随用户的方法的流程示意图。如图1所示,该方法可以包括S110至S160。
S110,获取目标用户的目标设备在目标小区的测量报告的第一时间信息,以及第一用户的第一设备在目标小区的测量报告的第二时间信息。
目标设备通过无线通信网络可以实时上报的测量报告,在测量报告中,例如可以包括目标设备所在服务小区或服务小区的邻区、信号接收功率、信号接收质量等测量数据。为了便于描述,在本申请中的服务小区统称为小区。
在本申请实施例中,目标小区包括目标设备所在的小区和小区的相邻小区,第一设备为在目标小区的每个第一用户的第一设备,第一设备的数量为多个,第一时间信息包括目标设备的网络业务连接时间,第二时间信息包括第一设备的网络业务连接时间。
其中,第一用户为在目标小区的用户,在确定目标用户后,可以得到目标用户设备所在的小区和小区的相邻小区,即目标小区,再根据目标小区对应的测量报告,即可确定在目标小区中的第一用户。
在一些实施例中,其中,测量报告中的MRO数据可以包括每个用户在每个周期性事件的原始统计,MRO数据可以用于位置计算、定位计算等。MRO数据在有用户的设备在有网络业务时上报,无业务时是没有MRO数据。
具体地,MRO数据可以与S1-MME、S1-U等其它LTE信令数据进行关联,并对MR数据赋值用户号码,通过用户号码过滤,提取目标用户以及每个第一用户的时间范围之间的MRO数据。
为了便于描述,将目标设备所在的小区称为主服务小区,主服务小区的相邻小区称为邻区。
示例性的,MRO数据的数据字可以包括:用户标识:MSISDN;时间:TIME;
主服务小区标识及场强:ECI-SRSRP(服务小区场强);
邻区1标识及场强:NECI1(邻区1标识)-NRSRP1(邻区1场强);
邻区2标识及场强:NECI2(邻区2标识)-NRSRP2(邻区2场强);
邻区3标识及场强:NECI3(邻区3标识)-NRSRP3(邻区3场强);
邻区4标识及场强:NECI4(邻区4标识)-NRSRP4(邻区4场强);
邻区5标识及场强:NECI5(邻区5标识)-NRSRP5(邻区5场强);
邻区6标识及场强:NECI6(邻区6标识)-NRSRP6(邻区6场强)
在获取到目标设备的第一时间信息,以及每个第一用户的第二时间信息后,接下来可以执行的S120。
S120,根据第一时间信息和多个第二时间信息,确定在多个预设时间长度内的多组时间信息集。
其中,每组时间信息集包括:在预设时间长度内对应目标设备的第一时间信息、在预设时间长度内对应每个第一设备的第二时间信息。
在一些实施例中,用户的设备处于业务连接态时,MRO数据上报频率是5秒一次,以目标用户的目标设备为例,第一时间信息可以包括目标设备的网络业务连接时间。第二时间信息可以包括第一设备的网络业务连接时间。结合图2所示,其中,A可以表示目标用户和目标用户的目标设备,B1至Bn分别可以表示第一用户和第一用户的第一设备,以用户A为例,可以得到用户A在T1至T2时间范围内的第一时间信息,灰色的方格代表业务连接态,该时刻用户A有网络业务,白色的方格可以表示无网络业务。
作为一个具体地示例,如图3所示,竖列是按时间进行分组,从T1至T2时间范围内,可以按照预设时间长度进行划分,确定每个预设时间长度对应的分组。示例性的,以预设时间长度为1分钟为例,在T1至T2时间范围,可以分成m个分组。在分组后,可以得到每组时间信息集,每组时间信息集可以包括用户A在预设时间长度内的第一时间信息,用户B1至Bn在预设时间长度内分别对应的第二时间信息。
接下来,可以执行S130。
S130,根据每组中第一时间信息、每组中每个第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息。
其中,用户伴随信息可以包括疑似伴随信息或非伴随信息。
在一些实施例中,当目标用户的第一时间信息与第一用户的第二时间信息存在时间匹配时,可以进一步判断目标用户和第一用户之间的用户伴随信息为疑似伴随信息还是非伴随信息。
以分组1为例,如图3所示,根据第一时间信息可以包括目标设备的网络业务连接时间。第二时间信息可以包括第一设备的网络业务连接时间。可以得到用户A与用户B1和用户B2存在时间匹配,接下来可以根据预设相似度算法确定用户A与用户B1,以及用户A和用户B2的相似度,得到用户B1和用户B2的用户伴随信息。
在本申请实施例中,由于时间信息按照预设时间长度进行了分组,从而有效减少了进行相似度计算的复杂度,简化计算过程。
在一些实施例中,为了准确的判断每个第一用户的伴随信息,具体的可以先获取目标设备在目标小区的多个第一接收信号强度,以及每个第一设备在目标小区的多个第二接收信号强度;然后,根据多个第一接收信号强度、每个第一用户的多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息。
在目标小区中,目标设备所在的主服务小区可以对应有多个邻区,因此,可以分别获取目标设备在主服务小区的接收信号强度,以及目标设备在每个邻区的接收信号强度。作为一个具体的示例,接收信号强度可以是从测量报告中获取的参考信号功率(ReferenceSignal Receiving Power,RSRP)。
为获取对应每个第一用户的用户伴随信息,具体地,可以先根据所有第一用户的第二时间分配信息确定与目标用户的第一时间信息存在时间匹配的第二用户,再判断每个第二用户的用户伴随信息,具体可以包括以下步骤:
S131,从第一用户中,获取与第一时间信息存在时间匹配的第二时间分部信息对应的用户,得到第二用户,以及获取与第一时间信息不存在时间匹配的第二时间分部信息对应的用户,得到第三用户。
可以理解的是,目标用户的第一时间分配信息和第一用户的第二时间分配信息存在无时间匹配的情况,如图3所示的分组1中的用户A与用户B3。
S132,根据预设相似度算法,计算目标用户的多个第一接收信号强度和第二用户的多个第二接收信号强度的第一相似度。
以RSRP作为接收信号强度为例,目标用户的多个第一接收信号强度可以包括目标用户的目标设备在主服务小区的第一RSRP和目标设备在每个邻区的第一RSRP。
第二用户的多个第二接收信号强度可以包括每个第一设备在主服务小区的第二RSRP和目标设备在每个邻区的第二RSRP。
在一些实施例中,多个第一RSRP对应小区的顺序可能与多个第二RSRP对应小区的顺序不同,因此,在计算第一相似度之前,可以先将多个第一RSRP对应小区的顺序与多个第二RSRP对应小区的顺序调整为同一顺序。
示例性的,对应用户A(目标用户)的多个第一RSRP可以如表1所示,其中,a表示主服务小区,b、c、d分别表示邻区。对应用户B1(第二用户)的多个第二RSRP可以如表2所示。
表1
小区 | RSRP |
主服务小区a | S<sub>a</sub> |
邻区b | N<sub>a1</sub> |
邻区c | N<sub>a2</sub> |
邻区d | N<sub>a3</sub> |
表2
小区 | RSRP |
主服务小区a | S<sub>b1</sub> |
邻区c | N<sub>b1</sub> |
邻区b | N<sub>b2</sub> |
邻区e | N<sub>b3</sub> |
结合表1和表2所示,用户A与用户B1的共同的小区包括主服务小区a、邻区b和邻区c。
在一些实施例中,预设相似度算法例如可以是欧式算法,根据欧式距离的大小,确定相似度。具体地,用户A与用户B1的欧式距离可以如公式(1)所示。
结合表1和表2可知用户A与用户B1的共同的小区为3个,因此,N可以取值为3。
在得到第一相似度之后,接下来可以执行S133。
S133,确定第一相似度小于或等于第一预设阈值时对应的第二用户的用户伴随信息为疑似伴随信息,以及,确定第一相似度大于第一预设阈值时对应的第二用户的用户伴随信息为非伴随信息。
在本申请实施例中,通过欧式距离表示相似度,欧式距离越小,则相似度越高,欧式距离越大,则表示相似度越小。在同一个时间,同一个地点,两个设备的所接收到的服务小区的信号强度和邻区的信号强度差异很小的情况下,即两个采样点的相似度要很高。因此,将第一相似度小于或等于第一预设阈值时对应的第二用户的用户伴随信息为疑似伴随信息,将第一相似度大于第一预设阈值时对应的第二用户的用户伴随信息为非伴随信息。其中,第一预设阈值可以根据实际需要进行设置,例如,取值为5。
在确定第二用户中每个用户的用户伴随信息之后,接下来,继续判断第三用户中每个用户的用户伴随信息,已完成迭代计算,具体地,可以包括以下步骤:
S1,从第三用户中,获取与用户伴随信息为疑似伴随的第二用户的第二时间分部信息存在时间匹配的第二时间分部信息对应的用户,得到第四用户。
S2,根据预设相似度算法,计算用户伴随信息为疑似伴随的第二用户的多个第二接收信号强度和第四用户的多个第二接收信号强度的第二相似度。
S3,确定第二相似度小于或等于第一预设阈值时对应的第四用户的用户伴随信息为疑似伴随信息,以及,确定第二相似度大于第一预设阈值时对应的第四用户的用户伴随信息为非伴随信息。
S4,继续根据多个第一接收信号强度、每个第一用户的多个第二接收信号强度和预设相似度算法进行迭代计算,直到没有新增用户伴随信息为疑似伴随信息的用户为止。
作为一个具体的实施例,参考图3所示,其中,第二用户对应的用户B1与用户A存在时间匹配,在用户B1与用户A的相似度小于第一预设阈值的情况下,用户B1的用户伴随信息为疑似伴随。第三用户对应的用户Bn与用户A不存在时间匹配,因此执行S1之前,用户Bn的用户伴随信息为不存在时间匹配。
用户Bn与用户B1存在时间匹配,因此,可以计算用户Bn与用户B1的接收信号强度的第二相似度。在得到第二相似度之后,接下来可以根据S3确定用户Bn的用户伴随信息。
接下来,从用户伴随信息为不存在时间匹配的用户中,确定是否存在与Bn存在时间匹配的用户,若有,则继续判断存在时间匹配的用户的用户伴随信息,若无,则结束迭代计算。
根据本申请实施例提供的确定每个第一用户的用户伴随信息的方法,最终可以得到每个第一用的用户伴随信息。示例性的,如表3所示。
表3
分组1 | 分组2 | 分组3 | …… | 分组m | |
B1 | 疑似伴随 | 非伴随 | 疑似伴随 | 非伴随 | |
B2 | 疑似伴随 | 疑似伴随 | 疑似伴随 | 疑似伴随 | |
B3 | 无时间匹配 | 无时间匹配 | 无时间匹配 | 无时间匹配 | |
...... | |||||
Bn | 非伴随 | 疑似伴随 | 非伴随 | 疑似伴随 |
在确定每个第一用户在每组的用户伴随信息之后,接下来,可以执行140。
S140,对每个第一用户,获取用户伴随信息为疑似伴随信息时对应的第一组数,以及用户伴随信息为非伴随信息时对应的第二组数。
根据每个第一用户在每组的用户伴随信息,可以确定第一用户的用户伴随信息为疑似伴随信息时对应的第一组数,以及用户伴随信息为非伴随信息时对应的第二组数。接下来,可以执行S150。
S150,根据第一组数和第二组数,确定每个第一用户与目标用户的时间分布匹配成功率和时间分布匹配率。
为了提高识别伴随用户的准确性,在本申请实施例中可以根据第一组数和第二组数,分别确定每个第一用户与目标用户的时间分布匹配成功率和时间分布匹配率,以便于准确的确定目标用户的伴随用户。
在一些实施例中,确定每个第一用户与目标用户的时间分布匹配成功率和时间分布匹配率可以包括以下步骤:
首先,在多组时间信息集中,对应每个第一用户,获取用户伴随信息为疑似伴随信息和非伴随信息时对应的第三组数,以及时间信息集的总组数。
接下来,根据第一组数与第三组数的比值,确定每个第一用户与目标用户的时间分布匹配成功率,以及,根据第三组数与总组数的比值,确定每个第一用户与目标用户的时间分布匹配率。
S160,将时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为目标用户的伴随用户。
在一些实施例中,预设阈值条件可以包括对应时间分布匹配成功率的第二预设阈值和对应时间分布匹配率的第三预设阈值。
判断预设阈值条件时对应的第一用户作为目标用户的伴随用户,可以包括:确定时间分布匹配成功率大于第二预设阈值,且时间分布匹配率大于第三预设阈值时对应的第一用户为目标用户的伴随用户。
示例性的,例如,第二预设阈值为80%,也就是说,对应每个第一用户的第二时间信息,在所有分组中,需要至少存在80%的分组,与目标用户的第一时间信息存在时间匹配。例如,第三预设阈值为5%,也就是说,对应存在时间匹配的第三组数中,需要至少存在5%的分组,第一用户的用户伴随信息为疑似伴随用户。
在本申请实施例中,为了提高提高识别伴随用户的准确性,通过每个第一用户在每组与目标用户的匹配成功率和匹配率是否满足预设阈值条件,来判断第一用户是否为目标用户的伴随用户,从而有效提高了计算结果的准确度。
图4是本申请实施例提供的一种识别伴随用户的装置的结构示意图,如图4所示,该识别伴随用户的装置400可以包括:获取模块410、处理模块420、计算模块430。
其中,获取模块410,用于获取目标用户的目标设备在目标小区的测量报告的第一时间信息,以及第一用户的第一设备在目标小区的测量报告的第二时间信息,其中,目标小区包括目标设备所在的小区和小区的相邻小区,第一设备为在目标小区的每个第一用户的第一设备,第一设备的数量为多个,第一时间信息包括目标设备的网络业务连接时间,第二时间信息包括第一设备的网络业务连接时间;
处理模块420,用于根据第一时间信息和多个第二时间信息,确定在多个预设时间长度内的多组时间信息集,其中,每组时间信息集包括:在预设时间长度内对应目标设备的第一时间信息、在预设时间长度内对应每个第一设备的第二时间信息;
计算模块430,用于根据每组中第一时间信息、每组中每个第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,用户伴随信息包括疑似伴随信息或非伴随信息;
计算模块430,还用于对每个第一用户,获取用户伴随信息为疑似伴随信息时对应的第一组数,以及用户伴随信息为非伴随信息时对应的第二组数;
计算模块430,还用于根据第一组数和第二组数,确定每个第一用户与目标用户的时间分布匹配成功率和时间分布匹配率;
处理模块420,用于将时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为目标用户的伴随用户。
在一些实施例中,计算模块430,还用于获取目标设备在目标小区的多个第一参考信号功率接收信号强度,以及每个第一设备在目标小区的多个第二参考信号功率接收信号强度;以及,根据多个第一接收信号强度、每个第一用户的多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息。
在一些实施例中,用户伴随信息还包括无时间匹配信息,计算模块430,还用于从第一用户中,获取与第一时间信息存在时间匹配的第二时间分部信息对应的用户,得到第二用户,以及获取与第一时间信息不存在时间匹配的第二时间分部信息对应的用户,得到第三用户;
计算模块430,还用于根据预设相似度算法,计算目标用户的多个第一接收信号强度和第二用户的多个第二接收信号强度的第一相似度;
处理模块420,还用于确定第一相似度小于或等于第一预设阈值时对应的第二用户的用户伴随信息为疑似伴随信息,以及,确定第一相似度大于第一预设阈值时对应的第二用户的用户伴随信息为非伴随信息。
在一些实施例中,计算模块430,还用于从第三用户中,获取与用户伴随信息为疑似伴随的第二用户的第二时间分部信息存在时间匹配的第二时间分部信息对应的用户,得到第四用户;
计算模块430,还用于根据预设相似度算法,计算用户伴随信息为疑似伴随的第二用户的多个第二接收信号强度和第四用户的多个第二接收信号强度的第二相似度;
处理模块420,还用于确定第二相似度小于或等于第一预设阈值时对应的第四用户的用户伴随信息为疑似伴随信息,以及,确定第二相似度大于第一预设阈值时对应的第四用户的用户伴随信息为非伴随信息;
计算模块430,还用于继续根据多个第一接收信号强度、每个第一用户的多个第二接收信号强度和预设相似度算法进行迭代计算,直到没有新增用户伴随信息为疑似伴随信息的用户为止。
在一些实施例中,计算模块430,还用于在多组时间信息集中,对应每个第一用户,获取用户伴随信息为疑似伴随信息和非伴随信息时对应的第三组数,以及时间信息集的总组数;
计算模块430,还用于根据第一组数与第三组数的比值,确定每个第一用户与目标用户的时间分布匹配成功率;以及,根据第三组数与总组数的比值,确定每个第一用户与目标用户的时间分布匹配率。
在一些实施例中,处理模块420,还用于确定时间分布匹配成功率大于第二预设阈值,且时间分布匹配率大于第三预设阈值时对应的第一用户为目标用户的伴随用户。
可以理解的是,本申请实施例的识别伴随用户的装置400,可以对应于本申请实施例提供的识别伴随用户的方法的执行主体,识别伴随用户的装置400的各个模块/单元的操作和/或功能的具体细节可以参见上述本申请实施例提供的识别伴随用户的方法中的相应部分的描述,为了简洁,在此不再赘述。
本申请实施例的识别伴随用户的装置,通过获取在多个第一预设时间长度内目标小区的多组时间信息集后,基于每组时间信息集中的时间信息和预设相似度算法,确定出第一用户的伴随信息,例如疑似伴随或非伴随,由于时间信息按照预设时间长度进行了分组,从而有效减少了进行相似度计算的复杂度,简化计算过程,为了避免引入误差,提高提高识别伴随用户的准确性,通过每个第一用户在每组与目标用户的匹配成功率和匹配率是否满足预设阈值条件,来判断第一用户是否为目标用户的伴随用户,从而有效提高了计算结果的准确度。
图5示出了本申请一个实施例提供的识别伴随用户的设备的结构示意图。如图5所示,该设备可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地,上述处理器501可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于信息或指令的大容量存储器。举例来说而非限制,存储器502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个实例中,存储器502可以包括可移除或不可移除(或固定)的介质,或者存储器502是非易失性固态存储器。存储器502可在识别伴随用户的设备的内部或外部。
在一个实例中,存储器502可以是只读存储器(Read Only Memory,ROM)。在一个实例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以实现本申请实施例所描述的方法,并达到本申请实施例执行其方法达到的相应技术效果,为简洁描述在此不再赘述。
在一个示例中,该识别伴随用户的设备还可包括通信接口503和总线510。其中,如图5所示,处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者,将在线信息流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(Front Side Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(Industry Standard Architecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该识别伴随用户的设备可以执行本申请实施例中的企业用户服务的推荐方法,从而实现本申请实施例描述的识别伴随用户的方法的相应技术效果。
另外,结合上述实施例中的识别伴随用户的方法,本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种识别伴随用户的方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,做出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器(Read-Only Memory,ROM)、闪存、可擦除只读存储器(Erasable ReadOnly Memory,EROM)、软盘、只读光盘(Compact Disc Read-Only Memory,CD-ROM)、光盘、硬盘、光纤介质、射频(Radio Frequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块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。应理解,本申请的保护范围并不局限于此,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种识别伴随用户的方法,其特征在于,包括:
获取目标用户的目标设备在目标小区的测量报告的第一时间信息,以及第一用户的第一设备在所述目标小区的测量报告的第二时间信息,其中,所述目标小区包括所述目标设备所在的小区和所述小区的相邻小区,所述第一设备为在所述目标小区的每个所述第一用户的第一设备,所述第一设备的数量为多个,所述第一时间信息包括目标设备的网络业务连接时间,所述第二时间信息包括第一设备的网络业务连接时间;
根据所述第一时间信息和多个所述第二时间信息,确定在多个预设时间长度内的多组时间信息集,其中,每组所述时间信息集包括:在所述预设时间长度内对应所述目标设备的第一时间信息、在所述预设时间长度内对应每个所述第一设备的第二时间信息;
根据每组中所述第一时间信息、每组中每个所述第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,所述用户伴随信息包括疑似伴随信息或非伴随信息;
对所述每个第一用户,获取所述用户伴随信息为疑似伴随信息时对应的第一组数,以及所述用户伴随信息为非伴随信息时对应的第二组数;
根据所述第一组数和所述第二组数,确定每个所述第一用户与所述目标用户的时间分布匹配成功率和时间分布匹配率;
将所述时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为所述目标用户的伴随用户。
2.根据权利要求1所述的方法,其特征在于,所述根据每组中所述第一时间信息、每组中每个所述第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,包括:
获取所述目标设备在所述目标小区的多个第一接收信号强度,以及每个第一设备在所述目标小区的多个第二接收信号强度;
根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息。
3.根据权利要求2所述的方法,其特征在于,所述用户伴随信息还包括无时间匹配信息,所述根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息,包括:
从所述第一用户中,获取与第一时间信息存在时间匹配的第二时间分部信息对应的用户,得到第二用户,以及获取与第一时间信息不存在时间匹配的第二时间分部信息对应的用户,得到第三用户;
根据预设相似度算法,计算所述目标用户的多个第一接收信号强度和所述第二用户的多个第二接收信号强度的第一相似度;
确定所述第一相似度小于或等于第一预设阈值时对应的第二用户的用户伴随信息为疑似伴随信息,以及,确定第一相似度大于所述第一预设阈值时对应的第二用户的用户伴随信息为非伴随信息。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
从所述第三用户中,获取与用户伴随信息为疑似伴随的第二用户的第二时间分部信息存在时间匹配的第二时间分部信息对应的用户,得到第四用户;
根据预设相似度算法,计算所述用户伴随信息为疑似伴随的第二用户的多个第二接收信号强度和所述第四用户的多个第二接收信号强度的第二相似度;
确定所述第二相似度小于或等于第一预设阈值时对应的第四用户的用户伴随信息为疑似伴随信息,以及,确定第二相似度大于所述第一预设阈值时对应的第四用户的用户伴随信息为非伴随信息;
继续根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,直到没有新增用户伴随信息为疑似伴随信息的用户为止。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一组数和所述第二组数,确定每个所述第一用户与所述目标用户的时间分布匹配成功率和时间分布匹配率,包括:
在所述多组时间信息集中,对应每个所述第一用户,获取用户伴随信息为疑似伴随信息和非伴随信息时对应的第三组数,以及所述时间信息集的总组数;
根据所述第一组数与所述第三组数的比值,确定所述每个第一用户与所述目标用户的时间分布匹配成功率;以及,
根据所述第三组数与所述总组数的比值,确定所述每个第一用户与所述目标用户的时间分布匹配率。
6.根据权利要求1所述的方法,其特征在于,所述将所述时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为所述目标用户的伴随用户,包括:
确定所述时间分布匹配成功率大于第二预设阈值,且所述时间分布匹配率大于第三预设阈值时对应的第一用户为所述目标用户的伴随用户。
7.一种识别伴随用户的装置,其特征在于,所述装置包括:
获取模块,用于获取目标用户的目标设备在目标小区的测量报告的第一时间信息,以及第一用户的第一设备在所述目标小区的测量报告的第二时间信息,其中,所述目标小区包括所述目标设备所在的小区和所述小区的相邻小区,所述第一设备为在所述目标小区的每个所述第一用户的第一设备,所述第一设备的数量为多个,所述第一时间信息包括目标设备的网络业务连接时间,所述第二时间信息包括第一设备的网络业务连接时间;
处理模块,用于根据所述第一时间信息和多个所述第二时间信息,确定在多个预设时间长度内的多组时间信息集,其中,每组所述时间信息集包括:在所述预设时间长度内对应所述目标设备的第一时间信息、在所述预设时间长度内对应每个所述第一设备的第二时间信息;
计算模块,用于根据每组中所述第一时间信息、每组中每个所述第一用户的第二时间信息和预设相似度算法,确定每个第一用户在每组的用户伴随信息,所述用户伴随信息包括疑似伴随信息或非伴随信息;
所述计算模块,还用于对所述每个第一用户,获取所述用户伴随信息为疑似伴随信息时对应的第一组数,以及所述用户伴随信息为非伴随信息时对应的第二组数;
所述计算模块,还用于根据所述第一组数和所述第二组数,确定每个所述第一用户与所述目标用户的时间分布匹配成功率和时间分布匹配率;
所述处理模块,用于将所述时间分布匹配成功率和时间分布匹配率均满足预设阈值条件时对应的第一用户作为所述目标用户的伴随用户。
8.根据权利要求7所述的装置,其特征在于,所述计算模块,还用于获取所述目标设备在所述目标小区的多个第一参考信号功率接收信号强度,以及每个第一设备在所述目标小区的多个第二参考信号功率接收信号强度;
根据所述多个第一接收信号强度、每个第一用户的所述多个第二接收信号强度和预设相似度算法进行迭代计算,获取对应每个第一用户的用户伴随信息。
9.一种识别伴随用户的设备,其特征在于,所述设备包括:处理器,以及存储有计算机程序指令的存储器;
所述处理器读取并执行所述计算机程序指令,以实现如权利要求1-6任意一项所述的识别伴随用户的方法。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的识别伴随用户的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566544.4A CN113382441A (zh) | 2021-05-24 | 2021-05-24 | 一种识别伴随用户的方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566544.4A CN113382441A (zh) | 2021-05-24 | 2021-05-24 | 一种识别伴随用户的方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113382441A true CN113382441A (zh) | 2021-09-10 |
Family
ID=77571757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110566544.4A Pending CN113382441A (zh) | 2021-05-24 | 2021-05-24 | 一种识别伴随用户的方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113382441A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120077513A1 (en) * | 2010-08-30 | 2012-03-29 | Stmicroelectronics S.R.I. | Systems and methods for real-time location |
CN102928813A (zh) * | 2012-10-19 | 2013-02-13 | 南京大学 | 基于rssi质心加权算法的无源rfid标签定位方法 |
US20140274119A1 (en) * | 2013-03-15 | 2014-09-18 | Qualcomm Incorporated | Method and apparatus for indoor positioning based on wireless landmarks |
CN105101406A (zh) * | 2015-06-26 | 2015-11-25 | 上海汇纳信息科技股份有限公司 | 一种基于无线强度的室内定位方法及*** |
US20160203656A1 (en) * | 2015-01-09 | 2016-07-14 | International Business Machines Corporation | Identifying the origins of a vehicular impact and the selective exchange of data pertaining to the impact |
US20160302035A1 (en) * | 2015-04-08 | 2016-10-13 | Abb Technology Ag | Location estimation within a wireless mesh network utilizing wireless signal signatures |
CN107650862A (zh) * | 2017-09-07 | 2018-02-02 | 武汉大学 | 一种基于智能手机接近感知的汽车无钥匙进入***及控制方法 |
CN107704870A (zh) * | 2017-09-07 | 2018-02-16 | 武汉大学 | 基于ble指纹定位与imu动作识别融合的可靠人车临近感知装置与方法 |
US20180180704A1 (en) * | 2015-06-29 | 2018-06-28 | Here Global B.V. | Supporting a positioning of a mobile device by the mobile device |
CN112203324A (zh) * | 2019-07-08 | 2021-01-08 | ***通信集团浙江有限公司 | 一种基于位置指纹库的mr定位方法及装置 |
CN112291705A (zh) * | 2020-10-26 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 基于信号差异信息的定位方法、装置、存储介质及设备 |
CN112561948A (zh) * | 2020-12-22 | 2021-03-26 | 中国联合网络通信集团有限公司 | 基于时空轨迹的伴随轨迹识别方法、设备及存储介质 |
CN112597880A (zh) * | 2020-12-21 | 2021-04-02 | 杭州海康威视***技术有限公司 | 客流批次识别方法、装置、计算机设备及可读存储介质 |
-
2021
- 2021-05-24 CN CN202110566544.4A patent/CN113382441A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120077513A1 (en) * | 2010-08-30 | 2012-03-29 | Stmicroelectronics S.R.I. | Systems and methods for real-time location |
CN102928813A (zh) * | 2012-10-19 | 2013-02-13 | 南京大学 | 基于rssi质心加权算法的无源rfid标签定位方法 |
US20140274119A1 (en) * | 2013-03-15 | 2014-09-18 | Qualcomm Incorporated | Method and apparatus for indoor positioning based on wireless landmarks |
US20160203656A1 (en) * | 2015-01-09 | 2016-07-14 | International Business Machines Corporation | Identifying the origins of a vehicular impact and the selective exchange of data pertaining to the impact |
US20160302035A1 (en) * | 2015-04-08 | 2016-10-13 | Abb Technology Ag | Location estimation within a wireless mesh network utilizing wireless signal signatures |
CN105101406A (zh) * | 2015-06-26 | 2015-11-25 | 上海汇纳信息科技股份有限公司 | 一种基于无线强度的室内定位方法及*** |
US20180180704A1 (en) * | 2015-06-29 | 2018-06-28 | Here Global B.V. | Supporting a positioning of a mobile device by the mobile device |
CN107650862A (zh) * | 2017-09-07 | 2018-02-02 | 武汉大学 | 一种基于智能手机接近感知的汽车无钥匙进入***及控制方法 |
CN107704870A (zh) * | 2017-09-07 | 2018-02-16 | 武汉大学 | 基于ble指纹定位与imu动作识别融合的可靠人车临近感知装置与方法 |
CN112203324A (zh) * | 2019-07-08 | 2021-01-08 | ***通信集团浙江有限公司 | 一种基于位置指纹库的mr定位方法及装置 |
CN112291705A (zh) * | 2020-10-26 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 基于信号差异信息的定位方法、装置、存储介质及设备 |
CN112597880A (zh) * | 2020-12-21 | 2021-04-02 | 杭州海康威视***技术有限公司 | 客流批次识别方法、装置、计算机设备及可读存储介质 |
CN112561948A (zh) * | 2020-12-22 | 2021-03-26 | 中国联合网络通信集团有限公司 | 基于时空轨迹的伴随轨迹识别方法、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
肖艳丽;张振宇;杨文忠;: "移动数据的交通出行方式识别方法", 智能***学报, no. 05, 15 October 2014 (2014-10-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177505A (zh) | 指标异常检测模型的训练方法、推荐的方法及装置 | |
CN109996280B (zh) | 基站经纬度核查方法、装置、设备及介质 | |
CN113079466B (zh) | 指纹数据库的构建方法、装置、设备及计算机存储介质 | |
CN108235303B (zh) | 识别共享流量用户的方法、装置、设备及介质 | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN109362092B (zh) | 网络参数调整方法、装置、设备及介质 | |
CN109960626B (zh) | 端口异常的识别方法、装置、设备及介质 | |
CN108377508B (zh) | 基于测量报告数据的用户感知分类方法和装置 | |
CN113382441A (zh) | 一种识别伴随用户的方法、装置、设备及可读存储介质 | |
CN112566013B (zh) | 目标设备的定位方法、装置、设备及计算机存储介质 | |
CN111294920B (zh) | 识别lte网内干扰的方法、装置、设备及介质 | |
CN111372275A (zh) | 一种干扰源定位的方法、装置及设备 | |
CN109993388B (zh) | 劣化小区主因判断方法、装置、设备及介质 | |
CN114417830A (zh) | 风险评价方法、装置、设备及计算机可读存储介质 | |
CN112749998A (zh) | 收入信息输出方法、装置、电子设备及计算机存储介质 | |
CN109996274B (zh) | Lte小区参数的调整方法、装置、设备及介质 | |
CN109993556B (zh) | 用户行为分析方法、装置、计算设备及存储介质 | |
CN108064069B (zh) | 一种WiFi子网络的唯一标识确定方法、介质及设备 | |
CN112333746B (zh) | 网络参数的确定方法、装置及设备 | |
CN113260045B (zh) | 一种确定路由器地理位置的方法、装置、设备及存储介质 | |
CN111294919B (zh) | 一种伪基站定位方法、装置、电子设备及存储介质 | |
CN115529605B (zh) | 一种小区配置直放站的识别方法、装置及电子设备 | |
CN114466373B (zh) | 位置指纹库更新方法、装置、设备及计算机可读存储介质 | |
CN115134909B (zh) | 通信干扰源的定位方法、装置、设备及存储介质 | |
CN115238939A (zh) | 一种确定弱覆盖区域的方法、装置、设备及可读存储介质 |
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 |