【技术实现步骤摘要】
本专利技术涉及大数据，尤其涉及一种伴随者识别方法、装置、设备及存储介质。
技术介绍
1、传统的交通出行方法，更多是在用户的层面进行数据分析，但是由于手机用户在时间序列上存在不规则的情况，导致数据分析的准确性存在差异。
2、目前的时空伴随对象挖掘方法都在时间效率以及准确度上有着一定的缺陷。例如在轨迹聚类中的dbscan算法(全称density-based spatial clustering of applicationswith noise，dbscan算法是一个比较有代表性的基于密度的聚类算法)时间复杂度较高，不利于大数据环境轨迹数据的伴随对象挖掘。同时，大部分方法要求轨迹的时间连续性，这会使得在某一时刻离开集群的对象被忽略，进而使得准确度下降。而现有技术的方案都只是针对经纬度做hash变换，将经纬度降维。在时空比对过程中，依然要通过统计、碰撞等业务逻辑来实现，效率和准确度方面都大打折扣，尤其是在海量数据情况下，效率低及效果差的问题显得尤为突出。
技术实现思路
1、本专利技术的主要目的在于提供一种伴随者识别方法、装置、设备及存储介质，旨在解决现有技术仅通过经纬度降维后的用户出行数据进行时空对比，对伴随者识别准确率低的技术问题。
2、为实现上述目的，本专利技术提供了一种伴随者识别方法，所述方法包括以下步骤：
3、获取用户的终端信令快照表；
4、根据所述终端信令快照表得到所述用户的目标场景区域；
5、识别所述用户在所述目标场
6、根据频繁项挖掘算法得到所述用户出行列表中各个用户之间的支持度，根据所述支持度识别所述用户出行列表中的伴随者。
7、可选地，所述获取用户的终端信令快照表，包括：
8、获取多个来源的用户信息，所述用户信息的包括信息采集时间、用户终端识别码、基站识别码；
9、删除重复的用户信息，得到初始快照表；
10、识别所述初始快照表相同用户终端识别码的多个目标用户信息，比较所述多个目标用户信息的信息采集时间；
11、保留信息采集时间最大的目标用户信息，得到终端信令快照表。
12、可选地，所述根据用户的终端信令快照表得到所述用户的目标场景区域，包括：
13、根据终端信令快照得到各个用户的基站识别码；
14、将所述基站识别码和预设场景区域配置表中的基站识别码进行匹配，得到目标基站；
15、将所述预设场景区域配置表中所述目标基站的区域类型作为所述用户的目标区域场景。
16、可选地，所述识别所述用户在所述目标场景区域的行为状态，根据各个用户的行为状态构建用户出行列表，包括：
17、将所述终端信令快照表中各个用户信息与进站记录表中的各个用户信息中进行匹配；
18、在所述终端信令快照表中的用户信息匹配成功时，则判断所述用户出行状态为未知；
19、在所述终端信令快照表中的用户信息匹配失败时，则将所述终端信令快照表与历史终端信令快照表进行比较，根据比较结果确定所述用户的行为状态；
20、根据各个用户的行为状态构建用户出行列表。
21、可选地，所述将所述终端信令快照表与历史终端信令快照表进行比较，根据比较结果确定所述用户的行为状态，包括：
22、将所述终端信令快照表中各个用户信息与各个按照从前往后的顺序排列的历史终端信令快照表中的用户信息进行匹配；
23、若所述终端信令快照表中各个用户信息与各个历史终端信令快照表中的用户信息均匹配成功，则所述用户的行为状态为进入；
24、若所述终端信令快照表中各个用户信息与各个历史终端信令快照表中任意一个历史终端信令快照表中的用户信息匹配失败，则所述用户的行为状态为离开。
25、可选地，所述根据频繁项挖掘算法得到所述用户出行列表中各个用户之间的支持度，根据所述支持度识别所述用户出行列表中的伴随者，包括：
26、获取所述用户出行列表中各个用户的目标场景区域对应的伴随支持度阈值；
27、基于频繁项挖掘算法从用户出行列表中的起始时间搜索所述用户出行列表中各个用户的参考支持度；
28、根据所述参考支持度和所述伴随支持度阈值识别所述用户出行列表中的伴随者。
29、可选地，所述基于频繁项挖掘算法从用户出行列表中的起始时间搜索所述用户出行列表中各个用户的参考支持度，包括：
30、基于频繁项挖掘算法搜索所述用户出行列表中在相同时间处于相同目标场景区域的参考用户；
31、基于所述用户出行列表确定所述参考用户之间的相同目标场景区域数量；
32、根据所述相同目标场景区域数量确定各个用户之间的参考支持度。
33、此外，为实现上述目的，本专利技术还提出一种伴随者识别装置，所述伴随者识别装置包括：
34、用户场景识别模块，用于获取用户的终端信令快照表；
35、所述用户场景识别模块，还用于根据用户的终端信令快照表得到所述用户的目标场景区域；
36、行为状态识别模块，用于识别所述用户在所述目标场景区域的行为状态，根据各个用户的行为状态构建用户出行列表；
37、伴随者识别模块，用于根据频繁项挖掘算法得到所述用户出行列表中各个用户之间的支持度，根据所述支持度识别所述用户出行列表中的伴随者。
38、此外，为实现上述目的，本专利技术还提出一种伴随者识别设备，所述伴随者识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的伴随者识别程序，所述伴随者识别程序配置为实现如上文所述的伴随者识别方法的步骤。
39、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有伴随者识别程序，所述伴随者识别程序被处理器执行时实现如上文所述的伴随者识别方法的步骤。
40、本专利技术通过预设场景配置区域精准定位交通出行用户当前所在的区域，基于用户在不同区域的出行状态进行频繁项挖掘，结合用户出行场景从时间空间多方面分析各个用户之间的关联性，从而基于关联性更全面地挖掘用户出行列表中各个用户的出行关联程度，更准确识别出行伴随者，有效避免忽略因为时间不连续中途离开的对象，导致伴随者识别准确度低，也避免了仅通过经纬度降维来实现对海量数据的时空对比导致效率低及效果差的问题。
本文档来自技高网...【技术保护点】
1.一种伴随者识别方法，其特征在于，所述伴随者识别方法包括：
2.如权利要求1所述的伴随者识别方法，其特征在于，所述获取用户的终端信令快照表，包括：
3.如权利要求1所述的伴随者识别方法，其特征在于，所述根据用户的终端信令快照表得到所述用户的目标场景区域，包括：
4.如权利要求1所述的伴随者识别方法，其特征在于，所述识别所述用户在所述目标场景区域的行为状态，根据各个用户的行为状态构建用户出行列表，包括：
5.如权利要求4所述的伴随者识别方法，其特征在于，所述将所述终端信令快照表与历史终端信令快照表进行比较，根据比较结果确定所述用户的行为状态，包括：
6.如权利要求1所述的伴随者识别方法，其特征在于，所述根据频繁项挖掘算法得到所述用户出行列表中各个用户之间的支持度，根据所述支持度识别所述用户出行列表中的伴随者，包括：
7.如权利要求6中所述的伴随者识别方法，其特征在于，所述基于频繁项挖掘算法从用户出行列表中的起始时间搜索所述用户出行列表中各个用户的参考支持度，包括：
8.一种伴随者识别装置，其特征在
9.一种伴随者识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的伴随者识别程序，所述伴随者识别程序配置为实现如权利要求1至7中任一项所述的伴随者识别方法。
10.一种存储介质，其特征在于，所述存储介质上存储有伴随者识别程序，所述伴随者识别程序被处理器执行时实现如权利要求1至7任一项所述的伴随者识别方法。
...【技术特征摘要】
1.一种伴随者识别方法，其特征在于，所述伴随者识别方法包括：
2.如权利要求1所述的伴随者识别方法，其特征在于，所述获取用户的终端信令快照表，包括：
3.如权利要求1所述的伴随者识别方法，其特征在于，所述根据用户的终端信令快照表得到所述用户的目标场景区域，包括：
4.如权利要求1所述的伴随者识别方法，其特征在于，所述识别所述用户在所述目标场景区域的行为状态，根据各个用户的行为状态构建用户出行列表，包括：
5.如权利要求4所述的伴随者识别方法，其特征在于，所述将所述终端信令快照表与历史终端信令快照表进行比较，根据比较结果确定所述用户的行为状态，包括：
6.如权利要求1所述的伴随者识别方法，其特征在于，所述根据频繁项挖掘算法得到所述用...
【专利技术属性】
技术研发人员：王龙，周辉，张帆，张伟芳，徐薇，张琪琦，富勇楠，赵丽丽，宋华云，
申请(专利权)人：中移动信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。