[发明专利]多个设备相关性

说明书

背景技术

每种商业或服务操作在空间维度内——不管这是诸如零售商店之类的物理位置还是经由网站的虚拟位置。为了高效地操作商业或服务，必需了解商业或服务的客户和用户的人口学和心理行为。该过程已知为“客流量（footfall）分析”。

通常，客流量分析在零售商业部门内执行，并关注于测量到零售商店的访问者的数目和这些访问者的人口学，并且理想地这些如何转化为销售。

然而客流量分析不仅限于零售环境。例如，医院可能想要了解其患者的运动，地方当局可能想要了解有计划事件的影响，或者在线零售商可能想要了解他们的客户在使用该服务时在哪。

其中客流量分析具有特别重要的应用的一个领域是在设施管理的领域中。现代设施包括配置成控制设施的各方面的许多子系统。这可以包括室内设施（诸如建筑物）和室外设施（诸如街道）二者。

一些子系统基于存在于给定位置中的人的数目或特性而被控制。这传统地涉及手动计数进入位置的人的数目以及采访样本以确定他们的特性，诸如他们访问位置的原因。该手动收集的信息然后可以被用于近似将来在该区域中的人的数目和特性。基于该近似，可以设置子系统的各种参数（诸如输出级别和设置点）。然而，关于该手动过程的关键缺点在于，最初收集数据是非常耗时的。此外，由于数据不是完全实时的，并且实际上依赖于过去样本针对将来场合进行外推，所以其可能是非常不准确的，从而导致子系统的欠佳性能。

虽然准确的客流量分析将提供用于子系统的自动化控制的最佳基础，但是关于收集数据的困难性导致在现有技术中尝试考虑其他方法。一些子系统可以通过将子系统链接到一个或多个传感器而自动控制。子系统的输出然后可以基于传感器读数而自动调整。例如，空调子系统可以被配置成基于周期性或连续的传感器读数来调节区域内的温度以保持在两个设置点内。然而，这样的方法仅在其中存在容易测量的输出的情况下是合适的，并且在任何情况下，需要监视要安装和维护的基础结构。

自动控制的特别不精确的方法涉及使用运动传感器等来确定一个或多个人的存在。然而，这不提供存在的人的数目或种类的任何指示，并且容易出现大量的假正和真负。因此，这样的方法仅在其中准确度和精度不是那么重要的非常有限的情况下是适当的。例如，确定某人是否为重复访问者是非常困难（甚至实用上不可能的）。虽然对于这样的传感器可能有可能确定某人是成人还是孩子（基于人的尺寸），但是甚至这通常都是非常不准确和不可靠的。任何进一步的分析通常是不可能的。

因此，在本领域中需要针对分析用户客流量和基于用户客流量来控制相关联的子系统的方法方面的改善或至少为公众提供有用的选择。

发明内容

根据第一方面，提供了一种用于检测网络中的多个用户设备的共同用户的方法。首先，接收多个事件记录。每一个事件记录对应于网络（诸如，电信网络）中的事件并包括设备标识符和事件信息。然后，可以在具有第一设备标识符的多个事件记录的第一子集和具有与所述第一设备标识符不同的第二设备标识符的多个事件记录的第二子集之间计算相关性。基于所述相关性，然后计算第一和第二设备标识符是否涉及与同一用户相关联的用户设备。以此方式，两个以其他方式不相关的用户设备可以被计算为与同一用户相关。这然后可以通过避免将以其他方式发生的双计数来虑及更准确的用户计数。

计算相关性可以包括：基于第一子集中的每一个事件记录的事件日期、事件时间和事件位置来生成第一矩阵；生成第二矩阵，其映射第二子集中的每一个事件记录的事件日期、事件时间和事件位置；将第一矩阵和第二矩阵相比较；以及基于所述比较来计算第一和第二设备标识符涉及与同一用户相关联的用户设备的概率。这提供了一种用于使两个设备的使用模式相关同时反映任何推断不太可能是完全可靠的高效方法。

计算设备标识符是否涉及与同一用户相关联的用户设备可以包括在所述概率在阈值以上的情况下，记录设备标识符涉及与同一用户相关联的用户设备。该阈值可以取决于在最终使用中需要的准确度的级别来选择。例如，在其中需要高级别的准确度的安全相关的应用中，该阈值可以被设置为0.8或更高。

计算概率可以包括将与第二矩阵中的条目匹配的第一矩阵中的条目的数目计算为第一矩阵中的条目的总数目的比例。该权重可以基于一日中的时间。这提供了一种用于计算概率的计算上高效的方法。