[发明专利]基于信令数据的用户职住地分析方法

权利要求书

1.一种基于信令数据的用户职住地分析方法，其特征在于，包括：

根据用户在设定时间段内的小区驻留信息，利用权重算法清除干扰小区得到用户重要小区后，对得到的用户重要小区进行基于地理位置信息的空间聚类，把聚类中密集出现的区域，划分为常驻地；

根据驻留时间对常驻地中各小区设置不同权重，来挖掘用户常驻小区；

在得到用户常驻小区后，根据用户常驻地的驻留时间分布，对建立基于频次及时长的常驻小区评分模型，用户的常驻小区进行属性划分，得到用户的居住地和工作地的信息；

利用权重算法清除干扰小区，具体为，对用户在设定时间段内的驻留小区进行平均驻留时长的计算和排名，把平均驻留时长低于某一阈值的小区进行清洗删除，去除干扰小区，划分出用户重要小区；

根据驻留时间对常驻地中各小区设置不同权重，来挖掘用户常驻小区，具体为：依据驻留时间设置用户所在常驻地中小区权重情况，加上权重参数，再去除权重小于设定阈值的小区；在以上小区中重新设置小区权重选取设定数量的权重最高的小区，得到用户常驻小区；

采用有代表性的基于密度的聚类算法即DBSCAN算法对得到的用户重要小区进行基于地理位置信息的空间聚类，具体为：

给定数据集D中所有对象都被标记为“未访问”，随机选择一个未访问的对象p，标记p为“已访问”，并检查p的ε-邻域是否至少包含MinPts个对象，如果不是，则对象p被标记为噪声点；否则为p创建一个新的簇C，并且把p的ε-邻域中所有对象都放在候选集合N中；

迭代地把候选集合N中不属于其他簇的对象添加到簇C中；在此过程中，对应候选集合N中标记为“未访问”的对象P^*，DBSCAN把对象P′标记为“已访问”，并且检查对象P^*的ε-邻域，如果对象P^*的ε-邻域至少包含MinPts个对象，则对象P^*的ε-邻域中的对象都被添加到候选集合N中，DBSCAN继续添加对象到簇C，直到簇C不能扩展，即直到候选集合N为空，此时簇C完成生成并输出；

继续找到下一个簇，DBSCAN从剩下的对象中随机选择一个未访问过的对象，聚类过程继续，直到给定数据集D中所有对象都被访问；

建立基于频次及时长的常驻小区评分模型，判定居民居住地，具体为：

抽取连续历史数据中每日的23:00-次日6:00时段的所有数据，得到用户在期间所有驻留小区信息，假设用户在小区c出现的频次为f_{c_home}，驻留总时长为d_{c_home}，对每个用户在所有小区的出现总频数及驻留总时长进行如下0-1标准化处理：

其中max为样本数据的最大值，min为样本数据的最小值；

从而得到所有用户驻留时长及总频数的0-1标准化后的值，分别为则居住地小区重要性评分即为：其中w_f和w_d分别表示频数和驻留时长的权重；

使用倍数环比法对权重进行设定：将各个考评因素随机排列，然后按照顺序对各项因素进行比较，得出各因素重要度之间的倍数关系，即环比比率，再将环比比率进行统一转换为基准值，最后进行归一化处理，确定其最终权重；根据以上权重算法，对所有小区评分进行排序，选取评分最高的小区，并且投射到附近地图上，即为挖掘出用户居住地。

2.如权利要求1所述的基于信令数据的用户职住地分析方法，其特征在于：建立基于频次及时长的常驻小区评分模型，判定工作地，具体为：

提取历史数据中所有的工作日数据，得到用户在期间所有驻留小区信息，假设用户在小区c出现的频次为f_{c_work}，驻留总时长为d_{c_work}，进行0-1标准化处理得到用户所有小区驻留时长及总频数的0-1标准化后的值，分别为f_{c_work}、d_{c_work}，对每个用户在所有小区的出现总频数及驻留总时长进行如下0-1标准化处理：

其中max为样本数据的最大值，min为样本数据的最小值；

从而得到所有用户驻留时长及总频数的0-1标准化后的值，分别为则工作地小区重要性评分即为：

其中w_f和w_d分别表示频数和驻留时长的权重；

使用倍数环比法对权重进行设定：首先将各个考评因素随机排列，然后按照顺序对各项因素进行比较，得出各因素重要度之间的倍数关系，即环比比率，再将环比比率进行统一转换为基准值，最后进行归一化处理，确定其最终权重；根据以上权重算法，对所有小区评分进行排序，选取评分最高的小区，并且投射到地图上，即为用户工作地。