一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法

    公开(公告)号:CN111339165B

    公开(公告)日:2022-06-03

    申请号:CN202010130947.X

    申请日:2020-02-28

    Abstract: 本发明涉及一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法,属于数据挖掘领域。首先利用Fisher准则保留分类能力强的特征,剔除不相关特征和弱相关特征。其次融合最大信息系数MIC和对称不确定性SU两种度量方法,设计相关性度量标准MSCC,利用MSCC标准进一步剔除不相关特征。最后结合MSCC度量标准,利用近似Markov‑Blanket判断条件剔除Fisher候选特征集中的冗余特征,最终获得维度规模较小的最优特征子集。本发明能够有效的对移动用户的出境特征进行选择,提高模型的分类准确率。

    一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法

    公开(公告)号:CN111343585A

    公开(公告)日:2020-06-26

    申请号:CN202010129640.8

    申请日:2020-02-28

    Abstract: 本发明涉及一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法,属于移动通信及计算机应用技术域。该方法首先建立基站与区域路网信息数据库;然后根据基站位置借助冯洛诺伊图实现对基站定位轨迹的插值填充,完成匹配之前的数据预处理工作;最后基于HMM建立地图匹配模型,并使用维特比算法求解,得到出行行为对应的路网轨迹信息。本发明充分利用了移动数据中的时空位置信息与道路拓扑结构信息,构建基于隐马尔可夫模型的地图匹配算法,将与实际位置有偏差的定位点投影到位置对应路段上,从而矫正定位误差,提高定位精度。为基于移动位置数据展开的出行方式和出行目的识别等相关研究奠定了重要基础。

    一种基于信令数据和聚类算法的移动用户出行链提取方法

    公开(公告)号:CN111144452A

    公开(公告)日:2020-05-12

    申请号:CN201911266151.0

    申请日:2019-12-11

    Abstract: 本发明涉及一种基于信令数据和聚类算法的移动用户出行链提取方法,属于移动通信和计算机应用领域。具体包括:1)针对常见的轨迹震荡序列类型,完成基于时间窗的震荡轨迹检测,并制定数据修正策略以修正原序列中的震荡轨迹数据;2)计算局部时空密度、高密度空间距离、高密度时间间隔;3)计算各轨迹点的聚类中心权值大小,利用聚类中心权值制定筛选策略自动地选取聚类中心候选点;4)根据基站覆盖场景信息制定合并策略,对冗余的聚类中心候选点进行合并,将合并后的聚类中心点记为停驻点;5)利用各停驻点对原出行轨迹进行划分,得到完整的出行链信息。本发明解决了传统密度聚类算法仅能识别单一密度噪声的问题,降低了计算复杂度。

    基于手机信令数据计算高速公路路段平均速度的方法

    公开(公告)号:CN106530716A

    公开(公告)日:2017-03-22

    申请号:CN201611213876.X

    申请日:2016-12-23

    CPC classification number: G08G1/012 G08G1/052

    Abstract: 本发明提供了一种基于手机信令数据计算高速公路路段平均速度的方法,包括以下步骤:1)获取基站信息和目标高速公路的GIS信息,转换坐标;2)对高速公路网格化,建立基站与高速公路的映射关系;3)按照位置区的边界小区对应投影点进行路段划分;4)获取连续几个时间周期T内的手机信令数据,构建用户移动轨迹;5)利用用户轨迹中基站序列的相似性、运动方向和速度进行道路匹配,进而识别出高速路车载手机用户;6)根据步骤5识别出的高速路车载手机用户和步骤2建立的基站与投影点的映射表,计算路段i上每个车载手机的行程速度vp,再计算路段i上的平均行程速度 本发明充分利用现有的移动网络信息,以提高速度计算的准确性,为高速公路的低成本、全天候、大范围和实时交通状态监测提供数据支撑。

Patent Agency Ranking