一种智能变电站SCD文件并行解析方法

    公开(公告)号:CN109800209B

    公开(公告)日:2021-04-16

    申请号:CN201910119739.7

    申请日:2019-02-18

    Abstract: 本发明涉及一种智能变电站SCD文件并行解析方法,采用主从解析机制,主线程提取SCD文件的结构,从线程解析标签的名称与性质。主线程与从线程是串行关系;主线程与主线程、从线程与从线程是并行关系。依据SCD文件结构并行启动五种类型主线程,标记SCD文件的一级标签位置,保存标签位置信息;统计一级标签位置的个数,启动相同数量的从线程解析一级标签及其所包含标签的名称与性质,每个从线程解析结果采用树型结构存储,建立类型子树,并将每棵子树按SCD文件结构整合成一颗完整的主树;解析过程采用并行哈希算法实现树结构的快速查询。本发明采用并行多线程技术大幅降低了SCD文件解析时间,提高了结果查询效率。

    一种基于移动大数据的预出境用户识别方法

    公开(公告)号:CN111274338A

    公开(公告)日:2020-06-12

    申请号:CN202010017938.X

    申请日:2020-01-08

    Abstract: 本发明涉及一种基于移动大数据的预出境用户识别方法,属于数据挖掘技术领域。该方法包括:采集出境服务机构的通信基站位置数据、出境服务通话端口数据和出境服务APP的域名关键词数据,利用所采集数据建立维表数据库;基于维表数据库与移动大数据,分别提取用户的通话行为特征、上网行为特征、出行行为特征和静态特征;将用户的行为特征和静态特征进行聚合关联,构建特征宽表;设计特征选择算法,从特征宽表中筛选出与类别强相关的特征子集;借助逻辑回归分类器构建预出境用户识别模型,完成模型的训练、评估与调参;将待测试数据输入识别模型,识别预出境用户。本发明能够有效识别预出境用户,主要用于数据挖掘场合。

    一种基于集成LSTM神经网络的车流量预测方法

    公开(公告)号:CN109859469A

    公开(公告)日:2019-06-07

    申请号:CN201910118288.5

    申请日:2019-02-15

    Abstract: 本发明涉及一种基于集成LSTM神经网络的车流量预测方法,利用车流检测得到的历史数据,建立集成LSTM神经网络车流量预测模型进行车流量预测,能够降低预测模型的泛化误差,提高准确率。该方法包括以下步骤:数据预处理;根据预处理后的车流量时间序列值构建车流量矩阵数据集,利用前n个时段预测第(n+1)个时段的车流量,每个时段长Δt(Δt为时间长度,单位为min);采用不同的初始权值构造多个差异化的LSTM神经网络模型;利用bagging集成学习方法构造训练集和验证集;训练多个LSTM神经网络,得到优化模型;利用验证集计算单个LSTM模型的加权系数;将预测出的车流量值进行逆变换和反归一化得到预测车流量大小,集成加权得到最终模型预测的车流量值。

    基于移动信令数据的用户驻留地识别方法

    公开(公告)号:CN105682025B

    公开(公告)日:2019-01-04

    申请号:CN201610006559.4

    申请日:2016-01-05

    Abstract: 本发明公开了一种基于移动信令数据的用户驻留地识别方法。该方法首先建立基站与地理位置的映射关系,再通过处理用户信令数据来构建用户每天的轨迹序列,再结合判定规则识别出用户驻留点,然后计算各个驻留点的驻留时长和驻留权重比并根据驻留地识别函数识别出用户的驻留地。本发明的优点是以低成本且覆盖范围广的手机信令数据为输入,采用聚类的方法构建用户轨迹序列,减少了数据的计算量,提高了计算效率;同时采用基于用户驻留权重比的识别机制识别用户的驻留地,提高了用户驻留地识别的准确性。该发明可用于快速自动化地识别用户的驻留地。

    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:CN111144452B

    公开(公告)日:2022-10-25

    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。

    一种智能变电站SCD文件并行解析方法

    公开(公告)号:CN109800209A

    公开(公告)日:2019-05-24

    申请号:CN201910119739.7

    申请日:2019-02-18

    Abstract: 本发明涉及一种智能变电站SCD文件并行解析方法,采用主从解析机制,主线程提取SCD文件的结构,从线程解析标签的名称与性质。主线程与从线程是串行关系;主线程与主线程、从线程与从线程是并行关系。依据SCD文件结构并行启动五种类型主线程,标记SCD文件的一级标签位置,保存标签位置信息;统计一级标签位置的个数,启动相同数量的从线程解析一级标签及其所包含标签的名称与性质,每个从线程解析结果采用树型结构存储,建立类型子树,并将每棵子树按SCD文件结构整合成一颗完整的主树;解析过程采用并行哈希算法实现树结构的快速查询。本发明采用并行多线程技术大幅降低了SCD文件解析时间,提高了结果查询效率。

    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:CN106530716B

    公开(公告)日:2018-12-14

    申请号:CN201611213876.X

    申请日:2016-12-23

    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。

    一种基于移动信令数据的城市热点识别方法

    公开(公告)号:CN105682024A

    公开(公告)日:2016-06-15

    申请号:CN201610006018.1

    申请日:2016-01-05

    CPC classification number: H04W4/023 G06F17/30705 H04W4/025 H04W4/029 H04W24/00

    Abstract: 本发明提供了一种基于移动信令数据进行城市热点识别的方法。方法包括:(1)根据用户驻留时长识别驻留点,并计算出常驻用户对热点区域的贡献度;(2)从驻留人数中根据驻留人数的个数判别活跃蜂窝;(3)对识别出的所有活跃蜂窝进行相似性度量,并基于密度算法进行聚类,挖掘出城市的热点区域;(4)获取热点区域的POIs数据;(5)根据热点区域内包含的POIs类别,进行热点区域的主题设置。本发明充分利用现有的移动网络信息,引入驻留点判定、常驻用户衰减因子等识别城市热点分布并标定其功能类型,对人们的出行、旅游等提供了一定的参考价值。

    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:CN111343585B

    公开(公告)日:2021-11-02

    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:CN111339165A

    公开(公告)日:2020-06-26

    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。

Patent Agency Ranking