用于基于移动装置数据产生简档的方法和系统的制作方法
【技术领域】
[0001]本发明总地涉及对移动装置数据执行分析，并且更特别地，涉及对移动装置数据进行分析以确定移动用户特性。
【背景技术】
[0002]随着使用蜂窝电话和其他移动装置的个人群体增长，基于位置的服务变得越来越重要。基于位置的服务是用于将对于位置和时间数据的特定控制作为控制特征包括在计算机程序中的一般类的计算机程序级别的服务。就这点儿论，基于位置的服务是信息服务，并且在包括社交网络、城市规划、灾难恢复、娱乐、便利设施和公共事业设备的领域中具有若干用途，并且使用通过移动网络从移动装置收集的数据以及关于移动装置的地理位置的信息以用于各种目的。许多基于位置的服务目前仅提供移动装置使用者(即，移动用户)的位置。这些通常用于基于用户的特定位置向用户提供信息(例如，基于位置的服务可以提供附近餐馆的列表，等等)。基于位置的服务对于例如营销公司发送广告计划以及预测未来的业务流可以是有价值的。目前的基于位置的服务的限制包括例如它们不能调整来适应大量移动装置数据。
【发明内容】
[0003]本发明的实施例提供了用于基于移动装置数据产生简档(profile)的程序产品、系统和方法。计算装置接收区域中的多个移动装置的多个移动装置记录，每个移动装置记录包括时间戳、位置数据和活动数据，并且将所述多个移动装置记录中的每一个分配给多个空间-时间盒子(space-time box)之一。计算装置对分配给所述多个空间-时间盒子的移动装置记录执行分析以得到作为结果的多个简档，所述多个简档可以包括移动性简档、聚集地简档以及好友简档，移动性简档指示在跨度期间每个移动装置在所述区域中占据的位置的数量，聚集地简档指示在跨度期间占据所述区域中每个位置的移动装置的数量，好友简档指示在所述区域中占据与给定的移动装置相同的位置的移动装置。
【附图说明】
[0004]图1是根据本发明的实施例的通信环境的功能框图。
[0005]图2示出根据本发明的实施例的流程图，该流程图描绘了在基于存储在图1的关系数据仓库系统中的移动装置数据产生移动性简档和聚集地简档期间所采用的步骤。
[0006]图3示出根据本发明的实施例的流程图，该流程图描绘了在基于存储在图1的关系数据仓库系统中的移动装置数据产生好友简档期间所采用的步骤。
[0007]图4A和4B示出根据本发明的实施例的流程图，这些流程图描绘了在将启发规则(heuristic rule)和聚类(cluster)算法应用于在执行图2和图3的流程图期间所产生的中间结果和最终结果中的若干个期间所采用的步骤。
[0008]图5示出根据本发明的实施例的用于移动装置数据的收集、分析和使用的交互的序列。
[0009]图6是根据本发明的实施例的计算机系统的功能框图。
【具体实施方式】
[0010]本文中所介绍的技术提出了调用适当的分析工具来执行随着移动装置使用者(即，移动用户)从一个地方移动到另一个地方由移动通信提供商提供的位置数据的延迟的或者甚至实时的分析。尽管在本文中将使用术语“用户”，但是应当理解，移动装置的所有者或使用者与提供与移动装置的蜂窝或其他连接的移动通信提供商之间的合同或服务关系总地来说可能与本文中所介绍的技术无关；就这点儿论，本发明的实施例可以涉及向通信提供商订购的移动装置所有者、预付费的或合同到期的移动装置所有者、或者其他移动装置用户的任何组合。
[0011]巨大不同的用户基础和大规模数据量需要本文中所介绍的专用技术来进行分析。通过使用高级分析和强大的计算系统来执行“社会-移动”分析可以了解所有的移动装置数据的意义。根据本文中所介绍的技术，对原始位置数据进行提炼以查明用户行为和生活方式简档，使得能够实现若干使用情况，诸如个性化营销、网络分析、流量模式理解以及其他使用情况。使用所观察的位置数据可以发现令人有兴趣的关于用户的见解，该见解在许多领域中是有用的，诸如，但不限于，基于位置的营销。
[0012]本文中所介绍的技术涉及使用可以用于理解什么类型的人何时去哪、什么类型的位置受谁欢迎、以及谁何时与谁去哪的处理和技术来创建个人用户级别的移动性简档(被定义为例如空间和时间上的移动模式、等等)。这些模式可以用于预测个人群体的移动性以及本文中所讨论的其他目的。
[0013]可以使用本文中所介绍的技术实现的一些事情包括例如，触发实时的个性化的营销；总结位置和用户简档的匿名分析(例如，使用数据隐私法的裁决的应用、等等)；基于个人或群体过去的历史来主动地将这些个人或群体作为目标；通过按照位置、一天中的某一时间以及用户简档理解使用情况来改进网络利用率；以及在数据提供者与零售商之间合作营销。
[0014]本文中所介绍的技术可以涉及至少两个单独(individual)简档的产生或利用，该简档包括生活方式简档(例如，营销分析员对于特定的使用情况或者营销程序定义的简档、等等)以及移动性简档(例如，使用定义用户在一天、一周或其他时间段期间如何移动的数据挖掘算法而创建的简档、等等)。这样的单独简档可以关于数据提供者可能想要如何向用户营销或者以其他方式吸引用户来唯一地定义用户。
[0015]根据本文中所介绍的技术，可以通过例如营销分析或其他数据提供者来将生活方式简档创建为移动用户的类型的“经验法则”分类。一般来讲，生活方式简档可被提供给本文中所描述的系统(例如，以启发规则的形式、等等)来产生见解。例如，生活方式简档可以力图识别在12月参加足球比赛的人、或者在夏季周末的早晨在儿童足球场的人、或者早晨去工作并且每周有三天或更多天在咖啡店逗留的人。生活方式简档可以用于理解每个移动用户的移动性特性。本文中所使用的几个生活方式简档昵称是“Homebody”(即，不到访很多独特(unique)位置的移动用户)、“Daily Grinder” (即，往返工作、周末安静以及沿途停留的移动用户)、“N0rm Peterson”( S卩，不以显著的方式(例如，偏离量大于一个标准偏差的一半、等等)偏离大量其他移动用户的行为的规范的移动用户)、“Delivering theGoods"(即，一天到访许多不同的场所、模式不可预测的移动用户)、“Globe Trotter"(即，不在城里或者保持他或她的电话关机的移动用户)、“Rover Wanderer"(即，在各种地方与朋友度过晚上的移动用户)、以及“Other” (即，难以归类的移动用户)。
[0016]根据本文中所介绍的技术，在产生生活方式简档并且在将它(例如，以启发规则的形式、等等)应用于处理移动装置数据的中间或最终结果以识别属于该生活方式简档的类型或类别的移动用户之后，所识别的移动用户可被作为来自数据提供者的广告或其他通信的目标，以便影响他们的行为或者为了其他目的。例如，如果进入咖啡店的DailyGrinder被识别，则他或她可能是从常去的咖啡店转去支持新的咖啡店的目标。这样的目标确定(targeting)可以涉及使用地理围栏，以便当Daily Grinder在该新的咖啡店附近时实时地将广告递送给他或她，或者可以涉及使用预测分析，以当Daily Grinder靠近新的咖啡店时或者甚至在这之前预测性地以他或她为目标，这是因为移动装置数据(例如，移动性简档、聚集地简档或好友简档等)的分析预测他或她将来将靠近。
[0017]本文中所介绍的技术可以产生并且利用移动性度量，所述移动性度量来源于基于在特定时间范围内到访的独特位置的数量推导移动性的值的一系列计算。以下所讨论的与这些值的推导相关联的算法基于多次遍历移动装置数据以聚合值、然后在数据上对该值进行规范化以使得能够进行相对比较。位置也可以被定义为例如蜂窝塔、来自GPS或车载跟踪装置的坐标、经玮度、或者使用支付卡的零售店位置。如以下所讨论的，每个个人可以具有通过对所有的个人在空间-时间盒子内的移动性记录进行分析而计算的得分。对时间范围(例如，星期三的11:30am-1:30pm、等等)中的每个独特位置进行计数，并且存储所到访的独特位置的总数。然后，在所有的个人上，将所有的独特位置计数规范化为零。默认地，每一个人在每一个时间范围内具有至少一个位置，因为每一个人始终在某处。然而，根据本文中所介绍的技术，当不可得到关于一个或多个移动用户的数据(诸如他们的位置未知)时，则可以在其他数据可得到的情况下通过插值来补偿空间-时间盒子的“数据缺失”，或者在丢失大量数据的情况下通过将作为结果的移动性聚类和简档表示为由于缺少数据而被未定义来补偿空间-时间盒子的“数据缺失”。如以下所讨论的，可以使用启发法或数据挖掘算法来对移动性简档进行分组以生成移动性聚类，所述移动性聚类可以采取“DailyCommuter”、“Weekend Warr1r” 和其他类别的形式。
[0018]本文中所介绍的技术可以通过使用移动性聚类或移动性简档确定“聚集地(hangout) ”或受欢迎位置来产生并且利用聚集地简档。通过遍历移动装置数据并且利用空间-时间盒子的基于存在的指示符来识别个人在某个位置花费多少时间，可以确定每个位置对于每个移动用户的受欢迎程度。通过确定移动性，诸如白天的、夜间的以及工作日的或周末的活动，可以确定位置，诸如“家”、“工作”、“朋友”和“亲属”。此外，如以下所讨论的，通过链接类似的移动性简档，可以找到“热点”(例如，给定位置受在周五和周六晚上在市区非常活跃的人的欢迎、等等)。聚集地简档可以类似于移动性简档，但是是关于位置的简档。对于给定时间范围中的每个位置，对独特访客的数量进行计数。对这些计数器进行总计和排序(rank)，给出在给定时间最有可能在某一位置的人的列表。然后可以使用数据挖掘算法按照移动性简档对该数据进行聚类以确定在给定时间有可能在某一位置的人们的简档的类型(例如，办公室职员在午餐时间喜欢去特定餐馆，等等)。聚集地简档还可以识别哪里是在给定时间最受欢迎的地方、什么是这些地方的最普遍的移动性以及生活方式简档、这些是否不同于整体人群、以及人们在给定的聚集地位置之前来自什么位置、或者在给定的聚集地位置之后要去什么位置。
[0019]本文中所介绍的技术可以通过识别在一组位置和时间范围或空间-时间盒子内谁何时在其它人周围，来产生并且利用好友模型。好友模型实际上可以检查数据集中的所有其他的移动用户到访的所有位置和时间范围，以识别空间-时间盒子中的所有交集。输出可以包括关于每一个空间-时间盒子的、任何其他的移动用户在该空间-时间盒子中的次数的排序列表。对于每一个空间-时间盒子，可以对在同一个空间-时间盒子中的其他个人或装置进行计数，并且可以对计数器进行总计和排序。结果是最经常在给定用户周围的好友或用户的列表。该数据可以用于基于给定用户的好友在同一位置的存在来预测给定用户将位于哪里。在该技术涉及将所有数据点