一种基于泛基站的人口与场所特征分析方法及系统与流程

本发明涉及数据分析，特别涉及一种基于泛基站的人口与场所特征分析方法及系统。

背景技术：

1、通信设备基站种类繁多，包括无线路由器(wi-fi)、蓝牙、移动蜂窝基站和个人热点等。这些通信设备在特定的范围内为用户终端设备(例如智能手机)提供数据传输功能，而这些局部性的信号源统一称为泛基站。在使用时，用户可以通过携带相应模块的终端设备，扫描或连接到周围的泛基站。而在泛基站进行连接时，用户与泛基站会产生在时间序列上的关联关系，这种关系反映了用户与基站的接触关系，并且，具有相似特征的人群关联到泛基站的规律也具有相似性，相对的，在相同类型的场所中，泛基站与人的关联关系也具有相似性。

2、然而，目前针对人群或场所的特征分析方法主要通过收集用户或场所本身的数据，然后建立数据分析模型，根据实际需求设计算法，得到分析结果。例如，为了进行用户特征分析，可能需要收集用户的位置信息，消费习惯，工作记录等数据；对于场所特征分析，则可能需要收集商家提供的场所基本信息，位置信息，客流量等数据。这些技术或方法存在数据获取成本高、数据结构复杂、方法扩展性差等问题。

技术实现思路

1、本发明实施例提供了一种基于泛基站的人口与场所特征分析方法及系统，以解决现有技术中的上述技术问题。

2、为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

3、根据本发明实施例的第一方面，提供了一种基于泛基站的人口与场所特征分析方法。

4、在一个实施例中，所述基于泛基站的人口与场所特征分析方法，包括：

5、获取历史通信数据，所述历史通信数据包括泛基站数据、用户数据以及泛基站与用户的关联关系数据；

6、基于人口和场所对所述历史通信数据进行人工标记，得到与所述历史通信数据对应特征标记数据，所述特征标记数据包括人口特征标记数据和场所特征标记数据；

7、基于所述历史通信数据和所述特征标记数据对预先配置的迁移学习模型进行训练，并将训练后的迁移学习模型作为特征预测模型；

8、实时获取用户与泛基站的关联关系数据，并利用所述特征预测模型对该关联关系数据进行预测，得到人口特征预测结果和场所特征预测结果。

9、在一个实施例中，所述泛基站数据包括：泛基站名称、uuid、mac地址以及泛基站主键id；所述用户数据包括：用户信息和用户主键id；所述关联关系数据包括：用户与泛基站在时间序列上的关联关系数据。

10、在一个实施例中，所述基于泛基站的人口与场所特征分析方法，还包括：在迁移学习模型进行训练之前以及在对实时的用户与泛基站的关联关系数据进行预测之前，通过预先配置的深度神经网络模型对所述历史通信数据和实时的用户与泛基站的关联关系数据进行表征处理。

11、在一个实施例中，所述深度神经网络模型为bert模型，且所述bert模型的结构由嵌入层、多层transformer编码器和激活输出层构成。

12、在一个实施例中，所述迁移学习模型的结构由前馈神经网络层和激活函数构成。

13、根据本发明实施例的第二方面，提供了一种基于泛基站的人口与场所特征分析系统。

14、在一个实施例中，所述基于泛基站的人口与场所特征分析系统，包括：

15、历史数据获取模块，用于获取历史通信数据，所述历史通信数据包括泛基站数据、用户数据以及泛基站与用户的关联关系数据；

16、数据人工标记模块，用于基于人口和场所对所述历史通信数据进行人工标记，得到与所述历史通信数据对应特征标记数据，所述特征标记数据包括人口特征标记数据和场所特征标记数据；

17、预测模型训练模块，用于基于所述历史通信数据和所述特征标记数据对预先配置的迁移学习模型进行训练，并将训练后的迁移学习模型作为特征预测模型；

18、特征预测分析模块，用于实时获取用户与泛基站的关联关系数据，并利用所述特征预测模型对该关联关系数据进行预测，得到人口特征预测结果和场所特征预测结果。

19、在一个实施例中，所述泛基站数据包括：泛基站名称、uuid、mac地址以及泛基站主键id；所述用户数据包括：用户信息和用户主键id；所述关联关系数据包括：用户与泛基站在时间序列上的关联关系数据。

20、在一个实施例中，所述基于泛基站的人口与场所特征分析系统，还包括：表征处理模块，用于在迁移学习模型进行训练之前以及在对实时的用户与泛基站的关联关系数据进行预测之前，通过预先配置的深度神经网络模型对所述历史通信数据和实时的用户与泛基站的关联关系数据进行表征处理。

21、在一个实施例中，所述深度神经网络模型为bert模型，且所述bert模型的结构由嵌入层、多层transformer编码器和激活输出层构成。

22、在一个实施例中，所述迁移学习模型的结构由前馈神经网络层和激活函数构成。

23、本发明实施例提供的技术方案可以包括以下有益效果：

24、本发明通过获取用户与泛基站的历史通信数据，并基于人口和场所对该历史通信数据进行人工标记得到特征标记数据，从而通过特征标记数据和历史通信数据对迁移学习模型进行训练，进而可利用训练后的迁移学习模型基于实时的用户和泛基站的关联关系进行人口与场所特征分析，该方法无需额外设立基站，数据获取过程简单，具有更高通用性，能够实现多种场景下的人口与场所特征分析任务。

25、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

技术特征：

1.一种基于泛基站的人口与场所特征分析方法，其特征在于，包括：

2.根据权利要求1所述的基于泛基站的人口与场所特征分析方法，其特征在于，所述泛基站数据包括：泛基站名称、uuid、mac地址以及泛基站主键id；所述用户数据包括：用户信息和用户主键id；所述关联关系数据包括：用户与泛基站在时间序列上的关联关系数据。

3.根据权利要求2所述的基于泛基站的人口与场所特征分析方法，其特征在于，还包括：

4.根据权利要求3所述的基于泛基站的人口与场所特征分析方法，其特征在于，所述深度神经网络模型为bert模型，且所述bert模型的结构由嵌入层、多层transformer编码器和激活输出层构成。

5.根据权利要求3所述的基于泛基站的人口与场所特征分析方法，其特征在于，所述迁移学习模型的结构由前馈神经网络层和激活函数构成。

6.一种基于泛基站的人口与场所特征分析系统，其特征在于，包括：

7.根据权利要求6所述的基于泛基站的人口与场所特征分析系统，其特征在于，所述泛基站数据包括：泛基站名称、uuid、mac地址以及泛基站主键id；所述用户数据包括：用户信息和用户主键id；所述关联关系数据包括：用户与泛基站在时间序列上的关联关系数据。

8.根据权利要求7所述的基于泛基站的人口与场所特征分析系统，其特征在于，还包括：

9.根据权利要求8所述的基于泛基站的人口与场所特征分析系统，其特征在于，所述深度神经网络模型为bert模型，且所述bert模型的结构由嵌入层、多层transformer编码器和激活输出层构成。

10.根据权利要求8所述的基于泛基站的人口与场所特征分析系统，其特征在于，所述迁移学习模型的结构由前馈神经网络层和激活函数构成。

技术总结
本发明涉及数据分析技术领域，公开一种基于泛基站的人口与场所特征分析方法及系统，该方法包括：获取历史通信数据，基于人口和场所对所述历史通信数据进行人工标记，得到与所述历史通信数据对应特征标记数据；基于所述历史通信数据和所述特征标记数据对预先配置的迁移学习模型进行训练，并将训练后的迁移学习模型作为特征预测模型；实时获取用户与泛基站的关联关系数据，并利用所述特征预测模型对该关联关系数据进行预测，得到人口特征预测结果和场所特征预测结果。本发明无需额外设立基站，数据获取过程简单，具有更高通用性，能够实现多种场景下的人口与场所特征分析任务。

技术研发人员：黄有为,张佩珩,赵晓芳,王宏杰,许龙
受保护的技术使用者：中科算智(苏州)技术有限公司
技术研发日：
技术公布日：2024/3/17