[发明专利]一种基于移动设备传感器数据的生活模式分析方法及系统

权利要求书

1.一种基于移动设备传感器数据的生活模式分析方法，其特征在于，所述方法包括：

从移动设备的各传感器收集原始数据；

根据各传感器的数据特点和能耗特点对原始数据进行数据预处理并获得数据序列；

根据驻留点检测方式获得驻留点序列；

对所述驻留点序列进行聚类分析，得到地点历史序列；

对地点历史序列中的每一条数据进行兴趣点搜索，并对地点历史进行标记；

判断用户的身份是否已知，若否，则根据兴趣点标记推断用户身份。

2.如权利要求1所述的基于移动设备传感器数据的生活模式分析方法，其特征在于，所述原始数据包括定位数据和运动状态原始数据。

3.如权利要求2所述的基于移动设备传感器数据的生活模式分析方法，其特征在于，所述从移动设备的各传感器收集原始数据的步骤包括：通用CoreLocation框架收集定位数据；通过CoreMotion框架收集来自加速度计、陀螺仪、电子罗盘的运动状态原始数据。

4.如权利要求2或3所述的基于移动设备传感器数据的生活模式分析方法，其特征在于，所述定位数据包括蜂窝塔三角定位数据、Wi-Fi节点数据库查询数据和GPS定位数据。

5.如权利要求4所述的基于移动设备传感器数据的生活模式分析方法，其特征在于，所述根据各传感器的数据特点和能耗特点对原始数据进行数据预处理并获得数据序列的步骤包括：对收集到的定位数据进行坐标变换；将变换后的坐标进行反向地理编码；将用户ID、经纬度、时间戳、运动模式、反向地理编码结果以及记录ID写入数据库中。

6.如权利要求4所述的基于移动设备传感器数据的生活模式分析方法，其特征在于，所述根据各传感器的数据特点和能耗特点对原始数据进行数据预处理并获得数据序列的步骤包括：将每一时刻的传感器数据进行滤波处理；分别使用第二范式来表征每一时刻传感器的数据；维护一个第二范式的队列；将队列中的第二范式序列进行傅里叶变换；计算其功率谱；从功率谱截取区分度较大的数据构成指纹向量；在频率域上与预置的运动模式进行相似度比较；用相似度最高的预置运动模式的名称对用户的当前的运动模式进行标记。

7.一种基于移动设备传感器数据的生活模式分析系统，其特征在于，所述系统包括：

收集模块，用于从移动设备的各传感器收集原始数据；

预处理模块，用于根据各传感器的数据特点和能耗特点对原始数据进行数据预处理并获得数据序列；

驻留点处理模块，用于根据驻留点检测方式获得驻留点序列；

聚类分析模块，用于对所述驻留点序列进行聚类分析，得到地点历史序列；

标记模块，用于对地点历史序列中的每一条数据进行兴趣点搜索，并对地点历史进行标记；

判断模块，用于判断用户的身份是否已知，若否，则根据兴趣点标记推断用户身份。

8.如权利要求7所述的基于移动设备传感器数据的生活模式分析系统，其特征在于，所述收集模块用于通用CoreLocation框架收集定位数据；通过CoreMotion框架收集来自加速度计、陀螺仪、电子罗盘的运动状态原始数据。

9.如权利要求7所述的基于移动设备传感器数据的生活模式分析系统，其特征在于，所述预处理模块还用于对收集到的定位数据进行坐标变换；将变换后的坐标进行反向地理编码；将用户ID、经纬度、时间戳、运动模式、反向地理编码结果以及记录ID写入数据库中。

10.如权利要求6所述的基于移动设备传感器数据的生活模式分析系统，其特征在于，所述预处理模块还用于将每一时刻的传感器数据进行滤波处理；分别使用第二范式来表征每一时刻传感器的数据；维护一个第二范式的队列；将队列中的第二范式序列进行傅里叶变换；计算其功率谱；从功率谱截取区分度较大的数据构成指纹向量；在频率域上与预置的运动模式进行相似度比较；用相似度最高的预置运动模式的名称对用户的当前的运动模式进行标记。