(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111341779.X (22)申请日 2021.11.12 (71)申请人 合众新能源 汽车有限公司 地址 314500 浙江省嘉兴 市桐乡市梧桐街 道同仁路98 8号 (72)发明人 张勤　沈俊宇　 (74)专利代理 机构 上海专利商标事务所有限公 司 31100 代理人 骆希聪 (51)Int.Cl. G06F 16/9537(2019.01) G06F 16/29(2019.01) G06N 20/00(2019.01) G06F 16/9535(2019.01) (54)发明名称 基于停留数据的目标人群识别方法、 系统和 可读介质 (57)摘要 本申请提供了一种基于停留数据的目标人 群识别方法， 包括： 获取用户的多日停留数据， 多 日停留数据包括连续的单日停留数据， 单日停留 数据包括单日停留开始时间、 单日停留结束时间 和单日停留点位置； 基于每日停留开始时间和每 日停留结束时间计算每日停留时间特征强化系 数； 基于每日的当日停留数据和当日之前的观察 周期参数的天数的单日停留数据计算每日停留 位置特征强化系数； 基于学习速率参数、 昨日命 中函数值、 当日停留时间特征强化系数和当日停 留位置特征强化系数计算当日命中函数值， 其中 命中函数值为预定义并且设第一天的昨日命中 函数值为0； 以及基于计算得到的多日命中函数 值判断该用户是否为目标人群。 该方法通过用户 的多日停留数据来判断目标人群， 能够更简单精 准地识别出目标人群 。 权利要求书2页 说明书9页 附图2页 CN 113918838 A 2022.01.11 CN 113918838 A 1.一种基于停留数据的目标 人群识别方法， 包括： 获取用户的多日停留数据， 所述多日停留数据包括连续的单日停留数据， 所述单日停 留数据包括单日停留开始 时间、 单日停留结束时间和单日停留点位置， 所述多 日停留数据 的天数大于等于预设的观察周期参数的2倍； 基于每日停留开始时间和每日停留结束时间计算每日停留时间特 征强化系数； 基于每日的当日停留数据和当日之前的所述观察周期参数的天数的单日停留数据计 算每日停留位置特 征强化系数； 基于预设的学习速率参数、 昨日命中函数值、 当日停留时间特征强化系数和当日停留 位置特征强化系数计算当日命中函数值， 其中所述命中函数值为预定义并且设第一 天的昨 日命中函数值 为0； 以及 基于计算得到的多日命中函数值判断该用户是否为目标 人群。 2.如权利要求1所述的方法， 其特征在于， 所述基于每日停留开始时间和每日停留结束 时间计算每日停留时间特 征强化系数的步骤是通过以下 方式进行计算： fn(xn， yn)＝On(xn)·Off(yn)·sigmoid(|停留小时数 ‑典型停留小时数|‑1) sigmoid函数： 其中， fn(xn， yn)为第n天的停留时间特征强化系数， xn为第n天停留开始时间， yn为第n天 停留结束时间， 停留小时数是根据xn和yn计算得到的， (a， b)为目标停留开始时间区间， (c， d)为目标停留结束时间区间， 典型停留小时数 是预设参数。 3.如权利要求1所述的方法， 其特征在于， 所述基于每日的当日停留数据和当日之前的 所述观察周期参数的天数的单日停留数据计算每日停留位置特征强化系数的步骤是通过 以下方式进行计算： Rn＝sigmoid((|xn‑第n天往前m日停留开始时间的中值|)‑1·(|yn‑第n天往前m日停留 结束时间的中值|)‑1·(distance)‑1) sigmoid函数： Δlon＝lon中心 点‑lonn Δlat＝lat中心 点‑latn 权　利　要　求　书 1/2 页 2 CN 113918838 A 2其中， Rn为第n天的停留位置特征强化系数， xn为第n天停留开始时间， yn为第n天停留结 束时间， m为所述观察周期参数， (lonn， latn)为第n天的停留点的经纬度， (lon中心点， lat中心点) 是前m天停留历史中心点的经纬度。 4.如权利要求1所述的方法， 其特征在于， 所述基于预设的学习速率参数、 昨日命中函 数值、 当日停留时间特征强化系 数和当日停留位置特征强化系 数计算当日命中函数值， 其 中所述命中函数为预定义并且设第一 天的昨日命中函数值为0的步骤是通过以下方式进 行 计算： 所述命中函数定义 为： 其中， α 为所述学习速率参数， Rn为第n天的停留位置特征强化系数， fn为第n天的停留时 间特征强化系数， Fn为第n天的命中函数值， Fn‑1为第n天的昨日命中函数值即第n ‑1天的命 中函数值。 5.如权利要求1所述的方法， 其特征在于， 所述基于计算得到的多日命中函数值判断该 用户是否为目标 人群的步骤是通过以下 方式进行判断： 若连续m日的ΔFn的标准差小于连续m日的ΔFn的平均值的30％， 则判断该用户为目标 人群， ΔFn通过以下 方式计算： 其中， ΔFn为所述观察周期 参数的天数的命中函数值的增量， Fn为第n天的命中函数值， m为所述观察周期参数， α 为 所述学习速率参 数， Ri为第i天的停留位置特征强化系数， fi为第 i天的停留时间特 征强化系数， Fn为第n天的命中函数值。 6.如权利要求5所述的方法， 其特征在于， 所述基于计算得到的多日命中函数值判断该 用户是否为目标 人群的步骤 还通过以下 方式进行判断： 若连续m日的ΔFn的标准差大于连续m日的ΔFn的平均值的60％， 则判断该用户不是目 标人群。 7.如权利要求1所述的方法， 其特征在于， 当所述目标人群为上班族时， 所述观察周期 参数为7， 所述停留数据为用户的汽车停留数据。 8.一种基于停留数据的目标 人群识别系统， 包括： 存储器， 用于存 储可由处 理器执行的指令； 以及 处理器， 用于执 行所述指令以实现如权利要求1 ‑7任一项所述的方法。 9.一种存储有计算机程序代码的计算机可读介质， 所述计算机程序代码在由处理器执 行时实现如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 113918838 A 3