本文分享自天翼云开发者社区《商场商圈潜客挖掘模型》，作者：石泽涛

超速数据清洗算法：

1）针对同一用户，顺次选取两条记录（第n条、第n+1条），根据第n条记录的停留时间TSn（两停留点时间差），以及与第n+1条记录的距离Dn（两记录点经纬度距离），计算第n条记录的穿越速度（Dn/TSn），如果该速度大于350km/h，则第n条记录的坐标修改为第n-1条记录的坐标，否则不作修改；

2) 如果为首条记录不合格，则继续计算第2条记录的速度，第2条记录与第3条记录的距离D2，直到找到速度合格的记录，将其坐标赋予首条记录。

3）最后一条记录始终保留。

4）重复步骤2

5）删除重复记录

乒乓切换清洗算法：

1）针对同一用户（Mdn），顺次选取三条记录（第n-1条、第n条、第n+1条），如果第n-1条记录与第n+1条记录BSID相同，第n条记录和第n-1条两条记录时间小于5分钟且与第n条记录不同，则标记第n条记录为一条乒乓记录，连续标记的乒乓记录记录为一个乒乓记录重复组；例如：CABABABAD标黄的部分为一个乒乓重复组，红字表示乒乓记录，这个情况属于具有5条乒乓记录的重复组。

2）对于只有一条乒乓记录的重复组（CABAD），考虑两点间的距离和事件发生的时间。首先，计算第n条记录的穿越速度（Dn/TSn），当第n条记录与第n+1条记录距离小于1km时，穿越速度如果大于步行平均速度（6km/h），则第n条记录坐标修改为第n-1条记录的坐标；否则不作修改。

3）对于大于等于两条乒乓记录的重复组（CABABD、CABABAD、CABABABD），将第一个乒乓记录坐标替换为其相邻的记录坐标，一个重复组内沿用相同规则进行替换，不再依次进行判断。比如CABABD替换为CAABBD、CABABAD替换为CAABAAD。

4）遍历结束后重复步骤2)。

5）重复2）3）4），直到所有记录均合格。

6）删除重复记录。

顾客识别算法：

1）判断目标区域的范围。

2）使用居住地工作地最近的地点与目标区域的距离。按下面条件进行筛选：（D为距离）

D<1公里 停留时长>10min

1公里<D<2公里 停留时长>30min

D>2公里 停留时长>45min

满足以上条件即为商场顾客

使用三组速度（进入前，里面，离开后）计算方差，大于1的去掉，计算进入前的最近三个速度的平均速度，和在目标区域里面的平均速度，如果相差小于于10km/h为非顾客则去掉，否则是顾客。

专栏文章内容及配图由作者撰写发布，仅供工程师学习之用，如有侵权或者其他违规问题，请联系本站处理。 联系我们