CN101472320B

CN101472320B - 估计无线网络中移动特征量的方法和装置

Info

Publication number: CN101472320B
Application number: CN2007103041817A
Authority: CN
Inventors: 周莅涛; 邵则才; 陈锦荣
Original assignee: BEIJING WOTAIFENG TELECOM TECHNOLOGY Co Ltd
Current assignee: BEIJING WOTAIFENG TELECOM TECHNOLOGY Co Ltd
Priority date: 2007-12-25
Filing date: 2007-12-25
Publication date: 2010-08-25
Anticipated expiration: 2027-12-25
Also published as: CN101472320A

Abstract

本发明公开一种估计无线网络中移动特征量的方法，包括：采集网络中所有用户的信令，获得各用户的所有小区切换信息；利用各用户的所有小区切换信息和先验路径信息，采用基因匹配算法估算获得各用户途经的所有小区的信息；分析各用户途经的所有小区的信息，统计在各小区之间移动的用户数量，获得各小区之间的移动特征量。采用本发明提供的方法，可以获得各小区之间的实际移动特征量。另外在本发明中，由于是以真实的信令为依据，根据真实已知的信息估算各用户完整的移动信息，因此大大提高了估算量化结果的真实性和可靠性。本发明还公开一种估计无线网络中移动特征量的装置。

Description

估计无线网络中移动特征量的方法和装置

技术领域

本发明涉及无线网络技术，尤其涉及一种估计无线网络中移动特征量的方法和一种估计无线网络中移动特征量的装置。

背景技术

在移动通讯网络中，用户不是静止的，而是不断变换位置的。具体用户的移动是随机的，但在整个网络中，用户的移动是有明显规律特征的。按时间分析，用户的移动呈现明显的周期特征。例如，用户的移动在每个时段都不同，在工作日和休息日也不同；但是，在不同工作日的相同时段或在不同休息日的相同时段，用户的移动路径是很相似的。按照地理区域分析，用户的移动也呈现明显的周期特征。例如，在不同工作日的相同时段或在不同休息日的相同时段，经过某个区域的用户数量是很接近的。

这里，可以采用移动特征量的概念描述无线网络中用户的宏观移动情况。整个无线网络中的移动特征量可以通过各小区之间的移动特征量来表示。小区之间的移动特征量是指，从一个小区移动到另一个小区的用户的数量。

假设一个无线网络中有3个小区，分别是小区1、小区2和小区3，该无线网络如图1所示。小区1到小区2的移动特征量为X12，也就是说，从小区1移动到小区2的用户数量为X12。从小区2到小区1的移动特征量为X21，表示有X21个用户从小区2移动到小区1。同理，小区1到小区3的移动特征量为X13，小区3到小区1的移动特征量为X31，小区2到小区3的移动特征量为X23，小区3到小区2的移动特征量为X32。

通过小区之间的移动特征量X12、X13、X23、X21、X31和X32可以从宏观上清楚地看到整个无线网络的移动特征量，也就是整个无线网络中用户的移动情况。对于无线网络的移动特征量，可以有很多的具体应用。例如，可以根据无线网络的移动特征量对无线网络的结构进行优化，或者根据无线网络的移动特征量改进寻呼机制，也可以根据无线网络的移动特征量移改进移动性管理策略等等。

目前，通过统计无线网络中各小区之间的切换量可以估计无线网络中的移动特征量。所谓小区之间的切换量是指，从一个小区切换到另一个小区的用户数量。

该方法的具体过程如图2所示，包括下述步骤：

在步骤201中，采集网络中所有用户的信令以获得各用户的所有小区切换信息。

在步骤202中，通过分析各用户的小区切换信息，统计各小区之间切换的用户的数量。

结合图1，如果采用目前的方法，则以统计获得的从小区1切换到小区2的用户数量作为移动特征量X12。同理，以统计获得的从小区1切换到小区3的用户数量作为移动特征量X13，以统计获得的从小区2切换到小区3的用户数量作为移动特征量X23，以统计获得的从小区2切换到小区1的用户数量作为移动特征量X21，以统计获得的从小区3切换到小区1的用户数量作为移动特征量X31，以统计获得的从小区3切换到小区2的用户数量作为移动特征量X32。

但是，统计无线网络中各小区之间的切换量，只能得知用户在事件状态时的移动情况，而无法得知用户在空闲状态时的移动情况。这里所谓的事件状态可以是打电话、发短信或进行其它业务。

因此，通过统计无线网络中各小区之间的切换量估计无线网络中的移动特征量，只能获得比较片面的结果，无法获得实际的移动特征量。

发明内容

有鉴于此，本发明解决的技术问题是提供一种估计无线网络中移动特征量的方法，采用该方法可以估计获得各小区之间实际的移动特征量，从而可以获得整个无线网络的实际的移动特征量。

为此，本发明提供的技术方案如下：

一种估计无线网络中移动特征量的方法，包括：

采集网络中所有用户的信令，获得各用户的所有小区切换信息；

根据用户的所有小区切换信息获得所述用户的移动片段信息，根据小区切换的相似程度，采用基因匹配算法查找与所述用户的移动片段信息最相似的所述用户的先验路径信息，获得所述用户途经的所有小区的信息，所述先验路径信息为根据各用户的所有小区切换信息获取的各用户在事件状态下的移动路径信息；

分析各用户途经的所有小区的信息，统计在各小区之间移动的用户数量，获得各小区之间的移动特征量。

在一些实施例中，按下述步骤估算每个用户途经的所有小区的信息：

根据用户的所有小区切换信息获得所述用户的移动片段信息；

根据小区切换的相似程度，采用基因匹配算法查找与所述用户的移动片段信息最相似的所述用户的先验路径信息，获得所述用户途经的所有小区的信息。

在一些实施例中，当与所述用户的移动片段信息最相似的先验路径信息只有一个时，以所述先验路径信息作为所述用户途经的所有小区的信息；

当与所述用户的移动片段信息最相似的先验路径信息有多个时，根据预先设置的约束条件，在最相似的各先验路径信息中，以最符合约束条件的先验路径信息作为所述用户途经的所有小区的信息。

在一些实施例中，将用户的移动时间设置为约束条件。

在一些实施例中，所述先验路径信息是先前统计保存的用户在事件状态下的移动路径信息。

本发明所要解决的另一个技术问题是提供一种估计无线网络中移动特征量的装置，包括：

信令采集单元，用于采集网络中所有用户的信令；

第一分析单元，用于对信令采集单元采集的信令进行分析，获得各用户的所有小区切换信息；

估算单元，用于根据用户的所有小区切换信息获得所述用户的移动片段信息，根据小区切换的相似程度，采用基因匹配算法查找与所述用户的移动片段信息最相似的所述用户的先验路径信息，获得所述用户途经的所有小区的信息，所述先验路径信息为根据各用户的所有小区切换信息获取的各用户在事件状态下的移动路径信息；

第二分析单元，用于对估算单元获得的各用户途经的所有小区的信息进行分析；和

统计单元，用于统计第二分析单元获得的在各小区之间移动的用户数量，获得各小区之间的移动特征量。

在一些实施例中，所述估算单元包括：

片段信息生成单元，用于根据用户的所有小区切换信息获得所述用户的移动片段信息；和

匹配单元，用于根据小区切换的相似程度，采用基因匹配算法查找与所述用户的移动片段信息最相似的所述用户的先验路径信息，获得所述用户途经的所有小区的信息。

在一些实施例中，当与所述用户的移动片段信息最相似的先验路径信息只有一个时，所述匹配单元以所述先验路径信息作为所述用户途经的所有小区的信息；

当与所述用户的移动片段信息最相似的先验路径信息有多个时，所述匹配单元根据预先设置的约束条件，在最相似的各先验路径信息中，以最符合约束条件的先验路径信息作为所述用户途经的所有小区的信息。

在一些实施例中，所述约束条件为用户的移动时间。

可以看出，采用本发明提供的方法，由于利用网络中各用户的所有小区切换信息和先验路径信息，估算获得各用户途经的小区的信息，然后分析各用户途经的小区的信息，统计在各小区之间移动的用户的数量。因此，获得的各小区之间的移动特征量就是各小区之间的实际移动特征量。

在本发明中，由于是以真实的信令为依据，根据真实已知的信息估算各用户完整的移动信息，因此大大提高了估算量化结果的真实性和可靠性。

附图说明

图1是小区间移动特征量的一个示意图；

图2现有的一种估计无线网络中的移动特征量的方法流程图；

图3是本发明提供的一个方法实施例的流程图；

图4是本发明实施例中估算用户途经的所有小区的示意图；

图5是本发明提供的一个装置实施例的示意图。

具体实施方式

本发明的基本思想是，利用网络中各用户的所有小区切换信息和先验路径信息，估算获得各用户途经的小区的信息，然后分析各用户途经的小区的信息，统计在各小区之间移动的用户的数量，从而获得各小区之间的移动特征量。

为使本领域技术人员更好地理解本发明，下面结合全球移动通信系统(GSM)/通用分组无线业务(GPRS)网络对本发明提供的方法作具体说明。图3示出了一种估计无线网络中移动特征量的方法流程。

在步骤301中，采集网络中所有用户的信令，获得各用户的所有小区切换信息。

通过信令提取设备可以采集网络中所有用户的信令以获得各用户在事件状态时在各小区之间的切换信息，从而可以获得各用户在事件状态时的移动信息。

为方便后续的处理，可以采用移动特征矢量来表示用户在各小区之间移动的情况。当用户从一个小区(源小区)移动到另一个小区(目标小区)时，会产生一条从源小区指向目标小区的移动特征矢量。

获得各用户的所有小区切换信息后，就可以根据各用户在小区之间的切换，获得各用户的移动特征矢量。

获得的各用户的移动特征矢量，主要具有两种作用：一、可以用于本次估计无线网络中的移动特征量；二、可以作为今后估计无线网络中移动特征量的先验信息。

由于在无线网络中存在大量的小区，将大量的移动特征矢量加以保存的比较好的方法是，以矩阵的形式记录各小区之间的移动特征矢量。这个矩阵可以称为转移矩阵。

这里需要说明的是，在步骤301中获得各用户的所有小区切换信息后，即可以得知各用户在事件(通讯)状态下的移动信息。但是，在估算无线网络中的移动特征量时，不仅需要知道各用户在事件状态下的移动信息，还需要知道各用户在空闲状态下的移动信息。

用户在事件状态下的移动信息只是用户整个移动信息中的一些片段，可以称为用户的移动片段信息。用户的移动片段信息并不能体现用户途经的所有小区。只有将用户在事件状态和空闲状态下的移动信息进行累记，才能获得用户完整的移动信息，也就是用户途经的所有小区。但是，通过采集用户的信令只能得知各用户在事件状态下的移动信息，而无法得知用户在空闲状态时的移动信息。因此，需要在后续的处理步骤中通过估算获得用户完整的移动信息。

在步骤302中，利用各用户的所有小区切换信息和先验路径信息，采用基因匹配算法估算获得各用户途经的所有小区的信息。

前文已经提及，用户的移动是有明显规律特征的。无论是按时间还是按地理区域分析，用户的移动都具有相似的特征。例如，在不同工作日的相同时段或在不同休息日的相同时段，用户的移动路径是很相似的。在不同工作日的相同时段或在不同休息日的相同时段，经过某个区域的用户数量是很接近的。利用这种相似的特征，可以对用户的某些具体移动路径进行估算。

利用已经获得的用户的所有小区切换信息和先验路径信息，采用基因匹配算法可以估算获得各用户途经的所有小区的信息，获得用户完整的移动信息。这里所谓的先验路径信息是指，先前统计保存的用户在事件状态下的移动路径信息。

假设从网络侧得知某个用户切换小区的信息为，从小区A切换到小区B、从小区B切换到小区C、从小区E切换到小区F。则该用户的移动片段信息如图4所示。从图4可以看出，该用户的移动信息是不完整的，在小区C和小区E之间包括3个相邻小区，分别为小区D、小区D1和小区D2。利用现有技术，是无法得知该用户的完整的移动信息的。

而在本实施例中，可以通过先验路径信息，也就是先前的统计信息，获得该用户从小区A到小区E的所有移动信息。假设，通过先前的统计信息得知该用户在事件状态下从小区A到小区E的移动信息包括以下5条：

1、从小区A出发，经小区B1、小区C、小区D和小区E1，到达小区F；

2、从小区A出发，经小区B、小区C、小区D1和小区E，到达小区F；

3、从小区A出发，经小区B、小区C、小区D和小区E，到达小区F；

4、从小区A出发，经小区B、小区C2、小区D和小区E，到达小区F；

5、从小区A出发，经小区B、小区C1、小区D和小区E，到达小区F；

采用基因匹配算法可以将本次获得的该用户的移动片段信息，即从小区A出发，经小区B、小区C、小区E，到达小区F，与先前的统计信息进行比较匹配。

根据切换小区的相似程度，查找与所述用户的移动片段信息最相似的先前统计信息。当与所述用户的移动片段信息最相似的先前统计信息只有一个时，以该先前的统计信息作为所述用户完整的移动信息。

当与所述用户的移动片段信息最相似的先前统计信息有多个时，可以根据其它预先设置的约束条件，在最相似的各先前统计信息中，查找最符合约束条件的先前统计信息。例如，可以将用户的移动时间作为约束条件。

结合图4可以看出，在上述5条先前统计信息中，第2条信息和第3条信息与用户的移动片段信息最相似。假设，所述用户从小区A移动到小区E的时间为T；而在第2条先前的统计信息和第3条先前的统计信息中，用户从小区A移动到小区E的时间分别为T1和T2。那么，将以和时间T最接近的时间所对应的先前统计信息作为所述用户的完整的、真实的移动信息。

当T1最接近T时，以第2条信息作为用户的完整移动信息，当T2最接近T时，以第3条信息作为用户的完整移动信息。

获得各用户途经的所有小区的信息后，在步骤303中，分析各用户途经的所有小区的信息，统计在各小区之间移动的用户数量，获得各小区之间的移动特征量。

这里需要说明的是，获得各用户途经的所有小区的信息后，需要将统计的对象改变为每个小区。这样，通过分析网络中所有用户的完整的移动信息，就可以精确地统计出在各小区之间移动的用户数量，从而获得各小区之间的移动特征量。

由于在无线网络中存在大量的小区，一种保存各小区之间移动特征量的优选方式是，以矩阵的形式保存各小区之间的移动特征量。这个矩阵可以称为移动特征矩阵。

可以看出，采用上述实施例提供的方法，由于利用网络中各用户的所有小区切换信息和先验路径信息，估算获得各用户途经的小区的信息，然后分析各用户途经的小区的信息，统计在各小区之间移动的用户的数量。因此，获得的各小区之间的移动特征量就是各小区之间的实际移动特征量。

上述实施例中，由于是以真实的信令为依据，根据真实已知的信息估算各用户完整的移动信息，因此大大提高了估算量化结果的真实性和可靠性。

在上述实施例中，虽然是以GSM/GPRS网络为例对本发明提供的方法进行的说明，但本领域技术人员可以看出，本发明提供的方法不受无线网络的限制，即，本发明提供的方法完全可以应用到其它移动通讯网络中，例如第三代移动通讯网络及未来的移动通讯网络，这里不再重复说明。而且，本发明提供的方法是基于信令的，因此可以适用于任何制式和设备厂家的网络，提供最通用的网络用户的移动特征量化模型。

本发明还提供了一种估计无线网络中移动特征量的装置。如图5所示，该装置包括信令采集单元S51、第一分析单元S52、估算单元S53、第二分析单元S54和统计单元S55。

通过信令采集单元S51可以采集网络中所有用户的信令。利用第一分析单元S52可以对信令采集单元S51所采集的信令进行分析，以获得各用户在事件状态时在各小区之间的切换信息，从而可以获得各用户在事件状态时的移动信息。

第一分析单元S52获得各用户在事件状态时在各小区之间的切换信息后，估算单元S53将利用各用户的所有小区切换信息和先验路径信息，采用基因匹配算法估算获得各用户途经的所有小区的信息。

利用已经获得的用户的所有小区切换信息和先验路径信息，估算单元S53采用基因匹配算法可以估算获得各用户途经的所有小区的信息，获得用户完整的移动信息。

其中，估算单元S52还应该包括片段信息生成单元和匹配单元。片段信息生成单元用于根据用户的所有小区切换信息获得所述用户的移动片段信息。匹配单元用于根据小区切换的相似程度，采用基因匹配算法查找与用户的移动片段信息最相似的该用户的先验路径信息。

当与所述用户的移动片段信息最相似的先验路径信息只有一个时，匹配单元以所述先验路径信息作为所述用户途经的所有小区的信息；

当与所述用户的移动片段信息最相似的先验路径信息有多个时，匹配单元根据预先设置的约束条件，在最相似的各先验路径信息中，以最符合约束条件的先验路径信息作为所述用户途经的所有小区的信息。例如，可以将用户的移动时间作为约束条件。

获得各用户途经的所有小区的信息后，第二分析单元S54用于对估算单元S53获得的各用户途经的所有小区的信息进行分析，统计单元S55用于统计第二分析单元S54获得的在各小区之间移动的用户数量，获得各小区之间的移动特征量。

可以看出，采用上述实施例提供的装置，由于利用网络中各用户的所有小区切换信息和先验路径信息，估算获得各用户途经的小区的信息，然后分析各用户途经的小区的信息，统计在各小区之间移动的用户的数量。因此，获得的各小区之间的移动特征量就是各小区之间的实际移动特征量。

在上述装置中，由于是以真实的信令为依据，根据真实已知的信息估算各用户完整的移动信息，因此大大提高了估算量化结果的真实性和可靠性。

本领域技术人员可以明白，这里结合所公开的实施例描述的各种示例性的方法步骤和装置单元均可以电子硬件、软件或二者的结合来实现。为了清楚地示出硬件和软件之间的可交换性，以上对各种示例性的步骤和单元均以其功能性的形式进行总体上的描述。这种功能性是以硬件实现还是以软件实现依赖于特定的应用和整个系统所实现的设计约束。本领域技术人员能够针对每个特定的应用，以多种方式来实现所描述的功能性，但是这种实现的结果不应解释为倒是背离本发明的范围。

利用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程的逻辑器件、分立门或者晶体管逻辑、分立硬件组件或者他们之中的任意组合，可以实现或执行结合这里公开的实施例描述的各种示例性的单元。通用处理器可能是微处理器，但是在另一种情况中，该处理器可能是任何常规的处理器、控制器、微控制器或者状态机。处理器也可能被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或者更多结合DSP核心的微处理器或者任何其他此种结构。

结合上述公开的实施例所描述的方法的步骤可直接体现为硬件、由处理器执行的软件模块或者这二者的组合。软件模块可能存在于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其他形式的存储媒质中。一种典型存储媒质与处理器耦合，从而使得处理器能够从该存储媒质中读信息，且可向该存储媒质写信息。在替换实例中，存储媒质是处理器的组成部分。处理器和存储媒质可能存在于一个ASIC中。该ASIC可能存在于一个用户站中。在一个替换实例中，处理器和存储媒质可以作为用户站中的分立组件存在。

根据所述公开的实施例，可以使得本领域技术人员能够实现或者使用本发明。对于本领域技术人员来说，这些实施例的各种修改是显而易见的，并且这里定义的总体原理也可以在不脱离本发明的范围和主旨的基础上应用于其他实施例。以上所述的实施例仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种估计无线网络中移动特征量的方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，按下述步骤估算每个用户途经的所有小区的信息：

3.如权利要求2所述的方法，其特征在于，当与所述用户的移动片段信息最相似的先验路径信息只有一个时，以所述先验路径信息作为所述用户途经的所有小区的信息；

4.如权利要求3所述的方法，其特征在于，将用户的移动时间设置为约束条件。

5.如权利要求1至4任一项所述的方法，其特征在于，所述先验路径信息是先前统计保存的用户在事件状态下的移动路径信息。

6.一种估计无线网络中移动特征量的装置，其特征在于，包括：

信令采集单元，用于采集网络中所有用户的信令；

7.如权利要求6所述的装置，其特征在于，所述估算单元包括：

8.如权利要求7所述的装置，其特征在于，当与所述用户的移动片段信息最相似的先验路径信息只有一个时，所述匹配单元以所述先验路径信息作为所述用户途经的所有小区的信息；

9.如权利要求8所述的装置，其特征在于，所述约束条件为用户的移动时间。

10.如权利要求6至9任一项所述的装置，其特征在于，所述先验路径信息是先前统计保存的用户在事件状态下的移动路径信息。