CN103150156B - 基于地理模型和移动轨迹实时获取特征人群的方法及系统 - Google Patents
基于地理模型和移动轨迹实时获取特征人群的方法及系统 Download PDFInfo
- Publication number
- CN103150156B CN103150156B CN201210519757.2A CN201210519757A CN103150156B CN 103150156 B CN103150156 B CN 103150156B CN 201210519757 A CN201210519757 A CN 201210519757A CN 103150156 B CN103150156 B CN 103150156B
- Authority
- CN
- China
- Prior art keywords
- model
- base station
- data
- information
- terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 239000000284 extract Substances 0.000 claims abstract description 9
- 230000013011 mating Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 230000011664 signaling Effects 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 238000010223 real-time analysis Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于地理模型和移动轨迹实时获取特征人群的方法及系统，它包括以下步骤：轨迹分析模型的选取步骤，从轨迹分析模型覆盖区域的基站采集移动终端的定位数据的步骤，以及根据轨迹分析模型的参数与定位数据进行匹配过滤，提取符合模型的参数。本发明提出了基于热点地区、交通路网等地理位置信息设定轨迹分析模型的思路，使基于移动轨迹的行为分析更加贴近经济生产活动需求。
Description
技术领域
本发明属于移动通信数据分析领域，尤其是基于移动轨迹分析、模型驱动、移动终端基站定位和数据挖掘的行为分析方法，具体地说是一种基于地理模型和移动轨迹实时获取特征人群的方法及系统。
背景技术
随着我国城市化进程的日益加快，城市的人口规模、城建规模以极高的速度扩张，对政府、企业提出了更高的管理、经营要求。而随着移动通信、GIS信息技术、GPS等关键技术的日益发展，通信领域提出了物联网概念，美国提出“智慧的地球”的概念，我国则提出“感知中国”的信息化战略，目标就是要通过融合各种信息技术，以一种更加智慧的方式，有效采用新型信息技术来改变政府、公司和人们相互交流的传统方式，进而提高交互过程的针对性、灵活性和响应速度。
但目前物联网产业才刚刚起步，存在设备造价高，应用范围小等问题，无法在社会生活中大规模应用。而与此同时我国移动手机用户已经突破9亿，每时每刻都有大量的移动终端用户在使用移动通信服务的同时又产生海量的信息数据，如将这些移动终端视为一个个传感器，对这些数据特别是针对移动轨迹的分析可以帮助我们获得特定属性的人群样本信息，可为政府、企事业单位决策提供较准确的参考依据，协助突发事件处置等。
模型驱动开发(Model-driven development，MDD)是软件开发的一种样式，其中主要的软件工件是模型，根据最佳实践，可以从这些模型生成代码和其他工件。模型是从特定角度对系统进行的描述，它省略了相关的细节，因此可以更清楚地看到感兴趣的特性。类似地我们可以从模型角度出发，先根据业务需求建立相应的特征模型，在通过模型来指导对特定属性人群样本的选取。
目前，国内电信运营商均对外提供LBS服务，根据技术实现方式的不同又可分为两种不同精度、不同使用方式的定位服务——精确定位和粗定位。其中粗定位服务又称Cell-id定位，其实现原理是：定位平台向核心网发送信令，查询手机所在小区ID，根据存储的基站数据库(BSA)数据，得出用户大致位置。其定位精度取决于基站或扇区的大小，一般在几百至几千米左右。这种定位方式无需移动终端安装任何客户端软件，定位过程也可以完全静默无需用户干预，这也为我们利用移动终端采集数据提供了方便。同时电信运营商拥有庞大数量的移动通信基站，这些基站分布在城市的各个区域，将这些基站与城市重点地标、交通路网的地理位置通过GIS引擎相结合，就可以利用这些基站对城市地理信息进行模型抽象，并根据观测分析的需求，构建基于地理坐标的分析模型，最终利用这些模型匹配海量移动终端的移动轨迹，生成具备时间、轨迹、密度等多维度信息的数据分析报告，指导生产实践活动。
发明内容
本发明提出一种基于位置移动轨迹实时获取特征人群属性的方法及系统，系统根据数据分析的目的需求，通过选取一组特定的移动通信基站建立轨迹分析模型，再采集并分析CDMA移动终端的基站定位数据，结合移动终端进入模型的时间、移动速度、方向轨迹等因素筛选出符合特征的人群，并可分析人群的密度、移动速度等维度的数据变化情况，进而为决策提供参考。
本发明的技术方案是：
一种基于地理模型和移动轨迹实时获取特征人群的方法，它包括以下步骤：轨迹分析模型的选取步骤，从轨迹分析模型覆盖区域的基站采集移动终端的定位数据的步骤，以及根据轨迹分析模型的参数与定位数据进行匹配过滤，提取符合模型的参数。
本发明的轨迹分析模型的选取步骤是根据待分析数据的理位置信息及CDMA通信基站地理分布信息建立轨迹分析模型，包括：
步骤1、将城市地理数据，轨道交通网络数据和CDMA基站分布数据的基础信息导入GIS地理信息数据模块中；其中城市地理数据记录了地理坐标，轨道交通网络数据记录了公交地铁、铁路等公共交通线路数据(上述数据均来源于专业地图厂商)；CDMA基站分布数据记录了基站的地理位置，用于获得手机位置信息(数据来源于运营商数据)；
步骤2、根据系统数据分析的目的需要，在分析模型管理模块选择要进行匹配的轨迹分析模型，所述的轨迹分析模型包括：链状模型、星状模型、异星状模型和网状模型；
步骤3、根据GIS地理信息数据模块中相关数据，选择匹配模型覆盖的基站，并设定基站顺序，同时设定模型内移动终端的移动方向、移动速度和移动终端在基站内活动超时的阀值作为初始参数。
本发明中，链状模型是匹配线状移动轨迹，用于轨道交通、城市主干道地理模型的实时分析；星状模型是匹配一组移动轨迹，用于对热点地区周边情况的实时分析，轨迹移动方向可分为向内和向外两种；异星状模型，类似星状模型，其结合交通路网，对星性结构进行调整，使模型更切合地理情况；网状模型是匹配在一定范围内的网状移动轨迹，用于园区类大面积热点地区周边活动人群的活动范围情况的实时分析。
本发明中，从轨迹分析模型覆盖区域的基站采集移动终端的定位数据的步骤具体为：根据所选取的轨迹分析模型，通过移动交换中心MSC的A接口采集轨迹分析模型中各个基站下移动终端的信息，包括移动终端的号码、移动终端所在基站位置、信令产生时间的信息。
本发明中，根据轨迹分析模型的参数与定位数据进行匹配过滤，提取符合模型的参数具体为：
步骤1、采集并记录进入初始基站终端的信息，包含移动终端的号码、移动终端所在基站位置、信令产生时间的信息(作为终端在该基站进入时间和更新时间的初始值)，依据分析模型中设定的基站顺序，重复进行上述操作，直至分析至模型中最后一个基站；
步骤2、重复上述操作，实时采集更新模型内基站终端信息，如在下次采集时某终端依然还在该基站内则记录为最新更新时间，如下次采集时某终端已进入下个基站，则记录新基站位置信息及进入时间、更新时间；
步骤3、实时根据终端的信息进行计算，如终端没有更改基站位置信息，则通过更新时间和进入时间差得到停留时间；如终端更改了基站位置信息，则通过终端进入的不同基站信息差算出终端的位移轨迹，包含距离和方向，通过终端进入不同基站的进入时间差计算出位移时间，根据位移轨迹距离除以时间可得到终端移动速度；
步骤4、按模型设定的移动终端的移动方向和移动速度，对采集的数据进行匹配过滤，将符合模型的终端数据保留，进入模型中后续观察基站的待匹配队列进行后续观测；对不符合模型的数据，丢弃；
步骤5、根据模型设定的移动终端在基站内活动超时的阀值，对待匹配队列中的数据进行检测，将用户在基站停留时间超过移动终端在基站内活动超时的阀值的终端数据转移至次级待匹配队列；
步骤6、依据分析模型中设定的基站顺序，实时重复进行上述操作，直至分析至模型中最后一个基站；
步骤7、如终端离开最后一个观测基站匹配成功队列中的数据提取至报表模块，并根据需要进行还原移动轨迹，并计算整体移动速度的操作。
本发明中，采取多级链表的数据结构进行匹配过滤，具体方法如下：
步骤1、根据模型中基站数量建立对应数量的待匹配数据链表，并根据模型中基站的观测顺序对链表进行N1、N2、N3至Nn层级排序；系统对模型初始化后，各层级基站关联的待匹配数据链表长度为0。
步骤2、对进入N1基站的移动终端，将其终端信息构造数据对象M，M作为链表节点采用数据存储，其数据结构包含ESN、MIN、MDN、PRE_NODEID、SPEED、INDATE六个数据，记录到N2基站的数据链表中并以ESN号为KEY，等待匹配检测。同时构造共享链表节点数据，存入链表。
步骤3、系统通过信息采集获得进入模型中各基站的移动终端信息，再在该基站对应的待匹配数据链表中进行查找，如查找到对应的节点M，则进一步判断该节点数据中的历史轨迹基站数据是否符合模型要求，或计算移动速度是否符合模型要求，如与模型要求一致则视为匹配成功。然后更新节点M中的历史轨迹基站数据、平均移动速度信息，再将节点M重新存储到下一层级基站关联的待匹配数据链表中，等待下一次匹配。
步骤4、对每条待匹配数据链表系统还需进行节点超时检测，超时时间参数在创建模型时设置，系统为每条链表设置定时器对链表节点进行扫描，超时的节点根据模型的设置可进入次级待匹配数据链表，系统可以对其进行再次超时检测，避免由于终端软切换等偶发因数出现漏检测，提高匹配成功率
步骤5、重复进行上述的几个步骤，对进入模型的移动终端按基站的层级顺序N1,N2…Nn进行循环多次检测，最终将完全匹配模型中各基站的终端，也就是符合模型设计轨迹的终端，并生成相关报告。
在模型检测时会出现由于CDMA移动终端进行软切换而终端又无通信行为，而导致终端位置出现跳跃的情况，因此系统还设计了一个共享链表，将出现在模型中的移动终端均存入该链表，如模型中某一处于较高层级的基站检测到一个不在其待匹配数据链表中的移动终端出现，不能简单丢弃，还需要查询模型共享链表中的数据，看是否存在该终端对应的链表节点且节点中的待匹配基站是否是模型的基站层级序列中当前基站的前导基站(前导层级差在设计模型时设置，参考基站距离、移动速度等参数，通常不能大于2)，如果符合则系统可认为出现了终端位置跳跃的情况。系统对这种情况的后续处理采取将类似前述步骤3的操作。
一种基于地理模型和移动轨迹实时获取特征人群的方法所采用的系统，它包括：GIS地理信息数据模块、终端基础信息管理模块、分析模型管理模块、数据采集模块、数据分析模块和报表模块；
所述的GIS地理信息数据模块：将城市地理位置信息、CDMA基站分布信息统一管理，并以图形化方式展示；
终端基础信息管理模块：用于导入电信运营商的号码资源信息，并提供号码漫游信息查询；
分析模型管理模块：基于GIS地理信息数据模块的数据，根据监测分析的需求，创建、修改、删除分析模型，所述的分析模型包含观测基站信息，基站顺序信息，基站权重，移动轨迹方向要求，移动速度的参考信息；
数据采集模块：通过该模块，系统根据当前处于生效状态的分析模型，采集模型中移动基站的信令信息，并提取出移动终端信息，形成基础数据；
数据分析模块：通过该模块，系统按分析模型的参数设置，对数据进行过滤分析，筛选出匹配模型的移动终端信息，并分析终端的移动速度、轨迹符合度；
报表模块：主要用于生成图形化报表数据。
本发明的有益效果：
本发明提出了基于热点地区、交通路网等地理位置信息设定轨迹分析模型的思路，使基于移动轨迹的行为分析更加贴近经济生产活动需求。
本发明的模型是从特定角度对系统进行的描述，它省略了其他细节，因此可以更清楚地描述感兴趣的特性；模型从特定的角度对特征人群进行抽象，省略了其他细节，从而提高了分析的效率，分析结果更具备针对性。
本发明依托预先设立的轨迹分析模型，可高效快速的分析筛选出符合特征的人群，分析数据量小、代价低，相比归纳方法实时性高；
本发明设计了几种常见的模型结构和与之相对应的数据分析方法，并搭建了系统；将移动终端和通信基站转换为物联网M2M的感知器，形成智能感知能力可广泛应用于电信运营商客户属性实时分析、重大社会活动人流量检测预警、政府部门市政规划管理等场景。
附图说明
图1：发明实现流程图
图2：发明实现系统架构图
图3：建立轨迹分析模型流程图
图4：链状模型
图5：星状模型
图6：异星状模型
图7：网状模型
图8：采集并分析定位数据流程图
图9：模型共享数据链表节点数据结构
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1-9所示，给出了发明方法的基本流程；
步骤1、根据系统数据分析的目的需求，先选取一组特定的移动通信基站建立轨迹分析模型。
步骤2、根据所选取的基站模型，采集在模型基站中移动终端的定位数据。
步骤3、根据数据、结合移动终端进入基站的时间、移动速度、方向轨迹等因素筛选出符合特征的人群、进行人群密度、移动速度等多个维度数据变化分析，得出分析数据。
步骤4、根据得到的数据情况，进而为决策提供参考。
为实现发明方法，相应设计实现系统，如图2所示，总体架构如下：
系统包括：GIS地理信息数据模块、终端基础信息管理模块、分析模型管理模块、数据采集模块、数据分析模块、报表模块。
GIS地理信息数据模块：将城市地理位置信息、CDMA基站分布信息统一管理，并以图形化方式展示，便于管理人员综合考虑交通路网信息、热点地区信息、基站分布信息构建分析模型。
终端基础信息管理模块：主要是导入电信运营商的号码资源信息，并提供号码漫游信息查询功能。主要是便于数据分析时按号码归属地，漫游状态进行数据批量过滤。
分析模型管理模块：通过该模块，管理人员可基于GIS地理信息数据模块的数据，根据监测分析的需求，创建、修改、删除分析模型。分析模型包含观测基站信息，基站顺序信息，基站权重，移动轨迹方向要求，移动速度参考信息等。
数据采集模块：通过该模块，系统根据当前处于生效状态的分析模型，采集模型中移动基站的信令信息，并提取出移动终端信息，形成基础数据。
数据分析模块：通过该模块，系统按分析模型的参数设置，对数据进行过滤分析，筛选出匹配模型的移动终端信息，并分析终端的移动速度、轨迹符合度等。
报表模块：主要用于生成图形化报表数据。
结合方法及系统，建立轨迹分析模型方法图3，具体步骤如下：
步骤1、导入GIS模块中城市地理数据，轨道交通网络数据，CDMA基站分布数据等信息，进行组织管理，以得到基础数据。其中地图数据记录了地理坐标，基站定位数据可以获得手机位置信息，均为原始数据。
在GIS模块中我们设计进行分层处理，可以将地图设计成四层，底层是GIS层，存储了地图信息和地理位置信息；第二层为基站层，存储了所有基站的位置信息，并将位置信息投影到地图坐标上，同时可以规范，选择设定模型范围内的基站；第三层为模型层，可以进行模型的选择和修正，并将模型投影到地图坐标上；第四层为数据分析层，可以显示实时终端的信息，及移动轨迹。
步骤2、在分析模型管理模块选择要进行匹配的分析模型，本发明同时设计了四种常见分析模型，具体描述如下：
A：链状模型
参见图4，该模型主要是匹配线状移动轨迹，主要适用轨道交通、城市主干道等地理模型的实时分析，模型中还可引入移动速度参数，提高分析匹配精度。
B：星状模型
参见图5，该模型为星型结构，由中心点基站和向外放射状的基站组成，其中向外放射的基站由可看成是链状模型(称为星型放射线)。该模型匹配一组移动轨迹，主要适用于对热点地区周边情况的实时分析，轨迹移动方向可分为向内和向外两种。
C：异星状模型
参见图6，该模型类似星状模型，区别是结合交通路网，对星性结构进行调整，使模型更切合地理情况。在数据分析时，系统自动将该模型拆解成局部链状结构和星状模型进行处理。
D：网状模型
参见图7，该模型为网型结构，由中心范围类由一系列基站和向内放射状的基站组成。该模型主要使用于如园区类的大面积热点地区周边活动人群的活动范围情况的实时分析。在数据分析时，系统自动将该模型拆解成局部链式模型和异星状模型进行处理。
步骤3、根据GIS及基站原始数据，选择匹配模型的基站，方法大致如下：
步骤31、根据道路网络数据以及轨道交通公交线网数据，建立道路网络数据库和轨道网络数据库。在实例中，通过GIS的矢量数据模型来构建，根据感兴趣点，找到轨迹点，结合收集到的路网信息，通过GIS地图信息标记库，将轨迹模型投影到GIS图上，获得准确的地图坐标。
步骤32、在道路网络数据库中，以点为圆心，在预设半径内自动选择在其范围内的基站，并设置此类基站为高权重基站，确认选择基站的地理坐标，设定基站到圆心之间的距离上下各浮动10％为距离阈值参数。
步骤33、以相邻两点作为线段的两端，通过GIS矢量数据模型，确定线段距离长度，根据分析模型的速度参数，计算点与点之间的超时阈值参数。
当两点线段距离超过时，自动按照预设值n，在两点中选取距离/n个次要点，以次要点为圆心，在预设半径内自动选择在其范围内的基站。通过GIS矢量数据模型，确认选择基站的地理坐标，设定基站到圆心之间的距离上下各浮动10％为距离阈值参数。并设置此类基站为低权重基站。
步骤34、根据模型的轨迹方向，设立基站顺序信息，分析时按照基站顺序进行分析。
采集及分析定位移动终端数据方法图8，具体步骤如下：
步骤1：采集模型中各个基站下移动终端的信息，通过信令进行粗定位。在实例中，用户在CS/PS域位置信息，即用户登记所在的MSC标识，在该MSC/VLR下的Cell-Id或Loc-Area-Id信息，以及该用户在MSC/VLR下直接接受短消息的Cell-Id信息，该信息可以通过监控A信令接口获取。获取移动终端基站定位数据的过程是：通过移动终端信号参数计算得到终端与相邻基站的距离，对所述终端进行定位，得到终端的定位数据，所述定位数据结合GIS可以得到该终端的平台位置坐标。
同时还可以通过基站获得用户的其他附加信息：漫游信息，即用户漫游登记所在的MSC/VLR的地址标识，该信息可以通过监控C/D口消息获取；用户开/关机状态可以通过监控A接口消息获取。
步骤21：按模型设定的参数，对采集的数据进行匹配过滤，将符合模型的即在选定基站距离阈值范围内的终端数据保留，进入模型中后续观察高权重基站的待匹配队列进行后续观测。
步骤22：按模型设定的参数，对数据进行匹配过滤，不符合的丢弃。
步骤23：根据模型设定的超时计时器，对待匹配队列中的数据进行检测，在超时阈值范围内进入高权重基站的终端数据继续保留在待匹配队列进行后续观测；将超时的终端数据转移至次级待匹配队列。
步骤24：据模型设定的超时计时器，对次级待匹配队列中的数据进行检测，在超时阈值范围内进入低权重基站的终端数重新进入模型后续基站的待匹配队列中，等待后续观测；将超时的终端数据丢弃。
步骤3：依据分析模型中设定的基站顺序，重复进行步骤21-24操作，直至分析至模型中最后一个基站；
步骤4：将最后一个观测基站匹配成功队列中的数据提取至报表系统，并根据需要进行还原移动轨迹，计算移动速度等操作。
实现中数据分析方法参见图9,采取多级链表的数据结构进行分析，具体方法如下：
步骤1：根据模型中基站数量建立对应数量的待匹配数据链表，并根据模型中基站的观测顺序对链表进行N1,N2,N3…Nn层级排序。系统对模型初始化后，各层级基站关联的待匹配数据链表长度为0。
步骤2：对进入N1基站的移动终端，将其终端信息构造数据对象M，M的数据结构参见图10，记录到N2基站的数据链表中并以ESN号为KEY，等待匹配检测。同时构造共享链表节点数据，存入链表。
步骤3：系统通过信息采集获得进入模型中各基站的移动终端信息，再在该基站对应的待匹配数据链表中进行查找，如查找到对应的节点M，则进一步判断该节点数据中的历史轨迹基站数据是否符合模型要求，或计算移动速度是否符合模型要求，如与模型要求一致则视为匹配成功。然后更新节点M中的历史轨迹基站数据、平均移动速度信息，再将节点M重新存储到下一层级基站关联的待匹配数据链表中，等待下一次匹配。
步骤4：对每条待匹配数据链表系统还需进行节点超时检测，超时时间参数在创建模型时设置，系统为每条链表设置定时器对链表节点进行扫描，超时的节点根据模型的设置可进入次级待匹配数据链表，系统可以对其进行再次超时检测，避免由于终端软切换等偶发因数出现漏检测，提高匹配成功率
步骤5：重复进行上述的几个步骤，对进入模型的移动终端按基站的层级顺序N1,N2…Nn进行循环多次检测，最终将完全匹配模型中各基站的终端，也就是符合模型设计轨迹的终端，并生成相关报告。
在模型检测时会出现由于CDMA移动终端进行软切换而终端又无通信行为，而导致终端位置出现跳跃的情况，因此系统还设计了一个共享链表，将出现在模型中的移动终端均存入该链表，如模型中某一处于较高层级的基站检测到一个不在其待匹配数据链表中的移动终端出现，不能简单丢弃，还需要查询模型共享链表中的数据，看是否存在该终端对应的链表节点且节点中的待匹配基站是否是模型的基站层级序列中当前基站的前导基站(前导层级差在设计模型时设置，参考基站距离、移动速度等参数，通常不能大于2)，如果符合则系统可认为出现了终端位置跳跃的情况。系统对这种情况的后续处理采取将类似前述步骤3的操作。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (5)
1.一种基于地理模型和移动轨迹实时获取特征人群的方法，其特征是该方法包括以下步骤：轨迹分析模型的选取步骤，从轨迹分析模型覆盖区域的基站采集移动终端的定位数据的步骤，以及根据轨迹分析模型的参数与定位数据进行匹配过滤，提取符合模型的参数；
轨迹分析模型的选取步骤是根据待分析数据地理位置信息及CDMA通信基站地理分布信息建立轨迹分析模型，包括：
步骤1、将城市地理数据，轨道交通网络数据和CDMA基站分布数据的基础信息导入GIS地理信息数据模块中；其中城市地理数据记录了地理坐标，轨道交通网络数据记录了公交地铁、铁路公共交通线路数据；CDMA基站分布数据记录了基站的地理位置，用于获得手机位置信息；
步骤2、根据系统数据分析的目的需要，在分析模型管理模块选择要进行匹配的轨迹分析模型，所述的轨迹分析模型包括：链状模型、星状模型、异星状模型和网状模型；
步骤3、根据GIS地理信息数据模块中相关数据，选择匹配模型覆盖的基站，并设定基站顺序，同时设定模型内移动终端的移动方向、移动速度和移动终端在基站内活动超时的阀值作为初始参数。
2.根据权利要求1所述的基于地理模型和移动轨迹实时获取特征人群的方法，其特征在于：从轨迹分析模型覆盖区域的基站采集移动终端的定位数据的步骤具体为：根据所选取的轨迹分析模型，通过移动交换中心MSC的A接口采集轨迹分析模型中各个基站下移动终端的信息，包括移动终端的号码、移动终端所在基站位置、信令产生时间的信息。
3.根据权利要求2所述的基于地理模型和移动轨迹实时获取特征人群的方法，其特征在于：根据轨迹分析模型的参数与定位数据进行匹配过滤，提取符合模型的参数具体为：
步骤1、采集并记录进入初始基站终端的信息，包含移动终端的号码、移动终端所在基站位置、信令产生时间的信息，该信令产生时间作为终端在移动终端所在基站进入时间和更新时间的初始值，依据分析模型中设定的基站顺序，重复进行前述采集记录操作，直至分析至模型中最后一个基站；
步骤2、重复步骤1的操作，实时采集更新模型内基站终端信息，如在下次采集时某终端依然还在前述步骤记录的移动终端所在基站内则记录为最新更新时间，如下次采集时某终端已进入下个基站，则记录新基站位置信息及进入时间、更新时间；
步骤3、实时根据终端的信息进行计算，如终端没有更改基站位置信息，则通过更新时间和进入时间差得到停留时间；如终端更改了基站位置信息，则通过终端进入的不同基站信息差算出终端的位移轨迹，包含距离和方向，通过终端进入不同基站的进入时间差计算出位移时间，根据位移轨迹距离除以时间可得到终端移动速度；
步骤4、按模型设定的移动终端的移动方向和移动速度，对采集的数据进行匹配过滤，将符合模型的终端数据保留，进入模型中后续观察基站的待匹配队列进行后续观测；对不符合模型的数据，丢弃；
步骤5、根据模型设定的移动终端在基站内活动超时的阀值，对待匹配队列中的数据进行检测，将用户在基站停留时间超过移动终端在基站内活动超时的阀值的终端数据转移至次级待匹配队列；
步骤6、依据分析模型中设定的基站顺序，实时重复进行步骤4-5的操作，直至分析至模型中最后一个基站；
步骤7、如终端离开最后一个观测基站匹配成功队列中的数据提取至报表模块，并根据需要进行还原移动轨迹，并计算整体移动速度的操作。
4.根据权利要求3所述的基于地理模型和移动轨迹实时获取特征人群的方法，其特征在于：采取多级链表的数据结构进行匹配过滤，具体方法如下：
步骤1、根据模型中基站数量建立对应数量的待匹配数据链表，并根据模型中基站的观测顺序对链表进行N1、N2、N3至Nn层级排序；系统对模型初始化后，各层级基站关联的待匹配数据链表长度为0；
步骤2、对进入N1基站的移动终端，将其终端信息构造数据对象M，M作为链表节点采用数据存储，其数据结构包含ESN、MIN、MDN、PRE_NODEID、SPEED、INDATE六个数据，记录到N2基站的数据链表中并以ESN号为KEY，等待匹配检测；同时构造共享链表节点数据，存入链表；
步骤3、系统通过数据采集模块获得进入模型中各基站的移动终端信息，然后在进入模型中的基站对应的待匹配数据链表中进行查找，如查找到对应的节点M，则进一步判断该节点数据中的历史轨迹基站数据是否符合模型要求，或计算移动速度是否符合模型要求，如与模型要求一致则视为匹配成功，然后更新节点M中的历史轨迹基站数据、平均移动速度信息，再将节点M重新存储到下一层级基站关联的待匹配数据链表中，等待下一次匹配；
步骤4、对每条待匹配数据链表系统进行节点超时检测，超时时间参数在创建模型时设置，系统为每条链表设置定时器对链表节点进行扫描，超时的节点根据模型的设置可进入次级待匹配数据链表；
步骤5、重复进行权利要求4中的1-4的步骤，对进入模型的移动终端按基站的层级顺序N1、N2、N3至Nn进行循环多次检测，最终将完全匹配模型中各基站的终端，也就是符合模型设计轨迹的终端，并生成相关报告。
5.一种权利要求1-4之一所述的基于地理模型和移动轨迹实时获取特征人群的方法所采用的系统，其特征是它包括： GIS地理信息数据模块、终端基础信息管理模块、分析模型管理模块、数据采集模块、数据分析模块和报表模块；
所述的GIS地理信息数据模块：将城市地理位置信息、CDMA基站分布信息统一管理，并以图形化方式展示；
终端基础信息管理模块：用于导入电信运营商的号码资源信息，并提供号码漫游信息查询；
分析模型管理模块：基于GIS地理信息数据模块的数据，根据监测分析的需求，创建、修改、删除分析模型，所述的分析模型包含观测基站信息，基站顺序信息，基站权重，移动轨迹方向要求，移动速度的参考信息；
数据采集模块：通过该模块，系统根据当前处于生效状态的分析模型，采集模型中移动基站的信令信息，并提取出移动终端信息，形成基础数据；
数据分析模块：通过该模块，系统按分析模型的参数设置，对数据进行过滤分析，筛选出匹配模型的移动终端信息，并分析终端的移动速度、轨迹符合度；
报表模块：主要用于生成图形化报表数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210519757.2A CN103150156B (zh) | 2012-12-06 | 2012-12-06 | 基于地理模型和移动轨迹实时获取特征人群的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210519757.2A CN103150156B (zh) | 2012-12-06 | 2012-12-06 | 基于地理模型和移动轨迹实时获取特征人群的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103150156A CN103150156A (zh) | 2013-06-12 |
| CN103150156B true CN103150156B (zh) | 2016-12-21 |
Family
ID=48548258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210519757.2A Active CN103150156B (zh) | 2012-12-06 | 2012-12-06 | 基于地理模型和移动轨迹实时获取特征人群的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103150156B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440278A (zh) * | 2013-08-12 | 2013-12-11 | 曙光信息产业股份有限公司 | 一种数据挖掘系统和方法 |
| CN105488149A (zh) * | 2015-11-26 | 2016-04-13 | 上海晶赞科技发展有限公司 | 一种数据处理方法及装置 |
| CN105741486B (zh) * | 2016-03-18 | 2017-11-28 | 东南大学 | 基于手机定位数据的城市公共空间踩踏事故实时预警方法 |
| CN105938491A (zh) * | 2016-04-14 | 2016-09-14 | 北京思特奇信息技术股份有限公司 | 一种基于信令的人群细分系统及方法 |
| CN106255058A (zh) * | 2016-07-21 | 2016-12-21 | 贵州力创科技发展有限公司 | 基于移动终端通信信令获取用户位置信息的方法 |
| CN107872765B (zh) * | 2016-09-26 | 2021-02-02 | 中国电信股份有限公司 | 大数据混合定位方法和装置 |
| CN106912019A (zh) * | 2017-03-01 | 2017-06-30 | 安徽大智睿科技技术有限公司 | 一种基于wifi热点的校园学生行为分析方法及系统 |
| CN107920329B (zh) * | 2017-09-27 | 2020-10-16 | 无锡神探电子科技有限公司 | 一种基于路测数据的城市道路识别标记方法 |
| CN107864457B (zh) * | 2017-10-18 | 2021-06-01 | 上海复旦通讯股份有限公司 | 一种在铁路通讯网络中进行多呼叫管理的方法 |
| CN108038116A (zh) * | 2017-10-24 | 2018-05-15 | 安徽四创电子股份有限公司 | 一种基于gis的人流密度监控方法 |
| CN109195177B (zh) * | 2018-09-14 | 2021-11-19 | 国云科技股份有限公司 | 基于ActiveMQ的基站手机停留时间实时统计方法 |
| CN109583505A (zh) * | 2018-12-05 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 一种多传感器的物体关联方法、装置、设备及介质 |
| CN112954603A (zh) * | 2019-11-26 | 2021-06-11 | 中国移动通信集团甘肃有限公司 | 一种特殊人群运动轨迹的预测方法及电子设备 |
| CN112541741A (zh) * | 2020-12-18 | 2021-03-23 | 广东智源信达工程有限公司 | 智能养老院人员管理方法、系统、设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102595323A (zh) * | 2012-03-20 | 2012-07-18 | 北京交通发展研究中心 | 基于手机定位数据的居民出行特征参数的获取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6611751B2 (en) * | 2001-03-23 | 2003-08-26 | 981455 Alberta Ltd. | Method and apparatus for providing location based data services |
-
2012
- 2012-12-06 CN CN201210519757.2A patent/CN103150156B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102595323A (zh) * | 2012-03-20 | 2012-07-18 | 北京交通发展研究中心 | 基于手机定位数据的居民出行特征参数的获取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于移动定位的行为数据采集与地理应用研究;柴彦威等;《地域研究与开发》;20101210;第29卷(第6期);第1-7页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103150156A (zh) | 2013-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103150156B (zh) | 基于地理模型和移动轨迹实时获取特征人群的方法及系统 | |
| CN109325085B (zh) | 一种城市用地功能识别与变化检测方法 | |
| CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
| CN108920481B (zh) | 一种基于手机定位数据的道路网重建方法及系统 | |
| CN102097004B (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
| CN105206048A (zh) | 一种基于交通od数据的城市居民群体换乘模式发现系统及方法 | |
| CN110856186B (zh) | 一种无线网络知识图谱的构建方法及系统 | |
| CN106503843A (zh) | 一种基于手机信令数据的常规公交线网优化与调整方法 | |
| CN106790468A (zh) | 一种分析用户WiFi活动轨迹规律的分布式实现方法 | |
| CN104978858B (zh) | 一种基于手机信令的高速公路实时路况监测方法 | |
| CN109522603A (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
| CN110609824B (zh) | 城市路网环境下基于动态空间网络模型的热点区域检测方法 | |
| CN105760454A (zh) | 一种城市人口分布密度实时动态测量方法 | |
| CN108230020B (zh) | 一种基于多维时间粒度时空频繁区域挖掘的方法 | |
| CN105338540B (zh) | 一种基站数据建模的方法及终端 | |
| CN112217675B (zh) | 固、移通讯网络大数据联合分析方法 | |
| CN105682097A (zh) | 一种伪基站识别定位方法及装置 | |
| CN105188030A (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
| US20200187149A1 (en) | Method and Apparatus for Obtaining Emission Probability, Method and Apparatus for Obtaining Transition Probability, and Sequence Positioning Method and Apparatus | |
| Coscia et al. | Optimal spatial resolution for the analysis of human mobility | |
| Li et al. | A framework for spatial interaction analysis based on large-scale mobile phone data | |
| CN106951453A (zh) | 一种快速更新和数据共享的地理实体编码方法 | |
| CN111669764B (zh) | 基于gis技术的新型移动基站选址方法、系统和计算机设备 | |
| CN105844031A (zh) | 一种基于手机定位数据的城市交通廊道识别方法 | |
| CN108259097A (zh) | 基于mr数据的修正无线传播模型的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190325 Address after: 210006 Tongyu Building, 501 Zhongshan South Road, Nanjing City, Jiangsu Province Patentee after: Tianyi Smart Family Technology Co.,Ltd. Address before: 210006 No. 501 Zhongshan South Road, Nanjing, Jiangsu Province Patentee before: JIANGSU PROVINCE PUBLIC INFORMATION CO.,LTD. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220208 Address after: Room 1423, No. 1256 and 1258, Wanrong Road, Jing'an District, Shanghai 200072 Patentee after: Tianyi Digital Life Technology Co.,Ltd. Address before: 210006 Tongyu Building, 501 Zhongshan South Road, Nanjing City, Jiangsu Province Patentee before: Tianyi Smart Family Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240315 Address after: Unit 1, Building 1, China Telecom Zhejiang Innovation Park, No. 8 Xiqin Street, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province, 311100 Patentee after: Tianyi Shilian Technology Co.,Ltd. Country or region after: China Address before: Room 1423, No. 1256 and 1258, Wanrong Road, Jing'an District, Shanghai 200072 Patentee before: Tianyi Digital Life Technology Co.,Ltd. Country or region before: China |