CN103440772A - 一种利用手机定位数据计算用户移动速度的方法 - Google Patents

Abstract

本发明涉及一种利用手机定位数据计算用户移动速度的方法，属于交通运输技术领域。以手机使用者在道路上行驶时，通信网络产生的正常位置更新事件数据为对象，提出一种称为“LAC序列法”的速度计算方法，具体包括：构建目标道路覆盖的位置区编号集合正向分布序列和逆向分布序列，提取覆盖目标道路的所有基站的用户信令记录，在过滤的用户信令记录中构建预匹配序列集合lac{Y}，计算lac{Y}中所有元素与路径lac序列集中所有元素的相似性指数λ，当λ＝1时，道路匹配成功，对匹配成功的Y_j，分别计算Y_j中位置区编码覆盖的路段的用户移动速度，计算道路各路段手机用户的平均速度。本发明可准确地获取手机用户在道路上的移动速度，用于道路交通运行速度监测。

Description

一种利用手机定位数据计算用户移动速度的方法

技术领域

本发明属于交通运输技术领域。可准确地获取手机用户在道路上的移动速度，用于道路交通运行速度监测。

背景技术

我国道路建设事业的快速发展，方便人们的出行同时，也对道路交通流运行速度的监测提出更高要求。目前运用较为广泛的方法包括线圈检测、视频检测、浮动车GPS检测、手机定位检测。各类检测方法都存在一定的应用局限，如当道路交通流量较大时，线圈检测效果较差；视频检测则受气候环境影响大；浮动车GPS数据定位精度虽然较高，但因安装GPS终端的出租车主要在城市活动，无法大范围覆盖路网。

目前利用手机定位数据进行车辆运行速度监测方法，通常采用手机通话过程中产生的“切换（Handover）”事件数据。当手机用户在移动过程中发生通话事件时,向通信网络上报当前连接基站的信息。该方法的难点在于寻找通话过程中在道路上发生移动的用户，由于基站信号、建筑、环境等因素影响，容易对通话且移动中的用户误判，造成计算速度的精度较低。

发明内容

针对“切换”事件数据法计算速度时存在的问题，本发明提供一种称为“LAC序列法”的速度计算方法。为手机定位信息进行道路车速分析提供了解决思路。方法如下：

当手机使用者驾驶或者乘坐车辆在道路上移动时，由一个位置区（Location Area）移动到另一个位置区时，必须在新的位置区进行登记，通知网络来更改它所存储的用户的位置信息，该过程不依赖于用户发生其它事件，产生正常位置更新事件。通过对手机使用者连续多个位置区的追踪，确定是否在道路上行驶，实现手机用户出行者路径与道路的匹配。将发生正常位置更新事件的基站以垂直投影的方法计算在对应道路上的坐标，最后根据先前两点的坐标与事件发生的时间，计算手机用户移动速度，将该速度用于表征道路交通运行速度。

具体方法和步骤如下：

步骤1：筛选出在道路周边“一定距离”内的基站，“一定距离”视基站分布的密度而定，在基站密集区域可取500-1000m，基站稀疏区可取1000-2000m，利用过滤基站所在的位置编码号，构建目标道路覆盖的位置区编号集合正向分布序列L_1,n{x₁,x₂...x_n}和逆向分布序列L_n,1{x_n,x_n-1...x₁}，其中，正向分布序列由目标道路覆盖的所有位置区编号组成，排列顺序为由目标道路起点沿目标道路至目标道路终点，逆方向分布序列由目标道路覆盖的所有位置区编号组成，排列顺序为由目标道路终点沿目标道路至目标道路起点；

步骤2：提取覆盖目标道路的所有基站的用户信令记录，其中第i个用户的信令记录为R_i=(UserID_i,lac_i,CellID_i,T_i)，其中UserID表示用户编号,lac表示位置区编号，CellID表示基站编号，T表示时间；

步骤3：在提取出的所有用户信令记录中，对每一个用户的信令记录按时间进行排序，采用替换记录取代位置区编号连续相同的所有信令记录，替换记录的建立方法为：首先找出位置区编号连续相同的所有信令记录中的最大和最小时间；然后计算最大和最小时间对应的中间时间；最后选取位置区编号连续相同的所有信令记录中距离中间时间最近的记录作为替换记录，若存在多条距离中间时间最近的记录，则任选一条作为替换记录；然后对排序后的信令记录，分别以各条信令记录作为起点，m为长度，沿时间增大的方向取记录，生成序列，共得到n个序列，n个序列构成一个预匹配序列集合lac{Y}；

步骤4：在L_1,n{x₁,x₂...x_n}、L_n,1{x_n,x_n-1...x₁}中按lac位置前后关系不变的方式分别取

组序列，形成路径lac序列集

计算lac{Y}中所有元素与路径lac序列集中所有元素的相似性指数λ；其中预匹配序列集合lac{Y}中的第j个元素Y_j与路径lac序列集中的第i个元素C_i的相似性指数

计算方法如下：

当Y_j中任意相邻两条记录之间的时间差均小于60分钟时，

${\mathrm{\λ}}_{Y_j{C}_i}=M/m,$

否则，

${\mathrm{\λ}}_{Y_j{C}_i}=0$

式中：

M：为Y_j中lac的位置前后关系与C_i中lac的位置前后关系一致的元素数量；

m：为Y_j包含记录的数量；

步骤5：对于步骤4中得到的所有相似性指数，当λ=1时，道路匹配成功，此λ对应的c_i作为匹配成功路径，c_i覆盖的路段记为Link，用于表征Y_j匹配的路段；

步骤6：对步骤5匹配成功的Y_j，分别计算Y_j中位置区编码覆盖的路段Link用户移动速度

$V_{Y_j,{\mathrm{Link}}_{{\mathrm{lac}}_l,l{\mathrm{ac}}_{l+1}}}=\left|\frac{D_{{\mathrm{Cellid}}_l,{\mathrm{Cellid}}_{l+1}}}{T_{l+1}-T_l}\right|$

式中：

手机用户在lac_l,lac_l+1覆盖的道路上的移动速度，

基站l与l+1在路段Link上投影坐标间的距离，

l：为Y_j中记录的顺序位置，l<m，m意义同步骤3，

T_l：为Y_j中第l条记录对应的时间；

步骤7：预匹配序列集合lac{Y}均完成步骤4、步骤5、步骤6后，计算道路各路段手机用户的平均速度

${\stackrel{\&OverBar;}{V}}_{{\mathrm{Link}}_{{\mathrm{lac}}_l,{\mathrm{lac}}_{l+1}}}=\frac{\mathrm{\&Sigma;}{V}_{Y_j,{\mathrm{Link}}_{{\mathrm{lac}}_l,{\mathrm{lac}}_{l+1}}}}{n}$

式中：

意义同步骤6，

n：在lac_l,lac_l+1覆盖的道路路段上，匹配成功的预匹配序列数量。

有益效果

该发明的基础数据来源于无线通信网络，相对线圈检测、视频检测、浮动车GPS检测数据等，手机定位数据获取无须另外布置采集设备，具有费用低廉，道路覆盖范围广，且速度处理结果精度高的优点。

附图说明

图1.LAC序列法速度计算流程

图2.北京市五环路基站位置区分布

具体实施方式

下面结合附图对本发明详细描述其具体实施过程。整体过程如图1：LAC序列法速度计算流程所示。在所有基站中，筛选出在道路周边“一定距离”内的基站，“一定距离”视基站分布的密度而定；以道路周边的基站构建覆盖道路的正向lac分布序列和逆向lac分布序列；过滤出原始信令数据中在道路周边基站发生的信令数据，构建预匹配序列集合；与正向lac分布序列和逆向lac分布序列进行相似指数计算，当相似指数满足一定标准时，认为匹配成功；然后将匹配成功的预匹配序列中的基站投影至道路上，根据投影坐标在道路上距离与信令事件发生的时间计算当前用户移动的速度；最后集聚成各道路上移动用户平均的平均速度。

以北京市西五环路为例，共7个位置区覆盖，如图2，矩形框内的数字代表不同的位置区编码号，位置区平均间距约4.3km。

步骤1：筛选出西五环路周边2000m范围内的基站，利用筛选基站所在的位置编码号，构建由起点至终点的正向分布序列L_1,7{4531,4305,4316,4459,4460,4461,4462}，和由终点至起点的逆向分布序列L_7,1{4462,4461,4460,4459,4316,4305,4531}。

步骤2：过滤道路周边基站用户的信令记录。假定提取到UserID=1的用户信令记录，按时间先后排序后如表1；

表1

步骤3：在过滤的用户信令记录中构建预匹配序列集合lac{Y}，这里取m为4，沿时间增大的方向取记录，发现连续重复的lac，如表1中lac为4460（序号为6、7、8）的记录，连续3条重复，3条重复记录中最小时间7:30:20，最大时间7:32:56，两者的中间时间是7:31:38，记录发生时间距离中间时间最近的是7:31:45（序号7），用序号7的记录代替该3条记录，结果如表2。

表2

分别以各条信令记录作为起点，4为长度，沿时间增大的方向取记录生成序列，共得到拥有4个序列的预匹配序列集合lac{Y}，如表3。

表3

步骤4：在序列L_1,7{4531,4305,4316,4459,4460,4461,4462}和L_7,1{4462,4461,4460,4459,4316,4305,4531}中按lac位置前后关系不变的方式分别取组序列，共计2*35=70组序列，形成路径lac序列集C，如表4。

表4

计算lac{Y}中所有元素与路径lac序列集中所有元素的相似性指数λ,这里将用lac{Y}集合中的元素分别与路径lac序列集的元素{4531,4305,4459,4460}的相似性指数λ计算过程为例加以说明，结果如表5，计算过程如下：

1.Y₁中第一条记录的时间5:01:00与第二条记录的时间6:30:40时间间隔大于60分钟，相似性指数

2.Y₂各记录的时间间隔均小于60分钟，m为4，M是Y₂中lac的位置前后关系与C_i中lac的位置前后关系一致的元素数量，Y₂={6781,4531,4305,4459}与路径lac序列{4531,4305,4459,4460}位置前后关系一致的元素是{4531,4305,4459}，6781不在序列{4531,4305,4459,4460}中，因此M为3，相似性指数 ${\mathrm{\&lambda;}}_{Y_2}=M/m=3/4=0.75;$

3.Y₃各记录的时间间隔均小于60分钟，m为4，Y₃={4531,4305,4459,4460}与路径lac序列{4531,4305,4459,4460}位置前后关系完全一致，因此M为4，相似性指数 ${\mathrm{\&lambda;}}_{Y_3}=M/m=4/4=1;$

4.Y₄第一条记录的时间7:31:45与第二条记录的时间8:59:23时间间隔大于60分钟，相似性指数λ_Y4=0

表5

步骤5：对于步骤4中得到的所有相似性指数，当λ=1时，道路匹配成功，为其它值时则匹配失败，抛弃匹配失败的预匹配序列集合lac{Y}元素。此处仅有Y₃={4531,4305,4459,4460}与路径lac序列{4531,4305,4459,4460}的计算

为1，因此，认为Y₃覆盖的道路是西五环路，见图2中黑色粗线条表示的路段，图中西五环路周边的小三角形或者圆等符号，表示不同位置区编码的基站，相同符号表明位置区编码相同，Y₃={4531,4305,4459,4460}位置区编码在西五环路上并非连续的，图中用①②③④表示，中间隔有位置区编码为4316的区域，图2中黑色小箭头指向基站为Y₃中各条记录对应的基站分布位置。

步骤6：计算Y₃对应手机用户的移动速度，Y₃中的基站在道路上的投影坐标如图2中的小矩形分布所示，投影坐标在道路上距离值则通过真实地图测量所得，计算结果见表6。

表6

步骤7：当全部用户都完成以上计算步骤时，将单个手机用户的速度集聚成路段平均速度

本例中假设仅有一个用户通过步骤6得到了速度，因此在各路段的平均速度与表6值相同，结果见表7。

表7

最后应说明的是：以上示例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的示例对本发明已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种利用手机定位数据计算用户移动速度的方法，其特征在于包括以下步骤：

步骤1：构建目标道路覆盖的位置区编号集合正向分布序列L_1,n{x₁,x₂...x_n}和逆向分布序列L_n,1{x_n,x_n-1...x₁}，其中，正向分布序列由目标道路覆盖的所有位置区编号组成，排列顺序为由目标道路起点沿目标道路至目标道路终点，逆方向分布序列由目标道路覆盖的所有位置区编号组成，排列顺序为由目标道路终点沿目标道路至目标道路起点；

步骤2：提取覆盖目标道路的所有基站的用户信令记录，其中第i个用户的信令记录为R_i＝(UserID_i,lac_i,CellID_i,T_i)，其中UserID表示用户编号,lac表示位置区编号，CellID表示基站编号，T表示时间；

步骤3：在提取出的所有用户信令记录中，对每一个用户的信令记录按时间进行排序，采用替换记录取代位置区编号连续相同的所有信令记录，替换记录的建立方法为：首先找出位置区编号连续相同的所有信令记录中的最大和最小时间；然后计算最大和最小时间对应的中间时间；最后选取位置区编号连续相同的所有信令记录中距离中间时间最近的记录作为替换记录，若存在多条距离中间时间最近的记录，则任选一条作为替换记录；然后对排序后的信令记录，分别以各条信令记录作为起点，m为长度，沿时间增大的方向取记录，生成序列，共得到n个序列，n个序列构成一个预匹配序列集合lac{Y}；

步骤4：在L_1,n{x₁,x₂...x_n}、L_n,1{x_n,x_n-1...x₁}中按lac位置前后关系不变的方式分别取

组序列，形成路径lac序列集

计算lac{Y}中所有元素与路径lac序列集中所有元素的相似性指数λ；其中预匹配序列集合lac{Y}中的第j个元素Y_j与路径lac序列集中的第i个元素C_i的相似性指数

计算方法如下：

当Y_j中任意相邻两条记录之间的时间差均小于60分钟时，

${\mathrm{\&lambda;}}_{Y_j{C}_i}=M/m,$

否则，

${\mathrm{\&lambda;}}_{Y_j{C}_i}=0$

式中：

M：为Y_j中lac的位置前后关系与C_i中lac的位置前后关系一致的元素数量；

m：为Y_j包含记录的数量；

步骤5：对于步骤4中得到的所有相似性指数，当λ＝1时，道路匹配成功，此λ对应的c_i作为匹配成功路径，c_i覆盖的路段记为Link，用于表征Y_j匹配的路段；

步骤6：对步骤5匹配成功的Y_j，分别计算Y_j中位置区编码覆盖的路段Link用户移动速度

$V_{Y_j,{\mathrm{Link}}_{{\mathrm{lac}}_l,l{\mathrm{ac}}_{l+1}}}=\left|\frac{D_{{\mathrm{Cellid}}_l,{\mathrm{Cellid}}_{l+1}}}{T_{l+1}-T_l}\right|$

式中：

手机用户在lac_l,lac_l+1覆盖的道路上的移动速度，

基站l与l+1在路段Link上投影坐标间的距离，

l：为Y_j中记录的顺序位置，l＜m，m意义同步骤3，

T_l：为Y_j中第l条记录对应的时间；

步骤7：预匹配序列集合lac{Y}均完成步骤4、步骤5、步骤6后，计算道路各路段手机用户的平均速度

${\stackrel{\&OverBar;}{V}}_{{\mathrm{Link}}_{{\mathrm{lac}}_l,{\mathrm{lac}}_{l+1}}}=\frac{\mathrm{\&Sigma;}{V}_{Y_j,{\mathrm{Link}}_{{\mathrm{lac}}_l,{\mathrm{lac}}_{l+1}}}}{n}$

式中：

意义同步骤6，

n：在lac_l,lac_l+1覆盖的道路路段上，匹配成功的预匹配序列数量。

Images