CN104519497B - 一种基于用户活动特征的基站划分方法 - Google Patents

一种基于用户活动特征的基站划分方法 Download PDF

Info

Publication number
CN104519497B
CN104519497B CN201510014621.XA CN201510014621A CN104519497B CN 104519497 B CN104519497 B CN 104519497B CN 201510014621 A CN201510014621 A CN 201510014621A CN 104519497 B CN104519497 B CN 104519497B
Authority
CN
China
Prior art keywords
base station
user
record
equal
cooperation
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
Application number
CN201510014621.XA
Other languages
English (en)
Other versions
CN104519497A (zh
Inventor
吴礼华
江昊
李倩
周晨
羿舒文
吴静
陈祖泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201510014621.XA priority Critical patent/CN104519497B/zh
Publication of CN104519497A publication Critical patent/CN104519497A/zh
Application granted granted Critical
Publication of CN104519497B publication Critical patent/CN104519497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种基于用户活动特征的基站划分方法，本方法利用移动互联网的基站数据集，获取以时间为序的用户记录，所述用户记录包括单个用户在不同时间分别访问的基站，上网时长和流量信息；进行数据重构，按基站统计用户记录，统计单个用户在每个基站下上网的总时长和总流量；遍历所有用户，计算单个人描述的基站之间的合作紧密程度，构建一张有权的空间合作网络，其中节点代表基站，边代表基站之间的合作关系，边的权重代表了合作关系的紧密程度；利用基于模块度最优化的方法，对有权的空间合作网络进行划分；本发明利用移动互联网的基站数据集，从空间合作的角度，提出一个新方法，确定用户日常活动的区域。

Description

一种基于用户活动特征的基站划分方法
技术领域
本发明涉及移动互联网技术领域，特别涉及一种基于用户活动特征的基站划分方法。
背景技术
随着信息技术的发展，带有定位功能的移动电子设备被广泛的应用到人们的日常生活中来。从支撑用户移动通话、社交网络等通信行为的智能手机、平板电脑，到公交车、出租车等公共交通工具中的车载GPS，都能长时间、高精度的跟踪个体的空间移动行为。进入到大数据时代，这些能够高效的记录人类移动轨迹的设备所产生的包含丰富的关于人类日常行为位置信息的数据被保存下来，使得基于大规模原始数据的人类移动行为研究成为可能。
人类移动轨迹数据被当成一种重要的大数据资源吸引着各个领域的科学家、工程师的目光。不同的研究中，人类移动距离分布被不同的形式的函数拟合，例如幂律函数形式、指数函数形式、指数截断的幂律形式。尽管这些函数从不同的方面表现了人类移动行为的动力学原因，但是它们一致得出移动距离的分布P(d)随着d的增大而减小，表明人的活动范围是有限的。并且人的主要活动主要集中在少数的几个地方，例如家庭和工作地，人的主要日常活动是有一定区域特征的。
在移动互联网中，基站作为基础服务设施根据用户密度在空间上分布，用户的移动性使得他们会通过不同的基站下接入通信网络获得服务。在此背景下，空间合作网络中的节点代表了移动互联网中的基站，节点间的合作关系由移动的用户引起。
根据用户的移动性特征，可以将移动互联网中的用户-基站构成的二分网络转化成基站构成的简单有权网络。该有权网络能有效的反应空间分布的基础设施间的合作关系。
当前对于人类活动区域性研究的方法主要是基于个体的活动轨迹，用质心和回转半径描述个体活动区域，于是用户在空间中就以质心-半径的形式分布，当记录的位置较少时，这种方法不能准确反映人的真实活动范围。
发明内容
本发明针对上述问题，提出了一种基于用户活动特征的基站划分方法，对有权的空间合作网络进行划分。
本发明的技术方案是：一种基于用户活动特征的基站划分方法，其特征在于，包括如下步骤：
步骤1.利用移动互联网的基站数据集，获取以时间为序的用户记录，所述用户记录包括单个用户在不同时间分别访问的基站，上网时长和流量信息；
步骤2.对步骤1中的用户记录进行数据重构，得到按基站统计的用户记录；
步骤3.遍历所有用户，计算单个人描述的基站之间的合作紧密程度，构建一张有权的空间合作网络，其中节点代表基站，边代表基站之间的合作关系，边的权重代表了合作关系的紧密程度；
步骤4利用基于模块度最优化的方法，对有权的空间合作网络进行划分。
所述的步骤2包括如下步骤：
步骤2.1.令a＝1,n＝用户总数；a为第a个用户；
步骤2.2.查询第a个用户以时间为序的上网记录表，并为该用户初始化一个包括基站号，总时长和总流量的新表；
步骤2.3.令b＝1,w＝第a个用户的上网记录表中记录总条数；b为该用户的第b条记录；
步骤2.4.查询该用户的第b条记录；
步骤2.5.判断新表是否为空表，如果是，则跳转执行步骤2.7，如果否，则执行步骤2.6；
步骤2.6.判断新表中是否已有第b条记录中的基站号，如果是，则跳转执行步骤2.8，如果否，则执行步骤2.7；
步骤2.7.在新表中新增一条基站号记录，总时长和总流量与该条记录中的基站，时长，流量分别对应相等，然后跳转执行步骤2.9；
步骤2.8.将该条记录中的时长和流量分别累加到新表中该基站号对应的总时长和总流量中；
步骤2.9.令b＝b+1,判断b是否大于w,如果是，则执行步骤2.10，如果否，则跳转执行步骤2.4；
步骤2.10.令a＝a+1,判断a是否大于n,如果是，则结束步骤2，如果否，则跳转执行步骤2.2
所述的步骤3包括如下步骤：
步骤3.1.初始化任意两个基站之间边的权重wij＝0；
步骤3.2.令u＝1,m＝基站总数，n＝用户总数；u为第u个用户；
步骤3.3.令i＝1；i为第i个基站；
步骤3.4.令j＝i+1；j为第j个基站；
步骤3.5.判断第u个用户是否同时访问过基站i和基站j,如果是，则执行步骤3.6，如果否，则跳转执行步骤3.8；
步骤3.6.计算该单个用户描述的基站i和基站j之间的合作紧密程度
步骤3.7.将该单个用户的累加到wij中，基站i和基站j之间边的权重更新为其中，u为第u个用户；U为所有用户的集合；
步骤3.8.令j＝j+1,判断j是否大于m,如果是，则执行步骤3.9，如果否，则跳转执行步骤3.5；
步骤3.9.令i＝i+1，判断i是否大于m-1,如果是，则执行步骤3.10，如果否，则跳转执行步骤3.4；
步骤3.10.令u＝u+1,判断u是否大于n,如果是，则结束步骤3，如果否，则跳转执行步骤3.3。
所述的计算单个人描述的基站之间的合作紧密程度为：
其中，表示单个人描述基站之间的合作紧密程度，代表基站i为用户u提供的服务，Vu代表为用户u提供服务的基站的集合。nu＝|Vu|为用户u提供服务的基站的个数，因子使得的定义满足归一化每个个体对空间合作网络的描述。
本发明的有益效果是：利用移动互联网的基站数据集，从空间合作网络的角度，提出一个新方法来确定人群的日常活动区域，对城市规划和交通运输等具有现实意义和价值。
附图说明
图1是本发明的流程图；
图2是本发明实施例提供的数据重构的实现流程图；
图3是本发明实施例提供的构建有权的空间合作网络的实现流程图。
具体实施方式
下面结合附图及实施例，对本发明作进一步详细的描述。
步骤1.利用移动互联网的基站数据集，获取以时间为序的用户记录，所述用户记录包括单个用户在不同时间分别访问的基站，上网时长和流量信息；
例如，获取的以时间为序的单个用户记录<时间，基站，时长，流量>，如<t1,cell1,time1,load1>,<t2,cell2,time2,load2>,<t3,cell3,time3,load3>等。
步骤2.对步骤1中的用户记录进行数据重构，得到按基站统计的用户记录；
按基站统计的用户记录为：<基站，总时长，总流量>，如<cell1,count_time1,count_load1>，<cell2,count_time2,count_load2>,<cell3,count_time3,count_load3>等。
所述的步骤2包括如下步骤：
步骤2.1.令a＝1,n＝用户总数；a为第a个用户；
步骤2.2.查询第a个用户以时间为序的上网记录表，并为该用户初始化一个包括基站号，总时长和总流量的新表；
步骤2.3.令b＝1,w＝第a个用户的上网记录表中记录总条数；b为该用户的第b条记录；
步骤2.4.查询该用户的第b条记录；
步骤2.5.判断新表是否为空表，如果是，则跳转执行步骤2.7，如果否，则执行步骤2.6；
步骤2.6.判断新表中是否已有第b条记录中的基站号，如果是，则跳转执行步骤2.8，如果否，则执行步骤2.7；
步骤2.7.在新表中新增一条基站号记录，总时长和总流量与该条记录中的基站，时长，流量分别对应相等，然后跳转执行步骤2.9；
步骤2.8.将该条记录中的时长和流量分别累加到新表中该基站号对应的总时长和总流量中；
步骤2.9.令b＝b+1,判断b是否大于w,如果是，则执行步骤2.10，如果否，则跳转执行步骤2.4；
步骤2.10.令a＝a+1,判断a是否大于n,如果是，则结束步骤2，如果否，则跳转执行步骤2.2
步骤3.遍历所有用户，计算单个人描述的基站之间的合作紧密程度，构建一张有权的空间合作网络，其中节点代表基站，边代表基站之间的合作关系，边的权重代表了合作关系的紧密程度；
所述的计算单个人描述的基站之间的合作紧密程度为：
由于每个用户可以从多个基站获取服务，每个基站服务不同用户，对于单个人，每个服务点的贡献量是不一样的，少数基站提供绝大部分服务，而有些基站只是偶尔提供服务，因此基站间的合作是有差异性的。为了定量度量这种合作关系的差异性，用表示单个人描述基站之间的合作紧密程度。
其中代表基站i为用户u提供的服务，Vu代表为用户u提供服务的基站的集合。nu＝|Vu|为用户u提供服务的基站的个数，因子使得的定义满足归一化每个个体对空间合作网络的描述。
所述的步骤3包括如下步骤：
步骤3.1.初始化任意两个基站之间边的权重wij＝0；
步骤3.2.令u＝1,m＝基站总数，n＝用户总数；u为第u个用户；
步骤3.3.令i＝1；i为第i个基站；
步骤3.4.令j＝i+1；j为第j个基站；
步骤3.5.判断第u个用户是否同时访问过基站i和基站j,如果是，则执行步骤3.6，如果否，则跳转执行步骤3.8；
步骤3.6.计算该单个用户描述的基站i和基站j之间的合作紧密程度
步骤3.7.将该单个用户的累加到wij中，基站i和基站j之间边的权重更新为其中，u为第u个用户；U为所有用户的集合；
步骤3.8.令j＝j+1,判断j是否大于m,如果是，则执行步骤3.9，如果否，则跳转执行步骤3.5；
步骤3.9.令i＝i+1，判断i是否大于m-1,如果是，则执行步骤3.10，如果否，则跳转执行步骤3.4；
步骤3.10.令u＝u+1,判断u是否大于n,如果是，则结束步骤3，如果否，则跳转执行步骤3.3。
步骤4利用基于模块度最优化的方法，对有权的空间合作网络进行划分，基于模块度最优化的方法是现有技术。
本文中所描述的具体实施例仅是对本发明作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，例如不可分小波有本领域技术人员自行根据具体情况构造，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (3)

1.一种基于用户活动特征的基站划分方法，其特征在于，包括如下步骤：
步骤1.利用移动互联网的基站数据集，获取以时间为序的用户记录，所述用户记录包括单个用户在不同时间分别访问的基站，上网时长和流量信息；
步骤2.对步骤1中的用户记录进行数据重构，得到按基站统计的用户记录；
步骤3.遍历所有用户，计算单个人描述的基站之间的合作紧密程度，构建一张有权的空间合作网络，其中节点代表基站，边代表基站之间的合作关系，边的权重代表了合作关系的紧密程度；
步骤4利用基于模块度最优化的方法，对有权的空间合作网络进行划分；
所述的计算单个人描述的基站之间的合作紧密程度为：
其中，表示单个人描述基站之间的合作紧密程度，代表基站i为用户u提供的服务，Vu代表为用户u提供服务的基站的集合；nu＝|Vu|为用户u提供服务的基站的个数，因子使得的定义满足归一化每个个体对空间合作网络的描述。
2.根据权利要求1所述的一种基于用户活动特征的基站划分方法，其特征在于，所述的步骤2包括如下步骤：
步骤2.1.令a＝1,n＝用户总数；a为第a个用户；
步骤2.2.查询第a个用户以时间为序的上网记录表，并为该用户初始化一个包括基站号，总时长和总流量的新表；
步骤2.3.令b＝1,w＝第a个用户的上网记录表中记录总条数；b为该用户的第b条记录；
步骤2.4.查询该用户的第b条记录；
步骤2.5.判断新表是否为空表，如果是，则跳转执行步骤2.7，如果否，则执行步骤2.6；
步骤2.6.判断新表中是否已有第b条记录中的基站号，如果是，则跳转执行步骤2.8，如果否，则执行步骤2.7；
步骤2.7.在新表中新增一条基站号记录，总时长和总流量与该条记录中的基站，时长，流量分别对应相等，然后跳转执行步骤2.9；
步骤2.8.将该条记录中的时长和流量分别累加到新表中该基站号对应的总时长和总流量中；
步骤2.9.令b＝b+1,判断b是否大于w,如果是，则执行步骤2.10，如果否，则跳转执行步骤2.4；
步骤2.10.令a＝a+1,判断a是否大于n,如果是，则结束步骤2，如果否，则跳转执行步骤2.2。
3.根据权利要求1所述的一种基于用户活动特征的基站划分方法，其特征在于，所述的步骤3包括如下步骤：
步骤3.1.初始化任意两个基站之间边的权重wij＝0；
步骤3.2.令u＝1,m＝基站总数，n＝用户总数；u为第u个用户；
步骤3.3.令i＝1；i为第i个基站；
步骤3.4.令j＝i+1；j为第j个基站；
步骤3.5.判断第u个用户是否同时访问过基站i和基站j,如果是，则执行步骤3.6，如果否，则跳转执行步骤3.8；
步骤3.6.计算该单个用户描述的基站i和基站j之间的合作紧密程度
步骤3.7.将该单个用户的累加到wij中，基站i和基站j之间边的权重更新为其中，u为第u个用户；U为所有用户的集合；
步骤3.8.令j＝j+1,判断j是否大于m,如果是，则执行步骤3.9，如果否，则跳转执行步骤3.5；
步骤3.9.令i＝i+1，判断i是否大于m-1,如果是，则执行步骤3.10，如果否，则跳转执行步骤3.4；
步骤3.10.令u＝u+1,判断u是否大于n,如果是，则结束步骤3，如果否，则跳转执行步骤3.3。
CN201510014621.XA 2015-01-12 2015-01-12 一种基于用户活动特征的基站划分方法 Active CN104519497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510014621.XA CN104519497B (zh) 2015-01-12 2015-01-12 一种基于用户活动特征的基站划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510014621.XA CN104519497B (zh) 2015-01-12 2015-01-12 一种基于用户活动特征的基站划分方法

Publications (2)

Publication Number Publication Date
CN104519497A CN104519497A (zh) 2015-04-15
CN104519497B true CN104519497B (zh) 2018-05-11

Family

ID=52794098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510014621.XA Active CN104519497B (zh) 2015-01-12 2015-01-12 一种基于用户活动特征的基站划分方法

Country Status (1)

Country Link
CN (1) CN104519497B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105898766B (zh) * 2016-06-22 2019-05-10 中国联合网络通信集团有限公司 一种基站规划方法及装置
CN108966269B (zh) * 2018-07-17 2021-09-10 中国联合网络通信集团有限公司 一种场馆基站识别方法和装置
CN109740069A (zh) * 2018-11-20 2019-05-10 北京邮电大学 一种用户间亲密关系的识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101217758A (zh) * 2007-12-26 2008-07-09 中国移动通信集团北京有限公司 生成蜂窝网络的用户移动性模型的方法及装置
CN101799549A (zh) * 2010-01-26 2010-08-11 华为终端有限公司 记录地理位置信息的方法及移动终端
CN102333274A (zh) * 2010-07-12 2012-01-25 同济大学 一种基于手机信号数据处理通勤信息的方法及装置
CN102546541A (zh) * 2010-12-16 2012-07-04 上海贝尔股份有限公司 一种用于实现在飞蜂窝基站中记录通话活动的方法与设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101217758A (zh) * 2007-12-26 2008-07-09 中国移动通信集团北京有限公司 生成蜂窝网络的用户移动性模型的方法及装置
CN101799549A (zh) * 2010-01-26 2010-08-11 华为终端有限公司 记录地理位置信息的方法及移动终端
CN102333274A (zh) * 2010-07-12 2012-01-25 同济大学 一种基于手机信号数据处理通勤信息的方法及装置
CN102546541A (zh) * 2010-12-16 2012-07-04 上海贝尔股份有限公司 一种用于实现在飞蜂窝基站中记录通话活动的方法与设备

Also Published As

Publication number Publication date
CN104519497A (zh) 2015-04-15

Similar Documents

Publication Publication Date Title
Zhao et al. Predicting taxi demand at high spatial resolution: Approaching the limit of predictability
Lv et al. Big data driven hidden Markov model based individual mobility prediction at points of interest
Xu et al. A hybrid machine learning model for demand prediction of edge-computing-based bike-sharing system using Internet of Things
CN109005515B (zh) 一种基于移动轨迹信息的用户行为模式画像的方法
Widhalm et al. Discovering urban activity patterns in cell phone data
CN110414732B (zh) 一种出行未来轨迹预测方法、装置、储存介质及电子设备
CN109688532B (zh) 一种划分城市功能区域的方法及装置
Kim Identifying the structure of cities by clustering using a new similarity measure based on smart card data
Miller Time geography
CN106709606A (zh) 个性化场景预测方法及装置
CN105243148A (zh) 一种基于签到数据的时空轨迹相似性度量方法及系统
CN104348855A (zh) 用户信息的处理方法、移动终端及服务器
Tosi Cell phone big data to compute mobility scenarios for future smart cities
CN104519497B (zh) 一种基于用户活动特征的基站划分方法
Cao et al. Understanding metropolitan crowd mobility via mobile cellular accessing data
Lin et al. A stacking model for variation prediction of public bicycle traffic flow
Garzó et al. Real-time streaming mobility analytics
Chen et al. Location prediction for large scale urban vehicular mobility
Said et al. A probabilistic approach for maximizing travel journey WiFi coverage using mobile crowdsourced services
Li et al. Mobile user location prediction based on user classification and markov model
Misharin et al. On Processing of Correspondence Matrices in Transport Systems
CN107577727B (zh) 一种群体移动行为特性分析方法
Cui et al. Usage demand forecast and quantity recommendation for urban shared bicycles
Shad et al. Cell oscillation resolution in mobility profile building
Sabarish et al. A survey of location prediction using trajectory mining

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant