CN105531746B - 为流量分析而收集的数据的管理 - Google Patents

Abstract

提出了用于管理在至少一个预定时段期间关于地理区域中的物理实体的一个或多个流的数据的方法。对于每个物理实体，数据包括多个表示元素所述地理区域中的被检测到的位置的定位数据和标识每个位置被检测到的时刻的对应时间数据。地理区域被分成至少两个区。至少一个时段被分成一个或多个时隙。针对每个时隙计算起点‑目的地矩阵，每个起点‑目的地矩阵包括用于物理实体流能开始于的至少两个区中的每一区的相应行以及用于物理实体流能结束于的至少两个区中的每一区的相应列。然后，地理区域被细分为多个基本区。针对基本区和时隙计算基本起点‑目的地矩阵。识别在每个时隙期间从第一区流动到第二区的元素数量的步骤包括：将用于每个起点‑目的地矩阵的基本起点‑目的地矩阵的被选子集组合到一起并且将基本起点‑目的地矩阵的每个经组合子集中条目的被选子集组合到一起，或者将每个基本起点‑目的地矩阵中条目的被选子集组合到一起并且将具有用于每个起点‑目的地矩阵的条目的经组合被选子集的基本起点‑目的地矩阵的被选子集组合到一起。

Description

为流量分析而收集的数据的管理

技术领域

根据本发明的解决方案涉及移动物理实体的流量流的分析。具体而言，根据本发明的解决方案涉及为执行流量分析而收集的经验数据的管理。

背景技术

流量分析旨在识别和预测在所关心的地理区域(例如，城市区域)中并且在预定的观察期(例如，24小时观察期)移动的物理实体(例如，陆地车辆)流(例如，车辆流量流)中的变化。

流量分析的典型，但非限制性，例子是由在所关心的地理区域的路线上的车辆(汽车，卡车等)流量流的分析来表示的。这种分析允许实现所关心的区域内交通基础设施的更高效规划并且还允许预测交通基础设施的变化，诸如像道路封闭、交通灯排序变化、新道路和新建筑的构建，如何会对车辆流量造成影响。

在下面对于流量分析，是指物理实体通过地理区域的运动的分析。这种物理实体可以是车辆(例如，汽车、卡车、摩托车、公交车)和/或个人。

因为它是基于统计计算，所以流量分析需要关于所关心的区域和被选的观察期收集大量经验数据，以便提供准确的结果。为了执行流量的分析，所收集的经验数据随后通常排列在多个矩阵中，在本领域中被称为起点-目的地(O-D)矩阵。O-D矩阵是基于所关心的区域和观察期二者的划分。

为了划分所关心的区域，区域被细分为多个区，每个区根据若干参数来定义，这些参数诸如负责该区(例如，城市)管理的当局、所关心的区域中地段的拓扑(诸如开放空间、住宅、农业、商业或工业用地)和能够阻碍流量的物理屏障(例如，河流)(物理屏障可以用作区的边界)。所关心的区域可以被细分为的区的大小，以及因此区的数量，与为流量分析所请求的细节级别(即，城区级别、城市等级、地区级别级、国家级别，等等)成比例。

此外，观察期可被细分为一个或更多个时隙，每个时隙根据已知的流量趋势来定义，所述流量趋势诸如对应于当大多数乘客前往他们的工作场所和/或乘车返回家的交通高峰时间。时隙的长度(以及因此它们的数量)与在所考虑的观察期上的流量分析所请求的细节级别成比例。

通用O-D矩阵的每个条目包括从所关心的区域的第一区(起点)到第二区(目的地)移动的物理实体的数量。每个O-D矩阵对应于所考虑的观察期可以被细分的一个或更多个时隙中的一个时隙。为了获得可靠的流量分析，O-D矩阵的集合应当在多个类似的观察期上计算并且应当组合，从而获得具有较高统计值的O-D矩阵。例如，关于物理实体的运动的经验数据应当在多个连续的天(每天对应于不同的观察期)进行收集，并且为每一天应当计算O-D矩阵的对应集合。

用于收集用来计算与所关心的特定区域相关的O-D矩阵的典型方法是基于向所关心的区域的居民和/或向邻近区域的居民提交关于他们的运动习惯的问卷，或执行与他们的访谈，和/或通过沿所关心的区域的路线安装用于计数沿这些路线移动的车辆数的车辆计数站。本申请人已经观察到，这种方法具有非常高的成本并且它需要很长时间来收集足够量的经验数据。由于这个原因，用来执行流量分析的 O-D矩阵很少建成，有可能每隔几年，然后变得过时。

在本领域中，几种替代的解决方案已经被提出，用于收集用来计算O-D矩阵的经验数据。

例如，美国5,402,117公开了用于收集移动性数据的方法，其中，经由蜂窝无线电通信系统，测出的值从车辆发送到计算机。测出的值被选择，使得它们可以被用来确定O-D矩阵而不侵犯用户的隐私。

在中国专利申请No.102013159中，描述了基于号牌识别数据的区域动态起点和目的地(OD)数据获取方法。动态OD数据是动态的起点和目的地数据，其中O表示起点并且D表示目的地。该方法包括步骤：根据需要划分OD区域，其中最小时间单位为5分钟；每 15分钟由流量控制中心统一处理该区域中每个交叉路口的数据；检测号牌数据；包装号牌识别数据；将号牌识别数据上载到流量控制中心；比较牌号与通过交叉路口的标识(ID)号；获取通过每个交叉路口的每个车辆的时间；通过取得牌号作为线索来获取每个车辆从O 点到D点所经过的路径中每个交叉路口的编号；根据时间顺序并根据在节点之间经过的车辆的数目排定交叉路口的顺序，从而计算动态 OD数据矩阵。

WO 2007/031370涉及用于自动获取流量调查数据的方法，例如以O-D矩阵的形式，尤其是作为用于流量控制系统的输入信息。流量调查数据是通过沿可用路线放置的无线电设备收集的。

如今，移动电话已经在许多国家的人口中达到彻底的扩散，并且移动电话用户几乎总是随身携带移动电话。由于移动电话与移动电话网络的多个基站通信，并且每个基站在被移动电话网络知晓的预定地理区域(或小区)之上操作，因此移动电话会是用作收集对执行流量分析有用的数据的跟踪设备的最佳候选。例如，N.Caceres、J. Wideberg和F.Benitez在Intelligent Transport Systems，IET，vol.1， no.1，pp.15-26，2007所写的“Deriving origin destination data from a mobile phone network”描述了沿被多个GSM网络小区覆盖的高速公路移动的车辆的移动性分析模拟。在模拟中，O-D矩阵的条目通过识别被移动的车辆中的移动电话用于建立语音呼叫或发送SMS的 GSM小区来确定。

美国2006/0293046提出了采用来自无线电话网络的数据来支持流量分析的方法。与无线网络用户相关的数据是从该无线网络中提取的，以确定移动站的位置。用于移动站的附加位置记录可以被用来表征该移动站的运动：其速度、其路线、其起点和目的地，及其初级和次级交通分析区。聚合与多个移动站关联的数据允许表征和预测流量参数，包括沿路线的流量速度和容量。

在F.Calabrese等人在IEEE Pervasive，pp.36-44，October- December 2011(vol.10no.4)所写的“Estimating Origin-Destination Flows Using Mobile PhoneLocation Data”中，提出了设想分析在相应移动通信网络中的移动设备的位置变化以便确定O-D矩阵的条目的另一种方法。

发明内容

本申请人意识到，为了在所关心的特定区域中执行流量分析，在通过本领域中已知的系统和方法收集的大量经验数据的使用中普遍缺乏可管理性。

尤其是，申请人已经观察到，利用移动电话网络的移动电话作为跟踪设备一般导致获得非常大量的经验数据，不是所有这些数据都对执行流量分析有用。因此，为了计算随后用来执行流量分析的O-D 矩阵，由移动电话网络提供的大量经验数据必须被彻底分析并提交给沉重的处理(既耗时间又耗资源的操作)。

事实上，由移动电话网络提供的数据对应于每个移动电话与移动电话网络之间的每次交互，像例如呼叫的建立、文本消息(SMS)的发送或接收、数据的交换，而不管移动电话是否实际改变其地理位置。因此，为了建立O-D矩阵，由移动电话网络提供的数据必须被扫描并过滤，以得出有关移动电话的实际运动的信息。

此外，就移动电话连接到的移动电话网络小区而言，由移动电话网络提供的数据给出移动电话在移动电话网络中的位置。一般而言，小区不对应于所关心的地理区域中的流量分析区：例如，移动电话网络小区远比流量分析区小。

因此，为了建立O-D矩阵，由移动电话网络提供的数据需要进行处理，以识别移动电话网络的小区组与所关心的地理区域的各个流量分析区之间的对应关系。

而且，由移动电话网络提供的数据必须在时域中被分析并聚集，以对应于流量分析时隙。

只有在这样的操作之后，才有可能组成正确的O-D矩阵。

因此，本申请人已经解决了如何以高效的方式管理由移动电话网络提供的大量经验数据的问题，用于以快速可靠的方式计算可能截然不同的O-D矩阵的集合，以允许流量分析具有可定制的准确度和/或精度(根据期望的细节级别)，这样的矩阵对应于所关心的特定区域和观察时段到区和/或时隙的不同划分。

本申请人已经发现，通过收集和聚集具有比后续执行流量分析而预期需要的粒度更精细粒度(在将所关心的地理区域划分成的更小尺寸的区和/或观察期被细分成的更短长度的时隙方面)的经验数据，经验数据的更高效管理和与流量分析的不同细节级别相关的O-D矩阵的不同集合的更快计算成为可能。

尤其是，本发明的一方面提出了用于管理在至少一个预定时段期间关于地理区域中的物理实体的一个或多个流的数据的方法。对于每个物理实体，数据包括多个表示元素在所述地理区域中的被检测到的位置的定位数据和标识每个位置被检测到的时刻的对应时间数据。该方法包括以下步骤。把地理区域细分为至少两个区。把至少一个时段细分为一个或多个时隙。识别在每个时隙期间从所述至少两个区当中的第一区流向所述至少两个区中的第二区的物理实体的数量。基于这种识别针对一个或多个时隙中的每个时隙计算起点-目的地矩阵，每个起点-目的地矩阵包括用于物理实体流能开始于的所述至少两个区中的每一区的相应行，以及用于在对应时隙期间物理实体流能结束于的所述至少两个区中的每一区的相应列，并且起点-目的地矩阵的每个条目指示在对应时隙中从所述至少两个区中的第一区流向第二区的物理实体的数量。在根据本发明的实施例的解决方案中，该方法还包括以下步骤。将所述地理区域细分为多个基本区。将所述至少一个时段细分为多个基本时隙，其中所述基本区比所述区更小，和/或所述基本时隙比所述一个或多个时隙更短。识别在每个基本时隙期间从所述多个基本区中的第一基本区流向所述多个基本区中的第二基本区的元素的另一数量。基于这种识别针对每个基本时隙计算基本起点-目的地矩阵，每个基本起点-目的地矩阵包括用于元素流能开始于的多个基本区中的每一个基本区的相应行，以及在对应基本时隙期间元素流能结束于的多个基本区中的每一个基本区的相应列，并且基本起点 -目的地矩阵的每个条目包括从所述多个基本区中第一基本区流向所述多个基本区中的第二基本区的元素的另一数量。而且，识别在每个时隙期间从第一区流向第二区的元素数量的步骤包括：将用于每个起点-目的地矩阵的基本起点-目的地矩阵的被选子集组合到一起，并且将基本起点-目的地矩阵的每个经组合子集中的条目的被选子集组合到一起；或者，将每个基本起点-目的地矩阵中条目的被选子集组合到一起，并且将具有用于每个起点-目的地矩阵的条目的经组合被选子集的基本起点-目的地矩阵的被选子集组合到一起。

本发明的优选特征在从属权利要求中设置。

在本发明的一个实施例中，识别在一个或多个时隙当中的每个时隙期间从第一区流向第二区的元素个数的步骤包括：选择包括在该时隙中的基本时隙的子集，并且选择包括在所述区中的基本区的子集。

在本发明的另一实施例中，选择包括在所述区中的基本区的子集的步骤包括：如果基本区的选定百分比的面积包括在所述区中，则选择该基本区。

在本发明的一种实施例中，多个基本区中的每个基本区包括表示用于所述基本区中的元素流的中心的质心，并且其中选择包括在所述区中的基本区的子集的步骤包括，如果基本区的质心包括在所述区中，则选择该基本区。

在本发明的另一实施例中，将用于每个起点-目的地矩阵的基本起点-目的地矩阵的被选子集组合到一起的步骤包括：通过组合基本起点-目的地矩阵的子集来为每个时隙计算过渡起点-目的地矩阵，每个基本起点-目的地矩阵都对应于基本时隙的被选子集的被选基本时隙，每个过渡起点-目的地矩阵包括用于元素流能开始于的多个基本区中的每一个基本区的相应行，以及在对应基本时隙期间元素流能结束于的多个基本区中的每一个基本区的相应列，并且过渡起点-目的地矩阵的每个条目包括在对应的时隙期间从多个基本区中的第一基本区流向多个基本区中的第二基本区的元素的数量。

在本发明的一个实施例中，用于为每个时隙计算起点-目的地矩阵的步骤还包括将过渡起点-目的地矩阵的条目的子集组合到一起，每个条目对应于基本区的子集的被选基本区。

在本发明的另一实施例中，将每个基本起点-目的地矩阵中的条目的被选子集组合到一起的步骤包括：通过组合对应基本起点-目的地矩阵的条目的被选子集来为每个基本时隙计算过渡起点-目的地矩阵，每个过渡起点-目的地矩阵包括用于元素流能开始于的多个区中的每一个区的相应行，以及用于在对应时隙期间元素流能结束于的多个区中的每一个区的相应列，并且过渡起点-目的地矩阵的每个条目包括在对应基本时隙期间从所述至少两个区当中的第一区流向所述至少两个区当中的第二区的元素的数量。

在本发明的一个实施例中，为每个时隙计算起点-目的地矩阵的步骤还包括将过渡起点-目的地矩阵的子集组合到一起，每个过渡起点-目的地矩阵对应于基本时隙的被选子集的被选基本时隙。

在本发明的另一实施例中，该方法还包括根据用户请求修改用于将地理区域细分为多个基本区和/或将至少一个时段细分为多个基本时隙的参数的步骤。而且，该方法还包括根据修改后的参数重复将所述地理区域细分为多个比所述区更小基本区和/或将所述至少一个时段细分为多个基本时隙的步骤，所述基本时隙比所述时隙更短。此外，该方法包括重复识别在每个基本时隙期间从多个基本区的第一基本区流向多个基本区的第二基本区的元素数量以及基于这种识别为每个基本时隙计算基本起点-目的地矩阵的步骤。

在本发明的一个实施例中，该方法还包括根据用户请求修改用于将地理区域细分为多个区和/或将至少一个时段细分为一个或多个时隙的参数的步骤。而且，该方法还包括重复以下步骤。将所述地理区域细分为至少两个区。将所述至少一个时段细分为一个或多个时隙。识别在每个时隙期间从所述至少两个区当中的第一区流向所述至少两个区中的第二区的元素的数量。基于这种识别为一个或多个时隙当中的每个时隙计算起点-目的地矩阵。

在本发明的另一实施例中，在多个电信小区上操作的无线电-电信网络被部署在地理区域中，并且被管理的数据关于一个或多个移动电信设备，每个移动电信设备与流动的元素当中相应的一个关联。将地理区域细分为多个基本区的步骤包括将多个基本区当中的每个基本区与无线电-电信网络的至少一个对应电信小区关联。

本发明的另一方面提出了用于管理在至少一个预定时段期间关于地理区域中的元素的一个或多个流的数据的系统，其中被细分成多个电信小区的无线电-电信网络部署在所述地理区域中。该系统包括适于存储包括多个表示元素在所述地理区域中的被检测到的位置的定位数据以及标识每个位置被检测到的时刻的对应时间数据的数据的存储元件，以及适于通过实现所述方法基于存储在储存库中的数据来计算至少一个矩阵的计算引擎。

在本发明的一个实施例中，存储元件还适于存储由计算引擎计算出的至少一个矩阵。

在本发明的另一实施例中，该系统还包括适于向至少一个用户输出信息并从其接收输入信息的至少一个用户接口。

在本发明的一个实施例中，该系统还适于收集关于包括在所关心的区域中的多个移动电信设备的数据，每个移动电信设备与在所关心的区域中相应的一个流动元素关联。

附图说明

根据本发明的解决方案的这些和其它特征及优点将通过阅读以下其实施例的具体描述而被更好地理解，实施例仅仅是作为非限制性例子提供的，要结合附图和权利要求来一起阅读，其中：

图1是用于执行物理实体(例如，车辆)的流量分析的所关心的地理区域的示意图，所关心的地理区域被细分为多个区；

图2示出了与图1的所关心的地理区域相关的通用O-D矩阵，对应于观察期的某个时隙；

图3示出了与图1的所关心的地理区域相关的O-D矩阵的集合，对应于构成观察期的相应的多个时隙，并且被用于执行流量分析；

图4是根据本发明的实施例、用于计算图3中所示集合的O-D 矩阵的系统的示意性功能框图；

图5示出了根据本发明的实施例、与图1的地理区域关联并且从收集到的关于通过这种地理区域的物理实体的运动的经验数据开始由图4的系统计算的基本O-D矩阵的集合；

图6是根据本发明的实施例、被细分为基本区的图1的地理区域的示意图；

图7A和7B是根据本发明的实施例、示出用于计算O-D矩阵的方法的一些步骤的示意性流程图；及

图8是根据本发明的实施例、从图5的基本O-D矩阵开始计算的过渡O-D矩阵。

具体实施方式

参照附图，图1是所关心的地理区域100的示意图(在下文中简称为所关心的区域)。

所关心的区域100是被选的地理区域，在其中应当执行根据本发明实施例的流量分析。例如，所关心的区域100可以是小区、城镇、城市，或任何其它种类的地理区域。作为非限制性例子，让我们假设应该执行对所关心的区域100的流量分析(例如，车辆流量流的分析)。

所关心的区域100由边界或外部警戒线105定界。所关心的区域 100被细分为多个在其中期望分析流量流的流量分析区，或简单地称为区z_n，(n＝1，…，N；其中N是整数，并且N＞0)。在图1所示的例子中，所关心的区域100被细分为九个区z₁，…，z₉(即， N＝9)。

每个区z_n可以通过使用已描述的分区技术来有利地确定。根据这种技术，每个区z_n可以通过所关心的区域100中可能会妨碍流量流的物理屏障(诸如河流，铁路等)来定界，并且可以包括预期经历相似流量流的相同类型的相邻用地(诸如开放空间、住宅、农业、商业或工业用地)。应当注意的是，区z_n的大小可以彼此不同。一般而言，每个区z_n被建模为仿佛所有在其中开始或结束的流量流都集中在各自的单个点或质心110_n(即，110₁，…，110₉)中。换句话说，通用区z_n的质心110_n表示任何流量流分别从其开始或在其结束的理想中心。

无论如何，都应当指出，根据本发明实施例的解决方案独立于用来将所关心的区域100分成区的标准。

现在考虑图2，绘出了对应于所关心的区域100的O-D矩阵 200。O-D矩阵200涉及观察时段的相应时间间隔或时隙，如下文中更详细描述的那样。

通用O-D矩阵200通常是具有N行i和N列j的方形矩阵。每行和每列与所关心的区域100的对应区z_n关联；因此，在图1的例子中，O-D矩阵200包括九行i＝1，…，9以及9列j＝1，…，9。

每一行i表示用于移动物理实体(例如陆地车辆)的流量流的起点区z_i，而每一列j表示用于这种移动物理实体的流量流的目的地区 z_j。换句话说，O-D矩阵200的每个通用元素或条目od_(i，j)表示在对应时隙期间在区z_i(起点区)中开始并在区z_j(目的地区)中结束的流量流的数量。

O-D矩阵200的主对角线，其包括具有i＝j的条目od_(i，j)(即，起点和目的地区都是同一个区z_n的条目od_(i，j))，通常空着(例如，值被设置为0)或者主对角线条目od_(i，j)的值被丢弃，因为它们没有绘出所关心的区域的区之间的运动(即，这种条目没有绘出流量流)。

如已知的，流量流强烈依赖于时间。例如，在一天当中，其中大部分乘客去往他们的工作场所或者返回家的早上/晚上时间比在深夜时间的流量流通常更密集。因此，O-D矩阵200的条目od_(i，j)的值强烈依赖于流量数据收集的时间。

为了获得详细可靠的流量分析，所关心的区域中流量流的预定观察期也被确定，例如，观察期对应于一天(24小时)并且被细分为一个或更多个(优选地是多个)时隙ts_k(k＝1，…，K，其中K是整数，并且K＞0)。每个时隙ts_k的范围从初始时刻t₀(k)到作为下一个时隙ts_k+1的初始时刻的下一个时刻t₀(k+1）(不合该时刻)，或者：

ts_k＝[t₀(k)，t₀(k+1))。

无论如何，都不排除特征在于重叠时隙的本发明的实施例。而且，观察期被细分为的时隙ts_k可以具有彼此不同的长度。

在所考虑的例子中，24小时观察期已被细分为7个时隙ts_k (即，K＝7)。有利地，每个时隙ts_k具有与那个时隙ts_k中预期流量强度(例如，预期的流量密度可以基于之前的流量分析或估计)成反比的相应长度。例如，具有低预期流量强度的时隙可以被设置为6小时长，具有中等预期流量强度的时隙可以被设置为4小时长，并且具有高预期流量强度的时隙可以被定为2小时长；因此，在所考虑的例子中，例如24小时的观察期按以下方式被细分为7个时隙ts_k：ts₁＝ [00：00，06：00)，ts₂＝[06：00，08：00)，ts₃＝[08：00，12：00)，ts₄＝ [12：00，14：00)，ts₅＝[14：00，18：00)，ts₆＝[18：00，20：00)和ts₇＝[20：00，24：00)。

无论如何，都应当指出，根据本发明实施例的解决方案独立于为将观察期分成时隙而应用的标准。

考虑图3，示出了涉及所关心的区域100的图2类型的O-D矩阵200的集合300，其中集合300的任何一个O-D矩阵200_k是针对观察期被细分成的多个时隙当中的对应时隙ts_k计算出的。

换句话说，在所考虑的例子中，一般包括数量K个O-D矩阵 200_k(每个与观察期被细分成的多个时隙当中的对应时隙相对应) 的O-D矩阵200_k的集合300包括七个(即，K＝7)O-D矩阵200₁- 200₇，每个涉及K个时隙ts₁-ts₇当中对应的一个。

为了获得可靠的流量流分析，流量数据通常在多个观察期p (p＝1，…，P；其中P是整数，并且P＞0)上收集，例如多个24小时观察期上收集，以便获得O-D矩阵200_k的数量p(p＝1，…，P) 个不同的集合300，O-D矩阵200_k的所述不同集合300当中每一个对应于多个观察期p＝1，…，P当中相应的观察期p。随后，每个集合300的O-D矩阵200_k被统计处理，用于计算O-D矩阵200_k的平均集合，其中优选地，但不是限制性地，通用O-D矩阵200_k的通用条目od_(i，j)包含从针对P个观察期中的每一个观察期的相同时隙ts_k计算的所有P个O-D矩阵200_k的对应条目od_(i，j)的P个值计算出的平均值。

在下文中，为简单起见，将只考虑对应于单个观察期p (p＝P＝1)的O-D矩阵200_k的单个集合300，但是根据本发明实施例的解决方案可以应用到特征在于任意数量观察期p的流量分析。

现在转向图4，根据本发明实施例的系统400被系统化为用于计算集合300的O-D矩阵200_k。

系统400连接到通信网络，诸如移动电话网络405，并且被配置为用于接收位于所关心的区域100中的物理实体的每个通信设备(例如，车辆内的个人的移动电话)的定位数据。例如，移动网络405包括多个基站405a，每个基站适于管理移动电话在一个或更多个小区 405b(在所讨论的例子中是三个小区)上的通信。在观察期内，在所关心的区域100中，定位数据可以在移动电话与移动网络405的任何基站405a交互的任何时候(例如，在开机/关机、位置区域更新、呼入/呼出呼叫、发送/接收到SMS和/或MMS、互联网接入等等时)收集。

系统400包括适于计算O-D矩阵200_k的计算引擎410，适于存储数据(诸如上面提到的定位数据)的储存库415(诸如数据库、文件系统等)。此外，储存库415可适于还存储O-D矩阵200_k。优选地，但不是限制性地，系统400包括一个或更多个适于从用户接收输入并向用户提供O-D矩阵200_k作为输出的用户接口420(例如，用户终端)。应当理解的是，系统400可以以任何已知的方式提供；例如，系统400可以包括单个计算机，或计算机的分布式网络，或者是物理的(例如，具有一个或更多个实现计算引擎410的主机器和连接到实现用户接口420的其它机器的储存库415)或者是虚拟的(例如，通过在计算机网络中实现一个或更多个虚拟机)。

在操作中，检测到的定位数据与相应的定时数据(即，定位数据被检测到的时刻)相关联并存储在储存库415中。定位和定时数据由计算引擎410处理，计算引擎410计算集合300的每个O-D矩阵 200_k，如将在下文中描述的。

最后，使得O-D矩阵200_k的集合300可由用户通过用户接口 420进行访问，并且用户可以利用O-D矩阵200_k执行流量流的分析。

在根据本发明的实施例的解决方案中，系统400适于允许用户修改用于计算每个O-D矩阵200_k的参数(诸如区z_n的数量和/或大小，和/或时隙ts_k的数量和/或持续时间，等等)，并且使计算引擎 410以快速可靠的方式根据修改后的参数计算O-D矩阵200_k的不同集合300，而无需重新收集和/或重新分析流量数据。

本发明的实施例包括从所收集的经验数据开始计算初步或基本 O-D矩阵505_h(其中h＝1，…，H；其中H是整数，并且H≥K，即，等于或大于时隙ts₁-ts₇的数量)的基本集合500，如图5所示。

换句话说，为了计算基本O-D矩阵505_h的基本集合500，收集经验数据的观察期被有利地细分为许多初级或基本时隙，该时隙的数量至少等于，优选地大于，系统400的用户被允许为O-D矩阵200_k的集合300的计算而设置的时隙的数量。就是说，收集经验数据的观察期被细分为多个有利地在时间上具有更细粒度的基本时隙tsb_h，其短于(或者至多等于)系统400的用户被允许设置的时隙ts_k。例如，所考虑的24小时观察期可以被细分为48个基本时隙tsb₁，…，tsb₄₈，其每一个为30分钟长，代替在前面描述的示例性7个时隙ts_k (但是具有不等持续时间的基本时隙的本发明实施例发明并不被排除在外)。

类似于时隙ts_k，每个基本时隙tsb_h的范围从初始时刻t₀(h)到作为下一个基本时隙tsb_h+1的初始时刻的下一个时刻t₀(h+1)(不合该时刻)，或者：

tsb_h＝[t₀(h)，t₀(h+1))。

无论如何，都不排除特征在于重叠基本时隙的本发明的实施例。

有利地，如在图6中可见的，所关心的区域100被细分为多个即 M个(其中M是整数，并且M≥N)初级或基本区zb_m(m＝1，…， M)，其中zb_m小于-或至多等于-系统400的用户被允许为O-D 矩阵200_k的集合300的计算而设置的区z_n。在图6中，图1中所示的到区z_n的示例性划分由虚线绘出。换句话说，所关心的区域被细分为多个基本区zb_m，其数量至少等于，但优选地大于(如图1中所示)系统400的用户被允许为O-D矩阵200_k的集合300的计算而设置的区z_n的数量。

每个基本区zb_m具有对应的质心610_m。例如，每个基本区zb_m可被选择为基本上等于移动网络405的小区405b(即，所关心的区域100包括M个移动网络小区405b)。

基本O-D矩阵505_h的基本集合500针对观察期被细分为的每个基本时隙tsb_h包括一个基本O-D矩阵505_h。在所讨论的例子中，基本集合500包括48个基本O-D矩阵505₁，…，505₄₈。

类似于O-D矩阵200_k，通用基本O-D矩阵505_h是具有M行i′和M列j′的方矩阵。每行i′和每列j′与所关心的区域100的对应基本区zb_i关联。每一行i′表示用于移动物理实体的流量流的基本起点区 zb_i′，而每一列j′表示基本目的地区zb_j′。换句话说，基本O-D矩阵 505_h的每个基本条目odb_{(i’，j’)}表示在基本区zb_i′(起点)开始并且在基本区zb_j′(目的地)结束的流量流的数量。类似于O-D矩阵200_k，具有i′＝j′的每个基本条目odb_{(i’，j’)}，即，通用基本O-D矩阵505_h的主对角线上的基本条目(关于既是起点又是目的地的相同区zb_m)被认为没有任何值(出于以上解释的同样原因)。

有利地，就所关心的区域100被细分为的区的大小和数量而言，通用基本O-D矩阵505_h具有比将由系统400基于用户输入的参数计算的通用O-D矩阵200_k大致更精细的粒度(或分辨率)(因为 M≥N)，即，基本区zb_m(m＝1，…，M)的大小小于-或至多等于-系统400的用户被允许为O-D矩阵200_k的集合300的计算设置的区z_n的大小。就观察期被细分为时隙而言，基本集合500还具有比将由系统400基于用户输入的参数计算的O-D矩阵200_k的集合300大致更精细的粒度(因为H≥K)，即，基本集合500的每个O- D矩阵505_h所对应于的基本时隙tsb_h比时隙ts_k短(或者至多相等)。

在不背离本发明的范围的情况下，一旦确定了用于划分所关心的区域100和观察期的参数，基本矩阵505_h的基本集合500的计算就可以以任何已知的方式执行。例如，计算基本O-D矩阵505h所需的经验数据可以通过类似于由F.Calabrese等人在IEEE Pervasive，pp. 36-44，October-December 2011(vol.10no.4)上的“Estimating Origin-DestinationFlows Using Mobile Phone Location Data”中提出的过程被收集并处理。

此后，共同参照图7A和7B中所示的示意性流程图，将描述根据本发明的实施例、由系统400实现的用于计算O-D矩阵200的期望集合300的方法700的一些步骤。

该方法700开始于方框702，在被系统400激活时(例如，响应于通过用户接口420执行的用户请求，或者当关于观察期的所有流量数据都已经被收集到时自动地)，并且系统400的初始化在方框704 执行，其中基本时隙计数器ch和O-D矩阵计数器ck都被设置为一(即，ch＝1，ck＝1)。计数器ch和ck可以由硬件或由软件来实现 (例如，包括在计算引擎410中)。

然后，在方框706，验证基本矩阵505_h的基本集合500在储存库415中的存在。在否定的情况下，即，如果没有基本集合500存在于储存库中，则方法下行到方框708，而在肯定的情况下，即，如果基本集合500已经存在于储存库中，则方法转到方框710，其中用户被询问他/她是否期望输入针对已经存在的基本集合500修改过的用于计算基本O-D矩阵505_h的新基本集合500的新参数。在否定的情况下(即，如果用户不希望修改已经存在的基本集合500)，则方法 700转到方框712，即，适于基于基本矩阵505_h的现有集合500计算 O-D矩阵200_k的集合300的步骤的O-D矩阵计算组714的第一步。在肯定的情况下，方法下行至方框716。

回到方框708，用户被询问她/他是否期望针对例如缺省系统设置，例如储存库415中所存储的在基本矩阵505_h的计算中所使用的缺省系统设置，来修改基本区zb_m和/或基本时隙tsb_h(用户可以通过输入被用来定义与缺省基本区zb_m和缺省基本时隙tsb_h不同的不同基本区zb_m和/或不同基本时隙tsb_h的参数来做这件事)。

在否定的情况下，即，如果用户不希望修改基本区zb_m和/或基本时隙tsb_h，则方法700跳至方框718，即，适于计算O-D矩阵505_h的基本集合500的步骤的基本矩阵计算组720的第一步。在肯定的情况下，即，如果用户希望修改基本区zb_m和/或基本时隙tsb_h，则方法 700前进到方框716，其中用户被要求输入(例如，通过用户接口 420)用于基本O-D矩阵505_h的计算的新参数并下行到基本矩阵计算组720。

例如，基本时隙tsb_h可以通过输入接口420由用户定义，用户可以输入基本时隙tsb_h的个数H及其边界(即，t₀(h)，t₀(h+1))，或者让计算引擎410将观察期p(即，24小时)细分为相等持续时间的基本时隙tsb_h，或者相反，用户可以定义用于基本时隙tsb_h的持续时间并且让计算引擎410定义基本时隙tsb_h的个数H。当用户输入用于基本时隙tsb_h的边界时，他/她还可以选择彼此重叠的一些或所有相邻的基本时隙tsb_h。

此外或作为替代，基本区zb_m也可以通过用户接口420由用户定义，例如通过输入地理空间向量数据(例如，以shapefile、kml或 kmz格式)，其中每个基本区zb_m通过对应多边形的顶点的地理坐标来定义。用户可以例如输入定义移动电话网络405的小区405b的地理空间向量数据或者其中聚合一组或多组小区405b的地理空间向量数据(即，如果较粗粒度对基本区zb_m足够的话)。

在方框718，执行步骤的基本矩阵计算组720的第一步，其包括根据由用户(在方框716)输入的参数或根据缺省系统设置将所关心的区域100细分为基本区zb_m。例如，系统400可以适于将每个基本区zb_m与部署在所关心的区域100中的移动网络405的对应的一个网络小区405b相关联。

方法700前进到方框722(基本矩阵计算组720的第二步)，其中观察期根据由用户(在方框716)输入的参数或根据缺省系统设置被细分为基本时隙tsb_h。观察期的细分可以通过任何合适的算法来执行。

然后，在方框724(基本矩阵计算组720的第三步)，计算引擎 410一次迭代计算基本集合500的一个基本O-D矩阵505_h，其与相应的基本时隙tsb_h关联。

方框724的迭代控制在方框726(基本矩阵计算组720的第四步)进行，其中验证基本时隙计数器ch是否已达到值H(ch＝H，即，集合500的所有基本O-D矩阵505_h都已经被计算出)。如果不是，则基本时隙计数器ch在步骤728增加1(即，ch＝ch+1)，并且方法700返回方框724，从而计算集合500的另一基本O-D矩阵 505_h。

当基本时隙计数器ch已达到值H时，所有的基本O-D矩阵 505_h都已经计算出，并且方法700在方框730存储(例如，在储存库 415中)刚刚计算出的基本O-D矩阵505_h的基本集合500(基本组 720的第六步)，并且下行到步骤的O-D矩阵计算组714。

在方框712，步骤的O-D矩阵计算组714的第一步被执行，其包括要求系统400的用户输入用于定义将被用来从所存储的基本O- D矩阵505_h的基本集合500开始计算O-D矩阵200_k的集合300的区 z_n和时隙ts_k的参数。用户还可以被要求选择算法(例如，从存储在储存库415中的多种可能算法当中)。例如，用户可以至少部分地手动定义(例如，通过用户接口420)这种区z_n和时隙ts_k。有利地，区z_n和时隙ts_k是以与前面结合基本时隙tsb_h和基本区zb_m所描述的类似方式定义的。换句话说，时隙ts_k可以通过其持续时间和/或边界 (即，t₀(k)和t₀(k+1))来定义，而区z_n可以通过地理空间向量数据来定义。

在方框731，区z_n和时隙ts_k被定义。

方法700下行到方框732，其中M’个基本区zb_m的子集 (1≤M’≤M)与所关心的区域100的相应区z_n相关联，每个区z_n包括M’个基本区zb_m的这种子集当中的相应一个。用于关联多个基本区zb_m与相应区z_n的标准可以广泛变化并且不应当认为是本发明的限制。例如，如果基本区zb_m的质心610_m包括在区z_n的区域中，则基本区zb_m可以与对应的区z_n关联；作为替代，如果基本区zb_m的至少一半面积包括在区z_n的面积中，则基本区zb_m可以与区z_n关联。

接下来，在方框734，选择包括在相应时隙ts_k中的H’个基本时隙tsb_h的组(1≤H’≤H)。例如，关于时隙ts4＝[12：00，14：00)，选择以下四个基本时隙tsb₂₅＝[12：00，12：30)、tsb₂₆＝[12：30，13：00)、 tsb₂₇＝[13：00，13：30)和tsb₂₈＝[13：30，14：00)。

在下一个方框736，通过将与之前在方框734选择的H’个基本时隙tsb_h的组相关的基本O-D矩阵500_h的子集组合到一起来计算图 8中所示的通用过渡O-D矩阵800_k。通用过渡O-D矩阵800_k对应于时隙ts_k并且包括M行i’和M列j’，其中如前面所讨论的，M是基本区zb_h的数量。

优选地，但不是限制性地，通用过渡O-D矩阵800_k的通用过渡 O-D矩阵条目odt_{(i’，j’)}是通过将与被选的H’个基本时隙tsb_h关联的H’个基本O-D矩阵500_h当中每一个的对应基本条目odb_{(i’，j’)}求和到一起来计算的，或者：

odt_{(i′，j′)}＝∑odb_{(i′，j′)；h}

其中odb_{(i’，j’)；h}指示基本O-D矩阵500_h的条目odb_{(i’，j’)}。

例如，过渡O-D矩阵800₄(即，涉及时隙ts₄)的每个过渡O-D 矩阵条目odt_{(i’，j’)}是通过将基本O-D矩阵500₂₅、500₂₆、500₂₇和500₂₈的对应基本条目odb_{(i’，j’)；25}、odb_{(i’，j’)；26}、odb_{(i’，j’)；27}和odb_{(i’，j’)；28}相加到一起来计算的(即，odb_{(i’，j’)；25}+odb_{(i’，j’)；26}+odb_{(i’，j’)；27}+odb_{(i’，j’)；28})。

在下一个方框738，计算引擎410计算O-D矩阵的集合300的一个O-D矩阵200_k。计算引擎410将计算出的过渡O-D矩阵800_k的 M’个行i’的子集组合到一起，从而获得对应O-D矩阵200_k的一个对应行i，并且将计算出的过渡O-D矩阵800_k的M’个列j’的子集组合到一起，从而获得对应O-D矩阵200_k的一个对应列j。换句话说，属于O-D矩阵200_k的行i和列j的条目od_(i，j)(其中所述条目od_(i，j)涉及起点区z_i和目的地区j)得自过渡O-D矩阵800_k的行i’中M’个条目odb_{(i’，j’)}的子集的组合并得自列j’中M’个条目odb_{(i’，j’)}的子集的组合，其中行i’涉及包括在区z_i中的基本区zb_i’，并且列j’涉及包括在区z_j中的基本区zb_j’。

例如，计算出的O-D矩阵200_k的通用条目od_(i，j)可以被计算为对应的M’个过渡O-D矩阵条目odb_{(i’，j’)}之和，M’个条目分别涉及分别包括在相应起点和目的地区z_i和z_i中的基本起点和目的地区zb_i’和 zb_j’的集合，或者：

因此，计算出通用O-D矩阵200_k。

从不阻止计算一组替代的过渡O-D矩阵(未示出)，例如，通过组合行i’中和列j’中M’个条目odb_{(i’，j’)}的子集，计算用于每个基本时隙tsb_h的具有对应于区z_n的条目的一个过渡O-D矩阵，其中行i’涉及包括在起点区z_i中的起点基本区zb_i’，并且列j’涉及包括在目的地区z_i中的目的地基本区zb_j’，或者：

随后，通过组合包括在时隙ts_k中的涉及基本时隙tsb_h的替代过渡O-D矩阵的子集来计算每个O-D矩阵200_k，或者：

其中odt_(i，j)；h指示第h个基本替代过渡O-D矩阵的条目odt_(i，j)。

对于所有O-D矩阵200_k的计算，方框736和738被迭代；迭代的控制是通过使用O-D矩阵计数器ck进行的，该计数器在每次迭代增加1(方框742)，直到达到值K(ck＝K，即，集合300的所有 O-D矩阵200_k都已计算出)(方框740)。

当所有的O-D矩阵200_k都已经计算出时，在方框744，方法 700存储(例如，在储存库415中)刚计算出的O-D矩阵200_k的集合300。

在方框746，O-D矩阵200_k的完整集合300被输出到用户接口 420。用户可以利用O-D矩阵200_k的集合300执行流量分析。

此后，在方框748，用户被询问是否O-D矩阵200_k的集合300 要根据不同的参数来重新计算(即，区z_n和时隙ts_k要改变否)。在肯定的情况下，方法700返回到方框712；相反，方法700在方框 750结束。

在其它实施例中，本发明可以包括特征在于不同的一个或更多个步骤可以以不同的顺序或并行执行的方法。

在本发明的实施例中，系统400可以允许用户仅定义所关心的区域100细分为对应的多个区z_n和观察期细分为多个时隙ts_k二者中任何一个。例如，多个区z_n当中任何一个可以被设置为等于现有的多个基本区zb_m，或者多个时隙ts_k可以被设置为等于现有的多个基本时隙tsb_h。例如，如果用户选择将所关心的区域100细分为N个区 z_n，但他/她并没有定义观察期细分为K个时隙ts_k(K被设置为等于至H)，则计算引擎410将把时隙ts_k设置为等于基本时隙tsb_h，并且计算引擎410将计算尺寸为N×N的H个O-D矩阵的对应集合。相反，如果用户选择只把时段细分为K个时隙ts_k，但他/她并没有定义将所关心的区域100细分为N个区z_n(N被设置为等于M)，则计算引擎410将把区z_n设置为等于基本区zb_m，并然后计算每个都具有M×M尺寸的K个基本O-D矩阵的对应集合。

在本发明的另一实施例中(图中未示出)，例如其中对系统400 的用户接口420的访问被对应的分区服务的提供者提供给一个或更多个订户用户，基本区zb_m和基本时隙tsb_h可以是固定的(例如，它们只能被服务提供商的管理员设置和/或修改)并且订户用户可以具有只设置和/或修改细分为区z_n和/或时隙ts_k的能力。换句话说，在方框706确定在储存库415中存在基本O-D矩阵505_h的基本集合500 之后，操作流直接跳到方框712，即步骤的O-D矩阵计算组714的第一步；如果相反，在储存库415中不存在基本O-D矩阵505_h的基本集合500，则操作流跳到方框724，在那里自动(即，根据由系统提供者设置的参数)计算基本O-D矩阵505_h的基本集合500。

由于根据本发明的所述实施例的系统400和/或方法700，有可能通过改变用来在非常有限的操作时间内构建O-D矩阵200_k的多个集合300的参数来计算O-D矩阵200_k的多个集合300，而不需要重新分析和重新编辑所收集的流量数据。还应当认识到，一旦已经计算出基本O-D矩阵505_h的基本集合500，则利用已经可用的基本O-D矩阵505_h的基本集合500的方法700的任何其它迭代就会比第一次迭代快得多(因为方框708-728中的步骤不需要被执行)。

Claims (14)

1.一种用于管理在至少一个预定时段期间关于地理区域(100)内的物理实体的一个或更多个流的数据的方法，其中对于每个物理实体，所述数据包括表示元素在所述地理区域中的被检测到的位置的多个定位数据以及标识每个位置被检测到的时刻的对应时间数据，该方法包括：

-将所述地理区域细分为至少两个区(z_n)；

-将至少一个时段细分为一个或更多个时隙(ts_k)；

-识别在每个时隙期间从所述至少两个区当中的第一区(z_i)流向所述至少两个区中的第二区(z_j)的物理实体的数量；以及

-基于这种识别针对一个或更多个时隙中的每个时隙来计算起点-目的地矩阵(200_k)，每个起点-目的地矩阵(200_k)包括用于物理实体流能开始于的所述至少两个区中的每一区的相应行，以及用于在对应时隙期间物理实体流能结束于的所述至少两个区中的每一区的相应列，并且起点-目的地矩阵(200_k)的每个条目(od_(i，j))指示在对应时隙期间从所述至少两个区中的第一区(z_i)流向第二区(z_j)的物理实体的数量，

其特征在于还包括：

-将所述地理区域细分为多个基本区(zb_m)；

-将至少一个时段细分为多个基本时隙(tsb_h)，其中所述基本区比所述区更小，和/或所述基本时隙比所述一个或更多个时隙更短；

-识别在每个基本时隙期间从所述多个基本区中的第一基本区(zb_i’)流向所述多个基本区中的第二基本区(zb_j’)的元素的另一数量；

-基于这种识别针对每个基本时隙来计算基本起点-目的地矩阵(505_h)，每个基本起点-目的地矩阵包括用于元素流能开始于的多个基本区中的每一个基本区的相应行(z_i’)，以及在对应基本时隙期间元素流能结束于的多个基本区中的每一个基本区的相应列(z_j’)，并且基本起点-目的地矩阵(505_h)的每个条目(odb_{(i’，j’)})包括从所述多个基本区中的第一基本区(zb_i’)流向所述多个基本区中的第二基本区(zb_j’)的元素的另一数量，以及

识别在每个时隙期间从第一区流向第二区的元素数量的步骤包括：

-把用于每个起点-目的地矩阵的基本起点-目的地矩阵的被选子集组合到一起，及

-把基本起点-目的地矩阵的每个经组合的子集中的条目(odb_{(i’，j’)})的被选子集组合到一起，

或者

-把每个基本起点-目的地矩阵中的条目(odb_{(i’，j’)})的被选子集组合到一起，及

-把具有用于每个起点-目的地矩阵的条目的经组合的被选子集的这样的基本起点-目的地矩阵的被选子集组合到一起；

其中把用于每个起点-目的地矩阵的基本起点-目的地矩阵的被选子集组合到一起的步骤包括：

-通过组合基本起点-目的地矩阵(505_h)的子集来针对每个时隙计算过渡起点-目的地矩阵(800_k)，每个基本起点-目的地矩阵(505_h)都对应于基本时隙的被选子集中的被选基本时隙，每个过渡起点-目的地矩阵包括用于元素流能开始于的多个基本区中的每一个基本区的相应行(z_i’)，以及用于在对应的时隙期间元素流能结束于的多个基本区中的每一个基本区的相应列(z_j’)，并且过渡起点-目的地矩阵(800_k)的每个条目(odt_{(i’，j’)})包括在对应的时隙期间从多个基本区中第一基本区(zb_i’)流向多个基本区中第二基本区(zb_j’)的元素的数量。

2.如权利要求1所述的方法，其中识别在一个或更多个时隙当中的每个时隙期间从第一区流向第二区的元素个数的步骤包括：

-选择包括在该时隙中的基本时隙的子集，及

-选择包括在所述区中的基本区的子集。

3.如权利要求2所述的方法，其中选择包括在所述区中的基本区的子集的步骤包括：

-如果基本区的选定百分比的面积包括在所述区中，则选择该基本区。

4.如权利要求2所述的方法，其中多个基本区中的每个基本区包括表示用于所述基本区中的元素流的中心的质心(610_m)，并且其中选择包括在所述区中的基本区的子集的步骤包括：

-如果基本区的质心包括在所述区中，则选择该基本区。

5.如权利要求1所述的方法，其中针对每个时隙来计算起点-目的地矩阵(200_k)的步骤还包括：

-把过渡起点-目的地矩阵的条目(odt_{(i’，j’)})的子集组合到一起，每个条目对应于基本区的子集的被选基本区。

6.如权利要求2至4中任何一项所述的方法，其中把每个基本起点-目的地矩阵中的条目的被选子集组合到一起的步骤包括：

-通过组合对应基本起点-目的地矩阵的条目的被选子集针对每个基本时隙来计算过渡起点-目的地矩阵，每个过渡起点-目的地矩阵包括用于元素流能开始于的多个区中的每一个区的相应行，以及用于在对应时隙期间元素流能结束于的多个区中的每一个区的相应列，并且过渡起点-目的地矩阵的每个条目(odt_(i，j))包括在对应基本时隙期间从所述至少两个区当中的第一区(z_i)流向所述至少两个区当中的第二区(z_j)的元素的数量。

7.如权利要求6所述的方法，其中针对每个时隙来计算起点-目的地矩阵(200_k)的步骤还包括：

-将过渡起点-目的地矩阵的子集组合到一起，每个过渡起点-目的地矩阵对应于基本时隙的被选子集的被选基本时隙。

8.如权利要求1至4中任一项所述的方法，还包括步骤：

-根据用户请求，修改用于将地理区域细分为多个基本区和/或将至少一个时段细分为多个基本时隙的参数，及

重复以下步骤：

-根据修改后的参数，将所述地理区域细分为多个比所述区更小的基本区(zb_m)，和/或

-将所述至少一个时段细分为多个基本时隙(tsb_h)，其中所述基本时隙比所述时隙更短，及

重复以下步骤：

-识别在每个基本时隙期间从多个基本区当中的第一基本区(zb_i’)流向多个基本区当中的第二基本区(zb_j’)的元素的另一数量，并且

-基于这种识别针对每个基本时隙计算基本起点-目的地矩阵(505_h)。

9.如权利要求1至4中任一项所述的方法，还包括步骤：

-根据用户请求，修改用于将地理区域细分为多个区和/或将至少一个时段细分为一个或更多个时隙的参数，及

重复以下步骤：

-将所述地理区域细分为至少两个区(z_n)；

-将所述至少一个时段细分为一个或更多个时隙(ts_k)；

-识别在每个时隙期间从所述至少两个区当中的第一区(z_i)流向所述至少两个区中的第二区(z_j)的元素的数量；及

-基于这种识别针对一个或更多个时隙中的每个时隙计算起点-目的地矩阵(200_k)。

10.如权利要求1至4中任一项所述的方法，其中在多个电信小区上操作的无线电-电信网络被部署在所述地理区域中，并且被管理的数据关于一个或更多个移动电信设备，每个移动电信设备与流动的元素当中相应一个关联，将所述地理区域细分为多个基本区的步骤包括：

-将多个基本区当中的每个基本区至少与无线电-电信网络的对应电信小区关联。

11.一种用于管理在至少一个预定时段期间关于地理区域(100)内的元素的一个或更多个流的数据的系统，其中被细分为多个电信小区的无线电-电信网络部署在所述地理区域(100)中，该系统包括：

-存储元件，适于存储以下数据：所述数据包括多个表示元素在所述地理区域中的被检测到的位置的定位数据和标识每个位置被检测到的时刻的对应时间数据，及

-计算引擎(410)，适于通过实现如权利要求1至10中的任一项所述的方法基于存储在储存库中的数据来计算至少一个矩阵(200_k；505_h；800_k)。

12.如权利要求11所述的系统，其中存储元件还适于存储由计算引擎计算出的至少一个矩阵(200_k；505_h；800_k)。

13.如权利要求11或12所述的系统，还包括适于向至少一个用户输出信息并从该用户接收输入信息的至少一个用户接口(420)。

14.如权利要求11或12所述的系统，还适于收集关于包括在所关心的区域中的多个移动电信设备的数据，每个移动电信设备与所关心的区域中相应的一个流动元素关联。