CN105956951A - 基于移动信令的旅游热门线路的识别方法 - Google Patents

Abstract

本发明涉及移动通信领域的大数据分析技术，旨在提供一种基于移动信令的旅游热门线路的识别方法。该方法包括：采集用户手机在移动网络中产生的各种信令事件；对于同一用户标识字段ID下的一系列信令消息，形成特定时间段内的时空移动轨迹，构建该用户的时空轨迹矩阵TSM；在明确起始地点和终止目标旅游地的前提下，计算最受欢迎的热门路线。本发明利用移动通信基站与景区等场所的空间关联关系，通数据分析技术进行数据挖掘、分析和整合，计算出基于给定旅游目的地的热门旅游线路。基于现有的移动网络，具有再投资成本低、系统部署容易的特点。给旅游线路的设计提供准确的数据支撑，同时也扩展了移动信令的大数据应用。

Description

基于移动信令的旅游热门线路的识别方法

技术领域

本发明属于移动通信领域大数据分析技术，具体涉及基于移动通信信令事件的旅游热门线路分析和识别技术。

背景技术

我国旅游业在国民经济中具有十分重要的地位，随着社会和经济的发展，该行业也得到了蓬勃发展。在旅游业中，设计一条好的旅游线路不仅能给旅行社或其他旅游经营商带来更多的游客，同时也为其带来更好的经济收益。旅游线路是旅游产品的重要组成部分，是连接旅游者、旅游企业及相关部门、旅游目的地的重要纽带。

在传统的旅游线路设计中，往往各个旅行社根据市场需求、目的地特色、经济成本、主题突出、实地调研、游客人数等原则，制定本社的旅游线路，往往带有主观性，缺乏一定的数据支撑，并且设计成本也较高。但是，这样的方式主要存在以下问题：(1)无准确的数据支撑：多数的旅游线路，绝大多数都是基于景区特点、时令特点来安排设计的，没有准确的数据支撑和依据。(2)旅游线路的实时性：很多旅游线路，多数都根据历史信息来制定的，如景区门票信息等，没有能即时反应旅游目的地的近期实际状况。(3)多旅游目的的游客信息：各个旅行社对多个旅游目的地的信息，来源不一，信息也存在一定的出入，给旅游线路的设计带来不确定因素。

近年来，随着移动通信业务的发展和大数据技术的实践应用，基于手机用户在移动通信中的时空特征，通过大数据分析技术识别出旅游热门线路，具有成本低、部署快、数据即时性等特点，计算出比较精准的旅游热门线路，提供给旅游部门作为参考。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种基于移动信令的旅游热门线路识别方法。该方法是通过采集目标旅游地的游客的移动信令消息，通过游客人数排名、游客轨迹时空转移矩阵等方法，获得基于给定目标旅游地的旅游热门线路。

为解决技术问题，本发明的解决方案是：

提供一种基于移动信令的旅游热门线路识别方法，包括下述步骤：

(1)采集用户手机的信令事件

采集用户手机在移动网络中产生的各种信令事件，所述信令事件至少应包含三个要素：时间戳、用户标识字段ID和基站地理位置信息；

(2)构建用户的时空轨迹矩阵

对采集到的信令事件进行分析，对于同一用户标识字段ID下的一系列信令消息，形成该用户在特定时间段内的时空移动轨迹，构建该用户的时空轨迹矩阵TSM；

$TSM=\left[\begin{array}{c}{\mathrm{ID}}_0\\ {\mathrm{ID}}_1\\ {\mathrm{ID}}_2\\ .\\ .\\ .\\ {\mathrm{ID}}_f\\ .\\ .\\ .\\ {\mathrm{ID}}_x\end{array}\right]$

其中，时空轨迹矩阵TSM的分量如下所示：

ID₀＝[LON/LAT_0，LON/LAT_l，LON/LAT_3，LON/LAT_4]

ID₁＝[LON/LAT_l，LON/LAT_2，LON/LAT_5，…]

ID₂＝[LON/LAT_2，LON/LAT_l，…，LON/LAT_0]

ID_x＝[…，LON/LAT_l，LON/LAT_0，LON/LAT_0]

其中，x表示一段时间内特定目标旅游地内游客的数量，ID_f表示第f个游客的移动轨迹，LON/LAT_l表示第l个目标旅游地的经纬度，ID_f中的省略号表示省略的目标旅游地，0≤f≤x，0≤l≤m，m表示所有目标旅游地的个数；

(3)利用户时空轨迹生成旅游热门线路

在明确起始地点和终止目标旅游地的前提下，采用转移矩阵和Dijkstra算法计算最受欢迎的热门路线；其步骤如下：

A.计算目标旅游地之间的一次转移矩阵TM

计算得到

其中，p_ij(n_i→n_j)表示从目标旅游地i移动到目标旅游地j的概率，|i*|表示TSM中所有从目标旅游地i开始的经过2个旅游地的个数，|ij|表示TSM中从目标旅游地i移动到目标旅游地j的个数，m含义同上；

B.计算t次转移矩阵MM

假设旅游终点ABS的个数为g，途径旅游地TR个数为h，则有g+h＝m；其中，Q是h阶方阵，R是h×g阶矩阵，0是g×h阶矩阵，I是g阶单位方阵；

则，t次转移矩阵MM

其中，MM＝TM^t，分块矩阵U＝Q^t；

C.计算欢迎度矩阵PRM

其中，1＜＝i，j＜＝m.

D.根据Dijkstra算法寻找最受欢迎的线路

假设：N＝{n₁，n₂，…n_m}表示景点集合，开始结点v，目标结点d，S表示最受欢迎路径的集合；

a)初始时，S只包含开始结点{n₁}；U包含除n₁外的其它顶点，即u＝{其余点}；

b)结合PRM矩阵，从U中选取一个与n₁有最大欢迎度的路径结点k∈{n_i}(i≠1)，把k加入到S中；

c)以k为新考虑的中间点，修改U中各结点的欢迎度；若从源点n₁到结点u(经过k)比原来的路径v→u(不经过k)欢迎度大，更新U中各结点的欢迎度；

d)重复步骤b和c直到目标结点d包含在S中；

e)输出线路的有序集合和相应的欢迎度，选取欢迎度最大的线路作为最受欢迎的线路。

本发明中，所述信令事件能够相对完整地体现用户的移动位置轨迹，是下述事件中的任意一种：开关机产生的位置更新事件、跨基站位置区时的切换事件、周期性的位置更新事件、接听和拨打电话的事件、发送和接收短信事件、移动用户上网事件。

与现有技术相比，本发明的有益效果在于

1、利用移动通信基站与景区等场所的空间关联关系，通过对移动信令事件归类、转移矩阵和Dijkstra算法等数据分析技术，进行数据挖掘、分析和整合，计算出基于给定旅游目的地的热门旅游线路。

2、基于现有的移动网络，具有再投资成本低、系统部署容易的特点。

3、给旅游线路的设计提供准确的数据支撑，同时也扩展了移动信令的大数据应用。

附图说明

图1为某T1时刻的移动信令归属分组示意图。

图2为用户的时空轨迹矩阵形成过程示意图。

图3为本发明中旅游热门线路的计算过程示意图。

具体实施方式

下面结合附图和具体实施例子，对本发明的具体实现过程进行详细阐述。

本发明所述旅游热门线路是指：在给定的参与计算的若干旅游目的地的集合中，由实际到达旅游目的地的用户数据进行分析、识别出来的，用户选择最多的旅游线路的有序序列。

本发明所述基于移动信令的旅游热门线路识别方法，包括下述步骤：

(1)采集用户手机的信令事件

采集用户手机在移动网络中产生的各种信令事件，所述信令事件至少应包含三个要素：时间戳、用户标识字段ID和基站地理位置信息；

通过利用手机在移动网络中产生的各种信令事件，比如开关机产生的位置更新事件、跨基站位置区时的切换事件、周期性的位置更新事件、接听和拨打电话的事件、发送和接收短信事件、移动用户上网事件等，可以相对完整地体现用户的移动位置轨迹；结合当前移动网络的特点以及游客的来源组成，需要采集2/3/4G等网络的数据和囊括本地、外地(省外和国外)等用户的数据。这些可以作为基础的输入数据，用于旅游热门线路的计算。

在移动信令消息中包含时间戳、用户标识字段(ID；可采用以IMSI或者MSISDN为种子，采用单向性算法，在保持唯一性的情况下，生成该ID，进而保护用户隐私，避免泄密)、基站地理位置信息(采用经纬度LON/LAT表示)等信息，根据这些信息可以确定用户与目标旅游地的时空关系。

(2)构建用户的时空轨迹矩阵

对采集到的信令事件进行分析，对于同一用户标识字段ID下的一系列信令消息，形成该用户在特定时间段内的时空移动轨迹，构建该用户的时空轨迹矩阵；

对于采集到的移动信令消息，对于同一用户标识的一系列信令消息，形成该用户的特定时间段内的时空移动轨迹，进而形成该用户的时空轨迹矩阵TSM(如图2所示)。

$TSM=\left[\begin{array}{c}{\mathrm{ID}}_0\\ {\mathrm{ID}}_1\\ {\mathrm{ID}}_2\\ .\\ .\\ .\\ {\mathrm{ID}}_f\\ .\\ .\\ .\\ {\mathrm{ID}}_x\end{array}\right]$

其中，时空轨迹矩阵TSM的分量如下所示：

ID₀＝[LON/LAT_0，LON/LAT_l，LON/LAT_3，LON/LAT_4]

ID₁＝[LON/LAT_l，LON/LAT_2，LON/LAT_5，…]

ID₂＝[LON/LAT_2，LON/LAT_l，…，LON/LAT_0]

ID_x＝[…，LON/LAT_l，LON/LAT_0，LON/LAT_0]

其中，x表示一段时间内特定目标旅游地内游客的数量，ID_f表示第f个游客的移动轨迹，LON/LAT_l表示第l个目标旅游地的经纬度，ID_f中的省略号表示省略的目标旅游地，0≤f≤x，0≤l≤m，m表示所有目标旅游地的个数；

(3)利用用户时空轨迹生成旅游热门线路

在明确起始和终止目标旅游地的前提下，采用转移矩阵和Dijkstra算法计算最受欢迎的热门路线：其步骤如下：

A.计算目标旅游地之间的一次转移矩阵TM

计算得到

其中，p_ij(n_i→n_j)表示从目标旅游地i移动到目标旅游地j的概率，|i*|表示TSM中所有从目标旅游地i开始的经过2个旅游地的个数。|ij|表示TSM中从目标旅游地i移动到目标旅游地j的个数，m含义同上。

B.计算t次转移矩阵MM

假设旅游终点ABS的个数为g，途径旅游地TR个数为h，则有g+h＝m。其中，Q是h阶方阵，R是h×g阶矩阵，0是g×h阶矩阵，I是g阶单位方阵。

t次转移矩阵MM

其中，MM＝TM^t，分块矩阵U＝Q^t；

C.计算欢迎度矩阵PRM

其中，1＜＝i，j＜＝m

D.根据Dijkstra算法寻找最受欢迎的线路

假设：N＝{n₁，n₂，…n_m}表示景点集合，开始结点v，目标结点d，S表示最受欢迎路径的集合；

a)初始时，S只包含开始结点{n₁}。U包含除n₁外的其它顶点，即u＝{其余点}；

b)结合PRM矩阵，从U中选取一个与n₁有最大欢迎度的路径结点k∈{n_i}(i≠1)，把k加入到S中；

c)以k为新考虑的中间点，修改U中各结点的欢迎度；若从源点n₁到结点u(经过k)比原来的路径v→u(不经过k)欢迎度大，更新U中各结点的欢迎度；

d)重复步骤b和c直到目标结点d包含在S中；

e)输出线路的有序集合和相应的欢迎度，选取欢迎度最大的线路作为最受欢迎的线路。

Claims (2)

1.一种基于移动信令的旅游热门线路识别方法，其特征在于，包括下述步骤：

(1)采集用户手机的信令事件

采集用户手机在移动网络中产生的各种信令事件，所述信令事件至少应包含三个要素：时间戳、用户标识字段ID和基站地理位置信息；

(2)构建用户的时空轨迹矩阵

对采集到的信令事件进行分析，对于同一用户标识字段ID下的一系列信令消息，形成该用户在特定时间段内的时空移动轨迹，构建该用户的时空轨迹矩阵TSM；

$TSM=\left[\begin{array}{c}{\mathrm{ID}}_0\\ {\mathrm{ID}}_1\\ {\mathrm{ID}}_2\\ .\\ .\\ .\\ {\mathrm{ID}}_f\\ .\\ .\\ .\\ {\mathrm{ID}}_x\end{array}\right]$

其中，时空轨迹矩阵TSM的分量如下所示：

ID₀＝[LON/LAT_0，LON/LAT_l，LON/LAT_3，LON/LAT_4]

ID₁＝[LON/LAT_l，LON/LAT_2，LON/LAT_5，…]

ID₂＝[LON/LAT_2，LON/LAT_l，…，LON/LAT_0]

......

ID_x＝[…，LON/LAT_l，LON/LAT_0，LON/LAT_0]

其中，x表示一段时间内特定目标旅游地内游客的数量，ID_f表示第f个游客的移动轨迹，LON/LAT_l表示第l个目标旅游地的经纬度，ID_f中的省略号表示省略的目标旅游地，0≤f≤x，0≤l≤m，m表示所有目标旅游地的个数；

(3)利用户时空轨迹生成旅游热门线路

在明确起始地点和终止目标旅游地的前提下，采用转移矩阵和Dijkstra算法计算最受欢迎的热门路线；其步骤如下：

A.计算目标旅游地之间的一次转移矩阵TM

计算得到

其中，p_ij(n_i→n_j)表示从目标旅游地i移动到目标旅游地j的概率，|i*|表示TSM中所有从目标旅游地i开始的经过2个旅游地的个数，|ij|表示TSM中从目标旅游地i移动到目标旅游地j的个数，m含义同上；

B.计算t次转移矩阵MM

假设旅游终点ABS的个数为g，途径旅游地TR个数为h，则有g+h＝m；其中，Q是h阶方阵，R是h×g阶矩阵，0是g×h阶矩阵，I是g阶单位方阵；

则，t次转移矩阵MM

其中，MM＝TM^t，分块矩阵U＝Q^t；

C.计算欢迎度矩阵PRM

其中，1＜＝i，j＜＝m.

D.根据Dijkstra算法寻找最受欢迎的线路

假设：N＝{n₁，n₂，…n_m}表示景点集合，开始结点v，目标结点d，S表示最受欢迎路径的集合；

a)初始时，S只包含开始结点{n₁}；U包含除n₁外的其它顶点，即u＝{其余点}；

b)结合PRM矩阵，从U中选取一个与n₁有最大欢迎度的路径结点k∈{n_i}(i≠1)，把k加入到S中；

c)以k为新考虑的中间点，修改U中各结点的欢迎度；若从源点n₁到结点u(经过k)比原来的路径v→u(不经过k)欢迎度大，更新U中各结点的欢迎度；

d)重复步骤b和c直到目标结点d包含在S中；

e)输出线路的有序集合和相应的欢迎度，选取欢迎度最大的线路作为最受欢迎的线路。

2.根据权利要求1所述的方法，其特征在于，所述信令事件能够相对完整地体现用户的移动位置轨迹，是下述事件中的任意一种：开关机产生的位置更新事件、跨基站位置区时的切换事件、周期性的位置更新事件、接听和拨打电话的事件、发送和接收短信事件、移动用户上网事件。