CN106412835B - 一种用户出行模式识别的方法及装置 - Google Patents
一种用户出行模式识别的方法及装置 Download PDFInfo
- Publication number
- CN106412835B CN106412835B CN201611035751.2A CN201611035751A CN106412835B CN 106412835 B CN106412835 B CN 106412835B CN 201611035751 A CN201611035751 A CN 201611035751A CN 106412835 B CN106412835 B CN 106412835B
- Authority
- CN
- China
- Prior art keywords
- cell
- terminal
- user
- marking
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003909 pattern recognition Methods 0.000 title claims abstract description 22
- 210000004027 cell Anatomy 0.000 claims description 165
- 238000013481 data capture Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000003550 marker Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 210000000352 storage cell Anatomy 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000011664 signaling Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种用户出行模式识别的方法及装置,涉及通信技术领域,能够解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。本发明的方法包括:按照预设时间间隔获取终端的MR数据,MR数据至少包括采集时刻、IMSI、小区的标识及小区的接收电平值,小区包括当前小区和邻小区;从数据库中查找与MR数据匹配的网格标识,并将网格标识对应网格的位置确定为在采集时刻终端的位置;根据在每个采集时刻终端的位置和预设时间间隔,确定终端的移动速度;根据终端的移动速度的大小确定用户的出行模式。本发明适用于识别用户出行模式的过程。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种用户出行模式识别的方法及装置。
背景技术
城市居民的出行模式对城市环境、能源消耗以及拥挤程度影响较大,分析城市居民出行模式可以为交通规划提供基础数据和评价参考。城市居民的出行模式包括步行、自行车出行、机动车出行等模式。对城市居民的出行模式进行划分时,需要获取诸如速度、路线等用户出行数据。在利用传感器、摄像头、GPS(英文:Global Positioning System,中文:全球定位系统)、人工调查等传统方式获取用户出行数据时,存在的数据采集内容和范围有限、多数据源融合计算复杂等问题。
目前,为了克服上述问题,可以利用移动通信网络来获取用户出行数据,具体过程为:首先根据用户移动过程中所使用终端发射信号到达基站的时间,以及基站的位置确定用户的位置,之后根据用户的位置将用户定位到实际道路的不同点上,接着通过点到点的道路匹配方法获得用户的出行路线,最后根据各点之间的距离,数据采集的时间间隔计算用户的出行速度。
然而,上述方法是以基站的位置为基础来确定用户位置的,仅能提供基站级别的定位,即上述方法仅能确定用户位置在基站的覆盖范围内。在基站覆盖范围较大的情况下,用户位置的精度较低。因此,利用上述方法获取的用户出行数据确定出的用户出行模式误差较大。
发明内容
本发明提供一种用户出行模式识别的方法及装置,能够解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。
为达到上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种用户出行模式识别的方法,所述方法包括:
按照预设时间间隔获取终端的MR(英文:Measurement Report,中文:测量报告)数据,所述MR数据至少包括采集时刻、IMSI(英文:International Mobile SubscriberIdentification Number,中文:国际移动用户识别码)、小区的标识及小区的接收电平值,所述小区包括当前小区和邻小区;
从数据库中查找与所述MR数据匹配的网格标识,并将所述网格标识对应网格的位置确定为在所述采集时刻所述终端的位置;
根据在每个采集时刻所述终端的位置和所述预设时间间隔,确定所述终端的移动速度;
根据所述终端的移动速度的大小确定用户的出行模式。
第二方面,本发明提供一种用户出行模式识别的装置,所述装置包括:
数据获取单元,用于按照预设时间间隔获取终端的MR数据,所述MR数据至少包括采集时刻、IMSI、小区的标识及小区的接收电平值,所述小区包括当前小区和邻小区;
位置确定单元,用于从数据库中查找与所述数据获取单元获取的MR数据匹配的网格标识,并将所述网格标识对应网格的位置确定为在所述采集时刻所述终端的位置;
速度确定单元,用于根据在每个采集时刻所述位置确定单元确定的终端的位置和所述预设时间间隔,确定所述终端的移动速度;
模式确定单元,用于根据所述速度确定单元确定的终端的移动速度的大小确定用户的出行模式。
本发明提供的用户出行模式识别的方法及装置,相比较于现有技术中的根据用户移动过程中所使用终端发射信号到达基站的时间,以及基站的位置确定用户的位置,进而确定使用该终端的用户的出行模式,本发明可以在每个采集时刻根据终端能够接收到的小区的标识及小区的接收电平值,确定终端在每个采集时刻对应的网格,之后根据网格的位置确定终端位置,进而确定使用该终端的用户的出行模式。现有技术是以基站的位置为基础来确定用户位置的,在基站覆盖范围较大的情况下,用户位置的精度较低,而本发明中是根据网格位置确定用户位置的,在网格的覆盖范围较小的情况下,用户位置的精度较高,在此基础上获取的用户出行数据能够较为真实的反映用户的出行模式。因此,本发明能够解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种用户出行模式识别的方法流程图;
图2为本发明实施例提供的另一种用户出行模式识别的方法流程图;
图3为本发明实施例提供的另一种用户出行模式识别的方法流程图;
图4为本发明实施例提供的另一种用户出行模式识别的方法流程图;
图5为本发明实施例提供的一种DVTD算法的聚类过程示意图;
图6为本发明实施例提供的一种终端移动速度的聚类结果示意图;
图7为本发明实施例提供的一种用户出行模式识别的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例提供一种用户出行模式识别的方法,如图1所示,该方法流程具体包括:
步骤101、按照预设时间间隔获取终端的MR数据。
Abis接口为基站子系统两个功能实体BSC(英文:Base Station Controller,中文:基站控制器)和BTS(英文:Base Transceive Station,中文:基站收发信台)之间的通信接口,通过Abis接口可以获取MR数据,MR数据至少包括采集时刻、IMSI、小区的标识及小区的接收电平值,小区包括当前小区和邻小区。
在本发明实施例中,在一段时间(例如:工作日的上午8点至上午9点、周末的上午10点至上午12点等),按照预设时间间隔,通过上述接口获取一定范围(例如:城市范围)所有终端的MR数据,MR数据中至少包括采集时刻、IMSI、当前小区的标识及接收电平值,以及邻小区的标识及接收电平值,之后将这些MR数据按照IMSI分组,得到每个终端对应的MR数据,再结合采集时刻可以确定出一段时间内,在各采集时刻每个终端的当前小区的标识及接收电平值,以及邻小区的标识及接收电平值。其中,终端在采集时刻所接入的小区为当前小区,终端在采集时刻可以切换的小区为邻小区;当前小区的接收电平值可以用当前小区的下行接收电平值表示;邻小区的接收电平值可以用邻小区的BCCH(英文:BroadcastControl Channel,中文:广播控制信道)载波接收电平值表示;预设时间间隔可以根据用户需要的定位精度确定,预设时间间隔越小,定位精度越高,但相应的数据运算量也就越大。
目前,各运营商都部署可以采集A接口、IUCs接口、Gb接口和IUPs接口等核心网信令数据的信令监测平台,能够获取用户所使用的终端发生业务时产生的一系列信令数据。在实际应用过程中,为了保证数据的真实性,可以根据信令监测平台获取的信令数据,把MR数据中错误的数据剔除掉。错误的信令数据包括:(1)由于基站布局不合理等原因,终端在两个小区频繁切换,造成“乒乓效应”时产生的信令数据;(2)由于基站信号传输发生问题,导致终端和基站完成切换后,基站控制器通过网络传输把切换信息交给中央交换机的时候发生错误时产生的信令数据。
步骤102、从数据库中查找与MR数据匹配的网格标识,并将网格标识对应网格的位置确定为在采集时刻终端的位置。
其中,数据库用于存储每个网格中能够接收到的每个小区的标识及接收电平值。
可以理解的是,距离较近的两个终端能够接收到的小区,以及每个小区的接收电平值是相似的。因此,可以将在某一采集时刻终端的MR数据中的小区的标识及接收电平值,与数据库中存储的每个网格中能够接收到的每个小区的标识及接收电平值进行比较。如果一个网格能够接收到的小区与该采集时刻该终端相同,且相同小区对应的接收电平值相近,则说明该网格的位置与在该采集时刻该终端的位置距离较近。例如,网格1能够接收到小区1和小区3,且小区1的接收电平值为-50.5,小区3的接收电平值为-60.8;网格2能够接收到小区2,且小区2的接收电平值为-70;网格3能够接收到小区2,且小区2的接收电平值为-50;采集时刻T终端A能够接收到小区2,且接收电平值为-53;可以看出,网格3能够加收的小区与在采集时刻T终端A接收到的小区相同,都是小区2,且小区2的接收电平值相差较小,因此,网格3的位置与采集时刻T终端A的位置距离较近,可以将网格3的位置确定为采集时刻T终端A的位置。
步骤103、根据在每个采集时刻终端的位置和预设时间间隔,确定终端的移动速度。
在本发明实施例中,每个采集时刻终端的位置可以是每个采集时刻终端对应的网格的中心点,也可以是每个采集时刻终端对应网格中道路的中心位置,对此,本发明不做限定。
步骤104、根据终端的移动速度的大小确定用户的出行模式。
在本发明实施例中,可以首先判断移动速度的大小属于哪个速度范围。例如:速度范围可以包括由小到大的第一速度范围、第二速度范围和第三速度范围。当用户所使用终端的移动速度的大小落入第一速度范围内时,可以确定用户的出行方式为步行;当用户所使用终端的移动速度的大小落入第二速度范围内时,可以确定用户的出行方式为自行车出行;当用户所使用终端的移动速度的大小落入第三速度范围内时,可以确定用户的出行方式为机动车出行。
本发明实施例提供的用户出行模式识别的方法,相比较于现有技术中的根据用户移动过程中所使用终端发射信号到达基站的时间,以及基站的位置确定用户的位置,进而确定使用该终端的用户的出行模式,本发明可以在每个采集时刻根据终端能够接收到的小区的标识及接收电平值,确定终端在每个采集时刻对应的网格,之后根据网格的位置确定终端位置,进而确定使用该终端的用户的出行模式。现有技术是以基站的位置为基础来确定用户位置的,在基站覆盖范围较大的情况下,用户位置的精度较低,而本发明中是根据网格位置确定用户位置的,在网格的覆盖范围较小的情况下,用户位置的精度较高,在此基础上获取的用户出行数据能够较为真实的反映用户的出行模式。因此,本发明能够解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。
为了实现根据MR数据确定终端的位置,在本发明实施例的一个实现方式中,可以首先构建网格标识、小区标识以及接收电平值之间的对应关系。因此,在如图1所示的实现方式的基础上,还可以实现为如图2所示的实现方式。其中,在执行步骤101在一段时间内,按照预设时间间隔,获取终端的MR数据之前,还可以执行步骤105至步骤108:
步骤105、将指定区域划分成相同规格的网格。
其中,指定区域包括道路所在区域。
同一用户的出行模式受到时间、位置的影响,因此在研究用户出行模式时,需要具体到某段时间,某个路段。为了将终端的位置定位到网格中,在本发明实施例中,首先需要将待研究的道路所在指定区域划分成相同规格的网格,例如:10m*10m的网格、20m*20m的网格,30m*30m的网格等。一般基站的覆盖半径为100到200m。相比较而言,将终端定位到网格中获得的终端位置,比将终端定位到基站的覆盖区域内获得的终端位置精度要高。网格规格可以根据对终端定位精度的需求选取。例如,对于主干道,终端的速度相对较大,可以选取规格较大的网格,对于支路,终端的速度相对较小,可以选取规格较小的网格。
步骤106、将指定区域内的道路所在区域映射到网格中,并为道路所在区域对应的每个网格设置不同的网格标识。
将指定区域内的道路所在区域映射到网格之后,道路的不同部分就分散在了不同的网格中。道路的每一部分所在的网格都可能是终端的位置,因此道路的每一部分所在的网格都是终端的候选位置点,为了区分各个候选位置点,需要为道路的每一部分所在的网格设置不同的网格标识,即为道路所在区域对应的每个网格设置不同的网格标识。
步骤107、在至少两个采集时刻采集每个网格标识对应网格能够接收到的小区的标识及小区的接收电平值。
由于建筑物遮挡、信号干扰等因素,某一时刻,某位置的终端可能不能检测到所有覆盖该位置的小区,为了避免这种现象的发生,需要在至少两个时刻采集每个候选位置点能够接收到的小区的标识及接收电平值。
步骤108、建立网格标识、每个采集时刻采集到的小区的标识、以及每个采集时刻采集到的小区的接收电平值,两两之间的对应关系,并存储至数据库中。
如表1所示,某一时刻,网格4能够接收到小区106880、小区106881和小区106882,其中小区106880的接收电平值为-60.25,小区106881的接收电平值为-60.25,小区106882的接收电平值为-53.25。
需要说明的是,网格标识可以使用数字、字母、字符串等表示,小区标识可以使用基站标识+位置区码或者基站标识+跟踪区码表示。
表1每个网格能够接收到的小区的标识及小区的接收电平值
本发明实施例提供的用户出行模式识别的方法,相比较于现有技术中的根据用户移动过程中所使用终端发射信号到达基站的时间,以及基站的位置确定用户的位置,进而确定使用该终端的用户的出行模式,本发明首先建立网格标识、每个时刻采集到的小区的标识,以及每个时刻采集到的小区的接收电平值,两两之间的对应关系,之后根据每个采集时刻根据终端能够接收到的小区的标识及接收电平值,确定终端在每个采集时刻对应的网格,从而确定终端位置。这样可以通过减小网格的规格来提高终端位置的精度,进而解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。
为了从数据库中查找到与MR数据匹配的网络标识,在本发明实施例的一个实现方式中,可以对数据库中存储的数据进行统计、处理。因此,在如图2所示的实现方式的基础上,还可以实现为如图3所示的实现方式。其中,步骤102从数据库中查找与MR数据匹配的网格标识,并将网格标识对应网格的位置确定为在采集时刻终端的位置,可以具体实现为步骤1021至步骤1025:
步骤1021、按照MR数据中小区的接收电平值由大到小的顺序,依次排列各小区对应的标识。
步骤1022、将排列好的小区的标识中的前M个小区的标识确定为匹配标识。
其中,M为正整数,用于表示匹配过程中使用小区的个数。
在本发明实施例中,M的大小与路网的分布有关。例如:对于道路比较密集的区域,M可以选取4或5;对于比较开阔的区域,M可以选取2或3。
步骤1023、从数据库中查找每个网格标识接收到每个匹配标识对应的小区的接收电平值,并确定每个网格标识相同匹配标识对应的小区的接收电平值在指定范围内的概率。
需要说明的是,指定范围可以由本领域技术人员根据实际需求进行设置。例如:指定范围为-90至-20,或者指定范围为不为0等。
表2为在表1的基础上计算出的每个网格标识相同小区的接收电平值不为0的概率。
表2接收电平值不为0的概率
步骤1024、确定每个网格标识所有匹配标识对应的概率的均值。
步骤1025、将最大均值对应的网格标识确定为与MR数据匹配的网格标识,并将网格标识对应网格的位置确定为在采集时刻终端的位置。
假设终端接收电平值由大到小依次对应的小区标识为106880、106881和106882,即匹配标识为106880、106881和106882,如表2所示,当M=3,网格4、网格6、网格7、网格21均能接收到小区上述匹配标识对应的小区,网格4对应的概率的均值为(25%+25%+100%)/3=50%,同理,网格5对应的概率均值为33%,网格6对应的概率均值为78%,网格7对应的概率均值为83%,网格21对应的概率均值为100%。最大均值对应的网格标识为21,因此可以将网格21的位置确定为在采集时刻终端的位置。
本发明实施例提供的用户出行模式识别的方法,根据每个网格所有匹配标识对应的接收概率的均值,确定与MR数据匹配的网格标识,在进行匹配的过程中,采用多个接收电平值比较的方法,来提高终端的定位精度,从而解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。
为了确定用户的出行模式,在本发明实施例的一个实现方式中,可以首先通过一定方法计算在一段时间内某一路段上所有终端的移动速度,之后对移动速度进行处理,进而确定用户的出行模式。因此,在如图1所示的实现方式的基础上,还可以实现为如图4所示的实现方式。其中,步骤103根据在每个采集时刻终端的位置和预设时间间隔,确定终端的移动速度,可以具体实现为步骤1031至步骤1034:
步骤1031、根据在相邻采集时刻终端的位置和预设时间间隔,确定终端在相邻采集时刻的位置之间的移动速度。
步骤1032、根据终端在所有采集时刻的位置,确定终端在一段时间内终端的出行路线。
步骤1033、将在一段时间内,终端在相邻采集时刻的位置之间的移动速度的均值,确定为终端在出行路线上的移动速度。
步骤1034、确定在一段时间内,出行路线上所有终端的移动速度。
之后,根据步骤1034确定的在一段时间内,出行路线上所有终端的移动速度的大小,可以确定每个终端对应的用户的出行模式。因此,在本发明实施例中,步骤104根据终端的移动速度的大小确定用户的出行模式,可以具体实现为步骤1041和步骤1042:
1041、通过DVTD算法聚类,将在一段时间内,出行路线上所有终端的移动速度划分成至少一个小组。
其中,每个小组对应一种用户的出行模式。
DVTD是一种基于密度的动态阈值聚类算法,该算法能够依据数据自动调整阈值,DVTD算法的核心就是根据要求动态生成不同阈值的子聚类,并利用聚类的相关性形成任意形状的聚类结构,图5示出了DVTD的聚类过程,(a)根据变阈值聚类得到部分子聚类,(b)计算相关聚类之后合并子聚类,(c)合并聚类生成任意形状的聚类簇结果。
图6示出了在一段时间内,出行路线上所有终端的移动速度通过DVTD聚类的结果,其中X轴表示出行路线上的位置,Y轴表示终端的移动速度。将一段时间内,用户的出行路线按照路口划分成3个路段,路段1上所有终端的移动速度通过DVTD聚类后,生成一个小组,路段2上所有终端的移动速度通过DVTD聚类后,生成了两个小组,路段3上所有终端的移动速度通过DVTD聚类后,生成了两个小组。
在实际应用过程中,如果仅仅根据路段1上的分组情况,可能会认为路段1上所有终端对应的用户的出行模式是相同的,然而结合路段2上的分组情况,可以得到路段1可能是由于拥堵等原因而造成了终端的移动速度相近,但这些终端对应的用户出行模式可能不相同。
步骤1042、根据在一段时间内,出行路线上每个终端的移动速度所属小组,确定使用每个终端的用户的出行模式。
本发明实施例提供的用户出行模式识别的方法,通过DVTD算法对终端的移动速度进行聚类,从而区分出不同出行模式的用户群。由于DVTD算法可以适应任意形状的聚类结构,因此本发明对终端的移动速度的分组更加贴合实际。因此,本发明对用户出行模式判断精度更高。
本发明实施例提供一种用户出行模式识别的装置20,用于执行如图1至图4所示的任意一套方法流程,如图7所示,该装置20包括:
数据获取单元201,用于按照预设时间间隔获取终端的MR数据,MR数据至少包括采集时刻、IMSI、小区的标识及小区的接收电平值,小区包括当前小区和邻小区。
位置确定单元202,用于从数据库中查找与数据获取单元201获取的MR数据匹配的网格标识,并将网格标识对应网格的位置确定为在采集时刻终端的位置。
速度确定单元203,用于根据在每个采集时刻位置确定单元202确定的终端的位置和预设时间间隔,确定终端的移动速度。
模式确定单元204,用于根据速度确定单元203确定的终端的移动速度的大小确定用户的出行模式。
在本发明实施例的一个实现方式中,装置20还包括:
网格划分单元205,用于将指定区域划分成相同规格的网格,指定区域包括道路所在区域。
标识设置单元206,用于将指定区域内的道路所在区域映射到网格划分单元205划分的网格中,并为道路所在区域对应的每个网格设置不同的网格标识。
数据获取单元201,还用于在至少两个采集时刻采集标识设置单元206设置的每个网格标识对应网格能够接收到的小区的标识及小区的接收电平值。
数据存储单元207,用于建立标识设置单元206设置的网格标识、数据获取单元201获取的每个采集时刻采集到的小区的标识、以及数据获取单元201获取的每个采集时刻采集到的小区的接收电平值,两两之间的对应关系,并存储至数据库中。
在本发明实施例的一个实现方式中,位置确定单元202具体用于按照MR数据中小区的接收电平值由大到小的顺序,依次排列各小区对应的标识;将排列好的小区的标识中的前M个小区的标识确定为匹配标识,其中,M为正整数,用于表示匹配过程中使用小区的个数;从数据库中查找每个网格标识接收到每个匹配标识对应的小区的接收电平值,并确定每个网格标识相同匹配标识对应的小区的接收电平值在指定范围内的概率;确定每个网格标识所有匹配标识对应的概率的均值;将最大均值对应的网格标识确定为与MR数据匹配的网格标识。
在本发明实施例的一个实现方式中,速度确定单元203具体用于根据在相邻采集时刻终端的位置和预设时间间隔,确定终端在相邻采集时刻的位置之间的移动速度;根据终端在所有采集时刻的位置,确定终端在一段时间内终端的出行路线;将在一段时间内,终端在相邻采集时刻的位置之间的移动速度的均值,确定为终端在出行路线上的移动速度;确定在一段时间内,出行路线上所有终端的移动速度。
在本发明实施例的一个实现方式中,模式确定单元204具体用于通过DVTD算法聚类,将在一段时间内,出行路线上所有终端的移动速度划分成至少一个小组,每个小组对应一种用户的出行模式;根据在一段时间内,出行路线上每个终端的移动速度所属小组,确定使用每个终端的用户的出行模式。
本发明实施例提供的用户出行模式识别的装置,相比较于现有技术中的根据用户移动过程中所使用终端发射信号到达基站的时间,以及基站的位置确定用户的位置,进而确定使用该终端的用户的出行模式,本发明可以在每个采集时刻根据终端能够接收到的小区的标识及接收电平值,确定终端在每个采集时刻对应的网格,之后根据网格的位置确定终端位置,进而确定使用该终端的用户的出行模式。现有技术是以基站的位置为基础来确定用户位置的,在基站覆盖范围较大的情况下,用户位置的精度较低,而本发明中是根据网格位置确定用户位置的,在网格的覆盖范围较小的情况下,用户位置的精度较高,在此基础上获取的用户出行数据能够较为真实的反映用户的出行模式。因此,本发明能够解决因用户出行数据精度较低而造成的用户出行模式判断误差大的问题。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:Read-Only Memory,简称:ROM)或随机存储记忆体(英文:Random Access Memory,简称:RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种用户出行模式识别的方法,其特征在于,所述方法包括:
将指定区域划分成相同规格的网格,所述指定区域包括道路所在区域;
将所述指定区域内的道路所在区域映射到所述网格中,并为道路所在区域对应的每个网格设置不同的网格标识;
在至少两个采集时刻采集每个网格标识对应网格能够接收到的小区的标识及小区的接收电平值;
建立所述网格标识、每个采集时刻采集到的小区的标识、以及每个采集时刻采集到的小区的接收电平值,两两之间的对应关系,并存储至数据库中;
按照预设时间间隔获取终端的测量报告MR数据,所述MR数据至少包括采集时刻、国际移动用户识别码IMSI、小区的标识及小区的接收电平值,所述小区包括当前小区和邻小区;
从数据库中查找与所述MR数据匹配的网格标识,并将所述网格标识对应网格的位置确定为在所述采集时刻所述终端的位置;
根据在每个采集时刻所述终端的位置和所述预设时间间隔,确定所述终端的移动速度;
根据所述终端的移动速度的大小确定用户的出行模式。
2.根据权利要求1所述的方法,其特征在于,从数据库中查找与所述MR数据匹配的网格标识的步骤,包括:
按照所述MR数据中小区的接收电平值由大到小的顺序,依次排列各小区对应的标识;
将排列好的小区的标识中的前M个小区的标识确定为匹配标识,其中,M为正整数,用于表示匹配过程中使用小区的个数;
从数据库中查找每个网格标识接收到每个匹配标识对应的小区的接收电平值,并确定每个网格标识相同匹配标识对应的小区的接收电平值在指定范围内的概率;
确定每个网格标识所有匹配标识对应的概率的均值;
将最大均值对应的网格标识确定为与所述MR数据匹配的网格标识。
3.根据权利要求1所述的方法,其特征在于,根据在每个采集时刻所述终端的位置和所述预设时间间隔,确定所述终端的移动速度的步骤包括:
根据在相邻采集时刻所述终端的位置和所述预设时间间隔,确定终端在相邻采集时刻的位置之间的移动速度;
根据所述终端在所有采集时刻的位置,确定终端在一段时间内所述终端的出行路线;
将在所述一段时间内,终端在相邻采集时刻的位置之间的移动速度的均值,确定为所述终端在所述出行路线上的移动速度;
确定在所述一段时间内,所述出行路线上所有终端的移动速度。
4.根据权利要求3所述的方法,其特征在于,根据所述终端的移动速度的大小确定用户的出行模式的步骤包括:
通过基于密度的动态阈值聚类DVTD算法聚类,将所述在一段时间内,所述出行路线上所有终端的移动速度划分成至少一个小组,每个小组对应一种用户的出行模式;
根据在所述一段时间内,所述出行路线上每个终端的移动速度所属小组,确定使用所述每个终端的用户的出行模式。
5.一种用户出行模式识别的装置,其特征在于,所述装置包括:
数据获取单元,用于按照预设时间间隔获取终端的MR数据,所述MR数据至少包括采集时刻、IMSI、小区的标识及小区的接收电平值,所述小区包括当前小区和邻小区;
位置确定单元,用于从数据库中查找与所述数据获取单元获取的MR数据匹配的网格标识,并将所述网格标识对应网格的位置确定为在所述采集时刻所述终端的位置;
速度确定单元,用于根据在每个采集时刻所述位置确定单元确定的终端的位置和所述预设时间间隔,确定所述终端的移动速度;
模式确定单元,用于根据所述速度确定单元确定的终端的移动速度的大小确定用户的出行模式;
网格划分单元,用于将指定区域划分成相同规格的网格,所述指定区域包括道路所在区域;
标识设置单元,用于将所述指定区域内的道路所在区域映射到所述网格划分单元划分的网格中,并为道路所在区域对应的每个网格设置不同的网格标识;
所述数据获取单元,还用于在至少两个采集时刻采集所述标识设置单元设置的每个网格标识对应网格能够接收到的小区的标识及小区的接收电平值;
数据存储单元,用于建立所述标识设置单元设置的网格标识、所述数据获取单元获取的每个采集时刻采集到的小区的标识、以及所述数据获取单元获取的每个采集时刻采集到的小区的接收电平值,两两之间的对应关系,并存储至数据库中。
6.根据权利要求5所述的装置,其特征在于,所述位置确定单元具体用于按照所述MR数据中小区的接收电平值由大到小的顺序,依次排列各小区对应的标识;
将排列好的小区的标识中的前M个小区的标识确定为匹配标识,其中,M为正整数,用于表示匹配过程中使用小区的个数;
从数据库中查找每个网格标识接收到每个匹配标识对应的小区的接收电平值,并确定每个网格标识相同匹配标识对应的小区的接收电平值在指定范围内的概率;
确定每个网格标识所有匹配标识对应的概率的均值;
将最大均值对应的网格标识确定为与所述MR数据匹配的网格标识。
7.根据权利要求5所述的装置,其特征在于,所述速度确定单元具体用于根据在相邻采集时刻所述终端的位置和所述预设时间间隔,确定终端在相邻采集时刻的位置之间的移动速度;
根据所述终端在所有采集时刻的位置,确定终端在一段时间内所述终端的出行路线;
将在所述一段时间内,终端在相邻采集时刻的位置之间的移动速度的均值,确定为所述终端在所述出行路线上的移动速度;
确定在所述一段时间内,所述出行路线上所有终端的移动速度。
8.根据权利要求7所述的装置,其特征在于,所述模式确定单元具体用于通过基于密度的动态阈值聚类DVTD算法聚类,将所述在一段时间内,所述出行路线上所有终端的移动速度划分成至少一个小组,每个小组对应一种用户的出行模式;
根据在所述一段时间内,所述出行路线上每个终端的移动速度所属小组,确定使用所述每个终端的用户的出行模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611035751.2A CN106412835B (zh) | 2016-11-18 | 2016-11-18 | 一种用户出行模式识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611035751.2A CN106412835B (zh) | 2016-11-18 | 2016-11-18 | 一种用户出行模式识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106412835A CN106412835A (zh) | 2017-02-15 |
CN106412835B true CN106412835B (zh) | 2019-11-26 |
Family
ID=58081736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611035751.2A Active CN106412835B (zh) | 2016-11-18 | 2016-11-18 | 一种用户出行模式识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106412835B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222381A (zh) * | 2018-11-27 | 2020-06-02 | 中国移动通信集团上海有限公司 | 用户出行方式识别方法、装置、电子设备及存储介质 |
CN109714712B (zh) * | 2018-12-28 | 2021-02-05 | 科大国创软件股份有限公司 | 一种基于属性匹配的数据落点到栅格的方法及装置 |
CN109769201B (zh) * | 2018-12-28 | 2021-01-26 | 科大国创软件股份有限公司 | 一种实现用户精准定位的智慧城市管理平台 |
CN110956733A (zh) * | 2019-11-29 | 2020-04-03 | 中国银行股份有限公司 | 一种提醒办理业务的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810851A (zh) * | 2014-01-23 | 2014-05-21 | 广州地理研究所 | 一种基于手机定位的交通出行模式识别方法 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
CN104636611A (zh) * | 2015-02-03 | 2015-05-20 | 上海奕行信息科技有限公司 | 城市道路/路段的车辆速度评估方法 |
CN105243844A (zh) * | 2015-10-14 | 2016-01-13 | 华南理工大学 | 一种基于手机信令的道路状态识别方法 |
CN105491522A (zh) * | 2015-12-02 | 2016-04-13 | 北京泰合佳通信息技术有限公司 | 一种基于移动管道数据的用户移动轨迹定位方法 |
CN105682034A (zh) * | 2016-01-28 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 计步方法及相关装置,检测方法及相关装置 |
CN105916113A (zh) * | 2016-06-01 | 2016-08-31 | 北京邮电大学 | 一种定位方法和装置 |
-
2016
- 2016-11-18 CN CN201611035751.2A patent/CN106412835B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810851A (zh) * | 2014-01-23 | 2014-05-21 | 广州地理研究所 | 一种基于手机定位的交通出行模式识别方法 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
CN104636611A (zh) * | 2015-02-03 | 2015-05-20 | 上海奕行信息科技有限公司 | 城市道路/路段的车辆速度评估方法 |
CN105243844A (zh) * | 2015-10-14 | 2016-01-13 | 华南理工大学 | 一种基于手机信令的道路状态识别方法 |
CN105491522A (zh) * | 2015-12-02 | 2016-04-13 | 北京泰合佳通信息技术有限公司 | 一种基于移动管道数据的用户移动轨迹定位方法 |
CN105682034A (zh) * | 2016-01-28 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 计步方法及相关装置,检测方法及相关装置 |
CN105916113A (zh) * | 2016-06-01 | 2016-08-31 | 北京邮电大学 | 一种定位方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106412835A (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106412835B (zh) | 一种用户出行模式识别的方法及装置 | |
CN106878951B (zh) | 用户轨迹分析方法及系统 | |
CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
CN108320501A (zh) | 基于用户手机信令的公交线路识别方法 | |
CN105718465B (zh) | 地理围栏生成方法及装置 | |
RU2571573C1 (ru) | Способ и сервер для поиска соседнего пользователя в службах социальных сетей | |
CN103428275B (zh) | 基于wsn的室内移动目标行动路线追踪方法 | |
CN103200520B (zh) | 一种利用Wi-Fi的移动终端快速精确定位方法 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN106912018A (zh) | 基于信令轨迹的地图匹配方法及系统 | |
US8862154B2 (en) | Location measuring method and apparatus using access point for wireless local area network service | |
CN105338498A (zh) | 一种WiFi室内定位系统中指纹库的构建方法 | |
CN104135766B (zh) | 一种基于网格划分的无线网络间的协作定位方法 | |
CN109413661B (zh) | 一种计算站距的方法及装置 | |
CN102932911A (zh) | 位置指纹定位方法及定位系统 | |
CN106658704A (zh) | 一种室内定位的起点位置的定位方法和系统 | |
CN103916820A (zh) | 基于接入点稳定度的无线室内定位方法 | |
CN103929751B (zh) | 一种确定不同网络中覆盖共同区域的小区对的方法及装置 | |
CN110933683B (zh) | 信号覆盖范围确定方法、装置、电子设备及可读存储介质 | |
CN110213710A (zh) | 一种基于随机森林的高性能室内定位方法、室内定位系统 | |
JP6049186B2 (ja) | 携帯端末を所持したユーザの滞在地を推定する装置、プログラム及び方法 | |
CN109640262A (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN109691162A (zh) | 一种网络站址规划方法及装置 | |
Górak et al. | Indoor localisation based on GSM signals: Multistorey building study | |
Dong et al. | Implementation of indoor fingerprint positioning based on ZigBee |
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 |