CN106465324B - 一种数据处理方法及装置 - Google Patents

一种数据处理方法及装置 Download PDF

Info

Publication number
CN106465324B
CN106465324B CN201480077903.8A CN201480077903A CN106465324B CN 106465324 B CN106465324 B CN 106465324B CN 201480077903 A CN201480077903 A CN 201480077903A CN 106465324 B CN106465324 B CN 106465324B
Authority
CN
China
Prior art keywords
user
probability
users
area
calculating
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.)
Expired - Fee Related
Application number
CN201480077903.8A
Other languages
English (en)
Other versions
CN106465324A (zh
Inventor
黄帆
张洁涛
庄宏成
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN106465324A publication Critical patent/CN106465324A/zh
Application granted granted Critical
Publication of CN106465324B publication Critical patent/CN106465324B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种数据处理方法及装置，涉及通信领域，能够更准确的估计预设范围内的用户数量。具体方案为：获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值。本发明用于数据处理。

Description

一种数据处理方法及装置
技术领域
本发明涉及通信领域，尤其涉及一种数据处理方法及装置。
背景技术
无线网络可以对用户进行定位，例如蜂窝网络或者WLAN(Wireless Local AreaNetworks，无线局域网络)，一个用户可以是一个终端设备，根据对用户的定位结果，可以得到用户的分布图，进而得到预设范围内的用户数、业务量、吞吐量或者其他统计值，根据得到的统计值选取新增基站的位置，或者根据得到的统计值对基站的容量及覆盖范围进行优化。
但是，现有技术中对用户的定位存在误差，例如GPS(Global PositioningSystem，全球定位系统)的定位误差范围约为10米，蜂窝网络定位的数量级约为100米，另外由于环境等的差异，也会产生其他的误差。现有技术中将定位出的用户范围的中心点作为用户位置，这样使得在预设范围内得到的用户数量、业务量、吞吐量或者其他统计值不准确。
发明内容
本发明的实施例提供一种数据处理方法及装置，能够更准确的估计预设范围内的用户数量。
为达到上述目的，本发明的实施例采用如下技术方案：
第一方面，一种数据处理装置，包括：
获取单元，用于获取预设数量用户的用户分布概率密度，其中，所述预设数量用户中的每一个用户的用户分布概率密度为所述用户在单位区域内的概率；
计算单元，用于根据所述获取单元获取的所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，所述每一个用户的区域概率为所述用户在预设区域内的概率；
所述计算单元，还用于根据所述每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，所述用户估计值为所述预设区域内用户数量的估计值，所述P(k)为所述预设区域内存在k个用户的概率，所述业务估计值为所述预设区域内用户业务量的估计值。
结合第一方面，在第一种可能的实现方式中，
所述计算单元，还用于根据第一公式
Figure GPA0000214571600000031
计算所述用户估计值；
其中，U为所述用户估计值，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pi为第i个所述有效用户的区域概率。
结合第一方面，在第二种可能的实现方式中，
所述计算单元，还用于根据第二公式
Figure GPA0000214571600000032
计算所述P(k)；
其中，
Figure GPA0000214571600000033
t为有效组合的数量，所述有效组合为所述预设区域内存在k个用户的组合，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pj(k)为所述有效组合的第j种组合中所述预设区域内存在k个用户的概率。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，
所述计算单元，还用于根据第三公式
Figure GPA0000214571600000034
计算所述用户估计值；
其中，U为所述用户估计值。
结合第一方面的第二种可能的实现方式，在第四种可能的实现方式中，
所述计算单元，还用于根据第四公式
Figure GPA0000214571600000035
计算所述Pj(k)；
其中，Yj为所述有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1，j y2，j … yk，j}，yx，j(x＝1，2，…k)为所述Yj中的第x个用户。
结合第一方面，在第五种可能的实现方式中，
所述获取单元，还用于获取每一个有效用户的业务量，所述有效用户为区域概率大于0的用户；
所述计算单元，还用于根据第五公式
Figure GPA0000214571600000036
计算所述业务估计值；
其中，W为所述业务估计值，m为所述有效用户的数量，wi为所述有效用户中第i个用户的业务量，Pi为所述有效用户中第i个用户的区域概率。
结合第一方面或第一方面的任意一种可能的实现方式，在第六种可能的实现方式中，
所述计算单元，还用于根据第六公式
Figure GPA0000214571600000041
计算用户i的区域概率；
其中，Pi为所述用户i的区域概率，f(x)为所述用户i的用户分布概率密度，x为所述单位区域，X为所述预设区域。
第二方面，一种数据处理装置，包括处理器、存储器及总线，所述处理器及所述存储器通过所述总线相互连接；
其中，所述处理器，用于获取预设数量用户的用户分布概率密度，其中，所述预设数量用户中的每一个用户的用户分布概率密度为所述用户在单位区域内的概率；
所述处理器，还用于根据所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，所述每一个用户的区域概率为所述用户在预设区域内的概率；
所述处理器，还用于根据所述每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，所述用户估计值为所述预设区域内用户数量的估计值，所述P(k)为所述预设区域内存在k个用户的概率，所述业务估计值为所述预设区域内用户业务量的估计值。
结合第二方面，在第一种可能的实现方式中，
所述处理器，还用于根据第一公式
Figure GPA0000214571600000042
计算所述用户估计值；
其中，U为所述用户估计值，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pi为第i个所述有效用户的区域概率。
结合第二方面，在第二种可能的实现方式中，
所述处理器，还用于根据第二公式
Figure GPA0000214571600000043
计算所述P(k)；
其中，
Figure GPA0000214571600000051
t为有效组合的数量，所述有效组合为所述预设区域内存在k个用户的组合，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pj(k)为所述有效组合的第j种组合中所述预设区域内存在k个用户的概率。
结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，
所述处理器，还用于根据第三公式
Figure GPA0000214571600000052
计算所述用户估计值；
其中，U为所述用户估计值。
结合第二方面的第二种可能的实现方式，在第四种可能的实现方式中，
所述处理器，还用于根据第四公式
Figure GPA0000214571600000053
计算所述Pj(k)；
其中，Yj为所述有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1，j y2，j … yk，j}，yx，j(x＝1，2，…k)为所述Yj中的第x个用户。
结合第二方面，在第五种可能的实现方式中，
所述处理器，还用于获取每一个有效用户的业务量，所述有效用户为区域概率大于0的用户；
所述处理器，还用于根据第五公式
Figure GPA0000214571600000054
计算所述业务估计值；
其中，W为所述业务估计值，m为所述有效用户的数量，wi为所述有效用户中第i个用户的业务量，Pi为所述有效用户中第i个用户的区域概率。
结合第二方面或第二方面的任意一种可能的实现方式，在第六种可能的实现方式中，
所述处理器，还用于根据第六公式
Figure GPA0000214571600000055
计算用户i的区域概率；
其中，Pi为所述用户i的区域概率，f(x)为所述用户i的用户分布概率密度，x为所述单位区域，X为所述预设区域。
第三方面，一种数据处理方法，包括：
获取预设数量用户的用户分布概率密度，其中，所述预设数量用户中的每一个用户的用户分布概率密度为所述用户在单位区域内的概率；
根据所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，所述每一个用户的区域概率为所述用户在预设区域内的概率；
根据所述每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，所述用户估计值为所述预设区域内用户数量的估计值，所述P(k)为所述预设区域内存在k个用户的概率，所述业务估计值为所述预设区域内用户业务量的估计值。
结合第三方面，在第一种可能的实现方式中，所述根据所述每一个用户的区域概率计算用户估计值，包括：
根据第一公式
Figure GPA0000214571600000061
计算所述用户估计值；
其中，U为所述用户估计值，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pi为第i个所述有效用户的区域概率。
结合第三方面，在第二种可能的实现方式中，所述根据所述每一个用户的区域概率计算P(k)，包括：
根据第二公式
Figure GPA0000214571600000062
计算所述P(k)；
其中，
Figure GPA0000214571600000063
t为有效组合的数量，所述有效组合为所述预设区域内存在k个用户的组合，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pj(k)为所述有效组合的第j种组合中所述预设区域内存在k个用户的概率。
结合第三方面的二种可能的实现方式，在第三种可能的实现方式中，所述根据所述每一个用户的区域概率计算用户估计值，包括：
根据第三公式
Figure GPA0000214571600000071
计算所述用户估计值；
其中，U为所述用户估计值。
结合第三方面的二种可能的实现方式，在第四种可能的实现方式中，包括：
根据第四公式
Figure GPA0000214571600000072
计算所述Pj(k)；
其中，Yj为所述有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1，j y2，j … yk，j}，yx，j(x＝1，2，…k)为所述Yj中的第x个用户。
结合第三方面，在第五种可能的实现方式中，所述根据所述每一个用户的区域概率计算业务估计值，包括：
获取每一个有效用户的业务量，所述有效用户为区域概率大于0的用户；
根据第五公式
Figure GPA0000214571600000073
计算所述业务估计值；
其中，W为所述业务估计值，m为所述有效用户的数量，wi为所述有效用户中第i个用户的业务量，Pi为所述有效用户中第i个用户的区域概率。
结合第三方面或第三方面的任意一种可能的实现方式，在第六种可能的实现方式中，所述根据所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，包括：
根据第六公式
Figure GPA0000214571600000074
计算用户i的区域概率；
其中，Pi为所述用户i的区域概率，f(x)为所述用户i的用户分布概率密度，x为所述单位区域，X为所述预设区域。
本发明的实施例提供的一种数据处理方法及装置，通过获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，能够更准确的估计预设范围内的用户数量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述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他的附图。
图1为本发明的实施例提供的一种数据处理装置结构示意图；
图2为本发明的另一实施例提供的一种数据处理装置结构示意图；
图3为本发明的实施例提供的一种数据处理方法流程示意图。
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他实施例，都属于本发明保护的范围。
本发明的实施例提供一种数据处理装置，应用于无线网络中，参照图1所示，该数据处理装置101包括获取单元1011和计算单元1012。
其中，获取单元1011，用于获取预设数量用户的用户分布概率密度，其中，预设数量用户中的每一个用户的用户分布概率密度为用户在单位区域内的概率。
计算单元1012，用于根据获取单元1011获取的预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，每一个用户的区域概率为用户在预设区域内的概率。
计算单元1012，还用于根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，用户估计值为预设区域内用户数量的估计值，P(k)为预设区域内存在k个用户的概率，业务估计值为预设区域内用户业务量的估计值。
本发明的实施例提供的数据处理装置，通过获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，能够更准确的估计预设范围内的用户数量。
可选的，在第一种应用场景中，计算单元1012，还用于根据第一公式
Figure GPA0000214571600000091
计算用户估计值。
其中，U为用户估计值，m为有效用户的数量，有效用户为区域概率大于0的用户，Pi为第i个有效用户的区域概率。
可选的，在第二种应用场景中，计算单元1012，还用于根据第二公式
Figure GPA0000214571600000092
计算P(k)。
其中，
Figure GPA0000214571600000093
t为有效组合的数量，有效组合为预设区域内存在k个用户的组合，m为有效用户的数量，有效用户为区域概率大于0的用户，Pj(k)为有效组合的第j种组合中预设区域内存在k个用户的概率。
计算单元1012，还用于根据第三公式
Figure GPA0000214571600000094
计算用户估计值。
其中，U为用户估计值，m为有效用户的数量，有效用户为区域概率大于0的用户。
进一步可选的，计算单元1012，还用于根据第四公式
Figure GPA0000214571600000095
计算Pj(k)。
其中，Yj为有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1，jy2，j … yk，j}，yx，j(x＝1，2，…k)为Yj中的第x个用户。
可选的，在第三种应用场景中，获取单元1011，还用于获取每一个有效用户的业务量，有效用户为区域概率大于0的用户。
计算单元1012，还用于根据第五公式
Figure GPA0000214571600000096
计算业务估计值。
其中，W为业务估计值，m为有效用户的数量，wi为有效用户中第i个用户的业务量，Pi为有效用户中第i个用户的区域概率。
可选的，计算单元1012，还用于根据第六公式
Figure GPA0000214571600000097
计算用户i的区域概率。
其中，Pi为用户i的区域概率，f(x)为用户i的用户分布概率密度，x为单位区域，X为预设区域。
本发明的实施例提供的数据处理装置，通过获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，能够更准确的估计预设范围内的用户数量。
本发明的另一实施例提供一种数据处理装置2001，参照图2所示，该设备可以嵌入或本身就是微处理计算机，比如：通用计算机、客户定制机、手机终端或平板机等便携设备，该数据处理装置2001包括：至少一个处理器2011、存储器2012和总线2013，该至少一个处理器2011和存储器2012通过总线2013连接并完成相互间的通信。
该总线2013可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component，外部设备互连)总线或EISA(Extended IndustryStandard Architecture，扩展工业标准体系结构)总线等。该总线2013可以分为地址总线、数据总线、控制总线等。为便于表示，图2中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。其中：
存储器2012用于执行本发明方案的应用程序代码，执行本发明方案的应用程序代码保存在存储器中，并由处理器2011来控制执行。
该存储器可以是只读存储器ROM或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器EEPROM、只读光盘CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。这些存储器通过总线与处理器相连接。
处理器2011可能是一个中央处理器2011(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
处理器2011，用于调用存储器2012中的程序代码，在一种可能的实施方式中，当上述应用程序被所述处理器2011执行时，实现如下功能。
处理器2011，用于获取预设数量用户的用户分布概率密度，其中，预设数量用户中的每一个用户的用户分布概率密度为用户在单位区域内的概率。
处理器2011，还用于根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，每一个用户的区域概率为用户在预设区域内的概率。
处理器2011，还用于根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，用户估计值为预设区域内用户数量的估计值，P(k)为预设区域内存在k个用户的概率，业务估计值为预设区域内用户业务量的估计值。
本发明的实施例提供的数据处理装置，通过获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，能够更准确的估计预设范围内的用户数量。
可选的，在第一种应用场景中，处理器2011，还用于根据第一公式
Figure GPA0000214571600000111
计算用户估计值。
其中，U为用户估计值，m为有效用户的数量，有效用户为区域概率大于0的用户，Pi为第i个有效用户的区域概率。
可选的，在第二种应用场景中，处理器2011，还用于根据第二公式
Figure GPA0000214571600000112
计算P(k)。
其中，
Figure GPA0000214571600000113
t为有效组合的数量，有效组合为预设区域内存在k个用户的组合，m为有效用户的数量，有效用户为区域概率大于0的用户，Pj(k)为有效组合的第j种组合中预设区域内存在k个用户的概率。
处理器2011，还用于根据第三公式
Figure GPA0000214571600000114
计算用户估计值。
其中，U为用户估计值，m为有效用户的数量，有效用户为区域概率大于0的用户。
进一步可选的，处理器2011，还用于根据第四公式
Figure GPA0000214571600000121
计算Pj(k)。
其中，Yj为有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1，jy2，j … yk，j}，yx，j(x＝1，2，…k)为Yj中的第x个用户。
可选的，在第三种应用场景中，处理器2011，还用于获取每一个有效用户的业务量，有效用户为区域概率大于0的用户。
处理器2011，还用于根据第五公式
Figure GPA0000214571600000122
计算业务估计值。
其中，W为业务估计值，m为有效用户的数量，wi为有效用户中第i个用户的业务量，Pi为有效用户中第i个用户的区域概率。
可选的，处理器2011，还用于根据第六公式
Figure GPA0000214571600000123
计算用户i的区域概率。
其中，Pi为用户i的区域概率，f(x)为用户i的用户分布概率密度，x为单位区域，X为预设区域。
本发明的实施例提供的数据处理装置，通过获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，能够更准确的估计预设范围内的用户数量。
基于上述图1对应的实施例，本发明的实施例提供一种数据处理方法，应用于上述图1对应的实施例中所描述的数据处理装置，参照图3所示，包括以下步骤：
301、获取预设数量用户的用户分布概率密度。
其中，一个用户的用户分布概率密度为用户在单位区域内的概率。
可选的，用户在一定范围内的用户分布概率密度可以是一个常数，即该用户在一定范围内各个位置出现的概率都相等，该用户在一定范围内均匀分布。
或者可选的，将预设区域的中心位置作为参照点，该用户的分布概率密度为h(x)，h(x)代表该用户在与参照点距离为x的位置出现的概率，这样可以计算出用户与参照点距离在n以内的概率是
Figure GPA0000214571600000131
或者可选的，用户的分布概率密度为一个函数f(x)，f(x)代表该用户在位置x出现的概率，x为一个单位区域。f(x)可以是一个离散函数，也可以是一个连续函数。
当然，用户的用户分布概率密度有多种情况，不局限于本实施例列举的三种形式，此处只是举例说明，并不代表本发明局限于这三种形式的用户概率密度。
302、根据预设数量用户的用户分布概率密度计算每一个用户的区域概率。
其中，一个用户的区域概率为用户在预设区域内的概率。
结合步骤301中的描述，可选的，当用户的用户分布概率密度在预设区域内为常数时，将用户的用户分布概率密度与该用户的分布范围在预设区域内的面积相乘，就可以得出该用户的区域概率，即Pi＝a×S，其中，Pi为用户i的区域概率，a为用户i的用户分布概率密度，S为用户i的分布范围在预设区域内的面积。
或者可选的，将预设区域的中心位置作为参照点，该用户的分布概率密度为h(x)，h(x)代表该用户在与参照点距离为x的位置出现的概率，则该用户的区域概率为
Figure GPA0000214571600000132
其中，Pi为用户i的区域概率，n为用户i在预设区域内可能出现的位置与参照点的最远距离。
或者可选的，用户的分布概率密度为一个函数f(x)，f(x)代表该用户在位置x出现的概率，x为一个单位区域。根据第六公式
Figure GPA0000214571600000133
计算用户i的区域概率。其中，Pi为用户i的区域概率，X为预设区域。
当然，用户的区域概率计算有多种方法，本发明只是举例说明了几种区域概率的计算方法，并不代表本发明局限于这几种方法。
303、根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值。
其中，用户估计值为预设区域内用户数量的估计值，P(k)为预设区域内存在k个用户的概率，业务估计值为预设区域内用户业务量的估计值。
具体可选的，在第一种应用场景中。
根据第一公式
Figure GPA0000214571600000141
计算用户估计值，其中，U为用户估计值，m为有效用户的数量，有效用户为区域概率大于0的用户，Pi为第i个用户的区域概率。例如，预设区域内区域概率大于0的用户一共有4个，分别是用户A、B、C、D，且4个用户在预设区域内的区域概率分别为0.1、0.2、0.3、0.4，那么预设区域内的用户估计值为0.1+0.2+0.3+0.4＝1。
可选的，在第二种应用场景中。
根据第二公式
Figure GPA0000214571600000142
计算P(k)，其中，
Figure GPA0000214571600000143
t为有效组合的数量，有效组合为预设区域内存在k个用户的组合，Pj(k)为有效组合的第j种组合中预设区域内存在k个用户的概率。进一步可选的，根据第三公式
Figure GPA0000214571600000144
计算用户估计值，其中，U为用户估计值，m为有效用户的数量，有效用户为区域概率大于0的用户。进一步可选的，如果每个用户在预设区域内是相互独立的，根据第四公式
Figure GPA0000214571600000145
计算Pj(k)，其中，Yj为有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1，j y2，j …yk，j}，yx，j(x＝1，2，…k)为Yj中的第x个用户，此处，需要说明的是，当k为有效用户的个数k＝m时，有效组合只有一种组合，即全部有效用户的集合，此时，
Figure GPA0000214571600000146
Pi为第i个用户的区域概率。
例如，预设区域内区域概率大于0的用户一共有4个，分别是用户A、B、C、D，4个用户是否在预设区域内相互独立，且4个用户在预设区域内的区域概率分别为0.1、0.2、0.3、0.4。
(1)、预设区域内存在1个用户的有效组合一共有4种，分别为A、B、C、D。
预设区域内只存在A的概率，即第1种组合的概率为P1(1)＝0.1×(1-0.2)×(1-0.3)×(1-0.4)＝0.0336；
预设区域内只存在B的概率，即第2种组合的概率为P2(1)＝0.2×(1-0.1)×(1-0.3)×(1-0.4)＝0.0756；
预设区域内只存在C的概率，即第3种组合的概率为P3(1)＝0.3×(1-0.1)×(1-0.2)×(1-0.4)＝0.1296；
预设区域内只存在D的概率，即第4种组合的概率为P4(1)＝0.4×(1-0.1)×(1-0.2)×(1-0.3)＝0.2016。
则预设区域内存在1个用户的概率P(1)＝P1(1)+P2(1)+P3(1)+P4(1)＝0.4404。
(2)、预设区域内存在2个用户的有效组合一共有6种，分别为AB、AC、AD、BC、BD、CD。
预设区域内只存在AB的概率，即第1种组合的概率为P1(2)＝0.1×0.2×(1-0.3)×(1-0.4)＝0.0084；
预设区域内只存在AC的概率，即第2种组合的概率为P2(2)＝0.1×0.3×(1-0.2)×(1-0.4)＝0.0144；
预设区域内只存在AD的概率，即第3种组合的概率为P3(2)＝0.1×0.4×(1-0.2)×(1-0.3)＝0.0224；
预设区域内只存在BC的概率，即第4种组合的概率为P4(2)＝0.2×0.3×(1-0.1)×(1-0.4)＝0.0324；
预设区域内只存在BD的概率，即第5种组合的概率为P5(2)＝0.2×0.4×(1-0.1)×(1-0.3)＝0.0504；
预设区域内只存在CD的概率，即第6种组合的概率为P6(2)＝0.3×0.4×(1-0.1)×(1-0.2)＝0.0864；
则预设区域内存在2个用户的概率P(2)＝P1(2)+P2(2)+P3(2)+P4(2)+P5(2)+P6(2)＝0.2144。
(3)、预设区域存在3个用户的有效组合一共有4种，分别为：ABC、ABD、ACD、BCD。
预设区域内只存在ABC的概率，即第1种组合的概率为P1(3)＝0.1×0.2×0.3×(1-0.4)＝0.0036；
预设区域内只存在ABD的概率，即第2种组合的概率为P2(3)＝0.1×0.2×0.4×(1-0.3)＝0.0056；
预设区域内只存在ACD的概率，即第3种组合的概率为P3(3)＝0.1×0.3×0.4×(1-0.2)＝0.0096；
预设区域内只存在BCD的概率，即第4种组合的概率为P4(3)＝0.2×0.3×0.4×(1-0.1)＝0.0216。
则预设区域内存在3个用户的概率P(3)＝P1(3)+P2(3)+P3(3)+P4(3)＝0.0404。
(4)、预设区域存在4个用户的有效组合有1种ABCD。
P(4)＝0.1×0.2×0.3×0.4＝0.0024。
根据第三公式，可以计算得到预设区域内的用户估计值U＝1×P(1)+2×P(2)+3×P(3)+4×P(4)＝1。
可选的，在第三种应用场景中。
获取每一个有效用户的业务量，有效用户为区域概率大于0的用户。根据第五公式
Figure GPA0000214571600000161
计算业务估计值。其中，W为业务估计值，m为有效用户的数量，wi为有效用户中第i个用户的业务量，Pi为有效用户中第i个用户的区域概率。
例如，预设区域内区域概率大于0的用户一共有4个，分别是用户A、B、C、D，4个用户是否在预设区域内相互独立，且4个用户在预设区域内的区域概率分别为0.1、0.2、0.3、0.4，4个用户在预设区域内的业务量分别为10、20、30、40。则根据第五公式可以计算出该预设区域内业务估计值W＝0.1×10+0.2×20、0.3×30、0.4×40＝30。
通常，一个预设区域可以作为一个栅格，将一定范围内的地理位置划分为多个栅格，通过区域概率计算出每一个栅格中的用户估计值、P(k)或者业务估计值，考虑了每一个用户在栅格内的概率，根据这些计算结果就可以更准确的估计不同栅格内的用户数或者业务量，依此选择新增基站的位置或者对基站的容量和覆盖范围进行优化。
本发明的实施例提供的数据处理方法，通过获取预设数量用户的用户分布概率密度，根据预设数量用户的用户分布概率密度计算每一个用户的区域概率，根据每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，能够更准确的估计预设范围内的用户数量。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可以用硬件实现，或固件实现，或它们的组合方式来实现。当使用软件实现时，可以将上述功能存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。以此为例但不限于：计算机可读介质可以包括RAM(Random Access Memory，随机存储器)、ROM(Read Only Memory，只读内存)、EEPROM(Electrically Erasable Programmable ReadOnly Memory，电可擦可编程只读存储器)、CD-ROM(Compact Disc Read Only Memory，即只读光盘)或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。此外。任何连接可以适当的成为计算机可读介质。例如，如果软件是使用同轴电缆、光纤光缆、双绞线、DSL(Digital Subscriber Line，数字用户专线)或者诸如红外线、无线电和微波之类的无线技术从网站、服务器或者其他远程源传输的，那么同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线和微波之类的无线技术包括在所属介质的定影中。如本发明所使用的，盘和碟包括CD(Compact Disc，压缩光碟)、激光碟、光碟、DVD碟(Digital Versatile Disc，数字通用光)、软盘和蓝光光碟，其中盘通常磁性的复制数据，而碟则用激光来光学的复制数据。上面的组合也应当包括在计算机可读介质的保护范围之内。
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所述以权利要求的保护范围为准。

Claims (17)

1.一种数据处理装置，其特征在于，包括：
获取单元，用于获取预设数量用户的用户分布概率密度，其中，所述预设数量用户中的每一个用户的用户分布概率密度为所述用户在单位区域内的概率；
计算单元，用于根据所述获取单元获取的所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，所述每一个用户的区域概率为所述用户在预设区域内的概率；
所述计算单元，还用于根据所述每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，所述用户估计值为所述预设区域内用户数量的估计值，所述P(k)为所述预设区域内存在k个用户的概率，所述业务估计值为所述预设区域内用户业务量的估计值；
所述计算单元，还用于根据第六公式
Figure FDA0002357922690000011
计算用户i的区域概率；
其中，Pi为所述用户i的区域概率，f(x)为所述用户i的用户分布概率密度，x为所述单位区域，X为所述预设区域；
所述计算单元，还用于根据第五公式
Figure FDA0002357922690000012
计算所述业务估计值；
其中，W为所述业务估计值，m为有效用户的数量，wi为所述有效用户中第i个用户的业务量，Pi为所述有效用户中第i个用户的区域概率。
2.根据权利要求1所述的装置，其特征在于，
所述计算单元，还用于根据第一公式
Figure FDA0002357922690000013
计算所述用户估计值；
其中，U为所述用户估计值，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pi为第i个所述有效用户的区域概率。
3.根据权利要求1所述的装置，其特征在于，
所述计算单元，还用于根据第二公式
Figure FDA0002357922690000014
计算所述P(k)；
其中，
Figure FDA0002357922690000015
t为有效组合的数量，所述有效组合为所述预设区域内存在k个用户的组合，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pj(k)为所述有效组合的第j种组合中所述预设区域内存在k个用户的概率。
4.根据权利要求3所述的装置，其特征在于，
所述计算单元，还用于根据第三公式
Figure FDA0002357922690000021
计算所述用户估计值；
其中，U为所述用户估计值。
5.根据权利要求3所述的装置，其特征在于，
所述计算单元，还用于根据第四公式
Figure FDA0002357922690000022
计算所述Pj(k)；
其中，Yj为所述有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1.jy2.j ... yk.j}，yx,j(x＝1,2,…k)为所述Yj中的第x个用户。
6.根据权利要求1所述的装置，其特征在于，
所述获取单元，还用于获取每一个有效用户的业务量，所述有效用户为区域概率大于0的用户。
7.一种数据处理装置，其特征在于，包括处理器、存储器及总线，所述处理器及所述存储器通过所述总线相互连接；
其中，所述处理器，用于获取预设数量用户的用户分布概率密度，其中，所述预设数量用户中的每一个用户的用户分布概率密度为所述用户在单位区域内的概率；
所述处理器，还用于根据所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，所述每一个用户的区域概率为所述用户在预设区域内的概率；
所述处理器，还用于根据所述每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，所述用户估计值为所述预设区域内用户数量的估计值，所述P(k)为所述预设区域内存在k个用户的概率，所述业务估计值为所述预设区域内用户业务量的估计值；
所述处理器，还用于根据第六公式
Figure FDA0002357922690000023
计算用户i的区域概率；
其中，Pi为所述用户i的区域概率，f(x)为所述用户i的用户分布概率密度，x为所述单位区域，X为所述预设区域；
所述处理器，还用于根据第五公式
Figure FDA0002357922690000031
计算所述业务估计值；
其中，W为所述业务估计值，m为有效用户的数量，wi为所述有效用户中第i个用户的业务量，Pi为所述有效用户中第i个用户的区域概率。
8.根据权利要求7所述的装置，其特征在于，
所述处理器，还用于根据第一公式
Figure FDA0002357922690000032
计算所述用户估计值；
其中，U为所述用户估计值，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pi为第i个所述有效用户的区域概率。
9.根据权利要求7所述的装置，其特征在于，
所述处理器，还用于根据第二公式
Figure FDA0002357922690000033
计算所述P(k)；
其中，
Figure FDA0002357922690000034
t为有效组合的数量，所述有效组合为所述预设区域内存在k个用户的组合，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pj(k)为所述有效组合的第j种组合中所述预设区域内存在k个用户的概率。
10.根据权利要求9所述的装置，其特征在于，
所述处理器，还用于根据第三公式
Figure FDA0002357922690000035
计算所述用户估计值；
其中，U为所述用户估计值。
11.根据权利要求9所述的装置，其特征在于，
所述处理器，还用于根据第四公式
Figure FDA0002357922690000036
计算所述Pj(k)；
其中，Yj为所述有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1.jy2.j ... yk.j}，yx,j(x＝1,2,…k)为所述Yj中的第x个用户。
12.根据权利要求7所述的装置，其特征在于，
所述处理器，还用于获取每一个有效用户的业务量，所述有效用户为区域概率大于0的用户。
13.一种数据处理方法，其特征在于，包括：
获取预设数量用户的用户分布概率密度，其中，所述预设数量用户中的每一个用户的用户分布概率密度为所述用户在单位区域内的概率；
根据所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，其中，所述每一个用户的区域概率为所述用户在预设区域内的概率；
根据所述每一个用户的区域概率计算用户估计值、P(k)或者业务估计值，其中，所述用户估计值为所述预设区域内用户数量的估计值，所述P(k)为所述预设区域内存在k个用户的概率，所述业务估计值为所述预设区域内用户业务量的估计值；
所述根据所述预设数量用户的用户分布概率密度计算每一个用户的区域概率，包括：
根据第六公式
Figure FDA0002357922690000041
计算用户i的区域概率；
其中，Pi为所述用户i的区域概率，f(x)为所述用户i的用户分布概率密度，x为所述单位区域，X为所述预设区域；
其中，所述根据所述每一个用户的区域概率计算业务估计值，包括：
获取每一个有效用户的业务量，所述有效用户为区域概率大于0的用户；
根据第五公式
Figure FDA0002357922690000042
计算所述业务估计值；
其中，W为所述业务估计值，m为所述有效用户的数量，wi为所述有效用户中第i个用户的业务量，Pi为所述有效用户中第i个用户的区域概率。
14.根据权利要求13所述的方法，其特征在于，所述根据所述每一个用户的区域概率计算用户估计值，包括：
根据第一公式
Figure FDA0002357922690000043
计算所述用户估计值；
其中，U为所述用户估计值，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pi为第i个所述有效用户的区域概率。
15.根据权利要求13所述的方法，其特征在于，所述根据所述每一个用户的区域概率计算P(k)，包括：
根据第二公式
Figure FDA0002357922690000051
计算所述P(k)；
其中，
Figure FDA0002357922690000052
t为有效组合的数量，所述有效组合为所述预设区域内存在k个用户的组合，m为有效用户的数量，所述有效用户为区域概率大于0的用户，Pj(k)为所述有效组合的第j种组合中所述预设区域内存在k个用户的概率。
16.根据权利要求15所述的方法，其特征在于，所述根据所述每一个用户的区域概率计算用户估计值，包括：
根据第三公式
Figure FDA0002357922690000053
计算所述用户估计值；
其中，U为所述用户估计值。
17.根据权利要求15所述的方法，其特征在于，包括：
根据第四公式
Figure FDA0002357922690000054
计算所述Pj(k)；
其中，Yj为所述有效组合的第j种组合中用户的集合，Py为用户y的区域概率，Yj＝{y1.jy2.j ... yk.j}，yx,j(x＝1,2,…k)为所述Yj中的第x个用户。
CN201480077903.8A 2014-04-17 2014-04-17 一种数据处理方法及装置 Expired - Fee Related CN106465324B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2014/075559 WO2015157954A1 (zh) 2014-04-17 2014-04-17 一种数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN106465324A CN106465324A (zh) 2017-02-22
CN106465324B true CN106465324B (zh) 2020-08-07

Family

ID=54323385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480077903.8A Expired - Fee Related CN106465324B (zh) 2014-04-17 2014-04-17 一种数据处理方法及装置

Country Status (2)

Country Link
CN (1) CN106465324B (zh)
WO (1) WO2015157954A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646178A (zh) * 2009-08-25 2010-02-10 华为技术有限公司 一种确定中继站位置的方法及装置
CN101959204A (zh) * 2010-08-18 2011-01-26 北京邮电大学 分布式站点的布设方法及装置
CN102231884A (zh) * 2011-07-04 2011-11-02 重庆邮电大学 一种td-scdma集群容量和覆盖的联合设计方法
CN103262594A (zh) * 2011-02-10 2013-08-21 株式会社Ntt都科摩 区域范围估计装置和区域范围估计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8391889B2 (en) * 2011-06-03 2013-03-05 Apple Inc. Altitude estimation using a probability density function
CN102932796B (zh) * 2012-11-27 2015-05-20 西安电子科技大学 一种异构无线网络中基于覆盖频率的动态频谱分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646178A (zh) * 2009-08-25 2010-02-10 华为技术有限公司 一种确定中继站位置的方法及装置
CN101959204A (zh) * 2010-08-18 2011-01-26 北京邮电大学 分布式站点的布设方法及装置
CN103262594A (zh) * 2011-02-10 2013-08-21 株式会社Ntt都科摩 区域范围估计装置和区域范围估计方法
CN102231884A (zh) * 2011-07-04 2011-11-02 重庆邮电大学 一种td-scdma集群容量和覆盖的联合设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于连通性的无线传感器网络节点定位技术研究;张强;《万方》;20120903;正文第47-51页 *
无线传感器网络中能量空洞避免机制与策略研究;姜雪;《中国优秀硕士学位论文全文数据库信息科技辑》;20131215;正文第13-14页 *

Also Published As

Publication number Publication date
WO2015157954A1 (zh) 2015-10-22
CN106465324A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN109101989B (zh) 一种商户分类模型构建和商户分类方法、装置及设备
EP3525410A1 (en) Account login method, apparatus, and server
CN105991674B (zh) 一种信息推送方法和装置
US10776842B2 (en) Location-based obfuscation of user information
KR102498093B1 (ko) 사용자 디바이스 식별을 위한 방법 및 시스템
US9277483B2 (en) User geo-location pattern analysis
US20160366552A1 (en) Method and System for Determining a Positioning Interval of a Mobile Terminal
AU2016204607A1 (en) Determining location of a user device
US9651654B2 (en) Correcting device error radius estimates in positioning systems
CN112533209A (zh) 黑产识别方法及黑产识别装置
JP2015011107A (ja) 人口変化判断装置、及び人口変化判断方法
US20190147443A1 (en) Payment method based on mobile terminal and mobile terminal
CN109211250B (zh) 一种移动端的电子地图坐标自动转换的方法和装置
US10708880B2 (en) Electronic device and method for determining entry of region of interest of electronic device
JP2010130533A (ja) 位置算出サーバ、位置算出システム及び位置算出方法
CN113449986A (zh) 一种业务分配方法、装置、服务器及存储介质
CN111897850A (zh) 根据用户画像个性化生成逃生路线的方法、系统
CN106465324B (zh) 一种数据处理方法及装置
CN115426318B (zh) 优化数据传输方法及相关装置
CN108882165B (zh) 一种导航方法和装置
CN107247280B (zh) 一种定位认证和处理方法及装置
US10924890B2 (en) Device policy enforcement
CN114125813B (zh) 基于手机信令的信号覆盖范围确定方法及相关装置
CN106454884A (zh) 用于区分同名无线接入点的方法和设备
CN115412594B (zh) 定位指挥调度方法、装置及设备

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200807

Termination date: 20210417