CN106792985A - 一种移动终端接入点预测方法及装置 - Google Patents
一种移动终端接入点预测方法及装置 Download PDFInfo
- Publication number
- CN106792985A CN106792985A CN201611145085.8A CN201611145085A CN106792985A CN 106792985 A CN106792985 A CN 106792985A CN 201611145085 A CN201611145085 A CN 201611145085A CN 106792985 A CN106792985 A CN 106792985A
- Authority
- CN
- China
- Prior art keywords
- subsequence
- access point
- history
- candidate
- sequence
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/02—Access restriction performed under specific conditions
- H04W48/04—Access restriction performed under specific conditions based on user or terminal location or mobility data, e.g. moving direction, speed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种移动终端接入点预测方法及装置,可以从预先存储的移动终端的历史接入序列中,选出与历史接入序列相对应的若干尾匹配子序列;将每一尾匹配子序列在历史接入序列中对应的下一个历史接入点,确定为候选目标接入点,并记入第一候选集;确定每一候选目标接入点在第一候选集中的重复出现次数;根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算第一候选集中每一候选目标接入点的接入概率;将第一候选集中接入概率最大的候选目标接入点,确定为移动终端对应的下一个接入点预测结果。应用本发明实施例提供的方法及装置进行预测时,不仅可以缩短预测时间,提高预测效率,还可以提高预测准确率。
Description
技术领域
本发明涉及移动网络与业务技术领域,特别是涉及一种移动终端接入点预测方法及装置。
背景技术
随着移动终端使用位置的改变,移动终端所接入的网络或业务接入点也会发生改变,例如移动通信中的基站、无线局域网中的无线访问节点(Access Point,AP)、移动云计算中的云服务站点等。
移动终端接入点预测,是指根据移动终端的历史接入信息预测移动终端最有可能接入的下一个接入点。移动终端接入点预测的意义在于,通过预测下一个接入点,预先做好接入准备,降低移动终端改变网络/业务接入点时的通信或业务中断时间以及由此造成的服务质量下降。例如,在移动通信网络中,预测到下一个网络接入点后,可以预先进行接入点切换的准备(如网络地址分配),当用户移动到新的接入点时,只需要进行通信链路的转换即可,这不仅降低了接入点切换时延,还减少了因切换导致的丢包。
目前,主要通过记录移动终端的历史接入序列,并使用不同的方法从这些历史接入序列数据中挖掘移动终端的移动规律,进而预测出移动终端的下一个接入点;其中,历史接入序列是指,历史接入点按时间先后顺序排列所形成的数据序列,也即历史接入序列中存储的元素为历史接入点。
现有技术中提出了一种基于马尔可夫过程的预测方法,该方法需要构建复杂的隐马尔可夫模型,将历史接入序列作为可观测到的状态输入隐马尔可夫模型,将输出作为预测结果。但是,隐马尔可夫模型的构建与求解是一个非常复杂的过程,使得预测时间较长,预测效率低下。
申请号为“201310036220.5”的中国专利申请,提出了一种预测用户在当前小区驻留时长及将要进入的下一个小区的方法,该方法的大致过程为:首先从历史接入序列中搜寻出所有曾经紧接着当前小区后面出现的小区作为备选,之后计算预测进入下一小区的时刻与备选小区历史进入时刻的相关度,相关度最高的一个即为预测的下一个要进入的小区。该方法虽然能够提高预测效率,但是,由于只考虑了前后两个小区的切换关系,而实际应用中的切换关系较为复杂,因此预测准确率比较低。
申请号为“95196830.0”的中国专利申请,提出的一种基于已存入的移动终端先前的位置来预测移动终端下一个位置的方法,该方法的大致过程为:从历史接入序列选择多个子序列作为多个预存序列,将当前序列和多个预存序列分别进行比较,当前序列中包含了移动终端的当前位置和之前的多个位置,每个预存序列包含了移动终端的先前各位置;在当前序列与预存序列之间的匹配程度超过一个定量的量度时,使用相应的预存序列预测移动终端的下一个位置;其中,定量量度是当前序列中和预存序列中数值相等的位置数与当前序列中位置总数的比率。该方法虽然也具有较高的预测效率,但是,由于仅将当前序列与长度和数量有限的多个预存序列进行匹配,没有考虑序列之间的联系,因此预测准确率也不理想。
由此可见,如何既保证高的预测效率,又保证高的预测准确率仍然是一个亟待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种移动终端接入点预测方法及装置,以同时提高预测效率和预测准确率。
为了实现上述目的,本发明实施例提供了一种移动终端接入点预测方法,所述方法包括:
从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点;其中,所述尾匹配子序列为所述历史接入序列中,与所述历史接入序列的一个尾部序列相匹配的子序列,并且所述尾匹配子序列不属于任一尾匹配子序列的尾部子序列;
当每选出一个历史接入点时,将所选出的该历史接入点确定为候选目标接入点,并记入第一候选集;
确定每一候选目标接入点在所述第一候选集中的重复出现次数;
根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率;
将所述第一候选集中接入概率最大的候选目标接入点,确定为所述移动终端对应的下一个接入点预测结果。
可选地,在所述根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率前,所述方法还包括:
将所述第一候选集中符合预定条件的候选目标接入点删除;其中,所述预定条件为:在所述第一候选集中重复出现,并且对应的尾匹配子序列的长度,小于其他相同候选目标接入点对应的尾匹配子序列的长度。
可选地,所述尾匹配子序列中的元素与所述历史接入序列中的元素的关系满足:
S'k+j=Sn-l+j,j=0,…,l
其中,Sn-l+j为所述历史接入序列S=(S1,S2,…,Si,…,Sn)中的元素,n为所述历史接入序列的长度;S'k+j为所述尾匹配子序列S'=(S'k,S'k+1,…,S'k+j,…,S'k+l)中的元素,l为所述尾匹配子序列的长度,k为所述尾匹配子序列的第一个元素在所述历史接入序列中的序号。
可选地,所述根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率,包括:
根据所确定的重复出现次数,和各个目标候选接入点对应的尾匹配子序列的长度,以及第一预设模型,计算所述第一候选集中每一候选目标接入点的接入概率;
其中,第一预设模型为:
其中,ηj为所述第一候选集中第j个候选目标接入点的接入概率,m为所述第一候选集中存储的候选目标接入点的个数,tj为所确定的所述第j个候选目标接入点的重复出现次数,lj为所述第j个候选目标接入点对应的尾匹配子序列的长度,λ1和λ2为预设的权重系数,并且λ1+λ2=1。
可选地,在所述从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点前,所述方法还包括:
判断是否满足预设的预测触发条件,如果是,执行所述从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点的步骤。
可选地,所述预测触发条件为:所述移动终端持续移动的时间超过预设时间、所述移动终端持续移动的距离超过预设距离、所述移动终端与当前接入点的距离大于预设值和所述移动终端当前接入点的服务质量不满足预设要求中的一种或多种的组合。
可选地,所述方法还包括:
在监测到所述移动终端切换至新的接入点时,将该新的接入点保存到所述历史接入序列中。
为实现上述目的,本发明实施例还提供了一种移动终端接入点预测装置,所述装置包括:选择模块、候选目标接入点确定模块、重复出现次数确定模块、接入概率计算模块和预测结果确定模块,
所述选择模块,用于从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点;其中,所述尾匹配子序列为所述历史接入序列中,与所述历史接入序列的一个尾部序列相匹配的子序列,并且所述尾匹配子序列不属于任一尾匹配子序列的尾部子序列;
所述候选目标接入点确定模块,当每选出一个历史接入点时,将所选出的该历史接入点确定为候选目标接入点,并记入第一候选集;
所述重复出现次数确定模块,用于确定每一候选目标接入点在所述第一候选集中的重复出现次数;
所述接入概率计算模块,用于根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率;
所述预测结果确定模块,用于将所述第一候选集中接入概率最大的候选目标接入点,确定为所述移动终端对应的下一个接入点预测结果。
可选地,所述装置还包括:
删除模块,用于在触发所述接入概率计算模块前,将所述第一候选集中符合预定条件的候选目标接入点删除;其中,所述预定条件为:在所述第一候选集中重复出现,并且对应的尾匹配子序列的长度,小于其他相同候选目标接入点对应的尾匹配子序列的长度。
可选地,所述装置还包括:
判断模块,用于在触发所述选择模块前,判断是否满足预设的预测触发条件,如果是,再触发所述选择模块。
本发明实施例提供的一种移动终端接入点预测方法及装置,一方面,不需要构建复杂的预测模型;另一方面,能够从历史接入序列中选出数量较多、长度较长的若干尾匹配子序列,进而能够确定出数量较多的候选目标接入点,并且,在计算每一候选目标接入点的接入概率时,综合考虑了候选目标接入点对应的尾匹配子序列的长度,和候选目标接入点重复出现的次数。因此,应用本发明实施例提供的一种移动终端接入点预测方法进行预测时,不仅可以缩短预测所需要的时间,提高预测效率,还可以提高预测准确率。
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,下面将对实施例或现有技术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为本发明实施例提供的一种移动终端接入点预测方法的流程图;
图2为本发明实施例提供的一种移动终端接入点预测方法的原理示意图;
图3为本发明实施例提供的一种移动终端接入点预测装置的结构框图。
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、完整的描述,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。
为了解决现有技术存在的上述问题,本发明实施例提供了一种移动终端接入点预测方法和装置,应用于移动终端、移动通信网络中的基站、无线局域网中的无线访问节点(Access Point,AP)或云服务站点等设备。其中,移动终端可以为智能手机、笔记本电脑、平板电脑或移动电视等等。
下面首先对本发明实施例提供的一种移动终端接入点预测方法进行说明。
请参考图1,图1示出了本发明实施例提供的一种移动终端接入点预测方法的流程图。如图1所示,本发明实施例提供的一种移动终端接入点预测方法包括:
S101、从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点;
其中,所述尾匹配子序列为所述历史接入序列中,与所述历史接入序列的一个尾部序列相匹配的子序列,并且所述尾匹配子序列不属于任一尾匹配子序列的尾部子序列;
所述尾匹配子序列为与所述历史接入序列的一个尾部序列相匹配的子序列;
历史接入序列是指,历史接入点按时间先后顺序排列所形成的数据序列,也即历史接入序列中存储的元素为历史接入点。
更为具体的,历史接入序列中存储的元素,可以为能够唯一标识不同历史接入点的标识,例如,历史接入序列S1=(1,2,5,6,5,2,1,2,5,6,5,6,3,1,2,5,6),其中,元素1、2、3、4、5、6分别表示:接入点1、接入点2、接入点3、接入点4、接入点5和接入点6。
尾部序列是指,位于历史接入序列尾部的子序列。该子序列中存储的元素为:从历史接入序列最后一个元素开始,由后往前按序排列的至少2个历史接入序列中的元素。例如,上文所述的历史接入序列S1=(1,2,5,6,5,2,1,2,5,6,5,6,3,1,2,5,6)中的尾部序列(5,6)或者(1,2,5,6)。
在本发明实施例提供的一种具体实施方式中,确定尾匹配子序列的过程如下。
假设历史接入序列为S=(S1,S2,…,Si,…,Sn),如果历史接入序列中存在一个子序列S'=(S'k,S'k+1,…,S'k+j,…,S'k+l),且该子序列中的元素与历史接入序列中的元素满足如下关系:
S'k+j=Sn-l+j,j=0,…,l
则该子序列S'=(S'k,S'k+1,…,S'k+j,…,S'k+l)称为一个尾匹配子序列,其中,n为历史接入序列S的长度,l为尾匹配子序列S'的长度,k为尾匹配子序列S'的第一个元素在所述历史接入序列中的序号。
在本发明实施例提供的一种具体实施方式中,尾匹配子序列不属于任一尾匹配子序列的尾部子序列的判断方式如下:
如果存在这样两个尾匹配子序列:S'1=(S'k,S'k+1,…,S'k+j,…,S'k+l)和S'2=(S'k+j,…,S'k+l),则认为S'2=(S'k+j,…,S'k+l)属于S'1=(S'k,S'k+1,…,S'k+j,…,S'k+l)的尾部子序列,否则,不属于。
具体如图2所示,尾匹配子序列W1-2和W2-1均属于W3-1的尾部子序列,W1-3和W2-2均属于W3-1和W3-2的尾部子序列。
在实际应用过程中,可以从后向前,通过从历史接入序列的尾部开始至头部结束按序扫描的方式,选出尾匹配子序列。
当通过扫描的方式确定尾匹配子序列时,可以在每选出一个尾匹配子序列时,判断该尾匹配子序列是否属于任一尾匹配子序列的尾部子序列,如果是则将该尾匹配子序列丢弃,以在一次扫描过程中就确定出符合要求的尾匹配子序列,进而节省计算资源,缩短计算时间,提高预测效率。
S102、当每选出一个历史接入点时,将所选出的该历史接入点确定为候选目标接入点,并记入第一候选集;
可以理解的是,当通过扫描的方式选出尾匹配子序列时,可以每选出一个尾匹配子序列,就将该尾匹配子序列在所述历史接入序列中对应的下一个历史接入点,确定为候选目标接入点,并记入第一候选集;同时记录每一候选目标接入点对应的尾匹配子序列的长度。
在本发明实施例中,可以将第一候选集表示为:CAP-O=(TP1,TP2,…,TPi,…,TPs),其中,TPi表示一个候选目标接入点,s表示第一候选集中候选目标接入点的个数,候选目标接入点TPi对应的尾匹配子序列的长度为li。
下面仍以历史接入序列S1为例,同时参考图2对本发明实施例确定尾匹配子序列,以及第一候选集的过程进行说明。
步骤1、确定历史接入序列S1=(1,2,5,6,5,2,1,2,5,6,5,6,3,1,2,5,6)的第一个尾部序列W1=(5,6);对历史接入序列S1从尾部序列的前一个历史接入点2开始,至历史接入序列的头部结束,从后向前扫描,确定出与第一个尾部序列W1=(5,6)相匹配的三个尾匹配子序列W1-1、W1-2和W1-3。
步骤2、确定历史接入序列S1的第二个尾部序列W2=(2,5,6);对历史接入序列S1从尾部序列的前一个历史接入点1开始,至历史接入序列的头部结束,从后向前扫描,确定出与第二个尾部序列W2=(2,5,6)相匹配的两个尾匹配子序列W2-1和W2-2。
步骤3、确定历史接入序列S1的第三个尾部序列W3=(1,2,5,6);对历史接入序列S1从尾部序列的前一个历史接入点3开始,至历史接入序列的头部结束,从后向前扫描,确定出与第二个尾部序列W3=(1,2,5,6)相匹配的两个尾匹配子序列W3-1和W3-2。
从图2中可以看出,历史接入序列S1中存在为尾匹配子序列的尾部序列只有W1=(5,6)、W2=(2,5,6)和W3=(1,2,5,6)三个,因此,在步骤3结束后,已找出历史接入序列S1中所有的尾匹配子序列,共7个。
在实际应用中,由于历史接入序列的长度通常很长,因此能够找出的尾匹配子序列的数量很多,且长度也较长,使得确定的候选目标接入点也很多,这为提高预测准确率做好了充分的准备。
步骤1至步骤3结束后,可获得W1-1、W1-2、W1-3、W2-1、W2-2、W3-1和W3-2这7个尾匹配子序列。然而,由于W1-2和W2-1均属于W3-1的尾部子序列,W1-3和W2-2均属于W3-1和W3-2的尾部子序列,因此,需要将W1-2、W1-3、W2-1和W2-2从所述若干尾匹配子序列中剔除,获得符合要求的若干尾匹配子序列:W1-1、W3-1和W3-2,对应的候选目标接入点分别为:3、5、5,对应的尾匹配子序列的长度分别为:2、4、4。
可以理解的是,上述步骤1至步骤3均可以在一次扫描过程中完成,以节省计算资源,缩短计算时间,提高预测效率。
将所有的候选目标接入点记入第一候选集后,该第一候选集具体为:CAP-O=(3,5,5),该候选集中的各候选目标接入点对应的尾匹配子序列的长度(简称匹配长度)依次为:2、4、4,具体详见表1。
表1
S103、确定每一候选目标接入点在所述第一候选集中的重复出现次数;
确定每一候选目标接入点的重复出现次数的方式可以包括以下两种。
方式一,在将每一候选目标接入点记入第一候选集的过程中,记录每一候选目标接入点的出现次数,进而获得每一候选目标接入点的重复出现次数。
方式二,在将每一候选目标接入点记入第一候选集后,通过统计获得每一候选目标接入点的重复出现次数。
可以理解的是,当采用方式一时,上述步骤S101至S104均可以在扫描历史接入序列,确定候选目标接入点的过程中一次性完成,可以节省计算资源,缩短计算时间,进一步提高预测效率。
需要说明的是,由于方式一能够进一步提高预测效率,因此,方式一是一种更为优选的确定每一候选目标接入点的重复出现次数的方式。
当然,上述两种方式并非穷举,其他能够确定每一候选目标接入点在所述第一候选集中的重复出现次数的方式均适用于本发明。
以上文中确定出的第一候选集CAP-O=(3,5,5)为例,可以统计出该第一候选集中,候选目标接入点3出现了1次,候选目标接入点5出现了2次。
S104、根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率;
在本发明实施例提供的一种具体实施方式中,步骤S104具体可以包括:
根据所确定的重复出现次数,和各个目标候选接入点对应的尾匹配子序列的长度,以及第一预设模型,计算所述第一候选集中每一候选目标接入点的接入概率;
其中,第一预设模型为:
其中,ηj为所述第一候选集中第j个候选目标接入点的接入概率,m为所述第一候选集中存储的候选目标接入点的个数,tj为所确定的所述第j个候选目标接入点的重复出现次数,lj为所述第j个候选目标接入点对应的尾匹配子序列的长度,λ1和λ2为预设的权重系数,并且λ1+λ2=1。
需要说明的是,上述计算候选目标接入点的接入概率的方式仅仅是举例,可以理解的是,任何同时考虑了“候选目标接入点对应的尾匹配子序列的长度,和候选目标接入点在第一候选集中重复出现次数”这两个因素的接入概率计算方式均适用于本发明。
S105、将所述第一候选集中接入概率最大的候选目标接入点,确定为所述移动终端对应的下一个接入点预测结果。
本发明实施例提供的一种移动终端接入点预测方法,一方面,不需要构建复杂的预测模型;另一方面,能够从历史接入序列中选出数量较多、长度较长的若干尾匹配子序列,进而能够确定出数量较多的候选目标接入点,并且,在计算每一候选目标接入点的接入概率时,综合考虑了候选目标接入点对应的尾匹配子序列的长度,和候选目标接入点重复出现的次数。因此,应用本发明实施例提供的一种移动终端接入点预测方法进行预测时,不仅可以缩短预测所需要的时间,提高预测效率,还可以提高预测准确率。
发明人经过实验验证表明,应用本发明实施例提供的一种移动终端接入点预测方法进行预测的准确率均在90%以上。
可选地,在图1所示的实施例的基础上,本发明实施例提供的一种移动终端接入点预测方法,在执行步骤S104前,也即在根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率前,该方法还可以包括:
将所述第一候选集中符合预定条件的候选目标接入点删除;其中,所述预定条件为:在所述第一候选集中重复出现,并且对应的尾匹配子序列的长度,小于其他相同候选目标接入点对应的尾匹配子序列的长度。
可以理解的是,上述附加的步骤是对第一候选集进行去重的过程,也即将第一候选集中重复出现的候选目标接入点中,对应的尾匹配子序列长度最大的候选目标接入点保留,将其他候选目标接入点删除。
具体的,表2列出了对表1中所示的第一候选集去重后的第一候选集CAP-D。
表2
不难看出,去重后,由于计算量减小,因此,可以减少计算接入概率的时间,进一步提高了预测效率。另外,所保留的重复出现的候选目标接入点对应的尾匹配子序列相对最长,因此,去重后,预测准确率依然较高,发明人通过实验验证表明,预测准确率依然保持在90%以上。
具体的,发明人采用达特茅斯(Dartmouth)校园用户接入WiFi的历史接入序列,对本发明实施例提供的一种移动终端接入点预测方法进行了验证。
验证结果表明,当最短尾匹配子序列的长度在3-19之间时,本发明实施例提供的一种移动终端接入点预测方法的预测准确率,与最短尾匹配子序列的长度成正比,最短尾匹配子序列的长度越长,预测准确率越高;当最短尾匹配子序列的长度大于20时,本发明实施例提供的一种移动终端接入点预测方法的预测准确率维持在94%±1%。
因此,可选地,在应用本发明实施例提供的一种移动终端接入点预测方法时,可以限定尾匹配子序列的最短长度(以下简称最低匹配长度)不小于20,以提高预测准确率。
实验还对候选目标接入点对应的尾匹配子序列的长度,和候选目标接入点在第一候选集中的重复出现次数,这两个因素对预测准确率的影响程度分别进行了验证,这为设定第一预设模型中的权重系数λ1和λ2提供了参考。
(1)候选目标接入点在第一候选集中的重复出现次数
验证结果表明,在确定出第一候选集后,如果直接将在第一候选集中的重复出现次数最大的候选目标接入点确定为所预测的下一个接入点,预测准确率与最低匹配长度成正比,当最低匹配长度大于17时,预测准确率保持在85%±1%。
(2)候选目标接入点对应的尾匹配子序列的长度
验证结果表明,在确定出第一候选集后,如果直接将在第一候选集中,对应的尾匹配子序列的长度最长的候选目标接入点确定为所预测的下一个接入点,预测准确率也与最低匹配长度成正比,当最低匹配长度大于18时,预测准确率保持在88%±1%。
从上述验证结果可以看出,候选目标接入点对应的尾匹配子序列的长度对预测准确率的影响程度,略大于候选目标接入点在第一候选集中的重复出现次数对预测准确率的影响程度,因此,在设定第一预设模型中的权重系数λ1和λ2时,可以使λ1略大于λ2。
可选地,在图1所示的实施例的基础上,本发明实施例提供的一种移动终端接入点预测方法,在步骤S101前,也即在从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点前,所述方法还可以包括:
判断是否满足预设的预测触发条件,如果是,执行所述从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点的步骤;否则,不做任何处理。
其中,预测触发条件为:所述移动终端持续移动的时间超过预设时间、所述移动终端持续移动的距离超过预设距离、所述移动终端与当前接入点的距离大于预设值和所述移动终端当前接入点的服务质量不满足预设要求等中的一种或多种的组合。
需要说明的是,上述预测触发条件仅是举例,本领域技术人员还可以根据需要设置其他预测触发条件,这均是合理的。
可以看出,在满足预设的预测触发条件时,再执行步骤S101,可以避免移动终端盲目地、持续性的进行接入点预测,为移动终端、移动通信网络中的基站、无线局域网中的AP或云服务站点等设备节省了内存资源和电量。
可选地,在图1所示的实施例的基础上,本发明实施例提供的一种移动终端接入点预测方法,还可以包括:
在监测到所述移动终端切换至新的接入点时,将该新的接入点保存到所述历史接入序列中。
可以看出,利用该方法可以实时对移动终端的历史接入序列中存储的数据进行更新,而不需要额外的再通过其他方式获取移动终端的历史接入序列,为实施本发明提供了便利。
相应于上述方法实施例,本发明实施例还提供了一种移动终端接入点预测装置,具体如下。
如图3所示,本发明实施例提供的一种移动终端接入点预测装置,包括:选择模块301、候选目标接入点确定模块302、重复出现次数确定模块303、接入概率计算模块304和预测结果确定模块305。
选择模块301,用于从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点;其中,所述尾匹配子序列为所述历史接入序列中,与所述历史接入序列的一个尾部序列相匹配的子序列,并且所述尾匹配子序列不属于任一尾匹配子序列的尾部子序列;
候选目标接入点确定模块302,用于当每选出一个历史接入点时,将所选出的该历史接入点确定为候选目标接入点,并记入第一候选集;
重复出现次数确定模块303,用于确定每一候选目标接入点在所述第一候选集中的重复出现次数;
接入概率计算模块304,用于根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率;
预测结果确定模块305,用于将所述第一候选集中接入概率最大的候选目标接入点,确定为所述移动终端对应的下一个接入点预测结果。
本发明实施例提供的一种移动终端接入点预测装置,一方面,不需要构建复杂的预测模型;另一方面,能够从历史接入序列中选出数量较多、长度较长的若干尾匹配子序列,进而能够确定出数量较多的候选目标接入点,并且,在计算每一候选目标接入点的接入概率时,综合考虑了候选目标接入点对应的尾匹配子序列的长度,和候选目标接入点重复出现的次数。因此,应用本发明实施例提供的一种移动终端接入点预测方法进行预测时,不仅可以缩短预测所需要的时间,提高预测效率,还可以提高预测准确率。
发明人经过实验验证表明,应用本发明实施例提供的一种移动终端接入点预测装置进行预测的准确率均在90%以上。
可选地,在图3所示的实施例的基础上,本发明实施例提供的一种移动终端接入点预测装置,还可以包括:
删除模块,用于在触发所述接入概率计算模块304前,将所述第一候选集中符合预定条件的候选目标接入点删除;其中,所述预定条件为:在所述第一候选集中重复出现,并且对应的尾匹配子序列的长度,小于其他相同候选目标接入点对应的尾匹配子序列的长度。
不难看出,将所述第一候选集中符合预定条件的候选目标接入点删除后,由于计算量减小,因此,可以减少计算接入概率的时间,进一步提高了预测效率。另外,所保留的重复出现的候选目标接入点对应的尾匹配子序列相对最长,因此,去重后,预测准确率依然较高,发明人通过实验验证表明,预测准确率依然保持在90%以上。
可选地,在图3所示的实施例的基础上,本发明实施例提供的一种移动终端接入点预测装置,还可以包括:
判断模块,用于在触发所述选择模块301前,判断是否满足预设的预测触发条件,如果是,再触发所述选择模块301。
其中,预测触发条件为:所述移动终端持续移动的时间超过预设时间、所述移动终端持续移动的距离超过预设距离、所述移动终端与当前接入点的距离大于预设值和所述移动终端当前接入点的服务质量不满足预设要求等中的一种或多种的组合。
需要说明的是,上述预测触发条件仅是举例,本领域技术人员还可以根据需要设置其他预测触发条件,这均是合理的。
可以看出,在满足预设的预测触发条件时,再触发选择模块301,可以避免终端盲目地、持续性的进行接入点预测,为移动终端、移动通信网络中的基站、无线局域网中的AP或云服务站点等设备节省了内存资源和电量。
可选地,在图3所示的实施例的基础上,本发明实施例提供的一种移动终端接入点预测装置,还可以包括:
监测模块,用于在监测到所述移动终端切换至新的接入点时,将该新的接入点保存到所述历史接入序列中。
可以看出,利用该方法可以实时得对移动终端的历史接入序列中存储的数据进行更新,而不需要额外的再通过其他方式获取移动终端的历史接入序列,为实施本发明提供了便利。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,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,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种移动终端接入点预测方法,其特征在于,所述方法包括:
从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点;其中,所述尾匹配子序列为所述历史接入序列中,与所述历史接入序列的一个尾部序列相匹配的子序列,并且所述尾匹配子序列不属于任一尾匹配子序列的尾部子序列;
当每选出一个历史接入点时,将所选出的该历史接入点确定为候选目标接入点,并记入第一候选集;
确定每一候选目标接入点在所述第一候选集中的重复出现次数;
根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率;
将所述第一候选集中接入概率最大的候选目标接入点,确定为所述移动终端对应的下一个接入点预测结果。
2.根据权利要求1所述的方法,其特征在于,在所述根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率前,所述方法还包括:
将所述第一候选集中符合预定条件的候选目标接入点删除;其中,所述预定条件为:在所述第一候选集中重复出现,并且对应的尾匹配子序列的长度,小于其他相同候选目标接入点对应的尾匹配子序列的长度。
3.根据权利要求1所述的方法,其特征在于,所述尾匹配子序列中的元素与所述历史接入序列中的元素的关系满足:
S'k+j=Sn-l+j,j=0,…,l
其中,Sn-l+j为所述历史接入序列S=(S1,S2,…,Si,…,Sn)中的元素,n为所述历史接入序列的长度;S'k+j为所述尾匹配子序列S'=(S'k,S'k+1,…,S'k+j,…,S'k+l)中的元素,l为所述尾匹配子序列的长度,k为所述尾匹配子序列的第一个元素在所述历史接入序列中的序号。
4.根据权利要求1所述的方法,其特征在于,所述根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率,包括:
根据所确定的重复出现次数,和各个目标候选接入点对应的尾匹配子序列的长度,以及第一预设模型,计算所述第一候选集中每一候选目标接入点的接入概率;
其中,第一预设模型为:
其中,ηj为所述第一候选集中第j个候选目标接入点的接入概率,m为所述第一候选集中存储的候选目标接入点的个数,tj为所确定的所述第j个候选目标接入点的重复出现次数,lj为所述第j个候选目标接入点对应的尾匹配子序列的长度,λ1和λ2为预设的权重系数,并且λ1+λ2=1。
5.根据权利要求1所述的方法,其特征在于,在所述从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点前,所述方法还包括:
判断是否满足预设的预测触发条件,如果是,执行所述从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点的步骤。
6.根据权利要求5所述的方法,其特征在于,所述预测触发条件为:所述移动终端持续移动的时间超过预设时间、所述移动终端持续移动的距离超过预设距离、所述移动终端与当前接入点的距离大于预设值和所述移动终端当前接入点的服务质量不满足预设要求中的一种或多种的组合。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
在监测到所述移动终端切换至新的接入点时,将该新的接入点保存到所述历史接入序列中。
8.一种移动终端接入点预测装置,其特征在于,所述装置包括:选择模块、候选目标接入点确定模块、重复出现次数确定模块、接入概率计算模块和预测结果确定模块,
所述选择模块,用于从预先存储的移动终端的历史接入序列中,选出与若干尾匹配子序列所对应的下一个历史接入点;其中,所述尾匹配子序列为所述历史接入序列中,与所述历史接入序列的一个尾部序列相匹配的子序列,并且所述尾匹配子序列不属于任一尾匹配子序列的尾部子序列;
所述候选目标接入点确定模块,当每选出一个历史接入点时,将所选出的该历史接入点确定为候选目标接入点,并记入第一候选集;
所述重复出现次数确定模块,用于确定每一候选目标接入点在所述第一候选集中的重复出现次数;
所述接入概率计算模块,用于根据所确定的重复出现次数,以及各个目标候选接入点对应的尾匹配子序列的长度,计算所述第一候选集中每一候选目标接入点的接入概率;
所述预测结果确定模块,用于将所述第一候选集中接入概率最大的候选目标接入点,确定为所述移动终端对应的下一个接入点预测结果。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
删除模块,用于在触发所述接入概率计算模块前,将所述第一候选集中符合预定条件的候选目标接入点删除;其中,所述预定条件为:在所述第一候选集中重复出现,并且对应的尾匹配子序列的长度,小于其他相同候选目标接入点对应的尾匹配子序列的长度。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括:
判断模块,用于在触发所述选择模块前,判断是否满足预设的预测触发条件,如果是,再触发所述选择模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611145085.8A CN106792985B (zh) | 2016-12-13 | 2016-12-13 | 一种移动终端接入点预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611145085.8A CN106792985B (zh) | 2016-12-13 | 2016-12-13 | 一种移动终端接入点预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106792985A true CN106792985A (zh) | 2017-05-31 |
CN106792985B CN106792985B (zh) | 2017-12-12 |
Family
ID=58876405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611145085.8A Active CN106792985B (zh) | 2016-12-13 | 2016-12-13 | 一种移动终端接入点预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106792985B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107509223A (zh) * | 2017-06-30 | 2017-12-22 | 清华大学 | 一种虚拟小区的构建方法和装置 |
CN111372295A (zh) * | 2020-03-17 | 2020-07-03 | 重庆邮电大学 | 一种移动设备在工业无线网络中的跨信道无缝切换方法 |
CN112135333A (zh) * | 2019-06-25 | 2020-12-25 | 阿里巴巴集团控股有限公司 | 一种网络配置的方法及装置、电子设备、存储介质 |
CN113630801A (zh) * | 2020-08-12 | 2021-11-09 | 赵玉洁 | 基于大数据的网络状态监控管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1170493A (zh) * | 1994-10-26 | 1998-01-14 | 艾利森电话股份有限公司 | 用于检验和预测移动终端运动的方法和装置 |
CN103796163A (zh) * | 2013-11-03 | 2014-05-14 | 北京工业大学 | 一种接收信号强度排序指纹的室内定位方法 |
WO2014089417A3 (en) * | 2012-12-07 | 2014-07-31 | Digimarc Corporation | Physical context and cookies |
CN103974191A (zh) * | 2013-01-30 | 2014-08-06 | 华为技术有限公司 | 移动模式预测装置和方法 |
CN105095613A (zh) * | 2014-04-16 | 2015-11-25 | 华为技术有限公司 | 一种基于序列数据进行预测的方法及装置 |
-
2016
- 2016-12-13 CN CN201611145085.8A patent/CN106792985B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1170493A (zh) * | 1994-10-26 | 1998-01-14 | 艾利森电话股份有限公司 | 用于检验和预测移动终端运动的方法和装置 |
WO2014089417A3 (en) * | 2012-12-07 | 2014-07-31 | Digimarc Corporation | Physical context and cookies |
CN103974191A (zh) * | 2013-01-30 | 2014-08-06 | 华为技术有限公司 | 移动模式预测装置和方法 |
CN103796163A (zh) * | 2013-11-03 | 2014-05-14 | 北京工业大学 | 一种接收信号强度排序指纹的室内定位方法 |
CN105095613A (zh) * | 2014-04-16 | 2015-11-25 | 华为技术有限公司 | 一种基于序列数据进行预测的方法及装置 |
Non-Patent Citations (2)
Title |
---|
王宇航等: "《移动互联网中的位置隐私保护研究》", 《通信学报》 * |
谢代军: "《无线局域网室内定位技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107509223A (zh) * | 2017-06-30 | 2017-12-22 | 清华大学 | 一种虚拟小区的构建方法和装置 |
CN112135333A (zh) * | 2019-06-25 | 2020-12-25 | 阿里巴巴集团控股有限公司 | 一种网络配置的方法及装置、电子设备、存储介质 |
CN112135333B (zh) * | 2019-06-25 | 2024-04-02 | 阿里巴巴集团控股有限公司 | 一种网络配置的方法及装置、电子设备、存储介质 |
CN111372295A (zh) * | 2020-03-17 | 2020-07-03 | 重庆邮电大学 | 一种移动设备在工业无线网络中的跨信道无缝切换方法 |
CN113630801A (zh) * | 2020-08-12 | 2021-11-09 | 赵玉洁 | 基于大数据的网络状态监控管理系统 |
CN113630801B (zh) * | 2020-08-12 | 2024-04-26 | 西藏腾虎技术发展有限公司 | 基于大数据的网络状态监控管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106792985B (zh) | 2017-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106792985B (zh) | 一种移动终端接入点预测方法及装置 | |
CN107249200B (zh) | 一种应用模糊预测模型的切换方法 | |
CN104115525B (zh) | 检测网络中的相邻接入点 | |
CN101686474B (zh) | 无线蜂窝网络中的移动台实现小区快速选择方法 | |
AU2016276256B2 (en) | Efficient battery tester | |
CN106102079B (zh) | 基于改进pso的c-ran载波迁移资源需求预测方法 | |
CN107015892A (zh) | 一种压力测试方法、装置和系统 | |
CN108282837A (zh) | 一种小区切换方法、相关设备和系统 | |
CN109768869A (zh) | 一种业务预测方法、系统和计算机存储介质 | |
CN110351787A (zh) | 基于小区重选的处理方法、装置、相关设备及存储介质 | |
CN109634820A (zh) | 一种云端移动端协同的故障预警方法、相关设备及系统 | |
CN101197749A (zh) | 星型连接的点对点无线网络中的主机选定方法及具有主机选定功能的终端 | |
KR20100097750A (ko) | 셀룰러 네트워크의 사용자 이동성 모델을 생성하는 방법 및 장치 | |
CN111465025A (zh) | 一种基于新型容量预测模型的旅游城市5g网络组网方法 | |
CN110019989A (zh) | 一种数据处理方法及装置 | |
CN104394202A (zh) | 一种移动社会网络中的节点活跃度量化方法 | |
CN106156245A (zh) | 一种电子地图中的线要素合并方法及装置 | |
CN115562297A (zh) | 一种目标点确定方法、装置、设备及存储介质 | |
CN109471852A (zh) | 医疗数据库建立方法、装置、计算机设备和存储介质 | |
CN115629883A (zh) | 资源预测方法、装置、计算机设备及存储介质 | |
CN106488516B (zh) | 用户终端及其小区切换方法及装置 | |
CN110958565A (zh) | 计算信号距离的方法、装置、计算机设备和存储介质 | |
CN109151862A (zh) | 一种基站信息快速配置方法、存储介质及移动终端 | |
CN109598789A (zh) | 基于bim的住宅二级数模建模方法、系统及其存储介质 | |
CN108536811A (zh) | 基于机器学习的语音交互路径确定方法及装置、存储介质、终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |