CN106982413B - 一种区域客流趋势的预测方法及装置 - Google Patents
一种区域客流趋势的预测方法及装置 Download PDFInfo
- Publication number
- CN106982413B CN106982413B CN201610027157.2A CN201610027157A CN106982413B CN 106982413 B CN106982413 B CN 106982413B CN 201610027157 A CN201610027157 A CN 201610027157A CN 106982413 B CN106982413 B CN 106982413B
- Authority
- CN
- China
- Prior art keywords
- user
- area
- probability
- boundary
- target
- 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
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及通信技术领域,尤其涉及一种区域客流趋势的预测方法及装置,用以解决现有技术预测区域客流趋势准确性差的技术问题,包括:使用现有的已经架设好的基站对应的蜂窝小区来检测用户的移动终端信号,从而可以定位用户移动情况,首先确定统计区域内各个蜂窝小区在第一时长的用户移动信息,生成用户移动矩阵,并进一步确定统计区域中的目标区域中用户的停留概率和邻区用户移入概率,从而可以确定在第二时长结束时刻目标区域的用户总数,该方法使用了现有通信设备,无需投入新的硬件资源的建设,节约了资源,同时该方法还考虑了目标区域的邻区用户向目标区域的移入情况,从而使得目标区域的用户预测更加准确。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种区域客流趋势的预测方法及装置。
背景技术
在节假日,各旅游景点、重要公共场所经常会出现大规模客流,在重大活动现场,也会出现密集人群。如果现场管理不到位,容易出现拥堵、挤压的险情,极端情况下,就有可能发生类似“上海12·31外滩踩踏”的事件。因此当前公共区域的客流管理成为公众安全管理的重要环节,一方面要准确、及时地掌握当前区域内的客流信息,另一方面要能够对客流的变化趋势做出预测,以便提前部署各种管理、响应措施。
现有的获取客流信息的技术方案,根据信息采集来源,主要分为两类,第一类是来自现场采集的数据,例如出入口计数、传感器识别、图像识别等;第二类是来自交通、通信等行业的统计数据。预测客流变化趋势的技术方案,一般是基于同一区域或同类区域的历史数据,应用数学模型进行拟合和预测。
现有技术方案中,基于现场采集的客流统计方法的缺点主要在于:局限在有明确区域边界的场景(如出入口计数),或需要部署较多监测硬件、成本较高(如传感器、拍照/摄像),或算法复杂,统计准确性低(如拍照识别)。
现有的利用移动通信系统的统计数据进行客流统计或预测的技术方案,其局限在于,仅统计有信令消息的用户,即一段时间内与网络有交互的用户。这种方案只有在统计周期较长的情况下才相对准确,统计周期越短,结果偏差越大,无法满足客流监测的实时性要求。
此外现有技术方案受数据采集或预测算法限制,都仅关注需要统计客流的目标区域,未将周边区域的客流信息应用于目标区域的客流监测。
综上所述,现有技术在预测区域客流趋势时,仅考虑目标区域的客流情况,未考虑周边客流变化对目标区域客流带来的影响,同时现有的预测方法需要建设较多的硬件资源,因而也比较浪费,并且统计的准确性也较差。
发明内容
本发明提供一种区域客流趋势的预测方法及装置,用以解决现有技术在预测区域客流趋势时,仅考虑目标区域的客流情况,未考虑周边客流变化对目标区域客流带来的影响,同时现有的预测方法需要建设较多的硬件资源,因而也比较浪费,并且统计的准确性也较差的技术问题。
一方面,本发明实施例提供一种区域客流趋势的预测方法,包括:
分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;其中所述统计区域包括目标区域和至少一层边界区域;所述目标区域不小于进行客流预测的区域,所述目标区域位于所述统计区域的中心,所述边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,所述目标相邻区域为所述边界区域的相邻区域中靠近所述客流预测的区域的相邻区域;
根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵;其中所述用户迁移矩阵中的一个元素表示一个蜂窝小区的一种用户移动情况;
根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
根据所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
可选地,所述根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵,包括:
根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵。
可选地,所述统计区域包括目标区域和一层边界区域;
所述根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,包括:
根据所述第一时长内的用户迁移矩阵,确定所述目标区域在所述第一时长内的用户停留总数及所述边界区域在所述第一时长内向所述目标区域用户迁移的数量;
根据所述目标区域在所述第一时长内的用户停留总数及所述目标区域在所述第一时长开始时刻的用户总数,确定所述目标区域的用户停留概率;
根据所述边界区域在所述第一时长内向所述目标区域用户迁移的数量及所述目标区域在所述第一时长开始时刻的用户总数,确定所述边界区域的用户移入概率。
可选地,所述统计区域包括目标区域和两层边界区域;
预测所述目标区域在所述第二时长结束时刻的用户总数之后,还包括:
根据所述第一时长内的用户迁移矩阵,确定目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率;
根据所述目标区域的用户移出概率、所述第一边界区域的用户停留概率及所述第二边界区域的接近概率,预测所述第一边界区域在所述第二时长结束时刻的用户总数;
根据预测的所述目标区域在所述第二时长结束时刻的用户总数及所述第一边界区域在所述第二时长结束时刻的用户总数,预测所述目标区域在第三时长结束时刻的用户总数;
其中,所述第一边界区域为所述两层边界区域中靠近所述目标区域的边界区域,所述第二边界区域为两层边界区域的另一层边界区域。
可选地,根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率之后,还包括:
根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
可选地,根据下列公式预测所述目标区域在第二时长结束时刻的用户总数:
其中,R0表示所述目标区域,R1表示与所述目标区域相邻的边界区域,ti+1为第二时长的结束时刻,ti为与所述第二时长相邻的上一时长的结束时刻,为所述目标区域在ti+1时刻的用户总数,为所述目标区域在ti时刻的用户总数,为与所述目标区域相邻的边界区域在ti时刻的用户总数,为所述目标区域在ti时刻的用户停留概率,为与所述目标区域相邻的边界区域在ti时刻的用户移入概率,0≤i≤所述边界区域数量-1。
另一方面,本发明实施例提供一种区域客流趋势的预测装置,包括:
用户移动信息确定单元,用于分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;其中所述统计区域包括目标区域和至少一层边界区域;所述目标区域不小于进行客流预测的区域,所述目标区域位于所述统计区域的中心,所述边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,所述目标相邻区域为所述边界区域的相邻区域中靠近所述客流预测的区域的相邻区域;
用户迁移矩阵生成单元,用于根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵;其中所述用户迁移矩阵中的一个元素表示一个蜂窝小区的一种用户移动情况;
概率确定单元,用于根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
目标区域用户总数预测单元,用于根据所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
可选地,所述用户迁移矩阵生成单元,具体用于:
根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵。
可选地,所述统计区域包括目标区域和一层边界区域;
所述概率确定单元,具体用于:
根据所述第一时长内的用户迁移矩阵,确定所述目标区域在所述第一时长内的用户停留总数及所述边界区域在所述第一时长内向所述目标区域用户迁移的数量;
根据所述目标区域在所述第一时长内的用户停留总数及所述目标区域在所述第一时长开始时刻的用户总数,确定所述目标区域的用户停留概率;
根据所述边界区域在所述第一时长内向所述目标区域用户迁移的数量及所述目标区域在所述第一时长开始时刻的用户总数,确定所述边界区域的用户移入概率。
可选地,所述统计区域包括目标区域和两层边界区域;
所述目标区域用户总数预测单元,还用于:
预测所述目标区域在所述第二时长结束时刻的用户总数之后,根据所述第一时长内的用户迁移矩阵,确定目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率;
根据所述目标区域的用户移出概率、所述第一边界区域的用户停留概率及所述第二边界区域的接近概率,预测所述第一边界区域在所述第二时长结束时刻的用户总数;
根据预测的所述目标区域在所述第二时长结束时刻的用户总数及所述第一边界区域在所述第二时长结束时刻的用户总数,预测所述目标区域在第三时长结束时刻的用户总数;
其中,所述第一边界区域为所述两层边界区域中靠近所述目标区域的边界区域,所述第二边界区域为两层边界区域的另一层边界区域。
可选地,所述概率确定单元,还用于:
根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
所述目标区域用户总数预测单元,还用于:
根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
可选地,目标区域用户总数预测单元,具体用于根据下列公式预测所述目标区域在第二时长结束时刻的用户总数:
其中,R0表示所述目标区域,R1表示与所述目标区域相邻的边界区域,ti+1为第二时长的结束时刻,ti为与所述第二时长相邻的上一时长的结束时刻,为所述目标区域在ti+1时刻的用户总数,为所述目标区域在ti时刻的用户总数,为与所述目标区域相邻的边界区域在ti时刻的用户总数,为所述目标区域在ti时刻的用户停留概率,为与所述目标区域相邻的边界区域在ti时刻的用户移入概率,0≤i≤所述边界区域数量-1。
本发明实施例提供的方法,使用现有的已经架设好的基站对应的蜂窝小区来检测用户的移动终端信号,从而可以定位用户移动情况,首先确定统计区域内各个蜂窝小区在第一时长的用户移动信息,生成用户移动矩阵,并进一步确定统计区域中的目标区域中用户的停留概率和邻区用户移入概率,从而可以确定在第二时长结束时刻目标区域的用户总数,该方法使用了现有通信设备,无需投入新的硬件资源的建设,节约了资源,同时该方法还考虑了目标区域的邻区用户向目标区域的移入情况,从而使得目标区域的用户预测更加准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1(a)为本发明实施例所适用的一种应用场景;
图1(b)为本发明实施例所适用的另一种应用场景;
图1(c)为图1(a)中场景的详细示意图;
图2为本发明实施例提供的区域客流趋势的预测方法流程图;
图3为本发明实施例提供的区域客流趋势的预测方法详细流程图;
图4为本发明实施例提供的区域客流趋势的预测装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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。
统计区域包含一个目标区域和至少一层边界区域,其中,目标区域为无线信号覆盖到监测区域的所有移动通信蜂窝小区组成的区域,监测区域指的是客流量较大的需要进行监测的实际区域,例如一个大型展馆、体育场、上海外滩区域等等,目标区域不小于进行客流预测的区域,即目标区域不小于监测区域;边界区域可以是环状区域,如图1(a)、图1(b)所示,也可以是其它形状,为方便描述,本发明中以图1(a)和图1(b)所示的边界区域为环状区域为例进行说明。边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,目标相邻区域为边界区域的相邻区域中靠近客流预测的区域的相邻区域。
此处“信令交互”在本发明中,不是指两个蜂窝小区之间有直接的信令收发关系,而是指存在用户从一个小区直接迁移到另一个小区的关系。关系的具体表现可以是“切换”(用户正在使用移动通信业务,有明确的切换信令)、或“迁移”(用户未使用业务,无信令,但是通过实地测试确定两个小区的覆盖相邻,用户可以从一个小区直接移动到另一个小区范围)。
下面结合图1(a)和图1(b)进行说明,其中,图1(a)为本发明实施例所适用的一种应用场景,包含一个目标区域R0和一层边界区域R1,目标区域R0中包含4个蜂窝小区,分别为c1,c2,c3,c4,由这4个蜂窝小区的信号所覆盖的区域构成了目标区域R0,并且目标区域R0不小于监测区域;在目标区域的外侧,有边界区域R1,该边界区域为环状,包含d1,d2,d3,d4,d5,d6,d7这7个蜂窝小区,并且边界区域R1中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,目标相邻区域为边界区域的相邻区域中靠近所述客流预测的区域的相邻区域在图1(a)中,边界区域R1的目标相邻区域为R0,并且R1中的蜂窝小区与R0中的至少一个蜂窝小区为邻区关系或者有信令交互,其中,两个蜂窝小区是否有邻区关系可以根据现场路测结果确定,也可以蜂窝小区间的距离来确定,两个蜂窝小区是否有信令交互,可以根据移动通信网络中的参数设置来确定,也可以从已采集到的信令中有关切换事件的记录中获取。统计区域之外的区域可以使用Rout来表示。
图1(b)给出了另外一种应用场景,包括一个目标区域R0和两层边界区域,两层边界区域分别为第一边界区域R1和第二边界区域R2,其中第一边界区域R1与目标区域R0相邻,即第一边界区域R1中各个蜂窝小区与目标区域R0中至少一个蜂窝小区为邻区关系或有信令交互,边界区域R2与第一边界区域R1相邻,即第二边界区域R2中各个蜂窝小区与第一边界区域R1中至少一个蜂窝小区为邻区关系或有信令交互。统计区域之外的区域可以使用Rout来表示。
图1(a)和图1(b)只是示例性地给出了区域的划分方式,实际应用中,统计区域包含一个目标区域,该目标区域覆盖监测区域,以及包含至少一层边界区域,边界区域的具体数量不限制。
以图1(a)所示的场景为例,本发明实施例给出了图1(a)中场景的详细示意图,如图1(c)所示。其中,图中阴影部分表示监测区域,即真实存在的某个场景,如一个大型展馆、体育场、上海外滩区域等,其中R0为目标区域,由覆盖监测区域的至少一个蜂窝小区组成,通过调整蜂窝小区的覆盖参数,可以实现目标区域R0与监测区域范围基本相同,即图1(c)中的阴影部分与R0区域基本重合。图1(c)中,R0由4个蜂窝小区构成,分别为c1,c2,c3和c4,每个蜂窝小区覆盖部分区域,R1为边界区域,由与目标小区R0中的蜂窝小区相邻的蜂窝小区或者是与目标小区R0中的蜂窝小区有信令交互的小区组成,图1(c)中,R1包含蜂窝小区d1,d2,d3,d4,d5,d6和d7,每个蜂窝小区覆盖部分区域。
边界区域的数量的多少主要影响对目标区域客流预测的时间距离,当统计区域包含一个目标区域和一层边界区域时,可以根据当前周期结束时的统计区域客流情况,预测下一个周期结束时目标区域内的客流量;当统计区域包含一个目标区域和两层边界区域时,可以根据当前周期结束时的统计区域客流情况,预测下两个周期结束时目标区域内的客流量,以此类推,当统计区域包含一个目标区域和n层边界区域时,可以根据当前周期结束时的统计区域客流情况,预测下n个周期结束时目标区域内的客流量,即边界区域的数量决定了对目标区域进行客流量预测的距离,边界区域越多,对目标区域进行客流量预测的时间距离就越远。
举例来说,当前为t1时刻,如果统计区域包含一个目标区域和一层边界区域,则根据本发明方法可以预测下个周期结束时刻,例如t2时刻目标区域的客流量;如果统计区域包含一个目标区域和两层边界区域,则根据本发明方法可以预测下两个周期结束时刻,例如t2时刻和t3时刻目标区域的客流量等等。
下面结合说明书附图对本发明实施例作进一步详细描述,如图2所示,本发明实施例提供一种区域客流趋势的预测方法,包括:
步骤201、分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;
其中所述统计区域包括目标区域和至少一层边界区域;所述目标区域不小于进行客流预测的区域,所述目标区域位于所述统计区域的中心,所述边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,所述目标相邻区域为所述边界区域的相邻区域中靠近所述客流预测的区域的相邻区域;
步骤202、根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵;其中所述用户迁移矩阵中的一个元素表示一个蜂窝小区的一种用户移动情况;
步骤203、根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
步骤204、根据所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
上述步骤201中,第一时长为预先设定的一个周期时长,设定的周期时长根据实际需要选取,比如可以选定为5分钟,则表示每隔5分钟对目标区域的客流量(即目标区域的用户总数)进行一次预测,当然也可以选定3分钟,10分钟等其它周期时长。第一时长有开始时刻和结束时刻,例如第一时长开始时刻为t1,结束时刻为t2。
用户移动信息指的是统计区域内的所有用户的迁移信息,包含一个用户在第一时长开始时刻处于哪个蜂窝小区,该用户在第一时长结束时刻处于哪个蜂窝小区。目前,由于移动通信终端的普及,手机渗透率接近100%,因此可以通过用户手机的信令事件来定位用户的位置。
在实际操作中,可以是在每个时长内持续采集用户信令,每次信令事件对应一条CDR记录,在一个周期时长内,每个用户可有多条CDR记录,每条CDR中包含时间标识,用户标识及位置标识等必要信息,时间标识表示信令事件中最末一条信令的发生时间,用户标识是在发生本次信令事件的用户在该通信系统中唯一编号,如MSISDN(移动用户号码)或IMSI(国际移动用户识别码),位置标识是该次信令事件中用户所在移动蜂窝小区的编码,如CGI(全球小区识别码)。其中,一次信令事件可以是用户拨打电话、发送短信、位置的移动、小区切换、上网等事件。如果一个用户对应有多条信令事件,则以该用户最后一次信令事件中记录的位置标识为依据来确定用户的位置。
其中,移动通信系统的信令采集和解析方法是现有的技术,在此不再过多赘述,采集的信令接口涉及Mc接口、2G系统A接口、3G系统的Iu-CS接口、4G系统的S1-MME接口等。
通过步骤201,可以通过第一时长开始时刻统计区域内每个用户所处的蜂窝小区和第一时长结束时刻统计区域内每个用户所在的蜂窝小区,确定一个用户在第一时长内的移动情况,进而可以分别确定统计区域内各个蜂窝小区在第一时长内的用户移动信息。以图1(b)中目标区域R0中的蜂窝小区c1为例,假设在第一时长开始时刻,c1中有20个用户,在第一时长结束时刻,c1小区中有50个用户;以第一边界区域R1中的蜂窝小区d2为例,假设在第一时长开始时刻,d2中有10个用户,在第一时长结束时刻,d2小区中有40个用户等,因而可以根据第一时长内采集到的用户信令,确定第一时长结束时统计区域内每个蜂窝小区的用户移动信息,具体地,可以确定每个蜂窝小区在第一开始时刻和第一时长结束时刻的用户数。
上述步骤202中,根据在第一时长的用户移动信息,生成统计区域在第一时长内的用户迁移矩阵,其中用户迁移矩阵中的一个元素表示一个蜂窝小区的一种用户移动情况。
根据在第一时长的用户移动信息,生成统计区域在第一时长内的用户迁移矩阵,用户迁移矩阵主要记录了第一时长内用户的迁移情况,由于用户迁移矩阵主要用于预测目标区域的客流趋势,因此用户迁移矩阵中的元素较佳地应该可以反映蜂窝小区中用户的变化情况,因此用户迁移矩阵中的一个元素可以是表示某个蜂窝小区的用户变化情况。
比如用户迁移矩阵可以是通过一个1*N的矩阵来表示,其中每个元素表示一个蜂窝小区的用户移出或移入的数量,元素为负数则表示移出,元素为正数则表示移入,N为统计区域内的蜂窝小区总数,例如用户迁移矩阵B=[b1,b2,...,bN],以b1为例,如果蜂窝小区1在第一时长开始时刻有40个用户,在第一时长结束时刻有90个用户,则b1为50。
上述方法中使用的用户迁移矩阵可以反映每个蜂窝小区的用户移动情况,但是还不够详细,比如其中的某个元素bi(i=1,2,…,N)只是反映了蜂窝小区i中用户移出或移入的数量,但无法具体知道蜂窝小区i中的用户是移动到了哪些蜂窝小区,以及是从哪些蜂窝小区移入到蜂窝小区i,因此,为了后续可以更加方便地进行预测目标区域的客流趋势,可以使用下列方式生成用户迁移矩阵:
可选地,所述根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵,包括:
根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵。
上述方法,首先确定统计区域内的每个用户在第一时长开始时刻和第一时长结束时刻所在的蜂窝小区,然后确定每个蜂窝小区向统计区域内任意一个蜂窝小区(包括蜂窝小区自身)用户迁移的数量,进而生成用户迁移矩阵。例如可以使用一个(N+1)*(N+1)的矩阵H来表示用户迁移矩阵,其中N为统计区域内蜂窝小区的总数。
在用户迁移矩阵H中,元素hi,j(i=0,1,...,N-1,j=0,1,...,N-1,i≠j)表示在第一时长内从蜂窝小区i移动到蜂窝小区j的用户总数,元素hi,i(i=0,1,...,N-1)表示在第一时长内停留在蜂窝小区i的用户总数,元素hi,out(i=0,1,...,N-1)表示在第一时长内从蜂窝小区i移动到统计区域之外的用户数,元素hout,j(j=0,1,...,N-1)表示在第一时长内从统计区域之外移动到蜂窝小区j的用户数,元素hout,out表示在第一时长内停留在统计区域之外的用户数。
为了方案的完备性,此处在用户迁移矩阵中也加入了对hout,out的说明,由于实际应用中hout,out无法做统计,因此本发明中参数hout,out并没有被使用到。
其中,蜂窝小区i(i=0,1,...,N-1)指的统计区域中的N个蜂窝小区中的任一个,包括目标区域中的所有蜂窝小区(如c1,c2等),所有边界区域中的蜂窝小区(如d1,d2,d3等,e1,e2,e3等),out指的是统计区域之外的区域。
为方便理解,下面结合图1(b),举例说明上述矩阵中的某个元素的含义。假设针对图1(b)中的R1区域中的蜂窝小区d2和R0区域中的蜂窝小区c1,假设在第一时长内,有100个用户从蜂窝小区d2迁移到了蜂窝小区c1,则元素hd2,c1=100表示。再比如,在第一时长内,在目标区域R0中的蜂窝小区c2中检测到有200个新用户进入了统计区域(第一时长开始时刻这些用户在统计区域之外或者是这些用户在第一时长开始时刻一直处于关机状态),则可以用元素hout,c2=200来表示。
上述步骤203中,目标区域的用户停留概率指的是目标区域中的用户停留在目标区域中的概率。例如以图1(b)为例,第一时长结束时刻,用户A在目标区域R0中的蜂窝小区c1中,第二时长结束时刻,用户A在目标区域中的蜂窝小区c3中,即第二时长结束时刻,用户A还是在目标区域中,即用户A是停留在目标区域中的。
与目标区域相邻的边界区域的用户移入概率指的是与目标区域相邻的边界区域的用户从与目标区域相邻的边界区域中的用户迁入到目标区域的概率,以图1(b)为例,与目标区域相邻的边界区域即为R1区域,在第一时长结束时刻用户B在R1区域中的d3区域,在第二时长结束时刻,用户B在R0区域中的c2区域,则表明用户B从R1区域迁入到了R0区域。
以统计区域包括目标区域和一层边界区域为例来说明,具体如何根据第一时长内的用户迁移矩阵,确定目标区域的用户停留概率及与目标区域相邻的边界区域的用户移入概率,如图1(a)所示,目标区域用R0表示,与目标区域相邻的边界区域用R1表示。
可选地,所述统计区域包括目标区域和一层边界区域;所述根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,包括:
根据所述第一时长内的用户迁移矩阵,确定所述目标区域在所述第一时长内的用户停留总数及所述边界区域在所述第一时长内向所述目标区域用户迁移的数量;
根据所述目标区域在所述第一时长内的用户停留总数及所述目标区域在所述第一时长开始时刻的用户总数,确定所述目标区域的用户停留概率;
根据所述边界区域在所述第一时长内向所述目标区域用户迁移的数量及所述目标区域在所述第一时长开始时刻的用户总数,确定所述边界区域的用户移入概率。
上述方法中,目标区域用户停留概率可以使用下列公式进行计算:其中,表示第一时长结束时刻目标区域用户停留概率,
hR0,R0表示第一时长内目标区域R0中的用户停留总数,表示第一时长开始时刻目标
区域中的用户总数,是可以根据用户迁移矩阵计算出来的,hR0,R0可以根据下列公式
计算:cm表示目标区域R0中的一个蜂窝小
区,cn表示目标区域R0中的一个蜂窝小区,Nc表示目标区域R0中蜂窝小区的数量,表示
第一时长内从蜂窝小区cm移动到蜂窝小区cn的用户数量。
与目标区域相邻的边界区域(即边界区域R1)的用户移入概率可以使用下列公式
进行计算:其中,表示第一时长结束时刻与目标区域相
邻的边界区域的用户移入概率,hR1,R0表示第一时长内与目标区域相邻的边界区域R1向目标
区域R0迁移的用户数,表示第一时长开始时刻边界区域R1的用户总数,是可
以根据用户迁移矩阵计算出来的,hR1,R0可以根据下列公式计算:du表示与边界区域R1中的一个蜂窝小区,
cn表示目标区域R0中的一个蜂窝小区,Nc表示目标区域R0中蜂窝小区的数量,Nd表示与目标
区域相邻的边界区域中蜂窝小区的数量,表示第一时长内从边界区域R1中的蜂窝小
区du移动到目标区域R0中的蜂窝小区cn的用户数量。
上述方法,在统计区域包含一个目标区域和一层边界区域时,可以通过上述方法计算出第一时长结束时刻目标区域R0的用户停留概率以及边界区域R1的用户移入概率
上述步骤204中,根据目标区域的用户停留概率及与目标区域相邻的边界区域的用户移入概率,预测目标区域在第二时长结束时刻的用户总数。
对于第一时长和第二时长的关系,在这里做以下说明。假设第一时长的开始时刻为t0,结束时刻为t1。
如果统计区域包含一个目标区域和一层边界区域,如图1(a)所示的情形,则第二时长的开始时刻为t1,第二时长的结束时刻为t2,并且实际应用中,任意两个时长可以设定为相同时长,比如t0到t1为5分钟,t1到t2也为5分钟。即统计区域包含一个目标区域和一层边界区域时,可以根据当前t1时刻的相关信息,预测第二时长结束时刻(即t2时刻)目标区域的客流量。
如果统计区域包含一个目标区域和两层边界区域,如图1(b)所示的情形,则第一时长为t0到t1,假设之后的两个时长分别为t1到t2,以及t2到t3,则第二时长指的是t1到t2这段时长,也可以指t2到t3这段时长,即第二时长是一个泛指,表示第一时长之后的任一个时长,由于统计区域包含一个目标区域和两层边界区域时,本发明方法可以预测第一时长之后两个时长结束时刻的目标区域客流量,即可以预测第二时长结束时刻(即t2时刻或者t3时刻)目标区域的客流量。
依次类推,如果统计区域包含一个目标区域和n层边界区域,第一时长为t0到t1,第一时长之后的任一时长为ti到ti+1,则本发明方法可以预测第一时长之后n个时长结束时刻的目标区域客流量,即可以预测第二时长结束时刻(即ti时刻(i=2,3,…,n+1))目标区域的客流量。下面分别举例说明。
第一种情形、统计区域包含一个目标区域和一层边界区域
可以通过下列公式计算目标区域在第二时长结束时刻的客流情况(可参考图1(a)):
t2时刻:
其中,R0表示目标区域,R1表示边界区域,第一时长为t0到t1,第二时长为t1到t2,即t2为第二时长的结束时刻,t1为第一时长的结束时刻(也可以理解为第二时长的开始时刻),并且,当前是处于t1时刻(即第一时长的结束时刻),需要来预测第二时长结束时刻(即t2时刻)目标区域的客流量(即用户总数)。
为预测的目标区域在t2时刻的用户总数,为目标区域在t1时刻的用户总数,为边界区域R1在t1时刻的用户总数,为目标区域R0在t1时刻的用户停留概率,为边界区域R1在t1时刻的用户移入概率。
下面举个具体的例子来说明。假设一个时长取值为5分钟,t0为11:00:00时刻,t1为11:05:00,t2为11:10:00,第一时长为从11:00:00到11:05:00,第二时长为从11:05:00到11:10:00。
假设t0时刻目标区域R0中的用户总数为800,t0时刻边界区域R1中的用户总数为500,t1时刻目标区域R0中的用户总数为1000,t1时刻边界区域R1中的用户总数为600,在第一时长内目标区域R0的用户停留总数为580(即第一时长内有580个用户停留在目标区域R0),在第一时长内边界区域R1向目标区域R0移入的用户总数为100,则可以通过下列公式预测在t2时刻目标区域R0中的用户总数
即预测在t2时刻目标区域R0中的用户总数为845人。
第二种情形、统计区域包含一个目标区域和两层边界区域
该情形下,可以预测第一时长之后的两个时长结束时刻目标区域的客流量,假设第一时长为t0到t1,之后的两个时长分别为t1到t2,以及t2到t3,则可以预测第二时长结束时刻(t2以及t3)目标区域R0中的客流量。
当前处于第一时长的结束时刻t1,对于t2时刻目标区域的客流量的预测方法与第
一种情形下t2时刻目标区域的客流量的预测方法相同,即
对于t3时刻目标区域的客流量的预测方法,可选地,通过下列方式来预测:
根据第一时长内的用户迁移矩阵,确定目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率;
根据目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率,预测第一边界区域在第二时长结束时刻的用户总数;
根据预测的目标区域在第二时长结束时刻的用户总数及第一边界区域在第二时长结束时刻的用户总数,预测目标区域在第三时长结束时刻的用户总数;
其中,所述第一边界区域为所述两层边界区域中靠近所述目标区域的边界区域,所述第二边界区域为两层边界区域的另一层边界区域。
下面结合图1(b)进行说明,图中的区域R1即为第一边界区域,区域R2为第二边界区域。
按照预测t2时刻目标区域的客流量的公式,可以写出预测t3时刻目标区域的客流量的公式为:
t3时刻:
其中,为目标区域在第三时长结束时刻的用户总数,为预测的目标区域在第二时长结束时刻的用户总数,为预测的第一边界区域R1在第二时长结束时刻的用户总数,为目标区域R0在t2时刻的用户停留概率,为第一边界区域R0在t2时刻的用户移入概率。
可以预测的到,公式为而可以通过下列公式来计算:
该公式的含义为:t2时刻R1中的用户由三部分组成:第一部分是从R0过来的,第二部分是R1停留的,第三部分是从R2过来的。
对上述公式进行整理得到:
上述公式中,已知的变量有及未知的变量有和其中,分别为目标区域的移出概率,第一边界区域的停留概率及第二边界区域的接近概率。
具体地,因为当前为t1时刻,所以都是可以通过用户迁移矩阵计算得到的。是可以预测到的。对于也都是可以通过公式计算出来的,其中
对于两个未知量和可以直接沿用上个周期的使用值,即将的值赋给以及将的值赋给或者还可以使用最近使用的多个概率值进行加权平均,比如将的值赋给对于也做类似处理。
从而可以预测得到t3时刻目标区域的客流量
下面举个具体的例子来说明。还是接着第一种情形中的例子进行说明。
预测得到的为845,为1000,为600,假设为200,
为800,以及假设为400,为300,为200,则 并且和沿用和的取值,
假设和的取值分别为0.5和0.4,则可以预测
因而在第二种情形下,当前为t1时刻,可以预测t2时刻目标区域的客流量为845,t3时刻目标区域的客流量为871。
此外,在步骤203和步骤204中,在得到目标区域的用户停留概率及与目标区域相邻的边界区域的用户移入概率后,还可以对这两个概率进行一定的处理,然后使用处理之后的概率来预测目标区域在第二时长结束时刻的用户总数。
可选地,根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率之后,还包括:
根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
上述方法,根据第一时长之前的n个时长中每个时长的用户停留概率来对当前目标区域的用户停留概率进行校正,以及根据n个时长中每个时长的用户移入概率对目标区域相邻的边界区域的用户移入概率进行校正,然后根据校正后的目标区域的用户停留概率及校正后的目标区域相邻的边界区域的用户移入概率,预测目标区域在第二时长结束时刻的用户总数。具体地,校正公式为
下面举个具体的例子加以说明。假设n取值为3,在第一时长,用户停留概率为0.8,并且在第一时长之前的连续两个时长内的用户停留概率分别为:0.7和0.5,假设预先设定的每个时长中的用户停留概率的权重越靠近当前时间,权重越大,假设权重的设置如表1所示:
第一时长 | 第零时长 | 第负一时长 | |
用户停留概率 | 0.8 | 0.7 | 0.5 |
权重 | 0.5 | 0.3 | 0.2 |
表1用户停留概率校正表
则最终校正后的用户停留概率为:0.8*0.5+0.7*0.3+0.5*0.2=0.71。
对于目标区域相邻的边界区域的用户移入概率的校正方法类似,在此不再赘述。
其它情形、统计区域包含一个目标区域和k层边界区域(k>2)
可选地,根据下列公式预测目标区域在第二时长结束时刻的用户总数:
其中,R0表示目标区域,R1表示与目标区域相邻的边界区域,ti+1为第二时长的结束时刻,ti为与第二时长相邻的上一时长的结束时刻,为目标区域在ti+1时刻的用户总数,为目标区域在ti时刻的用户总数,为与目标区域相邻的边界区域在ti时刻的用户总数,为目标区域在ti时刻的用户停留概率,为与目标区域相邻的边界区域在ti时刻的用户移入概率,0≤i≤k-1。
上述公式为一个通式,对于第一时长之后的任一时长ti+1(0≤i≤k-1)结束时刻目标区域的客流量,可以通过上述公式来预测,具体地,上述公式是需要迭代计算的,最终可以预测得到ti+1结束时刻目标区域的客流量。
本发明实施例提供的方法,使用现有的已经架设好的基站对应的蜂窝小区来检测用户的移动终端信号,从而可以定位用户移动情况,首先确定统计区域内各个蜂窝小区在第一时长的用户移动信息,生成用户移动矩阵,并进一步确定统计区域中的目标区域中用户的停留概率和邻区用户移入概率,从而可以确定在第二时长结束时刻目标区域的用户总数,该方法使用了现有通信设备,无需投入新的硬件资源的建设,节约了资源,同时该方法还考虑了目标区域的邻区用户向目标区域的移入情况,从而使得目标区域的用户预测更加准确。
下面对本发明实施例提供的区域客流趋势的预测方法做详细描述,如图3所示,为本发明实施例提供的区域客流趋势的预测方法详细步骤图,包括:
步骤301、分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;
步骤302、根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
步骤303、根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
步骤304、根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵;
步骤305、根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
步骤306、根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
步骤307、根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
本发明实施例提供的方法,使用现有的已经架设好的基站对应的蜂窝小区来检测用户的移动终端信号,从而可以定位用户移动情况,首先确定统计区域内各个蜂窝小区在第一时长的用户移动信息,生成用户移动矩阵,并进一步确定统计区域中的目标区域中用户的停留概率和邻区用户移入概率,从而可以确定在第二时长结束时刻目标区域的用户总数,该方法使用了现有通信设备,无需投入新的硬件资源的建设,节约了资源,同时该方法还考虑了目标区域的邻区用户向目标区域的移入情况,从而使得目标区域的用户预测更加准确。
参考图1(b),下面针对统计区域包含目标区域和两层边界区域的情形,来详细描述目标区域客流量的完整预测过程。
为方便描述,下面统一将第一边界区域称为相邻区域,用R1表示;将第二边界区域称为外围区域,用R2表示;将外围区域之外的区域称为统计区域之外的区域,用Rout表示。
步骤1、采集和解析信令。
步骤1.1、确定采集范围。
针对需要预测客流趋势的目标区域,确定目标区域R0、相邻区域R1和外围区域R2。信令采集的范围是上述三类区域所包含的所有移动通信蜂窝小区所产生的指定接口信令。
其中目标区域R0即指无线信号覆盖到监测区域的所有移动通信蜂窝小区。相邻区域R1是指无线信号的覆盖范围与R0区域内的蜂窝小区邻接、或与R0区域内的蜂窝小区存在切换关系的所有小区。外围区域R2是指无线信号的覆盖范围与R1区域蜂窝小区邻接,或与R1区域内的蜂窝小区存在切换关系的所有小区(不含R0内小区)。
其中判断覆盖范围是否邻接可以根据现场路测的结果,也可以根据蜂窝小区间的距离作为依据。存在切换关系的小区,可以根据移动通信网络中的参数设置获取,也可以从已采集到信令中有关切换时间的记录中获取。
根据上述描述,可以合理设定,人群进入或离开目标区域R0,必须经由相邻区域R1,人群进入或离开相邻区域R1,必须经由目标区域R0或外围区域R2。如图1(b)所示,R0、R1和R2分别表示目标区域、相邻区域和外围区域。ci、di、ei分别表示R0、R1和R2中的蜂窝小区。Rout是统计区域以外的外部区域。
步骤1.2使用必要的软硬件工具,对上述三类区域进行信令记录的采集和解析,形成信令详细记录CDR并存储。每一条CDR对应一个用户的一次信令事件,包含时间标识、用户标识、位置标识等必要信息。
其中移动通信系统的信令采集和解析方法是现有的技术,采集的信令接口涉及Mc接口、2G系统A接口、3G系统的Iu-CS接口、4G系统的S1-MME接口等。
其中时间标识表示信令事件中最末一条信令的发生时间,用户标识是在发生本次信令事件的用户在该通信系统中唯一编号(如移动用户号码MSISDN、或国际移动用户识别码IMSI),位置标识是该次信令事件中用户所在移动蜂窝小区的编码(如全球小区识别码CGI)。
步骤2、统计目标区域R0、相邻区域R1、外围区域R2在第一时长的用户数,并生成用户位置迁移记录。
其中第一时长的起始时间记作t0,结束时间记作t1。设置2个队列存储器和分别保存t0和t1时刻,每一个用户的位置标识。其中是第一时长开始时刻(即上一时长的结束时刻)的统计结果,是第一时长结束时刻的统计结果。
步骤2.1、逐条提取已存储的每条CDR记录,读取其用户标识(记作用户Ui、位置标识(记作Pi蜂窝小区)。
步骤2.2、记录用户Ui的新位置若该值已存在,则更新该值。
步骤2.3、重复步骤2.1和2.2,遍历所有CDR记录。得到第一时长结束后t1时刻所有用户的新位置
步骤2.4、遍历t0时刻的用户位置队列对于用户Ui,若 且该用户Ui的回填次数未超过预设值,即认为用户Ui在该时段内没有迁移,令并记录Ui回填次数累加1。若该用户Ui的回填次数已达预设值,则
该步骤中,记录回填次数主要用于对那些t0时刻检测到用户的信令,在t1没有检测到该用户的信令的用户,有可能是仍然在当前蜂窝小区中,只是由于手机关机了,因而检测不到该用户的任何信令,这个时候不能认为该用户已经移出当前蜂窝小区,比如,用户A在t0时刻在蜂窝小区c3中,然后手机关机了,在t0时刻检测不到用户A的信令,但用户A仍然在蜂窝小区c3中,没有离开,在步骤2.4中,是通过回填次数来处理此类用户,即如果之前有检测到某个用户的信令,之后的周期中没有检测到该用户的信令,则将该用户的回填次数加1,如果该用户的回填次数大于预设值,则认为该用户确实是离开了,此时可将该用户当前所处的位置设置为Rout,用户表示。
回填次数预设值一般与移动通信系统的参数“周期位置更新间隔时长”有关。本方案的一个实施例中,回填次数预设值=[周期位置更新间隔时长/统计周期]+1。
其中,周期位置更新间隔时长,是通信系统内的一个参数,由通信网络下发给用户终端,用户终端根据指定时间间隔,定期向网络上报位置信息。该参数通常设置为1~4小时;统计周期可以自行定义,即为每个时长的间隔,例如从t0到t1的时间间隔,一般可以设置为3~5分钟,具体根据实际需要设定。例如周期位置更新间隔时长为1小时,统计周期为5分钟,则回填次数预设值=13。
在本技术方案中,如果超过一个周期位置更新间隔时长未收到某个用户的信令,可以合理认为该用户已经迁移出统计区域。
步骤2.5、统计每个蜂窝小区在t1时刻的用户数,即等于中所有位置为Pi小区的用户个数。
步骤2.6、统计目标区域R0、相邻区域R1以及外围区域R2的用户个数。
步骤3、计算用户迁移矩阵。
步骤3.1、设置一个二维矩阵存储器H,用于存储从t0时刻到t1时刻每一对蜂窝小区间发生迁移的用户数计数。矩阵的大小是(N+1)*(N+1),其中N表示统计区域的小区总数。out表示统计区域以外的区域。
步骤3.2、遍历t0时刻和t1时刻的用户位置队列对于用户Ui,提取其t0时刻
和t1时刻的位置:若则令hj,k累加1;若
则令hj,out累加1;若则令hout,j累加1。
步骤4、基于用户迁移矩阵H计算目标区域的用户迁移概率模型。
步骤4.1、根据小区与三类区域的归属关系,将H矩阵重新写作:
其中cm,cn是指属于目标区域R0的蜂窝小区,du,dv是属于相邻区域R1的蜂窝小区,ep,eq是属于外围区域R2的小区。其中m,n∈[1,Nc],u,v∈[1,Nd],p,q∈[1,Ne],Nc,Nd,Ne指三类区域的小区数目。
以为例,该矩阵由多个元素构成,其中每个元素表示从目标区域R0中的一个蜂窝小区cm移动到目标区域R0中的另一个蜂窝小区cn的用户数。
根据R0、R1和R2的定义,R0与R2、Rout、R1与Rout之间不存在用户迁移关系,仅包含少量长时间无信令时间的用户和少量在区域内新开机用户,根据实际统计数据,这部分迁移数远小于其他区域间迁移数,因此可以将这些数视作0,简化后续计算;hout,out在采集范围外,也设为0。因此简化后的用户迁移矩阵可以写成:
步骤4.2、计算t0时刻至t1时刻间,目标区域R0、相邻区域R1以及外围区域R2之间的用户迁移量:
步骤4.2、计算t0时刻至t1时刻间,目标区域R0、相邻区域R1以及外围区域R2之间的迁移概率:
目标区域用户停留概率:
目标区域用户移出概率:
相邻区域用户移入概率:
相邻区域用户停留概率:
相邻区域用户远离概率:
外围区域用户接近概率:
外围区域用户停留概率:
步骤5、预测目标区域R0用户数。
步骤5.1、对步骤4中的迁移概率进行校正,得到校正后的迁移概率。
步骤4给出t0时刻至t1时刻的迁移概率模型计算方法,在具体的实施例中,根据客流预测不同场景的特征,选择客流预测所采用的迁移概率模型或多个模型的加权组合(避免单个时间点模型的偶然因素)。其中场景的特征包括但不限于:目标区域的面积、区域中建筑物类别、区域内发生事件的类别、统计时间尺度等。可采用的方案及组合包括但不限于:
1)使用上一统计周期的迁移概率模型;
2)使用连续多个统计周期的迁移概率模型的均值或加权平均值,迁移概率模型的加权平均值计算过程如下:
举例来说,某应用实例取最近5个时段的迁移概率模型的加权平均,且越早的时段权重越低,以计算为例,可以是或者还可以是
其中ti是指最近5个统计时段,是最近5个时段的加权权重,在此例中例如可设置为t0=1,t-1=0.8,t-2=0.6,t-3=0.4,t-4=0.2。
3)使用同类场景的迁移概率模型。例如,在比赛场馆的客流预测使用以前比赛时的迁移概率模型。
以下为本方案根据不同场景确定的一些模型选择方案的实施例:
步骤5.2、预测目标区域R0用户数。
下一个统计周期t2时刻,
再下一个统计周期t3时刻,
步骤5.3、预测结果输出。根据需要可用于呈现在监控界面,或输出到其他系统。
基于相同的技术构思,本发明实施例还提供一种区域客流趋势的预测装置。本发明实施例提供的区域客流趋势的预测装置如图4所示。
用户移动信息确定单元401,用于分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;其中所述统计区域包括目标区域和至少一层边界区域;所述目标区域不小于进行客流预测的区域,所述目标区域位于所述统计区域的中心,所述边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,所述目标相邻区域为所述边界区域的相邻区域中靠近所述客流预测的区域的相邻区域;
用户迁移矩阵生成单元402,用于根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵;其中所述用户迁移矩阵中的一个元素表示一个蜂窝小区的一种用户移动情况;
概率确定单元403,用于根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
目标区域用户总数预测单元404,用于根据所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
可选地,所述用户迁移矩阵生成单元402,具体用于:
根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵。
可选地,所述统计区域包括目标区域和一层边界区域;所述概率确定单元403,具体用于:
根据所述第一时长内的用户迁移矩阵,确定所述目标区域在所述第一时长内的用户停留总数及所述边界区域在所述第一时长内向所述目标区域用户迁移的数量;
根据所述目标区域在所述第一时长内的用户停留总数及所述目标区域在所述第一时长开始时刻的用户总数,确定所述目标区域的用户停留概率;
根据所述边界区域在所述第一时长内向所述目标区域用户迁移的数量及所述目标区域在所述第一时长开始时刻的用户总数,确定所述边界区域的用户移入概率。
可选地,所述统计区域包括目标区域和两层边界区域;所述目标区域用户总数预测单元404,还用于:
预测所述目标区域在所述第二时长结束时刻的用户总数之后,根据所述第一时长内的用户迁移矩阵,确定目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率;
根据所述目标区域的用户移出概率、所述第一边界区域的用户停留概率及所述第二边界区域的接近概率,预测所述第一边界区域在所述第二时长结束时刻的用户总数;
根据预测的所述目标区域在所述第二时长结束时刻的用户总数及所述第一边界区域在所述第二时长结束时刻的用户总数,预测所述目标区域在第三时长结束时刻的用户总数;
其中,所述第一边界区域为所述两层边界区域中靠近所述目标区域的边界区域,所述第二边界区域为两层边界区域的另一层边界区域。
可选地,所述概率确定单元403,还用于:
根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
所述目标区域用户总数预测单元404,还用于:
根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
可选地,目标区域用户总数预测单元404,具体用于根据下列公式预测所述目标区域在第二时长结束时刻的用户总数:
其中,R0表示所述目标区域,R1表示与所述目标区域相邻的边界区域,ti+1为第二时长的结束时刻,ti为与所述第二时长相邻的上一时长的结束时刻,为所述目标区域在ti+1时刻的用户总数,为所述目标区域在ti时刻的用户总数,为与所述目标区域相邻的边界区域在ti时刻的用户总数,为所述目标区域在ti时刻的用户停留概率,为与所述目标区域相邻的边界区域在ti时刻的用户移入概率,0≤i≤所述边界区域数量-1。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种区域客流趋势的预测方法,其特征在于,包括:
分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;其中所述统计区域包括目标区域和至少一层边界区域;所述目标区域不小于进行客流预测的区域,所述目标区域位于所述统计区域的中心,所述边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,所述目标相邻区域为所述边界区域的相邻区域中靠近所述客流预测的区域的相邻区域;
根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵;其中所述用户迁移矩阵中的一个元素表示所述统计区域内的一个蜂窝小区的一种用户移动情况,所述用户移动情况是指用户数量的变化情况;
根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
根据所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数;
所述统计区域包括目标区域和一层边界区域;所述根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,包括:
根据所述第一时长内的用户迁移矩阵,确定所述目标区域在所述第一时长内的用户停留总数及所述边界区域在所述第一时长内向所述目标区域用户迁移的数量;
根据所述目标区域在所述第一时长内的用户停留总数及所述目标区域在所述第一时长开始时刻的用户总数,确定所述目标区域的用户停留概率;
根据所述边界区域在所述第一时长内向所述目标区域用户迁移的数量及所述目标区域在所述第一时长开始时刻的用户总数,确定所述边界区域的用户移入概率。
2.如权利要求1所述的方法,其特征在于,所述根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵,包括:
根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵。
3.如权利要求1所述的方法,其特征在于,所述统计区域包括目标区域和两层边界区域;
预测所述目标区域在所述第二时长结束时刻的用户总数之后,还包括:
根据所述第一时长内的用户迁移矩阵,确定目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率;
根据所述目标区域的用户移出概率、所述第一边界区域的用户停留概率及所述第二边界区域的接近概率,预测所述第一边界区域在所述第二时长结束时刻的用户总数;
根据预测的所述目标区域在所述第二时长结束时刻的用户总数及所述第一边界区域在所述第二时长结束时刻的用户总数,预测所述目标区域在第三时长结束时刻的用户总数;
其中,所述第一边界区域为所述两层边界区域中靠近所述目标区域的边界区域,所述第二边界区域为两层边界区域的另一层边界区域。
4.如权利要求1所述的方法,其特征在于,根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率之后,还包括:
根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
5.如权利要求1-4中任一项所述的方法,其特征在于,根据下列公式预测所述目标区域在第二时长结束时刻的用户总数:
其中,R0表示所述目标区域,R1表示与所述目标区域相邻的边界区域,ti+1为第二时长的结束时刻,ti为与所述第二时长相邻的上一时长的结束时刻,为所述目标区域在ti+1时刻的用户总数,为所述目标区域在ti时刻的用户总数,为与所述目标区域相邻的边界区域在ti时刻的用户总数,为所述目标区域在ti时刻的用户停留概率,为与所述目标区域相邻的边界区域在ti时刻的用户移入概率,0≤i≤所述边界区域数量-1。
6.一种区域客流趋势的预测装置,其特征在于,包括:
用户移动信息确定单元,用于分别确定统计区域内各个蜂窝小区在第一时长的用户移动信息;其中所述统计区域包括目标区域和至少一层边界区域;所述目标区域不小于进行客流预测的区域,所述目标区域位于所述统计区域的中心,所述边界区域中各个蜂窝小区与目标相邻区域中至少一个蜂窝小区为邻区关系或有信令交互,所述目标相邻区域为所述边界区域的相邻区域中靠近所述客流预测的区域的相邻区域;
用户迁移矩阵生成单元,用于根据在第一时长的用户移动信息,生成所述统计区域在所述第一时长内的用户迁移矩阵;其中所述用户迁移矩阵中的一个元素表示所述统计区域内的一个蜂窝小区的一种用户移动情况,所述用户移动情况是指用户数量的变化情况;
概率确定单元,用于根据所述第一时长内的用户迁移矩阵,确定所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率;
目标区域用户总数预测单元,用于根据所述目标区域的用户停留概率及与所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数;
所述统计区域包括目标区域和一层边界区域;所述概率确定单元,具体用于:
根据所述第一时长内的用户迁移矩阵,确定所述目标区域在所述第一时长内的用户停留总数及所述边界区域在所述第一时长内向所述目标区域用户迁移的数量;
根据所述目标区域在所述第一时长内的用户停留总数及所述目标区域在所述第一时长开始时刻的用户总数,确定所述目标区域的用户停留概率;
根据所述边界区域在所述第一时长内向所述目标区域用户迁移的数量及所述目标区域在所述第一时长开始时刻的用户总数,确定所述边界区域的用户移入概率。
7.如权利要求6所述的装置,其特征在于,所述用户迁移矩阵生成单元,具体用于:
根据在第一时长的用户移动信息中的用户标识和位置标识,确定所述统计区域内的每个用户在所述第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区;
根据确定的所述统计区域内的每个用户在第一时长开始时刻和所述第一时长结束时刻所在的蜂窝小区,确定每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量;
根据确定的每个蜂窝小区向所述统计区域内任意一个蜂窝小区用户迁移的数量,生成所述用户迁移矩阵。
8.如权利要求6所述的装置,其特征在于,所述统计区域包括目标区域和两层边界区域;
所述目标区域用户总数预测单元,还用于:
预测所述目标区域在所述第二时长结束时刻的用户总数之后,根据所述第一时长内的用户迁移矩阵,确定目标区域的用户移出概率、第一边界区域的用户停留概率及第二边界区域的接近概率;
根据所述目标区域的用户移出概率、所述第一边界区域的用户停留概率及所述第二边界区域的接近概率,预测所述第一边界区域在所述第二时长结束时刻的用户总数;
根据预测的所述目标区域在所述第二时长结束时刻的用户总数及所述第一边界区域在所述第二时长结束时刻的用户总数,预测所述目标区域在第三时长结束时刻的用户总数;
其中,所述第一边界区域为所述两层边界区域中靠近所述目标区域的边界区域,所述第二边界区域为两层边界区域的另一层边界区域。
9.如权利要求6所述的装置,其特征在于,所述概率确定单元,还用于:
根据所述第一时长之前的n个时长中每个时长的用户停留概率,对所述目标区域的用户停留概率进行校正,得到校正后的所述目标区域的用户停留概率;以及根据所述n个时长中每个时长的用户移入概率对所述目标区域相邻的边界区域的用户移入概率进行校正,得到校正后的所述目标区域相邻的边界区域的用户移入概率,n为正整数;
所述目标区域用户总数预测单元,还用于:
根据校正后的所述目标区域的用户停留概率及校正后的所述目标区域相邻的边界区域的用户移入概率,预测所述目标区域在第二时长结束时刻的用户总数。
10.如权利要求6-9中任一项所述的装置,其特征在于,目标区域用户总数预测单元,具体用于根据下列公式预测所述目标区域在第二时长结束时刻的用户总数:
其中,R0表示所述目标区域,R1表示与所述目标区域相邻的边界区域,ti+1为第二时长的结束时刻,ti为与所述第二时长相邻的上一时长的结束时刻,为所述目标区域在ti+1时刻的用户总数,为所述目标区域在ti时刻的用户总数,为与所述目标区域相邻的边界区域在ti时刻的用户总数,为所述目标区域在ti时刻的用户停留概率,为与所述目标区域相邻的边界区域在ti时刻的用户移入概率,0≤i≤所述边界区域数量-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610027157.2A CN106982413B (zh) | 2016-01-15 | 2016-01-15 | 一种区域客流趋势的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610027157.2A CN106982413B (zh) | 2016-01-15 | 2016-01-15 | 一种区域客流趋势的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106982413A CN106982413A (zh) | 2017-07-25 |
CN106982413B true CN106982413B (zh) | 2019-12-13 |
Family
ID=59340274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610027157.2A Active CN106982413B (zh) | 2016-01-15 | 2016-01-15 | 一种区域客流趋势的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106982413B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416464A (zh) * | 2018-01-31 | 2018-08-17 | 山东汇贸电子口岸有限公司 | 一种基于手机移动终端的客流预测方法及系统 |
CN108876062B (zh) * | 2018-08-13 | 2022-04-12 | 湖北经济学院 | 一种犯罪事件智能预测的大数据方法及装置 |
CN111182463B (zh) * | 2018-11-13 | 2021-03-16 | 中国移动通信集团广东有限公司 | 一种区域实时客流来源分析方法及装置 |
CN109345042B (zh) * | 2018-11-19 | 2021-10-01 | 中国联合网络通信集团有限公司 | 一种客流热力度变化的预测方法和装置 |
CN110990503A (zh) * | 2019-11-13 | 2020-04-10 | 联想(北京)有限公司 | 一种用于在电子装置中展示多个目标信息的系统和方法 |
CN111126697B (zh) * | 2019-12-24 | 2024-01-23 | 范士喜 | 人员情况预测方法、装置、设备及存储介质 |
CN112541021B (zh) * | 2020-12-10 | 2024-05-03 | 北京百度网讯科技有限公司 | 路线评估方法、风景区游览预估时长计算方法及装置 |
CN113420919B (zh) * | 2021-06-21 | 2023-05-05 | 郑州航空工业管理学院 | 基于无人机视觉感知的工程异常管控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106302A (zh) * | 2013-01-23 | 2013-05-15 | 南京大学 | 一种基于地理元胞自动机的行人流仿真方法 |
CN104202719A (zh) * | 2014-08-14 | 2014-12-10 | 长安通信科技有限责任公司 | 基于位置可信度的人数测定和人群态势监测方法及系统 |
CN104217244A (zh) * | 2014-08-14 | 2014-12-17 | 长安通信科技有限责任公司 | 基于地理网格的人数测定方法和人群态势监测方法及系统 |
-
2016
- 2016-01-15 CN CN201610027157.2A patent/CN106982413B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106302A (zh) * | 2013-01-23 | 2013-05-15 | 南京大学 | 一种基于地理元胞自动机的行人流仿真方法 |
CN104202719A (zh) * | 2014-08-14 | 2014-12-10 | 长安通信科技有限责任公司 | 基于位置可信度的人数测定和人群态势监测方法及系统 |
CN104217244A (zh) * | 2014-08-14 | 2014-12-17 | 长安通信科技有限责任公司 | 基于地理网格的人数测定方法和人群态势监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于移动网络信令的区域人群属性分析的研究与应用;沈泽;《计算机应用研究》;20140331;第31卷(第3期);引言、第2节、图1 * |
Also Published As
Publication number | Publication date |
---|---|
CN106982413A (zh) | 2017-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106982413B (zh) | 一种区域客流趋势的预测方法及装置 | |
CN107333232B (zh) | 一种终端定位方法及网络设备 | |
Montoliu et al. | Discovering places of interest in everyday life from smartphone data | |
US20170228748A1 (en) | Population estimation apparatus, program and population estimation method | |
CN105531746A (zh) | 为流量分析而收集的数据的管理 | |
US10477357B2 (en) | Population estimating apparatus, program and population estimating method | |
CN103797332A (zh) | 在接入终端处基于行为模型选择性地执行定位程序 | |
CN105307112A (zh) | 分析获取用户移动轨迹的方法和系统 | |
EP3815073B1 (en) | Method and system for traffic analysis | |
EP2608181B1 (en) | Method for detecting traffic | |
US9749805B2 (en) | Methods, wireless device and network node for managing positioning method based on prediction | |
CN107404566B (zh) | 一种终端场景判断方法及装置 | |
CN111556441A (zh) | 用于移动终端的接入网络小区的方法及装置 | |
US11528584B2 (en) | Contact tracing based on comparing geo-temporal patterns of wireless terminals, including mobility profiles | |
CN105471663A (zh) | 网络异常的检测方法、装置、通信网络检测装置及系统 | |
Zhao et al. | Urban crowd flow forecasting based on cellular network | |
CN104219622A (zh) | 基于lac的人数测定方法和人群态势监测方法及系统 | |
IT202000012748A1 (it) | Metodo e sistema per calcolare matrici origine-destinazione sfruttando dati di una rete di comunicazioni mobili | |
JP2016048529A (ja) | 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法 | |
JP6433059B2 (ja) | 通信レコードに基づき移動端末を測位する装置、プログラム及び方法 | |
KR20200061666A (ko) | 인구 안내 서비스 제공방법 및 장치 | |
CN116701551A (zh) | 异常预测方法、装置、设备及存储介质 | |
KR102471875B1 (ko) | 측위 서비스 제공을 위한 통신 시스템 및 그 제어방법 | |
Dash et al. | An interactive analytics tool for understanding location semantics and mobility of users using mobile network data | |
CN114374966B (zh) | 一种数据关联方法、装置和电子设备 |
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 |