CN109936813A - 高速铁路用户的识别方法、装置、设备及介质 - Google Patents
高速铁路用户的识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109936813A CN109936813A CN201711362460.9A CN201711362460A CN109936813A CN 109936813 A CN109936813 A CN 109936813A CN 201711362460 A CN201711362460 A CN 201711362460A CN 109936813 A CN109936813 A CN 109936813A
- Authority
- CN
- China
- Prior art keywords
- speed rail
- user
- speed
- signaling data
- cell
- 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.)
- Pending
Links
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供了一种高速铁路用户的识别方法、装置、设备及介质。该方法包括:采集并解析XDR接口的全量信令数据,以及根据全量信令数据建立高铁用户识别规则;根据高铁停车或故障停车的情况,在所述全量信令数据中排除停车或故障停车的信令数据;利用剩余的全量信令数据,基于高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;在疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;将公网入侵用户以及非高铁用户从疑似高铁用户数据库中排除。通过本发明实施例的技术方案,能够实现高铁脱网高风险区域、路段、方向的判断,掌握全量的商务终端发生的问题,了解用户真实感知度。
Description
技术领域
本发明涉及无线网络技术领域,尤其涉及一种高速铁路用户的识别方法、装置、设备及介质。
背景技术
随着经济和交通事业的快速发展,高铁已成为联系各城市间经济交流的桥梁和纽带,也成为了用户主要出行工具之一。如何建设并维护服务质量稳定、用户感知优异的高速铁路移动通信网络已成为运营商品牌战役的焦点战场之一。随着高铁上的4G用户日益增多,客户对高铁4G网络的要求越来越高,与4G网络相关的保障任务也随之增长。
采用相关技术方案进行定位存在以下问题:
(1)现有技术采用DT(Data Technology,数据处理技术)或CQT(Call QualityTest,呼叫质量拨打测试)来发现高速铁路的网络问题,这两种处理方式都偏重于事后数据采集模式,无法真实还原已经发生的通话事件的原状,对于很多事件发生的原因只能依靠经验来判断,人为判断的不准确性往往会导致反复测试,从财力、人力上造成浪费。
(2)现有的网络评估和优化方法以基础数据和性能数据为主,都是基于特定时间的汇总数据,无法实时掌握每个用户每个时刻的网络感知。
(3)现有技术往往采用2G GSM(Global System for Mobile,全球移动通信系统)网络的A口和Abis口信令数据和3G WCDMA(Wideband Code Division Multiple Access,宽带码分多址)网络的Iub、IuPs、IuCs、Iur接口的信令数据,这些信令数据只能分析2G GSM网络和3G WCDMA网络,而无法分析4G网络质量。目前高速铁路采用4G专用网络覆盖,99.95%用户的数据业务和语音业务也承载在4G网络,因此现有技术无法满足分析高速铁路4G网络质量的需求。
(4)现有技术还有采用用户上报的测量报告信息来评估高速铁路的网络质量。然而开启测量报告,会无形当中占用更多的网络资源,增加信道开销,加重网络负荷分担,对高速铁路用户的感知影响很大。同时采用测量报告进行高速用户识别误差较大。
发明内容
本发明实施例提供了一种高速铁路用户的识别方法、装置、设备及介质,通过采集海量XDR(External Data Representation)信令数据,针对高铁用户移动轨迹与移动速度相对恒定等特性建立高铁用户识别规则(模型)。通过对高铁用户占用专网小区、用户移动速度进行综合运算,结合高铁移动速度相对恒定等特点,对高铁用户进行识别。实现高铁脱网高风险区域、路段、方向的判断,掌握全量的商务终端发生的问题,了解用户真实感知度,既提高了问题分析的效率又能节省测试成本,也为网络规划建设和优化维护提供更为客观真实的量化数据支撑。
第一方面,本发明实施例提供了一种高速铁路用户的识别方法,方法包括:
采集并解析XDR接口的全量信令数据,以及根据全量信令数据建立高铁用户识别规则;根据高铁停车或故障停车的情况,在所述全量信令数据中排除停车或故障停车的信令数据;利用剩余的全量信令数据,基于高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;在疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;将公网入侵用户以及非高铁用户从疑似高铁用户数据库中排除。
第二方面,本发明实施例提供了一种高速铁路用户的识别装置,装置包括:
数据采集单元,用于采集并解析XDR接口的全量信令数据,以及根据全量信令数据建立高铁用户识别规则;排除单元,用于根据高铁停车或故障停车的情况,在全量信令数据中排除停车或故障停车的信令数据;识别单元,用于利用剩余的全量信令数据,基于高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;获取单元,用于在疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;所述排除单元,还用于将公网入侵用户以及非高铁用户从疑似高铁用户数据库中排除。
第二方面,本发明实施例提供了一种计算机设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
本发明实施例提供的高速铁路用户的识别方法、装置、设备及介质,一方面,采用4G网络XDR接口的信令数据来实现高速铁路用户分离,不会对网络带来额外的负担,通过“主动侦测”预先发现问题,层层设防,做到了先于指标恶化前进行预判、先于故障发生前发现隐患、先于影响用户前侦测问题。另一方面,采用原始信令数据,即全部用户的呼叫记录。该方式改变了以往单纯以汇总后数据来观测网络质量的模式,真正关注每个用户的每次通话和每次上网记录,将数据源从网络侧转移到用户侧,最终带动高铁网络质量和用户感知的双提升。再一方面,基于高铁用户特性与用户移动轨迹对高铁用户识别算法进行建模,同时结合用户移动速度计算模型、停车或故障停车用户判断模型、高铁用户脱网识别算法、入侵高铁专网用户识别算法、会车识别算法、用户移动方向与角度判断等,识别准确性高达99%以上,相比于现有技术准确性更高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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示出了本发明一个实施例提供的高速铁路用户的识别方法的流程示意图;
图2示出了本发明一个实施例提供的用户移动速度的计算示意图;
图3示出了本发明一个实施例提供的用户移动速度开发实现示意图;
图4示出了本发明一个实施例提供的出站算法示意图;
图5示出了本发明一个实施例提供的停站或故障算法示意图;
图6示出了本发明一个实施例提供的入侵高铁专网用户识别算法的流程示意图;
图7示出了本发明一个实施例提供的移动方向判断示意图;
图8a示出了本发明一个实施例提供的信令采集模拟覆盖示意图;
图8b示出了本发明一个实施例提供的实测覆盖示意图;
图9示出了本发明一个实施例提供的高速铁路用户的识别装置的示意图;
图10示出了本发明实施例提供的计算机设备的硬件结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
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……”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。
图1示出了本发明一个实施例提供的高速铁路用户的识别方法的流程示意图。如图1所示,该方法包括:
步骤102,采集并解析XDR接口的全量信令数据,以及根据全量信令数据建立高铁用户识别规则;
步骤104,根据高铁停车或故障停车的情况,在全量信令数据中排除停车或故障停车的信令数据;
步骤106,利用剩余的全量信令数据,基于高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;
步骤108,在疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;
步骤110,将公网入侵用户以及所述非高铁用户从疑似高铁用户数据库中排除。
本发明提供的高速铁路用户的识别方法,通过采集海量XDR信令数据,针对高铁用户移动轨迹与移动速度相对恒定等特性建立高铁用户识别规则(模型),通过对高铁用户占用专网小区、用户移动速度进行综合运算,结合高铁移动速度相对恒定等特点,对高铁用户进行识别。实现高铁脱网高风险区域、路段、方向的判断,掌握全量的商务终端发生的问题,了解用户真实感知度,既提高了问题分析的效率又能节省测试成本,也为网络规划建设和优化维护提供更为客观真实的量化数据支撑。
XDR信令数据指基于控制面的全量信令数据及用户面的全量业务数据进行处理后生成的供应用系统使用的信令及业务的详细记录。
其中,步骤102采集并解析XDR接口的全量信令数据,以及根据全量信令数据建立高铁用户识别规则,可以包括:(1)采集并解析XDR接口的全量信令数据,并根据XDR接口的类型编码解析出HTTP(超文本传输协议)信令数据;根据移动管理节点功能表时间段关联HTTP信令数据,按照时间占比,将每条HTTP信令数据拆分为多条数据记录,其中XDR接口的类型编码如表1所示,XDR接口的全量信令包含的HTTP规范字段如表2所示。
表1
编码 | 业务类型 |
100 | 通用业务XDR |
101 | 域名系统DNS |
102 | 多媒体消息服务MMS |
103 | 超文本传输协议HTTP |
104 | 文件传输协议FTP |
105 | 电子邮件Email |
106 | 网络电话VOIP |
107 | 快速生成树协议RSTP |
108 | 对等网络P2P |
109 | 视频业务 |
110 | 即时通信业务 |
表2
(2)将拆分后的HTTP信令数据关联软硬采信令数据;根据高铁用户名称和固定时间间隔,将第一预设时间段内的HTTP信令数据进行分组排序;例如通过关联软硬采数据,按照1小时的数据,根据用户和时间进行分组排序,每2分钟分为一组。表3为解析后并关联软硬采信令的一条HTTP数据格式。
表3
(3)根据HTTP信令数据中的用户定位经度和纬度,通过第一公式计算高铁用户在第二预设时间段内的用户移动速度。
第一公式为即用户移动速度=用户移动距离/用户移动时间,其中,
表示按照前后顺序经过的小区,表示穿过小区的瞬时速度,θ表示高铁线路与覆盖所述高铁线路的两个小区之间的夹角,表示高铁线路切入点位置与覆盖所述高铁线路的两个小区之间的夹角,Δs表示穿过小区期间的球面距离,Δt为前后两个切换小区的相距时间,k(l,i,s)表示从Zl的最后一个射频拉远单元坐标经过Zi到达到Zs的第一个射频拉远单元坐标的距离参数,Zl为Zi之前的小区,Zs为Zi之后的小区,k(i)表示从Zi的第一个射频拉远单元(RRU)坐标到最后一个射频拉远单元坐标的距离参数,k(l,i)表示从Zl的最后一个射频拉远单元坐标切换到Zi的第一个射频拉远单元坐标的距离参数,k(i,r)表示从Zi的最后一个射频拉远单元坐标切换到Zr的第一个射频拉远单元坐标的距离参数,Zr为Zi之后的小区,R表示地球半径,这里取为6371km。
例如,根据2分钟的用户定位的经纬度计算用户在20分钟之内的移动速度和用户占用小区的场景等情况识别出用户大致的移动速度。图2示出了用户移动速度的计算示意图,图3示出了用户移动速度开发实现示意图。
(4)根据用户移动速度、高铁用户占用高铁专网的开始小区和结束小区,并结合高铁移动速度相对恒定的特性,建立高铁用户识别规则;
针对高铁用户移动轨迹与移动速度相对恒定等特性建立高铁用户识别模型,通过对高铁用户占用专网小区、用户移动速度进行综合运算,结合高铁移动速度相对恒定等特点,按照以下规则对高铁用户进行判断识别:在第二时间段(例如20分钟)内的移动速度大于第一预设速度(例如100千米每小时)的用户为高铁用户、占用3个以上的高铁专网小区的用户为高铁用户、占用高铁专网的开始小区和结束小区的距离大于预设距离(例如10千米)的用户为高铁用户、预设百分比(例如60%)的会话次数占用在高铁专网上的用户为高铁用户。
由于高铁停站或列车故障导致的停车时,这部分数据不属于高铁运行中的数据,因此需要对这部分的高铁信令数据进行判断与排除。离站用户识别主要考虑两种情况:一是高铁用户出站离开列车;二是用户到站或因列车故障仍停留在车上。这两种情况下的用户行为都具有明显的特征,对于第一种情况,用户占用公网小区的比例会明显增高;对于第二种情况,用户驻留高铁小区的时间将会大大增加。
因此,步骤104根据高铁停车或故障停车的情况,在全量信令数据中排除停车或故障停车的信令数据,针对第一种情况可以包括:当高铁用户在第三时间段内占用的高铁专网小区的比例小于预设阈值,以及高铁用户在任一小区所驻留的时间超过预设时间,则将高铁用户对应的信令数据作为停车的信令数据;将停车的信令数据在全量信令数据中排除;其中,预设时间为高铁以第二预设速度穿过小区的时间。如图4所示,当用户到站下车后,占用的公网小区(非高铁专网)的比例将会明显增高,并且每个小区驻留的时间将会大于高铁移动中用户的时间。
针对第二种情况可以包括:当高铁用户在其占用的高铁专网小区中的任一小区所驻留的时间超过预设时间,则将高铁用户对应的信令数据作为故障停车的信令数据;将故障停车的信令数据在全量信令数据中排除。如图5所示,用户驻留高铁小区的时间将会大于高铁移动中的用户时间。
当用户到站下车后,远离高铁专网覆盖区域而占用大网小区的场景算法是:按30分钟时间间隔统计用户占用高铁小区比例η,当比例小于70%阈值时(可根据需要调整该阀值),该时段用户不属于运行中的高铁用户。其中,用户占用高铁小区比例η可根据如下公式计算:
其中,Δt表示时间间隔(例如上述30分钟),Z表示用户小区,GZ表示高铁小区,表示时间间隔Δt内用户小区Z的集合,表示时间间隔Δt内用户占用的高铁小区的集合。若此比例η小于所取阈值η0=70%(可根据需要调整该阀值),即η<η0。即可判断为该时段用户不属于运行中的高铁用户。
用户占用的所有小区中,当有一个小区驻留的时间超过高铁正常速度穿过一个小区所花的时间,则该用户为非高铁用户行为。假设高铁最小速度为150km/h,专网小区覆盖范围为5Km,则移动中的高铁用户穿过一个小区的时间约为5km/(150km/3600)≈120秒。该场景算法是:用户按每5分钟进行切段,在选定的时间间隔5min内,若时间间隔内经过的任何一小区驻留时间都少于3min的话,即
其中ΔtZ表示驻留小区Z的时间,则表示在这段5min的时间内,用户都在高速运行中。反之,若时间间隔内存在某一小区Z0,计算驻留该小区时间大于3min,即则判断该用户此时间段为非运行中的用户数据。
步骤106利用剩余的全量信令数据,基于高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;其中,疑似高铁用户数据库主要字段如表4所示。
表4
步骤108在疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户,可以分为:(1)根据入侵高铁专网用户识别算法,从疑似高铁用户数据库中获取公网入侵用户;(2)根据用户移动方向和移动角度判断算法,从疑似高铁用户数据库中获取与高铁实际运行轨迹方向不一致的非高铁用户。
(1)当高铁周边公网小区覆盖不足或者无覆盖区域,大量高铁沿线用户将会占用高铁专网资源,使得真正的高铁用户难以驻留专网,因此需要使用入侵高铁专网用户识别算法,将非高铁用户进行分离。
图6示出了本发明一个实施例提供的入侵高铁专网用户识别算法的流程示意图,其中包括:
步骤602,判断疑似高铁用户数据库中的高铁用户的移动速度是否小于第三预设速度,若高铁用户的移动速度小于第三预设速度,则进入步骤604,否则进入步骤610;
步骤604,判断高铁用户是否占用高铁专网小区,若高铁用户占用高铁专网小区,则进入步骤606,否则进入步骤610;
步骤606,判断高铁用户占用高铁专网小区的高铁用户占用高铁专网小区一天的会话时间是否大于第四时间段,若高铁用户占用高铁专网小区一天的会话时间大于第四时间段,则进入步骤608,否则进入步骤610;
步骤608,将高铁用户作为公网入侵用户;
步骤610,将高铁用户作为非公网入侵用户。
即,入侵高铁专网用户利用信令面数据S1_MME数据按照以下规则按照小时依次进行判断识别:用户占用高铁专网小区,并剔除前面识别的高铁用户;用户移动速率低于60KM/小时;用户占用高铁专网小区一天的HTTP话务时间大于5分钟。最终输出的统计格式如表6所示。
表6
(2)通过用户移动方向和角度与实际高铁线路的运行轨迹进行匹配,可以进一步判断疑似高铁用户数据库中的用户是否为高铁用户。根据用户移动方向和移动角度判断算法,从疑似高铁用户数据库中获取与高铁实际运行轨迹方向不一致的非高铁用户,可以包括:1)依据高铁工参数据和地市图层,绘制高铁实际运行轨迹以及高铁专网的各个小区之间的位置关系、切换关系、邻区关系,其中高铁小区是一种比较特殊的组网结构,是由专网覆盖的,只有前后小区有邻区关系和切换关系;2)将高铁专网的开始小区到高铁专网的结束小区的连线方向作为用户移动方向,将连线方向与预设方向的夹角作为移动角度;3)如图7所示,根据用户移动方向和移动角度,从疑似高铁用户数据库中获取与高铁实际运行轨迹方向不一致的非高铁用户。
构造邻接表的格式如表7所示:输入数据:经过抽取整理的Excel表格中的数据,例如“京哈高铁工参”数据表;输出数据:由邻接表格式组织的无向图,输出数据的记录格式如下:
[开始小区ID][:][经度][:][纬度]
[####][结束小区ID][:][经度][:][纬度]
[####][移动方向][:][移动角度][:][距离]
例如,以下为按图7生成的邻接表数据结构:
新南站site21:122.68181:41.52415
####新南站site19:122.68679:41.52459
####北偏西:25度:417.46
通过采集辽宁段“京哈高铁”XDR信令数据进行高铁用户识别,与实际测试数据对比,4项准确性对比指标全部吻合(切换序列/平均速度/平均RSRP/平均SINR);根据过滤的高铁用户数据,对京哈高铁实施网络质量分析,共定位32个问题点,完成原因与实施优化,包括参数配置问题、工程问题、深度覆盖问题、站点故障等,已实施优化比例为21%,已优化问题解决率100%,其它如工程问题、隧道深度覆盖等已定位未能短期解决的占比为79%。与人工测试相比,工作效率提升近10倍,按全省全年高铁测试分析工作量计算,基于XDR信令高铁模拟测试分析预计可产生经济效益为每年节省204万元。
对XDR信令识别高铁数据与实测数据进行对比,对比内容包括:用户切换序列、平均速度、平均RSRP(Reference Signal Receiving,参考信号接收功率)、平均SINR(Signalto Interference plus Noise Ratio,信号与干扰加噪声比),经过多轮验证对比,得到的结论是XDR信令输出的高铁数据与实测接近,符合实际情况,可满足分析。验证结果如表7所示,用户切换序列吻合方面,都是从438215->438216->437217,速度也基本吻合,XDR信令识别该用户的平均速度是278.3km/h,路测计算的平均速度是279.2km/h,平均RSRP也基本相同,XDR信令计算的平均RSRP是-91.03dBm,路测计算的平均RSRP是-91.07dBm;平均SINR软采计算是5.12,路测计算的是5.20。图8a及图8b为XDR信令模拟高铁覆盖与实际路测覆盖对比,出现弱覆盖路段基本吻合。
表7
图9示出了本发明一个实施例提供的高速铁路用户的识别装置900的示意图。如图9所示,该装置包括:
数据采集单元902,用于采集并解析XDR接口的全量信令数据,以及根据全量信令数据建立高铁用户识别规则;排除单元904,用于根据高铁停车或故障停车的情况,在全量信令数据中排除停车或故障停车的信令数据;识别单元906,用于利用剩余的全量信令数据,基于高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;获取单元908,用于在疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;排除单元904,还用于将公网入侵用户以及非高铁用户从疑似高铁用户数据库中排除。
数据采集单元902,具体用于采集并解析XDR接口的全量信令数据,并根据XDR接口的类型编码解析出HTTP信令数据;根据移动管理节点功能表时间段关联HTTP信令数据,按照时间占比,将每条HTTP信令数据拆分为多条数据记录;将拆分后的HTTP信令数据关联软硬采信令数据;根据高铁用户名称和固定时间间隔,将第一预设时间段内的HTTP信令数据进行分组排序;根据HTTP信令数据中的用户定位经度和纬度,通过第一公式计算高铁用户在第二预设时间段内的用户移动速度;
第一公式为即用户移动速度=用户移动距离/用户移动时间,其中,
表示按照前后顺序经过的小区,表示穿过小区的瞬时速度,θ表示高铁线路与覆盖所述高铁线路的两个小区之间的夹角,表示高铁线路切入点位置与覆盖所述高铁线路的两个小区之间的夹角,Δs表示穿过小区期间的球面距离,Δt为前后两个切换小区的相距时间,k(l,i,s)表示从Zl的最后一个射频拉远单元坐标经过Zi到达到Zs的第一个射频拉远单元坐标的距离参数,Zl为Zi之前的小区,Zs为Zi之后的小区,k(i)表示从Zi的第一个射频拉远单元(RRU)坐标到最后一个射频拉远单元坐标的距离参数,k(l,i)表示从Zl的最后一个射频拉远单元坐标切换到Zi的第一个射频拉远单元坐标的距离参数,k(i,r)表示从Zi的最后一个射频拉远单元坐标切换到Zr的第一个射频拉远单元坐标的距离参数,Zr为Zi之后的小区,R表示地球半径,这里取为6371km。
根据用户移动速度、高铁用户占用高铁专网的开始小区和结束小区,并结合高铁移动速度相对恒定的特性,建立高铁用户识别规则;
高铁用户识别规则包括以下:在第二时间段内的移动速度大于第一预设速度的用户为高铁用户、占用3个以上的高铁专网小区的用户为高铁用户、占用高铁专网的开始小区和结束小区的距离大于预设距离的用户为高铁用户、预设百分比的会话次数占用在高铁专网上的用户为高铁用户。
排除单元904,具体用于当高铁用户在第三时间段内占用的高铁专网小区的比例小于预设阈值,以及高铁用户在任一小区所驻留的时间超过预设时间,则将高铁用户对应的信令数据作为停车的信令数据;将停车的信令数据在全量信令数据中排除;其中,预设时间为高铁以第二预设速度穿过小区的时间。
排除单元904,还用于当高铁用户在其占用的高铁专网小区中的任一小区所驻留的时间超过预设时间,则将高铁用户对应的信令数据作为故障停车的信令数据;将故障停车的信令数据在全量信令数据中排除。
获取单元908,具体用于根据入侵高铁专网用户识别算法,从疑似高铁用户数据库中获取公网入侵用户;根据用户移动方向和移动角度判断算法,从疑似高铁用户数据库中获取与高铁实际运行轨迹方向不一致的非高铁用户。
其中,根据入侵高铁专网用户识别算法,从疑似高铁用户数据库中获取公网入侵用户,包括:判断疑似高铁用户数据库中的高铁用户的移动速度是否小于第三预设速度;若高铁用户的移动速度小于第三预设速度,则判断高铁用户是否占用高铁专网小区;若高铁用户占用高铁专网小区,则判断高铁用户占用高铁专网小区的高铁用户占用高铁专网小区一天的会话时间是否大于第四时间段;若高铁用户占用高铁专网小区一天的会话时间大于第四时间段,则将高铁用户作为公网入侵用户。
根据用户移动方向和移动角度判断算法,从疑似高铁用户数据库中获取与高铁实际运行轨迹方向不一致的非高铁用户,包括:依据高铁工参数据和地市图层,绘制高铁实际运行轨迹以及高铁专网的各个小区之间的位置关系、切换关系、邻区关系;将高铁专网的开始小区到高铁专网的结束小区的连线方向作为用户移动方向,将连线方向与预设方向的夹角作为移动角度;根据用户移动方向和移动角度,从疑似高铁用户数据库中获取与高铁实际运行轨迹方向不一致的非高铁用户。
本发明与采用2G GSM网络的接口数据、3G WCDMA网络的接口数据或是MR测量数据来识别高速铁路用户相比,有以下优点:
(1)现有技术采用2G GSM网络的A口和Abis口信令数据或是3G WCDMA网络的Iub、IuPs、IuCs、Iur接口的信令数据,这些信令数据只能分析2G GSM网络和3G WCDMA网络,目前高速铁路采用4G专用网络覆盖,99.95%用户的数据业务和语音业务也承载在4G网络,因此现有技术无法满足分析高速铁路4G网络质量的需求。本发明实施例采用4G网络XDR接口的信令数据来实现高速铁路用户分离的,相比于目前技术优势明显。
(2)现有技术还有采用用户上报的测量报告信息来评估高速铁路的网络质量。然而开启测量报告,会无形当中占用更多的网络资源,增加信道开销,加重网络负荷分担,对高速铁路用户的感知影响很大。本发明实施例采集4G网络XDR接口的信令数据,不会对网络带来额外的负担。同时采用MR测量报告对高铁用户进行识别误差较大。
(3)本发明实施例基于高铁用户特性与用户移动轨迹对高铁用户识别算法进行建模,同时结合用户移动速度计算模型、停车或故障停车用户判断模型、高铁用户脱网识别算法、入侵高铁专网用户识别算法、会车识别算法、用户移动方向与角度判断等,识别准确性高达99%以上,相比于现有技术准确性更高。
(4)现有技术采用DT或CQT测试来发现高速铁路的网络问题,这两种处理方式都偏重于事后数据采集模式,无法真实还原已经发生的通话事件的原状,对于很多事件发生的原因只能依靠经验来判断,人为判断的不准确性往往会导致反复测试,从财力、人力上造成浪费。本发明实施例利用海量XDR信令数据,通过“主动侦测”预先发现问题,层层设防,做到了先于指标恶化前进行预判、先于故障发生前发现隐患、先于影响用户前侦测问题。
(5)现有的网络评估和优化方法以基础数据和性能数据为主,都是基于特定时间的汇总数据,无法实时掌握每个用户每个时刻的网络感知。本发明实施例采用原始信令数据,即全部用户的呼叫记录。该方式改变了以往单纯以汇总后数据来观测网络质量的模式,真正关注每个用户的每次通话和每次上网记录,将数据源从网络侧转移到用户侧,最终带动高铁网络质量和用户感知的双提升。
(6)本发明实施例采用XDR信令开展提速增效降成本,效率提升10倍,成本下降6倍。与人工测试相比,利用XDR信令分析工作效率提升非常明显。信令采集具有费用低廉、一次投入长期使用的优点。初期建设采用轮训的模式对辽宁全省高铁线路开展全天候7×24h分析,与传统人工测试相比,可减少大量的高铁测试费用,成本下降接近6倍。同时信令系统架构设计易于扩充,在保护已有投资情况的基础上,通过升级扩充,可以轻易扩大采集站点的规模和范围。
另外,结合图1描述的本发明实施例的高速铁路用户的识别方法可以由计算机设备来实现。图10示出了本发明实施例提供的计算机设备的硬件结构示意图。
高速铁路用户的识别设备可以包括处理器101以及存储有计算机程序指令的存储器102。
具体地,上述处理器101可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器102可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器102可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器102可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器102可在数据处理装置的内部或外部。在特定实施例中,存储器102是非易失性固态存储器。在特定实施例中,存储器102包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器101通过读取并执行存储器102中存储的计算机程序指令,以实现上述实施例中的任意一种高速铁路用户的识别方法。
在一个示例中,计算机设备还可包括通信接口103和总线104。其中,如图10所示,处理器101、存储器102、通信接口103通过总线104连接并完成相互间的通信。
通信接口103,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线104包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线104可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该计算机设备可以基于获取到待测小区的网管性能指标,执行本发明实施例中的高速铁路用户的识别方法,从而实现结合图1描述的高速铁路用户的识别方法。
另外,结合上述实施例中的高速铁路用户的识别方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种高速铁路用户的识别方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种高速铁路用户的识别方法,其特征在于,所述方法包括:
采集并解析XDR接口的全量信令数据,以及根据所述全量信令数据建立高铁用户识别规则;
根据高铁停车或故障停车的情况,在所述全量信令数据中排除停车或故障停车的信令数据;
利用剩余的全量信令数据,基于所述高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;
在所述疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;
将所述公网入侵用户以及所述非高铁用户从所述疑似高铁用户数据库中排除。
2.根据权利要求1所述的方法,其特征在于,采集并解析XDR接口的全量信令数据,包括:
采集并解析所述XDR接口的所述全量信令数据,并根据所述XDR接口的类型编码解析出HTTP信令数据;
根据移动管理节点功能表时间段关联所述HTTP信令数据,按照时间占比,将每条所述HTTP信令数据拆分为多条数据记录;
将拆分后的所述HTTP信令数据关联软硬采信令数据;
根据高铁用户名称和固定时间间隔,将第一预设时间段内的所述HTTP信令数据进行分组排序。
3.根据权利要求2所述的方法,其特征在于,根据所述全量信令数据建立高铁用户识别规则,包括:
根据所述HTTP信令数据中的用户定位经度和纬度,通过第一公式计算高铁用户在第二预设时间段内的用户移动速度;
根据所述用户移动速度、所述高铁用户占用高铁专网的开始小区和结束小区,并结合高铁移动速度相对恒定的特性,建立所述高铁用户识别规则;
其中,所述第一公式为
其中,表示按照前后顺序经过的小区,表示穿过小区的瞬时速度,θ表示高铁线路与覆盖所述高铁线路的两个小区之间的夹角,表示高铁线路切入点位置与覆盖所述高铁线路的两个小区之间的夹角,Δs表示穿过小区期间的球面距离,Δt为前后两个切换小区的相距时间,k(l,i,s)表示从Zl的最后一个射频拉远单元坐标经过Zi到达到Zs的第一个射频拉远单元坐标的距离参数,Zl为Zi之前的小区,Zs为Zi之后的小区,k(i)表示从Zi的第一个射频拉远单元坐标到最后一个射频拉远单元坐标的距离参数,k(l,i)表示从Zl的最后一个射频拉远单元坐标切换到Zi的第一个射频拉远单元坐标的距离参数,k(i,r)表示从Zi的最后一个射频拉远单元坐标切换到Zr的第一个射频拉远单元坐标的距离参数,Zr为Zi之后的小区,R表示地球半径。
4.根据权利要求3所述的方法,其特征在于,所述高铁用户识别规则包括以下:在所述第二时间段内的移动速度大于第一预设速度的用户为所述高铁用户、占用3个以上的高铁专网小区的用户为所述高铁用户、占用高铁专网的开始小区和结束小区的距离大于预设距离的用户为所述高铁用户、预设百分比的会话次数占用在所述高铁专网上的用户为所述高铁用户。
5.根据权利要求1所述的方法,其特征在于,根据高铁停车或故障停车的情况,在所述全量信令数据中排除停车或故障停车的信令数据,包括:
当所述高铁用户在第三时间段内占用的高铁专网小区的比例小于预设阈值,以及所述高铁用户在任一小区所驻留的时间超过预设时间,则将所述高铁用户对应的信令数据作为停车的信令数据;
将所述停车的信令数据在所述全量信令数据中排除;
其中,所述预设时间为所述高铁以第二预设速度穿过所述小区的时间。
6.根据权利要求5所述的方法,其特征在于,根据高铁停车或故障停车的情况,在所述全量信令数据中排除停车或故障停车的信令数据,还包括:
当所述高铁用户在其占用的所述高铁专网小区中的任一小区所驻留的时间超过所述预设时间,则将所述高铁用户对应的信令数据作为故障停车的信令数据;
将所述故障停车的信令数据在所述全量信令数据中排除。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在所述疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户,包括:
根据入侵高铁专网用户识别算法,从所述疑似高铁用户数据库中获取所述公网入侵用户;
根据用户移动方向和移动角度判断算法,从所述疑似高铁用户数据库中获取所述与高铁实际运行轨迹方向不一致的非高铁用户。
8.根据权利要求7所述的方法,其特征在于,根据入侵高铁专网用户识别算法,从所述疑似高铁用户数据库中获取所述公网入侵用户,包括:
判断所述疑似高铁用户数据库中的高铁用户的移动速度是否小于第三预设速度;
若所述高铁用户的移动速度小于所述第三预设速度,则判断所述高铁用户是否占用所述高铁专网小区;
若所述高铁用户占用所述高铁专网小区,则判断所述高铁用户占用所述高铁专网小区的高铁用户占用所述高铁专网小区一天的会话时间是否大于第四时间段;
若所述高铁用户占用所述高铁专网小区一天的会话时间大于所述第四时间段,则将所述高铁用户作为所述公网入侵用户。
9.根据权利要求7所述的方法,其特征在于,根据用户移动方向和移动角度判断算法,从所述疑似高铁用户数据库中获取所述与高铁实际运行轨迹方向不一致的非高铁用户,包括:
依据高铁工参数据和地市图层,绘制高铁实际运行轨迹以及所述高铁专网的各个小区之间的位置关系、切换关系、邻区关系;
将所述高铁专网的开始小区到所述高铁专网的结束小区的连线方向作为所述用户移动方向,将所述连线方向与预设方向的夹角作为所述移动角度;
根据所述用户移动方向和所述移动角度,从所述疑似高铁用户数据库中获取所述与高铁实际运行轨迹方向不一致的非高铁用户。
10.一种高速铁路用户的识别装置,其特征在于,所述装置包括:
数据采集单元,用于采集并解析XDR接口的全量信令数据,以及根据所述全量信令数据建立高铁用户识别规则;
排除单元,用于根据高铁停车或故障停车的情况,在所述全量信令数据中排除停车或故障停车的信令数据;
识别单元,用于利用剩余的全量信令数据,基于所述高铁用户识别规则识别出疑似高铁用户,形成疑似高铁用户数据库;
获取单元,用于在所述疑似高铁用户数据库中获取公网入侵用户以及与高铁实际运行轨迹方向不一致的非高铁用户;
所述排除单元,还用于将所述公网入侵用户以及所述非高铁用户从所述疑似高铁用户数据库中排除。
11.一种计算机设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1至9中任一项所述的高速铁路用户的识别方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1至9中任一项所述的高速铁路用户的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362460.9A CN109936813A (zh) | 2017-12-18 | 2017-12-18 | 高速铁路用户的识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362460.9A CN109936813A (zh) | 2017-12-18 | 2017-12-18 | 高速铁路用户的识别方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109936813A true CN109936813A (zh) | 2019-06-25 |
Family
ID=66982198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711362460.9A Pending CN109936813A (zh) | 2017-12-18 | 2017-12-18 | 高速铁路用户的识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109936813A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113556722A (zh) * | 2020-04-26 | 2021-10-26 | 中移(成都)信息通信科技有限公司 | 一种无线网络用户识别的方法、装置、设备及存储介质 |
CN114698005A (zh) * | 2022-03-30 | 2022-07-01 | 中国联合网络通信集团有限公司 | 异常小区的识别方法、装置、设备及可读介质 |
CN115119176A (zh) * | 2022-06-01 | 2022-09-27 | 中国联合网络通信集团有限公司 | 高铁用户终端识别方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938917A (zh) * | 2011-08-15 | 2013-02-20 | 鼎桥通信技术有限公司 | 非高铁用户切换方法和无线网络控制器 |
CN102892134B (zh) * | 2012-09-11 | 2014-09-03 | 北京中创信测科技股份有限公司 | 一种筛选高速移动手机用户的方法 |
CN105636104A (zh) * | 2014-10-27 | 2016-06-01 | 北京市天元网络技术股份有限公司 | 移动通信网络中高速移动用户通话识别的方法及系统 |
CN106878946A (zh) * | 2017-02-16 | 2017-06-20 | 山东浪潮商用系统有限公司 | 基于运动轨迹的高铁用户识别方法 |
CN107071740A (zh) * | 2016-12-30 | 2017-08-18 | 广东海格怡创科技有限公司 | 基于软采信令的高铁上通信用户检测方法和系统 |
-
2017
- 2017-12-18 CN CN201711362460.9A patent/CN109936813A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938917A (zh) * | 2011-08-15 | 2013-02-20 | 鼎桥通信技术有限公司 | 非高铁用户切换方法和无线网络控制器 |
CN102892134B (zh) * | 2012-09-11 | 2014-09-03 | 北京中创信测科技股份有限公司 | 一种筛选高速移动手机用户的方法 |
CN105636104A (zh) * | 2014-10-27 | 2016-06-01 | 北京市天元网络技术股份有限公司 | 移动通信网络中高速移动用户通话识别的方法及系统 |
CN107071740A (zh) * | 2016-12-30 | 2017-08-18 | 广东海格怡创科技有限公司 | 基于软采信令的高铁上通信用户检测方法和系统 |
CN106878946A (zh) * | 2017-02-16 | 2017-06-20 | 山东浪潮商用系统有限公司 | 基于运动轨迹的高铁用户识别方法 |
Non-Patent Citations (1)
Title |
---|
葛强: "基于LTE信令软采的高铁性能监控及质量评估", 《电信工程技术与标准化》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113556722A (zh) * | 2020-04-26 | 2021-10-26 | 中移(成都)信息通信科技有限公司 | 一种无线网络用户识别的方法、装置、设备及存储介质 |
CN113556722B (zh) * | 2020-04-26 | 2023-08-15 | 中移(成都)信息通信科技有限公司 | 一种无线网络用户识别的方法、装置、设备及存储介质 |
CN114698005A (zh) * | 2022-03-30 | 2022-07-01 | 中国联合网络通信集团有限公司 | 异常小区的识别方法、装置、设备及可读介质 |
CN115119176A (zh) * | 2022-06-01 | 2022-09-27 | 中国联合网络通信集团有限公司 | 高铁用户终端识别方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10542519B2 (en) | Terminal positioning method and network device | |
CN105491532B (zh) | 一种用于路网运行状态分析的手机信令过滤方法和装置 | |
CN102869037B (zh) | 一种基于A口和Abis口信令数据的高速铁路用户分离方法 | |
CN108462966B (zh) | 一种基于2g网络高铁小区rru定位识别方法及系统 | |
CN109525959B (zh) | 高速铁路用户分离方法及系统、信令数据处理方法及系统 | |
CN105101092A (zh) | 一种基于c4.5决策树的手机用户出行方式识别方法 | |
CN104217593A (zh) | 一种面向手机移动速度的路况信息实时获取方法 | |
Tettamanti et al. | Mobile phone location area based traffic flow estimation in urban road traffic | |
CN104768169A (zh) | 高速铁路移动用户感知优化分析方法及系统 | |
CN115100848B (zh) | 一种地面交通拥堵的出行溯源方法和系统 | |
CN114390458B (zh) | 一种应用手机信令数据辨识个体地铁乘候车行为的方法 | |
CN106651027A (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
CN107545763A (zh) | 一种车辆定位方法、终端、服务器及系统 | |
CN103906086B (zh) | 一种基于移动网络的人员流向监测方法和装置 | |
CN114866969B (zh) | 基于手机信令大数据的地铁清分清算方法与系统 | |
CN109936813A (zh) | 高速铁路用户的识别方法、装置、设备及介质 | |
CN115665665A (zh) | 移动路径识别方法、识别装置、电子设备和可读存储介质 | |
CN116233757A (zh) | 一种基于手机信令数据的居民出行碳排放量计算方法 | |
CN104504245A (zh) | 一种应用gps出行调查数据识别出行和活动的方法 | |
CN114360240A (zh) | 一种基于车联网轨迹特征的高精度定位方法 | |
Cheng et al. | The optimal sampling period of a fingerprint positioning algorithm for vehicle speed estimation | |
CN109348490B (zh) | 一种识别干扰铁路lte网络的邻接载波的方法及装置 | |
CN113569978B (zh) | 一种出行轨迹识别方法、装置、计算机设备及存储介质 | |
US9420427B2 (en) | Method and system for tracking the whereabouts of people in urban settings | |
CN115587503B (zh) | 基于多模式仿真的个体出行链还原方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190625 |