CN109996299A - 高铁用户识别方法、装置、设备及介质 - Google Patents

Abstract

公开了一种高铁用户识别方法、装置、设备及介质，该方法包括：对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析得到多个聚类，速度距离关联对为高铁专网用户在预定高铁线路上两个专网小区之间的平均速度和两个专网小区之间的线路距离构成的关联对；基于多个聚类各自的最低速度，确定速度阈值；确定待识别用户在两个用户信令出现小区之间的平均速度，用户信令出现小区是预设高铁专网小区切换链上待识别用户的用户信令出现的小区；以及在待识别用户的平均速度大于速度阈值的情况下，确定待识别用户为高铁用户。由此，通过聚类确定合理的速度阈值和用户平均速度，进行高铁用户精准识别。

Description

高铁用户识别方法、装置、设备及介质

技术领域

本发明涉及无线通信技术领域，尤其涉及一种高铁用户方法、装置、设备及介质

背景技术

近年来，随着高铁建设飞速发展，高铁已成为越来越多用户的出行选择。高铁用户的信令数据能够为上层应用分析线路客流量、车站客流量、旅客出行规律OD分析、高铁通勤旅客识别等，提供数据支撑。

现有基于移动信令的高铁用户识别算法可概括为；过滤出同时满足以下3个条件的用户：a.用户信令出现在高铁专网；b.用户位置轨迹和高铁线路相匹配；c.用户移动速度大于特定阈值。其关键技术是准确判断用户的移动速度。

现有算法通过匹配切换链的多个连续小区识别高铁用户容易造成高铁用户的漏识别。现有算法通过用户信令先后出现的小区之间的线路距离与线路映射时间点的时间差计算用户的移动速度，误差较大，易造成高铁用户误识别。并且，现有算法计算用户移动距离时也未考虑旅客候车和站内停留的时间，导致计算的移动速度低于实际速度，造成高铁用户的漏识别。

综上所述，仍然需要一种高效、精准的高铁用户识别方案。

发明内容

本发明实施例提供了一种高铁用户识别方法、装置、设备及介质，通过速度-距离关系的图形呈现、聚类分析，合理选取速度阈值，进而提升高铁用户识别正确率。

第一方面，本发明实施例提供了一种高铁用户识别方法，方法包括：

对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析，得到多个聚类，所述速度距离关联对为所述高铁专网用户在所述预设高铁线路上两个专网小区之间的平均速度和所述两个专网小区之间的线路距离构成的关联对；

基于所述多个聚类各自的最低速度，确定速度阈值；

确定待识别用户在两个用户信令出现小区之间的平均速度，所述用户信令出现小区是所述预设高铁专网小区切换链上待识别用户的用户信令出现的小区；以及

在所述待识别用户的平均速度大于所述速度阈值的情况下，确定所述待识别用户为高铁用户。

第二方面，本发明实施例提供了一种高铁用户识别装置，装置包括：

聚类单元，用于对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析，得到多个聚类，所述速度距离关联对为所述高铁专网用户在所述预设高铁线路上两个专网小区之间的平均速度和所述两个专网小区之间的线路距离构成的关联对；

速度阈值确定单元，用于基于所述多个聚类各自的最低速度，确定速度阈值；

平均速度确定单元，用于确定待识别用户在两个用户信令出现小区之间的平均速度，所述用户信令出现小区是所述预设高铁专网小区切换链上待识别用户的用户信令出现的小区；以及

用户识别单元，用于在所述待识别用户的平均速度大于所述速度阈值的情况下，确定所述待识别用户为高铁用户。

第三方面，本发明实施例提供了一种计算设备，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铁用户识别方法、装置、设备及介质，以通过速度-距离关系的图形呈现、聚类分析，以实际数据用可视化方法调整参数，合理选取速度阈值，降低误识别和漏识别，提高识别正确率。并且，根据高铁专网小区以及高铁线路，对切换链进行清洗和优化，剔除车站小区及其上下游小区，同时基于切换链上的最大距离确定平均速度，进一步提高高铁用户识别的正确率。

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1A-图1B示出了现有高铁用户识别的一个例子。

图2示出了根据本发明一个实施例的高铁用户识别方法的流程示意图。

图3示出了根据本发明一个应用示例的高铁用户识别流程示意图。

图4A-4E示出了根据本发明一个应用示例。

图5示出了根据本发明一个实施例的高铁用户识别装置示意框图。

图6示出了本发明实施例提供的计算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。

如前所述，由于高铁专网用户既有高铁乘客，也有大量的非高铁用户，如车站工作人员、偶尔经过的用户，非高速客车的乘客、平行的高速公路乘客等。基于高铁行车速度快的显著特征，一般通过速度门限进行过滤。

现有基于移动信令的高铁用户识别算法可概括为：过滤出同时满足以下3个条件的用户：a.用户信令出现在高铁专网；b.用户位置轨迹和高铁线路相匹配；c.用户移动速度大于特定阈值。其关键技术是准确判断用户的移动速度。

根据移动用户的位置信息来源，主要分为以下几类高铁用户识别方法：MR位置，S1信令位置，OTT位置，MDT位置等。

MR(Measurement Report)，即空口的周期性测量报告，通过TA(Tracking Area，跟踪区)和AOA计算得出用户相对基站位置，或匹配测量值特征到已知的地理栅格。

S1信令，根据用户信令所属的小区，将用户位置粗略地等同于基站位置。

OTT(Over the top)，通过解析特定数据业务用户App和服务器(包括App后台或地图API服务商)之间交互的位置信息。

MDT(Minimization Drive Test)，通过最小化路测信息提取其中位置和时间。

在实践中，由于OTT信息获取依赖于用户使用特定业务的行为，MDT尚未普及，目前高铁用户识别算法主要是基于MR信令或S1信令。

相对来说，MR位置精确度高，但通常不能保证全时全量开启，数据完整性差，加之数据量大造成接入时延大、处理计算开销大；而S1信令位置精确度低，但可以保证7x24的数据完整性。

基于S1信令识别高铁用户，通常使用小区切换链，即沿线高铁专网小区按照在高铁线路上的正交投射点的先后顺序，构成用户乘坐高铁时的理论小区切换链。

现有基于S1信令的高铁用户识别方法，存在一些缺点，造成一部分高铁用户的漏识别，另一部分非高铁用户的误识别。具体陈述如下。

(1)现有算法通过匹配切换链的多个连续小区识别高铁用户，造成漏识别(即部分高铁用户未被识别出来)。

大部分高铁用户，信令并非同时出现在切换链的连续小区下。

LTE终端附着网络后，当没有数据业务时，将进入ECM(EPS连接管理)Idle状态以节省空口资源，直到要进行数据业务或TAU。

在Idle状态下，从核心网的视角，只知道用户所处TAC(严格来说TAI list)，并不知道所处具体小区。即使用户在小区间移动也只有空口小区重选过程，S1接口没有发生信令。

即，发生S1信令必须满足下列条件之一，导致用户信令很难出现在连续覆盖的小区：a.活跃状态(取决于用户是否上网，包括VoLTE通话)；

b.周期性TAU(最大54分钟发生)；c.TAC变化导致TAU(很少发生)。

图1A示出了高铁专网TAC划分示例(TAC以颜色区分)。参见图1A所示的1号链路，京石线沿线所有小区属于同一个TAC；而2号链路和3号链路分别属于其它线路的高铁专网TAC。

实际数据中，排除车站停留的情况，在高铁线路行车期间，常见跨多个小区才出现一次信令的情况。如果按照切换链连续小区匹配，将造成大量高铁用户遗漏。

(2)现有算法计算用户移动速度时，误差较大，造成误识别(即低速的非高铁用户，由于计算误差被识别为高铁用户)。

假设用户信令出现小区的前后位置分别为p1，p2，用户信令出现时间分别为t1，t2，则用户的移动速度v＝(p2-p1)/(t2-t1)，即用户信令先后出现的2个小区间线路距离/经过2个小区的线路映射点的时间差。

由于小区覆盖范围通常在1km以上，通过信令无法得到用户经过该点的精确时间，导致速度计算结果比实际速度高或低，误差范围较大。

假设以下场景，用户A(非高铁乘客)，位于2个相邻高铁专网小区之间，偶发切入高铁专网后并很快发生切换，根据现有方法计算，移动距离v＝2个相邻基站距离(假设3km)，时间假设15秒，则计算速度约为720km/小时，完全满足条件3的速度门限，造成误识别。并且，计算速度时选取的基站距离越近，速度误差越大。

以石武线实测数据为例，图1B示出了现有算法中石武线部分站段的用户始末位置及速度关系示意图。

图1B说明如下：

a.横轴为用户出现的首个小区位置(米)，纵轴为最末小区位置(米)。越向南(北)数值越大，每个点代表用户出现的首末位置，颜色代表不同的速度(根据首末位置计算)。

b.以从右上角到左下角的斜线为界，左上部分为南向用户，右下部分为北向用户。离斜线越远的点，表示该用户首末位置距离越大。

c.其中横向、纵向的空白条为车站中心±n km，因算法优化需要，剔除了车站附近小区(具体原因见如下第(3)点)。

d.而斜线处的空白条是则是剔除了距离过短用户。

从图1B可以看出：

a.行车双向的速度分布特征相似(左上和右下颜色分布基本对称)

b.随着距离的增加，速度收敛趋于一致(颜色接近一致)；

c.距离大约50km以内，速度较为分散，波动大，误差大(离斜线越近，颜色越杂乱。图中斜向虚线分别表示双方向的50km距离，2线之间的部分距离小于50km)。

d.用户出现的首末位置分散在线路中各处，也印证了用户信令并非出现在切换链全部基站。(点在X或Y方向分散各处，而每个点表示首末可见信令发生的位置，即该点前后并无用户信令，即使用户不可能在中途下车)。

(3)旅客上下乘在高铁车站停留时间计算在内，计算速度远低于高铁速度，造成漏识别。

用户在车站专网的停留时间，对速度计算结果有一定影响，尤其是短途旅客由于行车时间相对不很长，其候车时间的影响已经严重到不能忽略的地步。

假设用户B在站台候车10分钟(附着到高铁专网、)，站段平均距离50km，列车平均时速300km，则到下一站需10分钟左右；如果按照用户在每个小区首条信令开始时间计算时间差，则计算用户移动速度为50公里/20分钟＝150公里/小时。考虑实际情况，用户在途中进入Idle状态，假设为一半即25公里处，即5分钟后，这样计算速度只有100公里/小时了(25km/(10+5)分钟＝100公里/小时)。

候车时间和行车时间的比例越大，速度越小，当低于速度阈值时，则漏识别。

(4)对于乒乓切换等场景，容易误判用户乘车方向。

如A-B-A的切换场景下，难以判断用户真实乘车方向，或判别算法过于复杂。

综上所述，现有基于S1信令的高铁用户识别算法存在高铁用户漏识别和误识别的缺点，难以为上层应用分析输出精准、丰富的数据支撑。

有鉴于此，本发明提出了一种精准的高铁用户识别方法和装置，采用基于S1信令高铁用户识别算法，针对现有算法的误识别和漏识别问题，通过从切换链等基础数据的准备、速度阈值的选定等的创新方法，提高了识别的召回率和准确率，同时可以输出旅客行程等丰富的信息为上层应用提供数据支撑。

本发明中，预设高铁专网小区切换链是本发明针对高效识别高铁用户而预先准备的。例如，可以基于高铁专网工参数据，确定高铁专网小区切换链线路，优化基于高铁专网工参数据确定的高铁专网小区切换链线路，以得到所述预设高铁专网小区切换链。

优化基于高铁专网工参数据确定的高铁专网小区切换链线路可以包括但不限于是如下的优化操作：剔除位置偏离所述高铁专网小区切换链线路较远的高铁专网小区；以及/或者剔除所述高铁专网小区切换链线路中的高铁专网车站小区以及所述车站小区上下游预定距离内的高铁专网小区；以及/或者合并同一线路中的一段或多段分段线路；以及/或者基于地理位置信息补足不连续的高铁专网小区切换链线路。

与现有高铁用户识别算法相比，从预设高铁专网小区切换链中剔除了对计算用户移动速度的影响较大的线路偏离小区、车站小区及车站附近的小区，从而排除各种偶发短时间切入高铁专网的用户，如偶尔经过沿线的用户、非高速客车的乘客、平行的高速公路乘客、车站工作人员等，从而减少误识别，以提升后续高铁用户识别的准确性。

另外，还可以为所述预设高铁专网小区切换链增加字段标识，所述字段标识包括所述预设高铁专网小区切换链的线路名称、总序号、线路序号、TAC、ECI、经度、纬度、线路累计距离、小区所属车站、小区前方车站、小区后方车站。

这样，当获取了用户的信令数据和切换链，即可针对该用户进行识别。在高铁用户识别后，还可以基于该高铁用户的用户信令所出现的切换链，确定用户的出行线路情况，例如上下车站、出行时间，由此，为上层应用分析用户出行线路、客流量、旅客信息等提供数据支持。

考虑到现有算法中用户移动距离的计算误差较大，其速度门限的选取也不合理。为了解决此问题，本发明的发明人提出可根据上述处理得到的预设高铁专网小区切换链上相距较远的小区之间的线路距离及其相应用户信令出现时间差计算用户的移动速度，以减小计算用户移动速度的误差。

图2示出了根据本发明一个实施例的高铁用户识别方法的流程示意图。

参见图2，在步骤S210，本发明的发明人对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析，得到多个聚类，其中，所述速度距离关联对为所述高铁专网用户在所述预定高铁线路上两个专网小区之间的平均速度和所述两个专网小区之间的线路距离构成的关联对。

预设高铁专网小区切换链是根据本发明如上方法预先准备的切换链。基于用户信令出现的小区，可以确定用户相应的切换链。

专网小区是高铁专网用户的用户信令出现的小区。这里的两个专网小区之间的线路距离大于预定距离阈值，或者两个专网小区之间的切换链序号之差大于预定序号差阈值。

这样，即可通过选取切换链上相距较远的用户信令出现小区计算用户移动速度(平均速度)，减小速度计算误差，减少漏识别和误识别。

在一个优选实施例中，两个专网小区可以是高铁专网用户的用户信令在预设高铁专网小区切换链中的用户信令首次出现小区与用户信令末次出现小区。其中，本发明中以用户信令出现在一个高铁专网小区的时间为用户信令出现时间，以用户的用户信令首次出现在高铁专网切换链上的一个高铁专网小区为用户信令首次出现小区，以用户的用户信令末次出现在高铁专网切换链上的一个高铁专网小区为用户信令末次出现小区。

由此，通过选取切换链上的小区最大距离计算用户移动速度，进一步减小速度计算的误差。

之后，在步骤S220，基于所述多个聚类各自的最低速度，确定速度阈值。

由此，通过基于本发明的预设高铁专网小区切换链、以及预定的高铁专网用户作为样本进行聚类分析，合理调整和优化参数，选定速度波动收敛的最低速度作为速度阈值门限，能够极大减少误识别和漏识别。聚类分析和速度阈值的选定详细可参见下文的应用示例。

之后，在步骤S230，确定待识别用户在两个用户信令出现小区之间的平均速度。

待识别用户是需要进行高铁用户识别的用户。用户信令出现小区是所述预设高铁专网小区切换链上待识别用户的用户信令出现的小区。

在一个优选实施例中，可以基于采集到的用户信令数据，来确定待识别用户。例如，可以将用户信令出现在预设高铁专网小区切换链下的预定数量个高铁专网小区的用户确定为待识别用户。

进一步地，可以基于采集到的待识别用户的用户信令数据，构建所述待识别用户的用户切换链，所述用户切换链依次包括多个所述用户信令出现小区。

选取该用户切换链上的两个用户信令小区来计算用户的移动(平均)速度。优选地，选定的待识别用户的两个用户信令出现小区之间的线路距离较大，例如，可以是线路距离大于预定距离阈值的两个用户信令出现小区、或者两个用户信令小区之间的切换链序号之差大于预定序号差阈值。其中，切换链序号是基于在前准备的预设高铁专网小区切换链确定的。

平均速度可以是基于所述用户切换链中两个用户信令出现小区之间的线路距离以及用户信令出现在所述两个用户信令出现小区的时间差的比值。

在一个优选实施例中，待识别用户的上述两个用户信令出现小区可以是其用户信令首次出现小区和用户信令末次出现小区。基于所述用户切换链中两个用户信令出现小区之间的线路距离以及用户信令出现在所述两个用户信令出现小区的时间差，确定所述平均速度。

即，选取用户切换链上线路间距最大的两个小区以计算用户移动的平均速度。由此进一步减小计算用户移动(平均)速度的误差。

另外，为确保用户识别的准确度，在一个优选实施例中，在所述用户切换链中的相邻用户信令出现小区的用户信令出现时间间隔超过预定时间阈值的情况下，拆分所述用户切换链，得到一条或多条用户切换链。

进一步地，可以筛除上述拆分后的一条或多条用户切换链中不满足预定条件的用户切换链，进而将满足预定条件的用户切换链视为一个待识别用户的用户切换链，对其进行分析识别。

上述预定条件可以包括但不限于如下条件：用户切换链中包括的用户信令出现小区的数量大于预定数量阈值；以及/或者用户切换链中用户信令首次出现小区和用户信令末次出现小区之间的线路距离大于预定距离阈值；以及/或者用户切换链中用户信令首次出现小区和用户信令末次出现小区之间的切换链序号之差大于预定序号差阈值。

这样，通过上述拆分用户切换链以及筛除不满足预定条件的用户切换链，即可将用户换乘、往返考虑到其移动平均速度的计算中，从而减小速度计算误差，避免漏识别和误识别。

之后，在步骤S240，在待识别用户的平均速度大于速度阈值的情况下，确定所述待识别用户为高铁用户。

由此，通过合理选定速度阈值、以及高度准确的速度计算方法，提升高铁用户识别的准确率。

通过如上的高铁用户识别方法，在确定了高铁用户后，还可以基于高铁用户的用户信令数据、用户切换链等等，确定该用户的用户出现线路。例如，可以将所述用户切换链中用户信令首次出现小区后方的车站确定为用户上车站，或者将所述用户信令切换链中用户信令末次出现小区前方的车站确定为用户下车站。由此，向上层应用分析铁路客流提供数据支撑。

至此，已经结合图2详细说明了本发明的高铁用户识别方法。

为了更清楚的理解本发明，如下将结合图3-4所示的应用示例详细阐述本发明的高铁用户识别技术方案。

图3示出了根据本发明一个应用示例的高铁用户识别流程示意图。图4A-4E示出了根据本发明一个应用示例。

参见图3，本发明的高铁用户识别算法及数据准备内容主要包括：

1.基础数据的准备，例如基于高铁专网工参，优选预设高铁专网小区切换链。

2.基于准备好的高铁专网小区切换链数据，基于预定高铁专网用户的用户信令数据，聚类可视化分析线路距离-速度关系，选定关键的速度参数阈值。

3.根据切换链、速度阈值等设定，筛选待识别用户的高铁专网信令数据，识别高铁用户；并进一步进行其它相关分析，如高铁用户上下车站识别，为上层应用分析提供数据基础。

如下将结合附图及实施例对上述流程进行详细步骤阐述。

1、基础数据的准备，

图4A示出了本发明实施例的基础数据准备流程示意图。参见图4A，本发明的基础数据准备流程主要是针对高铁专网小区信息以及高铁数据，生成高铁专网小区切换链线路，并对该高铁专网小区切换链线路进行处理、清洗和优化，最终得到本发明的预设高铁专网小区切换链。

1.1切换链处理、清洗、优化

对高铁专网小区切换链线路进行处理，包括：区分线路、合并小区、去除位置偏差较大的个别小区、剔除车站小区、生成切换链序号、对中间出省又入省的不连续线路修正线路距离、增加上下游车站信息标识等。

具体步骤如下：

(1)按高铁专网工参数据生成切换链线路，并按小区或基站汇总Avg(位置)，Sum(下游映射线路距离)，min(切换链序号)。同时对汇总后各小区/基站的位置、线路累计距离分别计算标准方差(其中位置按经纬度分别计算)。

(2)对经纬度方差>0.01的个别小区进行检查和处理。如存在个别小区和其它小区位置相差过大，则删除该小区后重新汇总。

(3)对累计距离方差>1500m的个别小区进行处理，同上。

(4)线路省内部分不连续的(例如京沪线天津前后2段)进行处理，根据GIS计算的线路长度补足累计距离。

(5)车站小区剔除(通过计算平均值求车站中心位置，在剔除线路距离上下5公里内的车站和沿线小区)。

(6)线路处理(同线合并，如京石线、石武线合并为京广线)，便于出行信息识别。

(7)增加字段标识前、后站(含京、津、省界)。

(8)对如上步骤确定的切换链数据进行验证，要求满足邻站位置距离差/映射距离＜＝2。

1.2专网工参处理

对高铁专网工参数据进行处理，以便于关联本发明的预设高铁专网小区切换链。

具体步骤如下：

(1)将多个高铁专网小区的名称归一化。

(2)按高铁专网小区名称+TAC+ECI的方式进行线路的高铁专网小区去重。

1.3关联切换链

将通过上一步骤处理后的高铁专网工参数据，与本发明的预设高铁专网小区切换链进行数据关联。输出增强后的切换链，包括字段：线路名称、总序号、线路序号、TAC、ECI、经度、纬度、累计距离、所属车站、前方车站、后方车站等。

1.4换链数据验证

(1)通过高铁专网小区位置GIS打点验证。按照线路、TAC、距离、站段等分类呈现，以检查纠错。

(2)线路长度校验基本符合。

2.速度阈值的选取

图4B示出了根据本发明一个实施例的速度-距离关联对聚类分析示意图。按照图4B所示的流程图，基于本发明上述预先准备的高铁小区切换链，通过某省高铁实际数据，可视化分析进行参数调整优化，合理选取速度阈值。

图4C示出了根据本发明一个实施例的速度-距离关联对聚类分析结果示意图。

参见图4C，其中，横轴代表首末小区距离(米)，纵轴为计算速度(米/分钟)，每个点代表一个用户。时间按分钟取整，每条斜线从左到右分别表示用户切换链上用户信令出现时间的首末时间间隔1分钟，2分钟，3分钟，依此类推。

对高铁专网用户的速度-距离关联对进行聚类分析，分为几个区块。如图4C，1号区块大约表示距离＜30公里，时间＜＝4分钟；2号区块为直接通过不停车用户(停车次数＝0)；3号区块为停车1次用户(停车次数＝1)；4号区块为停车2次用户(停车次数＝2)；5号区块为停车3次用户(停车次数＝3)。各区块的停车次数和站段的车站数量吻合。大多数用户(列车)停车1-2次，符合实际情况。

参见图4C所示的2号区块，在首末小区的线路间距为短距离时(2号区块与1号区块相交重叠部分)，速度在较大范围内分散，随着测量距离的增加可以较好的收敛(收敛到5000米/分钟左右，即时速300公里)。

随着停车次数的增加，纵轴的速度下降(因时间拉长)，横轴距离增加(因跨站才会停车，停车次数增加意味着站段数增加，相应的行车距离也增加)。

以停车次数＝1的3号区块为例，首末小区之间的距离越大速度越大，因为更多的行车时间可以抵消停车时间拉低速度的影响，最低时速收敛于约2670米/分钟(160公里/小时)附近。

同样的，对于2-3次停车的区块，最低时速也大约为160公里/小时。

基于上述可视化方法的分析，最终选取收敛点速度160公里/小时，作为速度阈值，可以反映本省高铁线路站段距离、车次运营(经停)、实际速度特征，较好地排除高速公路和其它非高铁(运行)用户，防止误识别；同时也能容忍车站停车、位置时间精度问题等影响，尽可能多的识别高铁用户，减少漏识别。

图4C左下角的少量离散用户，非高铁用户(为低速用户短时间切入高铁专网，由于小区切换等原因造成虚假的高铁用户)，也可以通过本发明设定的切换链上的最小基站数、距离门限等进行排除。

应当理解的是，本发明的聚类分析、选定速度阈值，可以针对不同的省市、区域、地域、线路、高铁实际数据等情况而定，根据其实际情况，不同的线路、预设高铁专网小区切换链可以选定不同的速度阈值。

3.高铁用户识别

图4D示出了根据本发明一个实施例的高铁用户识别流程示意图。

参见图4D，实现流程如下：

a.确定待识别用户，例如按高铁专网小区过滤用户XDR信令数据，按线路拆分，将用户信令出现在预设高铁专网小区切换链下的多个高铁专网小区、用户信令首末出现小区的线路间距大于一定距离的用户确定为待识别用户。

b.构建用户切换链，例如，按用户信令出现的开始时间排序生成用户切换链(分单线双向)。

c.用户切换链拆分，例如，基于相邻用户信令出现时间间隔超过60分钟，拆分切换链。(换乘、折返，均计作2人次)

d.每用户每段切换链分别过滤，筛除不满足预定条件的用户切换链；例如，以用户信令出现小区数量大于等于4，用户信令首末出现小区的小区切换链序号之差大于8，首末出现小区之间的速度即平均速度是否大于预速度阈值(例如2667米/分钟)，其中，用户信令出现时间取用户信令开始在用户信令出现小区出现的时间、小区间的线路距离取映射距离，判断平均速度大于速度阈值的待识别用户为高铁用户。

应当理解，在实际识别过程中，以上各阈值可以根据省市区域、地域、路况、高铁实际数据等实际识别情况进行调整优化。

最终输出结果(例如以列表的形式呈现)包括但不限于：IMSI，线路名称，方向(1/0)，开始时间，结束时间，开始小区，结束小区，开始车站，结束车站。输出数据时对用户敏感信息如手机号码、身份证号码等进行保密、脱敏。

基于上述输出结果，将用户首次出现小区的后方车站确定为用户的上车站，用户末次出现小区的前方车站为下车站，基于切换链确定用户的出行方向等。上述输出结果可以被提供至上层应用进行数据分析。

4.识别效果验证

如下以石武(石家庄-高邑-邢台-邯郸)线为例，验证通过本发明上述的高铁用户识别方法的识别率和准确性。

4.1识别率

图4E示出了根据本发明一个实施例的识别验证结果示意图。其以石武线(石家庄-高邑-邢台-邯郸)及其高铁实际数据为例。

根据高铁实际数据可知，石家庄-郑州高铁每天约70车次。

每个乘客经过的站段数，最大数＝3(即大部分旅客从石家庄出省)，平均数＝2.36。

理论乘车人次＝70车次*10车厢*80座*70％平均上座率*70％中移动4G渗透率*经过3站段/平均乘坐2.36段*2方向＝69762人次/天。

实际识别用户：51127人次/天。

识别率＝实际识别人次/理论人次*100％＝73.29％

4.2用户追踪分析

取具体用户分析时间、位置、速度、上下车站等，进行验证。

高频用户(一天4次以上)数量较少(＜1％)，选取个别用户分析，检查时间、位置关系，确认是乘坐高铁的特征，其中一些往返同一线路，初步判断为列车工作人员或铁路工作人员；

大多数用户乘车1次。(合并计算京石线和石武线，合并京沪天津前后2段)

选取乘车2次的用户分析，有一些当天往返的用户(始末站相同，上午去下午回)。

上述验证，结果符合预期。

4.3流向分析

以石武线为例，分析用户流向。

取石家庄、邢台、邯郸3个站及省界虚拟站点(到河南)上下车旅客，分析双向流量特征进行验证。

参见图4E：每个站点的弧度大小，表示出发乘客总数。该站点到其它站点连线的宽度，表示流向该站点的乘客数量。

石家庄流出，大部分去往河南，其次是邯郸，仅到邢台就中止旅行的乘客很少。说明作为京广大动脉的一部分，石武线南向旅客，大多数是跨省(长途)旅客。

邯郸、邢台地市虽然距离很近，但二者之间的客流远小于到石家庄的客流，反映了省会城市的聚集效应。

图4E整个图中最粗的连线：石家庄-省界，即客流最多的一对车站(虚拟车站)。省界侧弧度>石家庄侧弧度，说明北上人数>南下人数。

但加上邢台、邯郸客流，在省内上车总人数>入省总人数。(三者弧度之和>省界的弧度)

上述符合预期。

4.4时段分析

以石武线为例，取石家庄-郑州不同时段的车次数。12：00-18：00最多，其次是6：00-8：00，18：00-24：00最少。用户数按5分钟粒度进行时间趋势分析。二者基本符合。

由此可见，本发明提供的高铁用户识别方案的识别效率及准确性，效果良好，符合预期。基于本发明的高铁用户识别方案，能够极大地避免高铁用户的漏识别和误识别，为上层应用分析线路客流量，车站客流量，旅客出行规律OD分析，高铁通勤旅客识别等，提供数据支撑。

另外，本发明的高铁用户识别方法还可以由一种高铁用户识别装置实现。图5示出了根据本发明一个实施例的高铁用户识别装置示意框图。其中，高铁用户识别装置500的功能模块可以由实现本发明原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图5所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。

图5所示的高铁用户识别装置500可以用来实现图2所示的高铁用户识别方法，下面仅就高铁用户识别装置500可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文结合图2的描述，这里不再赘述。

参见图5，本发明的高铁用户识别装置500可以包括聚类分析单元510、速度阈值确定单元520、平均速度确定单元530和用户识别单元540。

聚类分析单元510可以用于对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析，得到多个聚类，所述速度距离关联对为所述高铁专网用户在所述预定高铁线路上两个专网小区之间的平均速度和所述两个专网小区之间的线路距离构成的关联对。

速度阈值确定单元520可以用于基于所述多个聚类各自的最低速度，确定速度阈值。

平均速度确定单元530可以用于确定待识别用户在两个用户信令出现小区之间的平均速度，所述用户信令出现小区是所述预设高铁专网小区切换链上待识别用户的用户信令出现的小区。

用户识别单元540可以用于在所述预定条件包括所述待识别用户的平均速度大于所述速度阈值的情况下，确定所述待识别用户为高铁用户。

优选地，所述两个用户信令出现小区之间的线路距离大于预定距离阈值；或者所述两个用户信令出现小区之间的切换链序号之差大于预定序号差阈值。

优选地，所述两个专网小区可以是所述高铁专网用户的用户信令在所述预设高铁专网小区切换链中的用户信令首次出现小区与用户信令末次出现小区；并且/或者所述两个用户信令出现小区可以是所述待识别用户在所述预设高铁专网小区切换链中的用户信令首次出现小区与用户信令末次出现小区。

优选地，所述高铁用户识别装置500还可以包括用户切换链构建单元。用户切换链构建单元可以用于构建所述待识别用户的用户切换链，其中，所述用户切换链中依次包括多个所述用户信令出现小区。

优选地，平均速度确定单元530可以基于所述用户切换链中两个用户信令出现小区之间的线路距离以及用户信令出现在所述两个用户信令出现小区的时间差，确定所述平均速度。

优选地，所述高铁用户识别装置500还可以包括用户切换链拆分单元。用户切换链拆分单元可以在所述用户切换链中的相邻用户信令出现小区的用户信令出现时间间隔超过预定时间阈值的情况下，拆分所述用户切换链。

优选地，所述高铁用户识别装置500还可以包括筛除单元。筛除单元可以用于筛除不满足预定条件的用户切换链。

优选地，所述预定条件可以包括：所述用户切换链中包括的用户信令出现小区的数量大于预定数量阈值；以及/或者所述用户切换链中用户信令首次出现小区和用户信令末次出现小区之间的线路距离大于预定距离阈值；以及/或者所述用户切换链中用户信令首次出现小区和用户信令末次出现小区之间的切换链序号之差大于预定序号差阈值。

优选地，所述高铁用户识别装置500还可以包括切换链优化单元。切换链优化单元可以优化基于高铁专网工参数据确定的高铁专网小区切换链线路，以得到所述预设高铁专网小区切换链。

优选地，切换链优化单元可以包括但不限于是执行如下优化操作：

剔除位置偏离所述高铁专网小区切换链线路较远的高铁专网小区；以及/或者剔除所述高铁专网小区切换链线路中的高铁专网车站小区以及所述车站小区上下游预定距离内的高铁专网小区；以及/或者合并同一线路中的一段或多段分段线路；以及/或者基于地理位置信息补足不连续的高铁专网小区切换链线路。

优选地，所述高铁用户识别装置500还可以包括切换链标识单元。切换链标识单元可以用于为所述预设高铁专网小区切换链增加字段标识，所述字段标识包括所述预设高铁专网小区切换链的线路名称、总序号、线路序号、TAC、ECI、经度、纬度、线路累计距离、小区所属车站、小区前方车站、小区后方车站。

优选地，所述高铁用户识别装置500还可以包括上下车站识别单元。上下车站识别单元可以用于将所述用户切换链中用户信令首次出现小区后方的车站确定为用户上车站，或者将所述用户信令切换链中用户信令末次出现小区前方的车站确定为用户下车站。

由此，通过本发明的高铁用户识别方案实现精准高效的高铁用户识别。本发明的高铁用户识别方案的关键内容包括：

(1)基于聚类、速度波动收敛，进行高铁用户精准识别。

(2)取最大距离计算用户移动速度，减少误识别。

(3)剔除切换链中的车站小区及其上下游x公里的小区，减少漏识别。

(4)根据用户信令出现首末小区的上下游车站关系，确定用户最终上下乘车站。

(5)区分同一用户同日多次换乘，包括不同线路，或同线路往返。

与现有高铁用户识别方案相比，本发明具有如下技术优点：

(1)取(单线路)用户最大距离计算用户移动(平均)速度，随着距离增加，速度收敛并趋向于用户的真实速度，从而排除各种偶发短时间切入高铁专网小区的用户，例如偶尔经过沿线的用户，非高速客车的乘客、平行的高速公路乘客、车站工作人员等，从而减少高铁用户误识别。

(2)剔除高铁专网小区切换链中的车站小区及车站小区上下游x公里的小区，避免因用户上下车、候车时间等造成的高铁用户漏识别。

(3)以高铁实际数据用可视化分析的方法调整参数，确定速度阈值，降低误识别和漏识别。

通过速度-距离关系的图形呈现、聚类分析，反应各省境内线路特点，例如车站间距、基站密度等对速度范围的影响，从而合理选取速度阈值，同时提升识别召回率和识别正确率。

根据站段距离合理设定范围值以剔除车站上下游小区，剔除小区的线路占比应小于10％；结合第1点的最大距离方法，使得剔除小区造成的数据缺失对识别算法造成的影响忽略不计。

(4)根据用户信令出现的首末小区的上下游车站关系，确定用户的上下乘车站；区分同一用户同日多次换乘，包括不同线路、或同线路往返。

由此，为上层应用分析线路客流量，车站客流量，旅客出行规律OD分析，高铁通勤旅客识别等，提供数据支撑。

另外，结合图2描述的本发明实施例的高铁用户识别方法可以由计算设备来实现。图6示出了本发明实施例提供的计算设备的硬件结构示意图。

计算设备可以包括处理器601以及存储有计算机程序指令的存储器602。

具体地，上述处理器601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602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602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602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602可在数据处理装置的内部或外部。在特定实施例中，存储器602是非易失性固态存储器。在特定实施例中，存储器602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601通过读取并执行存储器602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铁用户识别方法。

在一个示例中，计算设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。

通信接口603，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610包括硬件、软件或两者，将计算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610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。

另外，结合上述实施例中的高铁用户识别方法，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铁用户识别方法。

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 (13)

1.一种高铁用户识别方法，其特征在于，所述方法包括：

对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析，得到多个聚类，所述速度距离关联对为所述高铁专网用户在所述预定高铁线路上两个专网小区之间的平均速度和所述两个专网小区之间的线路距离构成的关联对；

基于所述多个聚类各自的最低速度，确定速度阈值；

确定待识别用户在两个用户信令出现小区之间的平均速度，所述用户信令出现小区是所述预设高铁专网小区切换链上待识别用户的用户信令出现的小区；以及

在所述待识别用户的平均速度大于所述速度阈值的情况下，确定所述待识别用户为高铁用户。

2.根据权利要求1所述的方法，其特征在于，

所述两个用户信令出现小区之间的线路距离大于预定距离阈值；或者

所述两个用户信令出现小区之间的切换链序号之差大于预定序号差阈值。

3.根据权利要求1所述的方法，其特征在于，

所述两个专网小区是所述高铁专网用户的用户信令在所述预设高铁专网小区切换链中的用户信令首次出现小区与用户信令末次出现小区；并且/或者

所述两个用户信令出现小区是所述待识别用户在所述预设高铁专网小区切换链中的用户信令首次出现小区与用户信令末次出现小区。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

构建所述待识别用户的用户切换链，所述用户切换链依次包括多个所述用户信令出现小区，

其中，所述确定待识别用户在两个用户信令出现小区之间的平均速度的步骤包括：

基于所述用户切换链中两个用户信令出现小区之间的线路距离以及用户信令出现在所述两个用户信令出现小区的时间差，确定所述平均速度。

5.根据权利要求4述的方法，其特征在于，所述方法还包括：

在所述用户切换链中的相邻用户信令出现小区的用户信令出现时间间隔超过预定时间阈值的情况下，拆分所述用户切换链。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

筛除不满足预定条件的用户切换链，

所述预定条件包括：

所述用户切换链中包括的用户信令出现小区的数量大于预定数量阈值；以及/或者

所述用户切换链中用户信令首次出现小区和用户信令末次出现小区之间的线路距离大于预定距离阈值；以及/或者

所述用户切换链中用户信令首次出现小区和用户信令末次出现小区之间的切换链序号之差大于预定序号差阈值。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

优化基于高铁专网工参数据确定的高铁专网小区切换链线路，以得到所述预设高铁专网小区切换链。

8.根据权利要求7所述的方法，其特征在于，所述优化基于高铁专网工参数据确定的高铁专网小区切换链线路的步骤包括：

剔除位置偏离所述高铁专网小区切换链线路较远的高铁专网小区；以及/或者

剔除所述高铁专网小区切换链线路中的高铁专网车站小区以及所述高铁专网车站小区上下游预定距离内的高铁专网小区；以及/或者

合并同一线路中的一段或多段分段线路；以及/或者

基于地理位置信息补足不连续的高铁专网小区切换链线路。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

为所述预设高铁专网小区切换链增加字段标识，所述字段标识包括所述预设高铁专网小区切换链的线路名称、总序号、线路序号、TAC、ECI、经度、纬度、线路累计距离、小区所属车站、小区前方车站、小区后方车站。

10.根据权利要求4或9所述的方法，其特征在于，所述方法还包括：

基于所述预设高铁专网小区切换链，将所述用户切换链中用户信令首次出现小区后方的车站确定为用户上车站；以及/或者

基于所述预设高铁专网小区切换链，将所述用户信令切换链中用户信令末次出现小区前方的车站确定为用户下车站。

11.一种高铁用户识别装置，其特征在于，所述装置包括：

聚类单元，用于对预设高铁专网小区切换链上高铁专网用户的速度距离关联对的集合进行聚类分析，得到多个聚类，所述速度距离关联对为所述高铁专网用户在所述预定高铁线路上两个专网小区之间的平均速度和所述两个专网小区之间的线路距离构成的关联对；

速度阈值确定单元，用于基于所述多个聚类各自的最低速度，确定速度阈值；

平均速度确定单元，用于确定待识别用户在两个用户信令出现小区之间的平均速度，所述用户信令出现小区是所述预设高铁专网小区切换链上待识别用户的用户信令出现的小区；以及

用户识别单元，用于在所述待识别用户的平均速度大于所述速度阈值的情况下，确定所述待识别用户为高铁用户。

12.一种计算设备，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1-10中任一项所述的方法。

13.一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1-10中任一项所述的方法。