CN110913326A - 一种用户类型识别方法、装置和计算机存储介质 - Google Patents

一种用户类型识别方法、装置和计算机存储介质 Download PDF

Info

Publication number
CN110913326A
CN110913326A CN201810987819.XA CN201810987819A CN110913326A CN 110913326 A CN110913326 A CN 110913326A CN 201810987819 A CN201810987819 A CN 201810987819A CN 110913326 A CN110913326 A CN 110913326A
Authority
CN
China
Prior art keywords
speed
type
information
determining
terminal
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
Application number
CN201810987819.XA
Other languages
English (en)
Inventor
陈雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201810987819.XA priority Critical patent/CN110913326A/zh
Publication of CN110913326A publication Critical patent/CN110913326A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例公开了一种用户类型识别方法，所述方法包括：根据预设频率获得对应于终端的信令数据，基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息；基于获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列；基于所述速度序列确定所述终端的移动类型。本发明实施例还公开了一种用户类型识别装置和计算机存储介质。

Description

一种用户类型识别方法、装置和计算机存储介质
技术领域
本发明涉及移动通信技术领域，尤其涉及一种用户类型识别方法、装置和计算机存储介质。
背景技术
由于高铁、高速等场景下用户移动的特殊性，语音质量问题也相对明显，因此对于解决高铁、高速上用户真实感知、移动无线覆盖情况等问题的需求也日益强烈。传统的检测手段针对大量数据的分析存在很多弊端：问题发现时效长、原因定位工作量大、实地路测成本高。目前的方案是先识别出高铁、高速用户，再针对于这部分特定用户分析无线小区的具体情况。但是由于一路通话的语音数据量少，这给用户移动类型识别带来困难。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种用户类型识别方法、装置和计算机存储介质。
为达到上述目的，本发明实施例的技术方案是这样实现的：
本发明实施例提供一种用户类型识别方法，所述方法包括：
根据预设频率获得对应于终端的信令数据；
基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息；
基于获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列；
基于所述速度序列确定所述终端的移动类型。
上述方案中，所述基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息，包括：
基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息；
基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息；所述实际位置信息为所述终端在处于通话过程中的每个时间粒度所处的中心位置。
上述方案中，所述基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息，包括：
根据所述信令数据携带的第一小区标识和预设的小区工参信息确定小区位置信息；其中，所述小区工参信息包括多组小区标识与小区位置信息的映射关系。
上述方案中，所述根据所述信令数据携带的第一小区标识和预设的小区工参信息确定小区位置信息，包括：
根据所述预设的小区工参信息获得所述第一小区标识对应的第一小区经纬度信息；其中，所述预设的小区工参信息中所述小区位置信息以小区经纬度信息表示；
将所述第一小区经纬度信息转换为三维欧氏空间信息，基于所述三维欧氏空间信息确定第一位置信息。
上述方案中，所述基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息，包括：
对所述多个第一位置信息按照预设的时间粒度进行聚类处理，获得每个时间粒度对应的实际位置信息。
上述方案中，所述对所述多个第一位置信息按照预设的时间粒度进行聚类处理，包括：
确定每个时间粒度对应的多个第一位置信息；
将所述多个第一位置信息聚类为至少两组集合；所述至少两组集合中每组集合包括至少两个第一位置信息；
基于所述至少两组集合中每组集合包括的第一位置信息计算每组集合的第一中心位置；
基于所述至少两组集合中每组集合对应的第一中心位置确定中心位置；其中，所述中心位置与至少两个所述第一中心位置之间的距离的和最小。
上述方案中，所述基于获得的多个实际位置信息确定速度序列，包括：
基于所述多个实际位置信息确定任意两个相邻的实际位置信息之间的距离差，以及确定所述任意两个相邻的实际位置信息对应的时间差；
基于所述距离差和所述时间差确定速度序列。
上述方案中，所述基于所述速度序列确定所述终端的移动类型之前，包括：
获取样本速度序列，采用分类算法对所述样本速度序列进行训练，获得移动类型以及对应的速度阈值范围；其中，所述移动类型包括：高铁类型、高速类型、低速类型、步行类型和其他类型。
上述方案中，所述基于所述速度序列确定所述终端的移动类型，包括：
基于所述移动类型对应的速度阈值范围确定所述速度序列中的每个速度信息对应的移动类型，确定所述多个速度信息中分别对应于每种移动类型的速度信息的数量；
当所述多个速度信息中对应于高铁类型的速度信息的第一数量与所述多个速度信息的总数量的第一比值超过第一阈值、且所述速度序列的项数不小于第二阈值时，确定所述终端的移动类型为高铁类型；
当所述多个速度信息中对应于高速类型的速度信息的第二数量与所述多个速度信息的总数量的第二比值超过第三阈值时，确定所述终端的移动类型为高速类型；
当所述多个速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第四阈值，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；
当所述速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第五阈值，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的第四数量与所述多个速度信息的总数量的第四比值超过第六阈值时，确定所述终端的移动类型为步行类型。
本发明实施例提供一种用户类型识别装置，所述装置包括：
获取模块，用于根据预设频率获得对应于终端的信令数据；
分析模块，用于基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息；
计算模块，用于基于所述分析模块获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列；
识别模块，用于基于所述速度序列确定所述终端的移动类型。
上述方案中，所述分析模块，用于：
基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息；
基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息；所述实际位置信息为所述终端在处于通话过程中的每个时间粒度所处的中心位置。
上述方案中，所述分析模块，还用于：
对所述多个第一位置信息按照预设的时间粒度进行聚类处理，获得每个时间粒度对应的实际位置信息。
上述方案中，所述识别模块，还用于：
在基于所述速度序列确定所述终端的移动类型之前，获取样本速度序列，采用分类算法对所述样本速度序列进行训练，获得移动类型以及对应的速度阈值范围；其中，所述移动类型包括：高铁类型、高速类型、低速类型、步行类型和其他类型。
上述方案中，所述识别模块，用于：
基于所述移动类型对应的速度阈值范围确定所述速度序列中的每个速度信息对应的移动类型，确定所述多个速度信息中分别对应于每种移动类型的速度信息的数量；
当所述多个速度信息中对应于高铁类型的速度信息的第一数量与所述多个速度信息的总数量的第一比值超过第一阈值、且所述速度序列的项数不小于第二阈值时，确定所述终端的移动类型为高铁类型；
当所述多个速度信息中对应于高速类型的速度信息的第二数量与所述多个速度信息的总数量的第二比值超过第三阈值时，确定所述终端的移动类型为高速类型；
当所述多个速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值占超过第四阈值，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；
当所述速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值占超过第五阈值，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的第四数量与所述多个速度信息的总数量的第四比值超过第六阈值时，确定所述终端的移动类型为步行类型。
本发明实施例公开了一种用户类型识别方法，所述方法包括：根据预设频率获得信令数据，基于所述信令数据携带的信息和预设的配置信息确定终端所在的实际位置信息；；基于获得的多个实际位置信息确定速度序列；基于所述速度序列特征确定所述终端的移动类型。
本发明实施例的技术方案，通过直接采集信令数据，得到终端的位置信息，再通过聚类算法得到终端所处时刻的实际位置信息，根据多个实际位置信息计算得到终端的速度序列后，根据所述速度序列判断所述终端对应的用户类型，具有减少计算量、降低检测成本、问题发现更加及时的特点。
附图说明
图1为本发明实施例用户类型识别方法的流程示意图一；
图2为本发明实施例用户类型识别方法的应用系统结构示意图一；
图3为基于图1的采用聚类算法的处理结果示意图一；
图4为本发明实施例用户类型识别方法的终端A的位置轨迹示意图一；
图5为本发明实施例用户类型识别方法的终端B的位置轨迹示意图一；
图6为本发明实施例用户类型识别方法的装置结构示意图一。
具体实施方式
以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供的用户类型识别方法，如图1所示，所述方法包括：
步骤110：根据预设频率获得对应于终端的信令数据。
具体的，获取信令数据的频率可以根据实际应用的场景进行设定，一般而言，终端进行通话的时间是不确定的，为了能够获取到足够数量的信令数据，可以将信令数据获取的频率的量级设定为秒。例如，可以将频率设定为每隔5秒获取信令数据。
本发明实施例的应用系统如图2所示，终端通过接入网和核心网与对端终端进行信息交互，接入网中有若干个演进型基站(eNodeB，Evolved Node B)，在核心网中包括有服务网关(SGW，Serving Gateway)和会话边界控制器(SBC，Session Border Controller)，当然还包括其他核心网网元设备，在图中并未示出。本实施例的用户类型识别方法应用于服务器。该服务器可以是接入网或核心网中的任一网元设备；例如应用于SGW或SBC中；或者，该服务器也可以是区别于接入网或核心网中任一网元设备，例如，该服务器位于SGW或SBC之间，能够获取SGW或SBC之间传输的信令。
步骤120：基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息。
具体的，预设的配置信息可以包括小区标识和小区工参信息。
进一步的，根据所述信令数据携带的第一小区标识和预设的小区工参信息确定小区位置信息；其中，所述小区工参信息包括多组小区标识与小区位置信息的映射关系。
具体的，所述第一小区标识包括国际移动用户识别码(IMSI)和通话标识(CID)，通过上述两种标识可以区别出终端的每一路通话数据，进而可以确定所述信令数据对应的终端。进一步地，所述信令数据中还携带有小区编号(CI)，将所述小区编号CI字段与预先获取的小区工参信息进行对比，可以获取到所述终端的通话数据经过的基站位置信息，作为所述终端的第一位置信息。具体地，所述小区工参信息可以通过预先获取小区工参表得到。
进一步的，根据所述预设的小区工参信息获得所述第一小区标识对应的第一小区经纬度信息；其中，所述预设的小区工参信息中所述小区位置信息以小区经纬度信息表示；将所述第一小区经纬度信息转换为三维欧氏空间信息，基于所述三维欧氏空间信息确定第一位置信息。
具体的，将获取到的所述终端的通话数据经过的基站位置信息作为第一小区经纬度信息，所述基站位置信息以小区经纬度信息经纬度(longitude,latitude)表示，在实际应用中，为了减少计算量，可以将所述经纬度信息转换为三维欧氏空间信息(x,y,z)，三维欧氏空间(x,y,z)即三维欧几里得空间(x,y,z)，所述三维欧几里得空间坐标系可以以地心为原点，以赤道所在面为xy轴形成的平面，以原点到极点的方向为z轴，以此形成三维欧几里得空间坐标系。可选地，转换公式(1)为：
Figure BDA0001780101310000071
其中，longitude为小区经度信息；latitude为小区纬度信息；x为小区三维欧氏x轴信息；y为小区三维欧氏y轴信息；z为小区三维欧氏z轴信息。
进一步的，基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息；所述实际位置信息为所述终端在处于通话过程中的每个时间粒度所处的中心位置。
具体的，对所述多个第一位置信息按照预设的时间粒度进行聚类处理，获得每个时间粒度对应的实际位置信息。其中，聚类处理采用的聚类算法可采用任意聚类算法，本实施例中对聚类算法不做限定。
作为一种示例，可以采用k-means聚类算法对所述获得的多个第一位置信息进行处理，得到终端的多个时间位置信息。
具体的，确定每个时间粒度对应的多个第一位置信息；将所述多个第一位置信息聚类为至少两组集合；所述至少两组集合中每组集合包括至少两个第一位置信息；基于所述至少两组集合中每组集合包括的第一位置信息计算每组集合的第一中心位置；基于所述至少两组集合中每组集合对应的第一中心位置确定中心位置；其中，所述中心位置与至少两个所述第一中心位置之间的距离的和最小。
具体的，当采用k-means聚类算法对所述第一位置信息进行处理时，可以根据实际情况选择时间粒度，例如，可以将时间粒度设置为1分钟，如图3所示，为将每一分钟的位置聚成3类的示意图。进行k-means聚类处理的步骤可以为：将每一分钟经过的第一位置信息划分到k个簇中，并且满足每个位置离它所在的簇的中心最近。对这组簇{C1,C2,...,Ck}计算质心Gi，即第一中心位置信息，再计算到各簇质心{G1,G2,...,Gk}距离和最小的点作为当前时间段timei终端的中心位置positioni，将所述中心位置positioni作为终端在timei时间粒度的实际位置。这样可以得到下表所示的数据：
Figure BDA0001780101310000081
表1
步骤130：基于获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列。
具体的，基于所述多个实际位置信息确定任意两个相邻的实际位置信息之间的距离差，以及确定所述任意两个相邻的实际位置信息对应的时间差；基于所述距离差和所述时间差确定速度序列。
具体的，终端的移动速度可以根据公式(2)进行计算，从而得到速度序列V{v1,v2,...,vn-1}，公式(2)为：
vi＝||positioni+1-positioni||/(timei+1-timei) (2)
其中，positioni+1为终端在(i+1)时刻的实际位置信息；，positioni为终端在i时刻的实际位置信息；timei+1为(i+1)时刻；timei为i时刻；||positioni+1-positioni||为间隔时间粒度的终端的距离之差；(timei+1-timei)为间隔时间粒度；vi为i时刻终端的移动速度。具体地，i的大小由获取到的终端的实际位置信息的数量决定。
步骤140：基于所述速度序列确定所述终端的移动类型。
本实施例中，基于速度序列以及预先确定的移动类型以及对应的速度阈值范围确定所述终端的移动类型。
在一实施例中，所述方法还包括：获取样本速度序列，采用分类算法对所述样本速度序列进行训练，获得移动类型以及对应的速度阈值范围；其中，所述移动类型包括：高铁类型、高速类型、低速类型、步行类型和其他类型。
这里，可采用前述步骤110至步骤130的方式获得样本速度序列，具体的，获得样本信令数据，基于样本信令数据携带的小区标识确定样本位置信息，对获得的样本位置信息进行聚类处理确定样本实际位置信息；基于样本实际位置信息确定样本速度序列。具体过程可参照步骤110至步骤130的描述，这里不再赘述。
本实施例中，可采用分类算法对获得的样本速度序列进行训练；作为一种示例，分类算法可以是支持向量机(SVM，Support Vector Machine)分类算法，采用SVM分类算法对速度特征序列{v1,v2,...,vn-1}进行训练，得到各种终端移动类型对应的速度阈值如下表所示：
Figure BDA0001780101310000091
表2
具体的，基于所述移动类型对应的速度阈值范围确定所述速度序列中的每个速度信息对应的移动类型，确定所述多个速度信息中分别对应于每种移动类型的速度信息的数量；当所述多个速度信息中对应于高铁类型的速度信息的第一数量与所述多个速度信息的总数量的第一比值超过第一阈值、且所述速度序列的项数不小于第二阈值时，确定所述终端的移动类型为高铁类型；当所述多个速度信息中对应于高速类型的速度信息的第二数量与所述多个速度信息的总数量的第二比值超过第三阈值时，确定所述终端的移动类型为高速类型；当所述多个速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第四阈值，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；当所述速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第五阈值，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的第四数量与所述多个速度信息的总数量的第四比值超过第六阈值时，确定所述终端的移动类型为步行类型。
具体的，第一阈值、第二阈值、第三阈值、第四阈值、第五阈值和第六阈值可以根据实际应用场景进行设定，例如，终端的用户可能会处于开车时等红绿灯、乘坐高铁遇到到站等待等场景，因此，可以统计用户的速度序列在不同移动类型的速度范围内所占的比例作为判断的标准，来达到最优的判断精度。
例如，判断标准具体为：当所述多个速度信息中对应于高铁类型的速度信息的数量与所述多个速度信息的总数量的第一比值超过百分之四十、且所述速度序列的项数不小于5时，确定所述终端的移动类型为高铁类型；
当所述多个速度信息中对应于高速类型的速度信息的数量与所述多个速度信息的总数量的比值超过百分之五十时，确定所述终端的移动类型为高速类型；
当所述多个速度序列中对应于低速类型和步行类型的速度信息的数量与所述多个速度信息的总数量的比值超过百分之七十，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；
当所述速度序列中对应于低速类型和步行类型的速度信息的数量与所述多个速度信息的总数量的比值超过百分之七十，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的数量与所述多个速度信息的总数量的比值超过百分之六十时，确定所述终端的移动类型为步行类型。
如此，通过直接采集信令数据，得到终端的位置信息，再通过聚类算法得到终端所处时刻的实际位置信息，根据多个实际位置信息计算得到终端的速度序列后，根据所述速度序列判断所述终端对应的用户类型，具有减少计算量、降低检测成本、问题发现更加及时的特点。
下面结合具体示例对本发明产生的积极效果作进一步详细的描述；
具体示例一：
服务器将获取信令数据的频率设置为5秒，在核心网的SGW和SBC之间部署探针，每隔5秒获取信令数据。服务器根据预先获取的小区工参表确定信令数据对应的终端A所经过的基站位置信息，并通过公式(1)转化为三维欧氏空间信息，得到终端A所在的位置信息如表3所示。
Figure BDA0001780101310000101
Figure BDA0001780101310000111
Figure BDA0001780101310000121
表3
服务器根据公式(2)对聚类处理得到的实际位置信息进行计算，得到终端A的速度序列V1为：{1.215，2.971，5.951，4.708，4.408,，4.515，3.642，4.548，17.707，0.729，2.243，1.349}。
根据上述判断标准，对终端A的速度序列V1进行分析，所述速度序列V1中处于高铁速度的比值为6/12＝50％,并且速度序列的项数为12大于5，因此，判断终端A的用户类型为高铁用户，终端A的用户的位置轨迹如图4所示，从图4中可以判断出终端A的用户确实是高铁用户。
具体示例二：
服务器将获取信令数据的频率设置为5秒，在接入网侧部署探针，每隔5秒获取信令数据。服务器根据预先获取的小区工参表确定信令数据对应的终端B所经过的基站位置信息，并通过公式(1)转化为三维欧氏空间信息，得到终端B所在的位置信息如表4所示。
Figure BDA0001780101310000122
Figure BDA0001780101310000131
表4
服务器根据公式(2)对聚类处理得到的实际位置信息进行计算，得到终端B的速度序列V2为：{0.59，1.780，1.056，0.775}。
根据上述判断标准，对终端B的速度序列V2进行分析，所述速度序列V2中处于高速速度的比值为2/4＝50％，因此，判断终端B的用户类型为高速用户，终端B的用户的位置轨迹如图5所示，从图5中可以判断出终端B的用户确实是高速用户。
本发明实施例提供的用户类型识别装置600，如图6所示，所述装置600包括：
获取模块610，用于根据预设频率获得对应于终端的信令数据，基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息；
分析模块620，用于基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的第一位置信息；
计算模块630，用于所述分析模块基于获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列；
识别模块640，用于基于所述速度序列确定所述终端的移动类型。
另一实施例，所述述分析模块620，用于：
基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息；
基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息；所述实际位置信息为所述终端在处于通话过程中的每个时间粒度所处的中心位置。
另一实施例，所述分析模块620，还用于：
根据所述预设的小区工参信息获得所述第一小区标识对应的第一小区经纬度信息；其中，所述预设的小区工参信息中所述小区位置信息以小区经纬度信息表示；
将所述第一小区经纬度信息转换为三维欧氏空间信息，基于所述三维欧氏空间信息确定第一位置信息。
另一实施例，所述分析模块620，还用于：
对所述多个第一位置信息按照预设的时间粒度进行聚类处理，获得每个时间粒度对应的实际位置信息。
另一实施例，所述分析模块620，还用于：
确定每个时间粒度对应的多个第一位置信息；
将所述多个第一位置信息聚类为至少两组集合；所述至少两组集合中每组集合包括至少两个第一位置信息；
基于所述至少两组集合中每组集合包括的第一位置信息计算每组集合的第一中心位置；
基于所述至少两组集合中每组集合对应的第一中心位置确定中心位置；其中，所述中心位置与至少两个所述第一中心位置之间的距离的和最小。
另一实施例，所述计算模块630，还用于：
基于所述多个实际位置信息确定任意两个相邻的实际位置信息之间的距离差，以及确定所述任意两个相邻的实际位置信息对应的时间差；
基于所述距离差和所述时间差确定速度序列。
另一实施例，所述识别模块640，还用于：
在基于所述速度序列确定所述终端的移动类型之前，获取样本速度序列，采用分类算法对所述样本速度序列进行训练，获得移动类型以及对应的速度阈值范围；其中，所述移动类型包括：高铁类型、高速类型、低速类型、步行类型和其他类型。
另一实施例，所述识别模块640，用于：
基于所述移动类型对应的速度阈值范围确定所述速度序列中的每个速度信息对应的移动类型，确定所述多个速度信息中分别对应于每种移动类型的速度信息的数量；
当所述多个速度信息中对应于高铁类型的速度信息的第一数量与所述多个速度信息的总数量的第一比值超过第一阈值、且所述速度序列的项数不小于第二阈值时，确定所述终端的移动类型为高铁类型；
当所述多个速度信息中对应于高速类型的速度信息的第二数量与所述多个速度信息的总数量的第二比值超过第三阈值时，确定所述终端的移动类型为高速类型；
当所述多个速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第四阈值，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；
当所述速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第五阈值，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的第四数量与所述多个速度信息的总数量的第四比值超过第六阈值时，确定所述终端的移动类型为步行类型。
本发明的装置实施例参照上述本发明的方法实施例。
如此，通过直接采集信令数据，得到终端的位置信息，再通过聚类算法得到终端所处时刻的实际位置信息，根据多个实际位置信息计算得到终端的速度序列后，根据所述速度序列判断所述终端对应的用户类型，具有减少计算量、降低检测成本、问题发现更加及时的特点。
上述发明实施例中，所述用户类型识别装置600中的采集模块610、特征提取模块620、分析模块630和识别模块640在实际应用中均可由CPU、DSP、MCU或FPGA实现。
需要说明的是：上述实施例提供的用户类型识别装置在进行用户类型识别时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将系统的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的用户类型识别装置与用户类型别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，其上存储有可执行程序，所述可执行程序被处理器执行时实现上述任一用户类型识别方法。
本发明实施例还提供了一种用户类型识别装置，该装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器运行用于运行所述计算机程序时，执行本发明实施例实现的任一用户类型识别方法。
可以理解，存储器可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，Ferromagnetic Random Access Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，DynamicRandom Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic RandomAccess Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data RateSynchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
上述本发明实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成前述方法的步骤。
在实施例中，信息处理装置可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、FPGA、通用处理器、控制器、MCU、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (16)

1.一种用户类型识别方法，其特征在于，所述方法包括：
根据预设频率获得对应于终端的信令数据；
基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息；
基于获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列；
基于所述速度序列确定所述终端的移动类型。
2.根据权利要求1所述的方法，所述基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息，包括：
基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息；
基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息；所述实际位置信息为所述终端在处于通话过程中的每个时间粒度所处的中心位置。
3.根据权利要求2所述的方法，其特征在于，所述基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息，包括：
根据所述信令数据携带的第一小区标识和预设的小区工参信息确定小区位置信息；其中，所述小区工参信息包括多组小区标识与小区位置信息的映射关系。
4.根据权利要求3所述的方法，其特征在于，所述根据所述信令数据携带的第一小区标识和预设的小区工参信息确定小区位置信息，包括：
根据所述预设的小区工参信息获得所述第一小区标识对应的第一小区经纬度信息；其中，所述预设的小区工参信息中所述小区位置信息以小区经纬度信息表示；
将所述第一小区经纬度信息转换为三维欧氏空间信息，基于所述三维欧氏空间信息确定第一位置信息。
5.根据权利要求2至4任一项所述的方法，其特征在于，所述基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息，包括：
对所述多个第一位置信息按照预设的时间粒度进行聚类处理，获得每个时间粒度对应的实际位置信息。
6.根据权利要求5所述的方法，其特征在于，所述对所述多个第一位置信息按照预设的时间粒度进行聚类处理，包括：
确定每个时间粒度对应的多个第一位置信息；
将所述多个第一位置信息聚类为至少两组集合；所述至少两组集合中每组集合包括至少两个第一位置信息；
基于所述至少两组集合中每组集合包括的第一位置信息计算每组集合的第一中心位置；
基于所述至少两组集合中每组集合对应的第一中心位置确定中心位置；其中，所述中心位置与至少两个所述第一中心位置之间的距离的和最小。
7.根据权利要求1所述的方法，其特征在于，所述基于获得的多个实际位置信息确定速度序列，包括：
基于所述多个实际位置信息确定任意两个相邻的实际位置信息之间的距离差，以及确定所述任意两个相邻的实际位置信息对应的时间差；
基于所述距离差和所述时间差确定速度序列。
8.根据权利要求1所述的方法，其特征在于，所述基于所述速度序列确定所述终端的移动类型之前，包括：
获取样本速度序列，采用分类算法对所述样本速度序列进行训练，获得移动类型以及对应的速度阈值范围；其中，所述移动类型包括：高铁类型、高速类型、低速类型、步行类型和其他类型。
9.根据权利要求8所述的方法，其特征在于，所述基于所述速度序列确定所述终端的移动类型，包括：
基于所述移动类型对应的速度阈值范围确定所述速度序列中的每个速度信息对应的移动类型，确定所述多个速度信息中分别对应于每种移动类型的速度信息的数量；
当所述多个速度信息中对应于高铁类型的速度信息的第一数量与所述多个速度信息的总数量的第一比值超过第一阈值、且所述速度序列的项数不小于第二阈值时，确定所述终端的移动类型为高铁类型；
当所述多个速度信息中对应于高速类型的速度信息的第二数量与所述多个速度信息的总数量的第二比值超过第三阈值时，确定所述终端的移动类型为高速类型；
当所述多个速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第四阈值，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；
当所述速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值超过第五阈值，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的第四数量与所述多个速度信息的总数量的第四比值超过第六阈值时，确定所述终端的移动类型为步行类型。
10.一种用户类型识别装置，其特征在于，所述装置包括：
获取模块，用于根据预设频率获得对应于终端的信令数据；
分析模块，用于基于所述信令数据携带的信息和预设的配置信息确定所述终端所在的实际位置信息；
计算模块，用于基于所述分析模块获得的多个实际位置信息中任意两个相邻的实际位置信息确定速度信息，基于多个速度信息获得速度序列；
识别模块，用于基于所述速度序列确定所述终端的移动类型。
11.根据权利要求10所述的装置，其特征在于，所述分析模块，用于：
基于所述信令数据携带的第一小区标识确定所述终端所在的第一位置信息；
基于获得的所述终端的多个第一位置信息获得所述终端的多个实际位置信息；所述实际位置信息为所述终端在处于通话过程中的每个时间粒度所处的中心位置。
12.根据权利要求11所述的装置，其特征在于，所述分析模块，还用于：
对所述多个第一位置信息按照预设的时间粒度进行聚类处理，获得每个时间粒度对应的实际位置信息。
13.根据权利要求10所述的装置，其特征在于，所述识别模块，还用于：
在基于所述速度序列确定所述终端的移动类型之前，获取样本速度序列，采用分类算法对所述样本速度序列进行训练，获得移动类型以及对应的速度阈值范围；其中，所述移动类型包括：高铁类型、高速类型、低速类型、步行类型和其他类型。
14.根据权利要求13所述的装置，其特征在于，所述识别模块，用于：
基于所述移动类型对应的速度阈值范围确定所述速度序列中的每个速度信息对应的移动类型，确定所述多个速度信息中分别对应于每种移动类型的速度信息的数量；
当所述多个速度信息中对应于高铁类型的速度信息的第一数量与所述多个速度信息的总数量的第一比值超过第一阈值、且所述速度序列的项数不小于第二阈值时，确定所述终端的移动类型为高铁类型；
当所述多个速度信息中对应于高速类型的速度信息的第二数量与所述多个速度信息的总数量的第二比值超过第三阈值时，确定所述终端的移动类型为高速类型；
当所述多个速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值占超过第四阈值，并且对应于所述低速类型的速度信息的数量大于或等于对应于所述步行类型的速度信息的数量时，确定所述终端的移动类型为低速类型；
当所述速度序列中对应于低速类型和步行类型的速度信息的第三数量与所述多个速度信息的总数量的第三比值占超过第五阈值，并且对应于所述低速类型的速度信息的数量小于对应于所述步行类型的速度信息的数量时，或者，对应于其他类型的速度信息的第四数量与所述多个速度信息的总数量的第四比值超过第六阈值时，确定所述终端的移动类型为步行类型。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至9任一项所述方法的步骤。
16.一种用户类型识别装置，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行权利要求1至9任一项所述方法的步骤。
CN201810987819.XA 2018-08-28 2018-08-28 一种用户类型识别方法、装置和计算机存储介质 Pending CN110913326A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810987819.XA CN110913326A (zh) 2018-08-28 2018-08-28 一种用户类型识别方法、装置和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810987819.XA CN110913326A (zh) 2018-08-28 2018-08-28 一种用户类型识别方法、装置和计算机存储介质

Publications (1)

Publication Number Publication Date
CN110913326A true CN110913326A (zh) 2020-03-24

Family

ID=69812122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810987819.XA Pending CN110913326A (zh) 2018-08-28 2018-08-28 一种用户类型识别方法、装置和计算机存储介质

Country Status (1)

Country Link
CN (1) CN110913326A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541551A (zh) * 2020-12-16 2021-03-23 中国联合网络通信集团有限公司 加油站用户信息处理方法、装置及服务器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101449598A (zh) * 2006-05-19 2009-06-03 卢森特技术有限公司 利用用户运动统计的基于位置的服务的提供
US20130165140A1 (en) * 2011-12-23 2013-06-27 Paramvir Bahl Computational Systems and Methods for Locating a Mobile Device
CN105279808A (zh) * 2014-05-26 2016-01-27 中兴通讯股份有限公司 一种签到方法、装置和签到服务器
CN105282692A (zh) * 2014-06-11 2016-01-27 腾讯科技（深圳）有限公司 测速信息显示方法和装置
CN106658394A (zh) * 2015-11-04 2017-05-10 中国移动通信集团公司 高铁用户分离方法及装置
CN108171968A (zh) * 2017-11-29 2018-06-15 江苏速度信息科技股份有限公司 基于移动终端设备信令的位置数据的路况分析系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101449598A (zh) * 2006-05-19 2009-06-03 卢森特技术有限公司 利用用户运动统计的基于位置的服务的提供
US20130165140A1 (en) * 2011-12-23 2013-06-27 Paramvir Bahl Computational Systems and Methods for Locating a Mobile Device
CN105279808A (zh) * 2014-05-26 2016-01-27 中兴通讯股份有限公司 一种签到方法、装置和签到服务器
CN105282692A (zh) * 2014-06-11 2016-01-27 腾讯科技（深圳）有限公司 测速信息显示方法和装置
CN106658394A (zh) * 2015-11-04 2017-05-10 中国移动通信集团公司 高铁用户分离方法及装置
CN108171968A (zh) * 2017-11-29 2018-06-15 江苏速度信息科技股份有限公司 基于移动终端设备信令的位置数据的路况分析系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541551A (zh) * 2020-12-16 2021-03-23 中国联合网络通信集团有限公司 加油站用户信息处理方法、装置及服务器
CN112541551B (zh) * 2020-12-16 2023-11-24 中国联合网络通信集团有限公司 加油站用户信息处理方法、装置及服务器

Similar Documents

Publication Publication Date Title
CN109587008B (zh) 检测异常流量数据的方法、装置及存储介质
CN109344722B (zh) 一种用户身份确定方法、装置及电子设备
CN110944296A (zh) 运动轨迹的伴随确定方法、装置和服务器
CN109035246A (zh) 一种人脸的图像选择方法及装置
CN106604224B (zh) 一种基于xdr的4g驻留比指标获取方法及系统
KR20190016481A (ko) 클러스터링 기술을 사용하여 무선 네트워크 액세스 포인트 모델 생성
EP3136274A1 (en) Method and device for distributing user authorities
CN112232148A (zh) 图像聚类、目标轨迹追踪方法、电子设备及存储介质
US10659680B2 (en) Method of processing object in image and apparatus for same
CN112770265B (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
TW202018613A (zh) 基於人臉的身份識別方法、裝置及電子設備
CN108540755A (zh) 身份识别方法和装置
WO2021130549A1 (en) Target tracking method and apparatus, electronic device, and storage medium
CN110909804B (zh) 基站异常数据的检测方法、装置、服务器和存储介质
CN109699003B (zh) 位置确定方法及装置
CN110913326A (zh) 一种用户类型识别方法、装置和计算机存储介质
US20220398400A1 (en) Methods and apparatuses for determining object classification
WO2013189202A1 (zh) 一种智能视频分析系统及方法
CN109063692A (zh) 一种人脸识别方法和装置
Song et al. Exploring vision-based techniques for outdoor positioning systems: A feasibility study
CN110545521A (zh) 轨迹数据的在线压缩方法、装置及计算机可读存储介质
CN105792211B (zh) 一种伪基站识别方法及装置
CN111476886B (zh) 智慧建筑楼宇三维模型渲染方法及楼宇云服务器
CN113395655A (zh) 指纹定位方法、装置、设备及存储介质
CN110035392B (zh) 设备是否位于目标区域的识别方法及装置和电子设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200324

RJ01 Rejection of invention patent application after publication