CN111601240B - 基于移动终端和基站进行人群轨迹计算的方法 - Google Patents

基于移动终端和基站进行人群轨迹计算的方法 Download PDF

Info

Publication number
CN111601240B
CN111601240B CN202010316325.6A CN202010316325A CN111601240B CN 111601240 B CN111601240 B CN 111601240B CN 202010316325 A CN202010316325 A CN 202010316325A CN 111601240 B CN111601240 B CN 111601240B
Authority
CN
China
Prior art keywords
uli
base station
mobile
list
mobile 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.)
Active
Application number
CN202010316325.6A
Other languages
English (en)
Other versions
CN111601240A (zh
Inventor
黄坤
胡凯祺
钱吉成
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.)
Shanghai Yingshi Intelligent Technology Co ltd
Original Assignee
Shanghai Yingshi Intelligent Technology Co ltd
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 Shanghai Yingshi Intelligent Technology Co ltd filed Critical Shanghai Yingshi Intelligent Technology Co ltd
Priority to CN202010316325.6A priority Critical patent/CN111601240B/zh
Publication of CN111601240A publication Critical patent/CN111601240A/zh
Application granted granted Critical
Publication of CN111601240B publication Critical patent/CN111601240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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
    • 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
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • H04W8/183—Processing at user equipment or user record carrier

Abstract

本发明提供一种基于移动终端和基站进行人群轨迹计算的方法中，包括以下步骤：a.在设定周期情况下，根据移动终端在基站产生的信令数据进行计算，对上一个批次计算的数据计入状态，并记为(mobile，uli，timestamp，lat，lng)；b.以mobile为要素对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)。可见，能够通过简单的方式，更实时、快速、准确得计算人群轨迹，在安防、人流管控等方面有很大的助力，具有极为重要的社会意义。

Description

基于移动终端和基站进行人群轨迹计算的方法
技术领域
本发明涉及通讯技术领域，特别是涉及一种基于移动终端和基站进行人群轨迹计算的方法。
背景技术
目前，在一些特定的区域，相关部门需要统计该区域在某些时间内的人数。
目前，并未发现较好的人群轨迹的计算方法，因此在例如计算人群在某区域停留时长等方面时，计算误差很大。
因此，本发明要解决如何实时、快速、准确得计算人群轨迹，本发明使得刻画人群一段时间内的活动轨迹和在某区域停留时长变得十分方便快捷。
发明内容
本发明的一个目的在于，提供一种基于移动终端和基站进行人群轨迹计算的方法，快速精确统计设定区域内的人数。
基于此，本发明提供一种基于移动终端和基站进行人群轨迹计算的方法，包括以下步骤：
a.在设定周期情况下，根据移动终端在基站产生的信令数据进行计算，对上一个批次计算的数据计入状态，并记为(mobile，uli，timestamp，lat，lng)，mobile代表手机号，uli代表基站编号，timestamp代表时间戳，lat代表纬度，lng代表经度；
b.以mobile为要素对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及
c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)，nextUli代表下一个基站编号，reachTime代表到达该uli的时间，leaveTime代表离开该uli的时间，duration代表在该uli停留了多久。
可选的，对于所述的基于移动终端和基站进行人群轨迹计算的方法，之前的状态数据包括：之前有状态数据且当前批次有信令；之前没有状态数据，当前批次有信令；仅仅有之前的状态数据。
可选的，对于所述的基于移动终端和基站进行人群轨迹计算的方法，对于之前有状态数据且当前批次有信令的情况：
将所述状态数据加入到cdr头部生成新的List，然后根据步骤c计算轨迹，且更新状态为List的最后一条。
可选的，对于所述的基于移动终端和基站进行人群轨迹计算的方法，对于之前没有状态数据，当前批次有信令的情况：
该情况说明该移动终端刚开始有信令，采用该List按照步骤c的方法计算轨迹，且更新状态为List的最后一条。
可选的，对于所述的基于移动终端和基站进行人群轨迹计算的方法，对于仅仅有之前的状态数据的情况：
该情况说明当前批次未出现信令，移动终端还对应在之前的基站，则增补还在当前基站的轨迹：离开时间为当前计算批次时间，状态不做更新，当补充的数据超过设定次数时从状态剔除，认为该移动终端与当前基站不再产生交互。
可选的，对于所述的基于移动终端和基站进行人群轨迹计算的方法，在步骤a中，以流处理的方式进行计算。
可选的，对于所述的基于移动终端和基站进行人群轨迹计算的方法，所述设定周期为1-30分钟。
与现有技术相比，本发明提供的一种基于移动终端和基站进行人群轨迹计算的方法中，包括以下步骤：a.在设定周期情况下，根据移动终端在基站产生的信令数据进行计算，对上一个批次计算的数据计入状态，并记为(mobile，uli，timestamp，lat，lng)；b.以mobile为要素对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)。可见，能够通过简单的方式，更实时、快速、准确得计算人群轨迹，在安防、维稳、人流管控等方面有很大的助力，具有极为重要的社会意义。
附图说明
图1为本发明一实施例中基于移动终端和基站进行人群轨迹计算的方法的流程图；
图2为本发明一实施例中获得的人群轨迹的示意图。
具体实施方式
下面将结合示意图对本发明的一种基于移动终端和基站进行人群轨迹计算的方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本案发明人研究发现，现今社会对人流的分析判断极为重要，但是目前尚不存在较为完善的分析体系，中国移动、中国联通及中国电信三大运营商可能也分别提出了一些方案，但是也仅限于自家体系，导致实际定位不精确、存在重复计算等多种缺陷。于是，发明人设计研发了新的体系，该体系包括首先实现基站的精确定位，在基站精确定位后，可以实现设定区域人数的精确计算，并且能够进一步得知人群的流动轨迹，从而实现人流分析，有助于突发事件时的把控。其中基站的精确定位和人数的精确计算这两方面分别在本申请人的其他专利中描述，本发明主要探讨如何实时、快速、准确得计算人群轨迹，实现精确的人流分析。
本发明提供一种基于移动终端和基站进行人群轨迹计算的方法，如图1所示，包括以下步骤：
a.在设定周期情况下，根据移动终端在基站产生的信令数据进行计算，对上一个批次计算的数据计入状态，并记为(mobile，uli，timestamp，lat，lng)；
b.以mobile为要素(key)对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及
c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)。
具体的，在本发明中，所述移动终端包括手机、平板电脑等设备。
在一个实施例中，本发明可以采用流处理的方式进行计算。
在一个实施例中，所述设定周期为1-30分钟。例如，可以是3分钟、5分钟、10分钟、15分钟、20分钟、25分钟等，可以理解的是，设定周期还可以更长，例如1小时、2小时等。
所述设定周期可以根据实际设定区域或者拟侦测人群而进行变动，针对具体设定区域的不同，结合不同时间、是否有其他重要事情发生等进行调整。例如对于人员密集区域，需要安防大力投入的区域，或者需要被重点监管对象，可以缩短设定周期；对于人员稀疏区域，或者非重点监管对象，可以增大设定周期。
在步骤a中，mobile代表手机号，uli代表基站编号，timestamp代表时间戳，lat代表纬度，lng代表经度。
在步骤b中，List(uli，timestamp，lat，lng)代表这四个参数的集合。
在步骤c中，nextUli代表下一个基站编号，reachTime代表到达该uli的时间，leaveTime代表离开该uli的时间，duration代表在该uli停留了多久。
在步骤c中，之前的状态数据包括：之前有状态数据且当前批次有信令；之前没有状态数据，当前批次有信令；仅仅有之前的状态数据。
具体的，对于之前有状态数据且当前批次有信令的情况：
将所述状态数据加入到cdr头部生成新的List，然后根据步骤c计算轨迹，且更新状态为List的最后一条。
具体的，对于之前没有状态数据，当前批次有信令的情况：
该情况说明该移动终端刚开始有信令，采用该List按照步骤c的方法计算轨迹，且更新状态为List的最后一条。
具体的，对于仅仅有之前的状态数据的情况：
该情况说明当前批次未出现信令，移动终端还对应在之前的基站，则增补还在当前基站的轨迹：离开时间为当前计算批次时间，状态不做更新，当补充的数据超过设定次数时从状态剔除，认为该移动终端与当前基站不再产生交互。
在本发明中，例如在会议、运动会、集会、重要场地(如居民区、政府部门、办公区、研发基地、军事基地等)，都可以采用本发明的方法进行操作，实施监控相关场地人员轨迹情况，并针对该人员所对应的移动设备的ID，例如手机号码等，实现精确监控，以防泄密、扰民、恐怖事件等发生。
下面给出一个具体的操作实例：
a.取移动终端在基站产生的信令数据，记录如下：
mobile1，uli1，1564541112，101.807766，36.60833
mobile1，uli1，1564541115，101.935454，35.555694
mobile1，uli2，1564541118，101.962947，35.359514
mobile1，uli3，1564541120，102.004549，35.493976
b.以mobile为key对步骤a中的记录进行聚合，聚合结果记为(mobile1，List(uli1，1564541112，101.807766，36.60833；uli1，1564541115，101.935454，35.555694；uli2，1564541118，101.962947，35.359514；uli3，1564541120，102.004549，35.493976))；
c.计算轨迹：将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)，结果如下：
mobile1，uli1，uli2，1564541112，1564541118，6
mobile1，uli2，uli3，1564541118，1564541120，2
由此，此人的位置变动已经清楚，并且由于基站位置固定，可以精确获悉此人的移动轨迹。
如图2示意了经本发明的方法获得的人群轨迹的示意图。
综上所述，本发明提供的一种基于移动终端和基站进行人群轨迹计算的方法中，包括以下步骤：a.取移动终端在基站产生的信令数据，以设定周期进行计算，上一个批次计算的数据计入状态，进行记录记为(mobile，uli，timestamp，lat，lng)；b.以mobile为要素对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)。可见，能够通过简单的方式，更实时、快速、准确得计算人群轨迹，在安防、维稳、人流管控等方面有很大的助力，具有极为重要的社会意义。
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 (3)

1.一种基于移动终端和基站进行人群轨迹计算的方法，包括以下步骤：
a.在设定周期情况下，根据移动终端在基站产生的信令数据进行计算，对上一个批次计算的数据计入状态，并记为(mobile，uli，timestamp，lat，lng)，mobile代表手机号，uli代表基站编号，timestamp代表时间戳，lat代表纬度，lng代表经度；
b.以mobile为要素对步骤a中的记录进行聚合，聚合结果cdr记为(mobile，List(uli，timestamp，lat，lng))；以及
c.利用步骤b中的聚合结果和之前的状态数据计算轨迹，包括将List按照时间先后进行排序，循环该List直到uli发生变化认为此人的位置发生了变化，这时计算得到(mobile，uli，nextUli，reachTime，leaveTime，duration)，nextUli代表下一个基站编号，reachTime代表到达该uli的时间，leaveTime代表离开该uli的时间，duration代表在该uli停留了多久；之前的状态数据包括：之前有状态数据且当前批次有信令；之前没有状态数据，当前批次有信令；仅仅有之前的状态数据；
对于之前有状态数据且当前批次有信令的情况：将所述状态数据加入到cdr头部生成新的List，然后根据步骤c计算轨迹，且更新状态为List的最后一条；
对于之前没有状态数据，当前批次有信令的情况：该情况说明该移动终端刚开始有信令，采用该List按照步骤c的方法计算轨迹，且更新状态为List的最后一条；
对于仅仅有之前的状态数据的情况：该情况说明当前批次未出现信令，移动终端还对应在之前的基站，则增补还在当前基站的轨迹：离开时间为当前计算批次时间，状态不做更新，当补充的数据超过设定次数时从状态剔除，认为该移动终端与当前基站不再产生交互。
2.根据权利要求1所述的基于移动终端和基站进行人群轨迹计算的方法，其特征在于，在步骤a中，以流处理的方式进行计算。
3.根据权利要求1所述的基于移动终端和基站进行人群轨迹计算的方法，其特征在于，所述设定周期为1-30分钟。
CN202010316325.6A 2020-04-21 2020-04-21 基于移动终端和基站进行人群轨迹计算的方法 Active CN111601240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010316325.6A CN111601240B (zh) 2020-04-21 2020-04-21 基于移动终端和基站进行人群轨迹计算的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010316325.6A CN111601240B (zh) 2020-04-21 2020-04-21 基于移动终端和基站进行人群轨迹计算的方法

Publications (2)

Publication Number Publication Date
CN111601240A CN111601240A (zh) 2020-08-28
CN111601240B true CN111601240B (zh) 2021-06-15

Family

ID=72190346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010316325.6A Active CN111601240B (zh) 2020-04-21 2020-04-21 基于移动终端和基站进行人群轨迹计算的方法

Country Status (1)

Country Link
CN (1) CN111601240B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105142106A (zh) * 2015-07-29 2015-12-09 西南交通大学 基于手机信令数据的出行者职住地识别与出行链刻画方法
CN105513348A (zh) * 2015-11-27 2016-04-20 西南交通大学 基于手机信令出行链的od矩阵获取方法
CN107040894A (zh) * 2017-04-21 2017-08-11 杭州市综合交通研究中心 一种基于手机信令数据的居民出行od获取方法
CN108574933A (zh) * 2017-03-07 2018-09-25 华为技术有限公司 用户轨迹恢复方法及装置
CN109905845A (zh) * 2018-12-10 2019-06-18 华南理工大学 一种基于手机信令的公交客流od获取方法
CN110020980A (zh) * 2019-04-08 2019-07-16 江苏号百信息服务有限公司 基于手机信令数据的机场到发旅客识别与客情分析方法
CN110958558A (zh) * 2018-09-26 2020-04-03 北京融信数联科技有限公司 一种基于移动大数据的手机用户时空轨迹刻画方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7755510B2 (en) * 2007-01-22 2010-07-13 Mergex Traffic Systems Corporation Intelligent system for managing vehicular traffic flow
WO2013063702A1 (en) * 2011-11-04 2013-05-10 Zymeworks Inc. Stable heterodimeric antibody design with mutations in the fc domain

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105142106A (zh) * 2015-07-29 2015-12-09 西南交通大学 基于手机信令数据的出行者职住地识别与出行链刻画方法
CN105513348A (zh) * 2015-11-27 2016-04-20 西南交通大学 基于手机信令出行链的od矩阵获取方法
CN108574933A (zh) * 2017-03-07 2018-09-25 华为技术有限公司 用户轨迹恢复方法及装置
CN107040894A (zh) * 2017-04-21 2017-08-11 杭州市综合交通研究中心 一种基于手机信令数据的居民出行od获取方法
CN110958558A (zh) * 2018-09-26 2020-04-03 北京融信数联科技有限公司 一种基于移动大数据的手机用户时空轨迹刻画方法
CN109905845A (zh) * 2018-12-10 2019-06-18 华南理工大学 一种基于手机信令的公交客流od获取方法
CN110020980A (zh) * 2019-04-08 2019-07-16 江苏号百信息服务有限公司 基于手机信令数据的机场到发旅客识别与客情分析方法

Also Published As

Publication number Publication date
CN111601240A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
Sultan et al. Call detail records driven anomaly detection and traffic prediction in mobile cellular networks
CN106355289B (zh) 一种基于位置服务的景区客流量预测方法
EP3132592B1 (en) Method and system for identifying significant locations through data obtainable from a telecommunication network
CN107808502B (zh) 一种图像检测报警方法及装置
US20170278382A1 (en) Risk early warning method and apparatus
CN107018493A (zh) 一种基于连续时序马尔科夫模型的地理位置预测方法
Jian et al. Beta/M/1 model for machine type communication
CN108271157B (zh) 一种伪基站识别方法及装置
CN111176953B (zh) 一种异常检测及其模型训练方法、计算机设备和存储介质
US9699603B2 (en) Utilizing mobile wireless devices to analyze movement of crowds
WO2015170289A1 (en) Method and system for vehicular traffic prediction
CN107147521B (zh) 一种投诉业务预警监控方法
CN110326323B (zh) 一种获取发射概率、转移概率以及序列定位的方法和装置
CN115442375A (zh) 一种基于云边协同技术的物业数字化管理系统
Dridi et al. STAD: Spatio-temporal anomaly detection mechanism for mobile network management
Determe et al. Monitoring large crowds with WiFi: A privacy-preserving approach
Sekimoto et al. Real-time people movement estimation in large disasters from several kinds of mobile phone data
CN105101399A (zh) 伪基站移动路线获取方法、装置与伪基站定位方法、装置
CN111601240B (zh) 基于移动终端和基站进行人群轨迹计算的方法
CN111459702B (zh) 基于mdt数据的室内分布系统故障监控方法和装置
CN112836843B (zh) 一种基站退服告警预测方法及装置
CN116701551A (zh) 异常预测方法、装置、设备及存储介质
CN116300564A (zh) 一种支持跨地域跨集群混合基础设施自动化监控运维平台
CN106326278A (zh) 一种判断数据异常方法和设备
CN109769216B (zh) 一种基于手机信号在复杂环境中将用户分群的方法及装置

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