CN112738719A - 一种通信小区所覆盖的地理区域的确定方法及电子设备 - Google Patents

一种通信小区所覆盖的地理区域的确定方法及电子设备 Download PDF

Info

Publication number
CN112738719A
CN112738719A CN201911031602.2A CN201911031602A CN112738719A CN 112738719 A CN112738719 A CN 112738719A CN 201911031602 A CN201911031602 A CN 201911031602A CN 112738719 A CN112738719 A CN 112738719A
Authority
CN
China
Prior art keywords
user
communication cell
coverage area
mobile phone
communication
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.)
Granted
Application number
CN201911031602.2A
Other languages
English (en)
Other versions
CN112738719B (zh
Inventor
胡资聪
贺永佳
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Henan Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Henan 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 China Mobile Communications Group Co Ltd, China Mobile Group Henan Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201911031602.2A priority Critical patent/CN112738719B/zh
Publication of CN112738719A publication Critical patent/CN112738719A/zh
Application granted granted Critical
Publication of CN112738719B publication Critical patent/CN112738719B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明实施例公开了一种通信小区所覆盖的地理区域的确定方法及电子设备，用于解决现有技术中确定通信小区所覆盖的地理区域的准确性较低的问题。方法包括：基于用户的移动电话在通信小区的用户通信特征，确定通信小区的稳定用户；获取通信小区的覆盖区域内用户的移动电话通话集中度，移动电话通话集中度基于用户通信特征得到的；基于获取的通信小区的覆盖区域内的移动电话号段分布，确定通信小区的覆盖区域内用户的可移动范围；将通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出稳定用户的地理区域标签，覆盖区域用户模型基于通信小区的稳定用户的样本数据和地理区域标签训练得到的，样本数据包括移动电话通话集中度和可移动范围。

Description

一种通信小区所覆盖的地理区域的确定方法及电子设备
技术领域
本发明实施例涉及电子设备技术领域，尤其涉及一种通信小区所覆盖的地理区域的确定方法及电子设备。
背景技术
移动通信市场竞争的不断加剧使得面向用户感知的网络质量成为增强运营商竞争力的关键因素，由于现有部分无线基站的覆盖范围比较大，大多服务了多个地理区域(如居民小区、商业区、高校等)，同时又存在一个范围大的地理区域由多个基站小区服务的情况，使得现有的基于地理区域的用户感知行为分析及针对性发展营销会受到不能完全精确化的影响，因此如何比较准确的判断无线通讯基站与覆盖地理区域的对应关系对运营商的无线业务运营及发展也会起到积极的作用。
现有解决运营商基站小区和覆盖地理区域对应关系的技术方案：基于基站经纬度及地理区域多边形顶点经纬度进行匹配，找出基站经纬度所落在的地理区域范围，即认定该基站小区覆盖该地理区域。同时，将基站小区用户名与地理区域用户名的数据进行匹配，找到基站小区命名中有以地理区域名称作为关键词命名的，即认定该基站小区是覆盖该地理区域的。
但是，通过基站小区经纬度坐标落点匹配覆盖地理区域仅能一对一匹配到基站小区与物理区域的关系，导致依此结果进行相关市场和网络数据分析时，将不利于分析数据准确细化的输出。同时，部分基站小区经纬度可能未落在任何确定的地理区域多边形范围内，将导致该部分基站小区找不到与之对应的覆盖地理区域。同时，部分地理区域边界不明确导致基站小区与地理区域的覆盖关系出错，现有系统平台在绘制地理区域多边形边界时，部分存在误差或出现边界难以界定的情况，对该部分地理区域的对应服务基站小区的判断准确性不够。因此，很多基站小区通过名称匹配是找不到对应地理区域的。若地理区域出现同名，或者部分重名的情况，对名称匹配的结果也有误差影响，致使准确性无法保证。
发明内容
本发明实施例提供一种通信小区所覆盖的地理区域的确定方法及电子设备，用于解决现有技术中确定通信小区所覆盖的地理区域的准确性较低的问题。
本发明实施例采用下述技术方案：
第一方面，提供了一种通信小区所覆盖的地理区域的确定方法，所述方法包括：
基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户；
获取所述通信小区的覆盖区域内用户的移动电话通话集中度，所述移动电话通话集中度基于所述用户通信特征得到的；
基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围；
将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出所述稳定用户的地理区域标签，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
第二方面，提供了一种电子设备，所述电子设备包括：
第一确定模块，用于基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户；
第一获取模块，用于获取所述通信小区的覆盖区域内用户的移动电话通话集中度，所述移动电话通话集中度基于所述用户通信特征得到的；
第二确定模块，用于基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围；
输出模块，用于将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出所述稳定用户的地理区域标签，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
第三方面，提供了一种电子设备，所述电子设备包括：
信令监测网管系统获取用户的移动电话在通信小区的用户通信特征，并基于用户通信特征，确定所述通信小区的覆盖区域内用户的移动电话通话集中度；
网络资源系统从信令监测网管系统获取所述通信小区的覆盖区域，及获取所述通信小区的覆盖区域内的移动电话号段分布；
区域数据处理模块从网络资源系统获取所述通信小区的覆盖区域、所述通信小区的覆盖区域内的移动电话号段分布；
大数据分析模块基于所述通信小区的用户的样本数据和地理区域标签，训练所述覆盖区域用户模型；所述通信小区的用户的样本数据作为所述覆盖区域用户模型的输入，所述地理区域标签作为所述覆盖区域用户模型的输出；
区域用户特征管理模块管理和存储覆盖区域用户模型输出的所述地理区域标签；
归属地理区域的定位模块基于所述用户在通信小区的用户通信特征，确定所述用户为所述通信小区的稳定用户，并得到稳定用户归属某个指定地理区域的具体特征。
第四方面，提供了一种电子设备，包括：存储器，存储有计算机程序指令；
处理器，当所述计算机程序被所述处理器执行时实现如上述所述的通信小区所覆盖的地理区域的确定方法。
第五方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令在计算机上运行时，使得计算机执行时实现如上述所述的通信小区所覆盖的地理区域的确定方法。
本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：
本发明实施例通过基于用户的移动电话在通信小区的用户通信特征，确定通信小区的稳定用户，基于通信小区的覆盖区域内用户的移动通话集中度和移动电话号段分布，确定通信小区的覆盖区域内用户的可移动范围，将通信小区的稳定用户的移动电话通话集中度和可移动范围输入覆盖区域用户模型，输出稳定用户的地理区域标签，利用用户的时序停留特征、通讯社交特征及网络行为特征建立的实时位置分析更具有实时性和准确性，从而可准确确定通信小区所覆盖的地理区域，准确性较高。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书的一个实施例提供的通信小区所覆盖的地理区域的确定方法流程示意图；
图2为本说明书的一个实施例提供的通信小区所覆盖的地理区域的确定方法的实际应用场景示意图；
图3为本说明书的一个实施例提供的电子设备结构示意图之一；
图4为本说明书一个实施例提供的电子设备结构示意图之二；
图5为本说明书一个实施例提供的电子设备结构示意图之三。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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他实施例，都属于本申请保护的范围。
本发明实施例提供一种通信小区所覆盖的地理区域的确定方法及电子设备，以解决现有技术中确定通信小区所覆盖的地理区域的准确性较低的问题。本发明实施例提供一种通信小区所覆盖的地理区域的确定方法，该方法的执行主体，可以但不限于应用程序、电子设备或能够被配置为执行本发明实施例提供的该方法的装置或系统。
为便于描述，下文以该方法的执行主体为能够执行该方法的电子设备为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为电子设备只是一种示例性的说明，并不应理解为对该方法的限定。
图1为本发明实施例提供的通信小区所覆盖的地理区域的确定方法的流程图，图1的方法可以由电子设备执行，如图1所示，该方法可以包括：
步骤110、基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户。
用户通信特征可以包括时序停留特征、通讯社交特征及网络行为特征。具体包括通话对象、通话时间、通话地点、无线参数、可移动范围，等等。
在执行步骤110之前，本发明实施例提供的通信小区所覆盖的地理区域的确定方法还包括：通过对用户在通信小区的信令监测，获取用户的移动电话在通信小区的用户通信特征。
本步骤具体可实现为，基于所述用户在通信小区的用户通信特征，确定所述用户在通信小区的稳定度指标；若所述稳定度指标大于第一预设阈值，则确定所述用户为所述通信小区的稳定用户。
其中，稳定度指标根据用户通信特征确定的，示例性的，若用户通信特征包括通信对象，则稳定度指标为通信对象是通信小区内某一固定通信对象的次数；若用户通信特征包括通信地点，则稳定度指标为通信地点属于通信小区所覆盖区域的次数。当然，用户通信特征还可以包括通信对象、通信时间、通信地点中至少两个的组合，或者其他，相应的稳定度指标也不同，本发明实施例不再一一列举。
其中，第一预设阈值可以根据不同的应用场景设置，本发明实施例不做具体限定。沿用上述示例，若用户通信特征包括通信对象，稳定度指标为通信对象是通信小区内某一固定通信对象的次数，则第一预设阈值可以为5、10或20；若用户通信特征包括通信地点，则稳定度指标为通信地点属于通信小区所覆盖区域的次数，则第一预设阈值可以为50、100或200。
步骤120、获取所述通信小区的覆盖区域内用户的移动电话通话集中度。
其中，所述移动电话通话集中度基于所述用户通信特征得到的，所述通信小区的覆盖区域内用户的移动电话通话集中度可以包括主叫通话集中度和被叫通话集中度；其中，
所述主叫通话集中度用于表征在所述通信小区的覆盖区域内用户的移动电话对被叫移动电话呼叫的频率；
所述被叫通话集中度用于表征在所述通信小区的覆盖区域内用户的移动电话被同一移动电话呼叫的频率。
步骤130、基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围。
本步骤可实现为，基于所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域中各区域的移动电话号集中度；若所述各区域的移动电话号集中度大于第二预设阈值，则确定通信小区的覆盖区域内移动电话号集中度大于第二预设阈值的区域所覆盖的范围为用户的可移动范围。
需要补充的是，在执行步骤130之前，本发明实施例提供的通信小区所覆盖的地理区域的确定方法还包括：获取所述通信小区的覆盖区域内的移动电话号段分布。具体的，可以通过网络资源系统获取通信小区的覆盖区域内的移动电话号段分布。
步骤140、将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出所述稳定用户的地理区域标签。
其中，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
具体实施时，如图2所示，当用户在使用上网、电话、短信等业务时，获取用户使用业务的具体特征，将所述具体特征与覆盖区域用户模型输出的地理区域标签对应的用户通信特征进行匹配，以确定用户使用业务时所处的当前位置与通信小区的对应关系。
另外，收集用户在使用业务时产生的数据，作为覆盖区域用户模型的训练数据，进一步自动优化完善覆盖区域用户模型。
本发明实施例通过基于用户的移动电话在通信小区的用户通信特征，确定通信小区的稳定用户，基于通信小区的覆盖区域内用户的移动通话集中度和移动电话号段分布，确定通信小区的覆盖区域内用户的可移动范围，将通信小区的稳定用户的移动电话通话集中度和可移动范围输入覆盖区域用户模型，输出稳定用户的地理区域标签，利用用户的时序停留特征、通讯社交特征及网络行为特征建立的实时位置分析更具有实时性和准确性，从而可准确确定通信小区所覆盖的地理区域，准确性较高。
作为一个实施例，在执行步骤120之前，本发明实施例提供的通信小区所覆盖的地理区域的确定方法可以包括：
获取所述通信小区的位置信息，所述位置信息包括区域类型，该区域类型可以包括学校校区、商业区、居民区和无人区等；
基于所述区域类型对应的预设半径，获取所述通信小区的覆盖区域。
该预设半径根据区域类型设定，示例性的，若区域类型为学校校区和商业区，预设半径可以为一公里；若区域类型为无人区，预设半径可以为十公里。
作为一个实施例，在执行步骤140之前，本发明实施例提供的通信小区所覆盖的地理区域的确定方法可以包括：
基于所述通信小区的用户的样本数据和地理区域标签，训练所述覆盖区域用户模型；
所述通信小区的用户的样本数据作为所述覆盖区域用户模型的输入，所述地理区域标签作为所述覆盖区域用户模型的输出。
该覆盖区域用户模型可以基于LSTM(Long Short Term Memory network,由Schmidhuber和Hochreiterfa提出)的递归神经网络模型，该模型可以较好的应用于用户通信特征序列的实时预测，比较好的解决了实时通信小区与地理区域对应分析的有效性及有用性的问题。
构建LSTM模型使用库主要为Keras，使用的LSTM模型处理用户通信小区的序列的流程，如下：
第一，数据获取与处理：对于时间序列，通常[X(t-n)，X(t-n+1)，…,X(t-1)，X(t)]这n个时刻的数据作为输入来预测(t+1)时刻的输出。对于用户通信特征来说，在t时刻会有若干个features(特征)，因此，为了丰富features以使模型更加精确，本方案可将n(timeseries)×s(features per time series)的二维向量作为输入。另外，LSTM模型对于数据标准化的要求很高，因此本发明实施例中所有输入数据均经过标准化处理。
第二，LSTM模型构建：LSTM模型与其他神经网络层(如Dense层、卷积层等)配合使用，其中，可以采用多层LSTM层来增加LSTM模型的复杂性。
第三，回测：一、直接将LSTM模型输出结果作为做单信号在个股上进行回测，二、将LSTM模型的预测结果作为一种择时信号，再配合其他用户定位模型进行回测。
第四，参数细节：在训练LSTM模型时，在参数层面上加入两个参数：Dropout参数和在权重上施加正则项。Dropout是指在每次输入时随机丢弃一些features(特征)，从而提高模型的鲁棒性。Dropout参数的出发点是通过不停去改变网络的结构，使神经网络记住的不是训练数据本身，而是能学出一些规律性的东西。正则项则是通过在计算损失函数时增加一项L2范数，使一些权重的值趋近于0，避免模型对每个feature强行适应与拟合，从而提高鲁棒性，也有因子选择的效果。
本发明实施例基于LSTM的递归神经网络模型具有大数据的处理兼容性及结果的有效性和全面性，可以全面得出通信小区覆盖的地理区域。
下面将结合具体的实施例，对本发明实施例的方法做进一步的描述。
图2示出了本发明实施例提供的通信小区所覆盖的地理区域的确定方法在实际应用场景下的流程图；
具体地说，如图2所示，在210，通过对用户在通信小区的信令监测，获取用户的移动电话在通信小区的用户通信特征；
在220，基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户；
在230，获取所述通信小区的覆盖区域内稳定用户的移动电话通话集中度，所述移动电话通话集中度基于所述用户通信特征得到的；
在240，获取所述通信小区的位置信息，所述位置信息包括区域类型，该区域类型可以包括学校校区、商业区、居民区和无人区等；基于所述区域类型对应的预设半径，获取所述通信小区的覆盖区域；
在250，获取所述通信小区的覆盖区域内的移动电话号段分布；
在260，基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围；
在270，将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
在280，输出所述稳定用户的地理区域标签，并计算出所述地理区域标签对应用户通信特征及其参数；
在290，当用户在使用上网、电话、短信等业务时，获取用户使用业务的具体特征；
在291，将所述具体特征与覆盖区域用户模型输出的地理区域标签对应的用户通信特征进行匹配；
在292，若匹配，则确定用户使用业务时所处的当前位置与通信小区的对应关系。
本发明实施例通过基于用户的移动电话在通信小区的用户通信特征，确定通信小区的稳定用户，基于通信小区的覆盖区域内用户的移动通话集中度和移动电话号段分布，确定通信小区的覆盖区域内用户的可移动范围，将通信小区的稳定用户的移动电话通话集中度和可移动范围输入覆盖区域用户模型，输出稳定用户的地理区域标签，利用用户的时序停留特征、通讯社交特征及网络行为特征建立的实时位置分析更具有实时性和准确性，从而可准确确定通信小区所覆盖的地理区域，准确性较高。
以上，结合图1～图2详细说明了本说明书实施例的通信小区所覆盖的地理区域的确定方法，下面，结合图3，详细说明本说明书实施例的电子设备。
图3示出了本说明书实施例提供的电子设备的结构示意图，如图3所示，该电子设备可以包括：
信令监测网管系统310，获取用户的移动电话在通信小区的用户通信特征，并基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的覆盖区域内用户的移动电话通话集中度；
信令监测网管系统310通过4G DPI(Deep Packet Inspection，深度包检测)系统320将通信小区的覆盖区域内用户的移动电话通话集中度提供网络资源系统；
网络资源系统330，获取所述通信小区的位置信息，所述位置信息包括区域类型；基于所述区域类型对应的预设半径，获取所述通信小区的覆盖区域；及获取所述通信小区的覆盖区域内的移动电话号段分布；
用户定位系统340包括信令接口处理模块341、区域数据处理模块342、大数据分析模块343、区域用户特征管理模块344和归属地理区域的定位模块345，其中，
信令接口处理模块341与信令监测网管系统310和4G DPI系统320对接；
区域数据处理模块342从网络资源系统获取所述通信小区的覆盖区域、所述通信小区的覆盖区域内的移动电话号段分布等信息；
大数据分析模块343，用于基于所述通信小区的用户的样本数据和地理区域标签，训练所述覆盖区域用户模型；所述通信小区的用户的样本数据作为所述覆盖区域用户模型的输入，所述地理区域标签作为所述覆盖区域用户模型的输出；
区域用户特征管理模块344，用于管理和存储覆盖区域用户模型输出的所述地理区域标签，并计算出所述地理区域标签对应小区的时间、位置、无线参数、距离等方面的特征参数；
归属地理区域的定位模块345，基于所述用户在通信小区的用户通信特征，确定所述用户在通信小区的稳定度指标；若所述稳定度指标大于第一预设阈值，则确定所述用户为所述通信小区的稳定用户，并得到稳定用户归属某个指定地理区域的具体特征。
本发明实施例通过基于用户的移动电话在通信小区的用户通信特征，确定通信小区的稳定用户，基于通信小区的覆盖区域内用户的移动通话集中度和移动电话号段分布，确定通信小区的覆盖区域内用户的可移动范围，将通信小区的稳定用户的移动电话通话集中度和可移动范围输入覆盖区域用户模型，输出稳定用户的地理区域标签，利用用户的时序停留特征、通讯社交特征及网络行为特征建立的实时位置分析更具有实时性和准确性，从而可准确确定通信小区所覆盖的地理区域，准确性较高。
以上，结合图1～图2详细说明了本说明书实施例的通信小区所覆盖的地理区域的确定方法，下面，结合图4，详细说明本说明书实施例的电子设备。
图4示出了本说明书实施例提供的电子设备的结构示意图，如图4所示，该电子设备可以包括：
第一确定模块410，用于基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户；
第一获取模块420，用于获取所述通信小区的覆盖区域内用户的移动电话通话集中度，所述移动电话通话集中度基于所述用户通信特征得到的；
第二确定模块430，用于基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围；
输出模块440，用于将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出所述稳定用户的地理区域标签，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
在一实施例中，所述电子设备还可以包括：
第二获取模块450，用于通过对用户在通信小区的信令监测，获取所述用户的移动电话在通信小区的用户通信特征；
所述第一确定模块410可以包括：
第一确定单元，用于基于所述用户在通信小区的用户通信特征，确定所述用户在通信小区的稳定度指标；
第二确定单元，用于若所述稳定度指标大于第一预设阈值，则确定所述用户为所述通信小区的稳定用户。
在一实施例中，所述电子设备还可以包括：
第三获取模块460，用于获取所述通信小区的位置信息，所述位置信息包括区域类型；
第四获取模块470，用于基于所述区域类型对应的预设半径，获取所述通信小区的覆盖区域。
在一实施例中，所述电子设备还可以包括：
训练模块480，用于基于所述通信小区的用户的样本数据和地理区域标签，训练所述覆盖区域用户模型；
所述通信小区的用户的样本数据作为所述覆盖区域用户模型的输入，所述地理区域标签作为所述覆盖区域用户模型的输出。
在一实施例中，所述第二确定模块430包括：
第三确定单元，用于基于所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域中各区域的移动电话号集中度；
第四确定单元，用于若所述各区域的移动电话号集中度大于第二预设阈值，则确定述通信小区的覆盖区域内用户的可移动范围。
在一实施例中，所述通信小区的覆盖区域内用户的移动电话通话集中度包括主叫通话集中度和被叫通话集中度；其中，
所述主叫通话集中度用于表征在所述通信小区的覆盖区域内用户的移动电话对被叫移动电话呼叫的频率；
所述被叫通话集中度用于表征在所述通信小区的覆盖区域内用户的移动电话被同一移动电话呼叫的频率。
本发明实施例通过基于用户的移动电话在通信小区的用户通信特征，确定通信小区的稳定用户，基于通信小区的覆盖区域内用户的移动通话集中度和移动电话号段分布，确定通信小区的覆盖区域内用户的可移动范围，将通信小区的稳定用户的移动电话通话集中度和可移动范围输入覆盖区域用户模型，输出稳定用户的地理区域标签，利用用户的时序停留特征、通讯社交特征及网络行为特征建立的实时位置分析更具有实时性和准确性，从而可准确确定通信小区所覆盖的地理区域，准确性较高。
下面将结合图5详细描述根据本发明实施例的电子设备。参考图5，在硬件层面，电子设备包括处理器，可选地，包括内部总线、网络接口、存储器。其中，如图5所示，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括实现其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为
便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成转发聊天信息的装置。处理器，执行存储器所存放的程序，并具体用于执行本说明书前文所述的方法实施例的操作。
上述图1至图2所示实施例揭示的方法、电子设备执行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，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)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。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该处理器也可以是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。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
图5所示的电子设备还可执行图1至图2的方法，并实现通信小区所覆盖的地理区域的确定方法在图1至图2所示实施例的功能，本发明实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述各个方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种通信小区所覆盖的地理区域的确定方法，其特征在于，包括：
基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户；
获取所述通信小区的覆盖区域内用户的移动电话通话集中度，所述移动电话通话集中度基于所述用户通信特征得到的；
基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围；
将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出所述稳定用户的地理区域标签，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
2.根据权利要求1所述的方法，其特征在于，在基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户之前，包括：
通过对用户在通信小区的信令监测，获取所述用户的移动电话在通信小区的用户通信特征；
基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户，包括：
基于所述用户在通信小区的用户通信特征，确定所述用户在通信小区的稳定度指标；
若所述稳定度指标大于第一预设阈值，则确定所述用户为所述通信小区的稳定用户。
3.根据权利要求1所述的方法，其特征在于，在获取所述通信小区的覆盖区域内用户的移动电话通话集中度之前，包括：
获取所述通信小区的位置信息，所述位置信息包括区域类型；
基于所述区域类型对应的预设半径，获取所述通信小区的覆盖区域。
4.根据权利要求1所述的方法，其特征在于，在将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型之前，包括：
基于所述通信小区的用户的样本数据和地理区域标签，训练所述覆盖区域用户模型；
所述通信小区的用户的样本数据作为所述覆盖区域用户模型的输入，所述地理区域标签作为所述覆盖区域用户模型的输出。
5.根据权利要求1所述的方法，其特征在于，基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围，包括：
基于所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域中各区域的移动电话号集中度；
若所述各区域的移动电话号集中度大于第二预设阈值，则确定述通信小区的覆盖区域内用户的可移动范围。
6.根据权利要求1所述的方法，其特征在于，所述通信小区的覆盖区域内用户的移动电话通话集中度包括主叫通话集中度和被叫通话集中度；其中，
所述主叫通话集中度用于表征在所述通信小区的覆盖区域内用户的移动电话对被叫移动电话呼叫的频率；
所述被叫通话集中度用于表征在所述通信小区的覆盖区域内用户的移动电话被同一移动电话呼叫的频率。
7.一种电子设备，其特征在于，包括：
第一确定模块，用于基于用户的移动电话在通信小区的用户通信特征，确定所述通信小区的稳定用户；
第一获取模块，用于获取所述通信小区的覆盖区域内用户的移动电话通话集中度，所述移动电话通话集中度基于所述用户通信特征得到的；
第二确定模块，用于基于获取的所述通信小区的覆盖区域内的移动电话号段分布，确定所述通信小区的覆盖区域内用户的可移动范围；
输出模块，用于将所述通信小区的稳定用户的样本数据输入覆盖区域用户模型，输出所述稳定用户的地理区域标签，所述覆盖区域用户模型基于所述通信小区的稳定用户的样本数据和地理区域标签训练得到的，所述样本数据包括移动电话通话集中度和可移动范围。
8.一种电子设备，其特征在于，包括：
信令监测网管系统获取用户的移动电话在通信小区的用户通信特征，并基于用户通信特征，确定所述通信小区的覆盖区域内用户的移动电话通话集中度；
网络资源系统从信令监测网管系统获取所述通信小区的覆盖区域，及获取所述通信小区的覆盖区域内的移动电话号段分布；
区域数据处理模块从网络资源系统获取所述通信小区的覆盖区域、所述通信小区的覆盖区域内的移动电话号段分布；
大数据分析模块基于所述通信小区的用户的样本数据和地理区域标签，训练所述覆盖区域用户模型；所述通信小区的用户的样本数据作为所述覆盖区域用户模型的输入，所述地理区域标签作为所述覆盖区域用户模型的输出；
区域用户特征管理模块管理和存储覆盖区域用户模型输出的所述地理区域标签；
归属地理区域的定位模块基于所述用户在通信小区的用户通信特征，确定所述用户为所述通信小区的稳定用户，并得到稳定用户归属某个指定地理区域的具体特征。
9.一种电子设备，其特征在于，包括：
存储器，存储有计算机程序指令；
处理器，当所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的通信小区所覆盖的地理区域的确定方法。
10.一种计算机可读存储介质，其特征在于，
所述计算机可读存储介质包括指令，当所述指令在计算机上运行时，使得计算机执行时实现如权利要求1至6任一项所述的通信小区所覆盖的地理区域的确定方法。
CN201911031602.2A 2019-10-28 2019-10-28 一种通信小区所覆盖的地理区域的确定方法及电子设备 Active CN112738719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911031602.2A CN112738719B (zh) 2019-10-28 2019-10-28 一种通信小区所覆盖的地理区域的确定方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911031602.2A CN112738719B (zh) 2019-10-28 2019-10-28 一种通信小区所覆盖的地理区域的确定方法及电子设备

Publications (2)

Publication Number Publication Date
CN112738719A true CN112738719A (zh) 2021-04-30
CN112738719B CN112738719B (zh) 2022-06-17

Family

ID=75589188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911031602.2A Active CN112738719B (zh) 2019-10-28 2019-10-28 一种通信小区所覆盖的地理区域的确定方法及电子设备

Country Status (1)

Country Link
CN (1) CN112738719B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114153855A (zh) * 2021-11-04 2022-03-08 厦门市美亚柏科信息股份有限公司 一种实有人口管理方法、终端设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101541013A (zh) * 2008-03-18 2009-09-23 中国移动通信集团天津有限公司 一种无线小区覆盖分布的快速生成方法
CN101557582A (zh) * 2008-04-08 2009-10-14 中国移动通信集团公司 一种移动通信用户信息统计方法及装置
JP2011176874A (ja) * 2011-05-02 2011-09-08 Fujitsu Ltd 移動基地局及び移動通信システム
CN102833801A (zh) * 2011-06-17 2012-12-19 华为技术有限公司 异构网络中小区改变的方法和装置
CN105898762A (zh) * 2015-01-26 2016-08-24 华为技术有限公司 基站优化及部署方法和装置
CN106233767A (zh) * 2014-05-07 2016-12-14 Lg电子株式会社 终端执行的在无线通信系统中确定小区覆盖范围的方法以及使用该方法的终端
CN107079378A (zh) * 2014-10-16 2017-08-18 华为技术有限公司 基于小区位置信息的锁小区方法和移动终端
CN109495846A (zh) * 2018-12-24 2019-03-19 维沃移动通信有限公司 一种定位方法及移动终端

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101541013A (zh) * 2008-03-18 2009-09-23 中国移动通信集团天津有限公司 一种无线小区覆盖分布的快速生成方法
CN101557582A (zh) * 2008-04-08 2009-10-14 中国移动通信集团公司 一种移动通信用户信息统计方法及装置
JP2011176874A (ja) * 2011-05-02 2011-09-08 Fujitsu Ltd 移動基地局及び移動通信システム
CN102833801A (zh) * 2011-06-17 2012-12-19 华为技术有限公司 异构网络中小区改变的方法和装置
CN106233767A (zh) * 2014-05-07 2016-12-14 Lg电子株式会社 终端执行的在无线通信系统中确定小区覆盖范围的方法以及使用该方法的终端
CN107079378A (zh) * 2014-10-16 2017-08-18 华为技术有限公司 基于小区位置信息的锁小区方法和移动终端
CN105898762A (zh) * 2015-01-26 2016-08-24 华为技术有限公司 基站优化及部署方法和装置
CN109495846A (zh) * 2018-12-24 2019-03-19 维沃移动通信有限公司 一种定位方法及移动终端

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114153855A (zh) * 2021-11-04 2022-03-08 厦门市美亚柏科信息股份有限公司 一种实有人口管理方法、终端设备及存储介质

Also Published As

Publication number Publication date
CN112738719B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN112954603A (zh) 一种特殊人群运动轨迹的预测方法及电子设备
CN110337059B (zh) 一种用户家庭关系的分析算法、服务器及网络系统
CN112350836B (zh) 物联网异常定位方法、装置和电子设备
US9137651B2 (en) Systems and methods for determining relationships between mobile applications and electronic device users
CN110740356B (zh) 基于区块链的直播数据的监控方法及系统
CN110650531B (zh) 一种基站坐标标定方法、系统、存储介质及设备
CN110839051B (zh) 服务提供方法、装置、机器人和存储介质
CN105246157B (zh) 一种移动终端的定位方法和定位系统
CN112738719B (zh) 一种通信小区所覆盖的地理区域的确定方法及电子设备
CN113132891B (zh) 一种基于移动信令的客流统计方法和系统
CN110992230B (zh) 基于终端信令数据的全量人口统计方法、装置及服务器
CN111818551B (zh) Volte掉话原因确定方法及装置
CN111935772A (zh) 一种确定业务区域的价值的方法和装置
CN116614407A (zh) 一种风险控制方法及装置
CN113657635B (zh) 一种预测通信用户流失的方法及电子设备
CN111967938B (zh) 云资源推荐方法、装置、计算机设备及可读存储介质
CN114399351A (zh) 一种信息推荐方法、装置、电子设备及存储介质
CN112307075B (zh) 用户关系识别方法及装置
CN115442832A (zh) 投诉问题定位方法、装置及电子设备
CN113076451A (zh) 异常行为识别和风险模型库的建立方法、装置及电子设备
CN113065058A (zh) 家庭成员识别的方法及装置、电子设备和可读存储介质
CN115442833B (zh) 一种投诉根因分析方法、装置及电子设备
CN114401489B (zh) 一种用户感知定位方法、装置、设备及介质
CN112468958B (zh) 区域确定方法、装置、电子设备及计算机可读存储介质
CN112752252B (zh) 小区归属地识别方法和装置

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