发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于移动信令的客流统计方法和系统。
根据本发明的一个方面,提供了一种基于移动信令的客流统计方法,包括以下步骤:
获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;所述用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息;
确定与所述边界范围对应的多个目标栅格区域;
根据多个目标栅格区域和所述用户历史轨迹信息表,确定所述待监测区域的关联覆盖小区、所述关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子;
利用所述关联覆盖小区的所述小区分摊因子、所述用户重复因子以及基于移动信令得到的所述关联覆盖小区在所述指定统计日期内的小区客流量,计算所述待监测区域在所述指定统计日期内的客流量。
根据本发明的另一方面,提供了一种基于移动信令的客流统计系统,包括:
信息获取模块,用于获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;所述用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息;
目标栅格区域确定模块,用于确定与所述边界范围对应的多个目标栅格区域;
信息处理模块,用于根据多个目标栅格区域和所述用户历史轨迹信息表,确定所述待监测区域的关联覆盖小区、所述关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子;
计算模块,用于利用所述关联覆盖小区的所述小区分摊因子、所述用户重复因子以及基于移动信令得到的所述关联覆盖小区在所述指定统计日期内的小区客流量,计算所述待监测区域在所述指定统计日期内的客流量。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述基于移动信令的客流统计方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述基于移动信令的客流统计方法对应的操作。
根据本发明的基于移动信令的客流统计方法和系统,通过获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息;确定与边界范围对应的多个目标栅格区域;根据多个目标栅格区域和用户历史轨迹信息表,确定待监测区域的关联覆盖小区、关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子;利用关联覆盖小区的小区分摊因子、用户重复因子以及基于移动信令得到的关联覆盖小区在指定统计日期内的小区客流量,计算待监测区域在指定统计日期内的客流量。本发明可应用在各种基站分布场景下,尤其可应用在基站稀疏分布场景下,结合用户历史轨迹信息表数据对用户历史轨迹信息进行分析,确定关联覆盖小区、小区分摊因子以及用户重复因子,进而可精准地计算待监测区域在当前日期的实时客流量或在历史日期的客流量,这种客流统计方法得到的客流数据准确度更高,误差更小,不依赖于区域通信基站分布拓扑,即使在稀疏场景下计算得到的客流数据也可以达到较高精度,解决了现有技术的计算方法因计算粒度太大容易引入误差的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明一种基于移动信令的客流统计方法实施例的流程图,如图1所示,该方法包括以下步骤S101~步骤S104:
S101:获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期。
在一种可选的方式中,在步骤S101之前,该方法还包括:
采集MR定位数据和应用服务位置数据;对MR定位数据和应用服务位置数据进行数据分析,得到用户历史轨迹信息表。
具体地说,测量报告(Measurement Report,MR)是指信息在业务信道上每480ms(信令信道上470ms)发送一次的数据,这些数据可用于网络评估和优化,MR数据中包括MR定位数据,该MR定位数据可以通过移动信令获取。用户的应用服务位置数据是通过对用户使用各种(Over The Top,OTT)软件上网的过程中产生的包含有URL(Uniform ResourceLocator,统一资源定位符)等信息的OTT数据进行数据提取得到的,具体地,可对OTT数据采用经纬度提取规则,提取出来经纬度数据,即可获得用户的应用服务位置数据。
进一步地,分析应用服务位置数据和MR定位数据共同的信令编码和时间戳,对应用服务位置数据和MR定位数据的时序进行关联,训练出最小精度为50m*50m栅格区域的MR特征指纹库,并通过比对,将符合MR特征指纹的用户纳入用户分布基础信息数据库,得到用户历史轨迹表如表1所示,需要说明的是,在本实施例中,用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息。
UserID |
Date |
Date_Type |
Grid_ID |
LAC-CI |
138****7786 |
2018/1/1 |
2 |
178903 |
22263_189992193 |
... |
... |
... |
... |
... |
表1.用户历史轨迹表
其中,UserID是用户账号;Date代表日期;Date_Type代表日期类型,日期类型可以包括:工作日(用0表示)、周末(用1表示)、小长假(用2表示)、长假(用3表示);Grid_ID代表栅格编号;LAC_CI代表覆盖小区的小区唯一编号,其中,LAC(location area code)表示位置区编码,CI表示小区标识,LAC与CI组合得到小区唯一编号。如表1所示,例如:用户账号138****7786,日期为小长假,驻留LAC-CI为22263_189992193,其符合Grid_ID=178903的指纹特征。可选地,用户历史轨迹信息表除了包括上述信息之外,还可包括其他信息,此处不做限定。
S102:确定与边界范围对应的多个目标栅格区域。
具体地说,步骤S102进一步包括:将边界范围内所包含的多个栅格区域确定为多个目标栅格区域。
在本步骤中,根据业务需要框定待监测区域,确定待监测区域的闭合边界包含的内部N个栅格,其为Gridi(i=1,2..N);为避免误差,该闭合边界穿过的栅格不包含在内。
S103:根据多个目标栅格区域和用户历史轨迹信息表,确定待监测区域的关联覆盖小区、关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子。
在一种可选的方式中,在步骤S103之前,还包括步骤:根据用户历史轨迹信息表中的栅格编号和小区编号,对用户历史轨迹信息表中的多条用户历史轨迹信息进行聚合处理,计算得到与各个栅格区域对应的小区以及各个栅格区域在不同日期类型下对应的影响因子。
具体地说,表2为不同日期类型下对应的影响因子,如表2所示,根据用户历史轨迹信息表中Grid_ID和LAC_CI,对多条用户历史轨迹信息聚合处理,得到不同日期类型下的影响因子。各个栅格区域在不同日期类型下对应的影响因子可按日进行更新。其中,影响因子计算公式为:
影响因子(Factor)=栅格区域内的出现用户数/覆盖小区在各栅格区域的用户数之和;
Grid_ID |
LAC-CI |
Date_Type |
Factor |
178903 |
22263_189992193 |
2 |
0.23 |
178903 |
22263_189992193 |
1 |
0.09 |
178903 |
22263_189992192 |
1 |
0.33 |
表2.不同日期类型下对应的影响因子
在此基础上,步骤S103进一步包括:
将与多个目标栅格区域对应的小区确定为待监测区域的关联覆盖小区;依据多个目标栅格区域在指定统计日期的日期类型下对应的影响因子,计算关联覆盖小区的小区分摊因子;依据用户历史轨迹信息表中与多个目标栅格区域对应的多条用户历史轨迹信息,计算关联覆盖小区间的用户重复因子。
在本步骤中,表3为待监测区域A的关联覆盖小区以及关联覆盖小区的小区分摊因子,如表3所示,根据步骤S101获取的指定统计日期,确定该指定统计日期的日期类型(datetype),进而根据步骤S102确定的目标栅格区域(Gridi)以及表2的栅格编码(Grid_ID)和(LAC_CI)进行标识对应,得到待监测区域A的多个关联覆盖小区LAC-CIk(k=1,2,…,M);将每个关联覆盖小区LAC-CIk(k=1,2,…,M)的所有影响因子进行累加即得到每个关联覆盖小区在待监测区域A的小区分摊因子Factor_Ck。
待监测区域 |
LAC-CI<sub>k</sub> |
Factor_C<sub>k</sub> |
A |
22263_189992193 |
0.83 |
A |
22263_189992192 |
0.45 |
表3.待监测区域A的关联覆盖小区以及关联覆盖小区的小区分摊因子
进一步地,根据步骤S102得到的Gridi筛选步骤S101的用户历史轨迹信息表,计算待监测区域A的关联覆盖小区间的用户重复因子F_A,其代表用户在多个小区间重复出现的次数,该用户重复因子通常大于1,具体方法为:根据用户历史轨迹信息表中的Grid_ID把待监测区域A的Gridi过滤出来,对于这个清单去重之后,累计UserID和LAC-CI的计数,然后对该计数相除求商,具体计算公式为:
F_A=Count-distinct(UserID)/Count-distinct(LAC-CI);
其中,Count-distinct(UserID)为UserID的累计值,Count-distinct(LAC-CI)为LAC-CI的累计值。
S104:利用关联覆盖小区的小区分摊因子、用户重复因子以及基于移动信令得到的关联覆盖小区在指定统计日期内的小区客流量,计算待监测区域在指定统计日期内的客流量。
在一种可选的方式中,步骤S104之前,还包括:采集关联覆盖小区在指定统计日期内产生的移动信令;依据移动信令,计算关联覆盖小区在指定统计日期内的小区客流量。
具体地说,通过关联覆盖小区LAC-CIk在指定统计日期内产生的移动信令,监测得到的关联覆盖小区在指定统计日期内的小区客流量记为Count_LAC-CIk,,计算关联覆盖小区在指定统计日期内的小区客流量,具体计算公式如下:
Count_A=(1/F_A)*∑(Count_LAC-CIk*Factor_Ck);
其中,Count_A为待监测区域A在指定统计日期内的客流量;F_A为待监测区域A的关联覆盖小区间的用户重复因子F_A;Count_LAC-CIk为关联覆盖小区在指定统计日期内的小区客流量;Factor_Ck为待监测区域A的关联覆盖小区的小区分摊因子。
其中,指定统计日期可以为当前日期,也可以为之前的某个历史日期。若指定统计日期为当前日期,那么计算得到的小区客流量为关联覆盖小区在当前日期的实时小区客流量,待监测区域的客流量为待监测区域在当前日期的实时客流量。
采用本实施例提供的方法,通过获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息;确定与边界范围对应的多个目标栅格区域;根据多个目标栅格区域和用户历史轨迹信息表,确定待监测区域的关联覆盖小区、关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子;利用关联覆盖小区的小区分摊因子、用户重复因子以及基于移动信令得到的关联覆盖小区在指定统计日期内的小区客流量,计算待监测区域在指定统计日期内的客流量。本实施例提供的这种方法可应用在各种基站分布场景下,尤其可应用在基站稀疏分布场景下,结合用户历史轨迹信息表数据对用户历史轨迹信息进行分析,确定关联覆盖小区、小区分摊因子以及用户重复因子,进而可精准地计算待监测区域在当前日期的实时客流量或在历史日期的客流量,这种客流统计方法得到的客流数据准确度更高,误差更小,不依赖于区域通信基站分布拓扑,即使在稀疏场景下计算得到的客流数据也可以达到较高精度,解决了现有技术的计算方法因计算粒度太大容易引入误差的问题。
实施例二
图2示出了本发明一种基于移动信令的客流统计系统实施例的结构示意图。如图2所示,该系统包括:信息获取模块201、目标栅格区域确定模块202、信息处理模块203以及计算模块204。
其中,信息获取模块201,用于获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息。
在一种可选的方式中,该系统还包括:
信息采集模块,用于采集MR定位数据和应用服务位置数据;
数据分析模块,用于对MR定位数据和应用服务位置数据进行数据分析,得到用户历史轨迹信息表。
目标栅格区域确定模块202,用于确定与边界范围对应的多个目标栅格区域。
目标栅格区域确定模块202进一步用于:将边界范围内所包含的多个栅格区域确定为多个目标栅格区域。
信息处理模块203,用于根据多个目标栅格区域和用户历史轨迹信息表,确定待监测区域的关联覆盖小区、关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子。
在一种可选的方式中,该系统还包括:用户历史轨迹信息表处理模块,用于:根据用户历史轨迹信息表中的栅格编号和小区编号,对用户历史轨迹信息表中的多条用户历史轨迹信息进行聚合处理,计算得到与各个栅格区域对应的小区以及各个栅格区域在不同日期类型下对应的影响因子。
在此基础上,信息处理模块203进一步用于:将与多个目标栅格区域对应的小区确定为待监测区域的关联覆盖小区;依据多个目标栅格区域在指定统计日期的日期类型下对应的影响因子,计算关联覆盖小区的小区分摊因子;依据用户历史轨迹信息表中与多个目标栅格区域对应的多条用户历史轨迹信息,计算关联覆盖小区间的用户重复因子。
计算模块204,用于利用关联覆盖小区的小区分摊因子、用户重复因子以及基于移动信令得到的关联覆盖小区在指定统计日期内的小区客流量,计算待监测区域在指定统计日期内的客流量。
在一种可选的方式中,该系统还包括:
移动信令采集模块,用于采集关联覆盖小区在指定统计日期内产生的移动信令。
小区客流量统计模块,用于依据移动信令,计算关联覆盖小区在指定统计日期内的小区客流量。
采用本实施例提供的系统可应用在各种基站分布场景下,尤其可应用在基站稀疏分布场景下,结合用户历史轨迹信息表数据对用户历史轨迹信息进行分析,确定关联覆盖小区、小区分摊因子以及用户重复因子,进而可精准地计算待监测区域在当前日期的实时客流量或在历史日期的客流量,这种客流统计方法得到的客流数据准确度更高,误差更小,不依赖于区域通信基站分布拓扑,即使在稀疏场景下计算得到的客流数据也可以达到较高精度,解决了现有技术的计算方法因计算粒度太大容易引入误差的问题。
实施例三
本发明实施例提供了一种非易失性计算机存储介质,计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于移动信令的客流统计方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息;
确定与边界范围对应的多个目标栅格区域;
根据多个目标栅格区域和用户历史轨迹信息表,确定待监测区域的关联覆盖小区、关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子;
利用关联覆盖小区的小区分摊因子、用户重复因子以及基于移动信令得到的关联覆盖小区在指定统计日期内的小区客流量,计算待监测区域在指定统计日期内的客流量。
实施例四
图3示出了本发明计算设备实施例的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图3所示,该计算设备可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。
其中:处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口,用于与其它设备比如客户端或其它服务器等的网元通信。处理器,用于执行程序,具体可以执行上述一种基于移动信令的客流统计方法实施例中的相关步骤。
具体地,程序可以包括程序代码,该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器,用于存放程序。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作:
获取用户历史轨迹信息表、待监测区域的边界范围以及指定统计日期;用户历史轨迹信息表中包含有多条以栅格区域表示用户位置的用户历史轨迹信息;
确定与边界范围对应的多个目标栅格区域;
根据多个目标栅格区域和用户历史轨迹信息表,确定待监测区域的关联覆盖小区、关联覆盖小区的小区分摊因子以及关联覆盖小区间的用户重复因子;
利用关联覆盖小区的小区分摊因子、用户重复因子以及基于移动信令得到的关联覆盖小区在指定统计日期内的小区客流量,计算待监测区域在指定统计日期内的客流量。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。