CN113409018B - 人流密度确定方法、装置、设备及存储介质 - Google Patents
人流密度确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113409018B CN113409018B CN202110711407.5A CN202110711407A CN113409018B CN 113409018 B CN113409018 B CN 113409018B CN 202110711407 A CN202110711407 A CN 202110711407A CN 113409018 B CN113409018 B CN 113409018B
- Authority
- CN
- China
- Prior art keywords
- information
- measurement data
- data
- user
- movement
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 152
- 230000033001 locomotion Effects 0.000 claims abstract description 116
- 238000012937 correction Methods 0.000 claims abstract description 31
- 230000011664 signaling Effects 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 101150116940 AGPS gene Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种人流密度确定方法、装置、设备及存储介质。该方法包括：基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据；基于第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；基于第二测量数据确定用户的第一轨迹信息，轨迹信息包括驻留信息和第一移动信息；基于第一移动信息结合路网数据进行移动修正得到第二移动信息；根据第二移动信息和驻留信息按区域统计人流密度。本发明实施例利用运营商测量数据和信令数据在指纹定位确定用户轨迹的基础上，结合路网数据对用户轨迹进行修正，实现了更高精度额人流密度统计。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种人流密度确定方法、装置、计算机设备和存储介质。
背景技术
目前在各个城市规划、商圈人流分析、大型集会人流监控、城市安防警力部署方面，都需要掌握精确的人流密度分析，针对各个区域查看不同时间点的人流热力图情况。
市面上比较通用的方法就是通过互联网软件获取人员时空数据(带时间的位置信息)，对各个区域进行人员数量统计，然后将数据渲染到地图上。亦或者使用运营商信令数据，基于手机连接的基站所在位置统计附近区域人员密度数量。
以上方法简单可行，对大面积区域的人员数量统计有较为精准的数据。但当时间范围和区域范围缩小后，其数据的统计精度就很低了。原因是互联网软件上报的经纬度信息不是连续上报的，而且不是所有用户都安装了相关互联网公司的软件，也不是所有用户将GPS功能全天候打开的。同理，基站数据也不是每时每刻上报的，在追求更精准的统计区域人员密度数据时无能为力。
发明内容
有鉴于此，本发明提供了一种人流密度确定方法、装置、设备及存储介质，利用运营商测量数据和信令数据在指纹定位确定用户轨迹的基础上，结合路网数据对用户轨迹进行修正，实现了更高精度额人流密度统计。
第一方面，本发明提供了一种人流密度确定方法，该方法包括：
基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据；
基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；
基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息；
基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息；
根据所述第二移动信息和所述驻留信息按区域统计人流密度。
可选的，在一些实施例中，基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据，包括：
基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库；
基于所述栅格指纹库对所述运营商测量数据中不包括位置信息的第二测量数据进行指纹定位得到第二位置信息，将所述第二位置信息回填至所述运营商测量数据得到第一测量数据。
可选的，在一些实施例中，基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据，包括：
基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库；
基于所述栅格指纹库对所述运营商测量数据中不包括位置信息的第二测量数据进行指纹定位得到第二位置信息，将所述第二位置信息回填至所述运营商测量数据得到第一测量数据。
可选的，在一些实施例中，所述基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库，包括：
根据基站覆盖区域划分栅格，基于所述第一测量数据对每个栅格内的测量数据进行筛选，筛选后得到建库测量数据；
基于所述建库测量数据确定每个栅格的无线指标信息得到标准无线指标信息，以所述标准无线指标信息为待匹配数据生成指纹库。
可选的，在一些实施例中，基于所述第二测量数据确定用户的第一轨迹信息，包括：
基于所述第二测量数据按用户身份进行分组，并按时间排序，以得到用户的连续运动信息，基于所述连续运动进行无效数据过滤得到有效运动信息；
基于所述有效运动信息进行空间聚类得到聚类点，根据预设速度对所述聚类点进行判别得到驻留点和理论运动点，统计所述驻留点得到驻留信息，统计所述理论运动点得到第一移动数据。
可选的，在一些实施例中，基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息，包括：
基于所述理论运动点和所述路网数据进行偏离修正得到修正后的运动点；
基于所述修正后的运动点确定用户的途径路段，基于所述途径路段和所述路网数据进行路段连续修正得到修正后的途径路段；
基于所述修正后的途径路段反推用户的实际运动点得到第二移动信息。
第二方面，本发明提供了一种人流密度确定装置，包括：
定位模块，用于基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据；
关联模块，用于基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；
移动筛选模块，用于基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息；
移动修正模块，用于基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息；
密度统计模块，用于根据所述第二移动信息和所述驻留信息按区域统计人流密度。
第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的人流密度确定方法。
第四方面，本发明提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现前述的人流密度确定方法。
本发明提供的人流密度确定方法，基于运营商测量数据中自带的第一位置信息通过指纹定位得到完整位置信息，从而回填得到第一测量数据，再基于第一测量数据和信令数据进行关联匹配，得到包括完整位置信息和用户信息的第二测量数据，分析第二测量数据确定用户的第一轨迹信息，再将第一轨迹信息中的，第一移动信息结合路网数据进行移动修正得到第二移动信息，最终基于第二移动信息和第一轨迹信息中的驻留信息按区域统计人流密度，该方法结合了运营商测量数据和信令数据，获取较为全面的用户轨迹，然后通过基于路上数据的路段匹配绑定，路径匹配回填，路段中的轨迹点回填等多重数据修复回填措施，得到更为全面的用户轨迹数据，最终保障了区域人流统计的数据准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本申请的部分实施例，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，还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的一种人流密度确定方法的流程图；
图2是本发明实施例一提供的人流密度确定方法的子流程图；
图3是本发明实施例二提供的人流密度确定方法的流程图；
图4是本发明实施例二提供的人流密度确定方法的子流程图；
图5是本发明实施例二提供的第一码表的示意图；
图6是本发明实施例三提供的一种人流密度确定装置的结构示意图；
图7是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施中的技术方案进行清楚、完整的描述。可以理解的是，此处所描述的具体实施例仅仅是本申请一部分实施例，而不是全部的实施例，仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，基于本申请中的实施例，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一用例称为第二用例，且类似地，可将第二用例称为第一用例。第一用例和第二用例两者都是用例，但其不是同一用例。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个特征的组合。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。需要说明的是，当一个部被称为“固定于”另一个部，它可以直接在另一个部上也可以存在居中的部。当一个部被认为是“连接”到另一个部，它可以是直接连接到另一个部或者可能同时存在居中部。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述，只是为了说明的目的，并不表示是唯一的实施方式。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
参见图1，本实施例提供了一种人流密度确定方法，可以应用于带定位功能的系统，该系统包括终端和服务器，其中终端与服务器通过网络进行通信，终端可以但不限于是各种智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。基于上述系统，人流密度确定方法可以由终端或服务器执行，也可以通过终端与服务器的交互实现。如图1所示，该方法具体包括：
S110、基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据。
运营商测量数据指的是运行商在提供终端通信服务时采集的测量数据，也即MR(Measurement Report，测量报告)数据。运营商测量数据中通常不是每条都包括位置信息，只有很少一部分数据带有位置信息，为了便于区分，将这部分运营商测量数据自带的位置信息称为第一位置信息，而为了得到完整位置信息，需要根据第一位置信息对整个运行商测量数据进行定位，得到包括完整位置信息的运营商测量数据，也即第一测量数据。
S120、基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据。
本实施例中，第二测量数据实际上仍然以MR数据的格式存在，在进行关联匹配时，以MR数据作为主表，根据endbid、mmecode、mmes1apid、mmegroupid四元组信息和信令数据进行关联，将信令数据的用户信息回填至MR数据中，因为MR数据中已经包含了位置信息，从而获得了用户的位置信息，将这步得到的MR数据统称为第二测量数据。
S130、基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息。
第一轨迹信息是基于第二测量数据进行用户分组后得到的，用于描述用于移动轨迹的相关数据的统称，同一个用户下包括相应的位置信息、时间信息等，并且通常还会按照一定的规则进行排序，例如时间先后，以形成完整的轨迹，并且为了进一步分析轨迹中个点代表的信息，将轨迹中的各点归类为驻留点和移动点从而得到驻留信息和第一移动信息。
S140、基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息。
由于第二测量数据中不少位置信息是通过指纹定位得到的，并且常规数据采集是也有一定的误差，因此第一轨迹信息可能会存在不少错误信息，为了减少这些错误信息对最终人流密度统计的影响，本步骤结合路网数据对第一移动信息进行修正，主要目的是将第一移动信息中不符合路网数据的部分，修正为符合路网数据，从而得到第二移动信息。
S150、根据所述第二移动信息和所述驻留信息按区域统计人流密度。
第二移动信息和驻留信息已经详细记载了用户从驻留到移动的完整轨迹，相应的时间信息也对应有记录，因此通过分区域就可以统计任意时间任意区域的用户数量。
本实施例提供了一种人流密度确定方法，基于运营商测量数据中自带的第一位置信息通过指纹定位得到完整位置信息，从而回填得到第一测量数据，再基于第一测量数据和信令数据进行关联匹配，得到包括完整位置信息和用户信息的第二测量数据，分析第二测量数据确定用户的第一轨迹信息，再将第一轨迹信息中的，第一移动信息结合路网数据进行移动修正得到第二移动信息，最终基于第二移动信息和第一轨迹信息中的驻留信息按区域统计人流密度，该方法结合了运营商测量数据和信令数据，获取较为全面的用户轨迹，然后通过基于路上数据的路段匹配绑定，路径匹配回填，路段中的轨迹点回填等多重数据修复回填措施，得到更为全面的用户轨迹数据，最终保障了区域人流统计的数据准确性。
实施例二
实施例二提供了一种人流密度确定方法，其可以在实施例一的基础上实现，对实施例一中的内容进行了进一步补充，具体包括：
如图2所示，步骤S110包括步骤S111-112：
S111、基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库。
具体的，步骤S111包括：
根据基站覆盖区域划分栅格，基于所述第一测量数据对每个栅格内的测量数据进行筛选，筛选后得到建库测量数据。MR数据中有2％-5％的数据上报agps数据，根据这部分数据的经纬度信息计算其所在栅格(10m X10m的栅格)，计算出这些已知经纬度的MR数据所在栅格，同一个栅格内有多条MR数据，如果大于等于三条就筛选离栅格中心点最近的三条MR数据作为指纹库计算输入数据，小于三条的则不筛选过滤，过滤后剩下的就是建库测量数据。
基于所述建库测量数据确定每个栅格的无线指标信息得到标准无线指标信息，以所述标准无线指标信息为待匹配数据生成指纹库。根据筛选后的MR数据计算这些MR数据在各个基站下的Ta、rsrp、rsrq、sinr、aoa无限指标加权平均数，加权值使用MR离栅格中心点的距离倒数，越接近中心点，越能代表这个栅格的无线指标值。根据此方法计算出所有基站所覆盖栅格的无线指标值，以此作为待匹配数据。
S112、基于所述栅格指纹库对所述运营商测量数据中不包括位置信息的第二测量数据进行指纹定位得到第二位置信息，将所述第二位置信息回填至所述运营商测量数据得到第一测量数据。
将没有agps数据的MR数据(也即第二测量数据)与以上计算的各个基站所覆盖的栅格的无线指标进行匹配，匹配出最符合MR无线指标的前三个栅格，根据栅格中心经纬度进行加权平均，加权值为无线指标匹配差异值的倒数，MR无线指标越接近栅格无线指标，第二测量数据对应的位置越有可能在此栅格中。根据此方法计算出第二测量数据的经纬度信息。
如图3所示，第一轨迹信息的获取过程，也即步骤S130，包括步骤S131-132：
S131、基于所述第二测量数据按用户身份进行分组，并按时间排序，以得到用户的连续运动信息，基于所述连续运动进行无效数据过滤得到有效运动信息。
第二测量数据代表多个用户在多个时间的位置信息，按用户身份分组是为了统计单个用户的位置信息，按时间排序是为了得到单个用户的连续位置变化信息。无效数据过滤是在分组和排序之后，例如按日期和用户进行分组，分组后按照时间排序，将连续时间段内的记录剔除运动速度大于v＝120km/h的用户轨迹，此轨迹点认为是严重超出速度判别，为偏移点。除此之外，每分钟同一用户只保留时间中位数的点进行抽稀处理。
S132、基于所述有效运动信息进行空间聚类得到聚类点，根据预设速度对所述聚类点进行判别得到驻留点和理论运动点，统计所述驻留点得到驻留信息，统计所述理论运动点得到第一移动数据。
对用户进行空间聚类，计算出用户的聚类点，针对每个聚类点进行平均速度计算，当速度满足一定的下限阈值如小于5km/h，则判定此聚类点为驻留点，其他点则为运动点，由于后续会对运动点进行一些修正处理，为了便于区分，将此处得到的运动点称为理论运动点。
与之对应的，生成第二移动信息的过程，也即步骤S140如图4所示，包括步骤S141-143：
S141、基于所述理论运动点和所述路网数据进行偏离修正得到修正后的运动点。
将理论运动点与路网数据进行匹配，其匹配算法为轨迹点与路网最小距离小于阈值，则将理论运动点拉回路网的垂直交叉点上，匹配为用户在此道路上，得到修正后的运动点。
S142、基于所述修正后的运动点确定用户的途径路段，基于所述途径路段和所述路网数据进行路段连续修正得到修正后的途径路段。
更具体的，在一些实施例中，步骤S142具体包括步骤S1421-1422(图未示)：
S1421、据所述修正后的运动点以时间排序确定用户的途径路段。
S1422、确定所述途径路段之间的最短路径形成第一码表，根据所述途径路段和路网数据判断轨迹是否连续，若否，则根据所述第一码表进行路段补齐，得到修正后的途径路段。
计算出用户各个时间在道路上的情况，其表结构如下所示：
字段 类型 备注
imsi String imsi
starttime String 开始时间
endtime String 结束时间
mapId String MAPID
id String 路段ID
name String 所属主路名称。
此表记录了用户在各个路段上的开始时间和结束时间，以及路段信息。
在一个具体示例中，第一码表如图5所示，矩阵中a、b、c、d代表了路段交接点，1234代表了四个路段，矩阵中记录了横向坐标点通往纵向坐标点之间的最短路径信息，查看每条记录的路段是否相邻，如果不相邻则通过查询步骤3所提供的矩阵信息补齐中间路段记录信息，补充的路段开始时间和结束时间根据路段长度按用户平均速度进行回填，
S143、基于所述修正后的途径路段反推用户的实际运动点得到第二移动信息。
回填完用户道路信息后，得到用户连续的路段信息，然后将回填的路段信息进行进一步回填，按100m的距离将用户轨迹点均匀的回填到路段上，其轨迹点的时间根据距离匀速计算。
本实施例在前述实施例的基础上，进一步的给出了基于指纹定位获取完整位置信息的过程，以及根据路网数据进行轨迹点修正和路段修正的过程，进一步保障了用户的轨迹信息更符合实际情况，提高了人流密度统计的精确度。
实施例三
图6为本发明实施例三提供的一种人流密度确定装置300的结构示意图，如图6所述，该装置300包括：
定位模块310，用于基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据；
关联模块320，用于基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；
移动筛选模块330，用于基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息；
移动修正模块340，用于基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息；
密度统计模块350，用于根据所述第二移动信息和所述驻留信息按区域统计人流密度。
可选的，在一些实施例中，基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据，包括：
基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库；
基于所述栅格指纹库对所述运营商测量数据中不包括位置信息的第二测量数据进行指纹定位得到第二位置信息，将所述第二位置信息回填至所述运营商测量数据得到第一测量数据。
可选的，在一些实施例中，所述基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库，包括：
根据基站覆盖区域划分栅格，基于所述第一测量数据对每个栅格内的测量数据进行筛选，筛选后得到建库测量数据；
基于所述建库测量数据确定每个栅格的无线指标信息得到标准无线指标信息，以所述标准无线指标信息为待匹配数据生成指纹库。
可选的，在一些实施例中，基于所述第二测量数据确定用户的第一轨迹信息，包括：
基于所述第二测量数据按用户身份进行分组，并按时间排序，以得到用户的连续运动信息，基于所述连续运动进行无效数据过滤得到有效运动信息；
基于所述有效运动信息进行空间聚类得到聚类点，根据预设速度对所述聚类点进行判别得到驻留点和理论运动点，统计所述驻留点得到驻留信息，统计所述理论运动点得到第一移动数据。
可选的，在一些实施例中，所述移动修正模块340包括：
运动点修正模块，用于基于所述理论运动点和所述路网数据进行偏离修正得到修正后的运动点；
路段修正模块，用于基于所述修正后的运动点确定用户的途径路段，基于所述途径路段和所述路网数据进行路段连续修正得到修正后的途径路段；
反推模块，用于基于所述修正后的途径路段反推用户的实际运动点得到第二移动信息。
可选的，在一些实施例中，路段修正模块具体用于：
根据所述修正后的运动点以时间排序确定用户的途径路段；
确定所述途径路段之间的最短路径形成第一码表，根据所述途径路段和路网数据判断轨迹是否连续，若否，则根据所述第一码表进行路段补齐，得到修正后的途径路段。
本实施例提供了一种人流密度确定装置，基于运营商测量数据中自带的第一位置信息通过指纹定位得到完整位置信息，从而回填得到第一测量数据，再基于第一测量数据和信令数据进行关联匹配，得到包括完整位置信息和用户信息的第二测量数据，分析第二测量数据确定用户的第一轨迹信息，再将第一轨迹信息中的，第一移动信息结合路网数据进行移动修正得到第二移动信息，最终基于第二移动信息和第一轨迹信息中的驻留信息按区域统计人流密度，该方法结合了运营商测量数据和信令数据，获取较为全面的用户轨迹，然后通过基于路上数据的路段匹配绑定，路径匹配回填，路段中的轨迹点回填等多重数据修复回填措施，得到更为全面的用户轨迹数据，最终保障了区域人流统计的数据准确性。
实施例四
图7为本发明实施例四提供的一种计算机设备400的结构示意图，如图7所示，该设备包括存储器410、处理器420，设备中处理器420的数量可以是一个或多个，图7中以一个处理器420为例；设备中的存储器410、处理器420可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的人流密度确定方法对应的程序指令/模块(例如，人流密度确定装置中的定位模块310、关联模块320、数移动筛选模块330、移动修正模块340和密度统计模块350)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的人流密度确定方法。
其中，所述处理器420用于运行存储在存储器410中的计算机可执行程序，以实现如下步骤：步骤S110、获取包括位置信息和用户信息的4G测量数据以及包括用户信息的5G测量数据；步骤S120、根据速度阈值对所述包括位置信息和用户信息的4G测量数据过滤得到第一测量数据；步骤S130、将所述第一测量数据和所述包括用户信息的5G测量数据进行关联，以将所述位置信息回填至所述包括用户信息的5G测量数据得到第二测量数据；步骤S140、根据所述第二测量数据基于无线指标信息生成栅格指纹库；步骤S150、获取待定位5G测量数据，根据无线指标信息将所述待定位5G测量数据与所述栅格指纹库匹配以确定实际位置。
当然,本发明实施例所提供的一种计算机设备,该设备不限于如上所述的方法操作,还可以执行本发明实施例任意实施例所提供的人流密度确定方法中的相关操作。
存储器410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本实施例提供了一种计算机设备，利用运营商测量数据和信令数据在指纹定位确定用户轨迹的基础上，结合路网数据对用户轨迹进行修正，实现了更高精度额人流密度统计。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种人流密度确定方法，该人流密度确定方法包括：
基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据；
基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；
基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息；
基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息；
根据所述第二移动信息和所述驻留信息按区域统计人流密度。
通过以上关于实施方式的描述，所述领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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，设备，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述授权装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种人流密度确定方法，其特征在于，包括：
基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据，所述第一测量数据为包括完整位置信息的运营商测量数据；
基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；
基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息；
基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息；
根据所述第二移动信息和所述驻留信息按区域统计人流密度；
其中，所述基于所述第二测量数据确定用户的第一轨迹信息，包括：
基于所述第二测量数据按用户身份进行分组，并按时间排序，以得到用户的连续运动信息，基于所述连续运动进行无效数据过滤得到有效运动信息；
基于所述有效运动信息进行空间聚类得到聚类点，根据预设速度对所述聚类点进行判别得到驻留点和理论运动点，统计所述驻留点得到驻留信息，统计所述理论运动点得到第一移动信息；
所述基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息，包括：
基于所述理论运动点和所述路网数据进行偏离修正得到修正后的运动点；
基于所述修正后的运动点确定用户的途径路段，基于所述途径路段和所述路网数据进行路段连续修正得到修正后的途径路段；
基于所述修正后的途径路段反推用户的实际运动点得到第二移动信息。
2.根据权利要求1所述的人流密度确定方法，其特征在于，基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据，包括：
基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库；
基于所述栅格指纹库对所述运营商测量数据中不包括位置信息的第二测量数据进行指纹定位得到第二位置信息，将所述第二位置信息回填至所述运营商测量数据得到第一测量数据。
3.根据权利要求1所述的人流密度确定方法，其特征在于，所述基于所述运营商测量数据中包括第一位置信息的第一测量数据建立栅格指纹库，包括：
根据基站覆盖区域划分栅格，基于所述第一测量数据对每个栅格内的测量数据进行筛选，筛选后得到建库测量数据；
基于所述建库测量数据确定每个栅格的无线指标信息得到标准无线指标信息，以所述标准无线指标信息为待匹配数据生成指纹库。
4.根据权利要求1所述的人流密度确定方法，其特征在于，基于所述修正后的运动点确定用户的途径路段，基于所述途径路段和所述路网数据进行路段连续修正得到修正后的途径路段，包括：
根据所述修正后的运动点以时间排序确定用户的途径路段；
确定所述途径路段之间的最短路径形成第一码表，根据所述途径路段和路网数据判断轨迹是否连续，若否，则根据所述第一码表进行路段补齐，得到修正后的途径路段。
5.一种人流密度确定装置，其特征在于，包括：
定位模块，用于基于运营商测量数据中上报的第一位置信息通过指纹定位得到包括完整位置信息的第一测量数据，所述第一测量数据为包括完整位置信息的运营商测量数据；
关联模块，用于基于所述第一测量数据和信令数据进行关联匹配，以得到包括完整位置信息和用户信息的第二测量数据；
移动筛选模块，用于基于所述第二测量数据确定用户的第一轨迹信息，所述轨迹信息包括驻留信息和第一移动信息；
移动修正模块，用于基于所述第一移动信息结合路网数据进行移动修正得到第二移动信息；
密度统计模块，用于根据所述第二移动信息和所述驻留信息按区域统计人流密度；
其中，所述基于所述第二测量数据确定用户的第一轨迹信息，包括：
基于所述第二测量数据按用户身份进行分组，并按时间排序，以得到用户的连续运动信息，基于所述连续运动进行无效数据过滤得到有效运动信息；
基于所述有效运动信息进行空间聚类得到聚类点，根据预设速度对所述聚类点进行判别得到驻留点和理论运动点，统计所述驻留点得到驻留信息，统计所述理论运动点得到第一移动信息；
所述移动修改模块，包括：
运动点修正模块，用于基于所述理论运动点和所述路网数据进行偏离修正得到修正后的运动点；
路段修正模块，用于基于所述修正后的运动点确定用户的途径路段，基于所述途径路段和所述路网数据进行路段连续修正得到修正后的途径路段；
反推模块，用于基于所述修正后的途径路段反推用户的实际运动点得到第二移动信息。
6.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-4任意一项所述的人流密度确定方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时，实现如权利要求1-4任意一项所述的人流密度确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110711407.5A CN113409018B (zh) | 2021-06-25 | 2021-06-25 | 人流密度确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110711407.5A CN113409018B (zh) | 2021-06-25 | 2021-06-25 | 人流密度确定方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113409018A CN113409018A (zh) | 2021-09-17 |
| CN113409018B true CN113409018B (zh) | 2024-03-05 |
Family
ID=77679424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110711407.5A Active CN113409018B (zh) | 2021-06-25 | 2021-06-25 | 人流密度确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113409018B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440473A (zh) * | 2013-08-09 | 2013-12-11 | 京信通信系统（中国）有限公司 | 指纹定位方法与服务器 |
| WO2014155828A1 (ja) * | 2013-03-29 | 2014-10-02 | 株式会社日立製作所 | 移動体分布推定システム、移動体分布推定サーバ及び移動体分布推定方法 |
| CN108055639A (zh) * | 2017-12-08 | 2018-05-18 | 华中科技大学 | 一种基于信令数据分析的人流密度预测方法及系统 |
| CN108573265A (zh) * | 2017-03-10 | 2018-09-25 | 中兴通讯股份有限公司 | 人流量统计方法及统计系统 |
| CN109996256A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团湖北有限公司 | 用户迁移分析方法、装置、计算设备及存储介质 |
| CN110824514A (zh) * | 2018-08-14 | 2020-02-21 | 中国电信股份有限公司 | 指纹定位方法和装置、计算机可读存储介质 |
| CN111194001A (zh) * | 2020-01-08 | 2020-05-22 | 中国联合网络通信集团有限公司 | Lte指纹定位校正的方法、装置及系统 |
| CN111624635A (zh) * | 2020-05-21 | 2020-09-04 | 北京红山信息科技研究院有限公司 | 一种移动终端的定位方法、系统、服务器和存储介质 |
| CN111901750A (zh) * | 2020-09-11 | 2020-11-06 | 中国联合网络通信集团有限公司 | 一种定位方法、装置、电子设备以及存储介质 |
| CN112312301A (zh) * | 2019-08-01 | 2021-02-02 | 中国移动通信集团浙江有限公司 | 用户终端定位方法、装置、设备及计算机存储介质 |
| CN112541852A (zh) * | 2020-12-24 | 2021-03-23 | 南方科技大学 | 城市人流监控方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10845453B2 (en) * | 2012-08-03 | 2020-11-24 | Polte Corporation | Network architecture and methods for location services |
-
2021
- 2021-06-25 CN CN202110711407.5A patent/CN113409018B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014155828A1 (ja) * | 2013-03-29 | 2014-10-02 | 株式会社日立製作所 | 移動体分布推定システム、移動体分布推定サーバ及び移動体分布推定方法 |
| CN103440473A (zh) * | 2013-08-09 | 2013-12-11 | 京信通信系统（中国）有限公司 | 指纹定位方法与服务器 |
| CN108573265A (zh) * | 2017-03-10 | 2018-09-25 | 中兴通讯股份有限公司 | 人流量统计方法及统计系统 |
| CN108055639A (zh) * | 2017-12-08 | 2018-05-18 | 华中科技大学 | 一种基于信令数据分析的人流密度预测方法及系统 |
| CN109996256A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团湖北有限公司 | 用户迁移分析方法、装置、计算设备及存储介质 |
| CN110824514A (zh) * | 2018-08-14 | 2020-02-21 | 中国电信股份有限公司 | 指纹定位方法和装置、计算机可读存储介质 |
| CN112312301A (zh) * | 2019-08-01 | 2021-02-02 | 中国移动通信集团浙江有限公司 | 用户终端定位方法、装置、设备及计算机存储介质 |
| CN111194001A (zh) * | 2020-01-08 | 2020-05-22 | 中国联合网络通信集团有限公司 | Lte指纹定位校正的方法、装置及系统 |
| CN111624635A (zh) * | 2020-05-21 | 2020-09-04 | 北京红山信息科技研究院有限公司 | 一种移动终端的定位方法、系统、服务器和存储介质 |
| CN111901750A (zh) * | 2020-09-11 | 2020-11-06 | 中国联合网络通信集团有限公司 | 一种定位方法、装置、电子设备以及存储介质 |
| CN112541852A (zh) * | 2020-12-24 | 2021-03-23 | 南方科技大学 | 城市人流监控方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| A Flexible 4G/5G Control Platform for Fingerprint-based Indoor Localization;Michele Gucciardo，等;《IEEE INFOCOM WKSHPS》;744-749 * |
| 基于蜂窝网络的定位技术研究;杨麒弘;《中国优秀硕士学位论文全文数据库 信息科技辑》(第3期);I136-1218 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113409018A (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110505583B (zh) | 一种基于卡口数据与信令数据的轨迹匹配方法 | |
| CN105825242B (zh) | 基于混合网格分层聚类的集群通信终端轨迹实时异常检测方法与系统 | |
| Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
| CN107040894B (zh) | 一种基于手机信令数据的居民出行od获取方法 | |
| CN111615054B (zh) | 人口分析方法及装置 | |
| EP3132592B1 (en) | Method and system for identifying significant locations through data obtainable from a telecommunication network | |
| CN108170793A (zh) | 基于车辆语义轨迹数据的停留点分析方法及其系统 | |
| Zhou et al. | A data-driven method for trip ends identification using large-scale smartphone-based GPS tracking data | |
| Holleczek et al. | Detecting weak public transport connections from cellphone and public transport data | |
| CN110888884B (zh) | 基于geohash匹配的车码拟合方法及系统 | |
| EP2608181B1 (en) | Method for detecting traffic | |
| WO2015170289A1 (en) | Method and system for vehicular traffic prediction | |
| CN106339716A (zh) | 一种基于加权欧氏距离的移动轨迹相似度匹配方法 | |
| Bonnetain et al. | TRANSIT: Fine-grained human mobility trajectory inference at scale with mobile network signaling data | |
| CN108271157B (zh) | 一种伪基站识别方法及装置 | |
| Huo et al. | Short-term estimation and prediction of pedestrian density in urban hot spots based on mobile phone data | |
| CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
| CN108538054B (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
| CN110503032B (zh) | 基于监控摄像头轨迹数据的个体重要场所探测方法 | |
| Leca et al. | Significant location detection & prediction in cellular networks using artificial neural networks | |
| Duan et al. | MobilePulse: Dynamic profiling of land use pattern and OD matrix estimation from 10 million individual cell phone records in Shanghai | |
| Rodrigues et al. | Impact of crowdsourced data quality on travel pattern estimation | |
| CN109495848B (zh) | 一种用户空间定位的方法 | |
| CN114970621A (zh) | 异常聚集事件的检测方法、装置、电子设备和存储介质 | |
| CN115002697B (zh) | 待核查用户的接触用户识别方法、装置、设备及存储介质 |
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 |