CN115119253B - 区域人流量监测及确定监测参数的方法、装置及设备 - Google Patents
区域人流量监测及确定监测参数的方法、装置及设备 Download PDFInfo
- Publication number
- CN115119253B CN115119253B CN202211044828.8A CN202211044828A CN115119253B CN 115119253 B CN115119253 B CN 115119253B CN 202211044828 A CN202211044828 A CN 202211044828A CN 115119253 B CN115119253 B CN 115119253B
- Authority
- CN
- China
- Prior art keywords
- target area
- user
- target
- determining
- users
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000011664 signaling Effects 0.000 claims abstract description 120
- 230000006399 behavior Effects 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 2
- 230000006854 communication Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供一种区域人流量监测及确定监测参数的方法、装置及设备，涉及位置服务技术领域，该方法包括：获取待监测的目标区域的目标监测参数；获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。提高了目标区域人流量估计的准确性。
Description
技术领域
本申请涉及位置服务技术领域，尤其涉及一种区域人流量监测及确定监测参数的方法、装置及设备。
背景技术
城市中的公共区域是人们日常活动的重要场所，例如风景区、交通枢纽等等。
尽管这些公共区域为人们提供了日常活动的场所，但由于这些公共区域具有短时集聚大量人群、疏散缓慢的特点，会给基础设施系统以及公共安全保障系统带来巨大压力，也会导致一定的管理困难和安全隐患。
公共区域的管理困难和安全隐患，主要是由于公共区域的巨大人流量造成的。因此，如何提前预知公共区域的人流量，从而基于预测的人流量进行公共区域的日常管理是亟待解决的技术问题。
发明内容
本申请提供一种区域人流量监测及确定监测参数的方法、装置及设备，用以提高区域人流量监测的准确性。
第一方面，本申请提供一种区域人流量监测方法，包括：
获取待监测的目标区域的目标监测参数；
获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；
根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；
根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。
在一种可能的实施方式中，所述根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，包括：
根据所述信令数据进行网络小区覆盖建模，得到网络小区覆盖所述目标区域的覆盖模型数据；
根据所述信令数据和所述覆盖模型数据进行所述多个用户的时空行为建模，得到所述多个用户的时空行为数据；
根据所述多个用户的时空行为数据和所述目标监测参数，确定所述多个用户的用户类别。
在一种可能的实施方式中，所述MDT信息包括MDT坐标和所在的网络小区；所述根据所述信令数据进行网络小区覆盖建模，得到网络小区覆盖所述目标区域的覆盖模型数据，包括：
根据各所述用户的MDT坐标和所在的网络小区，确定位于所述目标区域内的MDT坐标数量、各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的概率；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及所述目标区域内的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的权重，所述覆盖模型数据包括各所述网络小区覆盖所述目标区域的概率，以及各所述网络小区覆盖所述目标区域的权重。
在一种可能的实施方式中，所述信令数据中还包括时间信息；所述根据所述信令数据和所述覆盖模型数据进行所述多个用户的时空行为建模，得到所述多个用户的时空行为数据，包括：
根据所述时间信息获取各所述用户在所述目标区域的驻留时间量；
根据各所述网络小区覆盖所述目标区域的权重，获取各所述用户在所述目标区域的驻留空间量；
根据各所述网络小区覆盖所述目标区域的概率，获取各所述用户在所述目标区域的概率累积量，所述时空行为数据包括所述驻留时间量、所述驻留空间量和所述概率累积量。
在一种可能的实施方式中，所述目标监测参数包括第一参数、第二参数和第三参数；所述根据所述多个用户的时空行为数据和所述目标监测参数，确定所述多个用户的用户类别，包括：
根据所述第一参数、所述第二参数、所述第三参数、所述驻留时间量、所述驻留空间量和所述概率累积量，获取各所述用户驻留所述目标区域的驻留概率；
在所述驻留概率大于或等于预设值时，确定对应的用户的用户类别为所述驻留用户；
在所述驻留概率小于所述预设值时，确定对应的用户的用户类别为所述非驻留用户。
在一种可能的实施方式中，所述目标监测参数还包括第四参数；所述根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量，包括：
根据所述用户类别，确定所述驻留用户的数量；
根据所述第四参数和所述驻留用户的数量，确定所述目标区域的人流量。
第二方面，本申请提供一种确定监测参数的方法，包括：
获取待监测的目标区域的多组监测参数；
获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；
根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；
根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
第三方面，本申请提供一种区域人流量监测装置，包括：
第一获取模块，用于获取待监测的目标区域的目标监测参数；
第二获取模块，用于获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；
处理模块，用于根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；
确定模块，用于根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。
在一种可能的实施方式中，所述处理模块具体用于：
根据所述信令数据进行网络小区覆盖建模，得到网络小区覆盖所述目标区域的覆盖模型数据；
根据所述信令数据和所述覆盖模型数据进行所述多个用户的时空行为建模，得到所述多个用户的时空行为数据；
根据所述多个用户的时空行为数据和所述目标监测参数，确定所述多个用户的用户类别。
在一种可能的实施方式中，所述MDT信息包括MDT坐标和所在的网络小区；所述处理模块具体用于：
根据各所述用户的MDT坐标和所在的网络小区，确定位于所述目标区域内的MDT坐标数量、各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的概率；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及所述目标区域内的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的权重，所述覆盖模型数据包括各所述网络小区覆盖所述目标区域的概率，以及各所述网络小区覆盖所述目标区域的权重。
在一种可能的实施方式中，所述信令数据中还包括时间信息；所述处理模块具体用于：
根据所述时间信息获取各所述用户在所述目标区域的驻留时间量；
根据各所述网络小区覆盖所述目标区域的权重，获取各所述用户在所述目标区域的驻留空间量；
根据各所述网络小区覆盖所述目标区域的概率，获取各所述用户在所述目标区域的概率累积量，所述时空行为数据包括所述驻留时间量、所述驻留空间量和所述概率累积量。
在一种可能的实施方式中，所述目标监测参数包括第一参数、第二参数和第三参数；所述处理模块具体用于：
根据所述第一参数、所述第二参数、所述第三参数、所述驻留时间量、所述驻留空间量和所述概率累积量，获取各所述用户驻留所述目标区域的驻留概率；
在所述驻留概率大于或等于预设值时，确定对应的用户的用户类别为所述驻留用户；
在所述驻留概率小于所述预设值时，确定对应的用户的用户类别为所述非驻留用户。
在一种可能的实施方式中，所述目标监测参数还包括第四参数；所述确定模块具体用于：
根据所述用户类别，确定所述驻留用户的数量；
根据所述第四参数和所述驻留用户的数量，确定所述目标区域的人流量。
第四方面，本申请提供一种确定监测参数的装置，包括：
第一获取模块，用于获取待监测的目标区域的多组监测参数；
第二获取模块，用于获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；
确定模块，用于根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；
训练模块，用于根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
第五方面，本申请提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面任一项所述的区域人流量监测方法，或者，所述处理器执行所述程序时实现如第二方面所述的确定监测参数的方法。
第六方面，本申请提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的区域人流量监测方法，或者，所述计算机程序被处理器执行时实现如第二方面所述的确定监测参数的方法。
第七方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的区域人流量监测方法，或者，所述计算机程序被处理器执行时实现如第二方面所述的确定监测参数的方法。
本申请实施例提供的区域人流量监测及确定监测参数的方法、装置及设备，首先获取待监测的目标区域的目标监测参数，并获取目标区域对应的扩展区域中的多个用户的信令数据，目标区域为扩展区域的子区域；然后根据信令数据和目标监测参数，确定多个用户的用户类别，用户类别包括目标区域的驻留用户和非驻留用户；最后根据用户类别和目标监测参数，确定目标区域的人流量。本申请实施例的方案，由于获取的信令数据中包括MDT信息，而MDT信息中包括移动终端的经纬度坐标，从而能够精确反映用户的实际位置，因此基于包括MDT信息的信令数据进行目标区域的人流量估计，其准确性也较高。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的应用场景示意图；
图2为本申请实施例提供的区域人流量监测方法的流程示意图；
图3为本申请实施例提供的区域人流量监测系统示意图；
图4为本申请实施例提供的确定多个用户的用户类别的流程示意图；
图5为本申请实施例提供的网络小区覆盖建模示意图；
图6为本申请实施例提供的确定监测参数的方法的流程示意图；
图7为本申请实施例提供的区域人流量监测装置的结构示意图；
图8为本申请实施例提供的确定监测参数的装置的结构示意图；
图9为本申请实施例提供的一种电子设备的实体结构示意图。
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，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
区域人流量监测是一种监测某一区域在一段时间内的人流量的方式，在日常生活中，经常涉及到区域人流量监测，例如风景区的人流监测、交通枢纽的人流量监测等等。
由于某些公共区域可能在短时间内聚集大量人群，会给基础设施系统以及公共安全保障系统带来巨大压力，因此通过区域人流量监测来估计区域内大概的人流量，从而能够基于估计的人流量进行公共区域的管理，为公共区域的安全设施和基础服务设施的统筹带来便利。
目前的区域人流量监测主要包括基于视频监测的方式、基于移动互联网应用软件的方式和基于信令监测区域用户的方式。
基于视频监测与算法识别获得区域人口数量的方式，需要广泛部署摄像头等视频监测设备，由于摄像头的存在，用户体验较差，而且只能获得用户数量，不能与其它数据关联，进行更广范围的分析（例如年龄分布、性别分布等）。
基于移动互联网应用软件的方式，指的是当用户通过移动终端打开某些软件应用时，通过软件应用上报坐标的区域人流量监测方式。一些移动互联网APP会产生的卫星定位坐标，可以识别用户是否在监测区域内。但是，由于移动互联网APP应用样本用户较少、采样点较少，导致很难准确量化估算出准确的人流量。
基于信令监测区域用户的方式，指的是通过移动终端与基站之间的信令交互实现人流量监测的方案。随着移动互联网的迅猛发展，基于位置的服务（Location basedservice，LBS）已被广泛应用于人们的工作和生活之中。由于移动通信网络无处不在，只要用户终端发生通信行为，就会产生信令数据，这些信令数据可以零成本获得。正是由于移动网络及数据的泛在性和低成本性，研究基于移动网络信令数据实现热点区域（例如风景区域，交通枢纽等）人流量监测成为当今商业应用和公共安全等领域的热点课题。
信令是用户终端在通信过程中用户终端与网络设备交互过程中产生的消息集合。普通的信令消息中会有用户终端所在网络小区的网络标识，因为网络小区有经纬度信息，因此可以大致知道用户所在的位置，一般偏差较大，一般偏差大于300米。
目前常用的基于信令的区域人流监测方法流程包括：1、根据基站坐标距离区域的距离，判断基站小区是否为覆盖本区域的小区；2、从移动通信网络设备中提取覆盖本区域的基站小区的所有用户信令数据；3、从信令数据中的用户标识和时间标识，计算每个用户在区域驻留的时间；4、当用户在区域驻留时间超过一个门限时，就认为用户是访问该区域的用户。
基于信令监测区域用户的方式，由于基站覆盖范围较大只能对大范围区域（例如几平方公里范围的区域）进行粗略估计人口数量，很容易造成误判，无法对较小范围区域人流进行精确监测，只适用于大区域人流监测，人流监测精度低。
基于此，本申请实施例提供一种区域人流量监测方案，通过利用信令数据中的最小化路测（Minimization of Drive Test，MDT）坐标准确量化网络小区对目标区域的覆盖，同时量化区域内每个网络小区覆盖的占比，基于用户的信令数据建立用户在目标区域的时空行为模型，实现对区域人流量的精准估测。下面首先结合图1对本方案的应用场景进行介绍。
图1为本申请实施例提供的应用场景示意图，如图1所示，目标区域10为待监测的区域，在目标区域10中包括许多用户，用户持有移动终端，移动终端可以与基站进行通信。
在实际中，各个用户持有的移动终端可以和一个基站进行通信，也可以和多个基站进行通信。在图1的示例中，包括基站11和基站12，用户在目标区域10内部或者附近活动时，移动终端均可以与基站11或基站12通信，从而产生信令数据。
在需要估计目标区域10在某一时间段内的人流量时，服务器13可以获取一段时间内移动终端和基站11、基站12之间通信产生的信令数据，然后基于这些信令数据进行估算，从而得到目标区域10的人流量。
下面基于图1示例的应用场景，结合图2对本申请实施例的方案进行介绍。图2为本申请实施例提供的区域人流量监测方法的流程示意图，如图2所示，该方法可以包括：
S21，获取待监测的目标区域的目标监测参数。
目标区域为需要进行人流量监测的区域。在本申请实施例中，人流量的监测是针对某一时间段而言的，即需要监测目标区域在某一时间段内的人流量。
目标监测参数为与目标区域相关的参数，目标监测参数的数量有一个或多个，目标监测参数的取值可以根据目标区域的历史人流量以及历史信令数据来确定，在本实施例中，目标监测参数为已知值。
S22，获取目标区域对应的扩展区域中的多个用户的信令数据，目标区域为扩展区域的子区域，信令数据中包括MDT信息。
扩展区域为对目标区域的范围进行扩展后得到的区域。由于某些用户可能在一段时间内处于目标区域内，在另一段时间内处于目标区域外，因此该用户有可能是目标区域的驻留用户，也可能不是目标区域的驻留用户。为了人流量估计更加准确，本申请实施例中，获取的是扩展区域中的多个用户的信令数据，后续再根据扩展区域中的多个用户的信令数据对用户类别进一步判定。
例如在图1中，对目标区域10扩展后得到扩展区域14，然后服务器获取扩展区域14内的用户的信令数据，目标区域10为扩展区域14的子区域。通过设置扩展区域，能够为处于目标区域边缘的用户提供缓冲的空间，避免直接将处于目标区域边缘的用户排除在目标区域的人流量之外。
本申请实施例中，信令数据包括MDT信息，MDT信息是移动终端上报给基站的信息，其中不仅包括移动终端所在的网络小区的网络标识，还包括移动终端所在位置的经纬度坐标（即MDT坐标），通过MDT坐标能够精确表示用户的位置。
S23，根据信令数据和目标监测参数，确定多个用户的用户类别，用户类别包括目标区域的驻留用户，以及目标区域的非驻留用户。
在获取扩展区域中多个用户的信令数据和目标区域的目标监测参数后，根据信令数据和目标监测参数可以确定这多个用户的用户类别。其中，用户类别为目标区域的驻留用户或非驻留用户，驻留用户为在该时间段内驻留在目标区域的用户，可以作为目标区域的人流量的组成部分，非驻留用户为在该时间段内并不驻留在目标区域的用户，不作为目标区域的人流量的组成部分。
具体的，信令数据中包括MDT信息，而MDT信息中通过MDT坐标能够精确表示用户的位置，因此根据MDT信息可以确定这多个用户在不同时刻的精确位置。例如，若根据MDT信息确定用户长时间处于目标区域内，则可以确定对应的用户类别为目标区域的驻留用户。信令数据中还可以包括时间信息，例如若根据MDT信息确定用户在一些时段内处于目标区域外，在一些时段内处于目标区域内，则可以结合对应的时间信息以及目标监测参数，确定对应的用户类别。
S24，根据用户类别和目标监测参数，确定目标区域的人流量。
在确定了多个用户的用户类别后，即可得到多个用户中驻留用户的数量。由于信令数据是从某个运营商获取的，而实际中不同的用户使用的移动终端对应的运营商可能不同，因此存在某些用户的信令数据并未获取的可能性，导致漏算部分驻留用户。基于此，本申请实施例根据用户类别确定了驻留用户的数量后，结合目标监测参数进行扩展，从而确定目标区域的人流量。
本申请实施例提供的区域人流量监测方法，首先获取待监测的目标区域的目标监测参数，并获取目标区域对应的扩展区域中的多个用户的信令数据，目标区域为扩展区域的子区域；然后根据信令数据和目标监测参数，确定多个用户的用户类别，用户类别包括目标区域的驻留用户和非驻留用户；最后根据用户类别和目标监测参数，确定目标区域的人流量。本申请实施例的方案，由于获取的信令数据中包括MDT信息，而MDT信息中包括移动终端的经纬度坐标，从而能够精确反映用户的实际位置，因此基于包括MDT信息的信令数据进行目标区域的人流量估计，其准确性也较高。
在上述任意实施例的基础上，下面结合附图对本申请的方案进行详细介绍。
图3为本申请实施例提供的区域人流量监测系统示意图，如图3所示，本方案由信令数据采集子系统、网络小区覆盖建模子系统、用户时空行为建模子系统、用户识别子系统、识别算法参数训练子系统、人流量估算子系统构成。
信令数据采集子系统负责收集包含目标区域（例如取目标区域向外扩3公里的扩展区域）移动通信网络的信令数据，这些信令数据包含用户空闲状态下产生的心跳消息、在业务状态下跟网络交互消息以及具有卫星定位坐标的MDT数据。
在离线阶段，网络小区覆盖建模子系统根据MDT坐标识别哪些MDT坐标发生在目标区域内，哪些发生在目标区域外，以及每个网络小区覆盖目标区域的占比，生成网络小区覆盖目标区域的覆盖模型数据。
在在线阶段，用户时空行为建模子系统根据网络小区覆盖模型中包含的网络小区集合，过滤出仅这些网络小区的信令数据，统计用户在目标区域的驻留时间、用户通过占用网络小区信号所表示的驻留空间以及用户在目标区域的驻留概率，建立用户区域时空行为模型。然后基于用户识别子系统识别驻留于区域的用户。
识别算法参数训练子系统训练目标监测参数，然后人流量估算子系统根据目标监测参数以及驻留目标区域用户的汇总，估算区域人流数量。其中，识别算法参数训练子系统为离线阶段实现的过程，即可以提前确定目标监测参数，用于人流量的估算，其他子系统均为在线阶段实现的过程。
在图3中对本申请的系统实现架构进行了介绍，下面结合图4对具体实现过程进行介绍。图4为本申请实施例提供的确定多个用户的用户类别的流程示意图，如图4所示，包括：
S41，根据信令数据进行网络小区覆盖建模，得到网络小区覆盖目标区域的覆盖模型数据。
信令数据包含用户终端空闲状态下产生的心跳消息和业务状态下产生的交互消息，同时包括MDT数据。
其中心跳消息和交互消息包含消息发生时间、消息相关的网络小区、消息相关的用户标识。基于此，可以知道消息相关的网络小区和用户，及其表征的用户所处的时间。即，MDT数据中包括时间信息和用户所在的网络小区。
其中MDT数据除了上述内容外，还有卫星定位坐标信息，即用户在MDT发生时的经纬度坐标，在以下实施例中，统称为MDT坐标。
由于目标区域是由一系列坐标围成的多边形来定义的，而信令数据中包括MDT坐标，因此根据MDT坐标即可判断用户是位于目标区域内还是目标区域外，并基于此进行网络小区覆盖建模，得到网络小区覆盖目标区域的覆盖模型数据。其中，覆盖模型数据包括各网络小区覆盖目标区域的概率，以及各网络小区覆盖目标区域的权重。
具体的，首先根据各用户的MDT坐标和所在的网络小区，确定位于目标区域内的MDT坐标数量、各网络小区中位于目标区域内的MDT坐标数量、以及各网络小区中位于目标区域外的MDT坐标数量。例如可以结合图5进行理解。图5为本申请实施例提供的网络小区覆盖建模示意图，如图5所示，目标区域50涉及3个网络小区，分别是网络小区甲、网络小区乙和网络小区丙，其中，这3个网络小区均与目标区域50存在交集。
在图5中，示例了多个用户对应的MDT坐标，包括点A、点B、点C、点D、点E、点F、点G、点H、点I、点J、点K、点L、点M、点N、点O、点P、点Q等等。其中，点A、点B、点C、点D、点E、点F、点G、点H、点I、点J、点K、点L均位于目标区域内。网络小区甲中包括A、点B、点C、点D、点M、点N，网络小区乙中包括点E、点F、点G、点O，网络小区丙中包括点H、点I、点J、点K、点L、点P、点Q。
因此在图5的示例中，位于目标区域内的MDT坐标数量为12个，对应点A、点B、点C、点D、点E、点F、点G、点H、点I、点J、点K、点L；
网络小区甲中位于目标区域内的MDT坐标数量为4个，对应点A、点B、点C、点D，网络小区甲中位于目标区域外的MDT坐标数量为2个，对应点M、点N；
网络小区乙中位于目标区域内的MDT坐标数量为3个，对应点E、点F、点G，网络小区甲中位于目标区域外的MDT坐标数量为1个，对应点O；
网络小区丙中位于目标区域内的MDT坐标数量为5个，对应点H、点I、点J、点K、点L，网络小区丙中位于目标区域外的MDT坐标数量为2个，对应点P、点Q。
然后，根据各网络小区中位于目标区域内的MDT坐标数量、以及各网络小区中位于目标区域外的MDT坐标数量，获取各网络小区覆盖目标区域的概率。
各网络小区覆盖目标区域的概率的计算公式如下式（1）所示：
其中，
为网络小区i覆盖目标区域的概率，
代表网络小区i中位于目标区
域内的MDT坐标数量，
代表网络小区i中位于目标区域外的MDT坐标数量。
以图5中的网络小区甲为例，网络小区甲中位于目标区域50内的MDT坐标数量为4，网络小区甲中位于目标区域50外的MDT坐标数量为2，则网络小区甲覆盖目标区域50的概率为：
其中，
为网络小区甲覆盖目标区域50的概率，
为网络小区甲中位于目
标区域50内的MDT坐标数量，
为网络小区甲中位于目标区域50外的MDT坐标数量。
其次，根据各网络小区中位于目标区域内的MDT坐标数量、以及目标区域内的MDT坐标数量，获取各网络小区覆盖目标区域的权重。
各网络小区覆盖目标区域的权重的计算公式如下式（2）所示：
上式中
是网络小区
覆盖目标区域的权重，
是网络小区
中位于目标
区域内的MDT坐标数量，
代表各网络小区中位于目标区
域内的MDT坐标的总量，也即目标区域内的MDT坐标数量。
仍以图5中的网络小区甲为例，网络小区甲中位于目标区域50内的MDT坐标数量为4，各网络小区中位于目标区域内的MDT坐标的总量为17，则网络小区甲覆盖目标区域50的权重为：
其中，
为网络小区甲覆盖目标区域50的权重，
为网络小区甲中
位于目标区域50内的MDT坐标数量，
为网络小区乙中位于目标区域50内的MDT坐标
数量，
为网络小区丙中位于目标区域50内的MDT坐标数量。
S42，根据信令数据和覆盖模型数据进行多个用户的时空行为建模，得到多个用户的时空行为数据。
本申请实施例通过构建用户在目标区域驻留的行为区分于目标区域内和目标区域外的用户，其中，用户行为体现在时间和空间两个方面。
针对时间方面，目标区域驻留在时间方面的行为建模，主要用于将目标区域驻留
的用户与过路用户区分开来。通常目标区域的驻留用户会在目标区域停留较长时间，因此
可以设置一个驻留最小值
作为参考，并基于信令数据中的时间信息获取用户在目标
区域的驻留时间量。
用户在目标区域的驻留时间量的计算方式如下式（3）所示:
其中，
为驻留时间量，
是根据时间信息确定的用户在目标区域实际的驻留
时长，
是目标区域的最小参考时长，不同的目标区域，对应的最小参考时长可能不
同。当
越大时，驻留时间量越接近1，否则越向下偏离1。
针对空间方面，目标区域驻留在空间方面的行为建模，主要用于将目标区域的驻留用户与（目标区域外的）附近的居民或者工作用户区分开来。这些用户也可能会占用覆盖目标区域的网络小区的信号，但是位于目标区域外。
具体的，根据各网络小区覆盖目标区域的权重，获取各用户在目标区域的驻留空间量，其计算方式如下式（4）所示：
其中，
为驻留空间量，
是网络小区
覆盖目标区域的权重。
反映了用户曾
经驻留过的覆盖目标区域的网络小区占整个目标区域的覆盖量之比，这个值在0-1之间，用
户在目标区域经历越多，这个值越大，则越可能是目标区域的驻留用户。
根据各网络小区覆盖目标区域的概率，获取各用户在目标区域的概率累积量，其计算方式如下式（5）所示：
其中，
为概率累积量，
为网络小区i覆盖目标区域的概率。
S43，根据多个用户的时空行为数据和目标监测参数，确定多个用户的用户类别。
基于用户时空行为模型，利用逻辑回归算法，可以对用户进行分类，从而区分出哪些用户是驻留在目标区域内，哪些用户是驻留在目标区域外的。具体的，首先根据第一参数、第二参数、第三参数、驻留时间量、驻留空间量和概率累积量，获取各用户驻留目标区域的驻留概率。
驻留概率的计算方式如下式（6）所示：
其中，F为用户驻留目标区域的驻留概率，
为第一参数，
为第二参数，
为第三
参数，
为驻留时间量，
为驻留空间量，
为概率累积量。
在驻留概率大于或等于预设值时，确定对应的用户的用户类别为驻留用户；在驻留概率小于预设值时，确定对应的用户的用户类别为非驻留用户。其中，预设值可以根据需要设定，例如设置为0.5时，若F大于或等于0.5，则认为用户为目标区域的驻留用户，否则认为用户为目标区域的非驻留用户。
由于本申请实施例中使用某一移动网络运营商某一网络制式的信令数据，只涵盖
了部分样本用户，因此需要设置一扩样系数
，对样本数据放大。
具体的，首先根据多个用户的用户类别，确定驻留用户的数量，然后根据第四参数和驻留用户的数量，确定目标区域的人流量。具体计算方式可参见下式（7）所示：
如上式（6）和式（7）所示，k1、k2、k3和k4这四个系数的配置会直接影响目标区域的人流量的判断，因此需要通过训练给这四个参数较为理想的配置，这四个参数统称为目标监测参数。下面将结合图6对监测参数的训练过程进行介绍。
图6为本申请实施例提供的确定监测参数的方法的流程示意图，如图6所示，该方法可以包括：
S61，获取待监测的目标区域的多组监测参数。
监测参数包括第一参数k1、第二参数k2、第三参数k3和第四参数k4，首先给这四个参数设置一个指定范围，然后按照指定的范围和指定步长进行枚举，得到多组监测参数。
例如设置第一参数k1的指定范围为[0.3，0.9]，指定步长为0.1，进行枚举可以得到多个第一参数k1的取值为0.3、0.4、0.5、0.6、0.7、0.8、0.9。针对这四个参数中的任意一个参数，均可以采用上述方式进行枚举，得到各参数分别对应的多个取值。进而，根据各个参数分别对应的多个取值进行排列组合，即可得到多组监测参数，每组监测参数中均包括第一参数、第二参数、第三参数、第四参数的取值。
S62，获取目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及多个时段目标区域的实际人流量。
类似的，扩展区域为对目标区域的范围进行扩展后得到的区域。本申请实施例中，获取的是扩展区域中的多个用户的历史信令数据，以及多个时段目标区域的实际人流量，基于这些历史数据确定目标监测参数。
本申请实施例中，历史信令数据包括历史MDT信息，历史MDT信息是移动终端历史上报给基站的信息，其中不仅包括移动终端所在的网络小区的网络标识，还包括移动终端历史所在位置的经纬度坐标（即MDT坐标），通过MDT坐标能够精确表示用户的历史位置。实际人流量为目标区域在历史的多个时段真实的人流量，获取实际人流量的方式有多种。例如当目标区域为景区时，可以根据当天景区的门票数量确定实际人流量。表1示例了一种景区样本数据。
表1
训练样本量越大，则可以获得更好的参数稳定性，一般要求5天或以上的样本数据。
S63，根据多组监测参数和历史信令数据，确定各组监测参数对应的预测人流量。
根据监测参数和历史信令数据，确定监测参数对应的预测人流量的实现方式，与图2-图5实施例中根据信令数据和目标监测参数确定用户类别、以及根据用户类别和目标监测参数确定目标区域的人流量的实现方式类似，此处不再赘述。
S64，根据各组监测参数对应的预测人流量和实际人流量，在多组监测参数中确定目标监测参数。
在根据每组监测参数和历史信令数据确定了每组监测参数对应的预测人流量后，可以计算每组监测参数对应的预测人流量与实际人流量之间的接近程度。一种计算预测人流量与实际人流量之间的接近程度的方式如下式（8）所示：
其中，
是实际人流量，
是预测人流量，ABS表示取绝对值
运算，f表示预测人流量与实际人流量之间的接近程度。
在计算出每组监测参数对应的预测人流量与实际人流量之间的接近程度后，可以将接近程度最高的监测参数确定为目标监测参数。
下表2示例了一种基于本申请实施例的方案对某景区的人流量监测的数据，根据表2中示例的实际人流量和预测人流量相比可以发现，采用本申请实施例的方案预测得到的人流量和实际人流量是非常接近的，预测的准确性较高。
表2
综上所述，本申请实施例的方案，通过信令数据中的MDT坐标准确量化网络小区对目标区域的覆盖，同时量化目标区域内每个网络小区覆盖的占比，基于信令数据建立用户在目标区域的时空行为模型，实现对目标区域的人流量的精准估测，基于信令数据和网络小区覆盖模型建立用户时空行为模型，用于识别目标区域内驻留的用户，基于用户时空行为模型利用逻辑回归方法实现驻留目标区域用户的识别。与目前基于信令与基站工参估算区域人流的技术方案相比，本申请实施例的方案，基于MDT数据构建网络小区覆盖目标区域的覆盖模型可以较传统通过基站距离区域的距离方法判断小区是否覆盖目标区域的方法，精度更高，其次，基于用户时空行为模型刻画用户是否位于目标区域的方法比传统仅通过用户驻留目标区域时间长度来刻画用户是否位于目标区域的精确度要高。
下面对本申请提供的区域人流量监测装置进行描述，下文描述的区域人流量监测装置与上文描述的区域人流量监测方法可相互对应参照。
图7为本申请实施例提供的区域人流量监测装置的结构示意图，如图7所示，该装置包括：
第一获取模块71，用于获取待监测的目标区域的目标监测参数；
第二获取模块72，用于获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；
处理模块73，用于根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；
确定模块74，用于根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。
在一种可能的实施方式中，所述处理模块73具体用于：
根据所述信令数据进行网络小区覆盖建模，得到网络小区覆盖所述目标区域的覆盖模型数据；
根据所述信令数据和所述覆盖模型数据进行所述多个用户的时空行为建模，得到所述多个用户的时空行为数据；
根据所述多个用户的时空行为数据和所述目标监测参数，确定所述多个用户的用户类别。
在一种可能的实施方式中，所述MDT信息包括MDT坐标和所在的网络小区；所述处理模块73具体用于：
根据各所述用户的MDT坐标和所在的网络小区，确定位于所述目标区域内的MDT坐标数量、各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的概率；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及所述目标区域内的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的权重，所述覆盖模型数据包括各所述网络小区覆盖所述目标区域的概率，以及各所述网络小区覆盖所述目标区域的权重。
在一种可能的实施方式中，所述信令数据中还包括时间信息；所述处理模块73具体用于：
根据所述时间信息获取各所述用户在所述目标区域的驻留时间量；
根据各所述网络小区覆盖所述目标区域的权重，获取各所述用户在所述目标区域的驻留空间量；
根据各所述网络小区覆盖所述目标区域的概率，获取各所述用户在所述目标区域的概率累积量，所述时空行为数据包括所述驻留时间量、所述驻留空间量和所述概率累积量。
在一种可能的实施方式中，所述目标监测参数包括第一参数、第二参数和第三参数；所述处理模块73具体用于：
根据所述第一参数、所述第二参数、所述第三参数、所述驻留时间量、所述驻留空间量和所述概率累积量，获取各所述用户驻留所述目标区域的驻留概率；
在所述驻留概率大于或等于预设值时，确定对应的用户的用户类别为所述驻留用户；
在所述驻留概率小于所述预设值时，确定对应的用户的用户类别为所述非驻留用户。
在一种可能的实施方式中，所述目标监测参数还包括第四参数；所述确定模块74具体用于：
根据所述用户类别，确定所述驻留用户的数量；
根据所述第四参数和所述驻留用户的数量，确定所述目标区域的人流量。
下面对本申请提供的确定监测参数的装置进行描述，下文描述的确定监测参数的装置与上文描述的确定监测参数的方法可相互对应参照。
图8为本申请实施例提供的确定监测参数的装置的结构示意图，如图8所示，该装置包括：
第一获取模块81，用于获取待监测的目标区域的多组监测参数；
第二获取模块82，用于获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；
确定模块83，用于根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；
训练模块84，用于根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行区域人流量监测方法，该方法包括：获取待监测的目标区域的目标监测参数；获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。或者，处理器910可以调用存储器930中的逻辑指令，以执行确定监测参数的方法，该方法包括：获取待监测的目标区域的多组监测参数；获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的区域人流量监测方法，该方法包括：获取待监测的目标区域的目标监测参数；获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。或者，计算机能够执行上述各方法中所提供的确定监测参数的方法，该方法包括：获取待监测的目标区域的多组监测参数；获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的区域人流量监测方法，该方法包括：获取待监测的目标区域的目标监测参数；获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。该计算机程序被处理器执行时实现以执行上述各方法提供的确定监测参数的方法，该方法包括：获取待监测的目标区域的多组监测参数；获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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ROM/RAM、磁碟、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，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种区域人流量监测方法，其特征在于，包括：
获取待监测的目标区域的目标监测参数；
获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括最小化路测MDT信息；
根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；
根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。
2.根据权利要求1所述的方法，其特征在于，所述根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，包括：
根据所述信令数据进行网络小区覆盖建模，得到网络小区覆盖所述目标区域的覆盖模型数据；
根据所述信令数据和所述覆盖模型数据进行所述多个用户的时空行为建模，得到所述多个用户的时空行为数据；
根据所述多个用户的时空行为数据和所述目标监测参数，确定所述多个用户的用户类别。
3.根据权利要求2所述的方法，其特征在于，所述MDT信息包括MDT坐标和所在的网络小区；所述根据所述信令数据进行网络小区覆盖建模，得到网络小区覆盖所述目标区域的覆盖模型数据，包括：
根据各所述用户的MDT坐标和所在的网络小区，确定位于所述目标区域内的MDT坐标数量、各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及各所述网络小区中位于所述目标区域外的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的概率；
根据各所述网络小区中位于所述目标区域内的MDT坐标数量、以及所述目标区域内的MDT坐标数量，获取各所述网络小区覆盖所述目标区域的权重，所述覆盖模型数据包括各所述网络小区覆盖所述目标区域的概率，以及各所述网络小区覆盖所述目标区域的权重。
4.根据权利要求3所述的方法，其特征在于，所述信令数据中还包括时间信息；所述根据所述信令数据和所述覆盖模型数据进行所述多个用户的时空行为建模，得到所述多个用户的时空行为数据，包括：
根据所述时间信息获取各所述用户在所述目标区域的驻留时间量；
根据各所述网络小区覆盖所述目标区域的权重，获取各所述用户在所述目标区域的驻留空间量；
根据各所述网络小区覆盖所述目标区域的概率，获取各所述用户在所述目标区域的概率累积量，所述时空行为数据包括所述驻留时间量、所述驻留空间量和所述概率累积量。
5.根据权利要求4所述的方法，其特征在于，所述目标监测参数包括第一参数、第二参数和第三参数；所述根据所述多个用户的时空行为数据和所述目标监测参数，确定所述多个用户的用户类别，包括：
根据所述第一参数、所述第二参数、所述第三参数、所述驻留时间量、所述驻留空间量和所述概率累积量，获取各所述用户驻留所述目标区域的驻留概率；
在所述驻留概率大于或等于预设值时，确定对应的用户的用户类别为所述驻留用户；
在所述驻留概率小于所述预设值时，确定对应的用户的用户类别为所述非驻留用户。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标监测参数还包括第四参数；所述根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量，包括：
根据所述用户类别，确定所述驻留用户的数量；
根据所述第四参数和所述驻留用户的数量，确定所述目标区域的人流量。
7.一种确定监测参数的方法，其特征在于，包括：
获取待监测的目标区域的多组监测参数；
获取所述目标区域对应的扩展区域在多个时段分别对应的多个用户的历史信令数据，以及所述多个时段所述目标区域的实际人流量；
根据所述多组监测参数和所述历史信令数据，确定各组监测参数对应的预测人流量；
根据各组监测参数对应的预测人流量和所述实际人流量，在所述多组监测参数中确定目标监测参数。
8.一种区域人流量监测装置，其特征在于，包括：
第一获取模块，用于获取待监测的目标区域的目标监测参数；
第二获取模块，用于获取所述目标区域对应的扩展区域中的多个用户的信令数据，所述目标区域为所述扩展区域的子区域，所述信令数据中包括MDT信息；
处理模块，用于根据所述信令数据和所述目标监测参数，确定所述多个用户的用户类别，所述用户类别包括所述目标区域的驻留用户，以及所述目标区域的非驻留用户；
确定模块，用于根据所述用户类别和所述目标监测参数，确定所述目标区域的人流量。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的区域人流量监测方法，或者，所述处理器执行所述程序时实现如权利要求7所述的确定监测参数的方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的区域人流量监测方法，或者，所述计算机程序被处理器执行时实现如权利要求7所述的确定监测参数的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211044828.8A CN115119253B (zh) | 2022-08-30 | 2022-08-30 | 区域人流量监测及确定监测参数的方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211044828.8A CN115119253B (zh) | 2022-08-30 | 2022-08-30 | 区域人流量监测及确定监测参数的方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115119253A CN115119253A (zh) | 2022-09-27 |
| CN115119253B true CN115119253B (zh) | 2022-11-18 |
Family
ID=83335239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211044828.8A Active CN115119253B (zh) | 2022-08-30 | 2022-08-30 | 区域人流量监测及确定监测参数的方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115119253B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415374A (zh) * | 2020-01-10 | 2020-07-14 | 南京艾拓维讯信息技术有限公司 | 一种用于景区人流量监控和管理的kvm系统及方法 |
| CN111615054A (zh) * | 2020-05-25 | 2020-09-01 | 和智信(山东)大数据科技有限公司 | 人口分析方法及装置 |
| CN111950798A (zh) * | 2020-08-21 | 2020-11-17 | 浙江中医药大学 | 一种基于小波神经网络的区域短期人流量趋势预测方法及其系统 |
| CN112291844A (zh) * | 2020-11-17 | 2021-01-29 | 中国联合网络通信集团有限公司 | 基于mr和mdt的定位方法和装置 |
| WO2021022793A1 (zh) * | 2019-08-02 | 2021-02-11 | 创新先进技术有限公司 | 一种人流量统计方法和装置 |
-
2022
- 2022-08-30 CN CN202211044828.8A patent/CN115119253B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021022793A1 (zh) * | 2019-08-02 | 2021-02-11 | 创新先进技术有限公司 | 一种人流量统计方法和装置 |
| CN111415374A (zh) * | 2020-01-10 | 2020-07-14 | 南京艾拓维讯信息技术有限公司 | 一种用于景区人流量监控和管理的kvm系统及方法 |
| CN111615054A (zh) * | 2020-05-25 | 2020-09-01 | 和智信(山东)大数据科技有限公司 | 人口分析方法及装置 |
| CN111950798A (zh) * | 2020-08-21 | 2020-11-17 | 浙江中医药大学 | 一种基于小波神经网络的区域短期人流量趋势预测方法及其系统 |
| CN112291844A (zh) * | 2020-11-17 | 2021-01-29 | 中国联合网络通信集团有限公司 | 基于mr和mdt的定位方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115119253A (zh) | 2022-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101825023B1 (ko) | 리스크 조기 경보 방법 및 장치 | |
| US9141762B2 (en) | System and method for analyzing and controlling epidemics | |
| CN109688532B (zh) | 一种划分城市功能区域的方法及装置 | |
| CN109842896B (zh) | 一种栅格价值评估方法及装置 | |
| JP2012529635A (ja) | 無線電話ネットワークの移動局のジオロケーション | |
| CN109936820B (zh) | 一种用户终端定位方法及装置 | |
| CN105101399B (zh) | 伪基站移动路线获取方法、装置与伪基站定位方法、装置 | |
| CN111445369A (zh) | 基于lbs大数据的城市大型聚集活动情报预警方法和装置 | |
| CN116758723B (zh) | 一种车辆运输监测方法、系统及介质 | |
| CN111242723B (zh) | 用户子女情况判断方法、服务器及计算机可读存储介质 | |
| CN108235253A (zh) | 用户运动剖析 | |
| CN115119253B (zh) | 区域人流量监测及确定监测参数的方法、装置及设备 | |
| CN105050037B (zh) | 一种获取等待时长的方法和装置 | |
| CN116761185A (zh) | 一种基于信令预测日活跃用户的方法、系统及介质 | |
| CN109756887B (zh) | 高铁伴随移动端识别方法、装置及计算机可读存储介质 | |
| CN111328012B (zh) | 一种基于楼宇WiFi立体分层定位方法及装置 | |
| CN107071778A (zh) | 伪基站识别方法及数据分析方法 | |
| CN113569978B (zh) | 一种出行轨迹识别方法、装置、计算机设备及存储介质 | |
| CN112712002B (zh) | 基于cgan的环境监控方法、装置、系统及存储介质 | |
| CN111372197B (zh) | 预警方法及相关装置 | |
| CN110458459B (zh) | 交通数据的可视化分析方法、装置、设备及可读存储介质 | |
| CN109544304B (zh) | 根据移动终端信息进行预警的方法 | |
| CN115412854A (zh) | 车辆同乘判断方法、装置、电子设备及存储介质 | |
| CN116170329B (zh) | 基站隐患挖掘方法、装置、设备及存储介质 | |
| CN110378754B (zh) | 一种数据处理的方法和装置 |
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 |