CN115297506A - 一种基于大数据的地铁线路网络智能测评方法和系统 - Google Patents
一种基于大数据的地铁线路网络智能测评方法和系统 Download PDFInfo
- Publication number
- CN115297506A CN115297506A CN202211234806.8A CN202211234806A CN115297506A CN 115297506 A CN115297506 A CN 115297506A CN 202211234806 A CN202211234806 A CN 202211234806A CN 115297506 A CN115297506 A CN 115297506A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- subway line
- subway
- user 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.)
- Granted
Links
Images
Classifications
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于大数据的地铁线路网络智能测评方法及系统,涉及通信技术领域。获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;对MR数据集、地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,确定目标用户终端的目标MR数据集;根据目标MR数据集确定目标用户终端的目标移动轨迹;根据目标移动轨迹匹配基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。通过大数据技术获取用户终端的MR数据、地铁线路分段数据和基站小区工参数据,通过算法实现数据关联和拟合进行可视化呈现,减少了人工干预,降低了应用成本,提高了测评效率和准确度。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种基于大数据的地铁线路网络智能测评方法和系统。
背景技术
随着社会的发展,地铁作为一种方便、高效、快捷的交通工具,其承载了大量的用户群体,地铁线路已是社会的重要交通枢纽。由于地铁线路一般处于地面之下,并且人流密集,用户对于通信网络信号的卡顿显得更为敏感,而又由于应急保障的特殊性,对网络信号的要求特别苛刻,所以对地铁线路进行网络测评、网络优化、网络保障显得非常重要。
而目前对于地铁线路网络测评主要还是以人工方式手动搭载地铁沿线进行打点、记录信号质量等方式来开展,显得尤其低效且需要消耗大量的人力、物力,并且受限于测试设备数量,采集到的样本数量偏少从而影响测评结果准确性。
发明内容
本发明的目的就在于解决上述背景技术的问题,而提出一种基于大数据的地铁线路网络智能测评方法和系统。
本发明的目的可以通过以下技术方案实现:
本发明实施例第一方面,首先提供了一种基于大数据的地铁线路网络智能测评方法,所述方法包括:
从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;
对所述MR数据集、所述地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在所述目标线路MR数据集中确定目标用户终端的目标MR数据集;所述目标地铁线路为所述地铁轨道网络中的任一一条地铁线路;所述目标用户终端为所有用户终端中的任意一个;
根据所述目标MR数据集确定所述目标用户终端的目标移动轨迹;
根据所述目标移动轨迹匹配所述目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。
可选地,各用户终端的MR数据包括TimeStamp、Mme-Ue-S1ap-Id和接入基站信息;所述地铁线路分段数据包括各地铁线路分段的基站分布信息和各地铁线路包含的地铁线路分段;
对所述MR数据集、所述地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在所述目标线路MR数据集中确定目标用户终端的目标MR数据集,包括:
根据所述MR数据集中各MR数据的接入基站信息匹配对应地铁线路分段,将该MR数据划分到该地铁线路分段对应的地铁线路,确定目标地铁线路所有的MR数据作为所述目标线路MR数据集;
根据所述目标用户终端的Mme-Ue-S1ap-Id在所述目标线路MR数据集中匹配对应的MR数据,将匹配到的所有MR数据按照TimeStamp的先后顺序进行排序,得到所述目标MR数据集。
可选地,各用户终端的MR数据包括跟踪区TA信息;
根据所述目标MR数据集确定所述目标用户终端的目标移动轨迹,包括:
根据所述目标MR数据集判断所述目标用户终端的移动方向和经过的各地铁线路分段的属性;
根据所述目标用户终端的移动方向和每一MR数据的TA信息,确定记录该MR数据时所述目标用户终端相对于基站的区域范围,将各区域范围作为所述目标用户终端的目标移动轨迹。
可选地,根据所述目标MR数据集判断所述目标用户终端的移动方向和经过的各地铁线路分段的属性,包括:
根据所述目标MR数据集确定所述目标用户终端切换到各个基站的先后顺序,根据切换到各个基站的先后顺序确定所述目标用户的移动方向;
针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化小于第一预设阈值,则确定该地铁线路分段为站台;
针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化大于第一预设阈值且连续增加或连续减少,则确定该地铁线路分段为隧道;
针对每一地铁线路分段,若连续第二预设数目个MR数据的接入基站信息不同,则确定该地铁线路分段为隧道。
可选地,基站小区工参数据包括告警数据、KPI数据和DPI数据中的至少一项。
本发明实施例第二方面,还提供了一种基于大数据的地铁线路网络智能测评系统,包括采集模块、关联分析模块、轨迹确定模块和UI模块:
所述采集模块,用于从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;
所述关联分析模块,用于对所述MR数据集、所述地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在所述目标线路MR数据集中确定目标用户终端的目标MR数据集;所述目标地铁线路为所述地铁轨道网络中的任一一条地铁线路;所述目标用户终端为所有用户终端中的任意一个;
所述轨迹确定模块,用于根据所述目标MR数据集确定所述目标用户终端的目标移动轨迹;
所述UI模块,用于根据所述目标移动轨迹匹配所述目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。
可选地,各用户终端的MR数据包括TimeStamp、Mme-Ue-S1ap-Id和接入基站信息;所述地铁线路分段数据包括各地铁线路分段的基站分布信息和各地铁线路包含的地铁线路分段;
所述关联分析模块包括第一分集模块和第二分集模块:
所述第一分集模块,用于根据所述MR数据集中各MR数据的接入基站信息匹配对应地铁线路分段,将该MR数据划分到该地铁线路分段对应的地铁线路,确定目标地铁线路所有的MR数据作为所述目标线路MR数据集;
所述第二分集模块,用于根据所述目标用户终端的Mme-Ue-S1ap-Id在所述目标线路MR数据集中匹配对应的MR数据,将匹配到的所有MR数据按照TimeStamp的先后顺序进行排序,得到所述目标MR数据集。
可选地,各用户终端的MR数据包括跟踪区TA信息;
所述轨迹确定模块包括第一定位模块和第二定位模块:
所述第一定位模块,用于根据所述目标MR数据集判断所述目标用户终端的移动方向和经过的各地铁线路分段的属性;
所述第二定位模块,用于根据所述目标用户终端的移动方向和每一MR数据的TA信息,确定记录该MR数据时所述目标用户终端相对于基站的区域范围,将各区域范围作为所述目标用户终端的目标移动轨迹。
可选地,所述第一定位模块包括方向确定模块、第一判断模块、第二判断模块和第三判断模块:
所述方向确定模块,用于根据所述目标MR数据集确定所述目标用户终端切换到各个基站的先后顺序,根据切换到各个基站的先后顺序确定所述目标用户的移动方向;
所述第一判断模块,用于针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化小于第一预设阈值,则确定该地铁线路分段为站台;
所述第二判断模块,用于针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化大于第一预设阈值且连续增加或连续减少,则确定该地铁线路分段为隧道;
所述第三判断模块,用于针对每一地铁线路分段,若连续第二预设数目个MR数据的接入基站信息不同,则确定该地铁线路分段为隧道。
可选地,基站小区工参数据包括告警数据、KPI数据和DPI数据中的至少一项。
本发明实施例提供了一种基于大数据的地铁线路网络智能测评方法,方法包括:从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;对MR数据集、地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在目标线路MR数据集中确定目标用户终端的目标MR数据集;目标地铁线路为地铁轨道网络中的任一一条地铁线路;目标用户终端为所有用户终端中的任意一个;根据目标MR数据集确定目标用户终端的目标移动轨迹;根据目标移动轨迹匹配目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。通过大数据技术获取用户终端的MR数据、地铁线路分段数据和基站小区工参数据,通过算法实现数据关联和拟合进行可视化呈现,减少了人工干预,降低了应用成本,提高了测评效率和准确度。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种基于大数据的地铁线路网络智能测评方法的流程图;
图2为本发明实施例提供的一种基于大数据的地铁线路网络智能测评系统的系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
本发明实施例提供了一种基于大数据的地铁线路网络智能测评方法。参见图1,图1为本发明实施例提供的一种基于大数据的地铁线路网络智能测评方法的流程图。方法包括:
S101,从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据。
S102,对MR数据集、地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在目标线路MR数据集中确定目标用户终端的目标MR数据集。
S103,根据目标MR数据集确定目标用户终端的目标移动轨迹。
S104,根据目标移动轨迹匹配目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。
目标地铁线路为地铁轨道网络中的任一一条地铁线路;目标用户终端为所有用户终端中的任意一个。
基于本发明实施例提供的一种基于大数据的地铁线路网络智能测评方法,通过大数据技术获取用户终端的MR数据、地铁线路分段数据和基站小区工参数据,通过算法实现数据关联和拟合进行可视化呈现,减少了人工干预,降低了应用成本,提高了测评效率和准确度。
一种实现方式中,预设的数据库可以为大数据集群HIVE数据仓库,用于保存地铁轨道网络中产生的采集MR数据、台账工参数据、地铁线路分段关联小区数据、告警数据、KPI数据、DPI数据等等。
一种实现方式中,MR数据是用户终端对于网络的测量报告。
一种实现方式中,地铁轨道网络可视化模型是通过将各地铁线路在地图上进行线路的可视化根据不同线段评估的网络质量结果进行从优到差的多种颜色区分的呈现,并可以查询地铁线路沿线线段上所关联的网络质量指标。
在一个实施例中,各用户终端的MR数据包括TimeStamp、Mme-Ue-S1ap-Id和接入基站信息;地铁线路分段数据包括各地铁线路分段的基站分布信息和各地铁线路包含的地铁线路分段;
步骤S102包括:
步骤一,根据MR数据集中各MR数据的接入基站信息匹配对应地铁线路分段,将该MR数据划分到该地铁线路分段对应的地铁线路,确定目标地铁线路所有的MR数据作为目标线路MR数据集。
步骤二,根据目标用户终端的Mme-Ue-S1ap-Id在目标线路MR数据集中匹配对应的MR数据,将匹配到的所有MR数据按照TimeStamp的先后顺序进行排序,得到目标MR数据集。
一种实现方式中,TimeStamp为MR数据的时间戳,Mme-Ue-S1ap-Id可以作为对应用户终端的标识,接入基站信息可以确定用户终端的接入基站。
在一个实施例中,各用户终端的MR数据包括跟踪区TA信息;
步骤S103包括:
步骤一,根据目标MR数据集判断目标用户终端的移动方向和经过的各地铁线路分段的属性。
步骤二,根据目标用户终端的移动方向和每一MR数据的TA信息,确定记录该MR数据时目标用户终端相对于基站的区域范围,将各区域范围作为目标用户终端的目标移动轨迹。
在一个实施例中,根据目标MR数据集判断目标用户终端的移动方向和经过的各地铁线路分段的属性,包括:
步骤一,根据目标MR数据集确定目标用户终端切换到各个基站的先后顺序,根据切换到各个基站的先后顺序确定目标用户的移动方向。
步骤二,针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化小于第一预设阈值,则确定该地铁线路分段为站台。
步骤三,针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化大于第一预设阈值且连续增加或连续减少,则确定该地铁线路分段为隧道。
步骤四,针对每一地铁线路分段,若连续第二预设数目个MR数据的接入基站信息不同,则确定该地铁线路分段为隧道。
在一个实施例中,基站小区工参数据包括告警数据、KPI数据和DPI数据中的至少一项。
基于相同的发明构思本发明实施例还提供了一种基于大数据的地铁线路网络智能测评系统,包括采集模块、关联分析模块、轨迹确定模块和UI模块:
采集模块,用于从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;
关联分析模块,用于对MR数据集、地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在目标线路MR数据集中确定目标用户终端的目标MR数据集;目标地铁线路为地铁轨道网络中的任一一条地铁线路;目标用户终端为所有用户终端中的任意一个;
轨迹确定模块,用于根据目标MR数据集确定目标用户终端的目标移动轨迹;
UI模块,用于根据目标移动轨迹匹配目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。
基于本发明实施例提供的一种基于大数据的地铁线路网络智能测评系统,通过大数据技术获取用户终端的MR数据、地铁线路分段数据和基站小区工参数据,通过算法实现数据关联和拟合进行可视化呈现,减少了人工干预,降低了应用成本,提高了测评效率和准确度。
在一个实施例中,各用户终端的MR数据包括TimeStamp、Mme-Ue-S1ap-Id和接入基站信息;地铁线路分段数据包括各地铁线路分段的基站分布信息和各地铁线路包含的地铁线路分段;
关联分析模块包括第一分集模块和第二分集模块:
第一分集模块,用于根据MR数据集中各MR数据的接入基站信息匹配对应地铁线路分段,将该MR数据划分到该地铁线路分段对应的地铁线路,确定目标地铁线路所有的MR数据作为目标线路MR数据集;
第二分集模块,用于根据目标用户终端的Mme-Ue-S1ap-Id在目标线路MR数据集中匹配对应的MR数据,将匹配到的所有MR数据按照TimeStamp的先后顺序进行排序,得到目标MR数据集。
在一个实施例中,各用户终端的MR数据包括跟踪区TA信息;
轨迹确定模块包括第一定位模块和第二定位模块:
第一定位模块,用于根据目标MR数据集判断目标用户终端的移动方向和经过的各地铁线路分段的属性;
第二定位模块,用于根据目标用户终端的移动方向和每一MR数据的TA信息,确定记录该MR数据时目标用户终端相对于基站的区域范围,将各区域范围作为目标用户终端的目标移动轨迹。
在一个实施例中,第一定位模块包括方向确定模块、第一判断模块、第二判断模块和第三判断模块:
方向确定模块,用于根据目标MR数据集确定目标用户终端切换到各个基站的先后顺序,根据切换到各个基站的先后顺序确定目标用户的移动方向;
第一判断模块,用于针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化小于第一预设阈值,则确定该地铁线路分段为站台;
第二判断模块,用于针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化大于第一预设阈值且连续增加或连续减少,则确定该地铁线路分段为隧道;
第三判断模块,用于针对每一地铁线路分段,若连续第二预设数目个MR数据的接入基站信息不同,则确定该地铁线路分段为隧道。
在一个实施例中,基站小区工参数据包括告警数据、KPI数据和DPI数据中的至少一项。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的权利要求涵盖范围之内。
Claims (10)
1.一种基于大数据的地铁线路网络智能测评方法,其特征在于,所述方法包括:
从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;
对所述MR数据集、所述地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在所述目标线路MR数据集中确定目标用户终端的目标MR数据集;所述目标地铁线路为所述地铁轨道网络中的任一一条地铁线路;所述目标用户终端为所有用户终端中的任意一个;
根据所述目标MR数据集确定所述目标用户终端的目标移动轨迹;
根据所述目标移动轨迹匹配所述目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。
2.根据权利要求1所述的一种基于大数据的地铁线路网络智能测评方法,其特征在于,各用户终端的MR数据包括TimeStamp、Mme-Ue-S1ap-Id和接入基站信息;所述地铁线路分段数据包括各地铁线路分段的基站分布信息和各地铁线路包含的地铁线路分段;
对所述MR数据集、所述地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在所述目标线路MR数据集中确定目标用户终端的目标MR数据集,包括:
根据所述MR数据集中各MR数据的接入基站信息匹配对应地铁线路分段,将该MR数据划分到该地铁线路分段对应的地铁线路,确定目标地铁线路所有的MR数据作为所述目标线路MR数据集;
根据所述目标用户终端的Mme-Ue-S1ap-Id在所述目标线路MR数据集中匹配对应的MR数据,将匹配到的所有MR数据按照TimeStamp的先后顺序进行排序,得到所述目标MR数据集。
3.根据权利要求1所述的一种基于大数据的地铁线路网络智能测评方法,其特征在于,各用户终端的MR数据包括跟踪区TA信息;
根据所述目标MR数据集确定所述目标用户终端的目标移动轨迹,包括:
根据所述目标MR数据集判断所述目标用户终端的移动方向和经过的各地铁线路分段的属性;
根据所述目标用户终端的移动方向和每一MR数据的TA信息,确定记录该MR数据时所述目标用户终端相对于基站的区域范围,将各区域范围作为所述目标用户终端的目标移动轨迹。
4.根据权利要求3所述的一种基于大数据的地铁线路网络智能测评方法,其特征在于,根据所述目标MR数据集判断所述目标用户终端的移动方向和经过的各地铁线路分段的属性,包括:
根据所述目标MR数据集确定所述目标用户终端切换到各个基站的先后顺序,根据切换到各个基站的先后顺序确定所述目标用户的移动方向;
针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化小于第一预设阈值,则确定该地铁线路分段为站台;
针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化大于第一预设阈值且连续增加或连续减少,则确定该地铁线路分段为隧道;
针对每一地铁线路分段,若连续第二预设数目个MR数据的接入基站信息不同,则确定该地铁线路分段为隧道。
5.根据权利要求1所述的一种基于大数据的地铁线路网络智能测评方法,其特征在于,基站小区工参数据包括告警数据、KPI数据和DPI数据中的至少一项。
6.一种基于大数据的地铁线路网络智能测评系统,其特征在于,包括采集模块、关联分析模块、轨迹确定模块和UI模块:
所述采集模块,用于从预设的数据库中获取地铁轨道网络中所有用户终端的测量报告MR数据集、地铁线路分段数据和基站小区工参数据;
所述关联分析模块,用于对所述MR数据集、所述地铁线路分段数据进行关联分析,确定目标地铁线路的目标线路MR数据集,并在所述目标线路MR数据集中确定目标用户终端的目标MR数据集;所述目标地铁线路为所述地铁轨道网络中的任一一条地铁线路;所述目标用户终端为所有用户终端中的任意一个;
所述轨迹确定模块,用于根据所述目标MR数据集确定所述目标用户终端的目标移动轨迹;
所述UI模块,用于根据所述目标移动轨迹匹配所述目标地铁线路上每一地铁线路分段的基站小区工参数据,拟合到预设的地铁轨道网络可视化模型中。
7.根据权利要求6所述的一种基于大数据的地铁线路网络智能测评系统,其特征在于,各用户终端的MR数据包括TimeStamp、Mme-Ue-S1ap-Id和接入基站信息;所述地铁线路分段数据包括各地铁线路分段的基站分布信息和各地铁线路包含的地铁线路分段;
所述关联分析模块包括第一分集模块和第二分集模块:
所述第一分集模块,用于根据所述MR数据集中各MR数据的接入基站信息匹配对应地铁线路分段,将该MR数据划分到该地铁线路分段对应的地铁线路,确定目标地铁线路所有的MR数据作为所述目标线路MR数据集;
所述第二分集模块,用于根据所述目标用户终端的Mme-Ue-S1ap-Id在所述目标线路MR数据集中匹配对应的MR数据,将匹配到的所有MR数据按照TimeStamp的先后顺序进行排序,得到所述目标MR数据集。
8.根据权利要求6所述的一种基于大数据的地铁线路网络智能测评系统,其特征在于,各用户终端的MR数据包括跟踪区TA信息;
所述轨迹确定模块包括第一定位模块和第二定位模块:
所述第一定位模块,用于根据所述目标MR数据集判断所述目标用户终端的移动方向和经过的各地铁线路分段的属性;
所述第二定位模块,用于根据所述目标用户终端的移动方向和每一MR数据的TA信息,确定记录该MR数据时所述目标用户终端相对于基站的区域范围,将各区域范围作为所述目标用户终端的目标移动轨迹。
9.根据权利要求8所述的一种基于大数据的地铁线路网络智能测评系统,其特征在于,所述第一定位模块包括方向确定模块、第一判断模块、第二判断模块和第三判断模块:
所述方向确定模块,用于根据所述目标MR数据集确定所述目标用户终端切换到各个基站的先后顺序,根据切换到各个基站的先后顺序确定所述目标用户的移动方向;
所述第一判断模块,用于针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化小于第一预设阈值,则确定该地铁线路分段为站台;
所述第二判断模块,用于针对每一地铁线路分段,若连续第一预设数目个MR数据的TA信息变化大于第一预设阈值且连续增加或连续减少,则确定该地铁线路分段为隧道;
所述第三判断模块,用于针对每一地铁线路分段,若连续第二预设数目个MR数据的接入基站信息不同,则确定该地铁线路分段为隧道。
10.根据权利要求6所述的一种基于大数据的地铁线路网络智能测评系统,其特征在于,基站小区工参数据包括告警数据、KPI数据和DPI数据中的至少一项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211234806.8A CN115297506B (zh) | 2022-10-10 | 2022-10-10 | 一种基于大数据的地铁线路网络智能测评方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211234806.8A CN115297506B (zh) | 2022-10-10 | 2022-10-10 | 一种基于大数据的地铁线路网络智能测评方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115297506A true CN115297506A (zh) | 2022-11-04 |
CN115297506B CN115297506B (zh) | 2022-12-20 |
Family
ID=83819385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211234806.8A Active CN115297506B (zh) | 2022-10-10 | 2022-10-10 | 一种基于大数据的地铁线路网络智能测评方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115297506B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160339935A1 (en) * | 2014-01-30 | 2016-11-24 | General Electric Company | A method and system for timetable optimization utilizing energy consumption factors |
CN110266412A (zh) * | 2019-07-01 | 2019-09-20 | 中国电信股份有限公司 | 预测地铁通信网络sinr的方法和装置 |
CN110337067A (zh) * | 2019-07-25 | 2019-10-15 | 深圳市口袋网络科技有限公司 | 一种运动轨迹生成方法、装置及相关组件 |
CN110392379A (zh) * | 2018-04-20 | 2019-10-29 | 中国移动通信集团设计院有限公司 | 一种网络问题的定位方法、装置、电子设备及存储介质 |
CN110691369A (zh) * | 2019-11-27 | 2020-01-14 | 北京天元创新科技有限公司 | 一种基于mdt的室内信号外泄分析方法及系统 |
US20200187149A1 (en) * | 2017-08-15 | 2020-06-11 | Huawei Technologies Co., Ltd. | Method and Apparatus for Obtaining Emission Probability, Method and Apparatus for Obtaining Transition Probability, and Sequence Positioning Method and Apparatus |
CN112686466A (zh) * | 2021-01-12 | 2021-04-20 | 北京交通发展研究院 | 地铁乘客的路径确认方法及装置 |
CN114339782A (zh) * | 2020-10-10 | 2022-04-12 | 中国移动通信集团设计院有限公司 | 干线场景下的多层网小区覆盖呈现与核查方法及装置 |
CN114422949A (zh) * | 2021-12-29 | 2022-04-29 | 中国电信股份有限公司 | 网络质量评估方法、装置、设备及存储介质 |
CN114416816A (zh) * | 2021-12-17 | 2022-04-29 | 北京红山信息科技研究院有限公司 | 一种地铁用户路径识别方法 |
-
2022
- 2022-10-10 CN CN202211234806.8A patent/CN115297506B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160339935A1 (en) * | 2014-01-30 | 2016-11-24 | General Electric Company | A method and system for timetable optimization utilizing energy consumption factors |
US20200187149A1 (en) * | 2017-08-15 | 2020-06-11 | Huawei Technologies Co., Ltd. | Method and Apparatus for Obtaining Emission Probability, Method and Apparatus for Obtaining Transition Probability, and Sequence Positioning Method and Apparatus |
CN110392379A (zh) * | 2018-04-20 | 2019-10-29 | 中国移动通信集团设计院有限公司 | 一种网络问题的定位方法、装置、电子设备及存储介质 |
CN110266412A (zh) * | 2019-07-01 | 2019-09-20 | 中国电信股份有限公司 | 预测地铁通信网络sinr的方法和装置 |
CN110337067A (zh) * | 2019-07-25 | 2019-10-15 | 深圳市口袋网络科技有限公司 | 一种运动轨迹生成方法、装置及相关组件 |
CN110691369A (zh) * | 2019-11-27 | 2020-01-14 | 北京天元创新科技有限公司 | 一种基于mdt的室内信号外泄分析方法及系统 |
CN114339782A (zh) * | 2020-10-10 | 2022-04-12 | 中国移动通信集团设计院有限公司 | 干线场景下的多层网小区覆盖呈现与核查方法及装置 |
CN112686466A (zh) * | 2021-01-12 | 2021-04-20 | 北京交通发展研究院 | 地铁乘客的路径确认方法及装置 |
CN114416816A (zh) * | 2021-12-17 | 2022-04-29 | 北京红山信息科技研究院有限公司 | 一种地铁用户路径识别方法 |
CN114422949A (zh) * | 2021-12-29 | 2022-04-29 | 中国电信股份有限公司 | 网络质量评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115297506B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245981B (zh) | 一种基于手机信令数据的人群类型识别方法 | |
CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
CN110324787B (zh) | 一种手机信令数据的职住地获取方法 | |
CN109769201B (zh) | 一种实现用户精准定位的智慧城市管理平台 | |
CN105160871B (zh) | 一种高速公路客车临时上下人识别的方法 | |
CN107657637A (zh) | 一种农机作业面积获取方法 | |
CN107194434B (zh) | 一种基于时空数据的移动对象相似度计算方法及系统 | |
CN104217593B (zh) | 一种面向手机移动速度的路况信息实时获取方法 | |
CN111464950B (zh) | 一种使用手机信令数据提取出行停驻点的方法 | |
CN109525937B (zh) | 集成多种定位方式的室内定位管理系统的定位方法 | |
CN106448173B (zh) | 一种基于手机数据的长距离出行交通方式划分方法 | |
CN110460962B (zh) | 轨道交通用户识别方法和装置 | |
CN109284773A (zh) | 基于多层凝聚层次聚类算法的交通出行端点识别方法 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN108091134A (zh) | 一种基于手机信令位置轨迹数据的通用数据集生成方法 | |
CN113434619B (zh) | 一种4g的高速公路智能交通路况监控系统 | |
CN111144446A (zh) | 一种基于时空网格的司机身份识别方法和系统 | |
CN112712112A (zh) | 区域流动人口识别方法、装置、设备及介质 | |
CN205792730U (zh) | 地铁客流智能清分系统 | |
CN112801181A (zh) | 城市信令交通流用户分类、预测方法、存储介质及系统 | |
CN115297506B (zh) | 一种基于大数据的地铁线路网络智能测评方法和系统 | |
CN117610972A (zh) | 一种基于人工智能的绿色建筑数字化管理系统及方法 | |
CN115376325B (zh) | 基于出行链的公共交通换乘数据筛选系统、方法及应用 | |
CN112298293B (zh) | 基于5g获取车站乘客行为轨迹参数的系统及方法 | |
CN110263993B (zh) | 一种用于城市轨交乘客走行时间的实时预测方法 |
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 |