CN116916250A - 商圈客流分析方法、装置、设备及计算机可读存储介质 - Google Patents

商圈客流分析方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN116916250A
CN116916250A CN202211518120.1A CN202211518120A CN116916250A CN 116916250 A CN116916250 A CN 116916250A CN 202211518120 A CN202211518120 A CN 202211518120A CN 116916250 A CN116916250 A CN 116916250A
Authority
CN
China
Prior art keywords
cell set
neighborhood
business
determining
passenger flow
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.)
Pending
Application number
CN202211518120.1A
Other languages
English (en)
Inventor
孟浩
于涵
莫震
艾怀丽
赵丹怀
卫俊俊
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 Zijin Jiangsu Innovation Research Institute Co ltd
China Mobile Communications Group Co Ltd
China Mobile Group Jiangsu Co Ltd
Original Assignee
China Mobile Zijin Jiangsu Innovation Research Institute Co ltd
China Mobile Communications Group Co Ltd
China Mobile Group Jiangsu 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 Zijin Jiangsu Innovation Research Institute Co ltd, China Mobile Communications Group Co Ltd, China Mobile Group Jiangsu Co Ltd filed Critical China Mobile Zijin Jiangsu Innovation Research Institute Co ltd
Priority to CN202211518120.1A priority Critical patent/CN116916250A/zh
Publication of CN116916250A publication Critical patent/CN116916250A/zh
Pending legal-status Critical Current

Links

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
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • 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
    • 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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请涉及数据分析领域，提供一种商圈客流分析方法、装置、设备及计算机可读存储介质。所述商圈客流分析方法包括：基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流。本申请考虑了商圈衍生区的合理选择问题，吸纳了商圈周边小区虹吸效果，避免在后期计算中丢失大量用户，提高了商圈客流分析的准确性。

Description

商圈客流分析方法、装置、设备及计算机可读存储介质
技术领域
本申请涉及数据分析领域，具体涉及一种商圈客流分析方法、装置、设备及计算机可读存储介质。
背景技术
商圈客流现场调查分析的准确性完全依赖于被访者填写调查问卷的真实程度，往往分析结果的准确性不高。由于其测试的周期长，分析难度大，不能对数据进行实时的快速获取，更新数据的过程也相对漫长，因此，调查分析结果的参考性和实用性都不够理想。
现有基于信令特征对商圈客流进行分析的方法，对于商圈覆盖小区的选择较为粗糙，主要方法有：通过对整体区域进行网格划分，然后确定商圈区域所在的目标网格，再确定目标网格中的各个基站。基站确定后，基站覆盖的用户即认为为商圈的用户。目前主流方法主观性较强，对于不同小区的影响程度，依靠人工经验选择，缺少系统化执行过程；同时，基站选择过程中，目前方法主要考虑商圈核心区室分小区，忽略了商圈周边商铺与外围宏站的吸收作用，从而造成商圈客流分析不准确。
发明内容
本申请实施例提供一种商圈客流分析方法、装置、设备及计算机可读存储介质，用以解决现有商圈客流分析不准确的技术问题。
第一方面，本申请实施例提供一种商圈客流分析方法，包括：
基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；
根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；
基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；
根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流。
在一个实施例中，所述基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点包括：
基于运营商工参确定原始小区集合并确定商圈核心区域；
将所述原始小区集合中属于所述商圈核心区域的小区加入第一邻域小区集合；
将所述第一邻域小区集合中各小区的经纬度转换为坐标；
基于所述第一邻域小区集合中各小区的坐标，确定商圈核心区中心点。
在一个实施例中，所述根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合包括：
基于所述第一邻域小区集合和所述商圈核心区中心点，确定第一领域半径；
根据预设邻域半径、所述商圈核心区中心点以及所述第一领域半径，确定目标邻域小区集合；
所述目标邻域小区集合中各小区与所述商圈核心区中心点的距离大于所述第一领域半径且小于所述预设邻域半径。
在一个实施例中，所述基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合包括：
基于所述运营商工参确定所述目标邻域小区集合中各小区的方位角；
基于所述商圈核心区中心点，确定所述目标邻域小区集合中各小区的向量；
根据所述目标邻域小区集合中各小区的方位角和向量，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
在一个实施例中，所述基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合包括：
基于所述运营商工参确定所述目标邻域小区集合中各小区的最小化路测数据；
基于所述最小化路测数据确定所述目标邻域小区集合中各小区的接收信号强度；
根据所述目标邻域小区集合中各小区的接收信号强度，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
在一个实施例中，所述根据所述目标邻域小区集合中各小区的接收信号强度，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合包括：
根据预设信号强度、预设环境衰减因子以及所述目标邻域小区集合中各小区的接收信号强度，确定所述目标邻域小区集合中各小区的贡献值；
筛除所述目标邻域小区集合中的目标小区，得到第二邻域小区集合，所述目标小区的贡献值小于预设阈值。
在一个实施例中，所述根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流包括：
根据所述基于位置的服务数据中的起点小区和停留时长，确定商圈规模用户；
基于运营商市场占有率和所述商圈规模用户，确定商圈客流。
第二方面，本申请实施例提供一种商圈客流分析装置，包括：
第一邻域小区集合确定模块，用于基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；
目标邻域小区集合确定模块，用于根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；
第二邻域小区集合确定模块，用于基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；
商圈客流确定模块，用于根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流。
第三方面，本申请实施例提供一种设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现第一方面所述的商圈客流分析方法。
第四方面，本申请实施例提供一种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如上述任一种所述商圈客流分析方法。
本申请实施例提供的商圈客流分析方法、装置、设备及计算机可读存储介质，基于运营商工参和商圈核心区域，确定属于商圈核心区域的第一邻域小区的集合以及商圈核心区中心点，然后根据预设邻域半径、第一邻域小区集合以及商圈核心区中心点，确定待筛选的商圈衍生的目标邻域小区集合，基于运营商工参对目标邻域小区集合中的小区进行筛除，得到筛选后的商圈衍生的第二邻域小区集合，最后根据第二邻域小区集合对应的基于位置的服务数据，确定商圈客流，本申请考虑了商圈衍生区的合理选择问题，吸纳了商圈周边小区虹吸效果，避免在后期计算中丢失大量用户，提高了商圈客流分析的准确性。
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是本申请实施例提供的商圈客流分析方法的流程示意图之一；
图2是本申请实施例提供的商圈客流分析方法的流程示意图之二；
图3是本申请实施例提供的商圈客流分析装置的结构示意图；
图4是本申请实施例提供的电子设备的结构示意图。
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，下面将结合本申请实施例中的附图，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。
参照图1，图1是本申请实施例中商圈客流分析方法的流程示意图之一。本申请实施例提供的商圈客流分析方法，可以包括：
步骤100，基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；
具体地，通过运营商基础信令数据与用户基础信息，基于A+B邻域小区度量模型，准确合理的裁剪出商圈核心区域A邻域集合，即本实施例中的第一邻域小区集合。
步骤一：第一邻域小区集合度量。
运营商工参小区原始集合为Uo。在地图上标定商圈物理核心区域Bc。将运营商工参Uo中的元素，按照经纬度进行映射打点，如果满足：那么小区c属于第一邻域小区集合，即c∈UA，完成商圈核心覆盖的小区序列度量。UA＝{ci}，i＝1,2，…，NA，第一邻域小区集合UA共计NA个小区。
步骤二：经纬度坐标转化。
根据小区序列，同步获取到小区经纬度信息，按照字典格式进行排列。key值为小区id号cellid，value值为经纬度坐标值。{cell1：(long1，lat1)，cellid2：(long2，lat2)，…}，通过“墨卡托投影法”将小区经纬度坐标转化为二维坐标值，每个小区经纬度转化成(x，y)坐标值，按照字典格式进行排列，key值为小区id号cellid,字典value值为(x，y)坐标值。{cell1：(x1，y1)，cellid2：(x2，y2)，…}，根据小区序列，同步获取到小区方位角信息，{cell1：Az1，cellid2：Az2，…}，方位角始终以正北方向作为0度，顺时针计算角度。每个小区的方位角计为单位向量其中，/>与小区一一对应。
步骤三：第一邻域小区几何中心点(即商圈核心区中心点)确定。
通过上述第一邻域小区集合，计算各商圈核心区中心点坐标，如公式1所示：
点位(x，y)为UA小区序列几何中心点，计做OA。
步骤200，根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；
具体地，根据无线环境测试，商圈外围会存在一部分小区主要用于覆盖商圈外围商铺，以及商圈沿街部分门店。这部分小区为商圈核心区域“衍生”小区，在商圈用户分析中具有非常重要的作用，容易被忽视。这部分小区，计为B邻域。以下B邻域讨论，均针对室外站点小区，不考虑室内分布小区。
集合ε表示定义密度的邻域半径，对ε进行如下定义：Nε＝{c∈UB|d(oA，c)＜ε}，其中，ε的取值范围为maxi＝1，2，...NAd(oA，c)＜ε＜5km，oA点的密度为ρ(oA)＝|Nε(oA)|，此时在ε邻域范围内的集合计做UB(即本实施例中的目标邻域小区集合)，去除室内分布小区。重复上述步骤二中进行坐标转化的内容。ε的确定原则如下：ε的最小值大于或等于商圈核心区中心点到A邻域小区的最大距离，保证UB区域在A邻域范围之外；同时按照无线覆盖理论，5公里范围内可以涵盖必要的覆盖，同时排除一些越区覆盖、超高站点影响。
步骤300，基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；
具体地，B邻域的不同小区对商圈贡献程度是不同的，距离商圈中心点越远，角度越“偏”，则小区贡献程度越小。本实施例提供的商圈客流分析方法给出角度和距离两种定量的度量方法，可以准确的判断B邻域小区的贡献程度，以角度度量为例说明B邻域小区的选择。
定义角度影响因子为β，由于无线覆盖环境的复杂性，利用周边室外站点小区方位角单位向量与商圈OA点的向量夹角的余弦值确定影响因子β。遍历集合中任何一个小区，并计算小区ci的角度度量：向量CiOA与小区ci方位角，计算方法如下：连接OA点与小区位置点，构成向量CiOA，通过公式2计算余弦相似度。
当βi大于0.5时，确定该小区ci角度度量属于B邻域，纳入集合即本实施例中的第二邻域小区集合。
步骤400，根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流；
具体地，通过获取运营商第二邻域小区内MME接口数据，生成LBS(Location BasedServices，无线定位业务)数据，将当天的LBS数据与小区序列UB进行比对，设置2个特征，2个特征务必全部满足。筛选start_ci在UB范围内；停留时间大于参数T分钟的用户；统计这部分用户的id和在服务小区范围内的停留时间。这部分用户计算进商圈的客流规模内。其中参数T＝gD，其中g＝1，2，3，4；D为商圈用户到访后最小信令发现间隔，根据统计分析，该值可为5分钟。参数g按照商圈客户需求进行个性化选取，如果商圈管理方主要分析目标为到访商圈顾客情况，g选择1或则2；如果商圈管理方侧重于有效顾客的筛选，g选择3或者4。考虑到运营商数据的市场占有率、无手机、一人多机等因素，本文的扩样系数算法为：S1＝商圈客流客流规模S/运营商区域内市场占有率p，S1为扩样后的商圈客流规模，即本实施例中的商圈客流。
本实施例基于运营商工参和商圈核心区域，确定属于商圈核心区域的第一邻域小区的集合以及商圈核心区中心点，然后根据预设邻域半径、第一邻域小区集合以及商圈核心区中心点，确定待筛选的商圈衍生的目标邻域小区集合，基于运营商工参对目标邻域小区集合中的小区进行筛除，得到筛选后的商圈衍生的第二邻域小区集合，最后根据第二邻域小区集合对应的基于位置的服务数据，确定商圈客流，本申请考虑了商圈衍生区的合理选择问题，吸纳了商圈周边小区虹吸效果，避免在后期计算中丢失大量用户，提高了商圈客流分析的准确性。
参照图2，图2是本申请实施例中商圈客流分析方法的流程示意图之二，在一个实施例中，本申请实施例提供的商圈客流分析方法，还可以包括：
步骤110，基于运营商工参确定原始小区集合并确定商圈核心区域；
步骤120，将所述原始小区集合中属于所述商圈核心区域的小区加入第一邻域小区集合；
步骤130，将所述第一邻域小区集合中各小区的经纬度转换为坐标；
步骤140，基于所述第一邻域小区集合中各小区的坐标，确定商圈核心区中心点。
具体地，本实施例提供的商圈客流分析方法中确定第一邻域小区集合以及商圈核心区中心点的具体实现步骤如下：
步骤一：第一邻域小区集合度量。
运营商工参小区原始集合(即本实施例中的原始小区集合)为Uo。在地图上标定商圈物理核心区域Bc，即本实施例中的商圈核心区域。将运营商工参Uo中的元素，按照经纬度进行映射打点，如果满足：and c∈Bc，那么小区c属于第一邻域小区集合，即c∈UA，完成商圈核心覆盖的小区序列度量。UA＝{ci}，i＝1,2，…，NA，第一邻域小区集合UA共计NA个小区。
步骤二：经纬度坐标转化。
根据小区序列，同步获取到小区经纬度信息，按照字典格式进行排列。key值为小区id号cellid，value值为经纬度坐标值。(cell1：(long1，lat1)，cellid2：(long2，lat2)，…}，通过“墨卡托投影法”将小区经纬度坐标转化为二维坐标值，每个小区经纬度转化成(x，y)坐标值，按照字典格式进行排列，key值为小区id号cellid,字典value值为(x，y)坐标值。{cell1：(x1，y1)，cellid2：(x2，y2)，…}，根据小区序列，同步获取到小区方位角信息，{cell1：Az1，cellid2：Az2，…}，方位角始终以正北方向作为0度，顺时针计算角度。每个小区的方位角计为单位向量其中，/>与小区一一对应。
步骤三：第一邻域小区几何中心点(即本实施例中的商圈核心区中心点)的确定。
通过上述第一邻域小区集合以及公式1，计算各商圈核心区中心点坐标，其中，公式1中的点位(x，y)为UA小区序列几何中心点，计做OA。
本实施例通过运营商工参和经纬度转换确定第一邻域小区集合以及商圈核心区中心点。
在一个实施例中，本申请实施例提供的商圈客流分析方法，还可以包括：
步骤210，基于所述第一邻域小区集合和所述商圈核心区中心点，确定第一领域半径；
步骤220，根据预设邻域半径、所述商圈核心区中心点以及所述第一领域半径，确定目标邻域小区集合；所述目标邻域小区集合中各小区与所述商圈核心区中心点的距离大于所述第一领域半径且小于所述预设邻域半径。
具体地，集合ε表示定义密度的邻域半径，对ε进行如下定义：Nε＝〔c∈UB|d(oA，c)＜ε}，其中，ε的取值范围为maxi＝1，2，...NAd(oA，c)＜ε＜5km，oA点的密度为ρ(oA)＝|Nε(oA)|，此时在ε邻域范围内的集合计做UB(即本实施例中的目标邻域小区集合)，去除室内分布小区。重复上述步骤二中进行坐标转化的内容。ε的确定原则如下：ε的最小值大于或等于商圈核心区中心点到A邻域小区的最大距离(即本实施例中的第一领域半径)，第一领域半径小于预设邻域半径，保证UB区域在A邻域范围之外；同时按照无线覆盖理论，5公里(即本实施例中的预设邻域半径)范围内可以涵盖必要的覆盖，同时排除一些越区覆盖、超高站点影响。
本实施例通过预设邻域半径、第一邻域小区集合以及商圈核心区中心点，确定目标邻域小区集合，考虑了商圈衍生区的合理选择问题，吸纳了商圈周边小区虹吸效果，避免在后期计算中丢失大量用户，提高了商圈客流分析的准确性。
在一个实施例中，本申请实施例提供的商圈客流分析方法，还可以包括：
步骤310a，基于所述运营商工参确定所述目标邻域小区集合中各小区的方位角；
步骤320a，基于所述商圈核心区中心点，确定所述目标邻域小区集合中各小区的向量；
步骤330a，根据所述目标邻域小区集合中各小区的方位角和向量，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
具体地，B邻域的不同小区对商圈贡献程度是不同的，距离商圈中心点越远，角度越“偏”，则小区贡献程度越小。本实施例提供的商圈客流分析方法给出角度和距离两种定量的度量方法，可以准确的判断B邻域小区的贡献程度，本实施例以角度度量为例说明B邻域小区的选择。
定义角度影响因子为β。由于无线覆盖环境的复杂性，利用周边室外站点小区方位角单位向量与商圈OA点的向量夹角的余弦值确定影响因子β。遍历集合中任何一个小区，并计算小区ci的角度度量：向量CiOA与小区ci方位角，计算方法如下：连接OA点与小区位置点，构成向量CiOA，通过公式2计算余弦相似度。当βi大于0.5时，确定该小区ci角度度量属于B邻域，纳入集合/>即本实施例中的第二邻域小区集合。
本实施例通过运营商工参对目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合，准确定量地判断不同小区对于商圈覆盖的贡献度。
在一个实施例中，本申请实施例提供的商圈客流分析方法，还可以包括：
步骤310b，基于所述运营商工参确定所述目标邻域小区集合中各小区的最小化路测数据；
步骤320b，基于所述最小化路测数据确定所述目标邻域小区集合中各小区的接收信号强度；
步骤330b，根据所述目标邻域小区集合中各小区的接收信号强度，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
具体地，先通过LTE(Long Term Evolution，3GPP长期演进)MDT(Minimization ofdrive tests，最小化路测技术)数据进行传播模型参数的拟合，然后再通过每个小区的信号强度指示值，判断其对商圈核心区域的影响因子。在此过程中，提出了一种影响因子曲线，并给出了模型公式，如公式3所示。
RSSI＝A+(-10)n log d 公式3
表1
RSSI(Received Signal Strength Indication，接收的信号强度指示)为小区接收机接收到信道带宽上的宽带接收功率。A为发射端和接收端相隔1米时的信号强度，n为环境衰减因子。常数A和n的数值决定了接收信号强度和信号传输距离的关系，分析这两个常数对信号传输距离的影响具有重要意义。MDT主要通过手机上报的测量报告来获取网络优化所需要的相关参数。相比于普通测量报告，MDT除了能采集到测量结果对应的精确位置(经纬度)信息。
具体计算步骤如下：
1、通过运营商获取商圈区域内的4G MDT数据。
提取MDT数据中8个字段，分别为：
ScCellID：主服务小区ID号；
ScCelllong、ScCellLat：主服务小区经纬度，此信息需要根据ScCellID从工参表格中进行匹配得出。
MDTLong、MDTLat：测量点上报经纬度；
ScRSRP、ScRSRQ、ScEarfcn：为主服务小区参考信号接收功率、参考信号接收质量、载波频点号。
表2
其中，RSRP(Reference Signal Received Power，参考信号接收功率)取值范围如表1所示，如从-∞到-120dBm一个区间，对应MR.RSRP.00；从-120dBm到-115dBm为一个区间，对应MR.RSRP.01；从-115dBm到-80dBm每1dB一个区间，对应MR.RSRP.02到MR.RSRP.36；从-80dBm到-60dBm每2dB一个区间，对应MR.RSRP.37到MR.RSRP.46；大于-60dBm一个区间，对应MR.RSRP.47，依此类推。
取值范围如下表2所示，例如从-∞到-19.5dB为一个区间，对应MR.RSRQ.00；从-19.5到-3.5dB每1个dB一个区间，对应MR.RSRQ.01到MR.RSRQ.16；大于-3.5dB一个区间，对应MR.RSRQ.17。
2、RSSI计算方法
4G MDT数据中只有RSRP和RSSQ的测量信号值，没有RSSI的测量值。但我们在后续信号衰减模型中，使用了RSSI测量值，所以这里先进行转换，转换如公式4所示：
分母是接收带宽上总功率，分子是接收带宽上的参考信号功率。
示例：RSRP＝-82dBm,RSSI＝-54dBm,N＝100(100个RB)
＝＝＞RSRQ＝101g100+RSRP(dBm)-RSSIdBm＝-8dB
＝＝＞RSSI(dBm)＝101g100+RSRP(dBm)-RSRQ(dB)
也就是说如果4G带宽是100M，那么RSSI的值要比RSSP的值大20dB左右。
LTE的带宽如表3所示。
信道带宽 1.4 3 5 10 15 20
传输带宽配置 6 15 25 50 75 100
表3
4G MDT给我们提供了测量点真实的经纬度，那么我们可以通过主服务小区ScCell的经纬度(工参表获得)计算与测量点真实的距离，然后通过上述公式，计算出每行记录的真实A和n，选取某地区4G MDT 31789个记录，其中A频段474个小区，D频段7675个小区，E频段1696个小区，F频段8870个小区，FDD1800 9700个小区，FDD900 3374个小区，如表4所示。
FREQ Band ScEarfcn CellID
A 34 36275 474
D 41 40540 2
D 41 40940 6341
D 41 41138 1332
E 40 38950 1602
E 40 39148 94
F 39 38400 8867
F 39 38544 3
FDD1800 3 1307 1000
FDD1800 3 1309 8700
FDD900 8 3590 3374
总计 31789
表4
Band A n
3 -45.30674737 0.549800466
8 -36.36077702 0.935127627
34 -55.88074279 0.327361369
39 -49.854622 0.447584221
40 -54.10162859 0.292706028
41 -48.17905567 0.435650446
表5
以D频段为例子，可以组成超定方程组：定义HA矩阵为：/>定义Hb向量为：/>此方程个数大于未知数个数，超定方程组。超定方程组一般无解，通过岭估计进行拟合求解，如公式5所示。
x＝(HATHA+γI)-1HATHb 公式5
最终拟合结果如表5所示。
3、计算距离影响因子
根据无线覆盖理论，RSSImax基础参考值设置为-20dBm，因为对应RSRP约在-40～-50dBm之间，信号覆盖强，影响因子为1。
根据无线覆盖理论，RSSImin基础参考值设置为-90dBm，因为对应RSRP约在-115～-120dBm之间，信号覆极弱，影响因子为0。
约束条件：
按照内小区与中心点距离d，计算出小区RSSI值。
当RSSI值为-20dBm时，影响因子为1；
当RSSI值为-90dBm时，影响因子为0；
随着RSSI值逐渐变大，影响因子的变化为非线性的，且变化率逐渐增大；
满足上述3个约束条件，本文拟合了一种影响因子曲线，能够较准确地反应小区对商圈的贡献程度。
公式6中距离d可以通过两小区坐标点的欧几里得距离计算得出，代入公式6可以得出内每小区的影响因子F。当影响因子F大于0.2时，则小区ci∈UB，即本实施例中的第二邻域小区集合。
本实施例通过运营商工参对目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合，准确定量地判断不同小区对于商圈覆盖的贡献度。
在一个实施例中，本申请实施例提供的商圈客流分析方法，还可以包括：
步骤331b，根据预设信号强度、预设环境衰减因子以及所述目标邻域小区集合中各小区的接收信号强度，确定所述目标邻域小区集合中各小区的贡献值；
步骤332b，筛除所述目标邻域小区集合中的目标小区，得到第二邻域小区集合，所述目标小区的贡献值小于预设阈值。
具体地，根据公式3和公式6确定第二邻域小区集合。
具体计算步骤如下：
1、通过运营商获取商圈区域内的4G MDT数据。
提取MDT数据中8个字段，分别为：
ScCellID：主服务小区ID号；
ScCelllong、ScCellLat：主服务小区经纬度，此信息需要根据ScCellID从工参表格中进行匹配得出。
MDTLong、MDTLat：测量点上报经纬度；
ScRSRP、ScRSRQ、ScEarfcn：为主服务小区参考信号接收功率、参考信号接收质量、载波频点号。
其中，RSRP(Reference Signal Received Power，参考信号接收功率)取值范围如表1所示，如从-∞到-120dBm一个区间，对应MR.RSRP.00；从-120dBm到-115dBm为一个区间，对应MR.RSRP.01；从-115dBm到-80dBm每1dB一个区间，对应MR.RSRP.02到MR.RSRP.36；从-80dBm到-60dBm每2dB一个区间，对应MR.RSRP.37到MR.RSRP.46；大于-60dBm一个区间，对应MR.RSRP.47，依此类推。取值范围如下表2所示，例如，从-∞到-19.5dB为一个区间，对应MR.RSRQ.00；从-19.5到-3.5dB每1个dB一个区间，对应MR.RSRQ.01到MR.RSRQ.16；大于-3.5dB一个区间，对应MR.RSRQ.17。
2、RSSI计算方法
4G MDT数据中只有RSRP和RSSQ的测量信号值，没有RSSI的测量值。但我们在后续信号衰减模型中，使用了RSSI测量值，所以这里先进行转换，转换如公式4所示，分母是接收带宽上总功率，分子是接收带宽上的参考信号功率。
示例：RSRP＝-82dBm,RSSI＝-54dBm,N＝100(100个RB)
＝＝＞RSRQ＝10lg100+RSRP(dBm)-RSSIdBm＝-8dB
＝＝＞RSSI(dBm)＝10lg100+RSRP(dBm)-RSRQ(dB)
也就是说如果4G带宽是100M，那么RSSI的值要比RSSP的值大20dB左右。
LTE的带宽如表3所示。
4G MDT给我们提供了测量点真实的经纬度，那么我们可以通过主服务小区ScCell的经纬度(工参表获得)计算与测量点真实的距离，然后通过上述公式，计算出每行记录的真实A和n，选取某地区4G MDT 31789个记录，其中A频段474个小区，D频段7675个小区，E频段1696个小区，F频段8870个小区，FDD1800 9700个小区，FDD900 3374个小区，如表4所示。
以D频段为例子，可以组成超定方程组：定义HA矩阵为：/>定义Hb向量为：/>此方程个数大于未知数个数，超定方程组。超定方程组一般无解，通过岭估计进行拟合求解，如公式5所示。最终拟合结果如表5所示。
3、计算距离影响因子
根据无线覆盖理论，RSSImax基础参考值设置为-20dBm，因为对应RSRP约在-40～-50dBm之间，信号覆盖强，影响因子为1。
根据无线覆盖理论，RSSImin基础参考值设置为-90dBm，因为对应RSRP约在-115～-120dBm之间，信号覆极弱，影响因子为0。
约束条件：
按照内小区与中心点距离d，计算出小区RSSI值。
当RSSI值为-20dBm时，影响因子为1；
当RSSI值为-90dBm时，影响因子为0；
随着RSSI值逐渐变大，影响因子的变化为非线性的，且变化率逐渐增大；
满足上述3个约束条件，本文拟合了一种影响因子曲线，能够较准确地反应小区对商圈的贡献程度。
公式6中距离d可以通过两小区坐标点的欧几里得距离计算得出，代入公式6可以得出内每小区的影响因子F。当影响因子F大于0.2时，则小区ci∈UB，即本实施例中的第二邻域小区集合。
本实施例通过运营商工参对目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合，准确定量地判断不同小区对于商圈覆盖的贡献度。
在一个实施例中，本申请实施例提供的商圈客流分析方法，还可以包括：
步骤410，根据所述基于位置的服务数据中的起点小区和停留时长，确定商圈规模用户；
步骤420，基于运营商市场占有率和所述商圈规模用户，确定商圈客流。
具体地，商圈客流挖掘算法：通过获取运营商第二邻域小区内MME接口数据，生成LBS数据，主要内容包括{msisdn，start_time，start_ci，start_lng，start_lat，end_time，end_ci，end_lng，end_lat，duration}等内容，具体为移动用户号码、起点时间、起点小区、起点经纬度、结束时间，结束经纬度，持续时间。商圈客流客流规模计作S。
客流特征提取算法算法：将当天的LBS数据与小区序列UB进行比对，设置2个特征，2个特征务必全部满足。筛选start_ci在UB范围内；停留时间大于参数T分钟的用户；统计这部分用户的id和在服务小区范围内的停留时间。这部分用户计算进商圈的客流规模内。其中参数T＝gD，其中g＝1，2，3，4；D为商圈用户到访后最小信令发现间隔，根据统计分析，该值可为5分钟。参数g按照商圈客户需求进行个性化选取，如果商圈管理方主要分析目标为到访商圈顾客情况，g选择1或则2；如果商圈管理方侧重于有效顾客的筛选，g选择3或者4。
商圈规模人数扩样系数确定：考虑到运营商数据的市场占有率、无手机、一人多机等因素，本文的扩样系数算法为：S1＝商圈客流客流规模S/运营商区域内市场占有率p，S1为扩样后的商圈客流规模，即本实施例中的商圈客流。
本实施例通过客流特征提取算法算法和商圈规模人数扩样系数，确定商圈客流，提高了商圈客流分析的准确性。
参考图3，图3是本申请实施例中商圈客流分析装置的结构示意图，下面对本申请实施例提供的商圈客流分析装置进行描述，下文描述的商圈客流分析装置与上文描述的商圈客流分析方法可相互对应参照。
第一邻域小区集合确定模块301，用于基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；
目标邻域小区集合确定模块302，用于根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；
第二邻域小区集合确定模块303，用于基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；
商圈客流确定模块304，用于根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流。
可选地，所述第一邻域小区集合确定模块包括：
商圈核心区域确定单元，用于基于运营商工参确定原始小区集合并确定商圈核心区域；
第一邻域小区集合加入单元，用于将所述原始小区集合中属于所述商圈核心区域的小区加入第一邻域小区集合；
经纬度转换单元，用于将所述第一邻域小区集合中各小区的经纬度转换为坐标；
商圈核心区中心点确定单元，用于基于所述第一邻域小区集合中各小区的坐标，确定商圈核心区中心点。
可选地，所述目标邻域小区集合确定模块包括：
第一领域半径确定单元，用于基于所述第一邻域小区集合和所述商圈核心区中心点，确定第一领域半径；
目标邻域小区集合确定单元，用于根据预设邻域半径、所述商圈核心区中心点以及所述第一领域半径，确定目标邻域小区集合；
所述目标邻域小区集合中各小区与所述商圈核心区中心点的距离大于所述第一领域半径且小于所述预设邻域半径。
可选地，所述第二邻域小区集合确定模块包括：
方位角确定单元，用于基于所述运营商工参确定所述目标邻域小区集合中各小区的方位角；
小区向量确定单元，用于基于所述商圈核心区中心点，确定所述目标邻域小区集合中各小区的向量；
第一小区筛除单元，用于根据所述目标邻域小区集合中各小区的方位角和向量，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
可选地，所述第二邻域小区集合确定模块包括：
最小化路测数据确定单元，用于基于所述运营商工参确定所述目标邻域小区集合中各小区的最小化路测数据；
接收信号强度确定单元，用于基于所述最小化路测数据确定所述目标邻域小区集合中各小区的接收信号强度；
第二邻域小区集合确定单元，用于根据所述目标邻域小区集合中各小区的接收信号强度，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
可选地，所述第二邻域小区集合确定单元包括：
小区贡献值确定单元，用于根据预设信号强度、预设环境衰减因子以及所述目标邻域小区集合中各小区的接收信号强度，确定所述目标邻域小区集合中各小区的贡献值；
第二小区筛除单元，用于筛除所述目标邻域小区集合中的目标小区，得到第二邻域小区集合，所述目标小区的贡献值小于预设阈值。
可选地，所述商圈客流确定模块包括：
商圈规模用户确定单元，用于根据所述基于位置的服务数据中的起点小区和停留时长，确定商圈规模用户；
商圈客流确定单元，用于基于运营商市场占有率和所述商圈规模用户，确定商圈客流。
图4示例了一种设备的实体结构示意图，如图4所示，该设备可以包括：处理器(processor)410、通信接口(Communication Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的计算机程序，以执行商圈客流分析方法。
此外，上述的存储器430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，本申请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)执行本申请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，本申请实施例还提供一种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商圈客流分析方法。
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商圈客流分析方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (10)

1.一种商圈客流分析方法，其特征在于，包括：
基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；
根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；
基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；
根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流。
2.根据权利要求1所述的商圈客流分析方法，其特征在于，所述基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点包括：
基于运营商工参确定原始小区集合并确定商圈核心区域；
将所述原始小区集合中属于所述商圈核心区域的小区加入第一邻域小区集合；
将所述第一邻域小区集合中各小区的经纬度转换为坐标；
基于所述第一邻域小区集合中各小区的坐标，确定商圈核心区中心点。
3.根据权利要求1所述的商圈客流分析方法，其特征在于，所述根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合包括：
基于所述第一邻域小区集合和所述商圈核心区中心点，确定第一领域半径；
根据预设邻域半径、所述商圈核心区中心点以及所述第一领域半径，确定目标邻域小区集合；
所述目标邻域小区集合中各小区与所述商圈核心区中心点的距离大于所述第一领域半径且小于所述预设邻域半径。
4.根据权利要求1所述的商圈客流分析方法，其特征在于，所述基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合包括：
基于所述运营商工参确定所述目标邻域小区集合中各小区的方位角；
基于所述商圈核心区中心点，确定所述目标邻域小区集合中各小区的向量；
根据所述目标邻域小区集合中各小区的方位角和向量，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
5.根据权利要求1所述的商圈客流分析方法，其特征在于，所述基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合还包括：
基于所述运营商工参确定所述目标邻域小区集合中各小区的最小化路测数据；
基于所述最小化路测数据确定所述目标邻域小区集合中各小区的接收信号强度；
根据所述目标邻域小区集合中各小区的接收信号强度，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合。
6.根据权利要求5所述的商圈客流分析方法，其特征在于，所述根据所述目标邻域小区集合中各小区的接收信号强度，对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合包括：
根据预设信号强度、预设环境衰减因子以及所述目标邻域小区集合中各小区的接收信号强度，确定所述目标邻域小区集合中各小区的贡献值；
筛除所述目标邻域小区集合中的目标小区，得到第二邻域小区集合，所述目标小区的贡献值小于预设阈值。
7.根据权利要求1所述的商圈客流分析方法，其特征在于，所述根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流包括：
根据所述基于位置的服务数据中的起点小区和停留时长，确定商圈规模用户；
基于运营商市场占有率和所述商圈规模用户，确定商圈客流。
8.一种商圈客流分析装置，其特征在于，包括：
第一邻域小区集合确定模块，用于基于运营商工参和商圈核心区域，确定第一邻域小区集合以及商圈核心区中心点；
目标邻域小区集合确定模块，用于根据预设邻域半径、所述第一邻域小区集合以及所述商圈核心区中心点，确定目标邻域小区集合；
第二邻域小区集合确定模块，用于基于所述运营商工参对所述目标邻域小区集合中的小区进行筛除，得到第二邻域小区集合；
商圈客流确定模块，用于根据所述第二邻域小区集合对应的基于位置的服务数据，确定商圈客流。
9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的商圈客流分析方法。
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至7任一项所述商圈客流分析方法。
CN202211518120.1A 2022-11-29 2022-11-29 商圈客流分析方法、装置、设备及计算机可读存储介质 Pending CN116916250A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211518120.1A CN116916250A (zh) 2022-11-29 2022-11-29 商圈客流分析方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211518120.1A CN116916250A (zh) 2022-11-29 2022-11-29 商圈客流分析方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116916250A true CN116916250A (zh) 2023-10-20

Family

ID=88351702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211518120.1A Pending CN116916250A (zh) 2022-11-29 2022-11-29 商圈客流分析方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116916250A (zh)

Similar Documents

Publication Publication Date Title
KR101565350B1 (ko) 무선 네트워크의 커버리지 영역에서 동작 파라미터를 매핑시키기 위한 방법 및 장치
US9369986B2 (en) Wireless communication network for estimating the accuracy of fingerprinting positioning algorithms
EP2111721B1 (en) System and method for generating non-uniform grid points from calibration data
KR101868819B1 (ko) 무선 액세스 포인트의 비콘 안정도를 측정하기 위한 방법 및 시스템
US8559978B2 (en) Method and apparatus for geo-locating mobile station
US7715849B2 (en) User positioning
CN106851570B (zh) 基于mr对移动终端进行定位的方法及装置
US7031726B2 (en) Method and apparatus for detecting received radiation power
Ajose et al. Propagation measurements and modelling at 1800 MHz in Lagos Nigeria
EP2952047B1 (en) Method for localizing wireless devices
US20100087194A1 (en) Enhanced zone determination
US8583050B2 (en) Building influence estimation apparatus and building influence estimation method
Vari et al. mmWaves RSSI indoor network localization
CN107231636B (zh) 一种校准网络覆盖评估的方法和装置
Ji et al. A novel Wi-Fi AP localization method using Monte Carlo path-loss model fitting simulation
US10863327B2 (en) Estimation of building floors based on difference in barometric pressure measured by wireless terminals
Zhu et al. Maximum likelihood scheme for fingerprinting positioning in LTE system
CN108024327B (zh) 用户定位方法以及装置
Shrestha et al. RSSI channel effects in cellular and WLAN positioning
Shakir et al. Position location based on measurement reports in LTE cellular networks
EP3569020B1 (en) Method and server for positioning user equipment
Wang et al. RSSI-based localization in cellular networks
CN116916250A (zh) 商圈客流分析方法、装置、设备及计算机可读存储介质
CN116133037A (zh) 一种无线网络评估方法及装置
Rodriguez et al. Propagation characteristics of Managua city based on Standard Propagation Model (SPM) at 850 MHz for 3G-WCDMA systems

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