TW201403552A - 結合跨區域位置更新與通話之交通資訊估計方法與系統 - Google Patents

結合跨區域位置更新與通話之交通資訊估計方法與系統 Download PDF

Info

Publication number
TW201403552A
TW201403552A TW101124681A TW101124681A TW201403552A TW 201403552 A TW201403552 A TW 201403552A TW 101124681 A TW101124681 A TW 101124681A TW 101124681 A TW101124681 A TW 101124681A TW 201403552 A TW201403552 A TW 201403552A
Authority
TW
Taiwan
Prior art keywords
event
road
lau
designated
sample
Prior art date
Application number
TW101124681A
Other languages
English (en)
Other versions
TWI485665B (zh
Inventor
Sheng-Ying Yen
Chih-Yen Huang
Ya-Yun Cheng
Chien-Hsiang Chen
Chung-Yung Chia
Original Assignee
Ind Tech Res Inst
Chunghwa Telecom 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 Ind Tech Res Inst, Chunghwa Telecom Co Ltd filed Critical Ind Tech Res Inst
Priority to TW101124681A priority Critical patent/TWI485665B/zh
Priority to CN201210258022.9A priority patent/CN103544837B/zh
Priority to US13/559,610 priority patent/US8788185B2/en
Publication of TW201403552A publication Critical patent/TW201403552A/zh
Application granted granted Critical
Publication of TWI485665B publication Critical patent/TWI485665B/zh

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks

Abstract

一種結合跨區域位置更新(LAU)與通話之交通資訊估計方法與系統，係藉由一樣本擷取分析裝置來關聯至少一行動用戶之跨區域移動和通話的樣本資料，此樣本資料至少包括該至少一行動用戶發生的至少一次的LAU事件、以及至少一次的通話的通話抵達(CA)或通話結束(CC)事件；並且根據此樣本資料，藉由一計算裝置來決定發生此至少一次的LAU事件、以及此至少一次的通話的CA或CC事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多條指定道路的交通資訊。

Description

結合跨區域位置更新與通話之交通資訊估計方法與系統
本揭露係關於一種結合跨區域位置更新(location update)與通話(call)之交通資訊估計方法與系統。
以往，交通資訊的取得需依靠各地方警民主動通報、部份具有全球定位系統的探偵車(GPS-Based Vehicle Probe，GVP)以及固定式車輛偵測器(Vehicle Detector，VD)等裝置回饋的交通資訊。近年來，交通領域所進行的相關研究與應用系統運用不同蒐集方式及技術如車輛偵測器、GVP、採用電子道路收費系統(Electronic Toll Collection，ETC)為基礎的車輛探偵(ETC-Based Vehicle Probe，EVP)、以及手機基地台為基礎的車輛探偵(Cellular-Based Vehicle Probe，CVP)等技術來進行車輛交通參數資料的偵測。
行動用戶擁有移動空間度和時間度的優點。現有的CVP交通資訊蒐集技術是以行動手機作為交通資訊偵探工具，來蒐集行動電話與網路系統間傳遞的信令，並且大多利用用路人撥/接電話發生交遞(handover)與位置更新等事件間的位置與時間差來推估道路車速。第一圖是利用行動裝置撥/接電話發生兩次交遞來估算車速的一範例示意圖，其中，行動裝置在時間t0時開始撥/接電話，在時間t1時的位置L1上發生一次交遞，並且在時間t2時 的位置L2上發生另一次交遞，車速估算為(L2-L1)/(t2-t1)。第二圖是利用行動裝置發生兩次位置更新來估算車速的一範例示意圖，其中，行動裝置從位置區域LA0開始移動，在時間t1時的位置L1上發生一次位置區域間(inter-LA)位置更新，並且在時間t2時的位置L2上發生另一次位置區域間位置更新，車速估算為(L2-L1)/(t2-t1)。
在現有技術中，例如，預先以車輛搭載GPS與行動通訊模組進行路測、學習記錄通話交遞發生位置資訊、以及決定兩交遞地點之間的行車距離，並且僅以行動電話發生交遞的基地台地理位置來推估道路車速。另外例如，收集用戶於兩位置區域(Location Area，LA)發生位置更新的行動通訊信令，並且僅以行動電話發生位置更新的基地台地理位置來推估車速。
在現有技術中，例如從全球行動通訊系統網路中擷取A/Abis介面訊號，利用分析位置區域更新的行動通訊信令，並結合資料探勘的方式來推估終端使用者的交通資訊的技術。現有技術中，另有基於3G行動通訊網路訊號之交通資訊的技術，此技術利用正常位置更新(Normal Location Updates，NLU)並利用被選擇的交遞(Selected Handovers，SHO)來計算取得道路車速。
上述技術之交通資訊的取得可能會產生交通資訊量的不穩定，例如是藉由兩次交遞取得的有效樣本太少、 或是藉由兩次位置區域更新其樣本數間隔時間太長。並且，也可能造成車輛偵測器佈建與維運成本高。
因此，如何在現有的交通資訊蒐集制度下，利用交通資訊蒐集涵蓋面最大的技術，來提供用路人最精確的交通資訊資料，以達到建置一個行車優質環境是一個很重要的議題。
本揭露實施例可提供一種結合跨區域位置更新與通話之交通資訊估計方法與系統。
所揭露的一實施例是關於一種結合跨區域位置更新與通話之交通資訊估計方法，執行於一交通資訊估計系統。此方法可包含：藉由一樣本擷取分析裝置(sample capturing and analyzing device)，關聯至少一行動用戶跨區域移動和通話的樣本資料，此樣本資料至少包括該至少一行動用戶發生的至少一次的跨區域位置更新(LAU)事件、以及至少一次的通話的CA或CC事件；以及根據此樣本資料，藉由一計算裝置，來決定發生此至少一次的LAU事件、以及此至少一次的通話的通話抵達(Call Arrival，CA)或通話結束(Call Completion，CC)事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多個指定區域的交通資訊。
所揭露的另一實施例是關於一種結合跨區域位置更新與通話之交通資訊估計系統。此系統可包含一樣本擷取分析裝置、以及一計算裝置。此樣本擷取分析裝置被配置來關聯至少一行動用戶跨區域移動和通話的樣本資料。此計算裝置根據此樣本資料，決定發生至少一次的LAU事件、以及至少一次的通話的CA或CC事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多條指定道路的交通資訊。
茲配合下列圖示、實施例之詳細說明及申請專利範圍，將上述及本發明之其他優點詳述於後。
本揭露實施例之交通資訊估計技術是透過信令(signaling)擷取分析設備，蒐集行動用戶與行動網路之間傳遞的信令，包含如通話與區域位置更新，將區域位置更新(LAU)事件和先後任一通話的通話抵達(Call Arrival，CA)(如發話(Mobile Originated，MO)事件、受話(Mobile Terminated，MT)事件)、或通話結束(Call Completion，CC)等事件之所在細胞(Cell，經緯度)進行道路對應和關聯，來增加有效樣本數(number of valid samples)，並自動地推估道路區段的交通資訊。也就是說，此技術結合通話事件與LAU事件中所紀錄的基地台地理位置與事件發生時間來推估交通資訊，如道路區段的車速(在行動網路區域交界、以及在區域內任一道路 定點位置間)與道路是否擁塞等，更利用推估的道路車速來估算如道路區段旅行時間等資訊。
通話與LAU是網路信令最多兩種事件。通話可包含三種事件。行動用戶開始通話時，便產生通話抵達(CA)事件，行動網路端會記錄CA事件的發生時間與基地台相關資訊；行動用戶在通話中跨越基地台通訊範圍時，便產生交遞(Handover)事件，行動網路端會記錄交遞事件的發生時間與基地台相關資訊；行動用戶結束通話時，便產生通話結束(CC)事件，行動網路端會記錄CC事件的發生時間與基地台相關資訊。
當行動用戶由一位置區域LA1移動至另一位置區域LA2時，行動裝置如手機等會藉由區域位置更新程序通知行動網路端，行動網路端會記錄區域位置更新事件發生的時間與行動用戶由LA1移動至LA2的順序。本揭露實施例可利用至少一次LAU事件及發話/受話之通話抵達(CA)事件或通話結束(CC)事件來進行樣本關聯，以增加有效樣本數；並且，透過所紀錄發生事件的細胞(Cell)(進行道路對應)與發生時間，來篩選關聯樣本，以提高交通資訊推廣應用的道路範圍和可用度。
如第三圖的範例所示，在時間t1時，行動網路端會記錄行動用戶發生LAU事件，即，由位置區域LA1移動至位置區域LA2，在時間t2時，行動網路端也會記錄 行動用戶在LA2範圍發生的CA或CC事件。本揭露實施例並且使用這些記錄的有效樣本的資訊來進行如行動裝置的移動速度、道路車速、道路壅塞、以及道路區段的旅行時間等交通資訊的估計。本揭露實施例根據行動用戶發生通話事件與LAU事件的順序，提供幾種交通資訊估算方式。
第四圖是根據本揭露一實施例，說明行動裝置先發生CA事件後，再發生LAU事件的車速估算方式。如第四圖所示，當行動用戶在LA1範圍內發生一CA事件，且於LA1範圍內通話結束，接著行動用戶由LA1移動至LA2發生一LAU事件，則可透過一信令擷取分析設備來擷取此CA事件與此LAU事件各自發生的時間與地理位置，並且藉由此兩事件發生的時間(例如t1及t2)與地理位置(例如L1及L2)，算出距離(例如L2-L1)與時間差(例如t2-t1)，並利用距離除以時間差來算出此行動用戶的移動速度，進而估算出此行動用戶所在之車輛的速度。同時，也可透過如設定的過濾參數，來篩選原始樣本，利用如道路速限過濾法(例如刪除超過道路速限之樣本)，可取得有效樣本，再透過設定的取樣參數調整，來取得例如前50%的有效樣本；透過此有效資訊可推估道路區段(例如L1及L2間)的平均車速和平均旅行時間(將道路區段距離除以每一推估車速後，再平均即可得)等交通資訊。
第五圖是根據本揭露一實施例，說明行動裝置先發 生CC後事件後，再發生LAU事件的車速估算方式。如第五圖所示，當行動用戶在LA1範圍內發一CC事件，接著行動用戶由LA1移動至LA2發生一LAU事件時，同樣地，可透過信令擷取分析設備來擷取此CC事件與此LAU事件各自發生的時間與地理位置，並且藉此算出此行動用戶的移動速度，進而估算出此行動用戶所在之車輛的速度。同時，也可透過如設定的過濾參數，來篩選原始樣本，利用如道路速限過濾法(例如刪除超過道路速限之樣本)，可取得有效樣本，再透過設定的取樣參數調整，來取得例如前50%的有效樣本；透過此有效資訊可推估道路區段(例如L1及L2間)的平均車速和平均旅行時間(將道路區段距離除以每一推估車速後，再平均即可得)等交通資訊。
第六圖是根據本揭露一實施例，說明行動裝置先發生LAU事件後，再發生CA事件的車速估算方式。如第六圖所示，當行動用戶由LA1移動至LA2時，發生一LAU事件，接著行動用戶在LA2範圍內發一CA事件，同樣地，可擷取此LAU事件與此CA事件各自發生的時間與地理位置，並且藉此算出此行動用戶的移動速度，進而估算出此行動用戶所在之車輛的速度。同時，也可透過如設定的過濾參數，來篩選原始樣本，利用如道路速限過濾法(例如刪除超過道路速限之樣本)，可取得有效樣本，再透過設定的取樣參數調整，來取得例如前50%的有效樣本；透過此有效資訊可推估道路區段(例如L1及 L2間)的平均車速和平均旅行時間(將道路區段距離除以每一推估車速後，再平均即可得)等交通資訊。
第七圖是根據本揭露一實施例，說明行動裝置先發生LAU事件後，再發生CC事件的車速估算方式。如第七圖所示，當行動用戶由LA1移動至LA2發生LAU事件，接著行動用戶在LA2範圍內發CC事件時，同樣地，可擷取此LAU事件與此CC事件各自發生的時間與地理位置，並且藉此算出此行動用戶的移動速度，進而估算出此行動用戶所在之車輛的速度。同時，也可透過如設定的過濾參數，來篩選原始樣本，利用如道路速限過濾法(例如刪除超過道路速限之樣本)，可取得有效樣本，再透過設定的取樣參數調整，來取得例如前50%的有效樣本；透過此有效資訊可推估道路區段(例如L1及L2間)的平均車速和平均旅行時間(將道路區段距離除以每一推估車速後，再平均即可得)等交通資訊。
承上述，本揭露實施例也可利用行動裝置發生LAU事件、以及發生通話的CA或CC事件關聯，來進行道路壅塞的判斷。例如，當行動用戶發生LAU的次數超過一第一門檻值(或稱為位置更新門檻值)而且在跨位置區域交界區(border)前發生的CA及CC事件的次數、或是在交界區後發生的CA及CC事件的次數也超過一第二門檻值(或稱為CA+CC門檻值)時，則發佈道路塞車警訊。本揭露實施例判斷道路壅塞的原理為，當道路壅塞 發生時，通過區段交界區之LAU事件的數量會多，並且用路人發生通話的CA或CC事件也會多。也就是說，透過上述之位置更新門檻值與交界區道路前後的CA+CC門檻值可偵測出道路擁塞與否。
在第八圖的實作範例中，地點選擇一省道的一城市至另一城市的跨位置區域交界區路段，其中此路段包含第二代移動通信技術(2G)位置更新的交界與第三代移動通信技術(3G)位置更新的交界。以實際的統計資料來說明道路擁塞的判斷，此統計資料來源為每隔一段時間(例如10分鐘)擷取LAU事件的次數、LAU事件發生前的CA及CC事件的次數、以及LAU事件發生後的CA及CC事件的次數。結果顯示此路段於某日之下午5：00~6：30，LAU事件的次數超過200次(第一門檻值，即LAU門檻值)，而且CA及CC事件的次數也超過10次(第二門檻值，即CA+CC門檻值)時，根據本揭露實施例，因此發布道路塞車警報。
前述三種統計資料的數值可與車輛偵測器實際偵測到的速度進行比較。第九圖是將第八圖之實作範例中CA及CC事件的統計次數與車輛偵測器實際偵測到的速度進行比較；第十圖是將第八圖之實作範例中LAU事件的統計次數與車輛偵測器實際偵測到的速度進行比較；其中，VD代表車輛偵測器實際偵測到的速度，CACC_NLU前代表LAU事件發生前的CA事件+CC事件的次數， CACC_NLU後代表LAU事件發生後的CA事件+CC事件的次數，NLU代表LAU事件的次數。
如第九圖及第十圖所示，比對此時間點之車輛偵測器實際偵測到的車速結果也符合實際路況。車輛偵測器實際偵測到的車速從該日下午5：00時開始減速至下午6：30後，車速才又開始一路回升。大約在下午7：00時，LAU事件的次數也下降並低於200次，而且在正常位置更新前，CA及CC事件的次數也下降並低於10次，根據本揭露實施例，因此解除道路塞車警報。
承上述，第十一圖是根據本揭露一實施例，說明一種結合跨區域位置更新與通話之交通資訊估計方法。在第十一圖中，此交通資訊估計方法可藉由一樣本擷取分析裝置(sample capturing and analyzing device)，關聯至少一行動用戶跨區域移動和通話的樣本資料，此樣本資料至少包括該至少一行動用戶發生的至少一次的LAU事件、以及至少一次的通話的CA或CC事件，如步驟1110所示。根據此樣本資料，此交通資訊估計方法可藉由一計算裝置，來決定發生此至少一次的LAU事件、以及此至少一次的通話的CA或CC事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多條指定道路的交通資訊，如步驟1120所示。此交通資訊例如是此一或多條指定道路之前後指定區域的道路車速、旅行時間、以及道路壅塞與否等資訊，或是這些資訊的任意組合。此 計算裝置例如是由具有估算功能的硬體電路所形成的裝置、或是硬體處理器、或是計算機等，但不僅限於這些硬體設備。此樣本擷取分析裝置可經由一樣本資料系統中的一發話/受話(MO/MT)細胞資訊資料庫，來篩選此至少一行動用戶的資料，例如行動用戶的發生的LAU事件與前後發話事件等。
根據本揭露實施例，樣本擷取分析裝置還可經由一發話/受話(MO/MT)細胞資訊資料庫來篩選行動用戶資料，以取得行動用戶的LAU事件與前後(previous/next)發話事件，經由此前後兩事件的時間間隔與存於此資料庫之兩事件發生的基地台距離，可推估如指定道路之前後指定區域的道路車速、旅行時間等樣本。交通資訊估計方法還可利用此發話/受話細胞資訊資料庫來建立此一或多條指定道路之至少一種行動網路(例如2G或3G等行動網路)之跨區域位置更新細胞群組的歷史資料，以及建立此一或多條指定道路之前後指定區域的至少一種行動網路的發話/受話細胞的歷史資料。
根據本揭露實施例，交通資訊估計方法還可利用一常駐用戶過濾模組，經由此至少一行動用戶的歷史資料(例如，行動用戶的基地台資訊、受測道路之地理位置資訊系統(Geographic Information System，GIS)資訊、行動位置更新訊務的歷史資料、MO/MT訊務的歷史資料等)來判斷此至少一行動用戶中是否存在常駐用戶，再過濾 此常駐用戶的樣本資料，以取得一有效樣本集合。在本揭露中，常駐用戶可定義為超過單位時間內仍停留於同一群行動細胞涵蓋範圍的用戶，例如，超過一位置更新週期(如一小時)仍停留於一群行動細胞涵蓋範圍的用戶。
將常駐用戶過濾後的樣本可再透過一或多次的篩選樣本法來取得有效樣本。篩選樣本法例如可採用平均值標準差過濾法、道路速限過濾法、百分比過濾法、回溯平均值標準差過濾法、道路偏離事件過濾法、歷史差異過濾法、大數法則過濾法等。將有效樣本透過道路有效資訊推估法，並融合不同行動網路間(例如2G和3G網路)資料，可得到如車速或道路區段的旅行時間等交通資訊。道路有效資訊推估法例如可採用平均法、取前眾數平均、加權平均、取最大值、取中位數、眾數平均法、幾何平均法、調合平均數法、歷史加權平均(參考前n次歷史資料並且給予權重，和當次的資料做算術平均數)等方法。同樣地，將常駐用戶過濾後的樣本也可透過上述之位置更新(NLU)門檻值與交界區道路前後的CA+CC門檻值來偵測道路擁塞與否。
如前述所載，本揭露實施例可利用至少一次LAU事件及CA或CC事件來進行樣本關聯；並且，透過所記錄發生事件的細胞(Cell)來進行道路對應。第十二圖是根據本揭露一實施例，說明利用一次LAU事件及CA或CC事件來進行樣本關聯的方法。參考第十二圖，首先，此 方法指定一或多條道路之至少一種行動網路交界區域的細胞群組(步驟1210)；然後，鎖定此一或多條指定道路上之至少一指定區域的細胞群組，並收集有行動用戶發生CA或CC事件以做為一可能樣本集合(步驟1220)，鎖定此可能樣本集合中每一可能樣本的行動用戶，於指定道路上發生LAU事件以做為一可計算樣本集合；其中LAU事件與CA/CC事件沒有前後順序之限制(步驟1230)。
再計算此可計算樣本集合中每一可計算樣本的行動用戶所在的車輛，其被估計的車速是否在指定道路上預設的一範圍內，例如介於最大速度與最小速度間，以過濾出一有效樣本集合(步驟1240)；並且根據此有效樣本集合，自動地推估此一或多條指定道路上的交通資訊(步驟1250)，例如指定道路上的車速推估、壅塞推估、以及指定道路上的區段道路的旅行時間等。也就是說，根據可計算樣本集合中每一可計算樣本的行動用戶所在車輛的車速來過濾出一有效樣本集合，再利用此有效樣本集合來推估此一或多條指定道路上的交通資訊。
經由道路對應和樣本關聯，可增加有效樣本數並且自動地推估道路區段的交通資訊。此道路對應的含意為，在發生事件(LAU或發話)的行動細胞涵蓋範圍內選擇與道路之間適當距離，可對應至道路上某個位置點。第十三圖是根據本揭露一實施例，說明一種發生事件之細胞與道路對應的方法。
參考第十三圖，首先，此方法由GIS可得知指定道路之沿線的GPS座標，並且設定在指定道路上的細胞(Cells)群(步驟1310)；然後，以一定位法決定發生事件之每一行動細胞的一道路位置點(步驟1320)；再將此道路位置點的座標資訊存入一資料庫，並且結合GIS來計算兩行動細胞之間的距離(步驟1330)。此定位法例如可採用指向性定位法、垂直距離定位法、細胞邊緣定位法、多細胞中心定位法、GPS路測定位法、訊號強度定位法等，但不以此為限。指向性定位法是採用行動細胞方位角對應的道路位置點；垂直距離定位法是採用基地台對應至道路最短距離的道路位置點；細胞邊緣定位法是採用行動細胞涵蓋範圍邊緣對應的道路位置點；多細胞中心定位法是推估至少一個細胞的中心點後，再取中心點對應至道路最短距離的道路位置點；GPS路測定位法是經由多次路測結果可得到發生跨區域事件的道路GPS座標位置點；訊號強度定位法是經由多次路測結果可得到訊號強度變換的位置點做為事件發生的位置。
以指向性定位法為例，可先由一行動基地台資料庫找出每一細胞的位置與天線方位角，再找出每一細胞沿著方位角與道路直線交點的GPS座標做為對應的道路位置點。如第十四圖的範例所示，標號1410所示為一基地台的一細胞的位置，此細胞沿著天線方位角與指定道路直線1420之交點1430的GPS座標即為對應發生LAU或通話事件之實際道路的位置。
根據前述方法之資料分析與演算結果，本揭露實施例的交通資訊估計方法還可提供媒體發佈介面(如網站或導航業者)發佈跨區域位置更新交界區路段的交通資訊如車速資訊(例如，限定道路區域的車速)、旅行時間資訊與道路擁塞與否等。
承上述，根據本揭露一實施例，第十五圖提供一種結合跨區域位置更新與通話之交通資訊估計系統。如第十五圖所示，交通資訊估計系統1500包含一樣本擷取分析裝置1502、以及一計算裝置1504。樣本擷取分析裝置1502被配置來關聯至少一行動用戶跨區域移動和通話的樣本資料。計算裝置1504根據此樣本資料，決定發生至少一次的LAU事件、以及至少一次的通話的CA或CC事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多條指定道路的交通資訊。樣本擷取分析裝置1502例如可經由樣本資料系統1510中的一發話/受話(MO/MT)細胞資訊資料庫1512來篩選此至少一行動用戶的資料，以取得該至少一行動用戶發生的LAU事件與前後發話事件。計算裝置1504例如是由具有估算功能的硬體電路所形成的裝置、或是硬體處理器、或是計算機等硬體設備，但不僅限於這些硬體設備。
發話/受話(MO/MT)細胞資訊資料庫1512是透過如樣本資料系統1510中的一行動訊務擷取模組1514蒐集到的行動用戶資料(例如，基地台資訊1514a、受測道路 GIS資訊1514b、行動位置更新訊務歷史資料1514c、MO/MT訊務歷史資料1514d等)後，自動化學習建立一或多條跨區域位置更新欲發布交通資訊之指定道路的MO/MT細胞資訊資料庫，以建立及儲存此一或多條指定道路之至少一種行動網路(例如2G或3G等行動網路)之跨區域位置更新細胞群組的歷史資料，以及建立及儲存此一或多條指定道路之前後指定區域的發話/受話細胞的歷史資料，並做為後續資料篩選與過濾之用。此一或多條指定道路之至少一種行動網路之跨區域位置更新細胞群組的歷史資料，以及此一或多條指定道路之前後指定區域的發話/受話細胞的歷史資料可於離線時建立於後端的樣本資料系統1510中。
交通資訊估計系統1500還可包括常駐用戶過濾模組1506，來判斷此至少一行動用戶中是否存在至少一常駐用戶，再過濾該至少一常駐用戶的樣本資料，以取得一有效樣本集合1506a。其細節如前述所載。
計算裝置1504也可將常駐用戶過濾模組1506過濾後的有效樣本集合1506a再透過一或多次的篩選樣本法(可採用的篩選樣本法如之前所述)來篩選有效樣本，並融合不同行動網路間(2G和3G網路)資料來估計交通資訊，如道路車速與道路區段的旅行時間。如前述所載，透過上述之位置更新門檻值與交界區道路前後的CA+CC門檻值，及比對有效樣本也可偵測出道路擁塞與 否。計算裝置1504也可提供如媒體發佈介面1508來發佈這些估計出的跨區域位置更新交界區路段的交通資訊。
計算裝置1504也可藉由預設及調整過濾參數與取樣參數來計算道路車速與道路區段的旅行時間。過濾參數例如是道路速限，其代表的意義為推估合理的最短與最長的旅行時間，來做為過濾的條件。取樣參數例如是樣本取樣百分比，其代表的意義為依定義的取樣百分比來取出合適的樣本，來計算道路區段的旅行時間。預設及調整過濾參數與取樣參數的流程的範例如下說明。可先預設過濾參數與取樣參數來計算道路區段的旅行時間；然後，調整過濾參數與取樣參數，並計算道路區段的旅行時間；再比較調整前與調整後的旅行時間；依此，重新調整參數，直到參數調整完成時，設定最佳的參數。道路速限可調整的範圍例如，最快速限為每小時40~80公里，最慢速限為每小時5~30公里；樣本取樣百分比可調整的範圍例如10%~50%。
綜上所述，本揭露實施例提供一種結合跨區域位置更新與通話之交通資訊估計方法與系統。其技術透過行動網路信令擷取分析設備，蒐集行動電話與行動網路系統之間傳遞的信令，包含通話與區域更新(LAU)等事件，將LAU事件和前後任一發話(MO)、受話(MT)或通話結束事件之所在細胞(Cell；經緯度)進行道路對應和關 聯，來計算道路區段的交通資訊，如車速(行動網路區域交界和區域內任一道路定點位置間)、壅塞推估和道路區段的旅行時間等。
以上所述者僅為本揭露實施例，當不能依此限定本揭露實施之範圍。即大凡本發明申請專利範圍所作之均等變化與修飾，皆應仍屬本發明專利涵蓋之範圍。
LA0、LA1、LA2‧‧‧位置區域
t0、t1、t2‧‧‧時間
L1、L2‧‧‧位置
CA‧‧‧通話抵達
CC‧‧‧通話結束
LAU‧‧‧區域位置更新
2G‧‧‧第二代移動通信技術
3G‧‧‧第三代移動通信技術
VD‧‧‧車輛偵測器實際偵測到的速度
NLU‧‧‧LAU事件的次數
CACC_NLU前‧‧‧LAU事件發生前的CA事件+CC事件的次數
CACC_NLU後‧‧‧LAU事件發生後的CA事件+CC事件的次數
1110‧‧‧藉由一樣本擷取分析裝置，關聯至少一行動用戶跨區域移動和通話的樣本資料，此樣本資料至少包括該至少一行動用戶發生的至少一次的LAU事件、以及至少一次的通話的CA或CC事件
1120‧‧‧根據此樣本資料，藉由一計算裝置，來決定發生此至少一次 的LAU事件、以及此至少一次的通話的CA或CC事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多條指定道路的交通資訊
1210‧‧‧指定一或多條道路之至少一種行動網路交界區域的細胞群組
1220‧‧‧鎖定此一或多條指定道路上之至少一指定區域的細胞群組，並收集有行動用戶發生CA或CC事件以做為一可能樣本集合
1230‧‧‧鎖定此可能樣本集合中每一可能樣本的行動用戶，於指定道路上發生LAU事件以做為一可計算樣本集合；其中LAU事件與CA/CC事件沒有前後順序之限制
1240‧‧‧計算此可計算樣本集合中每一可計算樣本的行動用戶所在的車輛，其被估計的車速是否在指定道路上預設的一範圍內以過濾出一有效樣本集合
1250‧‧‧根據此有效樣本集合，自動地推估此一或多條指定道路上的交通資訊
1310‧‧‧由GIS可得知指定道路之沿線的GPS座標，並且設定在指定道路上的細胞群
1320‧‧‧以一定位法決定發生事件之行動細胞的道路位置點
1330‧‧‧將道路位置點的座標資訊存入一資料庫，並且結合GIS來計算兩行動細胞之間的距離
1410‧‧‧一細胞的位置
1420‧‧‧指定道路直線
1430‧‧‧天線方位角與指定道路直線之交點
1500‧‧‧交通資訊估計系統
1510‧‧‧樣本資料系統
1502‧‧‧樣本擷取分析裝置
1504‧‧‧計算裝置
1506‧‧‧常駐用戶過濾模組
1506a‧‧‧有效樣本集合
1508‧‧‧媒體發佈介面
1512‧‧‧發話/受話細胞資訊資料庫
1514‧‧‧行動訊務擷取模組
1514a‧‧‧基地台資訊
1514b‧‧‧受測道路GIS資訊
1514c‧‧‧行動位置更新訊務歷史資料
1514d‧‧‧MO/MT訊務歷史資料
第一圖是利用行動裝置撥/接電話發生兩次交遞來估算車速的一範例示意圖。
第二圖是利用行動裝置發生兩次位置更新來估算車速的一範例示意圖。
第三圖是根據本揭露一實施例，說明利用至少一次LAU事件及CA事件或CC事件來進行樣本關聯。
第四圖是根據本揭露一實施例，說明行動裝置先發生CA事件後，再發生LAU事件的車速估算方式。
第五圖是根據本揭露一實施例，說明行動裝置先發生CC後事件後，再發生LAU事件的車速估算方式。
第六圖是根據本揭露一實施例，說明行動裝置先發生LAU事件後，再發生CA事件的車速估算方式。
第七圖是根據本揭露一實施例，說明行動裝置先發生LAU事件後，再發生CC事件的車速估算方式。
第八圖是根據本揭露一實施例，說明道路擁塞判斷的實作範例。
第九圖是將第八圖之實作範例中CA及CC事件的統計次數與車輛偵測器實際偵測到的速度進行比較。
第十圖是將第八圖之實作範例中LAU事件的統計次數與車輛偵測器實際偵測到的速度進行比較。
第十一圖是根據本揭露一實施例，說明一種結合跨區域位置更新與通話之交通資訊估計方法。
第十二圖是根據本揭露一實施例，說明如何利用一次LAU事件及CA或CC事件來進行樣本關聯。
第十三圖是根據本揭露一實施例，說明一種發生事件之細胞Cell與道路對應的方法。
第十四圖是以一範例說明發生事件的一行動細胞與所對應的道路位置點。
第十五圖是根據本揭露一實施例，說明一種結合跨區域位置更新與通話之交通資訊估計系統。
1110‧‧‧藉由一樣本擷取分析裝置，關聯至少一行動用戶跨區域移動和通話的樣本資料，此樣本資料至少包括該至少一行動用戶發生的至少一次的LAU事件、以及至少一次的通話的CA或CC事件
1120‧‧‧根據此樣本資料，藉由一計算裝置，來決定發生此至少一次的LAU事件、以及此至少一次的通話的CA或CC事件的位置與時間資訊，並根據此位置與時間資訊來估計一或多條指定道路的交通資訊

Claims (20)

  1. 一種結合跨區域位置更新與通話之交通資訊估計方法，執行於一交通資訊估計系統，該方法包含：藉由一樣本擷取分析裝置，關聯至少一行動用戶跨區域移動和通話的樣本資料，該樣本資料至少包括該至少一行動用戶發生的至少一次的跨區域位置更新(LAU)事件、以及至少一次的通話的通話抵達(CA)或通話結束(CC)事件；以及根據該樣本資料，藉由一計算裝置，來決定發生該至少一次的LAU事件、以及該至少一次的通話的CA或CC事件的位置與時間資訊，並根據該位置與時間資訊來估計一或多條指定道路的交通資訊。
  2. 如申請專利範圍第1項所述之方法，其中該樣本擷取分析裝置利用一發話/受話細胞資訊資料庫來篩選該至少一行動用戶的資料，以取得該至少一行動用戶的該至少一次的LAU事件與前或後的發話事件。
  3. 如申請專利範圍第2項所述之方法，其中該方法利用該發話/受話細胞資訊資料庫來建立該一或多條指定道路之至少一種行動網路之跨區域位置更新細胞群組的歷史資料，以及建立該一或多條指定道路之前後指定區域的發話/受話細胞的歷史資料。
  4. 如申請專利範圍第1項所述之方法，其中該交通資訊是該一或多條指定道路之前後指定區域的道路車速、旅行時間、以及道路壅塞與否的資訊，或是前述資訊的任意組合。
  5. 如申請專利範圍第1項所述之方法，其中方法還利用一常駐用戶過濾模組，來判斷該至少一行動用戶中是否存在至少一常駐用戶，再過濾該至少一常駐用戶的樣本資料，以取得一有效樣本集合。
  6. 如申請專利範圍第1項所述之方法，其中該方法利用至少一次的LAU事件、以及至少一次的通話的CA或CC事件，來進行樣本關聯，並且，透過所記錄發生事件的細胞來進行道路對應。
  7. 如申請專利範圍第6項所述之方法，其中該道路對應為在該所記錄發生事件的行動細胞涵蓋範圍內，選擇與一指定道路之間的一適當距離，以對應至該指定道路上的一個位置點。
  8. 如申請專利範圍第7項所述之方法，其中該進行道路對應還包括：由一地理資訊系統得知該指定道路之沿線的座標，並且設定在該指定道路上的一細胞群；以及以一定位法決定該所記錄發生事件之每一行動細胞的一道路位置點。
  9. 如申請專利範圍第1項所述之方法，其中該方法利用至該至少一次的LAU事件、以及該至少一次的通話的CA或CC事件，來進行道路壅塞的判斷；以及其中當發生LAU事件的次數超過一第一門檻值，而且在跨位置區域交界區前或後發生的CA及CC事件的次數也超過一第二門檻值時，則發佈道路塞車警訊。
  10. 如申請專利範圍第1項所述之方法，其中該方法還包括： 指定該一或多條指定道路之至少一種行動網路交界區域的細胞群組；鎖定該一或多條指定道路上之至少一指定區域的細胞群組，並收集該至少一行動用戶發生CA或CC事件以做為一可能樣本集合；以及鎖定該可能樣本集合中每一可能樣本的行動用戶，於該一或多條指定道路上發生LAU事件以做為一可計算樣本集合；其中LAU事件與CA/CC事件沒有前後順序之限制。
  11. 如申請專利範圍第10項所述之方法，其中該方法還包括：根據該可計算樣本集合中每一可計算樣本的行動用戶所在車輛的車速來過濾出一有效樣本集合；以及利用該有效樣本集合來推估該一或多條指定道路上的交通資訊。
  12. 如申請專利範圍第1項所述之方法，其中該至少一次的LAU事件發生於該至少一次的通話的CA或CC事件之前或之後。
  13. 如申請專利範圍第4項所述之方法，其中該方法還包括：藉由預設及調整至少一過濾參數與至少一取樣參數來計算道路車速與道路區段的旅行時間、以及判斷道路壅塞與否。
  14. 一種結合跨區域位置更新與通話之交通資訊估計系統，包含：一樣本擷取分析裝置，被配置來關聯至少一行動用戶跨區域移動和通話的樣本資料；以及 一計算裝置，根據該樣本資料，決定發生至少一次的跨區域位置更新(LAU)事件、以及至少一次的通話的CA或CC事件的位置與時間資訊，並根據該位置與時間資訊來估計一或多條指定道路的交通資訊。
  15. 如申請專利範圍第14項所述之系統，其中該樣本擷取分析裝置經由一發話/受話細胞資訊資料庫，篩選該至少一行動用戶的資料，以取得該至少一行動用戶發生的LAU事件與發生在LAU事件之前或後的發話事件。
  16. 如申請專利範圍第14項所述之系統，其中該發話/受話細胞資訊資料庫儲存一或多條指定道路之至少一種行動網路之跨區域位置更新細胞群組的歷史資料，以及該一或多條指定道路之前後指定區域的發話/受話細胞的歷史資料。
  17. 如申請專利範圍第15項所述之系統，其中該系統還包括一常駐用戶過濾模組，來判斷該至少一行動用戶中是否存在至少一常駐用戶，再過濾該至少一常駐用戶的樣本資料，以取得一有效樣本集合。
  18. 如申請專利範圍第17項所述之系統，其中該計算裝置將該常駐用戶過濾模組過濾後的該有效樣本集合再透過一或多次的篩選樣本法來篩選有效樣本，並融合不同行動網路間資料來估計交通資訊。
  19. 如申請專利範圍第14項所述之系統，其中該交通資訊包含道路車速、道路區段的旅行時間、以及道路壅塞與否，或前述交通資訊的其中一或多種組合。
  20. 如申請專利範圍第19項所述之系統，其中該計算裝置 藉由預設及調整至少一過濾參數與至少一取樣參數來計算道路車速與道路區段的旅行時間、以及判斷道路壅塞與否。
TW101124681A 2012-07-09 2012-07-09 結合跨區域位置更新與通話之交通資訊估計方法與系統 TWI485665B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW101124681A TWI485665B (zh) 2012-07-09 2012-07-09 結合跨區域位置更新與通話之交通資訊估計方法與系統
CN201210258022.9A CN103544837B (zh) 2012-07-09 2012-07-24 结合跨区域位置更新与通话的交通信息估计方法与系统
US13/559,610 US8788185B2 (en) 2012-07-09 2012-07-27 Method and system for estimating traffic information by using integration of location update events and call events

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW101124681A TWI485665B (zh) 2012-07-09 2012-07-09 結合跨區域位置更新與通話之交通資訊估計方法與系統

Publications (2)

Publication Number Publication Date
TW201403552A true TW201403552A (zh) 2014-01-16
TWI485665B TWI485665B (zh) 2015-05-21

Family

ID=49878888

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101124681A TWI485665B (zh) 2012-07-09 2012-07-09 結合跨區域位置更新與通話之交通資訊估計方法與系統

Country Status (3)

Country Link
US (1) US8788185B2 (zh)
CN (1) CN103544837B (zh)
TW (1) TWI485665B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI573107B (zh) * 2015-02-16 2017-03-01 Chunghwa Telecom Co Ltd Estimation of Tourist Traffic Information Based on Mobile Network Signaling

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105723242B (zh) * 2014-08-26 2018-07-03 微软技术许可有限责任公司 测量路网中的交通速度
CN105530653B (zh) * 2014-09-28 2019-04-12 国际商业机器公司 确定道路沿线的通信网络的覆盖空洞的方法和装置
CN104837116B (zh) * 2015-05-11 2019-06-11 广州杰赛科技股份有限公司 用户出行数据检测方法和系统
US9723441B2 (en) * 2015-10-06 2017-08-01 International Business Machines Corporation Location based on call detail record
US9854396B2 (en) * 2015-11-23 2017-12-26 Sap Portals Israel Ltd. Monitoring movement transitions via cellular network data
CN106372759B (zh) * 2016-09-23 2019-07-16 浙江万里学院 基于最佳应急网点选择的应急物流监控方法
JP6985847B2 (ja) * 2017-08-15 2021-12-22 株式会社Subaru 渋滞特定装置
CN109996278B (zh) * 2017-12-30 2022-08-23 中国移动通信集团四川有限公司 道路网络质量评估方法、装置、设备及介质
EP3644580A1 (en) * 2018-10-25 2020-04-29 Kido Dynamics SA Human mobility measuring method
EP3940619A4 (en) * 2019-03-13 2022-07-06 Switch Smile Co., Ltd. DEVICE, PROGRAM AND SYSTEM FOR PROVIDING POINT SERVICES
CN113313145B (zh) * 2021-05-10 2024-03-15 东南大学 一种基于混合核相关向量机的快速道路交通事件检测方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5465289A (en) * 1993-03-05 1995-11-07 E-Systems, Inc. Cellular based traffic sensor system
US6052598A (en) * 1997-09-30 2000-04-18 At&T Corp Method for predicting the location of a mobile station in a mobile communications network
US6782264B2 (en) * 1999-01-08 2004-08-24 Trueposition, Inc. Monitoring of call information in a wireless location system
IL137123A (en) 2000-07-02 2009-07-20 Ofer Avni Method for monitoring cellular communications and system therefor
ATE402464T1 (de) * 2001-09-13 2008-08-15 Airsage Inc System und verfahren zur bereitstelung von verkehrsinformationen unter verwendung von betriebsdaten eines drahtlosen netzwerks
FI114832B (fi) * 2001-11-05 2004-12-31 Elisa Matkapuhelinpalvelut Oy Menetelmä ja järjestelmä liikennetiedon keräämiseksi
US6985747B2 (en) * 2003-02-05 2006-01-10 Autodesk, Inc. Use of triggers and a location hypercube to enable push-based location applications
JP2006285567A (ja) * 2005-03-31 2006-10-19 Hitachi Ltd プローブ交通情報のデータ処理システム、プローブ交通情報のデータ処理装置、およびプローブ交通情報のデータ処理方法
EP1966779B1 (en) * 2005-12-30 2013-08-07 Telecom Italia S.p.A. System and related method for road traffic monitoring
US20080242315A1 (en) * 2007-03-27 2008-10-02 Gm Global Technology Operations, Inc. Traffic data collection utilizing a cellular communication network and probe units
KR100868044B1 (ko) * 2007-07-04 2008-11-10 주식회사 케이티프리텔 교통량 분석 방법 및 장치
CN101510357B (zh) * 2009-03-26 2011-05-11 美慧信息科技（上海）有限公司 一种基于手机信号数据检测交通状态的方法
US8494496B2 (en) 2009-11-13 2013-07-23 At&T Mobility Ii Llc System and method for using cellular network components to derive traffic information
CN101794516B (zh) * 2009-12-25 2011-11-23 北京工业大学 基于手机信息的路段速度计算方法
EP2367161A1 (en) * 2010-03-18 2011-09-21 Alcatel Lucent A sensor, and a method of a sensor detecting a user terminal that is in idle mode connected to a base station
US8559976B2 (en) * 2010-11-09 2013-10-15 Ntt Docomo, Inc. System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network
CN102496280B (zh) * 2011-12-13 2014-04-23 北京航空航天大学 一种路况信息实时获取方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI573107B (zh) * 2015-02-16 2017-03-01 Chunghwa Telecom Co Ltd Estimation of Tourist Traffic Information Based on Mobile Network Signaling

Also Published As

Publication number Publication date
TWI485665B (zh) 2015-05-21
US8788185B2 (en) 2014-07-22
CN103544837B (zh) 2017-03-01
CN103544837A (zh) 2014-01-29
US20140011484A1 (en) 2014-01-09

Similar Documents

Publication Publication Date Title
TWI485665B (zh) 結合跨區域位置更新與通話之交通資訊估計方法與系統
Calabrese et al. Real-time urban monitoring using cell phones: A case study in Rome
CN102262819B (zh) 基于移动通信网络确定道路的实时通行时间的方法和装置
US9019077B2 (en) System and method for predicting future meetings of wireless users
EP3132592B1 (en) Method and system for identifying significant locations through data obtainable from a telecommunication network
Mazaré et al. Trade-offs between inductive loops and GPS probe vehicles for travel time estimation: A Mobile Century case study
EP2608181B1 (en) Method for detecting traffic
EP3815073B1 (en) Method and system for traffic analysis
CN107305734B (zh) 一种实时交通信息的采集方法和装置
JP5058176B2 (ja) 道路交通監視システム及び関連方法
Thajchayapong et al. Enhanced detection of road traffic congestion areas using cell dwell times
Valerio et al. Road traffic estimation from cellular network monitoring: a hands-on investigation
CN106920389B (zh) 一种基于用户电信行为的交通状况控制方法及系统
TWI490453B (zh) Method and system of traffic information estimation using action user signaling
Semanjski et al. Sensing human activity for smart cities’ mobility management
TWI509580B (zh) Road traffic information estimation system and its method using action internet signaling
Yuan et al. Map matching of mobile probes based on handover location technology
Wepulanon et al. Pedestrian facility usage monitoring using multiple sources of data
TWI569225B (zh) A Method of Estimating Traffic Information Based on Multiple Regression Model of Mobile Network Signaling
Ryu et al. Analysis of movement and stay pattern using LTE signal: Focusing on changes of traffic conditions by day and time in Seoul city
EP4324263A1 (en) Method for characterization of paths travelled by mobile user terminals
WO2015128855A1 (en) Method and system for road traffic data collection
Yuan et al. Using cellular network for inner-suburban freeway traffic monitoring
Lovisolo et al. Real-Time Urban Monitoring Using Cellular Phones: a Case-Study in Rome
Wideberg et al. Deriving traffic data from a cellular network