CN103544837B - 结合跨区域位置更新与通话的交通信息估计方法与*** - Google Patents

结合跨区域位置更新与通话的交通信息估计方法与*** Download PDF

Info

Publication number
CN103544837B
CN103544837B CN201210258022.9A CN201210258022A CN103544837B CN 103544837 B CN103544837 B CN 103544837B CN 201210258022 A CN201210258022 A CN 201210258022A CN 103544837 B CN103544837 B CN 103544837B
Authority
CN
China
Prior art keywords
event
road
sample
lau
call
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
Application number
CN201210258022.9A
Other languages
English (en)
Other versions
CN103544837A (zh
Inventor
颜胜盈
黄智彦
郑雅云
陈建翔
贾仲雍
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.)
Industrial Technology Research Institute ITRI
Chunghwa Telecom Co Ltd
Original Assignee
Industrial Technology Research Institute ITRI
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 Industrial Technology Research Institute ITRI, Chunghwa Telecom Co Ltd filed Critical Industrial Technology Research Institute ITRI
Publication of CN103544837A publication Critical patent/CN103544837A/zh
Application granted granted Critical
Publication of CN103544837B publication Critical patent/CN103544837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种结合跨区域位置更新(LAU)与通话的交通信息估计方法与***，是通过一样本撷取分析装置来关联至少一移动用户的跨区域移动和通话的样本数据，此样本数据至少包括该至少一移动用户发生的至少一次的LAU事件、以及至少一次的通话的通话抵达(CA)或通话结束(CC)事件;并且根据此样本数据，通过一计算装置来决定发生此至少一次的LAU事件、以及此至少一次的通话的CA或CC事件的位置与时间信息，并根据此位置与时间信息来估计一或多条指定道路的交通信息。

Description

结合跨区域位置更新与通话的交通信息估计方法与***
技术领域
本发明是关于一种结合跨区域位置更新(location update)与通话(call)的交通信息估计方法与***。
背景技术
以往，交通信息的取得需依靠各地方警民主动通报、部分具有全球定位***的探侦车(GPS-Based Vehicle Probe，GVP)以及固定式车辆检测器(Vehicle Detector，VD)等装置回馈的交通信息。近年来，交通领域所进行的相关研究与应用***运用不同搜集方式及技术如车辆检测器、GVP、采用电子道路收费***(Electronic Toll Collection，ETC)为基础的车辆探侦(ETC-Based Vehicle Probe，EVP)、以及手机基站为基础的车辆探侦(Cellular-Based Vehicle Probe，CVP)等技术来进行车辆交通参数数据的检测。
移动用户拥有移动空间度和时间度的优点。现有的CVP交通信息搜集技术是以移动手机作为交通信息侦探工具，来搜集移动电话与网络***间传递的信令，并且大多利用用路人拨/接电话发生交递(handover)与位置更新等事件间的位置与时间差来推估道路车速。图1是利用移动装置拨/接电话发生两次交递来估算车速的一范例示意图，其中，移动装置在时间t0时开始拨/接电话，在时间t1时的位置L1上发生一次交递，并且在时间t2时的位置L2上发生另一次交递，车速估算为(L2-L1)/(t2-t1)。图2是利用移动装置发生两次位置更新来估算车速的一范例示意图，其中，移动装置从位置区域LA0开始移动，在时间t1时的位置L1上发生一次位置区域间(inter-LA)位置更新，并且在时间t2时的位置L2上发生另一次位置区域间位置更新，车速估算为(L2-L1)/(t2-t1)。
在现有技术中，例如，预先以车辆搭载GPS与移动通讯模块进行路测、学习记录通话交递发生位置信息、以及决定两交递地点之间的行车距离，并且仅以移动电话发生交递的基站地理位置来推估道路车速。另外例如，收集用户于两位置区域(Location Area，LA)发生位置更新的移动通讯信令，并且仅以移动电话发生位置更新的基站地理位置来推估车速。
在现有技术中，例如从全球移动通讯***网络中撷取A/Abis接口信号，利用分析位置区域更新的移动通讯信令，并结合数据探勘的方式来推估终端使用者的交通信息的技术。现有技术中，另有基于3G移动通讯网络信号的交通信息的技术，此技术利用正常位置更新(Normal Location Updates，NLU)并利用被选择的交递(Selected Handovers，SHO)来计算取得道路车速。
上述技术的交通信息的取得可能会产生交通信息量的不稳定，例如是通过两次交递取得的有效样本太少、或是通过两次位置区域更新其样本数间隔时间太长。并且，也可能造成车辆检测器布建与维运成本高。
因此，如何在现有的交通信息搜集制度下，利用交通信息搜集涵盖面最大的技术，来提供用路人最精确的交通信息数据，以达到建置一个行车优质环境是一个很重要的议题。
发明内容
本发明实施例可提供一种结合跨区域位置更新与通话的交通信息估计方法与***。
所揭露的一实施例是关于一种结合跨区域位置更新与通话的交通信息估计方法，执行于一交通信息估计***。此方法可包含:通过一样本撷取分析装置(sample capturingand analyzing device)，关联至少一移动用户跨区域移动和通话的样本数据，此样本数据至少包括该至少一移动用户发生的至少一次的跨区域位置更新(LAU)事件、以及至少一次的通话的CA或CC事件;以及根据此样本数据，通过一计算装置，来决定发生此至少一次的LAU事件、以及此至少一次的通话的通话抵达(CallArrival，CA)或通话结束(CallCompletion，CC)事件的位置与时间信息，并根据此位置与时间信息来估计一或多个指定区域的交通信息。
所揭露的另一实施例是关于一种结合跨区域位置更新与通话的交通信息估计***。此***可包含一样本撷取分析装置、以及一计算装置。此样本撷取分析装置被配置来关联至少一移动用户跨区域移动和通话的样本数据。此计算装置根据此样本数据，决定发生至少一次的LAU事件、以及至少一次的通话的CA或CC事件的位置与时间信息，并根据此位置与时间信息来估计一或多条指定道路的交通信息。
兹配合下列图示、实施例的详细说明及申请专利范围，将上述及本发明的其它优点详述于后。
附图说明
图1是利用移动装置拨/接电话发生两次交递来估算车速的一范例示意图。
图2是利用移动装置发生两次位置更新来估算车速的一范例示意图。
图3是根据本发明一实施例，说明利用至少一次LAU事件及CA事件或CC事件来进行样本关联。
图4是根据本发明一实施例，说明移动装置先发生CA事件后，再发生LAU事件的车速估算方式。
图5是根据本发明一实施例，说明移动装置先发生CC后事件后，再发生LAU事件的车速估算方式。
图6是根据本发明一实施例，说明移动装置先发生LAU事件后，再发生CA事件的车速估算方式。
图7是根据本发明一实施例，说明移动装置先发生LAU事件后，再发生CC事件的车速估算方式。
图8是根据本发明一实施例，说明道路拥塞判断的实作范例。
图9是将图8的实作范例中CA及CC事件的统计次数与车辆检测器实际检测到的速度进行比较。
图10是将图8的实作范例中LAU事件的统计次数与车辆检测器实际检测到的速度进行比较。
图11是根据本发明一实施例，说明一种结合跨区域位置更新与通话的交通信息估计方法。
图12是根据本发明一实施例，说明如何利用一次LAU事件及CA或CC事件来进行样本关联。
图13是根据本发明一实施例，说明一种发生事件的小区Cell与道路对应的方法。
图14是以一范例说明发生事件的一移动小区与所对应的道路位置点。
图15是根据本发明一实施例，说明一种结合跨区域位置更新与通话的交通信息估计***。
[主要元件标号说明]
LA0、LA1、LA2位置区域 t0、t1、t2时间
L1、L2位置
CA通话抵达 CC通话结束
LAU区域位置更新
2G第二代移动通信技术 3G第三代移动通信技术
VD车辆检测器实际检测到的速度
NLU LAU事件的次数
CACC_NLU前LAU事件发生前的CA事件+CC事件的次数
CACC_NLU后LAU事件发生后的CA事件+CC事件的次数
1110通过一样本撷取分析装置，关联至少一移动用户跨区域移动和通话的样本数据，此样本数据至少包括该至少一移动用户发生的至少一次的LAU事件、以及至少一次的通话的CA或CC事件
1120根据此样本数据，通过一计算装置，来决定发生此至少一次的LAU事件、以及此至少一次的通话的CA或CC事件的位置与时间信息，并根据此位置与时间信息来估计一或多条指定道路的交通信息
1210指定一或多条道路的至少一种移动网络交界区域的小区群组
1220锁定此一或多条指定道路上的至少一指定区域的小区群组，并收集有移动用户发生CA或CC事件以作为一可能样本集合
1230锁定此可能样本集合中每一可能样本的移动用户，于指定道路上发生LAU事件以作为一可计算样本集合;其中LAU事件与CA/CC事件没有前后顺序的限制
1240计算此可计算样本集合中每一可计算样本的移动用户所在的车辆，其被估计的车速是否在指定道路上预设的一范围内以过滤出一有效样本集合
1250根据此有效样本集合，自动地推估此一或多条指定道路上的交通信息
1310由GIS可得知指定道路的沿线的GPS坐标，并且设定在指定道路上的小区群
1320以一定位法决定发生事件的移动小区的道路位置点
1330将道路位置点的坐标信息存入一数据库，并且结合GIS来计算两移动小区之间的距离
1410一小区的位置 1420指定道路直线
1430天线方位角与指定道路直线的交点
1500交通信息估计*** 1510样本数据***
1502样本撷取分析装置 1504计算装置
1506常驻用户过滤模块 1506a有效样本集合
1508媒体发布界面
1512发话/受话小区信息数据库
1514移动讯务撷取模块 1514a基站信息
1514b受测道路GIS信息
1514c移动位置更新讯务历史数据
1514d MO/MT讯务历史数据
具体实施方式
本发明实施例的交通信息估计技术是通过信令(signaling)撷取分析设备，搜集移动用户与移动网络之间传递的信令，包含如通话与区域位置更新，将区域位置更新(LAU)事件和先后任一通话的通话抵达(Call Arrival，CA)(如发话(Mobile Originated，MO)事件、受话(Mobile Terminated，MT)事件)、或通话结束(Call Completion，CC)等事件的所在小区(Cell，经纬度)进行道路对应和关联，来增加有效样本数(number of validsamples)，并自动地推估道路区段的交通信息。也就是说，此技术结合通话事件与LAU事件中所记录的基站地理位置与事件发生时间来推估交通信息，如道路区段的车速(在移动网络区域交界、以及在区域内任一道路定点位置间)与道路是否拥塞等，更利用推估的道路车速来估算如道路区段旅行时间等信息。
通话与LAU是网络信令最多两种事件。通话可包含三种事件。移动用户开始通话时，便产生通话抵达(CA)事件，移动网络端会记录CA事件的发生时间与基站相关信息；移动用户在通话中跨越基站通讯范围时，便产生交递(Handover)事件，移动网络端会记录交递事件的发生时间与基站相关信息；移动用户结束通话时，便产生通话结束(CC)事件，移动网络端会记录CC事件的发生时间与基站相关信息。
当移动用户由一位置区域LA1移动至另一位置区域LA2时，移动装置如手机等会通过区域位置更新程序通知移动网络端，移动网络端会记录区域位置更新事件发生的时间与移动用户由LA1移动至LA2的顺序。本发明实施例可利用至少一次LAU事件及发话/受话的通话抵达(CA)事件或通话结束(CC)事件来进行样本关联，以增加有效样本数;并且，通过所记录发生事件的小区(Cell)(进行道路对应)与发生时间，来筛选关联样本，以提高交通信息推广应用的道路范围和可用度。
如图3的范例所示，在时间t1时，移动网络端会记录移动用户发生LAU事件，即，由位置区域LA1移动至位置区域LA2，在时间t2时，移动网络端也会记录移动用户在LA2范围发生的CA或CC事件。本发明实施例并且使用这些记录的有效样本的信息来进行如移动装置的移动速度、道路车速、道路壅塞、以及道路区段的旅行时间等交通信息的估计。本发明实施例根据移动用户发生通话事件与LAU事件的顺序，提供几种交通信息估算方式。
图4是根据本发明一实施例，说明移动装置先发生CA事件后，再发生LAU事件的车速估算方式。如图4所示，当移动用户在LA1范围内发生一CA事件，且于LA1范围内通话结束，接着移动用户由LA1移动至LA2发生一LAU事件，则可通过一信令撷取分析设备来撷取此CA事件与此LAU事件各自发生的时间与地理位置，并且通过此两事件发生的时间(例如t1及t2)与地理位置(例如L1及L2)，算出距离(例如L2-L1)与时间差(例如t2-t1)，并利用距离除以时间差来算出此移动用户的移动速度，进而估算出此移动用户所在的车辆的速度。同时，也可通过如设定的过滤参数，来筛选原始样本，利用如道路速限过滤法(例如删除超过道路速限的样本)，可取得有效样本，再通过设定的取样参数调整，来取得例如前50%的有效样本;通过此有效信息可推估道路区段(例如L1及L2间)的平均车速和平均旅行时间(将道路区段距离除以每一推估车速后，再平均即可得)等交通信息。
图5是根据本发明一实施例，说明移动装置先发生CC后事件后，再发生LAU事件的车速估算方式。如图5所示，当移动用户在LA1范围内发一CC事件，接着移动用户由LA1移动至LA2发生一LAU事件时，同样地，可通过信令撷取分析设备来撷取此CC事件与此LAU事件各自发生的时间与地理位置，并且藉此算出此移动用户的移动速度，进而估算出此移动用户所在的车辆的速度。同时，也可通过如设定的过滤参数，来筛选原始样本，利用如道路速限过滤法(例如删除超过道路速限的样本)，可取得有效样本，再通过设定的取样参数调整，来取得例如前50%的有效样本;通过此有效信息可推估道路区段(例如L1及L2间)的平均车速和平均旅行时间(将道路区段距离除以每一推估车速后，再平均即可得)等交通信息。
图6是根据本发明一实施例，说明移动装置先发生LAU事件后，再发生CA事件的车速估算方式。如图6所示，当移动用户由LA1移动至LA2时，发生一LAU事件，接着移动用户在LA2范围内发一CA事件，同样地，可撷取此LAU事件与此CA事件各自发生的时间与地理位置，并且藉此算出此移动用户的移动速度，进而估算出此移动用户所在的车辆的速度。同时，也可通过如设定的过滤参数，来筛选原始样本，利用如道路速限过滤法(例如删除超过道路速限的样本)，可取得有效样本，再通过设定的取样参数调整，来取得例如前50%的有效样本;通过此有效信息可推估道路区段(例如L1及L2间)的平均车速和平均旅行时间(将道路区段距离除以每一推估车速后，再平均即可得)等交通信息。
图7是根据本发明一实施例，说明移动装置先发生LAU事件后，再发生CC事件的车速估算方式。如图7所示，当移动用户由LA1移动至LA2发生LAU事件，接着移动用户在LA2范围内发CC事件时，同样地，可撷取此LAU事件与此CC事件各自发生的时间与地理位置，并且藉此算出此移动用户的移动速度，进而估算出此移动用户所在的车辆的速度。同时，也可通过如设定的过滤参数，来筛选原始样本，利用如道路速限过滤法(例如删除超过道路速限的样本)，可取得有效样本，再通过设定的取样参数调整，来取得例如前50%的有效样本;通过此有效信息可推估道路区段(例如L1及L2间)的平均车速和平均旅行时间(将道路区段距离除以每一推估车速后，再平均即可得)等交通信息。
承上述，本发明实施例也可利用移动装置发生LAU事件、以及发生通话的CA或CC事件关联，来进行道路壅塞的判断。例如，当移动用户发生LAU的次数超过一第一门坎值(或称为位置更新门坎值)而且在跨位置区域交界区(border)前发生的CA及CC事件的次数、或是在交界区后发生的CA及CC事件的次数也超过一第二门坎值(或称为CA+CC门坎值)时，则发布道路塞车警讯。本发明实施例判断道路壅塞的原理为，当道路壅塞发生时，通过区段交界区的LAU事件的数量会多，并且用路人发生通话的CA或CC事件也会多。也就是说，通过上述的位置更新门坎值与交界区道路前后的CA+CC门坎值可检测出道路拥塞与否。
在图8的实作范例中，地点选择一省道的一城市至另一城市的跨位置区域交界区路段，其中此路段包含第二代移动通信技术(2G)位置更新的交界与第三代移动通信技术(3G)位置更新的交界。以实际的统计数据来说明道路拥塞的判断，此统计数据来源为每隔一段时间(例如10分钟)撷取LAU事件的次数、LAU事件发生前的CA及CC事件的次数、以及LAU事件发生后的CA及CC事件的次数。结果显示此路段于某日的下午5:00～6:30，LAU事件的次数超过200次(第一门坎值，即LAU门坎值)，而且CA及CC事件的次数也超过10次(第二门坎值，即CA+CC门坎值)时，根据本发明实施例，因此发布道路塞车警报。
前述三种统计数据的数值可与车辆检测器实际检测到的速度进行比较。图9是将图8的实作范例中CA及CC事件的统计次数与车辆检测器实际检测到的速度进行比较；图10是将图8的实作范例中LAU事件的统计次数与车辆检测器实际检测到的速度进行比较;其中，VD代表车辆检测器实际检测到的速度，CACC_NLU前代表LAU事件发生前的CA事件+CC事件的次数，CACC_NLU后代表LAU事件发生后的CA事件+CC事件的次数，NLU代表LAU事件的次数。
如图9及图10所示，比对此时间点的车辆检测器实际检测到的车速结果也符合实际路况。车辆检测器实际检测到的车速从该日下午5:00时开始减速至下午6:30后，车速才又开始一路回升。大约在下午7:00时，LAU事件的次数也下降并低于200次，而且在正常位置更新前，CA及CC事件的次数也下降并低于10次，根据本发明实施例，因此解除道路塞车警报。
承上述，图11是根据本发明一实施例，说明一种结合跨区域位置更新与通话的交通信息估计方法。在图11中，此交通信息估计方法可通过一样本撷取分析装置(samplecapturing and analyzing device)，关联至少一移动用户跨区域移动和通话的样本数据，此样本数据至少包括该至少一移动用户发生的至少一次的LAU事件、以及至少一次的通话的CA或CC事件，如步骤1110所示。根据此样本数据，此交通信息估计方法可通过一计算装置，来决定发生此至少一次的LAU事件、以及此至少一次的通话的CA或CC事件的位置与时间信息，并根据此位置与时间信息来估计一或多条指定道路的交通信息，如步骤1120所示。此交通信息例如是此一或多条指定道路的前后指定区域的道路车速、旅行时间、以及道路壅塞与否等信息，或是这些信息的任意组合。此计算装置例如是由具有估算功能的硬件电路所形成的装置、或是硬件处理器、或是计算器等，但不仅限于这些硬设备。此样本撷取分析装置可经由一样本数据***中的一发话/受话(MO/MT)小区信息数据库，来筛选此至少一移动用户的数据，例如移动用户的发生的LAU事件与前后发话事件等。
根据本发明实施例，样本撷取分析装置还可经由一发话/受话(MO/MT)小区信息数据库来筛选移动用户数据，以取得移动用户的LAU事件与前后(previous/next)发话事件，经由此前后两事件的时间间隔与存于此数据库的两事件发生的基站距离，可推估如指定道路的前后指定区域的道路车速、旅行时间等样本。交通信息估计方法还可利用此发话/受话小区信息数据库来建立此一或多条指定道路的至少一种移动网络(例如2G或3G等移动网络)的跨区域位置更新小区群组的历史数据，以及建立此一或多条指定道路的前后指定区域的至少一种移动网络的发话/受话小区的历史数据。
根据本发明实施例，交通信息估计方法还可利用一常驻用户过滤模块，经由此至少一移动用户的历史数据(例如，移动用户的基站信息、受测道路的地理位置信息***(Geographic Information System，GIS)信息、移动位置更新讯务的历史数据、MO/MT讯务的历史数据等)来判断此至少一移动用户中是否存在常驻用户，再过滤此常驻用户的样本数据，以取得一有效样本集合。在本发明中，常驻用户可定义为超过单位时间内仍停留于同一群移动小区涵盖范围的用户，例如，超过一位置更新周期(如一小时)仍停留于一群移动小区涵盖范围的用户。
将常驻用户过滤后的样本可再通过一或多次的筛选样本法来取得有效样本。筛选样本法例如可采用平均值标准差过滤法、道路速限过滤法、百分比过滤法、回溯平均值标准差过滤法、道路偏离事件过滤法、历史差异过滤法、大数法则过滤法等。将有效样本通过道路有效信息推估法，并融合不同移动网络间(例如2G和3G网络)数据，可得到如车速或道路区段的旅行时间等交通信息。道路有效信息推估法例如可采用平均法、取前众数平均、加权平均、取最大值、取中位数、众数平均法、几何平均法、调合平均数法、历史加权平均(参考前n次历史数据并且给予权重，和当次的数据做算术平均数)等方法。同样地，将常驻用户过滤后的样本也可通过上述的位置更新(NLU)门坎值与交界区道路前后的CA+CC门坎值来检测道路拥塞与否。
如前述所载，本发明实施例可利用至少一次LAU事件及CA或CC事件来进行样本关联;并且，通过所记录发生事件的小区(Cell)来进行道路对应。图12是根据本发明一实施例，说明利用一次LAU事件及CA或CC事件来进行样本关联的方法。参考图12，首先，此方法指定一或多条道路的至少一种移动网络交界区域的小区群组(步骤1210);然后，锁定此一或多条指定道路上的至少一指定区域的小区群组，并收集有移动用户发生CA或CC事件以作为一可能样本集合(步骤1220)，锁定此可能样本集合中每一可能样本的移动用户，于指定道路上发生LAU事件以做为一可计算样本集合;其中LAU事件与CA/CC事件没有前后顺序的限制(步骤1230)。
再计算此可计算样本集合中每一可计算样本的移动用户所在的车辆，其被估计的车速是否在指定道路上预设的一范围内，例如介于最大速度与最小速度间，以过滤出一有效样本集合(步骤1240);并且根据此有效样本集合，自动地推估此一或多条指定道路上的交通信息(步骤1250)，例如指定道路上的车速推估、壅塞推估、以及指定道路上的区段道路的旅行时间等。也就是说，根据可计算样本集合中每一可计算样本的移动用户所在车辆的车速来过滤出一有效样本集合，再利用此有效样本集合来推估此一或多条指定道路上的交通信息。
经由道路对应和样本关联，可增加有效样本数并且自动地推估道路区段的交通信息。此道路对应的含意为，在发生事件(LAU或发话)的移动小区涵盖范围内选择与道路之间适当距离，可对应至道路上某个位置点。图13是根据本发明一实施例，说明一种发生事件的小区与道路对应的方法。
参考图13，首先，此方法由GIS可得知指定道路的沿线的GPS坐标，并且设定在指定道路上的小区(Cells)群(步骤1310);然后，以一定位法决定发生事件的每一移动小区的一道路位置点(步骤1320);再将此道路位置点的坐标信息存入一数据库，并且结合GIS来计算两移动小区之间的距离(步骤1330)。此定位法例如可采用指向性定位法、垂直距离定位法、小区边缘定位法、多小区中心定位法、GPS路测定位法、信号强度定位法等，但不以此为限。指向性定位法是采用移动小区方位角对应的道路位置点;垂直距离定位法是采用基站对应至道路最短距离的道路位置点;小区边缘定位法是采用移动小区涵盖范围边缘对应的道路位置点;多小区中心定位法是推估至少一个小区的中心点后，再取中心点对应至道路最短距离的道路位置点;GPS路测定位法是经由多次路测结果可得到发生跨区域事件的道路GPS坐标位置点;信号强度定位法是经由多次路测结果可得到信号强度变换的位置点作为事件发生的位置。
以指向性定位法为例，可先由一移动基站数据库找出每一小区的位置与天线方位角，再找出每一小区沿着方位角与道路直线交点的GPS坐标作为对应的道路位置点。如图14的范例所示，标号1410所示为一基站的一小区的位置，此小区沿着天线方位角与指定道路直线1420的交点1430的GPS坐标即为对应发生LAU或通话事件的实际道路的位置。
根据前述方法的数据分析与演算结果，本发明实施例的交通信息估计方法还可提供媒体发布接口(如网站或导航业者)发布跨区域位置更新交界区路段的交通信息如车速信息(例如，限定道路区域的车速)、旅行时间信息与道路拥塞与否等。
承上述，根据本发明一实施例，图15提供一种结合跨区域位置更新与通话的交通信息估计***。如图15所示，交通信息估计***1500包含一样本撷取分析装置1502、以及一计算装置1504。样本撷取分析装置1502被配置来关联至少一移动用户跨区域移动和通话的样本数据。计算装置1504根据此样本数据，决定发生至少一次的LAU事件、以及至少一次的通话的CA或CC事件的位置与时间信息，并根据此位置与时间信息来估计一或多条指定道路的交通信息。样本撷取分析装置1502例如可经由样本数据***1510中的一发话/受话(MO/MT)小区信息数据库1512来筛选此至少一移动用户的数据，以取得该至少一移动用户发生的LAU事件与前后发话事件。计算装置1504例如是由具有估算功能的硬件电路所形成的装置、或是硬件处理器、或是计算器等硬设备，但不仅限于这些硬设备。
发话/受话(MO/MT)小区信息数据库1512是通过如样本数据***1510中的一移动讯务撷取模块1514搜集到的移动用户数据(例如，基站信息1514a、受测道路GIS信息1514b、移动位置更新讯务历史数据1514c、MO/MT讯务历史数据1514d等)后，自动化学习建立一或多条跨区域位置更新欲发布交通信息的指定道路的MO/MT小区信息数据库，以建立及储存此一或多条指定道路的至少一种移动网络(例如2G或3G等移动网络)的跨区域位置更新小区群组的历史数据，以及建立及储存此一或多条指定道路的前后指定区域的发话/受话小区的历史数据，并作为后续数据筛选与过滤之用。此一或多条指定道路的至少一种移动网络的跨区域位置更新小区群组的历史数据，以及此一或多条指定道路的前后指定区域的发话/受话小区的历史数据可于离线时建立于后端的样本数据***1510中。
交通信息估计***1500还可包括常驻用户过滤模块1506，来判断此至少一移动用户中是否存在至少一常驻用户，再过滤该至少一常驻用户的样本数据，以取得一有效样本集合1506a。其细节如前述所载。
计算装置1504也可将常驻用户过滤模块1506过滤后的有效样本集合1506a再通过一或多次的筛选样本法(可采用的筛选样本法如之前所述)来筛选有效样本，并融合不同移动网络间(2G和3G网络)数据来估计交通信息，如道路车速与道路区段的旅行时间。如前述所载，通过上述的位置更新门坎值与交界区道路前后的CA+CC门坎值，及比对有效样本也可检测出道路拥塞与否。计算装置1504也可提供如媒体发布接口1508来发布这些估计出的跨区域位置更新交界区路段的交通信息。
计算装置1504也可通过预设及调整过滤参数与取样参数来计算道路车速与道路区段的旅行时间。过滤参数例如是道路速限，其代表的意义为推估合理的最短与最长的旅行时间，来作为过滤的条件。取样参数例如是样本取样百分比，其代表的意义为依定义的取样百分比来取出合适的样本，来计算道路区段的旅行时间。预设及调整过滤参数与取样参数的流程的范例如下说明。可先预设过滤参数与取样参数来计算道路区段的旅行时间;然后，调整过滤参数与取样参数，并计算道路区段的旅行时间;再比较调整前与调整后的旅行时间;依此，重新调整参数，直到参数调整完成时，设定最佳的参数。道路速限可调整的范围例如，最快速限为每小时40～80公里，最慢速限为每小时5～30公里;样本取样百分比可调整的范围例如10%～50%。
综上所述，本发明实施例提供一种结合跨区域位置更新与通话的交通信息估计方法与***。其技术通过移动网络信令撷取分析设备，搜集移动电话与移动网络***之间传递的信令，包含通话与区域更新(LAU)等事件，将LAU事件和前后任一发话(MO)、受话(MT)或通话结束事件的所在小区(Cell;经纬度)进行道路对应和关联，来计算道路区段的交通信息，如车速(移动网络区域交界和区域内任一道路定点位置间)、壅塞推估和道路区段的旅行时间等。
以上所述者仅为本发明实施例，当不能依此限定本发明实施的范围。即大凡本发明权利要求范围所作的均等变化与修饰，皆应仍属本发明权利要求涵盖的范围。

Claims (16)

1.一种结合跨区域位置更新与通话的交通信息估计方法，执行于交通信息估计***，该方法包含:
通过样本撷取分析装置，关联至少一移动用户跨区域移动和通话的样本数据，该样本数据至少包括该至少一移动用户发生的至少一次的跨区域位置更新LAU事件、以及至少一次的通话的通话抵达CA或通话结束CC事件；以及
根据该样本数据，通过计算装置，来决定发生该至少一次的LAU事件、以及该至少一次的通话的CA或CC事件的位置与时间信息，并根据该位置与时间信息来估计一或多条指定道路的交通信息,
其中该方法还包括:
指定该一或多条指定道路的至少一种移动网络交界区域的小区群组；
锁定该一或多条指定道路上的至少一指定区域的小区群组，并收集该至少一移动用户发生CA或CC事件以作为可能样本集合；
锁定该可能样本集合中每一可能样本的移动用户，于该一或多条指定道路上发生LAU事件以作为可计算样本集合；
其中LAU事件与CA/CC事件没有前后顺序的限制；
根据该可计算样本集合中每一可计算样本的移动用户所在车辆的车速来过滤出有效样本集合；以及
利用该有效样本集合来推估该一或多条指定道路上的交通信息。
2.根据权利要求1所述的方法，其中该样本撷取分析装置利用发话/受话小区信息数据库来筛选该至少一移动用户的数据，以取得该至少一移动用户的该至少一次的LAU事件与前或后的发话事件。
3.根据权利要求2所述的方法，其中该方法利用该发话/受话小区信息数据库来建立该一或多条指定道路的至少一种移动网络的跨区域位置更新小区群组的历史数据，以及建立该一或多条指定道路的前后指定区域的发话/受话小区的历史数据。
4.根据权利要求1所述的方法，其中该交通信息是该一或多条指定道路的前后指定区域的道路车速、旅行时间、或道路壅塞与否的信息，或是前述信息的任意组合。
5.根据权利要求1所述的方法，其中方法还利用常驻用户过滤模块，来判断该至少一移动用户中是否存在至少一常驻用户，再过滤该至少一常驻用户的样本数据，以取得有效样本集合。
6.根据权利要求1所述的方法，其中该方法利用至少一次的LAU事件、以及至少一次的通话的CA或CC事件，来进行样本关联，并且，通过所记录发生事件的小区来进行道路对应。
7.根据权利要求6所述的方法，其中该道路对应为在该所记录发生事件的移动小区涵盖范围内，选择与指定道路之间的适当距离，以对应至该指定道路上的一个位置点。
8.根据权利要求7所述的方法，其中该进行道路对应还包括:
由地理信息***得知该指定道路的沿线的坐标，并且设定在该指定道路上的小区群；以及
以定位法决定该所记录发生事件的每一移动小区的道路位置点。
9.根据权利要求1所述的方法，其中该方法利用至该至少一次的LAU事件、以及该至少一次的通话的CA或CC事件，来进行道路壅塞的判断；以及
其中当发生LAU事件的次数超过第一门坎值，而且在跨位置区域交界区前或后发生的CA及CC事件的次数也超过第二门坎值时，则发布道路塞车警讯。
10.根据权利要求1所述的方法，其中该至少一次的LAU事件发生于该至少一次的通话的CA或CC事件之前或之后。
11.根据权利要求4所述的方法，其中该方法还包括:
通过预设及调整至少一过滤参数与至少一取样参数来计算道路车速与道路区段的旅行时间、以及判断道路壅塞与否。
12.一种结合跨区域位置更新与通话的交通信息估计***，包含:
样本撷取分析装置，被配置来关联至少一移动用户跨区域移动和通话的样本数据；以及
计算装置，根据该样本数据，决定发生至少一次的跨区域位置更新LAU事件、以及至少一次的通话的CA或CC事件的位置与时间信息，并根据该位置与时间信息来估计一或多条指定道路的交通信息,
其中该样本撷取分析装置经由发话/受话小区信息数据库，筛选该至少一移动用户的数据，以取得该至少一移动用户发生的LAU事件与发生在LAU事件之前或后的发话事件；
其中该***还包括常驻用户过滤模块，来判断该至少一移动用户中是否存在至少一常驻用户，再过滤该至少一常驻用户的样本数据，以取得有效样本集合。
13.根据权利要求12所述的***，其中该发话/受话小区信息数据库储存一或多条指定道路的至少一种移动网络的跨区域位置更新小区群组的历史数据，以及该一或多条指定道路的前后指定区域的发话/受话小区的历史数据。
14.根据权利要求12所述的***，其中该计算装置将该常驻用户过滤模块过滤后的该有效样本集合再通过一或多次的筛选样本法来筛选有效样本，并融合不同移动网络间数据来估计交通信息。
15.根据权利要求12所述的***，其中该交通信息包含道路车速、道路区段的旅行时间、或道路壅塞与否，或前述交通信息的其中一或多种组合。
16.根据权利要求15所述的***，其中该计算装置通过预设及调整至少一过滤参数与至少一取样参数来计算道路车速与道路区段的旅行时间、以及判断道路壅塞与否。
CN201210258022.9A 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*** Active CN103544837B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW101124681 2012-07-09
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
CN103544837A CN103544837A (zh) 2014-01-29
CN103544837B true CN103544837B (zh) 2017-03-01

Family

ID=49878888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210258022.9A Active 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***

Country Status (3)

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

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10545247B2 (en) * 2014-08-26 2020-01-28 Microsoft Technology Licensing, Llc Computerized traffic speed measurement using sparse data
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
TWI573107B (zh) * 2015-02-16 2017-03-01 Chunghwa Telecom Co Ltd Estimation of Tourist Traffic Information Based on Mobile Network Signaling
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***
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 ***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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1841439A (zh) * 2005-03-31 2006-10-04 株式会社日立制作所 探测交通信息的数据处理***、装置和方法
CN1284391C (zh) * 2001-07-18 2006-11-08 真实定位公司 无线定位***中的呼叫信息的监测
US7142977B2 (en) * 2001-11-05 2006-11-28 Elisa Oyj Method and system for collecting traffic data
CN101510357A (zh) * 2009-03-26 2009-08-19 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
CN101794516A (zh) * 2009-12-25 2010-08-04 北京工业大学 基于手机信息的路段速度计算方法
TW201214344A (en) * 2010-03-18 2012-04-01 Alcatel Lucent A sensor, and a method of a sensor detecting a user terminal that is in idle mode connected to a base station
CN102496280A (zh) * 2011-12-13 2012-06-13 北京航空航天大学 一种路况信息实时获取方法

Family Cites Families (10)

* 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
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
EP1590975B1 (en) * 2003-02-05 2014-06-18 Longhorn Acquisition, LLC Use of triggers and a location hypercube to enable push-based location applications
WO2007077472A1 (en) * 2005-12-30 2007-07-12 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
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
US8504034B2 (en) * 2010-11-09 2013-08-06 Ntt Docomo, Inc. System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1284391C (zh) * 2001-07-18 2006-11-08 真实定位公司 无线定位***中的呼叫信息的监测
US7142977B2 (en) * 2001-11-05 2006-11-28 Elisa Oyj Method and system for collecting traffic data
CN1841439A (zh) * 2005-03-31 2006-10-04 株式会社日立制作所 探测交通信息的数据处理***、装置和方法
CN101510357A (zh) * 2009-03-26 2009-08-19 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
CN101794516A (zh) * 2009-12-25 2010-08-04 北京工业大学 基于手机信息的路段速度计算方法
TW201214344A (en) * 2010-03-18 2012-04-01 Alcatel Lucent A sensor, and a method of a sensor detecting a user terminal that is in idle mode connected to a base station
CN102496280A (zh) * 2011-12-13 2012-06-13 北京航空航天大学 一种路况信息实时获取方法

Also Published As

Publication number Publication date
US8788185B2 (en) 2014-07-22
TWI485665B (zh) 2015-05-21
TW201403552A (zh) 2014-01-16
US20140011484A1 (en) 2014-01-09
CN103544837A (zh) 2014-01-29

Similar Documents

Publication Publication Date Title
CN103544837B (zh) 结合跨区域位置更新与通话的交通信息估计方法与***
Caceres et al. Review of traffic data estimations extracted from cellular networks
Calabrese et al. Real-time urban monitoring using cell phones: A case study in Rome
Janecek et al. The cellular network as a sensor: From mobile phone data to real-time road traffic monitoring
CN104851295B (zh) 获取路况信息的方法和***
EP2494536B1 (en) Method and apparatus for traffic management
EP1297513B1 (en) Method for route identification of a vehicle
CN103325247B (zh) 一种交通信息处理方法及***
Petrovska et al. Traffic congestion analysis visualisation tool
CN101925940B (zh) 用于预测公路上的行驶时间的方法和***
Janecek et al. Cellular data meet vehicular traffic theory: location area updates and cell transitions for travel time estimation
CN104299415A (zh) 基于蓝牙技术的分布式交通状态检测***及其方法
EP2608181B1 (en) Method for detecting traffic
CN102722984B (zh) 一种实时路况监控方法
CN102708689A (zh) 一种实时路况监控***
CN104768169A (zh) 高速铁路移动用户感知优化分析方法及***
CN105991598A (zh) 用户获取方法及装置
CN103906086B (zh) 一种基于移动网络的人员流向监测方法和装置
CN110516866A (zh) 一种用于城市轨交地铁拥挤度的实时估计方法
Holleczek et al. Traffic measurement and route recommendation system for mass rapid transit (mrt)
CN105280000A (zh) 预警处理方法和装置
CN113901109B (zh) 城际公路客货车出行方式总人数及时间分布的计算方法
CN101371280B (zh) 道路交通监视***及相关方法
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

Legal Events

Date Code Title Description
C06 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