CN111787488A - 一种用户定位方法及*** - Google Patents

一种用户定位方法及*** Download PDF

Info

Publication number
CN111787488A
CN111787488A CN202010610295.XA CN202010610295A CN111787488A CN 111787488 A CN111787488 A CN 111787488A CN 202010610295 A CN202010610295 A CN 202010610295A CN 111787488 A CN111787488 A CN 111787488A
Authority
CN
China
Prior art keywords
switching
grid
user
data
chain
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
Application number
CN202010610295.XA
Other languages
English (en)
Other versions
CN111787488B (zh
Inventor
李德强
张晓�
高爱珍
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.)
Business Intelligence Of Oriental Nations Corp ltd
Original Assignee
Business Intelligence Of Oriental Nations Corp 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 Business Intelligence Of Oriental Nations Corp ltd filed Critical Business Intelligence Of Oriental Nations Corp ltd
Priority to CN202010610295.XA priority Critical patent/CN111787488B/zh
Publication of CN111787488A publication Critical patent/CN111787488A/zh
Application granted granted Critical
Publication of CN111787488B publication Critical patent/CN111787488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04W4/021—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
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种用户定位方法及***，该方法包括：采集定位区域以及定位区域内用户的信令数据；基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。本发明实施例提供的用户定位方法及***，使得用户定位精度得到明显的提升，并且可以覆盖全部移动状态的用户，而且可以进行更高实时性的定位，可用于实时场景营销等应用。

Description

一种用户定位方法及***
技术领域
本发明涉及位置服务技术领域，尤其涉及一种用户定位方法及***。
背景技术
移动互联网的普及使得基于位置的服务(Location based service，简称LBS)广泛应用于人们的工作和生活之中。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，而且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，研究基于移动网络的用户定位成为获取用户位置的热点课题。对移动状态用户进行定位具有广泛的商业应用价值，例如位置导航、实时位置广告、路径规划、交通路况监控、道路规划等。
目前，基于移动通信网络用户定位的方法主要包括小区定位、测量报告(Measurement report，简称MR)定位和经纬度定位三种方法。
其中，小区定位由于其方法简单且易于广泛部署使用，因此是最为常用的用户定位方法。其原理是基于用户的信令数据直接将用户定位到终端通信的服务小区(即用于通信的网络小区，区别于其它的网络小区)位置。服务小区位置可以从运营商的基站工程参数中查询得到。这种定位方法实现简单，只需要从核心网收集信令数据即可，因此信令收集成本低，但是缺点是定位精度较低，定位精度取决于基站之间的距离，在市区一般为300米-500米左右。
MR定位是较为新兴的基于移动通信网络的用户定位方法。利用MR中的用户终端接收周围小区的场强利用数学模型推断用户位置。这个定位方法定位精度一般可以做到市区100米左右。但是其缺点是用户的MR数据需要在网络的地面接口专门采集，成本较高，不容易覆盖全部网络，而且实时性远低于信令数据。因此尽管定位精度较高，应用范围仍然比较有限。
经纬度定位是另外一种基于移动通信网络的定位方法，定位精度比较高，可达到10米左右。它是利用从用户位置消息中提取移动终端上报的GPS等卫星定位信息来确定用户位置。当用户终端在使用辅助全球卫星定位***(Assisted Global PositioningSystem，简称AGPS)业务、最小化路测(Minimum drive test，简称MDT)或者是在使用导航等应用时会产生位置消息。这种方法定位精度高。但是其缺陷是只有上述业务时才会使用此定位方法，该定位方法只能覆盖及少量的用户。
因此，现在亟需一种用户定位方法及***来解决上述问题。
发明内容
针对现有技术存在的问题，本发明实施例提供一种用户定位方法及***。
第一方面，本发明实施例提供了一种用户定位方法，包括：
采集定位区域以及定位区域内用户的信令数据；
基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；
将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
进一步地，所述方法还包括：
将定位区域网格化，形成覆盖所述定位区域的网格集合；
将用户切换链与位置消息关联生成训练数据；
基于所述训练数据和所述网格集合，训练得到所述网格集合的网格切换特征模型。
进一步地，所述将定位区域网格化，形成覆盖所述定位区域的网格集合，包括：
获取道路应用场景，将一个包含具体路段或部分路段的区域作为一个网格。
进一步地，所述将用户切换链与位置消息关联生成训练数据，包括：
当切换链在一个网格只有一个坐标时，则将具有位置信息的切换事件归属于本网格，
或，当切换链在一个网格只有两个或以上坐标时，则将多个坐标涵盖时间内的切换事件归属于本网格。
进一步地，所述基于所述训练数据和所述网格集合，训练得到所述网格集合的网格切换特征模型，包括：
基于所述训练数据和所述网格集合，采用有向图表示网格切换特征模型，其中，有向图的顶点包含源小区编号、小区在所述网格切换特征模型中出现次数、小区出现的概率信息，有向图的边包含切换目标小区编号、从切换源小区到本切换目标小区的概率、位置坐标的均值。
进一步地，所述基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据，包括：
从所有信令数据中提取出反映每次切换事件的切换数据；
将所述切换数据按照切换时间从小到大排序；
对每个切换数据生成切换事件，得到切换链数据，所述切换链数据包含切换时间、切换源小区以及切换目标小区。
进一步地，所述将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，包括：
基于所述切换链数据，将切换片段与网格切换特征模型匹配，得到匹配度最高的网格，并基于所述切换链数据，将切换链分割为多个切换片段，每个所述切换片段定位到对应的网格。
第二方面，本发明实施例提供了一种用户定位***，包括：
信令数据采集模块，用于采集定位区域以及定位区域内用户的信令数据；
切换链生成模块，用于基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；
切换链定位模块，用于将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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所提供的方法的步骤。
第四方面，本发明实施例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如第一方面所提供的方法的步骤。
本发明实施例提供的一种用户定位方法及***，使得用户定位精度得到明显的提升，并且可以覆盖全部移动状态的用户，而且可以进行更高实时性的定位，可用于实时场景营销等应用。
附图说明
为了更清楚地说明本发明实施例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发明的一些实施例，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为本发明实施例提供的用户定位方法的流程示意图；
图2为本发明实施例提供的切换事件示意图；
图3为本发明另一实施例提供的切换事件示意图；
图4为本发明实施例提供的有向图示意图；
图5为本发明实施例提供的小区切换示意图；
图6为本发明实施例提供的切换链定位算法的流程示意图；
图7为本发明实施例提供的切换链示意图；
图8为本发明实施例提供的具体实现参考图；
图9为本发明实施例提供的用户定位***的结构示意图；
图10为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
信令是用户终端在通信过程中与网络设备交互过程中产生的消息集合。根据功用不同信令由不同过程的消息组成，例如连接建立类消息、切换类消息等等。我们经常会将一个用户相同的消息组合成信令详细记录(X Detail Record，简称XDR)，作为信令应用的对象。XDR中包含时间、小区、用户标识(如IMSI信息)，因此通过XDR很容易知道用户终端执行通信业务时，用户终端所在的网络小区。
用户在移动过程中当用户终端发生服务小区更新时一般会产生切换消息。不仅有用户终端所在小区的网络标识，而且还有切换的目标网络小区的标识。由于网络小区之间覆盖错综复杂，当用户处于移动状态时，网络小区信号随时都有可能产生较大变化，从而引发用户终端的在不同小区间的切换事件，从而产生大量的切换消息，可以生成大量的切换类XDR。
MR也是信令消息的一种，是用户终端在执行通信过程中，周期性或者事件触发上报给网络的消息，其XDR中不仅包含时间、小区、用户标识信息，而且包含主服务小区和相邻小区的场强信息。
信令中还包含一种带有经纬度坐标的消息(下文成位置消息)，当用户终端执行辅助全球卫星定位***(Assisted Global Positioning System，简称AGPS)业务、最小化路测(Minimum drive test，简称MDT)业务或者导航业务时，会产生这类消息。因此，这类消息对应的XDR，不仅包含时间、小区、用户标识信息，而且包含用户的位置信息。
在现有的基于移动通信网络的用户定位方法中，分别具有如下缺点和不足：
其一，小区定位尽管可以广泛应用于几乎所有的移动通信用户，但是对于300米-500米的定位精度，现有的小区定位只能应用于对用户位置精度要求较低的场景下；
其二，MR定位方法可以获得100米左右较高精度的用户位置，但是MR定位部署成本较高，而且MR数据一般不支持实时采集，覆盖用户范围较小，一般不用于实时定位场景。
其三，经纬度定位尽管可以获得较高的定位精度，但是由于覆盖用户量过小(千分之几)，也影响了其应用范围。
在上述情形下，本发明实施例提出了一种基于信令切换链的用户定位方法。主要分为离线训练阶段和在线定位阶段。
图1为本发明实施例提供的用户定位方法的流程示意图，如图1所示，本发明实施例提供了一种用户定位方法，包括：
步骤101，采集定位区域以及定位区域内用户的信令数据；
步骤102，基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；
步骤103，将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
在本发明实施例中，通过在线定位阶段步骤101，采集定位区域和定位用户的信令数据，然后在步骤102中，生成对应的切换链数据，最后在步骤103中，通过利用切换链定位子***，参考网格切换特征模型生成用户在每个切换事件的位置坐标。
进一步地，在步骤101中，本发明实施例从定位区域的移动通信网络采集用户的信令数据并合成切换XDR和位置XDR，其中，信令数据要求包含切换类消息和位置类消息。
切换XDR包含关键信息：切换时间、切换源小区和切换目标小区；位置类消息包含时间和位置坐标信息。
具体地，在本发明实施例中，位置类消息是当用户终端在执行AGPS、MDT或者导航等的业务时产生的消息。位置XDR包含位置坐标信息的消息(在后续实施例中简称位置消息)，同时也包含该位置的时间信息。
本发明实施例提供的用户定位方法，使得用户定位精度得到明显的提升，并且可以覆盖全部移动状态的用户，而且可以进行更高实时性的定位，可用于实时场景营销等应用。
在上述实施例的基础上，所述方法还包括：
将定位区域网格化，形成覆盖所述定位区域的网格集合；
将用户切换链与位置消息关联生成训练数据；
基于所述训练数据和所述网格集合，训练得到所述网格集合的网格切换特征模型。
在本发明实施例中，还包括离线阶段的过程，具体地，将定位区域网格化，形成覆盖该区域的网格集合，再将用户切换链与位置消息关联生成训练数据，最后网格切换特征模型生成用户在每个切换事件的位置坐标。
在上述实施例的基础上，所述将定位区域网格化，形成覆盖所述定位区域的网格集合，包括：
获取道路应用场景，将一个包含具体路段或部分路段的区域作为一个网格。
在本发明实施例中，对定位区域进行网格化，生成多个一定区域的网格块表征定位区域的不同位置与子区域。网格切换建模子***将会对每个网格进行切换特征建模，以作为用户信令切换链定位的参考。具体地，区域网格化方法可以根据具体应用场景来定义，例如道路应用场景，可以将网格定位一个包含具体路段或部分路段的区域。对于区域类应用场景(例如交通枢纽或者广场等)，可以将网格定义为100米*100米的正方形网格。需要说明的是，在本发明实施例中，颗粒尺度设置不可过小，因为颗粒过小时，网格切换特征模型就会过于单一，但是也不宜过大，如果太大，则模型特征识别能力较弱，不宜于实现精准定位。一般推荐为100米-300米范围内。
在上述实施例的基础上，所述将用户切换链与位置消息关联生成训练数据，包括：
当切换链在一个网格只有一个坐标时，则将具有位置信息的切换事件归属于本网格，
或，当切换链在一个网格只有两个或以上坐标时，则将多个坐标涵盖时间内的切换事件归属于本网格。
在本发明实施例中，训练切换链是将同一用户的切换XDR与位置XDR按照时间进行关联合并生成的具有位置信息的切换链，由经过信息抽取后形成具有位置的切换事件组成。然后，切换XDR与位置XDR可能并非严格上的时间相同，因此设定一个时间窗口，如果两者时间相差在时间窗口内就认为是同一时间。在本发明实施例中，这个时间窗口默认为5秒钟，也可以根据用户移动速度和定位精度估算一个值(例如，若用户移动每秒10米，定位精度是150米，则时间窗口可以为7.5秒)。
进一步地，训练切换链是将切换类XDR与位置类XDR融合的结果，然后归属于同一个网格的切换链片段，一般不是切换链生成子***合成的整个切换链。对于一个切换链来讲，需要判断它的哪部分切换链片段归属于哪个网格。
图2为本发明实施例提供的切换事件示意图，如图2所示，当切换链在一个网格只有一个坐标时，则该具有位置信息的切换事件归属于本网格。切换事件C归属其位置坐标1所标识的网格(即包含坐标位置1的网格)。当切换链在一个网格只有两个或以上坐标时，则多个坐标涵盖时间内的切换事件(切换链片段)归属于本网格。图3为本发明另一实施例提供的切换事件示意图，如图3所示，切换链切换事件C和切换事件E的位置坐标1和位置坐标2处于同一个网格中，因此切换事件C、D和E都归属于该网格，从而得到了每个网格的训练数据(即切换链片段集合)。
在上述实施例的基础上，所述基于所述训练数据和所述网格集合，训练得到所述网格集合的网格切换特征模型，包括：
基于所述训练数据和所述网格集合，采用有向图表示网格切换特征模型，其中，有向图的顶点包含源小区编号、小区在所述网格切换特征模型中出现次数、小区出现的概率信息，有向图的边包含切换目标小区编号、从切换源小区到本切换目标小区的概率、位置坐标的均值。
在本发明实施例中，网格切换特征模型是指每个网格内的切换事件有其自身的特征，例如，网格包含哪些切换事件，以及切换事件包含的小区及其出现的概率等。因为每个网格本身代表着一个地理范围，这个地理范围由不同的网络小区覆盖，具有自己独到的特征。
图4为本发明实施例提供的有向图示意图，如图4所示，有向图的顶点(Vertex，代表切换源小区)包含源小区编号、该小区在模型中出现次数以及该小区出现概率信息。
其中，该小区出现的概率由该小区出现的次数于模型中所有小区出现的次数的比值计算得到：
Figure BDA0002560732450000091
其中，i表示本小区，n表示模型中的小区数量。
有向图的边(Link，代表切换事件)包含切换目标小区编号、从切换源小区到本切换目标小区的概率、位置坐标的均值(Xmean，Ymean)。
其中，从切换源小区到本切换目标小区的概率，是由切换源小区到本切换目标小区的切换事件发生的次数除以切换源小区切换到所有小区的切换事件发生的次数计算得到：
Figure BDA0002560732450000092
其中，i表示某切换源小区切换到的本切换目标小区，m表示某切换源小区切向所有小区的切换事件发生次数。
位置坐标的均值(Xmean，Ymean)：
Figure BDA0002560732450000093
其中，l表示该切换事件可以得到的总坐标数量。
进一步地，网格切换特征模型的训练就是使用训练数据建立和更新这个有向图模型。在本发明实施例中，假设切换链片段为
Figure BDA0002560732450000094
Figure BDA0002560732450000101
(其中Ci是小区标识，(X,Y)是位置坐标)，使用这个切换链片段更新网格切换特征模型时，从
Figure BDA0002560732450000102
开始，按如下步骤操作：
步骤S11，查找C1是否是网格切换特征模型的一个顶点。如果是，则更新C1对应顶点的小区C1出现次数和概率。如果不是，则在网格切换特征模型中建立C1顶点。
步骤S12，然后更新C2对应的边。查找C2是否为C1顶点的一个边。如果是，则更新切换源小区C1到本切换目标小区C2的概率，因为XY是位置坐标是存在的，用其更新该边的位置坐标的均值(Xmean，Ymean)。如果不是，则建立C2边，计算切换源小区C1到本切换目标小区C2的概率，利用(X,Y)初始化该边的位置坐标的均值(Xmean，Ymean)。
步骤S13，依次类推，直到更新完
Figure BDA0002560732450000103
为止。
当训练数据充分的情况下，一个网格的切换特征模型会比较准确的反映出该区域终端移动可能的小区间切换的轨迹及其概率。
在上述实施例的基础上，所述基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据，包括：
从所有信令数据中提取出反映每次切换事件的切换数据；
将所述切换数据按照切换时间从小到大排序；
对每个切换数据生成切换事件，得到切换链数据，所述切换链数据包含切换时间、切换源小区以及切换目标小区。
在本发明实施例中，切换链是用户终端通信所经历的切换事件序列，基于切换XDR可以将终端通信经历小区之间的切换事件串联起来形成切换链。切换事件是指用户终端从一个小区(切换源小区)移动到另外一个小区(切换目标小区)。图5为本发明实施例提供的小区切换示意图，如图5所示，出前一个切换目标小区是下一个切换的源小区，这样按照时间顺序的切换事件就首位相接构成了切换链，具体步骤如下：
步骤S21，从所有信令XDR中提取出反映每次切换事件的切换XDR；
步骤S22，将切换XDR按照切换时间按照从小到大排序；
步骤S23，对每个切换XDR生成切换事件，包含关键信息：切换时间、切换源小区和切换目标小区。
在上述实施例的基础上，所述将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，包括：
基于所述切换链数据，将切换片段与网格切换特征模型匹配，得到匹配度最高的网格，并基于所述切换链数据，将切换链分割为多个切换片段，每个所述切换片段定位到对应的网格。
在本发明实施例中，切换链是由一系列按照时间从小到大的切换事件构成的，由于用户可能处于移动过程中，因此切换链网格会跨越两个或以上的网格。切换链定位是将用户切换事件定位到对应的网格中，也就实现了将用户在不同时刻定位到相同或者不同的位置。
本发明实施例提供的切换链定位算法由两个部分组成，其中一部分是将切换片段(切换链的一部分)与不同网格切换特征模型匹配，将其定为到匹配度最大的网格中；另一部分是判断如何将切换链分割成多个的切换片段，每个切换片段分别归属于不同的网格。算法的这两个部分是有机融合的过程，不是***的过程，图6为本发明实施例提供的切换链定位算法的流程示意图，如图6所示，具体步骤为：
步骤1，初始化算法累计概率。累计概率是指切换链片段相对网格切换特征模型的可能性概率，即该切换链归属于一个网格的概率，是衡量切换链片段与网格切换特征模型的匹配程度的度量指标。
累计概率的计算利用了贝叶斯定理。贝叶斯公式如下：
Figure BDA0002560732450000111
其中，A代表网格，H代表切换链片段，P(A|H)是切换链片段存在于A网格的概率，P(H|A)是A网格中存在H切换链片段的最大似然概率，P(A)是A网格的先验概率。由于分母P(H)对于各个网格都一样，因此本发明实施例关注P(H|A)*P(A)即可。其中，P(A)是先验概率，其值为某栅格模型中包含的总切换事件次数与所有栅格模型中包含的切换事件次数的比值，而栅格模型中包含的总切换事件次数是模型各个顶点作为切换源小区出现次数之和。
在本发明一实施例中，以一个切换链片段定位为例来确定其所在的网格。图7为本发明实施例提供的切换链示意图，如图7所示，假设一个简单的切换链，其相对某网格切换特征模型的P(H|A)概率可以计算为：
P(H|A)＝p(C1)p(C2|C1)P(c3|C2)(C4|C3)；
其中，p(C1)是顶点C1在网格模型中的概率，P(Cj|Ci)是顶点Ci到边Cj的概率。如果P(Cj|Ci)在某网格中不存在时，则认为其值为
Figure BDA0002560732450000121
其中Sumi是顶点Ci作为源小区的切换事件次数。
在本发明实施例中，算法认为切换链等概率出现在每个网格切换特征模型中；随着切换链从第一个小区向前延伸，逐步缩小网格切换特征模型的可能范围。当切换链片段相对于某个网格的累计概率较其它网格值更大时，则认为该切换链片段归属于该网格。
步骤2，对于输入的切换链，按照时间从早到晚的顺序对切换事件进行逐个遍历；
步骤3，计算所遍历切换事件相对于所有相关网格的累计概率，相关网格可以是定位区域的所有网格；
步骤4，判断用户是否已经进入其它网格，如果已经进入其它网格则进入步骤5，否则继续遍历下一个切换事件；
在本发明实施例中，若判断切换链已经从这个网格切换出到其它网格了，也就是说切换链的切换片段在这个网格中已经结束了，这也是切换链分割点的判断。判断的依据是切换链片段累计概率相对总累计概率连续出现两个切换事件的下降(认为出现一个切换事件下降可能是噪声因素，两个切换事件的下降是累计概率值稳定的变化)，图8为本发明实施例提供的具体实现参考图，可参考图8所示，切换链分割点的判断是当切换链在切换事件E和F处，相对G1网格切换特征模型的概率相对其其它网格切换特征模型概率出现2次连续下滑，那么认为C-D切换链片段归属G1网格，而E和F归属于其它网格。
步骤5，用户已经进入其它网格，则说明本切换链片段定位的遍历和计算累计概率过程已经结束，将切换链片段定位到概率最大的网格；
步骤6，根据网格切换特征模型中每个边的位置坐标，计算切换片段中每个切换事件的坐标。
在一个网格切换特征模型中，有向图的有的边(代表切换事件)是有坐标的，这样切换链的切换事件的位置就是该坐标位置。当切换链的切换事件对应的切换特征模型中的边没有位置时，利用相邻有位置坐标的切换事件位置推算。如果只有一个相邻坐标，则直接使用该坐标作为本切换事件的坐标，如果有两个相邻坐标，则按如下公式计算本切换事件坐标：
Figure BDA0002560732450000131
在上式中，(X1，Y1)和(X2，Y2)分别是相邻的两个坐标。如果没有相邻坐标，则取网格的中心位置坐标作为本切换事件坐标。
最后，当整个切换链遍历结束时，则全部切换链定位完毕。
综上所述，本发明实施例提供的方法具有如下优点：
其一，相比现有小区定位，本发明实施例提供的技术方案，使得用户定位精度得到明显的提升，用户定位精度从300米-500米，提升到80米-150米，可以支撑对用于位置要求更高的应用，例如，道路上用户导航、精准实时位置营销和交通路况监控等应用。
其二，相比MR定位和经纬度定位，本发明实施例的定位算法几乎可以覆盖全部移动状态的用户，而且可以进行更高实时性的定位，可用于实时场景营销等应用。
图9为本发明实施例提供的用户定位***的结构示意图，如图9所示，本发明实施例提供了一种用户定位***，包括信令数据采集模块901、切换链生成模块902和切换链定位模块903，其中，信令数据采集模块901用于采集定位区域以及定位区域内用户的信令数据；切换链生成模块902用于基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；切换链定位模块903用于将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
本发明实施例提供的用户定位***，使得用户定位精度得到明显的提升，并且可以覆盖全部移动状态的用户，而且可以进行更高实时性的定位，可用于实时场景营销等应用。
本发明实施例提供的***是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
图10为本发明实施例提供的电子设备结构示意图，参照图10，该电子设备可以包括：处理器(processor)1001、通信接口(Communications Interface)1002、存储器(memory)1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信。处理器1001可以调用存储器1003中的逻辑指令，以执行如下方法：采集定位区域以及定位区域内用户的信令数据；基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
此外，上述的存储器1003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，本发明实施例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实施例提供的用户定位方法，例如包括：采集定位区域以及定位区域内用户的信令数据；基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
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)

1.一种用户定位方法，其特征在于，包括：
采集定位区域以及定位区域内用户的信令数据；
基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；
将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
2.根据权利要求1所述的用户定位方法，其特征在于，所述方法还包括：
将定位区域网格化，形成覆盖所述定位区域的网格集合；
将用户切换链与位置消息关联生成训练数据；
基于所述训练数据和所述网格集合，训练得到所述网格集合的网格切换特征模型。
3.根据权利要求2所述的用户定位方法，其特征在于，所述将定位区域网格化，形成覆盖所述定位区域的网格集合，包括：
获取道路应用场景，将一个包含具体路段或部分路段的区域作为一个网格。
4.根据权利要求2所述的用户定位方法，其特征在于，所述将用户切换链与位置消息关联生成训练数据，包括：
当切换链在一个网格只有一个坐标时，则将具有位置信息的切换事件归属于本网格，
或，当切换链在一个网格只有两个或以上坐标时，则将多个坐标涵盖时间内的切换事件归属于本网格。
5.根据权利要求2所述的用户定位方法，其特征在于，所述基于所述训练数据和所述网格集合，训练得到所述网格集合的网格切换特征模型，包括：
基于所述训练数据和所述网格集合，采用有向图表示网格切换特征模型，其中，有向图的顶点包含源小区编号、小区在所述网格切换特征模型中出现次数、小区出现的概率信息，有向图的边包含切换目标小区编号、从切换源小区到本切换目标小区的概率、位置坐标的均值。
6.根据权利要求1所述的用户定位方法，其特征在于，所述基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据，包括：
从所有信令数据中提取出反映每次切换事件的切换数据；
将所述切换数据按照切换时间从小到大排序；
对每个切换数据生成切换事件，得到切换链数据，所述切换链数据包含切换时间、切换源小区以及切换目标小区。
7.根据权利要求6所述的用户定位方法，其特征在于，所述将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，包括：
基于所述切换链数据，将切换片段与网格切换特征模型匹配，得到匹配度最高的网格，并基于所述切换链数据，将切换链分割为多个切换片段，每个所述切换片段定位到对应的网格。
8.一种用户定位***，其特征在于，包括：
信令数据采集模块，用于采集定位区域以及定位区域内用户的信令数据；
切换链生成模块，用于基于所述定位区域内用户的信令数据，生成所述用户对应的切换链数据；
切换链定位模块，用于将所述切换链数据输入训练好的网格切换特征模型，输出所述用户在每个切换事件的位置坐标，所述网格切换特征模型是预先通过将定位区域网格化，形成覆盖所述定位区域的网格集合，并利用训练数据训练得到的。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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至7任一项所述用户定位方法的步骤。
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，该计算机程序被处理器执行时实现如权利要求1至7任一项所述用户定位方法的步骤。
CN202010610295.XA 2020-06-29 2020-06-29 一种用户定位方法及*** Active CN111787488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010610295.XA CN111787488B (zh) 2020-06-29 2020-06-29 一种用户定位方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010610295.XA CN111787488B (zh) 2020-06-29 2020-06-29 一种用户定位方法及***

Publications (2)

Publication Number Publication Date
CN111787488A true CN111787488A (zh) 2020-10-16
CN111787488B CN111787488B (zh) 2022-07-05

Family

ID=72760775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010610295.XA Active CN111787488B (zh) 2020-06-29 2020-06-29 一种用户定位方法及***

Country Status (1)

Country Link
CN (1) CN111787488B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533141A (zh) * 2020-12-31 2021-03-19 浙江晶日科技股份有限公司 一种基于人流量和位置信息的调光***及方法
CN113207134A (zh) * 2021-04-19 2021-08-03 ***通信集团陕西有限公司 一种数据处理方法、装置、设备及计算机存储介质
CN113993205A (zh) * 2021-10-13 2022-01-28 武汉理工大学 基于数字孪生的uwb定位***与方法
CN117098227A (zh) * 2023-10-20 2023-11-21 北京大也智慧数据科技服务有限公司 位置信息的确定方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196561A (zh) * 2011-05-25 2011-09-21 厦门雅迅网络股份有限公司 一种基于无线定位的基站lac切换方法
US20130231133A1 (en) * 2010-12-28 2013-09-05 Trueposition, Inc. Time and Power Based Wireless Location and Method of Selecting Location Estimate Solution
US20140038634A1 (en) * 2012-08-01 2014-02-06 Alcatel-Lucent Canada Inc. Network map for location-based mobility decisions
CN106604228A (zh) * 2016-12-23 2017-04-26 大连理工大学 一种基于lte信令数据的指纹定位方法
CN109309956A (zh) * 2017-07-28 2019-02-05 ***通信集团山西有限公司 位置定位方法、装置、设备和计算机可读存储介质
CN109996178A (zh) * 2017-12-30 2019-07-09 ***通信集团江西有限公司 定位方法、装置、设备和介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130231133A1 (en) * 2010-12-28 2013-09-05 Trueposition, Inc. Time and Power Based Wireless Location and Method of Selecting Location Estimate Solution
CN102196561A (zh) * 2011-05-25 2011-09-21 厦门雅迅网络股份有限公司 一种基于无线定位的基站lac切换方法
US20140038634A1 (en) * 2012-08-01 2014-02-06 Alcatel-Lucent Canada Inc. Network map for location-based mobility decisions
CN106604228A (zh) * 2016-12-23 2017-04-26 大连理工大学 一种基于lte信令数据的指纹定位方法
CN109309956A (zh) * 2017-07-28 2019-02-05 ***通信集团山西有限公司 位置定位方法、装置、设备和计算机可读存储介质
CN109996178A (zh) * 2017-12-30 2019-07-09 ***通信集团江西有限公司 定位方法、装置、设备和介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533141A (zh) * 2020-12-31 2021-03-19 浙江晶日科技股份有限公司 一种基于人流量和位置信息的调光***及方法
CN113207134A (zh) * 2021-04-19 2021-08-03 ***通信集团陕西有限公司 一种数据处理方法、装置、设备及计算机存储介质
CN113207134B (zh) * 2021-04-19 2023-09-19 ***通信集团陕西有限公司 一种数据处理方法、装置、设备及计算机存储介质
CN113993205A (zh) * 2021-10-13 2022-01-28 武汉理工大学 基于数字孪生的uwb定位***与方法
CN113993205B (zh) * 2021-10-13 2022-08-19 武汉理工大学 基于数字孪生的uwb定位***与方法
CN117098227A (zh) * 2023-10-20 2023-11-21 北京大也智慧数据科技服务有限公司 位置信息的确定方法、装置、设备及存储介质
CN117098227B (zh) * 2023-10-20 2024-04-05 北京大也智慧数据科技服务有限公司 位置信息的确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111787488B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN111787488B (zh) 一种用户定位方法及***
CN107333232B (zh) 一种终端定位方法及网络设备
US8977292B2 (en) Positioning accuracy estimation
CN106658399B (zh) 一种基于手机用户位置指纹进行手机位置定位的方法
CN106912018A (zh) 基于信令轨迹的地图匹配方法及***
WO2017107800A1 (zh) 获取交通道路中路线热度的方法及装置
US20030069027A1 (en) Location method for mobile networks
EP2404386B1 (en) Screening terminal positions at a terminal
JP5472291B2 (ja) 電波状況測定システム、電波状況測定方法、および電波状況測定プログラム
CN109936820B (zh) 一种用户终端定位方法及装置
CN111107556B (zh) 一种移动通信网络的信号覆盖质量评估方法和装置
US20200187149A1 (en) Method and Apparatus for Obtaining Emission Probability, Method and Apparatus for Obtaining Transition Probability, and Sequence Positioning Method and Apparatus
CN108770057B (zh) 预定指纹库的确定方法及指纹定位方法、装置、存储介质
US20200145790A1 (en) Positioning correction method and apparatus
CN111541986B (zh) 定位方法、装置、存储介质及处理器
Osa et al. Localization in wireless networks: the potential of triangulation techniques
CN110727752B (zh) 位置指纹库处理方法、设备及计算机可读存储介质
CN111757271A (zh) 基于曲线拟合和网络拓扑结构的联合道路匹配方法及装置
JP5484368B2 (ja) 移動端末からの位置情報に基づく対象エリア表示方法及びシステム
CN108712719B (zh) 基于终端信令大数据的交通等时线获取方法和***
CN115087023B (zh) 道路网络的分析方法及装置
Ezema et al. Multi linear regression model for mobile location estimation in GSM network
CN108260204B (zh) 一种基于电信定位的方法及装置
CN114885369A (zh) 网络覆盖质量检测处理方法、装置、电子设备和存储介质
JP2016048529A (ja) 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法

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