[发明专利]基于运动轨迹的高铁用户识别方法

说明书

技术领域

本发明涉及移动用户特殊场景识别技术领域，具体地说是基于运动轨迹的高铁用户识别方法。

背景技术

现有的高铁用户识别算法受限于高铁车速动态性、切换序列不稳定等因素，识别效果较差。现有高铁用户识别算法如下：

通过采集S1-MME接口的信令消息，将同一用户占用的小区按照时间顺序先后排序，当该用户占用高铁专网小区个数超过3个，再依据用户在高铁专网小区间移动速率，综合识别为高铁用户。具体步骤如下：

第一步：全量用户筛选法，统计一个时间粒度内（60分钟），同一用户出现了3个以上不同高铁专网小区下的用户，将这批用户定义为高铁基础用户。

第二步：序列递增分析法，对高铁沿路的覆盖小区进行依次编号，例如京沪高铁济南地市段有24个高铁小区依据方向性依次编号，建议从省/地市边界为编号起始点，按照序列号递增(减)关系，找出用户所占的专网小区是否与编号匹配，提升识别精度。

第三步：移动速率验证法，在序列递增（减）识别的用户基础上，按照用户所占的小区（建议为独立信源小区）距离，和在各小区出现的时间差，能够计算出用户的移动速率，通过判断移动速率是否>150km/小时，提升识别精度。

第四步：输出满足以上条件的用户，定义为高铁用户。

现有技术存在的问题和缺点：步骤三中的移动速率验证法，“通过判断移动速率是否>150km/小时，提升识别精度”该门限过于严格，例如列车在进站和出站，列车速度一般都低于100km/小时，另外算各小区间的时间差来求速度，实现的算法逻辑过于复杂，实现难度较大。步骤二中序列递增分析法，“按照序列号递增(减)关系，找出用户所占的专网小区是否与编号匹配，提升识别精度”实现难度角度，因为通信系统中的无线环境无法预测，手机在小区间的切换如频繁切换、乒乓切换等带有无序性、随机性，不会按照特定的顺序进行切换，因此序列递增分析法实现难度角度。

发明内容

本发明的技术任务是针对以上不足之处，提供基于运动轨迹的高铁用户识别方法，通过结合车站小区、高铁专网小区、高铁附近公网小区、小区占用时长、路段速度筛选，简化识别算法，提高识别精度。

本发明解决其技术问题所采用的技术方案是：

基于运动轨迹的高铁用户识别方法，包括数据获取、名称定义，名称定义包括车站小区、高铁小区、公网小区、占用第一个小区时间、占用最后一个小区时间、总时长、单小区占用时长；

车站小区：候车大厅/站台/高铁进站前后，出站前后的占用小区；

高铁小区：高铁小区+市区内非高铁小区，如太原-晋中等特殊情况；

公网小区：非市区的第一层小区；

占用第一个小区时间：取该小区下最后一条XDR的结束时间（情景：用户上车，在候车大厅，等待时间较长）；

占用最后一个小区时间：取该小区下第一条XDR的开始时间（情景：用户下车，出站时间较长）；

总时长：占用最后一个小区时间-占用第一个小区时间；境内运行时间<N小时

单小区占用时长：结束时间-开始时间；列车行驶状态占用同一高铁小区<2分钟；列车停站时间>=2分钟；控制面：切换间隔大于>=2分钟（情景：同一车站一段时间内，有些列车不停靠驶过，有些列车停靠）单小区占用时长<2分钟。

优选的，候车大厅/站台/高铁进站前后，出站前后的占用小区，同一个车站可以多个。

优选的，结束时间-开始时间，集团规范一个XDR切割时间为5分钟。

高铁用户识别步骤包括筛选小区集（高铁小区+公网小区+车站小区），统称小区集；统计一天时间内小区集的所有用户（可包含所有场景：用户在不同车站、不同时间的上下车行为，以及使用手机的不同状态，只要占用即可统计到）；统计单用户（每个）占用小区集的情况：车站小区个数、高铁小区个数、总时长、单小区占用时长、移动速度等，将这些用户经过的小区按开始时间进行排序。

算法如下：车站小区数>=2 and 高铁小区数>=2 and 总时长<N，定义为高铁用户（车站小区数越多，高铁用户可能性越大）；车站小区数<2 and 同一路段的最后一个高铁小区和第一个高铁小区算速度（注意：非车站小区）。

本发明的基于运动轨迹的高铁用户识别方法和现有技术相比，具有以下有益效果：