[发明专利]基于S1-MME数据的快速移动用户高精度判别方法

说明书

本发明公开了一种基于S1‑MME数据的快速移动用户高精度判别方法，属于数据分析技术领域。本发明通过采集LTE移动通信网络中S1‑MME接口数据筛选预判用户，结合覆盖交通路线的基站小区集合在地理化交通路线上的投影算法和小区覆盖轨迹分段算法，模拟计算用户实际交通路线和行经距离，替代现有技术中采用小区间距计算用户移动速度的方式，提高移动距离及速度判别准确性，并通过最大跨度判别法和倒序滑窗判别法相结合的双判别算法实现用户的判别，提升判别精度，减少人工干预因素，有效克服了现有技术中因占用覆盖交通路线小区数较少或不同移动属性的交通路线相邻而带来的用户漏判和误判问题。

技术领域

本发明涉及无线通信数据分析技术领域，特别是指LTE网络中的一种基于S1-MME数据的快速移动用户高精度判别方法。

背景技术

随着移动通信网络技术的发展，尤其是LTE网络技术的普及和应用，终端用户对网络质量和业务体验的要求越来越高。网络优化重点也随之从传统的网络设备、参数优化角度转移、聚焦于针对用户群体体验进行的优化；而对于具有不同移动性特征的用户群体的判别成为进行用户感知分析和提升的基础。

传统路测的优化方式不仅成本投入高，优化周期长，而且无法实时有效的反映目标场景、目标用户群体的业务质量和感知水平，已经不具备用于准实时、端到端业务分析的条件。

现有大数据分析技术通过常规的覆盖交通路线的基站小区集合，结合预判用户MR(LTE测量报告数据)与CDR(LTE呼叫详细记录)数据进行占用小区初步筛选，再进行相关交通路线上用户的判别。目前具有以下局限：

1、现有判别算法利用用户MR(LTE测量报告数据)或CDR(LTE呼叫详细记录)数据进行小区信息提取，结合常规的覆盖交通路线的小区集合，得到占用覆盖交通路线小区的用户。然后采用以下两种方式判别：

1)汇总预判用户占用的所有覆盖交通路线的小区数量，当占用小区数量超过覆盖交通路线的小区集合总数量一定比例门限(如60％)时，即认为该用户为符合条件的用户。

2)根据预判用户占用的覆盖交通路线的小区集合，选出若干个重点位置小区(如高铁站、高速入口、隧道、出入TA边界等小区)，通过小区(主要为重点位置小区)距离、用户信息上报时间判断速度满足条件的用户。

对于方法1)，现有判断项为覆盖交通路线的小区占比，因此只对用户高频率使用覆盖交通路线的小区且使用小区数量较多的情况下较为准确；另外为了使用户判别尽量准确，针对交通路线上不同的统计分析区间(如不同省份、不同地市、不同县区等)需单独设定不同的比例。该方法整体判断准确性较低，门限设定的固定性和单一性极易对交通路线上用户造成漏判和误判；且设定固定值较多，后期更新维护工作量大。

对于方法2)，在方法1)的基础上有一定改进，但现有判别算法对交通路线上重点位置的小区的确定仍然基于人工判断。比如高铁重点小区为人工筛选出的高铁站等小区，高速公路重点小区为人工筛选出的高速公路入口、高速公路服务站等小区，以及交通路线途经的隧道覆盖、交通路线在出入TA等边界的重点小区，然后以标签打孔的形式进行整个交通路线的加强判别。该方法虽然准确性有一定提升，但整体用户判别仍然受限于其对重点位置小区的使用，或者将占用覆盖交通路线小区较少的用户排除在外，或者对两种快速交通路线相邻的情况(如出高铁站后沿着相邻高速行驶等情况)无法有效判别。同时交通路线上重点位置小区的确定仍需人工操作，后期更新维护工作量大。

2、现有判别算法对预判用户移动速度的计算多采用以下两种方式进行处理：

1)通过占用的覆盖交通路线小区间距与两个小区时间差(秒级精度)相比的方式进行计算。因覆盖交通路线的小区分布于路线沿线周围，距离交通路线中心线距离远近不一，小区间距即小区与小区之间的直线距离(或路程距离)不能真实模拟用户沿实际交通路线的移动轨迹和距离，直接导致计算的预判用户移动速度存在较大偏差，移动轨迹判断不准。