[發明專利]一種基于時空特性的手機信令數據精細化預處理方法

有效

• 申請號: 202011050867.X
• 申請日: 2020-09-29
• 公開（公告）號: CN112312303B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 張奇;陸振波;劉志遠;張靜芬;張改;萬紫吟;劉娟;楊晨;余冠一
• 申請（專利權）人: 南京瑞棲智能交通技術產業研究院有限公司
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/20
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢

1.一種基于時空特性的手機信令數據精細化預處理方法，手機信令數據包括：

1)日期date：手機信令數據產生的日期；

2)記錄編號id：唯一標識每一條信令數據；

3)用戶編號msisdn：唯一標識每一位用戶；

4)基站小區編號tac：基站所屬小區的編號；

5)基站扇區編號cell：基站所屬小區內扇區的編號；

6)開始時間begin_time：用戶連接基站的開始時間；

7)結束時間end_time:用戶連接基站的結束時間；

基站信息數據包括：

1)基站小區編號tac：基站所屬小區的編號；

2)基站扇區編號cell：基站所屬小區內扇區的編號；

3)經度lng：基站位置的經度；

4)緯度lat：基站位置的緯度；

其特征在于，所述基于時空特性的手機信令數據精細化預處理方法包括以下步驟：

(1)原始手機信令數據與研究區域基站信息匹配，將基站的經緯度信息轉換成一個可以排序和比較的字符串編碼；將字符串編碼與手機信令數據匹配；

(2)經緯度錯誤基站信息的識別與反饋；所述步驟(2)具體實施過程為：

過程1:按每個用戶msisdn分組，根據開始時間begin_time進行升序排列，初始化i＝1；

過程2：分別計算第i條記錄與第i+1條記錄中兩個基站的距離為d_1,2，第i+1條記錄與第i+2條記錄中兩個基站的距離為d_2,3，第i+1條記錄與第i+3條記錄中兩個基站的距離為d_2,4，判斷d_1,2，d_2,3和d_2,4是否全部大于設定的距離閾值Δ_d1：如果滿足，則進入過程3；反之，i＝i+1，返回過程2；

過程3：計算第i條記錄和第i+2條記錄中兩個基站的距離d_1,3，判斷d_1,3是否小于設定的距離閾值Δ_d1，且第i條記錄的速度Speed_i大于設定的速度閾值Δ_speed：如果滿足，則進入過程4；反之，i＝i+1，返回過程2；

過程4：將第i條記錄的結束時間end_time賦值為第i+1條記錄的結束時間end_time，輸出第i+1條記錄的基站信息為潛在經緯度錯誤的基站，并刪除第i+1條記錄，i＝i+1，返回過程2；

過程5：當遍歷完所有數據記錄后，結束循環；

(3)同位置信令數據合并；所述步驟(3)具體實施過程為：

過程1:按每個用戶msisdn分組，根據開始時間begin_time進行升序排列，計算與上一條的結束時間等于下一條的開始時間的時間間隔，且如果當前一行數據的基站與下一條數據的基站相同，則標記該行flag為1，否則為0；

過程2：當上下兩條基站相同，且與上一條的結束時間等于下一條的開始時間的時間間隔小于6小時，更新上一條的結束時間為下一條時間的開始時間，使上下兩條數據時間連續；

過程3：按用戶和基站分組，根據開始時間begin_time進行升序排列，計算同一用戶同一基站的時間間隔，如果為0，標記flag為1，下一條數據flag為-1；

過程4：篩選出flag為-1和1的數據，根據記錄編號id與原始手機數據合并，計算flag列的累計和，flag列為0的數據為去除相同基站且時間連續的數據；

過程5：篩選出flag列為0的數據，并刪去；

過程6：將同用戶的第i條記錄的結束時間end_time賦值為第i+1條記錄的開始時間start_time，重新計算每一條記錄的逗留時間stay_time，即每一條記錄結束時間end_time減去開始時間begin_time；

(4)漂移數據軌跡降噪處理；所述步驟(4)具體實施過程為：

過程1：按每個用戶msisdn分組，根據開始時間begin_time進行升序排列，初始化i＝1，取第i條記錄為當前記錄，并向后提取N條記錄，N取值至少為3；

過程2：對這N+1條信令數據的經緯度坐標取平均值，計算得到N+1條數據記錄經緯度的中心點O_i；

過程3：設定距離閾值Δ_d2，以上述中心點O_i，半徑為Δ_d2畫圓，判斷該N+1個點是否均在此圓范圍內，如滿足，則進入過程4；如有任意一點不滿此范圍，則i＝i+1，返回過程2；

過程4：生成新記錄：保留這N+1條信令數據中逗留時間stay_time最長的基站信息，開始時間begin_time為第i條數據的開始時間，結束時間end_time為第N+i條記錄的結束時間，重新計算逗留時間stay_time，刪除第N+1條記錄；新生成的記錄作為第i條記錄，i＝i+1，返回過程2；

過程5：遍歷全部記錄后，結束循環；

(5)全類型乒乓數據優化處理；所述步驟(5)中，對于同一用戶連續時間且按時間遞增排序的手機信令數據，第i條記錄與第i+n條記錄的位置相同，該兩條記錄的停留時間均大于時間閾值Δ_time，且該兩條記錄之間的n-1條記錄總計停留時間均小于時間閾值Δ_time，則稱第i至i+n條記錄為全類型乒乓切換數據；利用前綴和與差分的優化算法，識別并去除在多個基站來回切換的乒乓數據；

所述步驟(5)具體實施過程為：

過程1：設定時間閾值Δ_time，篩選出逗留時間stay_time大于Δ_time的基站；

過程2：按用戶msisdn、基站base分組，計算同一用戶同一基站的時間間隔；

過程3：設置flag字段全部為0；如果時間間隔小于Δ_time，flag加一，下一條數據flag減一；

過程4：篩選出flag為-1和1的數據，按記錄編號id與未篩選前的數據進行匹配，計算flag列的累計和，累計和為0的列為去除乒乓數據后的數據；

過程5：篩選出flag列為0的數據，并刪去；

過程6：將同用戶的第i條記錄的結束時間end_time賦值為第i+1條記錄的開始時間start_time，重新計算每一條記錄的逗留時間stay_time，即每一條記錄結束時間end_time減去開始時間begin_time。