[發(fā)明專利]一種基于GloVe模型的移動信令軌跡相關(guān)性表示方法

在審

• 申請?zhí)枺?/td>: 202110054499.4
• 申請日: 2021-01-15
• 公開（公告）號: CN112738715A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計）人: 邱浪波;穆鵬遠;蔡勇;南阿健
• 申請（專利權(quán)）人: 陜西省信息化工程研究院
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/021;H04W4/029;H04W8/18;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種基于GloVe模型的移動終端信令軌跡相關(guān)性表示方法，屬于基于位置的服務(wù)領(lǐng)域，方法包括以下步驟：采集移動終端信令數(shù)據(jù)，通過數(shù)據(jù)預(yù)處理消減重復(fù)、乒乓、漂移等噪聲效應(yīng)；構(gòu)建位置網(wǎng)格映射表，將預(yù)處理后的位置點映射為網(wǎng)格編號，得到不同移動終端的網(wǎng)格轉(zhuǎn)移序列；以網(wǎng)格轉(zhuǎn)移序列集作為語料庫訓練GloVe模型，求出每個網(wǎng)格編號的嵌入表征向量，并基于時長加權(quán)平均計算任意網(wǎng)格序列的嵌入表達向量，用以表示不同移動終端的時空行為模式；計算目標網(wǎng)格序列與候選網(wǎng)格序列的嵌入表達向量的余弦相似度或明氏距離相似度，并根據(jù)相似度得分評估網(wǎng)格轉(zhuǎn)移序列之間的相關(guān)性。結(jié)果表明本方法能夠更好地捕捉到移動終端信令軌跡的相關(guān)性。

技術(shù)領(lǐng)域

本發(fā)明屬于基于位置的服務(wù)（Location Based Services，LBS）領(lǐng)域，具體涉及一種基于GloVe模型的移動終端信令軌跡相關(guān)性表示方法。

背景技術(shù)

移動終端信令數(shù)據(jù)是一種人類電子足跡數(shù)據(jù)，其中蘊含著豐富的時空信息，通過分析移動終端信令數(shù)據(jù)，可以發(fā)現(xiàn)移動對象的行為特性、活動規(guī)律、興趣偏好等時空模式，進而為基于位置的服務(wù)提供支持。常見的基于移動終端信令的位置服務(wù)包括：重點人群監(jiān)測、公共安全、靶向預(yù)警、商業(yè)選址、城市空間品質(zhì)分析、交通規(guī)劃與路網(wǎng)優(yōu)化等。

移動終端信令數(shù)據(jù)的采集依托三大運營商建立的信令監(jiān)測平臺，記錄了手機與基站之間的信令數(shù)據(jù)交換；觸發(fā)信令數(shù)據(jù)交換有兩種方式，一是通話、短信、上網(wǎng)、區(qū)間切換等主動行為，形成的主動信息記錄；二是基站定期掃描其覆蓋范圍內(nèi)移動終端的在線情況，形成的被動信息記錄；信令數(shù)據(jù)具有全天候、全覆蓋、海量性、持續(xù)性、低成本等特點。每條信令數(shù)據(jù)包含了移動終端編號、信令發(fā)生時間、基站信息（位置區(qū)碼、蜂窩小區(qū)編號、經(jīng)緯度坐標）和觸發(fā)事件代碼等字段；通過與基站位置的地理信息關(guān)聯(lián)，就可以構(gòu)成每一個移動終端的時空活動軌跡；因此，基于移動終端信令軌跡分析人群的時空分布特征和時空流動模式，一直是軌跡數(shù)據(jù)挖掘研究中的熱點，得到了業(yè)界眾多研究者的廣泛關(guān)注。

實際的移動通信系統(tǒng)處于復(fù)雜電磁環(huán)境下，由此造成移動終端的時空活動軌跡與基站位置之間普遍存在大量的誤差和噪聲數(shù)據(jù)；主要表現(xiàn)形式有：1）重復(fù)；根據(jù)用戶的時空活動規(guī)律，會在諸如家庭、工作地及休閑場所等長時間停留，并隨之產(chǎn)生大量的重復(fù)信令數(shù)據(jù)；2）乒乓；若用戶處于相鄰蜂窩小區(qū)的交界處，兩基站信號強度相當，易導(dǎo)致移動終端信令在兩基站間來回快速切換；3）漂移；在某些特殊情況下，移動終端信令會突然從臨近的基站切換到相對較遠的宏基站；4）固有偏差；由于基站的信號覆蓋效應(yīng)，導(dǎo)致基站位置與移動終端真實位置存在較大的固有偏差：城區(qū)內(nèi)偏差100~500米，郊區(qū)偏差可能超過1km，對于配備拉遠站的基站而言，偏差最遠可達10km以上；如何有效消減移動終端信令中的誤差和噪聲，是進行軌跡相關(guān)性分析的必要前提條件。

軌跡相關(guān)性分析是挖掘人群時空流動模式的關(guān)鍵技術(shù)之一；已有的典型軌跡相關(guān)性分析技術(shù)主要包括：最長公共子序列（Longest Common Subsequence，LCS）、動態(tài)時間調(diào)整（Dynamic Time Warping，DTW）、最大共現(xiàn)時間（Maximum Co-occurrence Time，MCT）等；上述方法數(shù)據(jù)處理的時間復(fù)雜度較高，重點關(guān)注的是不同軌跡點序列在空間上的重合程度，但無法有效度量在人群時空流動模式中具有高度相關(guān)、且重合度較低的軌跡段之間的相關(guān)性。如何有效度量移動終端信令軌跡的相關(guān)性是一個懸而未決的問題。

發(fā)明內(nèi)容

為解決移動終端信令軌跡相關(guān)性的有效度量問題，本發(fā)明提供了一種基于GloVe模型的移動終端信令軌跡相關(guān)性表示方法，該方法包括。

步驟1采集移動終端信令數(shù)據(jù)，通過數(shù)據(jù)預(yù)處理消減重復(fù)、乒乓、漂移等噪聲效應(yīng)。

步驟2構(gòu)建位置網(wǎng)格映射表，將移動終端信令序列轉(zhuǎn)換為網(wǎng)格轉(zhuǎn)移序列，構(gòu)建網(wǎng)格轉(zhuǎn)移序列集。

步驟3基于網(wǎng)格轉(zhuǎn)移序列集，訓練GloVe模型，得到網(wǎng)格嵌入矩陣，并基于時長加權(quán)平均計算出任意網(wǎng)格轉(zhuǎn)移序列的嵌入表達向量。