[发明专利]一种基于GloVe模型的移动信令轨迹相关性表示方法

说明书

一种基于GloVe模型的移动终端信令轨迹相关性表示方法，属于基于位置的服务领域，方法包括以下步骤：采集移动终端信令数据，通过数据预处理消减重复、乒乓、漂移等噪声效应；构建位置网格映射表，将预处理后的位置点映射为网格编号，得到不同移动终端的网格转移序列；以网格转移序列集作为语料库训练GloVe模型，求出每个网格编号的嵌入表征向量，并基于时长加权平均计算任意网格序列的嵌入表达向量，用以表示不同移动终端的时空行为模式；计算目标网格序列与候选网格序列的嵌入表达向量的余弦相似度或明氏距离相似度，并根据相似度得分评估网格转移序列之间的相关性。结果表明本方法能够更好地捕捉到移动终端信令轨迹的相关性。

技术领域

本发明属于基于位置的服务（Location Based Services，LBS）领域，具体涉及一种基于GloVe模型的移动终端信令轨迹相关性表示方法。

背景技术

移动终端信令数据是一种人类电子足迹数据，其中蕴含着丰富的时空信息，通过分析移动终端信令数据，可以发现移动对象的行为特性、活动规律、兴趣偏好等时空模式，进而为基于位置的服务提供支持。常见的基于移动终端信令的位置服务包括：重点人群监测、公共安全、靶向预警、商业选址、城市空间品质分析、交通规划与路网优化等。

移动终端信令数据的采集依托三大运营商建立的信令监测平台，记录了手机与基站之间的信令数据交换；触发信令数据交换有两种方式，一是通话、短信、上网、区间切换等主动行为，形成的主动信息记录；二是基站定期扫描其覆盖范围内移动终端的在线情况，形成的被动信息记录；信令数据具有全天候、全覆盖、海量性、持续性、低成本等特点。每条信令数据包含了移动终端编号、信令发生时间、基站信息（位置区码、蜂窝小区编号、经纬度坐标）和触发事件代码等字段；通过与基站位置的地理信息关联，就可以构成每一个移动终端的时空活动轨迹；因此，基于移动终端信令轨迹分析人群的时空分布特征和时空流动模式，一直是轨迹数据挖掘研究中的热点，得到了业界众多研究者的广泛关注。

实际的移动通信系统处于复杂电磁环境下，由此造成移动终端的时空活动轨迹与基站位置之间普遍存在大量的误差和噪声数据；主要表现形式有：1）重复；根据用户的时空活动规律，会在诸如家庭、工作地及休闲场所等长时间停留，并随之产生大量的重复信令数据；2）乒乓；若用户处于相邻蜂窝小区的交界处，两基站信号强度相当，易导致移动终端信令在两基站间来回快速切换；3）漂移；在某些特殊情况下，移动终端信令会突然从临近的基站切换到相对较远的宏基站；4）固有偏差；由于基站的信号覆盖效应，导致基站位置与移动终端真实位置存在较大的固有偏差：城区内偏差100~500米，郊区偏差可能超过1km，对于配备拉远站的基站而言，偏差最远可达10km以上；如何有效消减移动终端信令中的误差和噪声，是进行轨迹相关性分析的必要前提条件。

轨迹相关性分析是挖掘人群时空流动模式的关键技术之一；已有的典型轨迹相关性分析技术主要包括：最长公共子序列（Longest Common Subsequence，LCS）、动态时间调整（Dynamic Time Warping，DTW）、最大共现时间（Maximum Co-occurrence Time，MCT）等；上述方法数据处理的时间复杂度较高，重点关注的是不同轨迹点序列在空间上的重合程度，但无法有效度量在人群时空流动模式中具有高度相关、且重合度较低的轨迹段之间的相关性。如何有效度量移动终端信令轨迹的相关性是一个悬而未决的问题。

发明内容

为解决移动终端信令轨迹相关性的有效度量问题，本发明提供了一种基于GloVe模型的移动终端信令轨迹相关性表示方法，该方法包括。

步骤1采集移动终端信令数据，通过数据预处理消减重复、乒乓、漂移等噪声效应。

步骤2构建位置网格映射表，将移动终端信令序列转换为网格转移序列，构建网格转移序列集。

步骤3基于网格转移序列集，训练GloVe模型，得到网格嵌入矩阵，并基于时长加权平均计算出任意网格转移序列的嵌入表达向量。