[发明专利]一种基于手机信令数据的目标位置估计方法

说明书

本发明公开了一种基于手机信令数据的目标位置估计方法，方法包括：划分将要进行目标位置估计的研究区域；根据研究区域和手机基站位置构建泰森多边形，并将泰森多边形空间划分与区域规则空间单元划分进行叠加，得到重叠面积；统计每个用户在每个时间区间内的基站连接时长分布；根据基站连接时长分布，计算用户位置位于各个空间单元的先验概率；计算用户位于不同空间单元时，产生与基站的信号连接的条件概率；根据先验概率和条件概率，计算用户位置的后验概率，计算得到目标位置估计结果。本发明的准确度高且更具有时空特征性，能够兼顾概率推断理论与人类移动性时空规律特征，进行更为合理的计算，可广泛应用于大数据技术领域。

技术领域

本发明涉及大数据技术领域，尤其是一种基于手机信令数据的目标位置估计方法。

背景技术

近年来，随着移动通信技术的快速发展和普及，在传统的数据获取方法局限性明显的情况下，各类多源轨迹大数据逐渐成为各种统计分析项目的热门数据源。其中，最具有代表性的则是手机信令数据，这类手机信令数据的重要特点是人口与空间覆盖率高、时间跨度长，通过全面、完整的时空轨迹信息可以反推个体用户的出行轨迹，对于预测用户轨迹位置、研究城市居民行为与空间分布有着很高的数据价值。

由于手机信令数据记录的通常是与用户手机在特定时刻产生连接的通信设备的信息，这导致了手机信令数据的空间定位精度受限于手机基站等通信设备的布设与分布。同时，手机信令数据的时间精度也会受到系统采样频率或用户使用习惯等影响。如果可以从实时、海量、广泛覆盖的手机信令数据中得到更为准确且可信度高的个体和群体时空位置信息且加以有效利用，那么不仅可以得到基于时空位置信息的更加真实的个体位置估计，更可以得到使手机信令数据在城市交通高效治理方面有效赋能的一条新路径。

目前国内外在轨迹位置预测领域已有一些算法模型，主要分为以静态的基站位置或者基于不合理邻近性假设的空间区域划分作为用户位置的近似估计方法和基于概率模型的推断估计。这两类算法中的后者虽然开始使用概率模型，例如区域人流量提取模型和LSTM位置预测模型，但也往往只是简单的利用手机信令数据静态或聚合的位置信息，以大量数据的积累为先验进行分析，并没有充分利用到大量的个体轨迹数据中蕴含的动态时空特征信息，而这一类信息往往才是位置推断结合时空规律性的关键。

发明内容

有鉴于此，本发明实施例提供一种准确度高且更具有时空特征性的，基于手机信令数据的目标位置估计方法。

本发明实施例的一方面提供了一种基于手机信令数据的目标位置估计方法，包括：

划分将要进行目标位置估计的研究区域；

根据所述研究区域和手机基站位置构建泰森多边形，并将所述泰森多边形空间划分与区域规则空间单元划分进行叠加，得到重叠面积；

统计每个用户在每个时间区间内的基站连接时长分布；

根据所述基站连接时长分布，计算用户位置位于各个空间单元的先验概率；

计算用户位于不同空间单元时，产生与基站的信号连接的条件概率；

根据所述先验概率和所述条件概率，计算用户位置的后验概率，计算得到目标位置估计结果。

可选地，所述划分将要进行目标位置估计的研究区域，包括：

确定将要进行目标位置估计的研究区域的经度范围和纬度范围；

根据所述经度范围和纬度范围，将研究区域划分为正方形空间单元。

可选地，所述根据所述研究区域和手机基站位置构建秦森多边形，并将所述秦森多边形空间划分与区域规则空间单元划分进行叠加，得到重叠面积，包括：

以手机基站位置为中心点，将研究区域划分为数量与基站数量相等的秦森多边形；