【技术实现步骤摘要】
基于用户分类的移动性预测方法、系统、装置
本专利技术属于无线通信、数据挖掘领域，具体涉及一种基于用户分类的移动性预测方法、系统、装置。
技术介绍
在海量的移动通信数据中，蕴藏着大量有价值的信息，根据这些信息，服务提供商可以设计更好的运营方案，并改善移动用户的体验。例如，利用移动通信数据中蕴藏着用户的位置信息和业务偏好信息，可以建立用户在时间和空间上的移动行为模型，进而对用户的行为模式进行预测。有效的轨迹预测使服务提供商能够提前预测用户的需求，从而优化网络资源，并减少网络拥堵。用户则可以更快获得所需信息，获得更好的服务。除此之外，用户的轨迹预测结果可以应用于各个领域，如在城市交通规划中进行拥堵趋势预警和交通规划，避免发生人群聚集和交通拥堵现象；在广告推送中通过对大量用户移动数据进行挖掘，根据用户兴趣偏好，建立用户人群画像，可应用于个性化广告推送服务，以减少广告服务的消费，并且使用户避免接收到大量的不相关信息；另外，用户移动行为在预防流行病传播、智慧旅游等领域也有重要的研究意义。在位置预测方面，常用的模型方法有基...
【技术保护点】
1.一种基于用户分类的移动性预测方法，其特征在于，该方法包括：/n步骤S100，基于待预测用户移动通信数据的XDR记录，构建历史移动轨迹序列，作为第一序列；/n步骤S200，基于所述第一序列，获取设定时间段内的移动轨迹序列，作为第二序列；基于所述第二序列，通过预设的用户类型分类规则获取所述待预测用户的用户类型；/n步骤S300，根据预设用户类型与最大步长的对应关系，获取所述待预测用户对应的最大步长k，并结合所述第二序列，分别构建1至k步的马尔科夫状态转移概率矩阵；/n步骤S400，通过1至k步的马尔科夫状态转移概率矩阵获取所述第二序列中各位置转移到下一位置的预测准确度，并通...
【技术特征摘要】
1.一种基于用户分类的移动性预测方法，其特征在于，该方法包括：
步骤S100，基于待预测用户移动通信数据的XDR记录，构建历史移动轨迹序列，作为第一序列；
步骤S200，基于所述第一序列，获取设定时间段内的移动轨迹序列，作为第二序列；基于所述第二序列，通过预设的用户类型分类规则获取所述待预测用户的用户类型；
步骤S300，根据预设用户类型与最大步长的对应关系，获取所述待预测用户对应的最大步长k，并结合所述第二序列，分别构建1至k步的马尔科夫状态转移概率矩阵；
步骤S400，通过1至k步的马尔科夫状态转移概率矩阵获取所述第二序列中各位置转移到下一位置的预测准确度，并通过预设的权重系数计算方法计算各步马尔科夫模型的权重；
步骤S500，基于所述待预测用户的当前位置及之前的k-1个位置，结合各权重，通过加权马尔科夫模型计算到达各选定候选位置的概率，将概率最大的候选位置作为所述待预测用户的下一预测位置。
2.根据权利要求1所述的基于用户分类的移动性预测方法，其特征在于，所述移动轨迹序列由用户访问基站的位置以及访问基站的时间点构成；其中，所述用户访问基站的位置的获取方法为：
S＝Lac×10000+Cell_ID
其中，S为用户访问基站的位置，Lac为XDR记录中基站的位置区号，Cell_ID为XDR记录中基站小区的识别号。
3.根据权利要求2所述的基于用户分类的移动性预测方法，其特征在于，步骤S200中“通过预设的用户类型分类规则获取所述待预测用户的用户类型”，其方法为：
基于所述第二序列，结合预设的分类统计指标，通过KNN分类器获取所述待预测用户对应的统计数据；
基于预设的用户类型与统计数据的对应关系，得到所述待预测用户的用户类型；
所述分类统计指标包括用户访问基站的总个数、第一设定时间段内访问基站的个数、第二设定时间段内的驻留时长；所述驻留时长为各个单次驻留的时长之和，单次驻留为连续在一个基站不跳转超过设定时长。
4.根据权利要求3所述的基于用户分类的移动性预测方法，其特征在于，所述最大步长，其获取方法为：
k＝max(i),(i≤Lth)&(pi≥Pth)
其中，k表示当前用户类型对应的最大步长，pi为预测准确度，Lth为设定的步长阈值，Pth为设定的概率阈值，i为自然数，表示步长。
...
【专利技术属性】
技术研发人员：严明，李云志，林茜茜，金立标，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。