一种道路用户识别方法、装置、存储介质及电子装置制造方法及图纸

本申请实施例提供了一种道路用户识别方法、装置、存储介质及电子装置，该方法包括：提取预设时间段内的测量报告MR数据；从该MR数据中筛选出携带辅助全球定位系统AGPS测量结果的目标MR数据；基于该目标MR数据进行道路用户识别，可以解决相关技术中基于道路的电子地图信息识别道路用户，依赖于电子地图信息，增加了数据成本、存储成本以及维护成本，且限制了道路用户识别功能部署的场景的问题，无需第三方提供的外部电子地图信息，即可识别道路用户，降低了数据成本，同时也降低了存储与维护成本，且使得部署的场景更加灵活。且使得部署的场景更加灵活。且使得部署的场景更加灵活。

【技术实现步骤摘要】
一种道路用户识别方法、装置、存储介质及电子装置


[0001]本申请实施例涉及通信领域，具体而言，涉及一种道路用户识别方法、装置、存储介质及电子装置。

技术介绍

[0002]不同使用场景的用户的话务模型、移动性有各自的特点，识别出特定场景的用户可用于特定的应用场景以及针对性的优化方案。道路用户是关注度非常高的一类用户。在虚拟路测，用户轨迹预测，移动性优化等方面都会考虑优先针对道路用户，这就涉及到了道路用户的识别问题。现有技术识别道路用户主要是基于道路的电子地图信息，用户位置能够匹配到道路上时，即用户位置距离道路较近时，判定为道路用户。该方法需要依赖于完整、精确的电子地图信息，而电子地图的获取会增加成本，包括购买电子地图费用成本，人工维护成本，以及电子地图的存储成本。其中，较大的电子地图的存储还会限制道路用户识别功能部署的场景，比如在基站存储空闲宝贵，不适于存储电子地图信息，会影响道路用户识别功能在基站侧的实现。
[0003]针对相关技术中基于道路的电子地图信息识别道路用户，依赖于电子地图信息，增加了数据成本、存储成本以及维护成本，且限制了道路用户识别功能部署的场景的问题，尚未提出解决方案。

技术实现思路

[0004]本申请实施例提供了一种道路用户识别方法、装置、存储介质及电子装置，以至少解决相关技术中基于道路的电子地图信息识别道路用户，依赖于电子地图信息，增加了数据成本、存储成本以及维护成本，且限制了道路用户识别功能部署的场景的问题。
[0005]根据本申请的一个实施例，提供了一种道路用户识别方法，包括：
[0006]提取预设时间段内的测量报告(Measurement Report，简称为MR)数据；
[0007]从所述MR数据中筛选出携带辅助全球定位系统(Assisted Global Positioning System，简称为AGPS)测量结果的目标MR数据；
[0008]基于所述目标MR数据进行道路用户识别。
[0009]在一示例性实施例中，基于所述目标MR数据进行道路用户识别包括：
[0010]基于密度的聚类算法对所述目标MR数据进行聚类处理，得到高密度分布的多个MR簇；
[0011]将所述多个MR簇中的用户确定为所述道路用户，并将所述目标MR数据中除所述多个MR簇之外的其他MR数据的用户确定为非道路用户。
[0012]在一示例性实施例中，将所述多个MR簇中的用户确定为所述道路用户包括：
[0013]将所述多个MR簇中样本数目小于预设数量的MR簇剔除，得到目标MR簇；
[0014]将所述目标MR簇中的用户确定为所述道路用户。
[0015]在一示例性实施例中，将所述目标MR簇中的用户确定为所述道路用户包括：
[0016]将所述多个MR簇映射到地理栅格中；
[0017]分别将MR簇数目大于预设阈值的栅格作为疑似道路栅格；
[0018]将地理位置连续的所述疑似道路栅格聚为一个目标簇；
[0019]将所述目标簇中的用户确定为所述道路用户。
[0020]在一示例性实施例中，将所述多个MR簇中的用户确定为所述道路用户包括：
[0021]将所述多个MR簇按照UE ID进行汇总；
[0022]按时间顺序计算每个UE的运行速度，并剔除小于预设速度阈值的运行速度，得到多个运行速度；
[0023]将所述多个运行速度对应的用户确定为所述道路用户。
[0024]在一示例性实施例中，在将所述多个MR簇中的用户确定为所述道路用户，并将所述目标MR数据中除所述多个MR簇之外的其他MR数据的用户确定为非道路用户之后，所述方法还包括：
[0025]根据所述道路用户和所述非道路用户构建监督学习的训练样本，其中，样本特征为MR中部分或全量的无线信道环境信息，样本标签为所述道路用户或所述非道路用户；
[0026]采用监督学习分类模型，根据所述训练样本进行分类学习，得到分类模型，其中，所述分类模型用于对未携带所述AGPS测量结果的MR数据进行道路用户识别。
[0027]在一示例性实施例中，在采用监督学习分类模型，根据所述训练样本进行分类学习，得到所述分类模型之后，所述方法还包括：
[0028]将MR数据输入到所述分类模型中，得到所述分类模型输出的识别结果，其中，所述识别结果包括所述道路用户与所述非道路用户。
[0029]根据本申请的另一个实施例，还提供了一种道路用户识别装置，包括：
[0030]提取模块，用于提取预设时间段内的测量报告MR数据；
[0031]筛选模块，用于从所述MR数据中筛选出携带辅助全球定位系统AGPS测量结果的目标MR数据；
[0032]识别模块，用于基于所述目标MR数据进行道路用户识别。
[0033]在一示例性实施例中，所述识别模块包括：
[0034]聚类处理子模块，用于基于密度的聚类算法对所述目标MR数据进行聚类处理，得到高密度分布的多个MR簇；
[0035]确定子模块，用于将所述多个MR簇中的用户确定为所述道路用户，并将所述目标MR数据中除所述多个MR簇之外的其他MR数据的用户确定为非道路用户。
[0036]在一示例性实施例中，所述确定子模块包括：
[0037]第一剔除单元，用于将所述多个MR簇中样本数目小于预设数量的MR簇剔除，得到目标MR簇；
[0038]第一确定单元，用于将所述目标MR簇中的用户确定为所述道路用户。
[0039]在一示例性实施例中，所述确定单元，还用于
[0040]将所述多个MR簇映射到地理栅格中；
[0041]分别将MR簇数目大于预设阈值的栅格作为疑似道路栅格；
[0042]将地理位置连续的所述疑似道路栅格聚为一个目标簇；
[0043]将所述目标簇中的用户确定为所述道路用户。
[0044]在一示例性实施例中，所述确定子模块包括：
[0045]汇总单元，用于将所述多个MR簇按照UE ID进行汇总；
[0046]第二剔除单元，用于按时间顺序计算每个UE的运行速度，并剔除小于预设速度阈值的运行速度，得到多个运行速度；
[0047]第二确定单元，用于将所述多个运行速度对应的用户确定为所述道路用户。
[0048]在一示例性实施例中，所述装置还包括：
[0049]构建模块，用于根据所述道路用户和所述非道路用户构建监督学习的训练样本，其中，样本特征为MR中部分或全量的无线信道环境信息，样本标签为所述道路用户或所述非道路用户；
[0050]分类学习模块，用于采用监督学习分类模型，根据所述训练样本进行分类学习，得到分类模型，其中，所述分类模型用于对未携带所述AGPS测量结果的MR数据进行道路用户识别。
[0051]在一示例性实施例中，所述装置还包括：
[0052]输入模块，用于将MR数据输入到所述分类模型中，得到所述分类模型输出的识别结果，其中，所述识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路用户识别方法，其特征在于，包括：提取预设时间段内的测量报告MR数据；从所述MR数据中筛选出携带辅助全球定位系统AGPS测量结果的目标MR数据；基于所述目标MR数据进行道路用户识别。2.根据权利要求1所述的方法，其特征在于，基于所述目标MR数据进行道路用户识别包括：基于密度的聚类算法对所述目标MR数据进行聚类处理，得到高密度分布的多个MR簇；将所述多个MR簇中的用户确定为所述道路用户，并将所述目标MR数据中除所述多个MR簇之外的其他MR数据的用户确定为非道路用户。3.根据权利要求2所述的方法，其特征在于，将所述多个MR簇中的用户确定为所述道路用户包括：将所述多个MR簇中样本数目小于预设数量的MR簇剔除，得到目标MR簇；将所述目标MR簇中的用户确定为所述道路用户。4.根据权利要求3所述的方法，其特征在于，将所述目标MR簇中的用户确定为所述道路用户包括：将所述多个MR簇映射到地理栅格中；分别将MR簇数目大于预设阈值的栅格作为疑似道路栅格；将地理位置连续的所述疑似道路栅格聚为一个目标簇；将所述目标簇中的用户确定为所述道路用户。5.根据权利要求2所述的方法，其特征在于，将所述多个MR簇中的用户确定为所述道路用户包括：将所述多个MR簇按照UE ID进行汇总；按时间顺序计算每个UE的运行速度，并剔除小于预设速度阈值的运行速度，得到多个运行速度；将所述多个运行速度对应的用户确定为所述道路用户。6.根据权利要求2至5中任一项所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：王绍江，柯雅珠，张波，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：