一种基于移动管道数据的用户移动轨迹定位方法
【技术领域】
[0001] 本发明具体设及一种基于移动管道数据的用户移动轨迹定位方法。
【背景技术】
[0002] 目前有很多的用户移动轨迹定位方法，但运些方法繁琐复杂，且效率不高。还没有 出现根据运营商管道数据来确定用户轨迹的很好的解决办法。
【发明内容】
[0003] 本发明通过采集运营商管道数据(主要包括S1-U 口数据和GN 口数据等），并解析用 户使用定位类APP中上报经缔度，并结合用户移动的小区序列，经过隐马尔科夫链计算用户 实际行走轨迹及用户移动速度和用户当前位置，并可据此判断用户出行交通工具，为道路 交通规划提供数据支持。
[0004] 具体地，本发明提供一种基于移动管道数据的用户移动轨迹定位方法，所述方法 包括如下步骤：
[0005] 步骤一:采集运营商管道数据，从APP中解析用户经缔度；
[0006] 步骤二:各APP获取经缔度进行均一化解密；
[0007] 步骤Ξ:根据APP中经缔度和小区的关系，构建小区覆盖图；
[000引步骤四：构建隐马尔科夫链，经过隐马尔科夫链计算用户实际行走轨迹及用户移 动速度和用户当前位置。
【附图说明】
[0009] 图1为小区实际覆盖图。
[0010] 图2为道路栅格化后的路测数据图。
[0011] 图3为判断是否计算过的相同路径的原理示意图。
【具体实施方式】
[0012] 下面结合附图和实施例对本发明进行详细的描述。
[0013] 用户定位过程如下：
[0014] 步骤一:从APP中解析用户经缔度；
[0015] 目前随着智能手机的普及，用户使用数据业务越来越频繁，数据业务中设及到定 位的APP应用越来越多，据前期数据分析结果表明，平均每个智能手机用户，至少安装了一 到连个设及定位的APP应用。我们可W从地图类应用，包括百度地图，高德地图，捜狗地图， 腾讯地图等;团购类应用，包括大众点评，美团，懦米等;打车类应用，包括滴滴打车，快的打 车，51用车，滴滴顺风车等;旅游类应用，包括携程旅游，艺龙网，去呀等;外卖等应用，包括 饿了吗，美团外卖等，W及其他猫眼电影，淘宝，京东等APP携带到用户位置信息。
[0016] 步骤二:各APP获取经缔度进行均一化解密；
[0017] 应国家测绘局要求，我国公开发行的地图均需要进行加密，从市场上主流的图商 可知，百度地图采用的是百度自己的DB-09坐标系，该坐标系在国家测绘局发布的GCJ-02坐 标系上，又进行了加密;腾讯地图使用国家测绘局发布的GCJ-02坐标系(火星坐标系），谷歌 地图采用的是国际通用的WGS-84坐标系，因此需要将从APP中获取到的经缔度进行均一化 处理，系统中在实现过程中，统一转为国家测绘局发布的GCJ-02坐标系。
[0018] 步骤根据APP中经缔度和小区的关系，构建小区覆盖图；
[0019] 根据APP中获取到的经缔度与当前所在小区的对应关系，按小区进行汇总，即可获 取到小区的实际覆盖范围，将小区实际覆盖范围与道路进行叠加，则可知道某段道路是哪 个小区覆盖，进而得出道路的小区覆盖情况。小区实际覆盖图如图1所示。
[0020] 步骤四：构建隐马尔科夫链;经过隐马尔科夫链计算用户实际行走轨迹及用户移 动速度和用户当前位置。
[0021] 在用户没有经缔度的时候，而有位置更新的小区序列时，利用隐马尔科夫链算法 来推测用户的栅格道路序列。即：小区序列是明序列，栅格道路序列是暗序列，用明序列来 推测暗序列。算法的具体过程分W下步骤：
[0022] 4.1道路栅格化
[0023] 首先将全网划分为50巧0的栅格并对每个栅格进行编号，每个栅格取中屯、点经缔 度作为该栅格的经缔度，栅格取左上和右下经缔度作为栅格范围。然后基于路测数据的经 缔度放入到栅格中，若路测数据中有两个经缔度同时落在一个栅格中，则将其进行融合，并 取栅格中屯、的经缔度作为道路的经缔度划分。道路栅格化也即是将路网数据每隔50米抽象 成一个线段。并且在运里假设用户将要跳跃到的路段只和当前路段相关，与过去的路段无 关。
[0024] 考虑到实际的道路可W近似为一条线，每个路段必须用一个栅格来覆盖，才能在 计算概率的时候不出现错误;我们需要在道路栅格化之前，首先需要对路测数据进行平滑 处理，例如:对路测数据进行一次移动平均或者二次移动平均。
[0025] 4.2构造转移概率矩阵A
[0026] 构造转移概率矩阵即是构建路段之间的转移概率。由于步骤一中已经对道路进行 了栅格化，即把每50米的路段抽象成一个线段，则计算路段之间的转移概率即是计算栅格 之间的转移概率。一个栅格周围有8个栅格，如果有4个栅格中有路测数据的经缔度(十字路 口），则此栅格到运4个栅格的概率均为1/4;如果只有3个栅格有路测数据的经缔度(下字路 口），则此栅格到运3个栅格的概率均为1/3;如果只有2个栅格有路测数据的经缔度(没有交 叉口），则此栅格到运2个栅格的概率均为1/2。例如：图2为道路栅格化后的路测数据图，其 中已经标记的路段1，2,3,4,5,6(路段1代表一个栅格覆盖的路段），1转移到2的概率为1/2， 2转移到3的概率也为1 /2，但是3转移到2，4，5，6的概率均为1 /4。
[0027] 4.3构造条件概率矩阵B
[0028] 构造条件概率矩阵即是构建某条栅格路段属于某个小区的概率。如果一个栅格中 接收的信号全是来自小区A的，则此栅格属于小区A的概率为1;如果一个栅格中接收的信号 有小区A和小区B的，则根据接收信号中A小区所占的比例作为此栅格属于A小区的概率。
[0029] 4.4建立马尔科夫模型并计算
[0030] 设初始时刻用户所在小区为A，小区A所覆盖的道路栅格为1，2,3,则初始时刻用户 在道路栅格1，2，3的概率均为1/3。根据转移概率矩阵和条件观测概率矩阵，可计算最佳路 径概率δ*α)和最佳状态概率恥(i)。为了使状态序列达到全局最优，我们使用动态规划的思 想。首先将每个状态序列看作是一条路径，每个状态看作是路径上的一个节点。
[0031] 设时刻t=rt'的最优状态序列为. .it'，则在整个最优状态序列中一定 包含上述部分最优序列，否则，设整体最优状态序列在时间rt'的最优序列为η，i2， ...ik，则序列il，i2,. . .ik比序列il，i2,. . .it'更优与条件il，i2,. . .it'是最优的是矛盾 的，因而我们可W逐个时刻求解当前的最优状态序列，直到时刻Τ。
[0032] 先定义在时刻t状态为i的所有单个路径状态il，i2, .. .it中概率最大值为：
[0035] 通过上述递推公式可W计算出状态序列出现的概率，但是并没有得到相应的状态 序列，于是我们需要使用下式来