买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】后验估计一个或多个人群中的人数的方法和系统_意大利电信股份公司_201580079571.1 

申请/专利权人:意大利电信股份公司

申请日:2015-03-30

公开(公告)日:2021-01-05

公开(公告)号:CN107637098B

主分类号:H04W4/021(20180101)

分类号:H04W4/021(20180101);H04W4/029(20180101)

优先权:

专利状态码:有效-授权

法律状态:2021.01.05#授权;2018.02.27#实质审查的生效;2018.01.26#公开

摘要:一种估计在一天的观察时间间隔期间在感兴趣区域107聚集的人的数量的方法,其中所述感兴趣区域107由感兴趣区域中心和感兴趣区域半径限定,并被具有多个通信站105a的移动电信网络105覆盖,多个通信站中的每个适于管理被覆盖的地理地区300;300′中的一个或多个被服务区域105b中的用户装备的通信,移动电信网络105在所述被覆盖的地理地区300;300′上提供服务。

主权项:1.一种估计在一天的观察时间间隔期间在感兴趣区域107聚集的人的数量的方法,其中所述感兴趣区域107由感兴趣区域中心和感兴趣区域半径限定,并被具有多个通信站105a的移动通信网络105覆盖,所述多个通信站中的每个适于管理被覆盖的地理地区300;300'中的一个或多个被服务区域105b中的用户装备的通信,所述移动通信网络105在所述被覆盖的地理地区300;300'上提供服务,所述方法包括以下步骤:a限定604感兴趣区域半径的多个计算出的半径值,并且对于每个计算出的半径值:b基于关于移动通信网络105的使用的聚合数据,计算610,612在感兴趣区域107内在所述一天的观察时间间隔期间已经由移动通信网络105服务的用户装备的第一数量;c基于关于移动通信网络105的使用的聚合数据,计算614,616在感兴趣区域107内在所述一天之前的预定数量的先前天中的每一天的所述观察时间间隔期间已经由移动通信网络105服务的用户装备的第二数量;d将用户装备的第一数量和用户装备的第二数量组合618,620以用于获得统计量;e如果统计量达到一定阈值,那么检测到622人的聚集的发生;f将感兴趣区域半径的最佳半径值计算636为计算出的半径值的平均值,在该计算出的半径值内检测到人的聚集;g估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量,其中,所述方法还包括对于每个计算出的半径值:h将被覆盖的地理地区300;300'细分为多个表面元素205,以及i接收涉及所述表面元素205中的每一个表面元素的、关于移动通信网络105的使用的多个聚合数据,其中,用户装备的第一数量和或用户装备的第二数量可以被计算为被包括在感兴趣区域107中的相关表面元素505a-d中的用户装备的总数量、平均数量或最大数量,其中,多个计算出的半径值在从最小半径值到最大半径值的范围内,每个计算出的半径值与下一个计算出的半径值以迭代宽度分开,并且其中,如果表面元素205验证了以下不等式,那么该表面元素205被识别为相关表面元素505a-d:DistC,B≤|Rs+Ro|,其中C是感兴趣区域107的中心,B是被服务的区域105b的中心,DistC,B是感兴趣区域的中心C与表面元素的中心B之间的地理距离,Rs是表面元素的半径,并且Ro是最佳半径值。

全文数据:通过电信网络的聚合数据后验估计一个或多个人群中的人数的方法和系统技术领域[0001]本发明涉及人群计数,S卩,涉及用于计数或估计人群中的人数的技术。在本说明书中,为了本发明的目的,“人群”是指聚集在一定certain地点的一定数量的人的聚集,例如为了参加具有最不同性质的公共事件或集会happenings例如并非穷举直播电视节目、艺术娱乐表演、文化展览、戏剧演出、体育比赛、音乐会、电影、示威和或为了参观特定感兴趣的地方诸如博物馆、纪念碑、建筑等)。[0002]特别地,本发明涉及利用由无线或移动电信网络提供的信息的人群计数技术。背景技术[0003]在城市规划、活动管理例如,运输系统管理和紧急情况管理)以及旅游和本地营销的任务中,了解以下的人的数量是有用的:这些人在一定地点或感兴趣区域简称ΑοΙ,例如,建筑物,诸如例如体育场或剧院或电影院、其周围环境、城市或城镇或乡村的广场或一条或多条街道、街区等处聚集,例如,因为他们参加了在感兴趣区域内发生的比如节目的公开集会例如,与文化、娱乐、政治或体育有关和或为了参观感兴趣区域内的感兴趣的地方也称为兴趣点)。[0004]在与公开集会相关的人的一个或多个聚集的情况下虽然以下考虑也适用于与兴趣点相关的人的聚集),这种了解允许例如更有效地规划后续的相同类型的公开集会。特别地,这种了解允许更有效地规划和管理与将来可能发生的类似公开集会诸如,例如,在体育场定期发生的体育比赛直接或间接相关的资源和活动诸如基础设施、运输系统和安全)。此外,从商业角度来看,这种了解允许更好地管理旨在促进将来可能发生的类似事件的营销活动。[0005]如今,移动通信设备(以下称为移动电话或UE,包括蜂窝电话、智能电话、平板电脑等)已经在许多国家的人口中得到彻底的扩散,并且移动电话所有者几乎始终携带他们的移动电话与他们在一起。由于移动电话与移动电话网络的多个基站通信,并且每个基站覆盖即,服务移动通信服务提供商例如移动电话网络所有者或虚拟移动电话服务提供商)已知的一个或多个预定服务区域或小区,因此移动电话结果被证明是作为跟踪设备的最佳候选者,该跟踪设备用于收集对识别参加一个或多个公开集会的人数有用的数据。[0006]在本领域中,已经提出了许多系统和方法以便收集关于个人的用户装备UE,例如,移动电话、智能电话、平板电脑等连接到移动电话网络例如,用于执行语音呼叫或发送文本消息)的时间和地点的信息,并且使用这种收集到的信息来得出与某些公开集会具有多少参加者有关的信息。[0007]例如,F.Calabrese,F.C.Pereira,G.DiLorenzo,L.Liu,C·Ratti,“TheGeographyofTaste:AnalyzingCell-PhoneMobilityinSocialEvents”,PervasiveComputing,LNCS6030,Springer,2010,第22-37页公开了特殊事件期间人群移动性的分析。近1〇〇万部手机踪迹已经被分析,并与它们的社交事件的目的地相关联。已经观察到,参加事件的人的来源与事件的类型密切相关,并且对城市管理具有影响,因为对添加的additive流动的了解可以是关于事件管理和拥塞减轻做出决定的关键信息。[0008]Traag,V.A.;Browet1A.;Calabrese,F.;Morlot,F.,uSocialEventDetectioninMassiveMobilePhoneDataUsingProbabilisticLocationInference”,2011IEEEThirdInternationalConferenceonPrivacy,Security,RiskandTrustPassat和2011IEEEThirdInternationalConferenceonSocialComputingSocialcom,2011年10月9日至11日,第625、628页专注于不寻常的大规模的人的聚集(S卩,不寻常的社交事件)。基于贝叶斯地点推理框架,介绍了在大规模移动电话数据中检测这类社交事件的方法。更具体而言,还开发了决定谁正在参加事件的框架。对于几个示例演示了该方法。最后,讨论了用于事件检测的一些可能的未来方法,以及对检测到的社会事件的一些可能的分析。[0009]2006年FrancescoCalabrese,CarloRatti,“RealTimeRome”,NetworksandCommunicationsStudies203-4,第247-258页公开了在意大利威尼斯第十届国际建筑展览会(InternationalArchitectureExhibition上呈现的实时罗马(RealTimeRome项目。实时罗马项目是收集和处理由电信网络和运输系统提供的数据以便理解罗马日常生活模式的城市范围实时监视系统的第一示例。观察城镇中的实时日常生活成为理解现在和预测未来城市环境的手段。[0010]可从http:mox.polimi·it获得的F.Manfredini,P.Pucci,P.Secchi,Ρ.Tagliolato,S.Vantini,V.Vitelli,uTreeletdecompositionofmobilephonedataforderivingcityusageandmobilitypatternintheMilanurbanregion”,MOX-ReportNo.252012,M0X,DepartmentofMathematicsuF.Brioschi'',PlitecnicodiMilano公开了旨在识别关于移动电话使用的隐藏模式的有用信息的地理统计学无监督学习技术。这些隐藏的模式涉及与个人移动性有关的、城市在时间和空间上不同使用,概述了该技术用于城市规划社区的潜力。该方法允许获得报告一些活动对所记录的厄兰Erlang数据的特定影响的参考基础、以及显示每个活动对本地Erlang信号的贡献的一组映射。已经选择了对于解释特定移动性和城市使用模式通勤、夜间活动、住宅分布、非系统移动性)有重要意义的结果,并且已在米兰城市地区规模从城市分析和规划视角对它们的重要性及其解释进行了测试。[0011]2012年6月的第二届普及城市应用研讨会(WorkshoponPervasiveUrbanApplications,PURBA,RamonCaceres,JamesRowland,ChristopherSmall和SimonUrbanek,“ExploringtheUseofUrbanGreenspacethroughCellularNetworkActivity”公开了使用蜂窝网络活动的匿名记录来研究城市地区中的人口密度的时空模式。该文章呈现了这一努力的愿景和一些早期的成果。首先,描述了纽约大都市区域的六个月的活动的数据集。其次,呈现了用于估计网络覆盖区域的技术。第三,描述了分析在那些区域内的活动量改变所用的方法。最后,呈现了关于中央公园周围人口密度改变的初步结果。发明内容[0012]申请人已经观察到,一般而言,本领域已知的方法和系统提供了不令人满意的结果,因为它们不能确定或者具有有限的能力确定UE所有者处于已经举行一个或多个公开集会的感兴趣区域AoI中是出于参加该集会的原因还是出于其它原因(例如,由于UE所有者居住在该感兴趣区域附近或该感兴趣区域内或者UE所有者在该感兴趣区域附近或该感兴趣区域内有业务)。此外,由已知解决方案提供的结果受到被选择用于分析在一个或多个公开集会处的参与者数量的感兴趣区域的尺寸的强烈影响。换句话说,如果感兴趣区域具有大的尺寸,那么实际上不是人群的一部分的、一定数量的UE所有者将被考虑在人群中的人数的评估中。相反,如果感兴趣区域具有小的尺寸,那么实际上是人群的一部分的、一定数量的UE所有者将被排除在对人群中的人数的评估之外。[0013]因此,基于由本领域已知方法和系统获得的结果对资源和活动(以上提到的类型)进行随后的规划和管理将由于其有限的精确度而实现有限的效率。[0014]而且,基于使用关于每个UE在连接到移动电话网络时所占据的位置的信息(由服务于该UE的移动电话网络收集的信息)的已知方法和系统可能侵犯UE的所有者的隐私。[0015]事实上,这样的信息允许知道UE的所有者的习惯、惯例routines和日常经常出入的地方例如,家和工作地)。[0016]因而,为了保护UE的所有者的隐私,这种信息的使用因此通常受到许多国家当局颁布的法律的高度限制到被禁止的程度)。[0017]在这方面,为了规避隐私问题的、本领域中已知并用于匿名化关于UE的所有者的信息的“匿名化”技术不能对其隐私进行令人满意的保护。[0018]一般而言,匿名化技术包括利用加密标识符遮蔽与UE和或UE的所有者相关联的任何标识符诸如像国际移动装备身份-IMEI,国际移动订户身份-IMSI,或移动订户ISDN号码。[0019]不过,对于经多天收集的信息的分析可能侵犯UE所有者,因为它无论如何都允许通过分析如此获得的关于UE的所有者的习惯、家和工作地以及可能UE所有者自己的敏感信息来识别这种敏感信息。[0020]因此,本申请人已经处理了设计适于克服影响现有技术解决方案的问题的系统和方法的问题。[0021]本申请人已经发现,可以基于在一个或多个公开集会的过程期间和在一个或多个公开集会之前的一定天数的与UE相关的数据来确定最佳感兴趣区域的尺寸。[0022]而且,申请人已经发现,可以通过利用关于至少一个移动电话网络的使用的聚合数据来保护UE的所有者的隐私。[0023]例如,本发明可利用的聚合数据包括在一个或多个时间间隔内由移动电话网络服务的UE的数量S卩,不提供可能侵害UE的所有者隐私的关于单个UE的信息)。[0024]优选地,通过使用关于移动电话网络的分开的一个或多个服务区域的聚合数据,可以以高精度确定最佳感兴趣区域的尺寸,然后确定聚集在该最佳感兴趣区域中的人数。[0025]应当注意的是,在最佳区域中在一个或多个时间间隔内由移动电话网络服务的UE的数量的了解一般不与人群中的人数对应。实际上,在最佳区域中在一个或多个时间间隔内由移动电话网络服务的UE的数量包括由出于除在人群中聚集之外的原因(例如,工作,人们仅仅是穿过最佳区域而在最佳区域中的人所拥有的UE。[0026]申请人还发现,可以基于对聚集期间和人聚集发生当天之前数天期间涉及referedto移动电话网络使用的聚合数据的分析来区分在最佳区域内人群中的人数与在最佳区域内但不在人群中的人数。[0027]特别地,本发明的一方面提出了估计在一天gn的观察时间间隔[Tsn,Ten]期间在感兴趣区域聚集的人数An的方法,其中所述感兴趣区域由感兴趣区域中心C和感兴趣区域半径Ra限定,并且由具有多个通信站的移动电信网络覆盖,通信站中的每个适于管理移动电信网络在其上提供服务的被覆盖的地理地区中一个或多个被服务区域中的用户装备的通信,该方法包括步骤:a限定感兴趣区域半径的多个计算出的半径值Rk,并且对于每个计算出的半径值:b基于关于移动通信网络的使用的聚合数据uq,t计算在感兴趣区域内在该天gn的观察时间间隔[Tsn,Ten]期间已经由移动通信网络服务的用户装备的第一数量Unk;c基于关于移动通信网络的使用的聚合数据uq,t计算在感兴趣区域内在该天之前预定数量P的先前天中的每一天gpn的观察时间间隔[Tsn,Ten]期间已由移动通信网络服务的用户装备的第二数量Upnk;d将用户装备的第一数量Unk和用户装备的第二数量Upnk组合,用于获得统计量Znk;e如果统计量Znk达到一定阈值Zth,那么检测到人的聚集的发生;f将感兴趣区域半径Ra的最佳半径值Ro计算为其中检测到人的聚集的计算出的半径值Rk的平均值;g估计在具有等于最佳半径值Ro的感兴趣区域半径Rs的感兴趣区域内聚集的人数An。[0028]在从属权利要求中阐述本发明的优选特征。[0029]在本发明的一个实施例中,关于移动通信网络的使用的聚合数据Uq,t包括被服务的用户装备流量负载的数量、语音呼叫的数量、所发送的SMS的数量和或优选地在移动通信网络的通信站中的每个内交换的二进制数据的量。[0030]在本发明的一个实施例中,该方法还包括对于每个计算出的半径值:i将被覆盖的地理地区细分为多个表面元素,以及j接收涉及所述表面元素中的每一个的、关于移动通信网络的使用的多个聚合数据uq,t。[0031]在本发明的一个实施例中,接收用于所述表面元素中的每一个的关于移动通信网络的使用的多个聚合数据的步骤j包括接收聚合数据的集合Iuq,t},聚合数据的集合{uq,t}中的每个聚合数据uq,t涉及相应的参考时间间隔dt,该参考时间间隔是期间收集聚合数据uq,t的获取周期T的一部分。[0032]在本发明的一个实施例中,基于关于移动通信网络的使用的聚合数据Uq,t计算在感兴趣区域内在天gn的观察时间间隔[Tsn,Ten]期间已由移动通信网络服务的用户装备的第一数量Unk的步骤b包括基于涉及被包括在天gn的观察时间间隔[Tsn,Ten]内的相应参考时间间隔dt的聚合数据的集合{uq,t}来计算用户装备的第一数量Unk,并且其中基于关于移动通信网络的使用的聚合数据110,那么不等式⑴简化成:[0141]DistC,B彡(Rs+Ra2[0142]并且,如果AoI107和通用表面元素205q的区域至少部分地叠加(即使AoI中心C落在通用表面元素205q之外),那么通用表面元素205b被认为是用于AoI半径Ra大于零的AoI107的相关表面元素诸如图5A中的相关表面元素505a的情况)。[0143]如果AoI107的AoI半径Ra等于零卿,Ra=O,那么不等式⑴简化成:[0144]DistC,B^Rs3[0145]并且,如果AoI107的AoI中心C被包含在通用表面元素205q中,那么通用表面元素205q被认为是用于具有等于零的AoI半径Ra的AoI107的相关表面元素诸如图5B和图5C中的相关表面元素505b和505c的情况)。[0146]最后,如果AoI107的AoI半径Ra小于零(S卩,Ra〈0,那么,如果AoI107的AoI中心C被包括在通用表面元素205q内离表面中心B等于或小于Rs-IRaI的距离处,那么通用表面元素205q被认为是用于具有小于零的AoI半径Ra的AoI107的相关表面元素诸如图5D中的相关表面元素505d的情况)。[0147]除了在特定地点(S卩,AoI107举行以外,通用公开集会S还具有开始时间Ts和结束时间Te。因此,为了本发明的目的,通用公开集会S具有等于观察时间间隔[Ts,Te]的相关持续时间(即,以开始时间Ts开始并在结束时间Te结束的时间间隔,持续Te-Ts时间单位,例如秒、分钟或小时)。[0148]开始时间Ts和结束时间Te两者可以被限定以便与为那个通用公开集会S计划的正式正式公告的)开始和结束时间对应。不过,申请人已经观察到,通过相对于通用公开集会S的正式开始时间而预期开始时间Ts,可以考虑到在通用公开集会S正式开始时间之前人们即,参加通用公开集会S的UE所有者)到达AoI107的事实,这可以有助于收集关于到达通用公开集会S的参加者的流动的时间趋势的数据。例如,基于先前的公开集会的经验数据,申请人已经发现开始时间Ts可以有用地被预期在通用公开集会S的正式开始时间之前60分钟,以便考虑到达通用公开集会S的参加者的趋势。[0149]类似地,申请人观察到,结束时间Te可以相对于通用公开集会S的正式结束时间推迟,以便考虑到在通用公开集会S的正式结束时间之后人们离开AoI107的事实,这对于收集关于离开通用公开集会S的参加者的流动的时间趋势的数据可以是有用的。例如,基于先前的公开集会的经验数据,申请人已经发现结束时间Ts可以有用地被推迟到通用公开集会S的正式结束时间之后30分钟,以便考虑离开通用公开集会S的参加者的趋势。[0150]无论如何,管理员通过管理员接口120和或用户通过用户接口125可以为通用公开集会S设置任何定制的开始时间Ts和结束时间Te。例如,开始时间Ts和结束时间Te可以被设置以便限定比通用公开集会S的有效持续时间短(S卩,比整个公开集会的持续时间短)的观察时间间隔[Ts,Te],以便分析仅在通用公开集会S的整个持续时间的子部分期间参加通用公开集会S的人群中的人的数量或变化。[0151]已经描述了系统100以及通用公开集会S的时间(S卩,开始时间Ts和结束时间Te和空间(即,AoI107的AoI中心C和AoI半径Ra特点,现在将参考图6A-6C描述根据本发明的实施例的参加一个或多个公开集会的人的人群估计算法或人群计数算法),图6A-6C是该算法的示意性框图。[0152]令N其中N是可以由管理员通过管理员接口120和或由用户通过用户接口125限定的整数是在参加公开集会的相应人群中的人数要被确定的同一个AoI107中举行的公开集会Sn的数量,其中η是集会变量,该集会变量指示N个公开集会中哪个被考虑(SMSn謂。[0153]对于每个公开集会Sn,限定其间举行公开集会Sn的观察日(observationdaygn、开始时间Tsn和结束时间Ten。应当注意的是,开始时间Tsn和结束时间Ten可以从一个公开集会Sn到另一个公开集会而变化。[0154]而且,对于每个公开集会Sn,考虑观察日gn之前的先前天gpn其中1彡p彡P并且P是整数)的集合。所考虑的先前天gpn的数量P优选地由管理员(通过管理员接口120设置。在本发明的实施例中,管理员根据存储库115的存储能力(S卩,为了能够存储关于P个先前天gpn的所有数据和或基于计算引擎110的计算能力(S卩,为了能够处理关于P个先前天gpn的所有数据设置先前天gpn的数量P。优选地,管理员也基于对相同种类的过去的公开集会即,文化、娱乐、政治或体育节目)的统计分析来设置先前天gpn的数量P。[0155]申请人已经发现,通过将先前天gpn的数量P设置为等于6即,P=6,为大多数种类的公开集会提供了良好的结果但是这不应当被解释为对本发明的限制)。[0156]人群估计算法的第一部分被配置为基于关于所考虑的所有N个公开集会Sn的数据来确定AoI107的AoI半径Ra的最佳半径值Ro。[0157]最初步骤602AoI中心C、观察日gn以及开始时间Tsn和结束时间Ten被输入到系统100,例如,由用户通过用户接口125或由管理员通过管理员接口120。[0158]其后(步骤604,迭代变量k被初始化为零(即,k=0,集会变量的检测到的数量DSk也被初始化为零(即,DSk=O,并且计算出的半径值Rk最初被设置为最小半径值Rmin即,Rk=Rmin。迭代变量k解释算法的第一部分的迭代次数,集会变量的检测到的数量DSk解释在算法的第一部分的迭代期间检测到的公开集会Sn的数量如以下所述),并且计算出的半径值Rk用来确定最佳半径值Ro。[0159]接下来步骤606,用于具有等于计算出的半径值Rk的AoI半径RaRa=Rk的AoI107的相关表面元素505a-d通过如上所述的不等式(1来识别。[0160]之后步骤608,天变量η被初始化成例如一unityη=1。[0161]从存储库115检索步骤610观察时间间隔[Tsn,Ten]期间的涉及观察日gn的(BP,涉及观察时间间隔[Tsn,Ten]中所包括的时间间隔dt并涉及在步骤606确定的相关表面元素505a-d的Q个聚合的UE数量11^的所有集合{uq,t}。[0162]随后(步骤612,基于在先前步骤606已经检索出的Q个聚合的UE数量uq,t的集合Iuq,t},将第一UE数量Unk计算为相关表面元素505a-d中的UE的数量第一UE数量Unk依赖于相关表面元素,因此依赖于计算出的半径值Rk。[0163]可以将第一UE数量Unk计算为相关表面元素505a_d中的UE的总数量、平均数量或最大峰数量,例如根据由系统100的管理员通过管理员接口120和或由系统100的用户通过用户接口125选择的设置。[0164]例如,可以以下列方式计算作为相关表面元素505a_d中的总UE数量的第一UE数量Unk。首先,计算在所有相关表面元素505a-d在步骤606中确定)中在所考虑的天gn期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt内的聚合的UE数量Uq,t在步骤610中确定)的值的总和。随后,执行刚刚为被包括在所考虑的天gn期间的观察时间间隔[Tsn,Ten]中的每个参考时间间隔dt计算的值的求和。换句话说,作为相关表面元素505a-d中的总UE数量的第一UE数量Unk可以被计算为:[0165]。4a[0166]类似地,可以以下列方式计算作为相关表面元素505a_d中的平均UE数量的第一UE数量Unk。首先,计算在所有相关表面元素505a-d在步骤606中确定)中在所考虑的天gn期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt内的聚合的UE数量Uq,t在步骤610中确定)的值的总和。随后,执行刚刚为被包括在所考虑的天gn期间的观察时间间隔[Tsn,Ten]中的每个参考时间间隔dt计算的值的求和。最后,将刚刚获得的值除以在所考虑的天gn期间的观察时间间隔[Tsn,Ten]中所包括的参考时间间隔dt的数量T’。换句话说,作为相关表面元素505a-d中的平均UE数量的第一UE数量Unk可以被计算为:[0167]。4b[0168]相反,可以以下列方式计算作为相关表面元素505a_d中的最大峰UE数量的第一UE数量Unk。首先,计算在所有相关表面元素505a-d在步骤606中确定)中在所考虑的天gn期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt内的聚合的UE数量Uq,t在步骤610中确定)的值的总和。随后,将刚刚计算出的值中的最大值选择作为第一UE数量Unk。换句话说,作为相关表面元素505a-d中的最大峰UE的第一UE数量Unk可以被计算为:[0169]e4c[0170]应当注意的是,无论是被计算为相关表面元素505a_d中的UE的总数量、平均数量还是最大峰数量,第一UE数量Unk总是依赖于用来确定聚合的UE数量Uq,^涉及的相关表面元素505a-d的、计算出的半径值Rk。[0171]类似地,从存储库115检索步骤614在观察时间间隔[Tsn,Ten]期间涉及先前天gpn并在步骤606确定的相关表面元素505a-d内发生的Q个聚合的UE数量u’q,t的所有集合{Uq,t}〇[0172]然后(步骤616,基于涉及已经在先前步骤606检索出的相关表面元素505a_d的Q个聚合的UE数量u’q,t的集合{u’q,t}来将对于先前天gpn中的每一天的第二UE数量Upnk计算为相关表面元素505a-d中的UE的数量第二UE数量Upnk依赖于相关表面元素505a-d,并且因此依赖于计算出的半径值Rk。[0173]类似于第一UE数量Unk,可以将第二UE数量Upnk中的每一个计算为相关表面元素505a-d中的UE的总数量、平均数量或最大峰数量,例如根据由系统100的管理员通过管理员接口120和或由系统100的用户通过用户接口125选择的设置。[0174]例如,作为相关表面元素505a_d中UE的总数量的第二UE数量Upnk可以以下列方式计算。首先,对于先前天gp中的每一天,计算在所有相关表面元素505a-d在步骤606中确定)中(在所考虑的天gn之前的)所考虑的先前天gp期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt内的聚合的UE数量u’q,t在步骤614中确定)的值的总和。随后,执行刚刚为在所考虑的天gn之前的所考虑的先前天gp期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt计算的值的求和。换句话说,作为相关表面元素505a-d中的总UE数量的用于在所考虑的天gn之前的)先前天gp的第二UE数量Upnk可以被计算为:[0175]5a[0176]作为相关表面元素505a_d中的平均UE数量的第二UE数量Upnk可以以下列方式计算。首先,对于先前天gp中的每一天,计算在所有相关表面元素505a-d在步骤606中确定)中(在所考虑的天gn之前的所考虑的先前天gp期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt内的聚合的UE数量u’q,t在步骤614中确定)的值的总和。随后,执行刚刚为在所考虑的天gn之前的)所考虑的先前天gp期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt计算的值的求和。最后,将刚刚获得的值除以(所考虑的天gn之前的所考虑的先前天gp期间的观察时间间隔[Tsn,[0177]Ten]中所包括的参考时间间隔dt的数量Τ’。换句话说,作为相关表面元素505a_d中的平均UE数量的用于所考虑的天gn之前的)先前天gp的第二UE数量Upnk可以被计算为:[0178]Sb[0179]作为相关表面元素505a_d中的最大(峰UE数量的第二UE数量Upnk可以以下列方式计算。首先,对于先前天gp中的每一天,计算在所有相关表面元素505a-d在步骤606中确定)中(在所考虑的天gn之前的)所考虑的先前天gp期间的观察时间间隔[Tsn,Ten]中所包括的每个参考时间间隔dt内的聚合的UE数量u’q,t在步骤614中确定)的值的总和。随后,对于所考虑的天gn之前的所考虑的先前天gp,选择刚刚计算出的值中的最大值作为第二UE数量Upnk。换句话说,作为相关表面元素505a-d中的最大(峰UE数量的用于所考虑的先前天gp的第二UE数量Upnk可以被计算为:[0180]Sc[0181]在这种情况下同样,无论是被计算为相关表面元素505a_d中的UE的总数量、平均数量还是最大峰数量,第二UE数量Upnk总是依赖于用来确定聚合的UE数量Uq,t涉及的相关表面元素505a-d的、计算出的半径值Rk。[0182]组合(步骤618刚刚计算出的第二UE数量Upnk,以便确定在所考虑的P个先前天gpn的观察时间间隔[Tsn,Ten]期间在相关表面元素505a-d内的UE数量的平均UE数量ynk其中因此平均UE数量ynk清楚地不同于第二UE数量Upnk,即使它们被计9算为相关表面元素505a-d中的UE的平均数量)以及UE数量标准偏差ynk其中[0183]将平均UE数量ynk和UE数量标准偏差〇nk与第一UE数量Unk组合步骤620,以便获得统计量限定的z得分Znk其依赖于计算出的半径值Rk:[0184]Znk=Unk-ynkonk7[0185]将刚刚计算出的z得分Znk与z得分阈值Zth进行比较(步骤622,并且检查z得分Znk是否大于z得分阈值Zth,或者:[0186]ZnkZth⑶[0187]z得分阈值Zth是优选地基于对相同种类的过去的公开集会例如,文化、娱乐、政治或体育集会的统计分析而由管理员通过管理员接口120限定的值。[0188]申请人已经发现,将z得分阈值Zth设置为等于2即,Zth=2对于大多数种类的公开集会提供良好的结果但是这不应当被解释为对本发明的限制)。[0189]在肯定的情况下(判定方框622的退出分支Y,即,z得分Znk大于z得分阈值Zth即,ZnkZth,检测出N个公开集会Sn中的一个,并且集会变量的检测到的数量DSk增加一步骤624;即,DSk=DSk+l,并且操作在步骤626下面描述继续。[0190]在否定的情况下判定方框622的退出分支N,即,Z得分Znk等于或低于z得分阈值Zth即,ZnkSZth,集会变量η增加一(步骤626;即,η=η+1。[0191]然后步骤628,检查集会变量η是否低于或等于公开集会Sn的数量Ν:[0192]n彡N9[0193]在肯定的情况下(判定方框628的退出分支Υ,S卩,变量η小于或等于总体公开集会Sn的数量NηN;S卩,已经分析了所有N个公开集会Sn,变量k增加一步骤630;即,k=k+l并且计算出的半径值Rk增加步骤632:[0195]Rk=Rmin+kA10[0196]其中Δ是可以由管理员限定的迭代宽度例如,Δ=l〇〇m,因此每个计算出的半径值Rk与下一个计算出的半径值分开迭代宽度△。应当注意的是,迭代宽度△限定迭代变量k的最大迭代值kmax以及因此用于确定最佳半径值Ro的最大迭代次数为:[0197]kmax=IRminI+RmaxΔ11[0198]应当注意的是,迭代宽度△可以由系统管理员使用来调节利用其确定最佳半径值Ro的粒度(即,精细度),即,由管理员设置的迭代宽度A越小,由最大迭代值kmax限定的迭代次数越高,因此,人群估计算法的粒度越精细。[0199]在本发明的实施例中,由于最小半径值Rmin被设置为-1500m,最大半径值Rmax被设置为1500m,迭代宽度Δ被设置为l〇〇m,迭代变量k的最大迭代值kmax结果等于30,并且因此用于确定最佳半径值Ro的最大迭代次数被限制到30。[0200]然后,检查步骤634计算出的半径值Rk是否低于或等于最大半径值Rmax:[0201]Rk^iRmax12[0202]在肯定的情况下(判定方框634的退出分支Y,S卩,计算出的半径值Rk小于或等于最大半径值Rmax即,Rk彡Rmax,操作返回到步骤606,用于基于刚刚增加在步骤632另外第k个迭代宽度△的计算出的半径值Rk而开始对算法的第一部分的新迭代。[0203]在否定的情况下(判定方框634的退出分支N,S卩,计算出的半径值Rk大于最大半径值Rmax即,RkRmax,计算(步骤636最佳半径值Ro作为由在具有等于计算出的半径值Rk的AoI半径Ra的AoI107中检测到的公开集会Sn的数量DSk即,检测出的集会变量的数量DSk加权的该计算出的半径值Rk其中Kk彡kmax的平均值,或者:[0204]13[0205]迭代人群估计算法的第一部分的步骤606至634,直到计算出的半径值Rk大于最大半径值Rmax即,RkRmax为止,并计算在步骤636最佳半径值Ro。[0206]通过在步骤636对最佳半径值Ro的计算,人群估计算法的第一部分结束,然后人群估计算法的第二部分开始在下面描述的步骤638。在人群估计算法的第一部分结束时,AoI107由AoI中心C并由设置为等于最佳半径值Ro的AoI半径RaRa=Ro适当地限定。[0207]根据本发明的实施例的人群估计算法的第二部分被配置为确定在所考虑的N个公开集会Sn中的每一个处聚集的人群中的人数。[0208]在步骤636中计算出最佳半径值Ro之后,限定步骤638实际相关表面元素505a-d的集合。这个集合包括以下的所有表面元素205b:对于该表面元素205b,当AoI半径Ra被设置为等于最佳半径值Ro时验证了不等式(1,或者:[0209]DistC,B彡|Rs+Ro|。14[0210]然后(步骤640,将集会变量η重新初始化为一η=1,并且从存储库115检索(步骤642在观察时间间隔[Ts,Te]内涉及观察日gn并发生在于步骤638处确定的实际相关表面元素505a-d中的所有集合{uq,t}。[0211]随后步骤644,基于在步骤642检索出的集合{uq,t}将第三UE数量UnIaqH十算为在观察时间间隔[Ts,Te]期间具有等于最佳半径值Ro的AoI半径Ra的AoI107中包括的相关表面元素505a-d内所包含的UE的数量。[0212]类似于第一UE数量Unk,可以将第三UE数量UnIaqH十算为相关表面元素505a-d中的UE的总数量、平均数量或最大峰数量,例如根据由系统100的管理员通过管理员接口120和或系统100的用户通过用户接口125选择的设置。应当注意的是,在这种情况下,第三UE数量UI舰被计算为具有等于最佳半径值R0的半径Ra的AoI内的相关表面元素505a_d中UE的总数量、平均数量或者最大峰数量,因此第三UE数量依赖于最佳半径值Ro,而不依赖于计算出的半径值Rk第一UE数量Unk依赖于Rk。[0213]一旦计算出第三UE数量Un|AQI,就将人数An初始化为零(S卩,An=O步骤646。人数An解释为了参加公开集会Sn而聚集的人群中的人数如下所述)。[0214]从存储库115检索在步骤648在观察时间间隔[Tsn,Ten]内涉及先前天gpn中的每一天并且已经在于步骤638处确定的实际相关表面元素505a-d中发生的所有集合{Uq,t}〇[0215]然后(步骤650,对于P个先前天gpn中的每一天,基于在步骤648检索出的集合将第四UE数量Upn|A〇H十算为在观察时间间隔[Ts,Te]期间被包括在具有等于最佳半径值Ro的AoI半径Ra的AoI107中的相关表面元素505a-d内所包含的UE的数量。[0216]在这种情况下同样,类似于第二UE数量Upnk,可以将第四UE数量UpnU1中的每一个计算为相关表面元素505a-d中的UE的总数量、平均数量或最大(峰数量,例如根据由系统100的管理员通过管理员接口120和或由系统100的用户通过用户接口125选择的设置。应当注意的是,在这种情况下,第四UE数量Up|組被计算为具有等于最佳半径值Ro的AoI半径Ra的AoI107内的相关表面元素505a-d中UE的总数量、平均数量或最大峰数量;因此第四UE数量依赖于最佳半径值Ro而不依赖于计算出的半径值Rk第二UE数量Upnk依赖于Rk。[0217]组合步骤652刚刚计算出的第四UE数量UpnU1,以便确定相关表面元素505a_d内的UE数量的另一个平均UE数量μηI皿。例如,另一个平均UE数量μηI皿可以被计算为:[0218]β15[0219]另一个平均UE数量μηUq1提供了在任何天中所考虑的观察时间间隔[Tsn,Ten]期间通常被包括在具有等于最佳半径值Ro的AoI半径Ra的AoI107内的人(S卩,不在人群中聚集的人的平均数量的指示。[0220]应当指出的是,虽然如上所述计算的另一个平均UE数量μηUo1可以提供一种有限的准确度(因为在所考虑的观察时间间隔[Tsn,Ten]内来自同一个UE的两个或更多个活动可以被认为各自属于不同的UE,但是另一个平均UE数量μη|皿提供对通常被包括在A〇I107内的平均人数的估计,该估计具有令人满意的准确度、具有低计算复杂度并且确保完全尊重UE所有者的隐私。[0221]然后通过组合(例如,相减)在步骤652确定的另一个平均UE数量μηI^和在步骤644确定的第三UE数量Un|皿来计算步骤654人数An,或者[0222]An=UnIaoiHi|aoi。(16[0223]因此,涉及在观察日gn举行的公开集会Sn的人数An被存储步骤656在存储库115中,然后集会变量η增加一步骤658;即,n=n+l并检查步骤660集会变量η是否小于或等于公开集会Sn的数量N以与先前的步骤628相同的方式进行):[0224]n彡N9[0225]在肯定的情况下判定方框660的退出分支Υ,S卩,集会变量η小于或等于公开集会Sn的数量NηN,所有N个公开集会Sn已被分析,因此人群估计算法可以终止。[0227]优选地,通过经由用户终端125向用户提供步骤662结果(即,N个人数An以供检查和或进一步处理来终止该算法。[0228]迭代人群估计算法的第二部分的步骤642至660,直到已经分析了所有N个公开集会Sn为止,并且因此人群估计算法被终止在步骤662,其中通过用户终端125向用户提供结果。[0229]总之,人群估计算法包括第一部分和第二部分。[0230]进而,人群估计算法的第一部分包括两个嵌套循环。第一外部循环扫描步骤606-634最小半径值Rmin和最大半径值Rmax之间所有计算出的半径值Rk,而第一内部循环扫描步骤610-628所有N个待分析的公开集会Sn。对于每个计算出的半径值Rk,确定相应的表面元素505a-d和Z-得分Znk。基于这种数据(S卩,相应的相关表面元素505a-d和Z-得分Znk,计算检测到的集会变量DSk并且识别最佳半径值Ro。在人群估计算法的第一部分结束时,限定具有最佳半径值Ro的AoI107。[0231]算法的第二部分包括扫描(步骤642-660在AoI107内举行的所有N个公开集会Sn,并且确定参加公开集会Sn的人群中的人数。[0232]根据本发明的实施例的人群估计系统100和人群估计算法允许以可靠的方式对参加一个或多个公开集会Sn的人群中的人数的后验估计,并允许适当地识别通过确定最佳半径值Ro与一个或多个公开集会Sn中的每一个相关联的AoI107的有效范围。

权利要求:1.一种估计在一天的观察时间间隔期间在感兴趣区域(107聚集的人的数量的方法,其中所述感兴趣区域(107由感兴趣区域中心和感兴趣区域半径限定,并被具有多个通信站(l〇5a的移动电信网络(105覆盖,所述多个通信站中的每个适于管理被覆盖的地理地区(300;300’)中的一个或多个被服务区域(105b中的用户装备的通信,移动电信网络105在所述被覆盖的地理地区(300;300’)上提供服务,所述方法包括以下步骤:a限定604感兴趣区域半径的多个计算出的半径值,并且对于每个计算出的半径值:b基于关于移动通信网络(105的使用的聚合数据,计算(610,612在感兴趣区域107内在所述一天的观察时间间隔期间已经由移动通信网络(105服务的用户装备的第一数量;c基于关于移动通信网络(105的使用的聚合数据,计算(614,616在感兴趣区域107内在所述一天之前的预定数量的先前天中的每一天的所述观察时间间隔期间已经由移动通信网络105服务的用户装备的第二数量;d将用户装备的第一数量和用户装备的第二数量组合618,620以用于获得统计量;e如果统计量达到一定阈值,那么检测到622人的聚集的发生;f将感兴趣区域半径的最佳半径值计算636为计算出的半径值的平均值,在该计算出的半径值内检测到人的聚集;g估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域(107内聚集的人的数量。2.如权利要求1所述的方法,还包括对于每个计算出的半径值:h将被覆盖的地理地区(300;300’)细分为多个表面元素205,以及i接收涉及所述表面元素205中的每一个表面元素的、关于移动通信网络(105的使用的多个聚合数据。3.如权利要求2所述的方法,其中接收用于所述表面元素(205中的每一个表面元素的、关于移动通信网络105的使用的多个聚合数据的步骤j包括-接收聚合数据的集合,聚合数据的集合中的每个聚合数据涉及作为获取周期的一部分的相应参考时间间隔,在该获取周期期间收集聚合数据。4.如权利要求3所述的方法,其中基于关于移动通信网络(105的使用的聚合数据来计算610,612在感兴趣区域(107内在所述一天的观察时间间隔期间已经由移动通信网络105服务的用户装备的第一数量的步骤b包括-基于涉及被包括在所述一天的观察时间间隔内的相应参考时间间隔的聚合数据的集合来计算610,612用户装备的第一数量,以及其中基于关于移动通信网络(105的使用的聚合数据来计算614,616对于感兴趣区域107内在所述一天之前的预定数量的先前天中的每一天的观察时间间隔期间的已经由移动通信网络105服务的用户装备的第二数量的步骤c包括-基于涉及被包括在所述一天之前的预定数量的先前天中的相应先前天的观察时间间隔内的相应参考时间间隔的聚合数据的集合来计算614,616用户装备的每个第二数量。5.如权利要求4所述的方法,其中用户装备的第一数量和或用户装备的第二数量可以被计算为被包括在感兴趣区域(107中的相关表面元素505a-d中的用户装备的总数量、平均数量或最大数量。6.如前述权利要求2至5中任一项所述的方法,还包括以下步骤:j识别606所述多个表面元素205之中的数个相关表面元素505a-d,其中所述相关表面元素505a-d至少部分地叠加在感兴趣区域107上。7.如权利要求6所述的方法,其中如果表面元素(205验证了以下条件,那么该表面元素205被识别为相关表面元素505a-d:DistC,B彡|Rs+Rk|,其中C是感兴趣区域(107的中心,B是被服务的表面元素205的中心,DistC,B是感兴趣区域的中心C与表面元素的中心B之间的地理距离,Rs是表面元素的半径,并且Rk是计算出的半径值。8.如前述权利要求中任一项所述的方法,其中组合618,620用户装备的第一数量和用户装备的第二数量以用于获得统计量的步骤d包括:-将所述先前天中的每一天的第二用户装备数量组合618,以便确定平均用户装备数量和用户装备数量标准偏差。9.如权利要求8所述的方法,其中将用户装备的第一数量与用户装备的第二数量组合618,620以用于获得统计量的步骤d还包括:-将统计量计算620为:Znk=Unk-ynkonk,其中Unk是第一用户装备数量,ynk是平均用户装备数量,并且〇nk是用户装备数量标准偏差。10.如前述权利要求中任一项所述的方法,其中多个计算出的半径值在从最小半径值到最大半径值的范围内,每个计算出的半径值与下一个计算出的半径值以迭代宽度分开。11.如前述权利要求2至10中任一项所述的方法,其中估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量的步骤g包括:k识别(638在细分被覆盖的地理地区(300;300’)的表面元素(205之中的相关表面元素505a-d的数量,其中所述相关表面元素是至少部分地叠加在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107上的表面元素。12.如权利要求11所述的方法,其中如果表面元素(205验证了以下不等式,那么该表面元素205被识别为相关表面元素505a-d:DistC,B彡|Rs+Ro|,其中C是感兴趣区域(107的中心,B是被服务的区域(105b的中心,DistC,B是感兴趣区域的中心C与表面元素的中心B之间的地理距离,Rs是表面元素的半径,并且Ro是最佳半径值。13.如权利要求11或12所述的方法,其中估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量的步骤g还包括:-基于关于移动通信网络(105的使用的聚合数据来将用户装备的第三数量计算642,644为在时间间隔期间在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107中所包含的相关表面元素505a-d内所包括的用户装备的数量。14.如当从属于权利要求3时的权利要求13所述的方法,其中计算642,644用户装备的第三数量包括-基于涉及被包括在所述一天的观察时间间隔内的相应参考时间间隔的聚合数据的集合来计算642,644用户装备的第三数量。15.如前述权利要求10至14中任一项所述的方法,其中估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量的步骤g还包括:-基于关于移动通信网络(105的使用的聚合数据将用户装备的第四数量计算(648,650为对于在所述一天之前的预定数量的先前天中的每一天的在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107中所包括的相关表面元素505a-d内所包含的用户装备的数量。16.如当从属于权利要求3时的权利要求15所述的方法,其中计算648,650用户装备的第四数量包括-基于涉及被包括在所述一天之前的预定数量的先前天中的相应先前天的观察时间间隔内的相应参考时间间隔的聚合数据的集合来计算648,650用户装备的每个第四数量。17.如前述权利要求13至16中任一项所述的方法,其中用户装备的第三数量和或用户装备的每个第四数量可以被计算为被包括在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107中的相关表面元素505a-d中的用户装备的总数量、平均数量或最大数量。18.如前述权利要求15至17中任一项所述的方法,其中估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量的步骤g还包括:-组合652所述先前天中每一天的用户装备的第四数量,以便确定另外的平均用户装备数量,所述另外的平均用户装备数量提供在任何天的所考虑观察时间间隔期间的通常被包括在具有等于最佳半径值的感兴趣区域半径的感兴趣区域(107内的人的平均数量的指不。19.如权利要求18所述的方法,其中估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量的步骤g还包括:-组合654用户装备的第三数量和所述另外的平均用户装备数量,以便获得在具有等于最佳半径值的感兴趣区域半径的感兴趣区域107内聚集的人的数量。20.如权利要求19所述的方法,其中组合654用户装备的第三数量和所述另外的平均用户装备数量包括从第三用户装备数量减去所述另外的平均用户装备数量。21.如前述权利要求中任一项所述的方法,其中在一天的观察时间间隔期间在感兴趣区域(107的人的聚集包括在相应天的观察时间间隔期间在感兴趣区域(107的人的多次聚集,所述方法还包括以下步骤:i对于人的每次聚集,迭代步骤b至e,以及其中将感兴趣区域半径的最佳半径值计算636为计算出的半径值的平均值、在该计算出的半径值内检测到人的聚集的步骤f包括:-将感兴趣区域半径的最佳半径值计算636为通过在具有等于计算出的半径值的感兴趣区域半径的感兴趣区域107内检测到的人的聚集的次数进行加权的上述计算出的半径值的平均值,所述检测到的人的聚集的次数是通过迭代步骤e确定的人的聚集的总和。22.如权利要求21所述的方法,其中,对于人的多次聚集中的人的每次聚集,迭代估计638-654在具有等于最佳半径值的感兴趣区域半径的感兴趣区域(107中聚集的人的数量的步骤g。23.—种与无线电信网络(105耦合以用于估计在感兴趣区域107聚集的人的数量的系统(100,所述系统包括:计算引擎110,适于处理从移动电话网络(105检索的数据;存储库(115,适于存储关于用户装备和移动电话网络之间的交互的数据、由计算引擎生成的计算结果以及可能的由系统生成的和或提供给系统的任何处理数据,以及管理员接口(120,能够操作以用于修改由计算引擎使用的算法和或参数、和或访问存储在存储库中的数据,其特征在于还包括存储器元件(IlOa,该存储器元件存储被配置为通过系统(100实现如权利要求1至22中任一项所述的方法的软件程序产品。24.如权利要求19所述的系统,还包括至少一个用户接口(125,所述至少一个用户接口适于接收来自系统的用户的输入,以及向系统的用户提供输出,用户包括由系统提供的服务的一个或多个外部计算系统订户和或一个或多个人。

百度查询: 意大利电信股份公司 后验估计一个或多个人群中的人数的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术