基于4G信令大數據的樓宇用戶定位方案探討

許盛宏　宮云平　安勁偉

【摘 要】為了解決樓宇用戶定位不準確的問題，通過采用多種可行方案對比論證的方法，分析4G用戶測量報告以及用戶通話行為等方面數據，提出了基于通話行為的樓宇用戶定位方案，經過試驗驗證了該樓宇定位方案的有效性，將會在樓宇網絡優化、客戶感知提升等方面發揮重要作用。

【關鍵詞】大數據 樓宇用戶 定位

1 引言

隨著移動通信市場競爭的不斷加劇，面向用戶感知的網絡質量成為增強運營商競爭力的關鍵因素，同時大部分移動業務發生在室內，因此室內用戶感知的提升是各運營商當前工作的重點。但是，現有的室內用戶定位方法無法準確地將用戶定位到某個樓宇，更妄談高效、及時提升室內用戶感知，尤其是重點商住樓宇用戶的感知，這將嚴重影響各運營商4G用戶的感知和品牌形象?；诖耍疚奶剿饕环N樓宇用戶的準確定位方法，將有限的資源精準投放到重要商住樓宇的網絡優化中，以更好地提升4G用戶的感知和滿意度。

2 現有樓宇用戶定位方案

運營商對樓宇用戶的定義包括兩部分：一是在室內基站下使用移動網絡的用戶；二是對于大部分沒有4G室內覆蓋的樓宇，則通過室外三角定位方法進行粗糙定位，定位結果落在樓宇建筑物內的用戶也屬于樓宇用戶。

目前樓宇用戶定位技術實現流程圖如圖1所示。

通過對4G用戶上網時無線側周期性的MR（Measurement Report，測量報告）分析，提取MR中的用戶主服務小區的參數，如果此時用戶的主服務小區是室內小區的，則以該小區經緯度作為用戶當前位置的經緯度；如果此時用戶的主服務小區是室外小區的，則通過室外三角定位算法計算該用戶當前位置的經緯度。然后根據用戶位置經緯度判斷是否落在樓宇建筑物范圍內（建筑物外墻在地圖上的投影多邊形，以下簡稱樓宇多邊形），來判斷該用戶當前歸屬某個樓宇。

目前樓宇用戶定位技術存在如下問題，將會導致無法快速、高效地提升室內用戶的感知。

（1）室內基站僅覆蓋少部分樓宇，大部分樓宇用戶使用室外基站，而室外三角定位算法對于室內用戶的定位誤差很大，平均定位誤差為150 m至300 m，遠超出了一般樓宇建筑物的覆蓋范圍，定位準確率僅有20%左右。

（2）運營商缺乏類似于微信、導航等用戶量較大的手機應用，無法效仿移動互聯網巨頭通過自己運營的APP、瀏覽器直接獲取用戶上報的GPS定位信息，同時由于這些攜帶位置信息的主流APP、瀏覽器信息流進行了加密，運營商也無法通過信令解析等方式獲得用戶在APP應用中上報的位置信息，因此不能對樓宇用戶進行精準定位。

3 可行解決方案對比分析

為了解決目前運營商樓宇用戶定位不準確的問題，結合相關業務系統數據，通過移動網絡大數據挖掘建模，提出以下三種解決方案：

方案一：基于測試APP（運營商開發的用于內部裝維或者用戶業務辦理的APP，用戶規模較少）的大數據分析方案

首先基于用戶無線MR數據的無線特征對經緯度進行聚合分析，找出這些位置對應的用戶無線信號特征RSRP（RS Received Power，RS接收功率）、RSRQ（RS Received Quality，RS接收質量）等，構建出用戶物理位置和用戶無線特征向量的模型；然后將測試APP上報的無線信號特征和實際位置作為正樣本，對模型進行訓練并不斷修正優化；最后根據模型輸出的用戶位置點結合樓宇位置信息進行判斷，確定用戶歸屬的具體樓宇。

方案二：基于無線工參仿真系統的大數據分析方案

首先將樓宇外墻多邊形進行一定范圍擴展后（市區為300 m、郊區為1 000 m），確定可能為該樓宇用戶提供服務的所有基站小區；然后通過仿真系統對這些基站小區的工參進行提取，并找出樓宇的無線特征；最后根據現網用戶MR的無線特征向量和樓宇無線特征向量的相似度來判斷用戶歸屬的具體樓宇。

方案三：基于通話行為的大數據分析方案

首先根據用戶通信行為特征判斷出小區覆蓋范圍內樓宇的室內穩定用戶；然后進一步結合通話集中度特征、樓宇的固網號碼關系建立分析模型，從而得到每個小區室內穩定用戶所歸屬某個樓宇，提取一定周期的已明確歸屬樓宇的用戶特征進行模型建立和訓練；最后根據用戶當前使用業務特征和模型輸出的樓宇用戶特征匹配分析實時判斷用戶歸屬某個樓宇。

對上述三種方案在實現方式、所需數據源、數據源獲取、技術實現情況、模型自動優化、定位準確性等方面進行評估分析，具體如表1所示。

綜上所述，方案三（基于通話行為的大數據分析方案）的模型自動優化較好、定位準確性較高，因此方案三為優化的解決方案。下面將詳細闡述方案三的具體實現方法。

4 基于通話行為的大數據分析方案

4.1 關鍵實現流程設計

方案三（基于通話行為的大數據分析方案）的關鍵實現流程包括兩部分：大數據訓練模型生成和根據模型進行現網用戶實時計算歸屬哪個樓宇，具體如圖2所示。

目前通過初步試驗分析，定位準確率已達80%，通過模型的自動優化還會進一步提升成功率，比目前樓宇定位技術有著大幅度的提升。主要步驟如下：

（1）從信令監測網管系統獲取用戶的通信行為特征，通過用戶周期性MR數據分析用戶的移動性，具備如下某個或者多個條件的，則判斷這些用戶為某個小區的室內穩定用戶。

某個時間段（工作日或者非工作日）在同一個主服務小區或者鄰區停留時間超過M min；

用戶在一段時間內具有弱移動性，其移動距離小于N m、移動速度小于S m/h；

同一個主服務小區或者鄰區內連續監測到具有通信業務（通話、上網、短信）時長超過W min；

用戶在一段時間內沒有MR測量信息的之前和之后的所在主服務小區為同一個小區或者鄰區的。endprint

（2）從網絡資源系統獲取小區地理位置的參數，根據小區所在地理位置類型確定覆蓋半徑（如市區小區為300 m、郊區小區為1 000 m），以小區經緯度為圓心以及所確定的半徑找出在此小區覆蓋范圍內的樓宇。一般情況下，一個小區可能覆蓋多個樓宇，一個樓宇也可能在多個小區覆蓋下，根據步驟（1）確定用戶為某個小區下的室內穩定用戶，因此就得到用戶可能歸屬的該小區覆蓋下的多個樓宇。同時，也可以計算出樓宇和所有覆蓋小區之間的距離，從而得到樓宇和所有小區之間的距離特征。

（3）從網絡資源系統獲取樓宇的固定電話號碼分布情況，得到每個小區覆蓋下的樓宇的固話或者固話號段分布特征。

（4）提取小區覆蓋下的室內穩定用戶的固話通話集中度特征，主要包括主叫集中度高（即相同號段固話用戶高頻次呼叫該用戶）以及被叫集中度也高（即該用戶所呼叫的固話被叫用戶相對集中），再根據步驟（3）得到的樓宇固網電話分布情況，可以得出用戶所在某個小區下可能覆蓋的多個樓宇中的某個樓宇，比如一個用戶在工作時間經常撥打38639906或者接到38639906的呼叫，此號碼為某研究院樓宇的固網號碼，而這個室內穩定用戶所在小區又覆蓋某研究院的樓宇，則說明用戶歸屬某研究院的樓宇。同時，還可以根據用戶和服務小區的距離、鄰區距離，從而得到用戶的距離特征。

（5）提取一定周期的已明確歸屬樓宇的用戶數據，通過回歸、決策樹等方法進行大數據建模和訓練，從而得到每個小區室內穩定用戶所歸屬某個指定樓宇的具體特征，主要包括時間、位置、無線參數、距離特征等。

（6）根據上述確定的模型進行用戶實時定位。當用戶在使用上網等業務時，獲取用戶使用業務的具體特征，包括時間、位置、無線參數、距離特征等，結合已訓練好的模型輸出的樓宇用戶特征進行匹配分析，即可實時判斷用戶歸屬某個樓宇，并將通過這些數據收集進一步自動優化完善模型。

4.2 系統框架構建

方案三的系統框架實現如圖3所示，包括信令接口處理模塊、樓宇數據處理模塊、大數據分析模塊、樓宇用戶特征管理模塊、歸屬樓宇的定位模塊五部分。

具體如下：

（1）信令接口處理模塊與信令監測網管系統、4G DPI（Deep Packet Inspection，深度包檢測）系統對接，通過信令監測網管系統提供用戶通話、短信業務信令流程，用于提取用戶通信特征計算用戶通話集中度，并通過4G DPI系統提供用戶上網業務流程。

（2）樓宇數據處理模塊從網絡資源系統獲取小區的覆蓋半徑、樓宇的固定電話號碼分布等信息，用于計算小區半徑所能覆蓋的樓宇、樓宇歸屬的固定電話號碼分布以及樓宇與各個小區之間的距離。

（3）大數據分析模塊用于根據一定周期的大數據通過回歸、決策樹進行建模分析。

（4）樓宇用戶特征管理模塊用于管理和存儲樓宇得到的時間、位置、無線參數、距離等方面的特征參數。

（5）歸屬樓宇的定位模塊負責室內穩定用戶歸屬某個樓宇的判斷，從而得到用戶歸屬某個指定樓宇的具體特征。

5 結束語

針對樓宇用戶定位不準確的問題，本文提出了三種可行解決方案，并通過評估分析和現網試點驗證了基于通話行為的樓宇用戶定位方案，該方案可大大提高樓宇用戶定位的準確性。后續將進一步自動收集樓宇用戶特征不斷優化模型，為區域性用戶定位提供參考，將會在樓宇網絡優化、客戶感知提升、區域性精準營銷等方面發揮重要作用，從而有效提升運營商4G業務產品的核心競爭力。

參考文獻：

[1] 徐日明. 基于RSSI的室內無線定位方案研究[D]. 南京： 南京航空航天大學， 2010.

[2] 張懿瑤. 基于WLAN的室內定位方案研究[D]. 廣州： 暨南大學， 2012.

[3] 李峻洋，趙占強，郭省力. LTE無線網絡優化關鍵性能指標研究[J]. 郵電設計技術， 2014（4）： 83-86.

[4] 李舒楠，張亞楠. LTE無線網絡優化指標應用探討[J]. 通訊世界， 2016（12）： 115-116.

[5] 郜周軍，崔雁松. LTE無線網絡優化關鍵性能指標的分析與研究[J]. 中國新通信， 2015（21）： 89-91.

[6] 牛建偉，劉洋，盧邦輝，等. 一種基于Wi-Fi信號指紋的樓宇內定位算法[J]. 計算機研究與發展， 2013（3）： 568-577.

[7] 孫林潔. 基于MR的位置指紋定位算法研究[J]. 互聯網天地， 2016（4）： 43-46.

[8] 琚波. 基于電平信號的LTE MR定位方法研究[D]. 杭州： 浙江工業大學， 2015.

[9] 趙銳，鐘榜，朱祖禮，等. 室內定位技術及應用綜述[J]. 電子科技， 2014（3）： 154-157.

[10] 曾光. 室內精確定位算法研究[D]. 上海： 華東理工大學， 2014.

[11] 潘立波. 基于WIFI技術的無線定位算法研究與實現[D]. 杭州： 浙江大學， 2013.endprint