用于预测蜂窝通信网络中的移动通信设备的移动性的方法和设备专利检索-移动通信网络电信专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

用于预测蜂窝通信网络中的移动通信设备的移动性的方法和设备

阅读：900发布：2021-02-26

IPRDB可以提供用于预测蜂窝通信网络中的移动通信设备的移动性的方法和设备专利检索，专利查询，专利分析的服务。并且本发明涉及一种预测蜂窝通信网络(200)中移动通信设备(201)的移动性的方法，该蜂窝通信网络(200)包括多个网络小区，该多个网络小区包括当前网络小区，方法包括：确定移动通信设备(201)的位置信息，其中，位置信息包括当前网络小区中的移动通信设备(201)的当前位置L；基于移动通信设备(201)的当前位置L提供移动通信设备(201)的目的地信息，其中，目的地信息包括移动通信设备(201)的至少一个可能目的地D和/或定义移动通信设备(201)至少一个可能目的地D的目的地似然分布p(D)；并且基于记录的局部轨迹T集合的子集，预测当前位置L和可能目的地D之间的移动通信设备(201)的未来轨迹的至少一部分，其中，记录的局部轨迹集合的子集中的每个轨迹与移动通信设备(201)的可能目的地D相关联。，下面是用于预测蜂窝通信网络中的移动通信设备的移动性的方法和设备专利的具体信息内容。

权利要求

1.一种用于预测蜂窝通信网络(200)中的移动通信设备(201)的移动性的方法(600)，所述蜂窝通信网络(200)包括多个网络小区，所述多个网络小区包括当前网络小区，所述方法(600)包括：确定(601)所述移动通信设备(201)的位置信息，其中，所述位置信息包括所述当前网络小区中所述移动通信设备(201)的当前位置L；

基于所述移动通信设备(201)的所述当前位置L提供(603)所述移动通信设备(201)的目的地信息，其中，所述目的地信息包括所述移动通信设备(201)的至少一个可能目的地D和/或定义所述移动通信设备(201)的至少一个可能目的地D的目的地似然分布p(D)；以及基于记录的局部轨迹T集合的子集，预测(605)所述当前位置L和所述可能目的地D之间的所述移动通信设备(201)的未来轨迹的至少一部分，其中，所述记录的局部轨迹集合的子集中的每个轨迹与所述移动通信设备(201)的所述可能目的地D相关联。

2.根据权利要求1所述的方法(600)，其中，所述记录的局部轨迹集合的子集中的每个轨迹包括第一部分，其中，所述第一部分至少在所述当前网络小区内与所述移动通信设备(201)的所述当前位置L和所述可能目的地D之间的全局轨迹重合。

3.根据权利要求1或2所述的方法(600)，其中，所述位置信息还包括所述移动通信设备(201)的先前位置S，并且所述记录的局部轨迹集合的子集中的每个轨迹还包括在所述先前位置S和所述当前位置L之间的第二部分。

4.根据前述权利要求中任一项所述的方法(600)，其中，所述位置信息还包括所述移动通信设备(201)的先前位置S和所述当前位置L之间的所述移动通信设备(201)的过去轨迹H，并且所述记录的局部轨迹集合的子集中的每个轨迹还包括与所述移动通信设备(201)的所述先前位置S和所述当前位置L之间的所述移动通信设备(201)的所述过去轨迹H对应的第二部分。

5.根据权利要求4所述的方法(600)，其中，所述基于记录的局部轨迹T集合的子集，预测(605)所述当前位置L和所述可能目的地D之间的所述移动通信设备(201)的未来轨迹的至少一部分的步骤包括：确定以下条件似然分布的步骤：p*(T|H,L,S)＝ΣD p(D)p*(T|H,L,S-D),

其中，ΣD表示所有目的地的和，其中，条件分布p*(T|H,L,S-D)基于以下等式：

p*(T|H,L,S-D)＝p*(T,H,L,S-D)/ΣT p*(T,H,L,S-D),

其中，p*(T,H,L,S-D)表示所述记录的局部轨迹T集合上的分布，并且ΣT表示所述记录的局部轨迹T集合的和。

6.根据权利要求4或5所述的方法(600)，其中，所述移动通信设备(201)的所述过去轨迹H是所述蜂窝通信网络(200)的所述当前网络小区中所述移动通信设备(201)的所述过去轨迹。

7.根据权利要求4至6中任一项所述的方法(600)，其中，所述方法(600)还包括步骤：基于所述移动通信设备(201)的所述先前位置S和所述当前位置L之间的所述过去轨迹H，细化所述移动通信设备的所述目的地信息。

8.根据权利要求7所述的方法(600)，其中，所述细化所述目的地信息的步骤包括基于以下等式确定细化的目的地似然分布的步骤：p*(D|H,L,S)＝ΣT p*(T,H,L,S-D)/ΣD,T p*(T,H,L,S-D),

p(D)←p(D)p*(D|H,L,S)/ΣD p(D)p*(D|H,L,S)

其中，ΣD表示所有目的地的和，ΣT表示所有记录的局部轨迹的和，ΣD,T表示所有目的地和所有记录的局部轨迹的和。

9.根据前述权利要求中任一项所述的方法(600)，其中，基于与所述可能目的地D相关联的所述记录的局部轨迹T集合的子集，通过选择所述记录的局部轨迹T集合的子集中的轨迹，预测当前位置L和所述最可能目的地D之间的所述移动通信设备(201)的未来轨迹，所述局部轨迹T集合的子集中的轨迹最常出现在所述记录的局部轨迹T集合的子集中。

10.根据前述权利要求中任一项所述的方法(600)，其中，所述提供(603)目的地信息的步骤包括：

基于所述移动通信设备(201)的所述当前位置L从与所述移动通信设备(201)相关联的兴趣点集合中选择所述移动通信设备(201)的所述可能目的地D；和/或，基于所述移动通信设备(201)的所述当前位置L，使用与所述移动通信设备(201)相关联的兴趣点集合确定所述目的地似然分布p(D)。

11.根据前述权利要求中任一项所述的方法(600)，其中，所述方法(600)还包括提供与所述移动通信设备(201)相关联的上下文信息的步骤，并且其中，所述预测(605)所述移动通信设备(201)的未来轨迹的至少一部分的步骤包括：基于所述记录的局部轨迹T集合的子集,并基于所述上下文信息，预测所述当前位置L与所述可能目的地D之间的所述移动通信设备的所述未来轨迹的至少一部分。

12.一种用于在蜂窝通信网络(200)中通信的移动通信设备(201)，所述蜂窝通信网络(200)包括多个网络小区，所述多个网络小区包括当前网络小区，其中，所述移动通信设备(201)包括：通信接口(201a)，用于与所述蜂窝通信网络(200)的通信网络实体(202)通信；以及处理器(201b)，用于：基于所述当前网络小区中的所述移动通信设备(201)的当前位置L和/或所述移动通信设备(201)的先前位置S，提供所述移动通信设备(201)的目的地信息，其中，所述目的地信息包括所述移动通信设备(201)的至少一个可能目的地D和/或定义所述移动通信设备(201)的至少一个可能目的地D的目的地似然分布p(D)；通过所述通信接口(201a)向所述通信网络实体(202)提供所述目的地信息；以及基于所述通信网络实体(202)通过所述通信接口(201a)提供的细化的目的地信息，细化所述移动通信设备(201)的所述目的地信息，其中，所述细化的目的地信息包括所述当前位置L和所述可能目的地D之间的所述移动通信设备(201)的未来轨迹的至少一部分，所述移动通信设备(201)的细化的至少一个可能目的地D和/或细化的目的地似然分布p(D)，所述细化的目的地似然分布p(D)定义所述移动通信设备(201)的至少一个可能目的地D。

13.一种用于预测蜂窝通信网络(200)中移动通信设备(201)的移动性的通信网络实体(202)，所述蜂窝通信网络(200)包括多个网络小区，所述多个网络小区包括当前网络小区，其中，所述通信网络实体(202)包括：通信接口(202a)，用于从所述移动通信设备(201)接收目的地信息，其中，所述目的地信息包括所述移动通信设备(201)的至少一个可能目的地D和/或定义所述移动通信设备(201)的至少一个可能目的地D的目的地似然分布p(D)；

存储器(202c)，用于存储记录的局部轨迹T集合；

处理器(202b)，用于确定所述移动通信设备(201)的位置信息，其中，所述位置信息包括所述当前网络小区中的所述移动通信设备(201)的当前位置L；并且基于所述记录的局部轨迹T集合的子集，预测所述当前位置L和所述可能目的地D之间的所述移动通信设备(201)的未来轨迹的至少一部分，其中，所述记录的局部轨迹集合的子集中的每个轨迹与所述移动通信设备(201)的所述可能目的地相关联。

14.根据权利要求13所述的通信网络实体(202)，其中，所述记录的局部轨迹集合的子集中的每个轨迹包括第一部分，其中，所述第一部分至少在所述当前网络小区内与所述移动通信设备(201)的所述当前位置L和所述可能目的地D之间的全局轨迹重合。

15.根据权利要求13或14所述的通信网络实体(202)，其中，所述位置信息还包括所述移动通信设备(201)的先前位置S，并且所述记录的局部轨迹集合的子集中的每个轨迹还包括所述移动通信设备(201)的所述先前位置S和所述当前位置L之间的第二部分。

16.根据权利要求13至15中任一项所述的通信网络实体(202)，其中，所述位置信息还包括所述移动通信设备(201)的先前位置S和所述当前位置L之间的所述移动通信设备(201)的过去轨迹H，并且所述记录的局部轨迹集合的子集中的每个轨迹还包括与所述移动通信设备(201)的所述先前位置S和所述当前位置L之间的所述移动通信设备(201)的所述过去轨迹H对应的第二部分。

17.根据权利要求13至16中任一项所述的通信网络实体(202)，其中，所述处理器还用于确定所述移动通信设备(201)的所述可能目的地D的细化估计，并且通过所述通信接口(202a)将所述可能目的地D的所述细化估计反馈给所述移动通信设备(201)，和/或所述处理器还用于确定细化的目的地似然分布p(D)，并将所述细化的目的地似然分布p(D)通过所述通信接口(202a)反馈给所述移动通信设备(201)。

18.根据权利要求13至17中任一项所述的通信网络实体(202)，其中，所述存储器(202c)用于存储所述记录的局部轨迹T集合中的每个局部轨迹以及与其相关联的最可能的目的地D。

19.一种计算机程序，包括程序代码，所述程序代码用于在计算机上执行时执行权利要求1至11中任一项所述的方法。

说明书全文

用于预测蜂窝通信网络中的移动通信设备的移动性的方法和

设备

技术领域

[0001] 本发明涉及无线通信领域。更具体地，本发明涉及一种用于预测由蜂窝通信网络覆盖的空间区域中的移动通信设备的移动性的方法和系统。

背景技术

[0002] 用户移动性的预测是无线网络中的主要研究领域。借助无线技术中丰富的基于位置的服务，快速准确地识别用户移动性模式对于在网络和应用两个级别部署适当的解决方案至关重要。准确预测用户移动性实现带宽资源的有效规划和管理，从而提高提供给移动用户的服务的丰富性，例如移动在线广告、地图适应、交通信息、天气预报、智能切换管理等。此外，移动性预测可以用作蜂窝通信网络中的许多优化的根源。

[0003] 在文献中已经报道了许多用于用户移动性预测的算法。一般而言，现有的移动性预测方式可以在两个系列中的一个中进行，即，一方面，基于第一种方式的模型，该第一种方式试图预测用户的兴趣点-例如，学习每个用户的兴趣点地图以及相关的运输概率，另一方面，基于第二种方式的模型，该第二种方式试图基于过去的短期观察来预测未来的短期移动性。如图1所示，例如，基站A可以记录用户设备在其覆盖区域或小区内的移动性，并尝试确定用户设备是否前进到区域B或区域C。

[0004] 用于用户移动性预测的传统方法仍然受到若干挑战性的技术问题的阻碍。基于第一种方式的方法需要从每个用户收集大量的个人数据，这些数据都受到隐私问题的影响并且实施起来非常昂贵。对于基于第二种方式的方法，当用户沿着受约束的路径(例如，道路)移动时，过去的短期观察通常不能提供有效信息以很好地预测未来的移动性。因此，由于隐私问题、用户设备的电池限制、过多的数据等，通常难以收集足够的个体数据以进行准确的预测，并且进行准确预测的复杂性仍然是代价较高的。

[0005] 因此，鉴于上述情况，需要更有效和准确的方法和设备，以实现蜂窝通信网络中的移动通信设备的移动性预测的改进。

发明内容

[0006] 本发明的一个目的是提供用于蜂窝通信网络中的移动通信设备的移动性预测的更有效和准确的方法和设备。

[0007] 前述和其他目的通过独立权利要求的主题实现。根据从属权利要求、说明书和附图，进一步的实施形式是显而易见的。

[0008] 通常，本发明提供移动通信设备(诸如移动电话)与通信网络实体(诸如基站或通信网络的应用服务器)之间的协作方式，其克服了无线用户移动性预测的主要架构和算法障碍。更具体地，本发明智能地组合两种组件：移动通信设备和通信网络实体，其中，移动通信设备维持用户源位置和估计目的地，通信网络实体维持局部轨迹及其相关联的源-目的地对的分布。这两种组件可以交换它们维护的信息，以确定移动通信设备将遵循的最可能的未来轨迹，从而估计其下一个位置。

[0009] 根据本发明，仅公开了非常少的专用数据，因为关于用户移动性的专用数据仅为移动通信设备所知，并且通信网络实体只能记住从多个移动通信设备收集的聚合数据。移动通信设备可以选择其愿意公开的准确度。另外，通信网络实体可以仅访问本地数据。换句话说，本发明还可以在没有全局数据的情况下起作用，同时保持数据本地化。此特点显著降低了处理数据的成本和复杂性，以及据此计算预测的成本和复杂性。

[0010] 因此，根据第一方面，本发明涉及一种预测由蜂窝通信网络覆盖的空间区域中的移动通信设备的移动性的方法，蜂窝通信网络包括多个网络小区，该多个网络小区包括当前网络小区。方法包括：确定移动通信设备的位置信息，其中，位置信息包括当前网络小区中的移动通信设备的当前位置L；基于移动通信设备的当前位置L提供移动通信设备的目的地信息，其中，目的地信息包括移动通信设备的至少一个可能目的地D和/或定义移动通信设备的至少一个可能目的地D的目的地似然分布p(D)；以及基于记录的局部轨迹T集合的子集，预测当前位置L和可能目的地D之间的移动通信设备的未来轨迹的至少一部分，其中，记录的局部轨迹集合的子集中的每个轨迹与移动通信设备的可能目的地D相关联。

[0011] 可以理解，目的地似然分布p(D)可以定义移动通信设备的可能几个同等可能目的地D。在实施形式中，可能目的地D可以是最可能目的地D。记录的局部轨迹T集合的子集可以被认为是经过滤的记录的局部轨迹T集合，即，从整个记录的局部轨迹T集合中选择出与可能目的地D相关联的记录的局部轨迹。在一种实施形式中，记录的局部轨迹与可能目的地之间的关联可以通过用目的地标记每个记录的局部轨迹来实现。

[0012] 因此，提供了更有效和准确的方法，实现蜂窝通信网络中的移动通信设备的移动性预测的改进。移动通信设备和蜂窝通信网络的存储器要求都降低了，因为移动通信设备只需要存储它自己的兴趣点(即它可能访问的可能目的地)，并且为了能够为其目的地提供预测，蜂窝通信网络仅需要记录移动通信设备(以及其他移动通信设备)的局部轨迹T，而不记录其身份信息或兴趣点。存储器和复杂性的大幅减少来自于轨迹仅为局部轨迹而非全局轨迹。

[0013] 此外，减轻了隐私问题，因为移动通信设备可以调整其愿意提供的位置准确性以权衡隐私问题与性能，并且蜂窝通信网络不需要存储移动通信设备的身份信息。

[0014] 在根据第一方面方法的第一种实施形式中，记录的局部轨迹集合的子集中的每个轨迹包括第一部分，其中，第一部分至少在当前网络小区内与移动通信设备的当前位置L和可能目的地D之间的全局轨迹重合。

[0015] 在根据第一方面或其第一种实施形式方法的第二种实施形式中，位置信息还包括移动通信设备的先前位置S，例如初始源位置，并且记录的局部轨迹集合的子集中的每个轨迹还包括移动通信设备的先前位置S和当前位置L之间的第二部分。

[0016] 在根据第一方面或其第一种或第二种实施形式方法的第三种实施形式中，位置信息还包括先前位置S和当前位置L之间的移动通信设备的过去轨迹H，并且记录的局部轨迹集合的子集中的每个轨迹还包括与移动通信设备的先前位置S和当前位置L之间的移动通信设备的过去轨迹H对应的第二部分。

[0017] 在根据第一方面的第三种实施形式方法的第四种实施形式中，基于记录的局部轨迹集合的子集，预测当前位置L和可能目的地D之间的移动通信设备的未来轨迹T的至少一部分的步骤包括：确定以下条件似然分布的步骤：

[0018] p*(T|H,L,S)＝ΣD p(D)p*(T|H,L,S-D),

[0019] 其中，ΣD表示所有目的地的和，其中，条件分布p*(T|H,L,S-D)基于以下等式：

[0020] p*(T|H,L,S-D)＝p*(T,H,L,S-D)/ΣT p*(T,H,L,S-D),

[0021] 其中，p*(T,H,L,S-D)表示记录的局部轨迹T集合上的分布，并且ΣT表示记录的局部轨迹T集合的和。

[0022] 在根据第一方面的第三种或第四种实施形式方法的第五种实施形式中，移动通信设备的过去轨迹H是蜂窝通信网络的当前网络小区中的移动通信设备的过去轨迹，即，先前位置S是移动通信设备已进入当前网络小区的位置。在另一种实现形式中，先前位置S是移动通信设备最初连接到蜂窝通信网络的位置，即已附接到蜂窝通信网络。

[0023] 在根据第一方面的第三种至第五种实施形式中的任一种方法的第六种实施形式中，方法还包括步骤：基于移动通信设备的先前位置S和当前位置L之间的过去轨迹H，细化移动通信设备的目的地信息。

[0024] 细化移动通信设备的目的地信息可以帮助更精确地预测移动通信设备的未来轨迹T，因而为最可能目的地D提供更好的估计，其可以作为其他预测服务的基础。

[0025] 在根据第一方面的第六种实施形式方法的第七种实施形式中，细化目的地信息的步骤包括基于以下等式确定细化的目的地似然分布的步骤：

[0026] p*(D|H,L,S)＝ΣT p*(T,H,L,S-D)/ΣD,T p*(T,H,L,S-D),

[0027] p(D)←p(D)p*(D|H,L,S)/ΣD p(D)p*(D|H,L,S)

[0028] 其中，ΣD表示所有目的地的和，ΣT表示所有记录的局部轨迹的和，ΣD,T表示所有目的地和所有记录的局部轨迹的和。

[0029] 因此，提供了基于移动通信设备的先前位置S和当前位置L之间的过去轨迹H的来自蜂窝通信网络的反馈，提高了目的地的预测精度。

[0030] 在根据第一方面或其第一种至第七种实施形式中的任一种方法的第八种实施形式中，基于与可能目的地相关联的记录的局部轨迹T集合的子集，通过选择当前位置L和最可能目的地D之间的记录的局部轨迹集合的子集中的轨迹，预测当前位置L和最可能目的地D之间的移动通信设备的未来轨迹，该局部轨迹集合的子集中的轨迹最常出现在记录的局部轨迹集合的子集中。

[0031] 因此，可以利用来自移动通信设备和蜂窝通信网络的协作输入准确地预测移动通信设备的未来轨迹T，从而实现需要准确预测用户移动性的用户服务的改进。

[0032] 在根据第一方面或其第一种至第八种实施形式中的任一种方法的第九种实施形式中，提供目的地信息的步骤包括：基于移动通信设备的当前位置L从与移动通信设备相关联的兴趣点集合选择移动通信设备的可能目的地D；和/或基于移动通信设备的当前位置L，使用与移动通信设备相关联的兴趣点集合来确定目的地似然分布p(D)。

[0033] 在根据第一方面或其第一种至第九种实施形式中的任一种方法的第十种实施形式中，方法还包括提供与移动通信设备相关联的上下文信息的步骤，并且其中，预测移动通信设备的未来轨迹的至少一部分的步骤包括：基于记录的局部轨迹T集合的子集并基于上下文信息，预测当前位置L与可能目的地D之间的移动通信设备的未来轨迹的至少一部分。在实现形式中，上下文信息可以包括关于移动通信设备的当前传输手段和/或与移动通信设备相关联的用户配置文件的信息。

[0034] 因此，移动通信设备的上下文信息将在很大程度上有益于蜂窝通信网络，以提高移动通信设备的未来轨迹T的预测精度。

[0035] 根据第二方面，本发明涉及一种用于蜂窝通信网络中的通信的移动通信设备，蜂窝通信网络包括多个网络小区，该多个网络小区包括当前网络小区，其中，移动通信设备包括：通信接口，用于与蜂窝通信网络的通信网络实体通信；和处理器，用于：基于当前网络小区中的移动通信设备的当前位置L和/或移动通信设备的先前位置S，提供移动通信设备的目的地信息，其中，目的地信息包括移动通信设备的一个至少一个可能目的地D和/或定义移动通信设备的至少一个可能目的地D的目的地似然分布p(D)；通过通信接口向通信网络实体提供目的地信息；以及基于通信网络实体通过通信接口提供的细化的目的地信息，细化移动通信设备的目的地信息，其中，细化的目的地信息包括当前位置L和可能目的地D之间的移动通信设备的未来轨迹的至少一部分、移动通信设备的细化的至少一个可能目的地D和/或细化的目的地似然分布p(D)，该细化的目的地似然分布p(D)定义移动通信设备的至少一个可能目的地D。

[0036] 因此，移动通信设备可以向通信网络实体提供源信息和目的地信息，从而提高移动通信设备的未来移动性的预测准确度。

[0037] 根据第三方面，本发明涉及一种用于预测蜂窝通信网络中的移动通信设备的移动性的通信网络实体，蜂窝通信网络包括多个网络小区，该多个网络小区包括当前网络小区，其中，通信网络实体包括：通信接口，用于从移动通信设备接收目的地信息，其中，目的地信息包括移动通信设备的至少一个可能目的地D和/或定义移动通信设备的至少一个可能目的地D的目的地似然分布p(D)；存储器，用于存储记录的局部轨迹T集合；处理器，用于确定移动通信设备的位置信息，其中，位置信息包括当前网络小区中的移动通信设备的当前位置L，并且基于记录的局部轨迹T集合的子集，预测当前位置L和可能目的地D之间的移动通信设备的未来轨迹的至少一部分，其中，记录的局部轨迹集合的子集中的每个轨迹与移动通信设备的可能目的地D相关联。

[0038] 因此，通信网络实体可以从移动通信设备接收源信息和目的地信息，从而提高移动通信设备的未来移动性的预测准确度。在一种实现形式中，通信网络实体是基站或蜂窝通信网络的应用服务器。

[0039] 在根据第三方面通信网络实体的第一种实施形式中，记录的局部轨迹集合的子集中的每个轨迹包括第一部分，其中，第一部分至少在当前网络小区内与移动通信设备的当前位置L和可能目的地D之间的全局轨迹重合。

[0040] 在根据第三方面或其第一种实施形式通信网络实体的第二种实施形式中，位置信息还包括移动通信设备的先前位置S，例如初始源位置，并且记录的局部轨迹集合的子集中的每个轨迹还包括移动通信设备的先前位置S和当前位置L之间的第二部分。

[0041] 在根据第三方面或其第一种或第二种实施形式通信网络实体的第三种实施形式中，位置信息还包括先前位置S和当前位置L之间的移动通信设备的过去轨迹H，并且记录的局部轨迹集合的子集中的每个轨迹还包括与移动通信设备的先前位置S和当前位置L之间的移动通信设备的过去轨迹H对应的第二部分。

[0042] 在根据第三方面或在其第一种至第三种实施形式中的任一种通信网络实体的第四种实施形式中，处理器还用于确定移动通信设备的可能目的地D的细化估计，并且通过通信接口将最可能目的地D的细化估计反馈给移动通信设备和/或处理器还用于确定细化的目的地似然分布p(D)并将细化的目的地似然分布p(D)反馈给移动通信设备。

[0043] 因此，通信网络实体还可以通过向移动通信设备提供细化的可能目的地D和/或细化的目的地似然分布p(D)而受益。

[0044] 在根据第三方面或其第一种至第四种实施形式中的任一种通信网络实体的第五种实施形式中，存储器用于存储记录的局部轨迹T集合中的每个局部轨迹以及与其相关联的最可能的目的地D。在其他实现形式中，除了与局部轨迹相关联的最可能的目的地D之外，存储器还可以存储例如源S和/或一些其他上下文信息。

[0045] 根据第四方面，本发明涉及一种计算机程序，包括程序代码，该程序代码用于当在计算机上执行时，执行根据第一方面或其任何一个实施形式的方法。

[0046] 本发明可以以硬件和/或软件实现。

附图说明

[0047] 将参照以下附图描述本发明的其他实施例，其中：

[0048] 图1示出了蜂窝通信网络的示意图，示出了由基站预测移动通信设备的移动性的基本概念；

[0049] 图2示出了根据实施例的包括移动通信设备和通信网络实体的通信网络的示意图。

[0050] 图3示出了第一通信阶段中图2的移动通信设备和通信网络实体的示意图；

[0051] 图4示出了第二通信阶段中图2的移动通信设备和通信网络实体的示意图；

[0052] 图5示出了根据用于预测移动通信设备的移动性的实施例的移动通信设备和通信网络实体之间的交互的示意图；

[0053] 图6示出了根据实施例的在蜂窝通信网络中预测移动通信设备的移动性的方法的示意图；

[0054] 图7示出了根据实施例的移动通信设备和通信网络实体的仿真结果；以及[0055] 图8示出了根据实施例的移动通信设备和通信网络实体的仿真结果。

[0056] 在各个图中，相同的附图标记将用于相同或至少功能上等同的特征。

具体实施方式

[0057] 在以下描述中，参考了附图，附图形成本公开的一部分，并且其中通过图示的方式示出了可以设置本发明的特定方面。应当理解，在不脱离本发明的范围的情况下，可以利用其他方面并且可以进行结构或逻辑上的改变。因此，以下详细描述不应被视为具有限制意义，因为本发明的范围由所附权利要求限定。

[0058] 例如，应当理解，结合所描述的方法的公开内容也适用于用于执行该方法的相应设备或系统，反之亦然。例如，如果描述了特定方法步骤，则相应设备可以包括执行所描述的方法步骤的单元，即使在图中没有明确地描述或示出这样的单元。

[0059] 此外，在以下详细描述以及权利要求中，描述了具有不同功能块或处理单元的实施例，不同功能块或处理单元彼此连接或交换信号。应当理解，本发明也涵盖这样的实施例，其包括布置在下述实施例的功能块或处理单元之间的附加功能块或处理单元。

[0060] 最后，应理解，除非另有特别说明，否则本文描述的各种示例性方面的特征可彼此组合。

[0061] 图2示出了根据实施例的包括移动通信设备201和通信网络实体202的蜂窝通信网络200的示意图。蜂窝通信网络200包括多个网络小区，包括移动通信设备201当前所在的网络小区(这里将其称为当前网络小区)。

[0062] 移动通信设备201用于与蜂窝通信网络300的通信网络实体202进行蜂窝通信。

[0063] 从图2中所示的移动通信设备201的详细视图可以看出，移动通信设备201包括通信接口201a和处理器201b。处理器201b用于基于当前网络小区中的移动通信设备201的当前位置L向通信网络实体202提供移动通信设备201的目的地信息。目的地信息可以包括移动通信设备201的一个或多个可能目的地D和/或定义移动通信设备201的一个或多个可能目的地D的目的地似然分布p(D)。

[0064] 可以理解，目的地似然分布p(D)可以定义移动通信设备201的可能几个同等可能目的地D。在一个实施例中，可能目的地D可以是移动通信设备201的最可能目的地D。

[0065] 在一个实施例中，移动通信设备201的处理器201b用于通过以下方式提供目的地信息：基于移动通信设备201的当前位置L，从存储在移动通信设备201中的兴趣点集合选择移动通信设备201的可能目的地D；或者，基于移动通信设备201的当前位置L，使用存储在移动通信设备201中的兴趣点集合确定目的地似然分布p(D)。

[0066] 通信网络实体202用于预测移动性，即蜂窝通信网络200中的移动通信设备201的未来轨迹。在一个实施例中，通信网络实体202被实现为基站或其一部分或者实现为蜂窝通信网络200的应用服务器。

[0067] 通信网络实体202包括用于从移动通信设备201接收目的地信息的通信接口202a。此外，通信网络实体202包括存储器202c，存储器202c用于存储记录的局部轨迹T集合，这将在下面进一步详细解释。最后，通信网络实体202包括处理器202b，处理器202b用于确定移动通信设备201的位置信息，其中，位置信息包括当前网络小区中的移动通信设备201的当前位置L。

[0068] 此外，通信网络实体202的处理器202b用于基于记录的局部轨迹T集合的子集，预测当前位置L和可能目的地D之间的移动通信设备201的未来轨迹的至少一部分，其中，记录的局部轨迹集合的子集中的每个轨迹与移动通信设备201的可能目的地D相关联。

[0069] 记录的局部轨迹T集合的子集可以被认为是经过滤的记录的局部轨迹T集合，即，从整个记录的局部轨迹T集合中选择出与移动通信设备201的可能目的地D相关联的记录的局部轨迹。记录的局部轨迹与可能目的地D之间的关联可以事先实现，例如，通过用其目的地标记每个记录的局部轨迹。

[0070] 记录的局部轨迹T集合中的每个轨迹可以定义一系列地理位置/位置，可能具有相关的时序信息。可以为地理位置/位置提供不同级别的准确度，或地理位置/位置可以是基于区域的(例如，路段、网络的小区)。

[0071] 在一个实施例中，可以以下面的方式生成记录的局部轨迹T集合。在第一阶段，识别用户的兴趣点，即用户花费大量时间的位置。在第二阶段，轨迹被分段，使得它们在所识别的兴趣点处开始或结束。在第三阶段，轨迹由目的地D标记，并且可能由其源S标记。在第四阶段，根据通信网络实体202所覆盖的区域再次对轨迹进行分段并将其记录在通信网络实体202的存储器202c中。

[0072] 在进一步的实施例中，可以以下面的方式生成记录的局部轨迹T集合。每次通信网络实体202观察到移动通信设备的新的局部轨迹时，轨迹用源信息S标记，并且暂时没有目的地信息D。当移动通信设备到达其目的地D时(移动通信设备本身设备或通信网络实体，即服务于移动通信设备当前小区的基站可以识别的目的地D)，关于目的地D的信息沿着移动通信设备的过去轨迹发送给基站。这些基站现在也可以更新目的地标签D并将局部轨迹并入到基站的记录的局部轨迹的数据库中。

[0073] 在进一步的实施例中，可以以下面的方式生成记录的局部轨迹T集合。每次通信网络实体202观察到移动通信设备的新轨迹时，在移动通信设备离开小区之前，它被用源信息S和能从移动通信设备获得的先前目的地预测来标记。在该实施例中，由于目的地D的不准确预测，一些轨迹可能被错误地标记。然而，这随着移动通信设备朝目的地D前进而改善，因为目的地D的估计得到了细化。

[0074] 在一个实施例中，记录的局部轨迹集合的子集中的每个轨迹包括第一部分，其中，第一部分至少在当前网络小区内与移动通信设备201的当前位置L和可能目的地D之间的全局轨迹重合。

[0075] 在一个实施例中，位置信息还包括移动通信设备201的先前位置S，例如初始源位置，并且记录的局部轨迹集合的子集中的每个轨迹还包括移动通信设备201的先前位置S和当前位置L之间的第二部分。

[0076] 在一个实施例中，位置信息还包括先前位置S和当前位置L之间的移动通信设备201的过去轨迹H，并且记录的局部轨迹集合的子集中的每个轨迹还包括与移动通信设备
201的先前位置S和当前位置L之间的移动通信设备201的过去轨迹H对应的第二部分。

[0077] 在一个实施例中，通信网络实体202的处理器202b用于基于与可能目的地D相关联的记录的局部轨迹T集合的子集，通过选择与可能目的地D相关联的记录的局部轨迹集合的子集中的轨迹，预测当前位置L和可能目的地D之间的移动通信设备201的未来轨迹，该局部轨迹集合的子集中的轨迹最常出现在与可能目的地D相关联的记录的局部轨迹集合的子集中。

[0078] 在一个实施例中，通信网络实体202的处理器202b还用于确定移动通信设备201的可能目的地D的细化估计，并且通过通信接口202a将可能目的地D的细化估计反馈给移动通信设备201。附加地或替代地，通信网络实体202的处理器202还用于确定细化的目的地似然分布p(D)并且通过通信接口202a将细化的目的地似然分布p(D)反馈给移动通信设备201。

[0079] 在一个实施例中，移动通信设备201的处理器201b用于基于通信网络实体202通过通信接口201a提供的细化目的地信息来细化其目的地信息。细化的目的地信息包括当前位置L和可能目的地D之间的移动通信设备201的未来轨迹的至少一部分、移动通信设备201细化的至少一个可能目的地D和/或细化的目的地似然分布p(D)，该细化的目的地似然分布p(D)定义移动通信设备201的至少一个可能目的地D。

[0080] 移动通信设备201和网络通信实体202的进一步实施例在图3至图5中示出。在图3中，移动通信设备201向网络通信实体202提供目的地信息，并且在图4中，网络通信实体202向移动通信设备201提供用于细化目的地信息的信息。

[0081] 图5示出了根据实施例的移动通信设备201和通信网络实体202之间的交互过程500的示意图。

[0082] 过程500的第一部分包括当移动通信设备201移动到由通信网络实体202覆盖的网络小区，即当前网络小区时，用来自移动通信设备201的信息更新蜂窝通信网络200中的通信网络实体202的步骤。

[0083] 在步骤501中，通信网络实体202向移动通信设备201发送对目的地信息和上下文信息的请求，其中，目的地信息包括移动通信设备201的旅程的源S和目的地似然分布p(D)。

[0084] 在步骤503中，移动通信设备201向通信网络实体202提供目的地信息，其中，目的地信息包括移动通信设备201的旅程的源S和目的地似然分布p(D)。

[0085] 在步骤505中，通信网络实体202在假设目的地似然分布p(D)正确的情况下，计算贝叶斯后验估计，并在包括移动通信设备201的当前位置L、源信息S和目的地似然分布p(D)的上下文中，将权重p(D)加到移动通信设备201的过去轨迹H的当前计数ΣT p*(T,H,L,S-D)。此外，一旦移动通信设备201已经移动并且已经观察到未来的局部轨迹T，通信网络实体202就将权重p(D)加到当前计数p*(T,H,L,S-D)。

[0086] 过程500的第二部分包括用通信网络实体202确定的数据更新移动通信设备201的步骤。这些步骤可以由移动通信设备201请求来自通信网络实体202的反馈而触发。这种反馈请求可以包括在步骤503中的目的地的传输中。

[0087] 响应于移动通信设备201的反馈请求，通信网络实体202基于以下等式计算细化的目的地似然分布：

[0088] p*(D|H,L,S)＝ΣT p*(T,H,L,S-D)/ΣD,T p*(T,H,L,S-D),

[0089] 其中ΣT表示所有记录的轨迹的和，p*(T,H,L,S-D)表示移动通信设备201的当前位置L和的可能目的地D之间的记录的轨迹T集合上的分布，以及ΣD,T表示所有目的地和所有记录的轨迹的和。

[0090] 在步骤507中，通信网络实体202将细化的目的地似然分布p*(D|H,L,S)发送给移动通信设备201，其中，细化的目的地似然分布可以由移动通信设备201与目的地似然分布p(D)组合，或者，通信网络实体202直接将细化的目的地似然分布和目的地似然分布p(D)的组合发送给移动通信设备201。

[0091] 目的地似然分布p(D)可以通过以下等式更新：

[0092] p(D)←p(D)p*(D|H,L,S)/ΣD p(D)p*(D|H,L,S),

[0093] 其中，ΣD表示所有目的地的和。

[0094] 图6示出了预测由蜂窝通信网络200覆盖的空间区域中的移动通信设备，例如图2中所示的移动通信设备201的移动性的方法600的示意图。

[0095] 方法600包括以下步骤：601，确定移动通信设备201的位置信息，其中，位置信息包括当前网络小区中移动通信设备201的当前位置L；603，基于移动通信设备201的当前位置L提供移动通信设备201的目的地信息，其中，目的地信息包括移动通信设备201的至少一个可能目的地D和/或定义移动通信设备201的至少一个可能目的地D的目的地似然分布p(D)；以及605，基于记录的局部轨迹T集合的子集，预测当前位置L和可能目的地D之间的移动通信设备201的未来轨迹的至少一部分，其中，记录的局部轨迹集合的子集中的每个轨迹与移动通信设备201的可能目的地D相关联。

[0096] 图7示出了根据基于随机生成的网络700的实施例的移动通信设备201、通信网络实体202和方法600的仿真结果的示意图。在随机生成的网络700中，节点表示蜂窝通信网络200的不同小区，并且边缘表示临近小区之间的可能的转换轨迹。假设每个节点具有其自己的通信网络实体202并且可以预测移动通信设备201将跟随哪个边缘(即，源位置S和可能目的地D之间的移动通信设备201的可能的转换轨迹)而离开节点。

[0097] 已经在随机生成的网络700中生成了一千个移动通信设备201的移动性过程，其中，每个移动通信设备201具有十个可能目的地(即，兴趣点)的集合，根据一些简单的移动性过程(例如，一阶马尔可夫模型)从一个移动到另一个，并且其中，出于不明的原因(例如，道路上的不同拥塞)，每个移动通信设备201可以采用不同的轨迹(即，不同的边缘序列)，但一般来说，短路线优于长路线。这种随机生成的网络700被认为是蜂窝通信网络中移动通信设备201的移动性过程的合理建模，以便评估本发明实施例的性能。

[0098] 在图7所示的随机生成的网络700中，移动通信设备201在特定源位置S和可能目的地D之间采用的八重轨迹由黑色粗线表示。

[0099] 图8示出了说明与图7的随机产生的网络700中的移动性预测的现有方式形成比较的本发明的不同实施例的性能的示意图。已经在随机生成的网络700中生成了一千个移动通信设备201的移动性过程，其中，每个移动通信设备201具有十个可能目的地(即，兴趣点)的集合，根据一些简单的移动性过程(例如，一阶马尔可夫模型)从一个移动到另一个，并且其中，出于不明的原因(例如，道路上的不同拥塞)，每个移动通信设备201可以采用不同的轨迹(即，不同的边缘序列)，但一般来说，短路线优于长路线。

[0100] 从图8中的详细视图可以看出，虚线表示移动性预测的现有方式，实线801a和801b表示本发明实施例的性能。更具体地，在现有方式中移动性过程未在移动通信设备201和通信网络实体202之间被分解和协调，现有方式提供的正确预测的分数低于由本发明的实施例提供的，因为现有方式无法处理移动通信设备201可能遵循的太多不同的可能轨迹。

[0101] 对移动性预测的适当方式应该知道何时应该聚合以及何时不应该聚合来自多个移动通信设备201的数据，例如源信息S、目的地似然分布p(D)或任何其他相关上下文，以将统计益处用于移动性预测。现有的移动性预测方式通常根本不会从多个移动通信设备201聚合数据(或者聚合不足够的数据)，因此，在他们知道了移动通信设备201可能遵循的所有可能轨迹之前，他们将需要非常长的训练周期，或者先前研究中现有的移动性预测方式会聚集太多数据，这会损害预测的准确性。

[0102] 从图8可以看出，正确预测的分数随着观察到更多轨迹而上升，因为移动通信设备201和通信网络实体202可以聚合移动性过程的数据，从而提高移动通信设备201未来移动性的预测准确性。

[0103] 虽然可能仅围绕若干实现方式或实施例中的一个，公开了本公开的特定特征或方面，这样的特征或方面可以与其他实现方式或实施例的一个或多个其他特征或方面组合，这对于任何给定或特定应用可能是期望的且有利的。此外，在详细的说明书或权利要求中使用术语“包括”、“具有”、“有”或其他变体的范围内，这些术语旨在以与术语“包括”类似的方式表示包含在内。此外，术语“示例性的”、“例如”和“如”仅仅是一个例子，而不是最好的或最优的。可以使用术语“相耦合”和“相连接”以及衍生词。应当理解，这些术语可以用于表示两个元件彼此协作或相互作用，而不管它们是直接物理接触还是电接触，或者它们彼此不直接接触。

[0104] 尽管本文已说明和描述了特定方面，但本领域普通技术人员应理解，在不脱离本公开的范围的情况下，可用各种替代和/或等效实现方式来替代所示出和描述的特定方面。本申请旨在涵盖本文所讨论的特定方面的任何改编或变化。

[0105] 尽管以下权利要求中的元件以具有相应标记的特定顺序来列举，除非权利要求记载中以其他方式暗示用于实现这些元件中的一些或全部的特定顺序，否则这些元件不一定旨在限于在该特定顺序中被实施。

[0106] 根据上述教导，许多替换、修改和变化对于本领域技术人员来说是显而易见的。当然，本领域技术人员容易认识到，除了本文所述之外，本发明还有许多应用。虽然已经参考一个或多个特定实施例描述了本发明，但是本领域技术人员认识到可以在不脱离本发明的范围的情况下对本发明进行许多改变。因此，应理解，在所附权利要求及其等同物的范围内，本发明可以不同于本文具体描述的方式实施。

标题	发布/更新时间	阅读量
移动通信网络-专利编号CN109565408A	2020-05-12	651
移动通信网络-专利编号CN1175687C	2020-05-11	185
移动通信网络-专利编号CN1099545A	2020-05-12	1052
移动通信网络-专利编号CN1981480B	2020-05-11	714
移动通信网络-专利编号CN108781347A	2020-05-12	813
移动通信网络的鉴权-专利编号CN1973566A	2020-05-13	923
移动通信网络-专利编号CN1225224A	2020-05-11	461
通信网络中的移动连接-专利编号CN104247476B	2020-05-13	811
移动通信网络-专利编号CN108886761A	2020-05-11	963
移动通信网络-专利编号CN108702734A	2020-05-13	371

用于预测蜂窝通信网络中的移动通信设备的移动性的方法和设备

用于预测蜂窝通信网络中的移动通信设备的移动性的方法和

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式