一种基于HMM的异构网络用户行为预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110149595A(43)申请公布日2019.08.20(21)申请号201910390459.X(22)申请日2019.05.10(71)申请人北京工业大学地址100124北京市朝阳区平乐园100号(72)发明人涂山山黄心怡张雅琴肖创柏(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人刘萍(51)Int.Cl.H04W4/029(2018.01)H04W24/06(2009.01)G06Q10/04(2012.01)权利要求书4页说明书6页附图2页(54)发明名称一种基于HMM的异构网络用户行为预测方法(57)摘要本发明提出一种基于HMM的异构网络用户行为预测方法。针对异构蜂窝网络(HCN)环境下，传统的切换管理策略极少综合考虑热点地区用户的移动偏好与移动特征的问题，本发明对热点地区用户行为进行感知的方法。该方法采用人类自相似性最小行走移动模型(Self-similarLeast-actionHumanWalk，SLAW)模拟热点地区用户移动路径，采用隐式马尔科夫模型对用户行为建模，实现了通过用户在基站中的移动序列来预测用户对应的移动时间。该方法为设计合理的切换管理方案提供具体的设置参数，提升了热点地区用户行为预测的准确率，确保热点地区基站对即将到来的切换请求做出有效准备。异构蜂窝网络的用户行为预测方法属于通信网络领域。CN110149595ACN110149595A权利要求书1/4页1.一种基于HMM的异构网络用户行为预测方法，其特征在于，具体步骤如下：步骤一：提取用户待移动路径点在SLAW模型中，初始存在着根据移动区域大小、路径点个数和赫斯特指数，采用分数阶高斯噪声和分数布朗运动技术在二维平面上生成的一个移动区域以及指定个数的自相似的路径点，需要从这些自相似路径点中，提取用户待移动路径点，具体过程如下所示：①定义N为生成的路径点进行聚类后形成的若干个点群；②定义r1为各点群之间的比例因子，定义r2为将要选取的路径点比例因子，并抽取出个点群；③从剩余的个点群中随机挑选一个点群，随机替换已抽取的个点群中的一个；④定义P为抽取出的个点群中包含的路径点，此时可以得到用户待移动路径点集合V，有步骤二：生成用户移动轨迹模型SLAW模型模拟出的用户移动轨迹是由每个采样时间点用户所在的路径点组成的，具体过程如下：①参照步骤一，从已生成的用户待移动路径点集合V中随机选择2个点，一个作为起始点，另一个作为下一路径点，即用户下一步移动的目的点，完成初始化工作；抽取工作遵循完全随机原则；②系统采样起始时间设定为1秒，此后采样时间不断增加，同时用户从起始点出发，定义该起始点作为用户当前的路径点，且到达时间为1s；③经过固定的时间间隔，判断下一采样时间点与当前路径点的到达时间、暂停开始时间、暂停结束时间的关系；时间间隔为30秒至60秒，时间间隔越短，采样精度越高；a.如果当前采样时间大于当前路径点的暂停结束时间，则用户下一移动目的点定义为：其中c表示当前路径点，v表示下一路径点，P(c,v)表示到达下一路径点v的概率，d(c,v)表示表示当前路径点c与候选路径点v之间的欧氏距离，V'为未达到过的路径点的集合，α为距离权重，遍历V'中所有所有路径点，概率最大的即为用户下一移动目标；b.如果采样时间在当前路径点的暂停开始时间和暂停结束时间之间，用户不进行转移，停留在当前路径点；④循环进行③，直到系统总采样时间大于预先设定的用户移动的总时间，随后将用户停留过的路径点按采样时间顺序相连，生成用户最终的移动轨迹；步骤三：基于HMM对HCN环境下的用户行为建模2CN110149595A权利要求书2/4页在HMM预测算法中，对步骤二中得到的热点地区用户移动轨迹进行分段采样，并将采样时间内用户所停留的基站定义为该时间段内用户的常驻基站，而在小区间进行游走的用户其常驻基站也会发生改变，从当前的常驻基站到目的的常驻基站进行变迁，这一过程也叫作用户观测状态转移的过程；对于热点地区不同的用户而言其发生状态转移的过程和一天中的时间段有关，现实中用户发生迁移的时间段其改变和特定场景有关，难以直接观测，因此将其作为HMM模型中的隐含态；综上所述，构建基于观测态即热点地区的用户在采样时间内停留的基站和隐含态即一天之中的各个时间段的HMM模型，该模型的表达式为λ＝(n,m,A,B,π)；n表示建模中所设定的隐含态即一天之内的时间段的个数，其最大值随建模时所设的隐含态个数而改变；m表示在某一特定隐含态下所具有的观测状态即常驻基站的个数，n与m在HMM模型中的作用主要为规范状态转移过程的取值；A表示一个n×n的状态转移矩阵，表示不同隐含态即时间段之间的转移概率；其中p(jT+1|iT)为从