[发明专利]室内外用户识别方法、装置及电子设备

权利要求书

1.一种室内外用户识别方法，其特征在于，包括：

获取待识别用户的最小化路测MDT数据；

基于所述待识别用户的MDT数据，确定所述待识别用户的用户行为特征数据，用户的用户行为特征数据包括所述用户的运动特征、与所述用户相关联的小区的信号覆盖特征；

基于设定的分类模型和所述待识别用户的用户行为特征数据，对所述待识别用户进行分类，得到所述待识别用户的类型，其中，所述类型包括室内用户和室外用户，所述分类模型是基于设定的分类算法和多个不同类型的样本用户的用户行为特征数据进行训练得到。

2.根据权利要求1所述的方法，其特征在于，所述MDT数据包括位置信息和参考信号接收功率RSRP，所述运动特征包括移动速度，与所述用户相关联的小区的信号覆盖特征包括所述用户的RSRP、所述用户所在小区内不同类型的用户的RSRP和所述用户的邻区内不同类型的用户的RSRP；

基于所述待识别用户的MDT数据，确定所述待识别用户的用户行为特征数据，包括：

基于所述待识别用户的位置信息及各位置对应的时刻，确定所述待识别用户的移动速度；

基于所述待识别用户的位置信息，确定所述待识别用户所在的小区及邻区；

基于所述待识别用户所在小区内各用户的类型及MDT数据进行整合，以得到所述所在小区内不同类型的用户的RSRP；以及，

基于所述邻区内各用户的类型及MDT数据进行整合，以得到所述邻区内不同类型的用户的RSRP。

3.根据权利要求1所述的方法，其特征在于，在基于设定的分类模型和所述待识别用户的用户行为特征数据，对所述待识别用户进行分类之前，所述方法还包括：

获取多个不同类型的样本用户的MDT数据；

基于所述多个不同类型的样本用户的MDT数据，确定所述多个不同类型的样本用户的用户行为特征数据；

将所述样本用户的用户行为特征数据作为样本数据，得到样本数据集；

基于所述分类算法和所述样本数据集，对所述多个不同类型的用户进行训练，建立所述分类模型。

4.根据权利要求3所述的方法，其特征在于，所述分类算法为k最近邻KNN算法；

基于所述分类算法和所述多个不同类型的样本用户的用户行为特征数据，对所述多个不同类型的用户进行训练，建立所述分类模型，包括：

将所述样本数据集划分为第一数据集和第二数据集；

针对所述第一数据集中每一样本数据，确定该样本数据与所述第二数据集中各样本数据之间的距离；

从所述第二数据集中选取与该样本数据距离最近的设定数量的样本数据，确定为参考样本数据；

基于选取出的参考样本数据所属的样本用户的类型，识别该样本数据所对应的类型，得到该样本数据的类型识别结果；

基于所述第一数据集中各样本数据所对应的类型及类型识别结果，更新所述设定数量。

5.根据权利要求3所述的方法，其特征在于，在基于所述多个不同类型的样本用户的MDT数据，确定所述多个不同类型的样本用户的用户行为特征数据之前，所述方法还包括：

对于每一所述样本用户，基于所述样本用户的MDT数据中的位置信息，确定所述样本用户的移动速度，并筛除移动速度超过设定速度的样本用户的MDT数据。

6.根据权利要求3所述的方法，其特征在于，在基于所述多个不同类型的样本用户的MDT数据，确定所述多个不同类型的样本用户的用户行为特征数据之前，所述方法还包括：

对于每一所述样本用户，基于所述样本用户的MDT数据中的位置信息确定所述样本用户与指定基站之间的距离，并筛除与所述指定基站之间的距离超过设定距离的样本用户的MDT数据。

7.根据权利要求3所述的方法，其特征在于，在基于所述多个不同类型的样本用户的MDT数据，确定所述多个不同类型的样本用户的用户行为特征数据之前，所述方法还包括：

对于每一所述样本用户，将所述样本用户的MDT数据中的经纬度数据与设定的地图图层数据进行匹配，得到所述经纬度数据与所述地图图层数据之间的匹配度；

筛除所述匹配度小于设定匹配度的样本用户的MDT数据。