基于关联规则和时间阈值算法的5G基站部署研究.docVIP

基于关联规则和时间阈值算法的5G基站部署研究 　　【摘 要】为了保障高价值用户感知，从高价值用户的业务连续性出发，探寻高价值用户使用业务的局部兴趣区域，并结合用户逗留时间来对基站进行评分，以评分高的区域作为通信运营商部署5G基站的优先点。经过实验表明，在极具稀疏性的数据集上，基于关联规则算法的精度较以往传统的方法有明显提高，且具有较高的扩展性。 　　【关键词】关联规则 时间阈值 用户感知 业务连续性 兴趣区域 　　doi：10.3969/j.issn.1006-1010.2016.20.004 中图分类号：TP391.4 文献标志码：A 文章编号：1006-1010（2016）20-0022-05 　　1 引言 　　随着第四代移动通信技术的快速发展以及移动互联网的大规模应用，给高价值用户感知的维护带来了严峻的挑战，目前的网络规划是否能够满足用户业务连续性使用的需求，成为5G时代亟待解决的问题。本文从高价值用户的业务连续性出发，探寻高价值用户使用业务的局部兴趣区域，并结合用户逗留时间来对基站进行评分，以此作为通信运营商部署5G基站的优先点。 　　2 关联规则算法的研究 　　2.1 问题定义 　　用户使用业务的局部兴趣区域是研究用户出行行为的一个关键性的问题，局部兴趣区域识别实质是通过轨迹数据分析得到的用户的兴趣区域集合，再根据设定的阈值范围筛选具有价值的兴趣区域。基于用户的局部兴趣区域，并结合用户逗留时间来对基站进行评分，以评分高的基站作为通信运营商部署5G基站的优先点。 　　本文是采用Apriori算法挖掘出移动用户具有一定价值的兴趣区域，再通过时间阈值对用户的兴趣区域进行打分，以高得分的区域作为移动运营商部署5G基站的优先点。 　　2.2 关联规则――Apriori算法 　　（1）关联规则算法 　　关联规则的获取主要是通过数据挖掘的方法，从大量的事件记录数据库中找出那些用户给定的满足一定条件的最小支持度（Minsup）和最小置信度（Minconf）的频繁模式[1-2]。关联规则的传统算法步骤是：先找出所有的频繁项目集，再由频繁项目集产生满足最小支持度和最小置信度的规则。因此，关联规则的属性可用以下参数描述[2-3]： 　　◆支持度：全体事务集T中有s%同时支持事务集X和Y，则称s%为关联规则X→Y的支持度。支持度S（X→Y）表示规则的频繁程度，一般用Minsup表示最小支持度。 　　◆置信度：全体事务集T中支持事务集X的事务里有c%的事务同时也支持事务集Y，则称c%为关联规则X→Y的置信度。置信度C（X→Y）表示规则的强度，一般用Minconf表示最小置信度。 　　◆频繁项集：满足一定最小支持度和最小置信度的事务集。基于关联规则的算法以Apriori算法为代表，利用逐层有哪些信誉好的足球投注网站的迭代方法找出数据库中项集的关系，以形成规则，其过程由连接（类矩阵运算）与剪枝（去掉那些没必要的中间结果）组成。该算法中项集（Itemset）的概念即为项的集合，包含k个项的集合为K项集。项集出现的频率是包含项集的事务数，称为项集的频率。如果某项集满足最小支持度，则称其为频繁项集[4]。 　　（2）Apriori算法实现步骤 　　Apriori算法实现步骤具体如下： 　　◆设定最小支持度（Minsup）和最小置信度（Minconf）。 　　◆Apriori算法是一种需要多次迭代的算法，经过扫描一次数据库，统计数据库中单个项目的计数，将满足最小支持度要求的单个项目提取成1-频繁项集L1，并将频繁项目L1作为下一次扫描的基础项目[3]。然后重复扫描数据库，第（k-1）次扫描生成（k-1）-频繁项集L后，第k次扫描时先通过连接操作将Lk-1中的项集生成k-项候选集Ck，再通过剪枝操作删除Ck中不满足最小支持度计数的项集，从而得到频繁项集Lk。重复扫描数据库，从该集合里产生下一级候选项集，直到不产生新的候选项集为止[4]。 　　2.3 时间阈值实现步骤 　　时间阈值法作为移动对象频繁模式挖掘的常用算法，其定义为：在一定时间范围内，用户发生事件之间先后顺序的事件间隔大于δ，只有满足该条件，才能挖掘移动对象频繁模式。本文通过检测移动用户停留在用户频繁活动区域的时间间隔，如果用户都留在该区域的时间大于设定的时间阈值且评分较高，则判定该区域是5G基站部署的优先点。 　　其实现步骤具体如下： 　　（1）通过Apriori算法找到兴趣区域数据――小区； 　　（2）对每个移动用户所涉及到的兴趣小区按照时间顺序排序：Cell1（Lngt1， Lat1， t11， t12）， Cell2（Lngt2， Lat2， t21， t22）， …， Cellm（Lngtm， Latm， tm1， tm2）； 　　（3）遍历Cell1