本申請涉及通信
技術領域：
：，尤其涉及一種對呼叫進行分類的方法和裝置。
背景技術：
：：在進行網絡優(yōu)化時，運營商常常需要利用服務器等處理裝置對獲取的數據包中的各呼叫的移動狀態(tài)進行分類。需要說明的是，使用手機、平板電腦(portableandroiddevice，pad)等通信終端進行通話時，我們認為一次通話過程對應兩次呼叫，其中，發(fā)起通話的通信終端對應一次呼叫，接收通話的通信終端也對應一次呼叫。另外手機、pad等便攜式通訊設備通過基站上網時，一次上網過程也對應一次呼叫。在服務器獲取的數據包中，每次呼叫對應一個數據集合，每個數據集合包括在一次呼叫過程中通信終端發(fā)送給基站的所有測量報告(measurementreport，mr)。本申請的發(fā)明人發(fā)現，在對呼叫進行分類時，現有技術是對一次呼叫對應的數據集合進行簡單處理，根據獲取的小區(qū)數和切換數這兩個參數進行分類的。以用戶使用通信終端在某個區(qū)域來回走動這個場景對應的呼叫為例，數據集合中小區(qū)數和切換數可能都比較大，現有技術可能會將這次呼叫分到高速運動的類別，這顯然是與呼叫的實際移動狀態(tài)不一致。因此，現有技術對呼叫進行分類時不準確。技術實現要素：本申請實施例提供了一種對呼叫進行分類的方法和裝置，用于提高對呼叫進行分類的精度。第一方面，本申請實施例提供了一種對呼叫進行分類的方法，所述方法包括：獲取數據包，所述數據包包括與n個呼叫分別對應的n個數據集合，所述n個呼叫中的任一呼叫hi對應的數據集合包括通信終端在所述呼叫hi過程中依次向基站發(fā)送的所有測量報告mr，其中，所述n為大于1的整數，所述1≤i≤n；對所述n個呼叫中的每個呼叫以w個預設時間窗分別進行切分，確定所述每個呼叫經各預設時間窗切分后對應的特征集，所述特征集包括與切分后的呼叫對應的小區(qū)數、切換數、和至少一個自定義特征的值，所述自定義特征與呼叫的移動狀態(tài)相關；根據所述每個呼叫經各預設時間窗切分后對應的特征集，對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類。本申請各實施例中，所述至少一個自定義特征，包括如下自定義特征中的至少一個：接收信號強度標準差、切換熵、室外小區(qū)占比、和站間距離速度；其中，所述接收信號強度標準差，是所述呼叫hj接收信號強度值的標準差；所述切換熵，用于表示所述呼叫hj接入小區(qū)的不確定度；所述室外小區(qū)占比，是所述呼叫hj接入室外類型小區(qū)的個數占所有接入小區(qū)總個數的百分比；所述站間距離速度，是所述呼叫hj獲得的所有位置信息的均值與所述呼叫的所有位置的最遠距離。在一些可能的實施方式中，，所述切換熵根據如下公式計算得到：其中，所述entropy為所述呼叫hj對應的切換熵，所述其中n表示所述呼叫hj接入的小區(qū)總數，i表示所述呼叫hj接入的第i個小區(qū)，#i表示所述呼叫hj接入第i個小區(qū)的次數，t表示接入不同小區(qū)的總次數，pi表示在這段時間內接入第i個小區(qū)的概率?？梢钥闯?，上述技術方案中，由于設置了與呼叫的移動狀態(tài)相關的自定義特征，所以在對移動狀態(tài)進行判斷時，除了可以根據呼叫對應的小區(qū)數和切換數，還可以結合自定義特征進行判斷，這樣有利于提高對呼叫進行分類時的精度。在一些可能的實施方式中，根據接入小區(qū)性質的不同，所述呼叫hj對應的預設特征集中的所述接收信號強度標準差，包括：主服務小區(qū)的接收信號強度標準差、相鄰小區(qū)的接收信號強度標準差和全部小區(qū)的接收信號強度標準差：所述呼叫hj對應的預設特征集中的所述切換熵，包括：主服務小區(qū)的熵、相鄰小區(qū)的熵和全部小區(qū)的熵。在一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述n'個呼叫中的任一呼叫對應的預設特征集還包括：平均速度，其中，所述n'≥1。在一些可能的實施方式中，所述精確地理位置信息包括通過agps或ott定位服務獲得的位置信息。在一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類，包括：所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的平均速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類，包括：當所述n'個呼叫中包括地理信息(geographyinformationsystem，gis)信息時，獲取所述gis信息中指定的地物信息的位置，所述指定的地物信息是與所述預設的移動狀態(tài)強相關的地物信息；地物信息比如可以是：住宅、商場、公園、道路、路口、高速公路或者鐵路等。所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；確定所述任一呼叫hk匹配的地物信息；確定與所述n'個呼叫對應的地物信息的集合j；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，以及所述地物信息的集合j使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，確定所述集合j中任一地物信息對應的所述n'個呼叫中呼叫的集合ji，若所述集合ji中包括n”個呼叫，所述n”個呼叫對應的移動狀態(tài)的類型的集合為ji'，所述集合ji'對應的移動狀態(tài)的類型數為n”'，若所述集合ji'中某一移動狀態(tài)的類型對應的呼叫的個數小于則復制該移動狀態(tài)的類型對應的呼叫對應的向量f。通過這種方式可以提高概率較小的類別的分類精度。根據所述n'個呼叫中的每個呼叫對應的移動狀態(tài)的類別、所述向量f以及與每個呼叫對應的預設特征集對應的向量，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述預設特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的預設特征集得到該呼叫在所述m為空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，當所述n個呼叫中不包括精確地理位置信息時，所述對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類，包括：根據所述n個呼叫對應的所述預設特征集的集合，得到與所述n個呼叫分別對應的n個與所述預設特征集對應的向量；根據n個所述向量和非監(jiān)督學習算法，將所述n個呼叫分為m個集合，所述m大于預設的移動狀態(tài)的類別的個數；根據專家規(guī)則，將所述m個集合按照預設的移動狀態(tài)的類別進行分類，則任一呼叫的類別與其所屬集合的類別相同。第二方面，本申請實施例提供了一種對呼叫進行分類的裝置，所述裝置包括：獲取單元，用于獲取數據包，所述數據包包括與n個呼叫分別對應的n個數據集合，所述n個呼叫中的任一呼叫hi對應的數據集合包括通信終端在所述呼叫hi過程中依次向基站發(fā)送的所有測量報告mr，其中，所述n為大于1的整數，所述1≤i≤n；第一處理單元，用于對所述n個呼叫中的每個呼叫以w個預設時間窗分別進行切分，確定所述每個呼叫經各預設時間窗切分后對應的特征集，所述特征集包括與切分后的呼叫對應的小區(qū)數、切換數、和至少一個自定義特征的值，所述自定義特征與呼叫的移動狀態(tài)相關；分類單元，用于根據所述每個呼叫經各預設時間窗切分后對應的特征集，對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類。本申請各實施例中，所述至少一個自定義特征，包括如下自定義特征中的至少一個：接收信號強度標準差、切換熵、室外小區(qū)占比、和站間距離速度；其中，所述接收信號強度標準差，是所述呼叫hj接收信號強度值的標準差；所述切換熵，用于表示所述呼叫hj接入小區(qū)的不確定度；所述室外小區(qū)占比，是所述呼叫hj接入室外類型小區(qū)的個數占所有接入小區(qū)總個數的百分比；所述站間距離速度，是所述呼叫hj獲得的所有位置信息的均值與所述呼叫的所有位置的最遠距離。在一些可能的實施方式中，所述切換熵可以根據如下公式計算得到：其中，所述entropy為所述呼叫hj對應的切換熵，所述其中n表示所述呼叫hj接入的小區(qū)總數，i表示所述呼叫hj接入的第i個小區(qū)，#i表示所述呼叫hj接入第i個小區(qū)的次數，t表示接入不同小區(qū)的總次數，pi表示在這段時間內接入第i個小區(qū)的概率?？梢钥闯?，上述技術方案中，由于設置了與呼叫的移動狀態(tài)相關的自定義特征，所以在對移動狀態(tài)進行判斷時，除了可以根據呼叫對應的小區(qū)數和切換數，還可以結合自定義特征進行判斷，這樣有利于提高對呼叫進行分類時的精度。在一些可能的實施方式中，根據接入小區(qū)性質的不同，所述呼叫hj對應的預設特征集中的所述接收信號強度標準差，包括：主服務小區(qū)的接收信號強度標準差、相鄰小區(qū)的接收信號強度標準差和全部小區(qū)的接收信號強度標準差：所述呼叫hj對應的預設特征集中的所述切換熵，包括：主服務小區(qū)的熵、相鄰小區(qū)的熵和全部小區(qū)的熵。在一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述n'個呼叫中的任一呼叫對應的預設特征集還包括：平均速度，其中，所述n'≥1。在一些可能的實施方式中，所述精確地理位置信息包括通過agps或ott定位服務獲得的位置信息。在一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述分類單元具體用于，所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的平均速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，所述分類單元具體用于，當所述n'個呼叫中包括gis信息時，獲取所述gis信息中指定的地物信息的位置，所述指定的地物信息是與所述預設的移動狀態(tài)強相關的地物信息；所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；確定所述任一呼叫hk匹配的地物信息；確定與所述n'個呼叫對應的地物信息的集合j；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，以及所述地物信息的集合j使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，當所述n個呼叫中不包括精確地理位置信息時，所述分類單元具體用于，根據所述n個呼叫對應的所述預設特征集的集合，得到與所述n個呼叫分別對應的n個與所述預設特征集對應的向量；根據n個所述向量和非監(jiān)督學習算法，將所述n個呼叫分為m個集合，所述m大于預設的移動狀態(tài)的類別的個數；根據專家規(guī)則，將所述m個集合按照預設的移動狀態(tài)的類別進行分類，則任一呼叫的類別與其所屬集合的類別相同。第三方面，本申請實施例提供了一種存儲介質，所述存儲介質為非易失性計算機可讀存儲介質，所述非易失性計算機可讀存儲介質存儲有至少一個程序，每個所述程序包括指令，所述指令包括可被具有處理器的裝置執(zhí)行的本申請實施例提供的任意一種對呼叫進行分類的方法的部分或全部步驟的指令。第四方面，本申請實施例提供了一種對呼叫進行分類的裝置，其特征在于，包括：相互耦合的處理器和存儲部件；其中，所述處理器用于執(zhí)行權利要求1至9任一項所述方法。附圖說明為了更清楚地說明本申請實施例或
背景技術：
：中的技術方案，下面將對本申請實施例或
背景技術：
：中所需要使用的附圖進行說明。圖1是本申請實施例應用的一個場景示意圖；圖2是本申請的一個實施例提供的一種對呼叫進行分類的方法的流程示意圖；圖3是圖1中各通信終端實際移動軌跡及對應站間距離速度示意圖；圖4是本申請的另一實施例提供的一種對呼叫進行分類的裝置的結構示意圖。具體實施方式下面結合本申請實施例中的附圖對本申請實施例進行描述。請參見圖1，圖1是本申請實施例應用的一個場景示意圖。如圖1所示，對呼叫進行分類的裝置101從多個基站(bts1、bts2、bts3、bts4、…、btsn)獲取數據包，數據包包括與多個呼叫分別對應的數據集合，任一呼叫對應的數據集合包括通信終端在呼叫過程中依次向基站發(fā)送的所有測量報告(measurementreport，mr)，mr是通信終端反饋給對呼叫進行分類的裝置101的信息，在mr中包括本申請實施例要用到的終端接收的服務小區(qū)、鄰區(qū)、及這些小區(qū)對應的信號強度等信息。圖1中的通信終端a位于汽車上，隨著汽車移動高速移動。通信終端b位于室內，處于靜止狀態(tài)。通信終端c隨著用戶步行低速移動。由圖1可知在不同時刻t1、t2和t3時，不同通信終端移動距離不同，其中通信終端a移動最遠，通信終端c其次，通信終端b未移動?，F有技術中，在確定通信終端的移動狀態(tài)時，通常根據通信終端呼叫時對應的小區(qū)數和切換數來確定。需要說明的是，當通信終端在小范圍內快速移動時，根據現有技術，由于小區(qū)數及切換數較小，得到的通信終端的移動狀態(tài)可能是慢速或者靜止，因此現有技術對呼叫進行分類時不準確。為了提高對通信終端移動狀態(tài)分類的精度，本申請實施例中引入了與呼叫的移動狀態(tài)相關的自定義特征，進行分類的裝置101獲取多個呼叫對應的數據包，并對多個呼叫的移動狀態(tài)進行分類。具體地，如圖2所示，本申請實施例提供的對呼叫進行分類的方法，所述方法包括如下步驟：s201、獲取數據包，所述數據包包括與n個呼叫分別對應的n個數據集合，所述n個呼叫中的任一呼叫hi對應的數據集合包括通信終端在所述呼叫hi過程中依次向基站發(fā)送的所有測量報告mr，其中，所述n為大于1的整數，所述1≤i≤n。s202、對所述n個呼叫中的每個呼叫以w個預設時間窗分別進行切分，確定所述每個呼叫經各預設時間窗切分后對應的特征集，所述特征集包括與切分后的呼叫對應的小區(qū)數、切換數、和至少一個自定義特征的值，所述自定義特征與呼叫的移動狀態(tài)相關。其中，小區(qū)數是在一段時間(比如30秒、或者1分鐘、或者5分鐘等)內總共接入的小區(qū)數目。其中，切換數是在一端時間(比如30秒、或者1分鐘、或者5分鐘等)內總共發(fā)生的切換數目其中，所述至少一個自定義特征，包括如下自定義特征中的至少一個：接收信號強度標準差、切換熵、室外小區(qū)占比、和站間距離速度；其中，所述接收信號強度標準差，是所述呼叫hj接收信號強度值的標準差。具體地，可以是在一段時間(比如30秒、或者1分鐘、或者5分鐘等)內多次測量獲得的接受信號強度值的標準差?？梢岳斫獾模凑战邮招盘柊l(fā)送端性質的不同，接收信號強度標準差可以分為主服務小區(qū)的接收信號強度標準差、相鄰小區(qū)的接收信號強度標準差和全部小區(qū)的接收信號強度標準差。一般情況下，通信終端移動速度越快，接收信號強度標準差的值越大。所述切換熵，用于表示所述呼叫hj接入小區(qū)的不確定度。具體地，可以是在一段時間(比如30秒、或者1分鐘、或者5分鐘等)內通信終端接入不同小區(qū)的不確定度，取值在0到1之間。舉例來說，若通信終端為靜止狀態(tài)，則它在這段時間內接入小區(qū)只有一個，其切換熵為0?？梢岳斫獾?，通信終端移動速度越快，其在一段時間內接入小區(qū)數目及小區(qū)切換數越大，其切換熵越趨近于1。舉例來說若切換熵為0.2，可以推斷通信終端處于低速移動狀態(tài)。若切換熵為0.9，可以推斷通信終端處于高速移動狀態(tài)。在一些可能的實施方式中，切換熵可以根據如下公式計算得到：其中，所述entropy為所述呼叫hj對應的切換熵，所述其中n表示所述呼叫hj接入的小區(qū)總數，i表示所述呼叫hj接入的第i個小區(qū)，#i表示所述呼叫hj接入第i個小區(qū)的次數，t表示接入不同小區(qū)的總次數，pi表示在這段時間內接入第i個小區(qū)的概率。根據接入小區(qū)性質的不同，所述切換熵，包括：主服務小區(qū)的熵、相鄰小區(qū)的熵和全部小區(qū)的熵。所述室外小區(qū)占比，是所述呼叫hj接入室外類型小區(qū)的個數占所有接入小區(qū)總個數的百分比。可以理解的，若室外小區(qū)占比低于50％，則可以認為通信終端位于室內，為靜止狀態(tài)。所述站間距離速度，是所述呼叫hj獲得的所有位置信息的均值與所述呼叫的所有位置的最遠距離。具體地，可以是用戶在一段時間內所獲得的所有位置信息(包括mr定位，agps定位，ott定位)的均值與所有位置的最遠距離。站間距離速度越大，則認為通信終端的移動速度越大。對于通信終端在一段時間內從一個位置出發(fā)又回到該位置的情況,站間距離速度比簡單的速度計算模型，即起終點距離與時間差比值，更能表征該用戶的運動速度。參見圖3，其中各通信終端的實際移動軌跡如圖3中虛線所示，圖中帶箭頭的實線段的起始位置指示位置信息的均值，帶箭頭的線段的箭頭指示的位置為在指定窗口時間內距離所述均值最遠的點，帶箭頭的線段的距離為站間舉例速度。由圖3可知，左邊通信終端的站間距離速度最大，中間通信終端的站間距離速度次之，右邊通信終端的站間距離速度最小。s203、根據所述每個呼叫經各預設時間窗切分后對應的特征集，對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類。需要說明的是，先計算經任一預設時間窗切分得到的多個呼叫分別對應的特征集，然后確定多個特征集的平均值，作為該預設時間窗對應的特征集。比如一個呼叫h1經預設的30秒的時間窗切分為6個小的呼叫，則分別計算著6個小的呼叫對應的特征集，然后對得到的6個特征集中每個特征的平均值，將平均值做為該呼叫h1的特征集?？梢钥闯?，上述技術方案中，由于設置了與呼叫的移動狀態(tài)相關的自定義特征，所以在對移動狀態(tài)進行判斷時，除了可以根據呼叫對應的小區(qū)數和切換數，還可以結合自定義特征進行判斷，這樣有利于提高對呼叫進行分類時的精度。在一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述對所述n個呼叫按照預設的移動狀態(tài)的類別進行分類，包括：所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的平均速度確定所述呼叫hk的類別，其中，所述1≤k≤n'。比如若n為1000，n'為120，則在1000個呼叫中有120個呼叫對應的數據集合中包括精確地理位置信息。其中，精確地理位置信息包括通過輔助全球衛(wèi)星定位系統(tǒng)(ssistedglobalpositioningsystem，agps)或通過互聯網的應用服務(overthetop，ott)獲取。根據所述120個帶有精確地理位置信息的呼叫的地理位置信息可以獲取這120個呼叫中每個呼叫的平均速度，根據預設的移動狀態(tài)的類別對應的評價速度確定這些呼叫的移動狀態(tài)的類別。根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，當所述n'個呼叫中包括gis信息時，獲取所述gis信息中指定的地物信息的位置，所述指定的地物信息是與所述預設的移動狀態(tài)強相關的地物信息；地物信息比如可以是：住宅、商場、公園、道路、路口、高速公路或者鐵路等。所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；確定所述任一呼叫hk匹配的地物信息；確定與所述n'個呼叫對應的地物信息的集合j；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，以及所述地物信息的集合j使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數。舉例來說在一些可能的實施方式中，在一些可能的實施方式中，確定所述集合j中任一地物信息對應的所述n'個呼叫中呼叫的集合ji，若所述集合ji中包括n”個呼叫，所述n”個呼叫對應的移動狀態(tài)的類型的集合為ji'，所述集合ji'對應的移動狀態(tài)的類型數為n”'，若所述集合ji'中某一移動狀態(tài)的類型對應的呼叫的個數小于則復制該移動狀態(tài)的類型對應的呼叫對應的向量f。通過這種方式可以提高概率較小的類別的分類精度。根據所述n'個呼叫中的每個呼叫對應的移動狀態(tài)的類別、所述向量f以及與每個呼叫對應的預設特征集對應的向量，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述預設特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的預設特征集得到該呼叫在所述m為空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。舉例來說，若gis對應的地物信息為公園，經過公園的包括精確地理位置的呼叫有150個，其中92個呼叫對應的移動狀態(tài)為慢速移動，51個呼叫對應的移動狀態(tài)為靜止，7個呼叫對應的移動狀態(tài)為高速運動。由于高速運動對應的呼叫數小于150/3＝50，所以可以復制高速運動的呼叫對應的向量，復制后使高速運動對應的向量達到50或者50以上，然后在利用前面所述150個呼叫對應的預設特征集對應的向量，以及復制得到的43個(以復制后高速運動對應的呼叫數為50個為例)移動狀態(tài)為高速運動的呼叫對應的向量，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍。對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)。在一些可能的實施方式中，當所述n個呼叫中不包括精確地理位置信息時，根據所述n個呼叫對應的所述預設特征集的集合，得到與所述n個呼叫分別對應的n個與所述預設特征集對應的向量；根據n個所述向量和非監(jiān)督學習算法，將所述n個呼叫分為m個集合，所述m大于預設的移動狀態(tài)的類別的個數；舉例來說，若預設的移動狀態(tài)包括4種：靜止、低速運動、中速運動、和高速運動。若n為1000，在本發(fā)明的一些可能的實施方式中，可以將1000個呼叫根據非監(jiān)督學習算法分成20個集合，然后按照因子分析法、迭代算法、主成分分析法等專家算法確定所述20個集合中的每個集合的移動狀態(tài)。比如將切換熵的值為0的集合的移動狀態(tài)確定為靜止。將切換熵為0.7以上且切換數大于5的集合中呼叫的移動狀態(tài)確定為高速移動等。則任一呼叫的類別與其所屬集合的類別相同。請參閱圖4，為本申請實施例提供的一種對呼叫進行分類的裝置400，具體地，圖4所示的對呼叫進行分類的裝置400可以包括：獲取單元401、第一處理單元402、和分類單元403。其中，獲取單元401用于執(zhí)行本發(fā)明方法實施例圖2中步驟s201的方法，獲取單元401的實施方式可以參考本發(fā)明方法實施例圖2中步驟s201對應的描述，在此不再贅述。第一處理單元402用于執(zhí)行本發(fā)明方法實施例圖2中步驟s202的方法，第一處理單元402的實施方式可以參考本發(fā)明方法實施例圖2中步驟s202對應的描述，在此不再贅述。分類單元403用于執(zhí)行本發(fā)明方法實施例圖2中步驟s203的方法，分類單元403的實施方式可以參考本發(fā)明方法實施例圖2中步驟s203對應的描述，在此不再贅述?？蛇x的，在本發(fā)明一些可能的實施方式中，所述至少一個自定義特征，包括如下自定義特征中的至少一個：接收信號強度標準差、切換熵、室外小區(qū)占比、和站間距離速度；其中，所述接收信號強度標準差，是所述呼叫hj接收信號強度值的標準差；所述切換熵，用于表示所述呼叫hj接入小區(qū)的不確定度；所述室外小區(qū)占比，是所述呼叫hj接入室外類型小區(qū)的個數占所有接入小區(qū)總個數的百分比；所述站間距離速度，是所述呼叫hj獲得的所有位置信息的均值與所述呼叫的所有位置的最遠距離?？蛇x的，在本發(fā)明一些可能的實施方式中，所述切換熵根據如下公式計算得到：其中，所述entropy為所述呼叫hj對應的切換熵，所述其中n表示所述呼叫hj接入的小區(qū)總數，i表示所述呼叫hj接入的第i個小區(qū)，#i表示所述呼叫hj接入第i個小區(qū)的次數，t表示接入不同小區(qū)的總次數，pi表示在這段時間內接入第i個小區(qū)的概率?？蛇x的，在本發(fā)明一些可能的實施方式中，根據接入小區(qū)性質的不同，所述呼叫hj對應的預設特征集中的所述接收信號強度標準差，包括：主服務小區(qū)的接收信號強度標準差、相鄰小區(qū)的接收信號強度標準差和全部小區(qū)的接收信號強度標準差：所述呼叫hj對應的預設特征集中的所述切換熵，包括：主服務小區(qū)的熵、相鄰小區(qū)的熵和全部小區(qū)的熵?？蛇x的，在本發(fā)明一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述n'個呼叫中的任一呼叫對應的預設特征集還包括：平均速度，其中，所述n'≥1。所述精確地理位置信息包括通過agps或ott定位服務獲得的位置信息?？蛇x的，在本發(fā)明一些可能的實施方式中，當所述n個呼叫中有n'個呼叫對應的數據集合中包括精確地理位置信息時，所述分類單元具體用于，所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的平均速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)?？蛇x的，在本發(fā)明一些可能的實施方式中，所述分類單元具體用于，當所述n'個呼叫中包括gis信息時，獲取所述gis信息中指定的地物信息的位置，所述指定的地物信息是與所述預設的移動狀態(tài)強相關的地物信息；所述n'個呼叫中的任一呼叫hk根據其對應的平均速度按照預設的移動狀態(tài)的類別分別對應的速度確定所述呼叫hk的類別，其中，所述1≤k≤n'；確定所述任一呼叫hk匹配的地物信息；確定與所述n'個呼叫對應的地物信息的集合j；根據所述n'個呼叫中的每個呼叫對應的類別、以及所述n'個呼叫中的每個呼叫對應的所述特征集的集合，以及所述地物信息的集合j使用監(jiān)督學習算法確定任意兩個所述預設的移動狀態(tài)的類別在m維空間的界限，根據所述界限得到任一所述預設的移動狀態(tài)的類別在所述m維空間分布的區(qū)域范圍，所述m為所述呼叫hk對應的所述特征集中特征的個數；對于所述n個呼叫中，呼叫對應的數據集合中不包括精確地理位置信息的(n－n')個呼叫，任一所述(n－n')個呼叫根據其對應的特征集的集合得到該呼叫在所述m維空間中的映射位置，根據所述映射位置及任一所述預設的移動狀態(tài)在所述m維空間分布的區(qū)域范圍，確定所述任一所述(n－n')個呼叫對應的移動狀態(tài)?？蛇x的，在本發(fā)明一些可能的實施方式中，當所述n個呼叫中不包括精確地理位置信息時，所述分類單元具體用于，根據所述n個呼叫對應的所述預設特征集的集合，得到與所述n個呼叫分別對應的n個與所述預設特征集對應的向量；根據n個所述向量和非監(jiān)督學習算法，將所述n個呼叫分為m個集合，所述m大于預設的移動狀態(tài)的類別的個數；根據專家規(guī)則，將所述m個集合按照預設的移動狀態(tài)的類別進行分類，則任一呼叫的類別與其所屬集合的類別相同。本申請實施例還提供一種計算機存儲介質，其中，該計算機存儲介質可存儲有程序，所述程序執(zhí)行時包括上述方法實施例中記載的任意一種對呼叫進行分類的方法的部分或全部步驟。本申請實施例還提供一種對呼叫進行分類的裝置，包括：相互耦合的處理器和存儲部件；其中，所述處理器用于執(zhí)行上述方法實施例中記載的任意一種對呼叫進行分類的方法。本申請實施例方法中的步驟可以根據實際需要進行順序調整、合并和刪減。本申請實施例裝置中的單元可以根據實際需要進行合并、劃分和刪減。本領域普通技術人員可以理解實現上述實施例方法中的全部或部分流程，該流程可以由計算機程序來指令相關的硬件完成，該程序可存儲于計算機可讀取存儲介質中，該程序在執(zhí)行時，可包括如上述各方法實施例的流程。而前述的存儲介質包括：只讀存儲器(read-onlymemory，rom)或隨機存取存儲器(randomaccessmemory，ram)、磁碟或者光盤等各種可存儲程序代碼的介質。當前第1頁12當前第1頁12