1.一种基于glove模型的移动终端信令轨迹相关性表示方法，其特征在于，包括：
步骤1采集移动终端信令数据，通过数据预处理消减重复、乒乓、漂移等噪声效应；
步骤2构建位置网格映射表，将移动终端信令序列转换为网格转移序列，构建网格转移序列集；
步骤3基于网格转移序列集，训练glove模型，得到网格嵌入矩阵，并基于时长加权平均计算出任意网格转移序列的嵌入表达向量；
步骤4计算任意两段网格转移序列的嵌入表达向量的相似度，得到移动终端信令轨迹的相关性。
2.根据权利要求1所述基于glove模型的移动终端信令轨迹相关性表示方法，其特征在于，所述步骤1包括：
步骤1.1采集在重点关注区域出现的移动终端的信令数据，持续时长不少于2个月，信令数据中包括六个基本字段信息：移动终端编号、信令发生时间、位置区码、蜂窝小区编号、基站经度坐标、基站纬度坐标；
步骤1.2整行删除信息不完整的信令数据，根据移动终端编号，对每个移动终端的信令按照时间先后排序，得到每个移动终端的信令序列，移动终端j的信令序列记为sj：
sj＝{(tj,0,lngj,0,latj,0),…,(tj,k,lngj,k,latj,k),…}
其中，tj,k,lngj,k,latj,k分别为信令发生时间，基站经度坐标、基站纬度坐标；
步骤1.3基于滑动时间窗口w1对移动终端信令序列进行平滑处理，窗口宽度为tw，滑动偏移量为ts，即分别对时间窗内的信令序列的信令发生时间、基站经度坐标、基站纬度坐标求均值，得到平滑处理后的移动终端信令序列，其目的是消减由于复杂电磁环境引起的重复、乒乓、漂移等噪声效应，平滑处理后的移动终端j的信令序列记为
其中
3.根据权利要求1所述基于glove模型的移动终端信令轨迹相关性表示方法，其特征在于，所述步骤2包括：
步骤2.1构建位置网格映射表，将移动终端信令序列中的轨迹点映射到具有一定空间覆盖度的网格，其目的是在一定程度上减小基站的信号覆盖效应带来的固有偏差，有效压缩位置变量的分布空间，分为两种情形：在城区内，基站部署密度高，采用半径r米的正六边形蜂窝网格覆盖；在郊区，基站部署密度相对较低，利用dbscan聚类算法将基站覆盖位置合并为较大尺度的不规则网格覆盖，在构建的位置网格映射表中，网格总数为n，网格gi记为：
gi＝(center_lngi,center_lati)
其中center_lngi,center_lati分别表示网格中心的经度坐标和纬度坐标；
步骤2.2将移动终端信令序列转换为网格转移序列，构建网格转移序列集，根据位置网格映射表，将平滑处理后的移动终端信令序列中每个轨迹点，基于最近邻原则映射为最近的网格gi，计算公式为：
从而得到以网格索引号表示的网格转移序列，例如，移动终端j的网格转移序列可表示为：
4.根据权利要求1所述基于glove模型的移动终端信令轨迹相关性表示方法，其特征在于，所述步骤3包括：
步骤3.1基于预定义网格宽度窗口w2，遍历所有网格转移序列，构建网格共现矩阵c，其中n为网格总数，元素ci,j表示在所有网格转移集中，网格j出现在以网格i为中心的网格宽度窗口w2内的次数：
步骤3.2采用随机梯度下降法训练glove模型，通过最小化网格i和j的目标函数j(v1,v2,…,vn)，分别得到n个网格的嵌入表征向量
其中，vi,vj的长度为嵌入维度e，权重函数f(cij)的形式为：
步骤3.3对于任意长度网格转移序列的嵌入表达向量，计算出不同网格的权重。不妨设网格转移序列的长度为k+1，则前k个网格的时长权重计算公式为：
式中
步骤3.4结合网格嵌入矩阵gride＝(v1,v2,…,vn)t和k+1个网格的时长权重
从而，可以计算出任意网格转移序列的嵌入表达向量，其长度为嵌入维度e。
5.根据权利要求1所述基于glove模型的移动终端信令轨迹相关性表示方法，其特征在于，所述步骤4包括：
计算任意两段网格转移序列的嵌入表达向量vs1，vs2的余弦相似度：
或者明氏距离相似度：
当p＝1时是曼哈顿距离，p＝2时是欧氏距离，p为无穷大时是切比雪夫距离，最终计算得到的相似度，即为移动终端信令轨迹的相关性。