手机信令大数据分析在智慧交通中的应用

手机信令大数据分析在智慧交通中的应用

路桥工程 124 2016 年第 92 期 手机信令大数据分析在智慧交通中的应用 徐尚1 刘东双2 1 重庆市沙坪坝区公路养护段，重庆 2 重庆市沙坪坝交通工业总公司，重庆 摘要：城市与交通规划需求 了解科学合理配置国土空间、布局城市功能、制定发展战略。 传统的数据获取手段主要有人口普查、经济普查、人口抽样调查、居民出行抽样调查等。传统抽样调查消耗大量人力物力、抽样率低、准确度低、数据更新周期长、只能获取特定时间段的数据，越来越难以适应新时代的规划和管理需求。 与传统抽样调查相比，手机信令数据分析具有覆盖范围广、分析样本量大、实施成本低、可长期持续监测等优点。 关键词：手机信令； 数据; 分析。 中文分类号：TP311.52 文献标识码：A 文章编号：1671-5659(2016)92-0124-02 1 手机信令数据采集 手机信令数据直接来自运营商。 移动通信系统的每个组件使用不同的接口进行通信。 例如，手机与基站之间采用Um接口，基站与基站控制器之间采用A-bis接口，基站控制器与交换机之间采用A接口， E接口用于不同交换机之间。 界面。

不同的接口可以采集不同的手机信令。 由于A-bis接口的数据量太大，运营商通常只采集A接口及其以外的信令。 图1 基于A接口和E接口的手机信令采集示意图。 根据来源不同，手机信令数据可以分为话单数据、CS域信令数据和PS域信令数据。 CDR 数据信令最少。 仅当用户接收/发送短信或拨打/接听电话时才会触发信令。 CS域信令增加了位置更新、位置区切换、BSC切换、开关机信令，数据规模大幅增长。 PS域信令增加了信令。 由于智能手机的快速普及和移动互联网的快速发展，用户通过手机访问互联网的频率越来越高。 因此，与CS域相比，PS域信令呈指数级增长。 CDR数据采集最为简单，但由于迹点样本不足、信令采样频率较低，其应用价值受到限制。 A接口和E接口的轨迹点采样和信令采样频率大幅提升，可支持多种类型的应用分析。 2 手机信令数据处理 手机信令原始数据经过一系列模型处理，转化为对城市规划或交通规划有意义的指标。 基本处理流程包括：数据预处理、基站小区定位、出行链识别、分区统计、结果扩展。 2.1 数据预处理设置条件，对记录进行逐条过滤，识别异常或错误记录（如无法定位、无法识别唯一IMSI号码），获取符合条件的信令数据样本。

同时，还需要评估数据的连续性和数据空间的缺乏性。 2.2 基站小区定位是指为手机提供服务的基站的位置，以确定手机当前的位置。 该方法的定位精度取决于单个基站小区的服务范围。 城市地区基站布局密集，基站小区服务半径小，定位精度可达300～500米。 在郊区或农村地区，基站布局稀疏，基站小区服务半径大，定位精度从几百米到几千米不等。 等待。 当手机开关机、拨打/接听电话、接收/发送短信、切换位置时，​​某个基站小区中会留下信令记录，并根据基站的纬度和经度坐标。 2.3 出行链识别：按用户提取信令数据，并按时间排序，得到每部手机全天的运动轨迹。 构建出行链识别模型，将手机的运动轨迹分解为多个连续的行程，并识别每个行程的起点、终点、停留点。 2.4 规划分区以定义空间分析单元并获取交通区域进行统计分析。 建立基站小区与交通区域的对应关系，根据交通区域汇总所有用户的出行情况，得到基于交通区域的出行OD。 2.5 结果扩展虽然手机信令样本很大，但通常很难同时获取三个运营商的数据，并且存在无效数据剔除的情况，因此需要进行样本扩展。 扩大样本需要考虑的因素包括有效样本筛选量、运营商的市场份额和空间分布、居民手机拥有量等。

可以利用人口普查数据、就业调查数据或其他社会经济调查数据来验证样本扩展​​结果的准确性。 3、分析及应用方向手机信令分析可以准确掌握人们的出行活动规律，挖掘人们的活动需求。 在城市规划、交通规划、交通管理、政策制定等方面具有广阔的应用前景。常见的应用场景包括： 3.1 人流集聚监控利用手机数量测量人流集中度，监控区域内的人流情况。特定区域，包括人流密度、进入量、离开量，了解区域人口聚集和疏散规律。 3.2 人口动态变化分析 对不同区域的人口进行分析，如常住人口、工作人口、白天人口、夜间人口等。可按工作日、周末、特殊日子、白天、夜间等不同时间段进行分析。夜间了解城市人口分布格局的变化。 3.3职住关系及通勤分析：通过长期手机信令分析，识别居民家庭住所和固定工作场所，掌握城市职住分布和通勤OD，评估城市职住平衡和功能布局关系。 例如，计算出晚上8点到次日下午6点期间停留最频繁的基站小区就是居住地。 统计工作日工作时间内停留最频繁的基站小区为固定工作地点。 3.4 人口迁移规律。 通过几年的持续监测，我们可以分析用户居住和就业的变化，结合城市发展和产业转移，了解城市人口迁移的规律。 3.5 设施服务范围分析 分析交通枢纽（如机场、火车站、火车站）、大型商业商务设施（如商圈、商业综合体）、大型公共设施（如会展）吸引的人流中心、体育场馆、医院等）、人群吸引范围、服务辐射区域、人群分布方式。

3.6 大规模出行运动模式 分析大规模出行运动模式，如各区县与主城之间的日出行往来量、主城内群体间的日出行往来量、公路、铁路、机场等其他领域为交通设施选址和布局提供量化支撑。 3.7 道路运营状态监测，通过手机信令分析，获取高速公路实时车速、高速公路车流量、进出城道路等。 3.8 出行特征指标获取：通过手机信令分析获取每日出行次数、单次出行时间消耗、单次出行距离、发车时间、交通方式比例等出行特征指标，作为交通规划中的重要控制目标或基本参数。 4 小结 手机的广泛普及和大数据分析技术的成熟，为获取城市和交通规划数据提供了新的手段。 海量手机信令数据分析可以有效反映人们的活动模式。 人口、建筑、土地利用、行业数据关联整合后，可以揭示更深层次的城市发展模式，有效支撑城市和交通规划。 应用前景非常广阔。 参考文献[1]冉斌． 手机数据在交通调查和交通规划中的应用[J]. 城市交通，2013，11（1）。