基于手机数据交通规划决策系统实践

　　四、基于手机数据的交通规划决策支持系统设计实践

1、系统设计关键技术

　　（1）移动网络覆盖与交通网络（道路、交通分析小区）匹配

　　为了保证为移动用户提供连续的移动通信服务，移动网络信号需要覆盖到城市空间上每一片区域，减少盲区，而为了以最小的成本为更多用户提供服务，移动通信网络覆盖逻辑上被设计成由若干正六边形的基站小区相互邻接而构成的面状服务区。移动用户总是会定期或不定期地主动或被动地和其中一个基站小区保持联系。交通网络中的道路和交通小区与移动蜂窝网络中基站小区，在空间分布上有规则地对应着。因此，只要建立特定的匹配规则，处理好一对多、多对多、多对一的关系，就能根据移动用户在移动蜂窝网络中的出行情况，推断出移动用户在交通网络（道路、交通小区）中的出行情况。

　　（2）基于手机数据的出行链分析

　　利用时间序列的手机数据，利用移动网络覆盖与交通分析区域的匹配关系，判断移动用户在各个交通分析区域的进、出、逗留情况，能够直接分析得到各个移动用户的出行链信息。而最终的各项出行特征分析，必须基于“出行链”中的每次“出行”，即，需要将“出行链”划分为各次单独的“出行”，才能进行具体统计与分析。

　　（3）手机用户人口空间分布及人口密度分析

　　利用对所有手机用户时间序列手机数据的出行链分析成果，判断每位手机用户在各个统计时间段分别所处的空间位置区域，进而统计不同时间段各个空间位置区域内手机用户数量，并逐级扩样至总体人群，统计当前时间各个空间位置区域内的总人口数量，并计算当前时间段内各个空间位置区域内对应的人口密度。

　　（4）手机用户居住地、工作地识别

　　基于多天手机数据分析得到的手机用户多天出行链信息，结合手机用户作息时间规律，如夜间休息，白天工作，识别各个手机用户的居住地区域及工作地区域。目前只处理单一居住地区域或单一工作地区域的通勤出行的手机用户群体。

　　（5）通勤出行行为分析

　　利用长期历史数据，分析得到手机用户居住地区域和工作地区域，并根据出现频率和出行频率，判断居住地区域单一且工作地区域也单一的手机用户群体是否具有通勤出行行为。

　　（6）手机人群出行数据扩样至总体人群出行数据

　　由于并非所有人（如部分小孩或老人）都持有手机终端，同时由于人们使用手机的行为或习惯，如手机关机、手机通话较少，以及手机数据采集技术本身会漏抓部分数据，导致基于手机数据的出行行为分析针对的人群与总体人群并不一致，而是对总体人群的大比例抽样。因此，需要将基于手机数据的大比例抽样数据扩样至总体人群的出行数据，反映城市总体人群的出行特征与出行规律。扩样时，采用多层扩样模型。首先，将当前运营商（深圳联通）活跃手机用户群体扩样至当前运营商（深圳联通）所有手机用户群体，即，需包括当前运营商手机关机用户及手机通话较少之类的不活跃用户；再扩样至城市多家运营商（深圳移动、深圳联通、深圳电信）所有手机用户群体，即，需包括城市其它各家运营商（深圳移动、深圳电信）所有手机用户；最后，扩样至所有人群，即，还需包括老人、小孩等无手机群体。

　　（7）海量数据存储、多级过滤与快速处理

　　随着信息化程度越来越发达，用户手机使用频率也越来越高，每1秒都可能有几十万乃至成百万上千万条数据记录。本研究中，由于采用了离线的方式处理如此海量历史数据，相对降低了数据处理的压力，尚能得到分析结果。未来随着此项技术成熟度的提升，以及交通运营管理动态性、实时性获取交通数据的需求越来越强烈，动态实时处理、存储海量数据必将成为需要突破的技术关键点之一。需要根据各个阶段不同的分析处理需求，合理采用了各种数据库软硬件优化技术，提高数据存储和查询、搜索的效率。并设置多级过滤器，在系统的各个处理阶段，根据不同的规则，将海量原始信令数据一步步过滤去噪，最终得到有效的出行分布信息。
 

图6：基于手机数据的人口2维、3维分布