基于手機(jī)信令的大范圍人流移動分析

唐小勇，周 濤，陸百川

(1.重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074；2.重慶市交通規(guī)劃研究院，重慶 400020)

基于手機(jī)信令的大范圍人流移動分析

唐小勇1，2，周 濤2，陸百川1

(1.重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074；2.重慶市交通規(guī)劃研究院，重慶 400020)

從移動通信系統(tǒng)獲取手機(jī)信令數(shù)據(jù)，根據(jù)重慶手機(jī)信令數(shù)據(jù)特點(diǎn)，提出了數(shù)據(jù)預(yù)處理、基站小區(qū)定位、出行鏈識別、分區(qū)統(tǒng)計(jì)及結(jié)果擴(kuò)樣方法，獲取居住人口分布、通勤崗位分布、跨區(qū)人流OD(origin-destination)。此方法具有覆蓋范圍廣、分析樣本大、實(shí)施成本低、可長期連續(xù)監(jiān)測的優(yōu)勢，可為城市規(guī)劃提供了一種全新的數(shù)據(jù)獲取手段。在重慶市城鄉(xiāng)總體規(guī)劃(2007—2020年)深化工作中，基于重慶聯(lián)通手機(jī)信令數(shù)據(jù)，分析重慶主城與區(qū)縣及各區(qū)縣之間的人流交換，定量地評價(jià)城市間聯(lián)系度及城市區(qū)位優(yōu)勢，以此為基礎(chǔ)開展客流需求預(yù)測，作為優(yōu)化城鎮(zhèn)體系結(jié)構(gòu)、調(diào)整區(qū)域發(fā)展戰(zhàn)略，規(guī)劃布局鐵路與公路網(wǎng)的依據(jù)。

交通運(yùn)輸工程；手機(jī)信令；交通出行調(diào)查；大數(shù)據(jù)；人口流動

城市規(guī)劃需要掌握城市形態(tài)演變規(guī)律、內(nèi)外部聯(lián)系規(guī)律、人口崗位分布特征、居民出行流動特征等，以便科學(xué)合理地制定發(fā)展策略、布局基礎(chǔ)設(shè)施、提供支撐服務(wù)。傳統(tǒng)獲取數(shù)據(jù)的手段主要包括人口普查(每10年)、經(jīng)濟(jì)普查(每5年)、人口抽樣調(diào)查、居民出行抽樣調(diào)查等。傳統(tǒng)抽樣調(diào)查耗費(fèi)大量人力與物力、抽樣率低、精度不高、數(shù)據(jù)更新周期長、且只能獲取特定時(shí)間片段的數(shù)據(jù)，越來越難以適應(yīng)新時(shí)期的規(guī)劃管理需求。手機(jī)的廣泛普及與海量手機(jī)信令數(shù)據(jù)分析技術(shù)為城市規(guī)劃提供了一種高效便捷的數(shù)據(jù)獲取手段。相比傳統(tǒng)居民出行調(diào)查，手機(jī)信令數(shù)據(jù)分析具有覆蓋范圍廣、分析樣本大、實(shí)施成本低、可長期連續(xù)監(jiān)測等優(yōu)勢。

1 手機(jī)信令數(shù)據(jù)采集

手機(jī)信令指除用戶數(shù)據(jù)(例如通話語音、短信內(nèi)容、上網(wǎng)數(shù)據(jù)包)之外的輔助通信的信號數(shù)據(jù)。手機(jī)信令數(shù)據(jù)直接來源于運(yùn)營商(中國移動、中國聯(lián)通、中國電信)的移動通信系統(tǒng)。移動通信系統(tǒng)是由網(wǎng)絡(luò)子系統(tǒng)(NSS)、基站子系統(tǒng)(BSS)、移動臺(MS)、操作支持系統(tǒng)(OSS)4部分組成，見圖1。NSS主要完成交換功能及移動性管理、安全性管理所需的數(shù)據(jù)庫功能，包含了移動交換中心(MSC)等功能實(shí)體。BSS主要負(fù)責(zé)完成無線發(fā)送接收和無線資源管理等功能，包括一個(gè)基站控制器(BSC)和受其控制的一個(gè)或多個(gè)基站收發(fā)信臺(BTS)。MS是移動客戶設(shè)備部分，包括移動終端(MS)和客戶識別卡(SIM)。OSS用于移動用戶管理、移動設(shè)備管理以及網(wǎng)路操作和維護(hù)。

圖1 移動通信網(wǎng)絡(luò)構(gòu)成Fig.1 GSM network composition

移動通信系統(tǒng)各組成部分采用不同的接口進(jìn)行通信，例如MS與BTS間采用Um接口，BTS與BSC間采用A-bis接口，BSC和MSC間采用A接口，不同的MSC間采用E接口。對不同的接口進(jìn)行監(jiān)測可以采集到不同內(nèi)容的手機(jī)信令。目前重慶移動、重慶聯(lián)通已經(jīng)實(shí)現(xiàn)了基于A接口與E接口的信令采集，主要內(nèi)容見表1。采集的信令事件主要包括用戶打電話(主叫/被叫)、收發(fā)短信、掛機(jī)、位置更新、BSC切換。

表1 手機(jī)信令主要字段

2 既有分析方法回顧

F.Calabrese等利用手機(jī)信號定位(綜合考慮信號強(qiáng)度、時(shí)差、基站位置、天線高度與角度)獲取每個(gè)手機(jī)相對準(zhǔn)確的坐標(biāo)，計(jì)算每個(gè)手機(jī)的移動速度，模擬意大利羅馬各單元網(wǎng)格的交通活躍度[1-2]。而后在美國波士頓、馬薩諸塞州的研究中引入了交通出行的概念，提出了依靠軌跡點(diǎn)空間聚集程度來識別出行起終點(diǎn)[3]，以及通過停留時(shí)間來識別長期居住地與短時(shí)間停留地[4]。楊飛[5]較早介紹了基于位置區(qū)的定位法和基于手機(jī)信號的平面定位法，并對比了兩種方法面臨的問題。

相比A-bis接口數(shù)據(jù)，手機(jī)話單數(shù)據(jù)獲取最為容易，因此國內(nèi)大多數(shù)分析研究基于話單數(shù)據(jù)開展。吳健生等[6]利用話單數(shù)據(jù)，通過基站小區(qū)定位，采用蒙特卡羅方法模擬產(chǎn)生手機(jī)定位點(diǎn)并匹配到公路網(wǎng)，統(tǒng)計(jì)每個(gè)路段的使用頻率。HAO Tian等[7]利用話單數(shù)據(jù)，通過基站小區(qū)定位，統(tǒng)計(jì)連續(xù)多月的手機(jī)軌跡點(diǎn)在空間上的分布頻率，并以此來反映人的出行活動規(guī)律。KANG Chaogui等[8]利用話單數(shù)據(jù)，通過基站小區(qū)定位，獲取手機(jī)軌跡點(diǎn)空間分布，并以兩個(gè)軌跡點(diǎn)空間連線為基礎(chǔ)，分析不同年齡、性別的出行距離差異。關(guān)志超等[9]利用話單數(shù)據(jù)，通過基站小區(qū)定位，根據(jù)手機(jī)話務(wù)量將城市交通土地利用單元分為居住區(qū)、工作區(qū)、過渡區(qū)。話單數(shù)據(jù)雖然獲取容易，但由于用戶通話與短信活動較少，單日樣本不足，通常需要積累長達(dá)幾個(gè)月的數(shù)據(jù)進(jìn)行分析獲取長期穩(wěn)定的規(guī)律(例如通勤)。在這些研究中并未直接體現(xiàn)交通出行的概念，不區(qū)分起點(diǎn)、終點(diǎn)、停留點(diǎn)，而是簡單地基于軌跡點(diǎn)進(jìn)行分析。

基于A接口與E接口的手機(jī)信令雖然沒有A-bis接口豐富，但相比話單數(shù)據(jù)，數(shù)據(jù)回傳頻率及事件類型要豐富得多，因此不僅可以用于分析長期穩(wěn)定的規(guī)律，還可以分析單日出行特征。目前國內(nèi)上海[10]、重慶等少數(shù)城市已經(jīng)實(shí)現(xiàn)了基于A接口與E接口的信令采集，有條件開展分析研究。JIA Fengjiao等[11]利用上海手機(jī)信令數(shù)據(jù)，通過基站小區(qū)定位，對世博會期間外地訪客的停留區(qū)域和客流聚集進(jìn)行了分析，但其判斷訪客停留點(diǎn)規(guī)則極為簡單，采用前后兩次信令時(shí)間差作為停留時(shí)間，誤差較大。

目前重慶手機(jī)運(yùn)營商采集的A接口與E接口信令只支持基站小區(qū)定位，定位精度遠(yuǎn)遠(yuǎn)低于手機(jī)信號定位及GPS定位，信令回傳頻率也遠(yuǎn)低于A-bis接口。既有的分析方法均未充分考慮這兩個(gè)因素的影響，對于手機(jī)出行軌跡處理過于簡單，難以對出行起點(diǎn)、終點(diǎn)、停留點(diǎn)進(jìn)行有效識別。針對重慶手機(jī)信令數(shù)據(jù)特點(diǎn)，考慮基站小區(qū)定位誤差及信令回傳頻率因素影響，提出適用多日及單日數(shù)據(jù)的分析方法，并探索手機(jī)信令分析在城市規(guī)劃實(shí)踐中的應(yīng)用。

3 手機(jī)信令分析流程

手機(jī)信令數(shù)據(jù)處理流程包括：數(shù)據(jù)預(yù)處理、基站小區(qū)定位、出行鏈識別、分區(qū)統(tǒng)計(jì)、結(jié)果擴(kuò)樣。

3.1 數(shù)據(jù)預(yù)處理

手機(jī)信令數(shù)據(jù)預(yù)處理用于逐條篩選記錄，得到符合條件的信令數(shù)據(jù)分析樣本，主要包括對時(shí)間錯(cuò)誤、不能有效追蹤IMSI號的數(shù)據(jù)進(jìn)行剔除。手機(jī)信令數(shù)據(jù)樣本評估用于獲取樣本集整體特性，主要評估的指標(biāo)包括用戶數(shù)量、記錄數(shù)量、單個(gè)用戶平均記錄數(shù)、信令采樣時(shí)間間隔、各類事件的樣本數(shù)分布、信令數(shù)據(jù)連續(xù)性(各時(shí)段數(shù)據(jù)量是否出現(xiàn)突變)、信令數(shù)據(jù)空間缺失情況(是否存在位置區(qū)數(shù)據(jù)整體缺失)。

重慶移動已實(shí)現(xiàn)主城及周邊19個(gè)區(qū)縣的信令監(jiān)測，面積約2.3×104km2，日均用戶數(shù)量約1 100×104，單個(gè)用戶平均有效記錄數(shù)約30條，采樣時(shí)間間隔30～60 min。重慶聯(lián)通已實(shí)現(xiàn)全市38個(gè)區(qū)縣的信令監(jiān)測，面積8.24×104km2，日均用戶數(shù)約470×104，單個(gè)用戶平均有效記錄數(shù)26條，采樣間隔30～60 min。主要的信令事件類型見表2。

表2 重慶移動與重慶聯(lián)通手機(jī)信令事件構(gòu)成

3.2 基站小區(qū)定位

研究采用基于基站小區(qū)位置的模糊定位技術(shù)，即用手機(jī)所屬基站的位置代表手機(jī)終端的位置。該定位精度取決于基站小區(qū)半徑大小。在城區(qū)基站布局較密，基站小區(qū)服務(wù)半徑較小，定位精度可達(dá)300～500 m，在郊區(qū)或農(nóng)村，基站布局稀疏，基站小區(qū)服務(wù)半徑很大，定位精度從幾百米至幾千米不等。當(dāng)手機(jī)終端在某個(gè)基站小區(qū)內(nèi)開關(guān)機(jī)、打/接電話、收/發(fā)短息或者BSC切換都會留下信令記錄，從而根據(jù)服務(wù)基站編號及基站經(jīng)緯度坐標(biāo)確定當(dāng)前手機(jī)所處的大致位置。基于有效樣本集合，分用戶提取信令數(shù)據(jù)并按照時(shí)間排序，獲取每個(gè)手機(jī)全天的所有空間位置數(shù)據(jù)(位置區(qū)-基站小區(qū))，得到單個(gè)手機(jī)全天移動軌跡。

3.3 出行鏈識別

出行鏈識別模型從手機(jī)軌跡中解構(gòu)出用戶的出行特征，主要包括：

1)居住地及固定工作(就學(xué))地點(diǎn)識別

家是常住居民夜間最頻繁停留的地方，固定工作地(就學(xué)地)是常住居民白天最頻繁停留的地方。因此可采用長期(例如一個(gè)月以上)的歷史數(shù)據(jù)，訓(xùn)練得到家及固定工作(就學(xué))地點(diǎn)。統(tǒng)計(jì)夜晚停留最頻繁的基站小區(qū)為居住地。統(tǒng)計(jì)工作日上班時(shí)間內(nèi)停留最頻繁的基站小區(qū)為固定工作地(就學(xué)地)。此訓(xùn)練方法適用于有固定工作場所、白班用戶，不包括夜班、流動崗位(司機(jī)等)。

2)家/固定工作地(就學(xué)地)之外的出行起訖點(diǎn)識別

將用戶全天出行軌跡根據(jù)停留點(diǎn)切分成若干次連續(xù)的出行。計(jì)算手機(jī)在每個(gè)基站小區(qū)的停留時(shí)間，設(shè)定合理的閾值，判斷用戶是否停留。設(shè)用戶t0時(shí)刻位于其他小區(qū)，t1時(shí)刻第一次出現(xiàn)在當(dāng)前小區(qū)，t2至tn-1時(shí)刻繼續(xù)停留在當(dāng)前小區(qū)，tn時(shí)刻又出現(xiàn)在其他小區(qū)。假定跨區(qū)耗時(shí)平均分布在前后兩個(gè)小區(qū)，則當(dāng)前小區(qū)用戶停留時(shí)間計(jì)算如下：

(1)

其中t為停留時(shí)長(單位min)，t0，t1，…，tn(n≥3)為信令采集時(shí)刻。

公式說明：

1)受信令采集時(shí)間間隔影響，公式(1)計(jì)算的停留時(shí)間存在誤差。跨區(qū)前后兩次信令時(shí)間間隔越長，絕對誤差越大。根據(jù)移動通信規(guī)則，在手機(jī)沒有任何用戶活動時(shí)，仍然會進(jìn)行周期性位置更新，因此停留時(shí)間最大誤差為兩次周期位置更新的時(shí)間間隔。

2)用戶在當(dāng)前小區(qū)內(nèi)至少返回兩次信令才計(jì)算為停留，無法識別短時(shí)間的停留(停留時(shí)間少于信令采集時(shí)間間隔，此時(shí)兩次出行將被合并統(tǒng)計(jì))。

3)由于通信網(wǎng)絡(luò)負(fù)載均衡或者電磁場信號強(qiáng)度波動影響，為手機(jī)服務(wù)的基站在小范圍內(nèi)不斷切換，造成短時(shí)間內(nèi)手機(jī)頻繁移動的假象。此時(shí)需組合多個(gè)小區(qū)分析判斷手機(jī)是否跨區(qū)移動，可以參考文獻(xiàn)[7]的方法，以頻率最高的基站為中心，一定半徑范圍作為分析對象，或者參考文獻(xiàn)[3]的方法，取多個(gè)基站幾何中心點(diǎn)作為軌跡點(diǎn)進(jìn)行糾偏。

4)出行方式、路徑通道識別

由于目前重慶手機(jī)運(yùn)營商信令采集時(shí)間間隔較長(通常30～60 min)，單日有效信令數(shù)較少(約30條/日)。通過手機(jī)信令獲取的用戶軌跡點(diǎn)通常非常離散，相鄰兩個(gè)軌跡點(diǎn)距離非常遠(yuǎn)，很難準(zhǔn)確地判斷出行方式、出行路徑。但如果地下軌道車站單獨(dú)進(jìn)行了通信網(wǎng)絡(luò)優(yōu)化，采用了與地面不一樣的基站-位置區(qū)，則通過手機(jī)信令可以識別用戶是否采用了軌道出行。利用手機(jī)跨位置區(qū)產(chǎn)生正常位置更新信令的原理，可以追蹤用戶連續(xù)經(jīng)過某些特定斷面，識別行駛的大致路徑，例如長隧道斷面、快速路斷面。對于完整出行的路徑、出行距離、時(shí)耗、出發(fā)時(shí)間獲取尚難以實(shí)現(xiàn)。

3.4 分區(qū)統(tǒng)計(jì)

對地圖進(jìn)行區(qū)域劃分，得到用于統(tǒng)計(jì)分析的交通分區(qū)(TAZ)，交通分區(qū)通常需要結(jié)合基站密度、位置區(qū)分布、業(yè)務(wù)應(yīng)用需求進(jìn)行劃定，面積通常大于四階段法交通預(yù)測模型中的交通小區(qū)面積。建立基站小區(qū)與交通分區(qū)的對應(yīng)關(guān)系，按照交通分區(qū)對所有用戶的出行進(jìn)行匯總統(tǒng)計(jì)，例如對所有的出行起訖點(diǎn)進(jìn)行匯總，可得到基于交通分區(qū)的全日出行OD。由于基站小區(qū)與交通分區(qū)劃分方式不一致，兩者邊界不一定重合。位于交通分區(qū)邊緣的基站，服務(wù)范圍可能超出了當(dāng)前交通分區(qū)，覆蓋到了相鄰交通分區(qū)，此時(shí)仍以基站坐標(biāo)點(diǎn)為劃分依據(jù)，將基站小區(qū)對應(yīng)到基站坐標(biāo)點(diǎn)所在的交通分區(qū)。

受基站定位精度影響，統(tǒng)計(jì)結(jié)果誤差會隨著交通分區(qū)面積縮小而急劇增加，因此交通分區(qū)劃分不宜過細(xì)，一個(gè)分區(qū)應(yīng)包含若干基站小區(qū)。在中心區(qū)由于基站密，面積可相對較小，外圍區(qū)基站稀疏，面積應(yīng)加大，面積越大，統(tǒng)計(jì)結(jié)果受基站小區(qū)定位誤差影響越小。因此手機(jī)統(tǒng)計(jì)分析不適合傳統(tǒng)交通小區(qū)(大小約1 km2)，但對于組團(tuán)、片區(qū)及以上空間尺度分析精度足夠。以某人某一天的出行為例，早上從家到單位，晚上從單位到飯店吃飯，然后從飯店回家，總共發(fā)生3次出行(家→單位，單位→飯店，飯店→家)。其出行過程中跨越了多個(gè)手機(jī)基站小區(qū)，在某些小區(qū)產(chǎn)生了通話、短信等事件，留下了系列連續(xù)的位置記錄，再結(jié)合小區(qū)與交通分區(qū)的對應(yīng)關(guān)系，得到反映出行鏈的系列連續(xù)交通分區(qū)記錄，詳見圖2。

圖2 交通出行鏈識別Fig.2 Identification of trip chain from mobile phone signaling data

3.5 結(jié)果擴(kuò)樣

受限于信令采集機(jī)制及實(shí)際的信令數(shù)據(jù)質(zhì)量差異，在一定時(shí)段內(nèi)，并不是所有的手機(jī)移動都能被檢測到。假定每個(gè)手機(jī)發(fā)生通話、短信、關(guān)機(jī)事件的概率是相等的，在不存在空間性數(shù)據(jù)缺失的情況下，可以將手機(jī)信令采集看作是簡單隨機(jī)重復(fù)抽樣過程，檢測到的手機(jī)即為抽中樣本。通過樣本的統(tǒng)計(jì)量估計(jì)母體(全體手機(jī)用戶)特性，誤差僅僅與樣本容量及總體標(biāo)準(zhǔn)差有關(guān)。在不同應(yīng)用情景下采取不同的擴(kuò)樣策略：

1)僅需獲取比例關(guān)系時(shí)，不需要對結(jié)果進(jìn)行擴(kuò)樣。例如根據(jù)樣本統(tǒng)計(jì)出的外部出行比例就是區(qū)域?qū)嶋H的外部出行比例。

2)母體容量明確的條件下估算出行絕對量，可利用母體容量與比例關(guān)系進(jìn)行估算。例如已知區(qū)域總手機(jī)用戶數(shù)和外部通勤占比，則外部通勤數(shù)即為總手機(jī)用戶數(shù)與樣本外部通勤占比的乘積。

3)母體容量不明確的條件下估算出行絕對量，此時(shí)需要根據(jù)抽樣率進(jìn)行擴(kuò)樣。例如通過單一運(yùn)營商樣本數(shù)據(jù)分析得到了某區(qū)域的外部出行量，欲知該區(qū)域的總的外部出行量，此時(shí)擴(kuò)樣需要考慮的因素包括有效樣本量、運(yùn)營商的市場份額、居民手機(jī)保有率(滲透率)、手機(jī)檢測率。抽樣率計(jì)算公式如下：

ki=mi×ti×p

(2)

式中：ki為抽樣率，%；mi為第i類運(yùn)營商市場占有率，%；ti為第i類運(yùn)營商手機(jī)檢測率，%；p為手機(jī)擁有率，%。市場占有率和手機(jī)擁有率可以通過問卷調(diào)查獲取，手機(jī)檢測率與基站覆蓋情況、分析時(shí)段、分析范圍密切相關(guān)，難以直接檢測。由于很難直接確定各區(qū)域抽樣率，擴(kuò)樣時(shí)可用全市平均抽樣率(全市有效樣本與總?cè)丝诒戎?近似。擴(kuò)樣結(jié)果應(yīng)與人口普查數(shù)據(jù)、崗位調(diào)查數(shù)據(jù)或其它社會經(jīng)濟(jì)調(diào)查數(shù)據(jù)進(jìn)行校核。

4 分析應(yīng)用案例

在重慶市城鄉(xiāng)總體規(guī)劃(2007—2020年)深化工作中，利用重慶聯(lián)通連續(xù)一月的手機(jī)信令數(shù)據(jù)，分析跨區(qū)縣的出行交換量。以下分析結(jié)果反映了典型工作日人流分布特征，結(jié)果未擴(kuò)樣。

4.1 主城、區(qū)縣聯(lián)系分析

以各區(qū)縣與主城的跨區(qū)交換量、人均跨區(qū)交換量、與主城占比為指標(biāo)衡量各區(qū)縣與主城的聯(lián)系緊密度。跨區(qū)交換量指標(biāo)定義為跨區(qū)的手機(jī)用戶絕對數(shù)量，受人口總量影響。人均跨區(qū)交換量定義為跨區(qū)交換量與區(qū)縣常住人口的比值，集中反映經(jīng)濟(jì)、距離因素對聯(lián)系度的影響。與主城占比定義為某區(qū)縣與主城交換量占該區(qū)縣全部跨區(qū)交換量的比例，反映了主城在其外部聯(lián)系中的權(quán)重，間接反映了區(qū)縣對主城的依賴程度。與主城間出行量大，人均出行次數(shù)多、主城占比高，則其與主城聯(lián)系緊密度高。

各區(qū)縣與主城跨區(qū)交換量排序及主城占比見圖3。各區(qū)縣與主城跨區(qū)交換量空間分布見圖4。分析結(jié)果表明：江津、璧山、合川、長壽與主城交換量大，主城占比高，依賴主城發(fā)展。綦江、涪陵、永川與主城交換量及主城占比有所降低，發(fā)展相對獨(dú)立。

圖3 主城與各區(qū)縣間跨區(qū)交換量排序Fig.3 Sequence of zone crossing cellphone exchange between central zone and counties

圖4 主城與各區(qū)縣間跨區(qū)交換量Fig.4 Cellphone exchange between the main city and counties

4.2 區(qū)縣優(yōu)勢度分析

以各區(qū)縣的跨區(qū)交換量(與主城除外)為指標(biāo)來評價(jià)各區(qū)縣在市域內(nèi)的區(qū)位優(yōu)勢度。區(qū)縣優(yōu)勢度高，則其輻射能力強(qiáng)，對其它區(qū)縣吸引力強(qiáng)。

各區(qū)縣之間跨區(qū)交換量見圖5。分析結(jié)果綜合表明：渝東北形成了以萬州為中心的緊密聯(lián)系區(qū)，包括了萬州、開縣、云陽。渝西地區(qū)形成了以永川為中心的緊密聯(lián)系區(qū)，包括了大足、榮昌、永川。腰部形成了以涪陵為中心的緊密聯(lián)系區(qū)，包括南川、武隆、豐都、墊江、長壽。鄰近主城的江津、璧山、合川逐漸與主城融合，喪失了區(qū)域中心地位。

圖5 各區(qū)縣之間跨區(qū)交換量Fig.5 Cellphone exchange between counties except the main city

4.3 分析結(jié)果應(yīng)用

手機(jī)信令分析結(jié)果直接用于確定城市發(fā)展戰(zhàn)略。傳統(tǒng)規(guī)劃分析方法主要依賴經(jīng)驗(yàn)得出定性結(jié)論，手機(jī)信令分析可實(shí)現(xiàn)城市間聯(lián)系定量描述。分析結(jié)果表明，2007年重慶市城鄉(xiāng)總體規(guī)劃提出的“市域中心城市-區(qū)域中心城市”城鎮(zhèn)體系結(jié)構(gòu)與現(xiàn)實(shí)發(fā)展并不完全吻合，有必要進(jìn)行調(diào)整優(yōu)化。根據(jù)聯(lián)系緊密度及區(qū)位優(yōu)勢度，江津、璧山、合川宜采取融入主城發(fā)展戰(zhàn)略，其產(chǎn)業(yè)布局、交通基礎(chǔ)設(shè)施規(guī)劃應(yīng)與主城完全對接。永川、涪陵、萬州節(jié)點(diǎn)城市輻射功能較強(qiáng)，發(fā)展勢頭較好，但黔江節(jié)點(diǎn)城市功能較弱，需要通過進(jìn)一步改善交通區(qū)位條件提高輻射能力。

手機(jī)信令分析結(jié)果也可用于區(qū)域交通基礎(chǔ)設(shè)施規(guī)劃，例如市域鐵路、市郊鐵路、高速公路網(wǎng)規(guī)劃。傳統(tǒng)區(qū)域交通設(shè)施規(guī)劃主要以“節(jié)點(diǎn)連通”和“網(wǎng)絡(luò)形態(tài)構(gòu)造”為核心，定量分析不足。結(jié)合高速公路流量、長途客運(yùn)等數(shù)據(jù)對手機(jī)分析結(jié)果進(jìn)行擴(kuò)樣，直接反映各區(qū)縣間現(xiàn)狀聯(lián)系需求。分析結(jié)果表明重慶全市需求以主城為中心，射線聯(lián)系為主，渝西片區(qū)內(nèi)部存在網(wǎng)絡(luò)化聯(lián)系需求，渝東南為帶狀聯(lián)系需求，渝東北帶狀聯(lián)系需求與次級節(jié)點(diǎn)輻射聯(lián)系需求共存。以現(xiàn)狀需求OD為基礎(chǔ)，結(jié)合各區(qū)縣未來的城市功能定位、人口規(guī)模，預(yù)測未來跨區(qū)客流需求OD，識別客流走廊，指導(dǎo)鐵路、公路選線。影響城市聯(lián)系需求的因素包括經(jīng)濟(jì)發(fā)展水平、空間距離、歷史傳統(tǒng)、居民文化習(xí)慣等。與城市內(nèi)部客流預(yù)測(新區(qū)與舊區(qū)并存)不同，區(qū)域客流預(yù)測中，各節(jié)點(diǎn)城市發(fā)展相對成熟，影響因素變化緩慢，基于現(xiàn)狀OD的預(yù)測比“四階段”模型預(yù)測更準(zhǔn)確，可以克服重力模型只能考慮距離因素不能考慮居民文化習(xí)俗、歷史傳統(tǒng)因素的缺陷。

5 結(jié) 語

新時(shí)期的城鄉(xiāng)規(guī)劃科學(xué)性要求越來越提高，“用數(shù)據(jù)說話，讓數(shù)據(jù)說話”顯得越來越重要，這也是“大數(shù)據(jù)”時(shí)代的要求，即通過海量數(shù)據(jù)分析取代或者彌補(bǔ)傳統(tǒng)的技術(shù)手段，掌握人的出行活動規(guī)律。海量的手機(jī)信令數(shù)據(jù)分析可以有效地反映的人的移動規(guī)律，為城市規(guī)劃、交通規(guī)劃提供數(shù)據(jù)支持，應(yīng)用前景非常廣闊。對手機(jī)信令數(shù)據(jù)采集處理方法進(jìn)行了探索，并結(jié)合城鄉(xiāng)規(guī)劃實(shí)踐，從市域范圍跨區(qū)縣行政區(qū)OD關(guān)系角度展示了手機(jī)信令數(shù)據(jù)的應(yīng)用，實(shí)現(xiàn)了大范圍的區(qū)域客流分布特征采集。未來還需要深入挖掘手機(jī)信令數(shù)據(jù)分析在規(guī)劃管理其他方面的應(yīng)用，例如區(qū)域規(guī)劃、交通專項(xiàng)規(guī)劃、重要設(shè)施布局規(guī)劃等。此外革新手機(jī)信令采集手段，提升數(shù)據(jù)質(zhì)量及采樣頻率也非常重要，增加3G，4G用戶數(shù)據(jù)的采集，增加手機(jī)上網(wǎng)信令數(shù)據(jù)的采集。

[1] CALABRESE F, SEVTSUK A, RATTI C. Cellular census: explorations in urban data collection[J].IEEEPervasiveComputing, 2007，6(3)：30-38.

[2] CALABRESE F.Real-time urban monitoring using cell phones: a case study in rome[J].IEEETransactionsonIntelligentTransportationSystems, 2011，12(1)：141-151.

[3] CALABRESE F, LORENZO D G，LIU L，et al. Estimating origin-destination flows using mobile phone location data[J].IEEEPervasiveComputing, 2011，10(4)：36-43.

[4] CALABRESE F, PEREIRA F C，LORENZO D G. The geography of taste: analyzing cell-phone mobility and social events[C]∥The8thInternationalConferenceonPervasiveComputing. Helsinki: IEEE，2010：22-37.

[5] 楊飛.基于手機(jī)定位的交通OD數(shù)據(jù)獲取技術(shù)[J].系統(tǒng)工程，2007，25(1)：42-48. YANG Fei. Traffic OD data collection based on cell phone location technology[J].SystemsEngineering, 2007，25(1)：42-48.

[6] 吳健生，黃力，劉瑜，等.基于手機(jī)基站數(shù)據(jù)的城市交通流量模擬[J].地理學(xué)報(bào)，2012，67(12)：1657-1665. WU Jiansheng, HUANG Li, LIU Yu, et al. Traffic flow simulation based on call detail records[J].ActaGeographicaSinica, 2012，67(12)：1657-1665.

[7] TIAN H, MA X J，WANG H，et al. A novel approach to estimate human space-time path based on mobile phone call records[C]∥18thInternationalConferenceonGeoinformatics. Beijing: IEEE, 2010：1-6.[8] KANG C G, GAO S，LIN X, et al. Analyzing and geo-visualizing individual human mobility patterns using mobile call records[C]∥18thInternationalConferenceonGeoinformatics. Beijing: IEEE，2010：1-7.

[9] 關(guān)志超，胡斌，張昕，等.基于手機(jī)數(shù)據(jù)的城市交通信息采集技術(shù)研究[C]//第七屆中國智能交通年會論文集.北京：電子工業(yè)出版社，2012：845-854. GUAN Zhichao, HU Bin, ZHANG Xin, et al. Research of urban traffic information collection technology based on mobile data[C]∥7thAnnualConferenceofITSChina. Beijing: Publishing House of Electronics Industry, 2012：845-854.

[10] 冉斌.手機(jī)數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用[J].城市交通，2013，11(3)：72-81. RAN Bin. Use of cellphone data in travel survey and transportation planning[J].UrbanTransportofChina, 2013，11(3)：72-81.

[11] JIA F J, CHENG X Y，DUAN Z Y. Analyzing the activity areas of non-resident tourists of Shanghai expo using cellular phone data[C]∥13thCOTAInternationalConferenceofTransportationProfessionals(CICTP2013). Shenzhen: Elsevier Ltd.，2013：1136-1145.

(責(zé)任編輯 朱漢容)

Analysis of Wide Range Population Flow Analysis Based on Mobile Phone Signaling

TANG Xiaoyong1，ZHOU Tao2，LU Baichuan1

(1.School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074，P.R.China；2.Chongqing Transport Planning Institute, Chongqing 400020，P.R.China)

With the cell phone data from mobile communication system, after a series of technical methods processing such as base station positioning, data filtration, travel behavior recognition and sample expansion, the distributions of resident population and employment, OD matrix between large zones can be acquired. This method has obvious advantages of low cost, wide coverage, large sample, continuous observation, and can be used as a new means for data collection in urban planning. In Chongqing Urban-Rural Master Planning (2007—2020), the population exchange within Chongqing was analyzed based on the CQ Unicom mobile signaling data, and quantitatively evaluated the connection degree between counties. The result was used for aligning each county’s development strategy and as a basis for passenger demand forecasting for rail or expressway network layout planning.

traffic and transportation engineering; mobile phone signalling; trip survey; big data; population flow

10.3969/j.issn.1674-0696.2017.01.15

2015-11-30；

2016-01-19

重慶市博士后日常資助項(xiàng)目(Rc201509)

唐小勇(1983—)，男，湖南人，高級工程師，博士，主要從城市交通規(guī)劃、交通信息化工作。E-mail：tangxiaoyong 001@163.com。

U491.1

A

1674-696(2017)01-082-06