手機信令數(shù)據(jù)實現(xiàn)交通量預測的應用探討

江偉

摘 要：文章首先對手機信令數(shù)據(jù)進行簡要介紹，分別從應用思路、系統(tǒng)設計等方面，對交通量預測中手機信令數(shù)據(jù)的應用進行論述。結論證實，在交通量預測中，手機信令數(shù)據(jù)的作用非常明顯，通過預處理模塊將其中無用的數(shù)據(jù)去除后，便可對有價值的數(shù)據(jù)進行利用，據(jù)此完成預測模型的訓練，從而準確預測出某段道路的交通量，為道路等級確定提供詳實可靠的依據(jù)。

關鍵詞：手機信令數(shù)據(jù);交通量;預測

中圖分類號：U495 文獻標識碼：A

1 手機信令數(shù)據(jù)

手機信令數(shù)據(jù)歸屬于信令數(shù)據(jù)的范疇，信令數(shù)據(jù)的產(chǎn)生是基站與移動設備之間發(fā)生交互，前提條件是移動設備必須在基站信號的覆蓋范圍之內。手機信令數(shù)據(jù)現(xiàn)已成為城市交通數(shù)據(jù)的重要來源，在交通建設中的作用隨之突顯，這與手機信令數(shù)據(jù)本身所具備的諸多特征有著密不可分的關聯(lián)，包括時空性、覆蓋性、海量性、實時性、冗余性等等。大體上可將手機信令數(shù)據(jù)分為以下幾類：通信行為，如呼叫時長、基站位置及ID等;號碼軌跡，如到達與離開時間、位置經(jīng)緯度等;用戶特征，如用戶名、開戶地、業(yè)務類型等。

2 交通量預測中手機信令數(shù)據(jù)的應用

2.1 應用思路

在城市道路中，交通量由以下兩個部分構成，一部分是車輛，另一部分是行人。在對交通量進行分析期間，行人一般不在考慮的范圍之內，主要考慮的對象為機動車，即某個路段中，單位時間內，往返兩個方向的車輛總數(shù)。交通量是道路通行能力的測算指標，是確定道路等級的重要依據(jù)。對交通量進行預測就是以相關的數(shù)據(jù)為依托，借助預測模型，預測出一段時間內與交通量有關的特征參數(shù)，據(jù)此得出最終結果。從交通量的預測過程來看，數(shù)據(jù)和預測模型缺一不可，二者對預測結果起著決定性作用。為此，可以對手機信令數(shù)據(jù)加以利用，據(jù)此設計一款交通量預測系統(tǒng)。

2.2 系統(tǒng)設計

手機信令數(shù)據(jù)并不能直接應用于預測系統(tǒng)，需要進行預處理，從中提取所需的數(shù)據(jù)，然后利用預測模型，實現(xiàn)對交通量的準確預測。手機信令數(shù)據(jù)是預測系統(tǒng)的主要數(shù)據(jù)源，全部記錄在文件當中，均為原始數(shù)據(jù)。除此之外，還要運用地圖道路數(shù)據(jù)，如地理坐標信息等。預測系統(tǒng)的最底層主要負責對相關數(shù)據(jù)進行預處理，為對手機信令數(shù)據(jù)中的無用數(shù)據(jù)進行有效去除，在預處理環(huán)節(jié)中引入多種數(shù)據(jù)清洗策略。本系統(tǒng)的預測模型為組合式，該模型的預測能力強，結果準確性高，由兩個單獨的模型組成，一個是ARIMA，另一個是SVM。前者可針對非平穩(wěn)的時間序列進行預測，后者為支持向量機。

2.2.1 手機信令數(shù)據(jù)預處理模塊

手機信令數(shù)據(jù)當中包含著大量的數(shù)據(jù)信息，為從中提取出有用的數(shù)據(jù)，需要對手機信令數(shù)據(jù)進行預處理，即依托預處理模塊，以分層次的方法，對手機信令數(shù)據(jù)進行檢測。按照數(shù)據(jù)的產(chǎn)生原理，對其中的異常數(shù)據(jù)進行檢測，具體包括重復的數(shù)據(jù)、無效數(shù)據(jù)、屬性值缺失的數(shù)據(jù)等等。當異常數(shù)據(jù)全部處理完畢后，還要對手機信令數(shù)據(jù)中的特有數(shù)據(jù)進行檢測和處理，如乒乓數(shù)據(jù)、噪聲數(shù)據(jù)等。數(shù)據(jù)清洗方法如下：

①受到多方面因素的影響，導致手機信令數(shù)據(jù)中無效數(shù)據(jù)比較多，如果這些數(shù)據(jù)不進行去除，那么將會導致預測結果的準確性降低。對于核心字段缺失的數(shù)據(jù)，可以采用丟棄的方法進行處理。由于時間間隔特別短的數(shù)據(jù)對軌跡點并不會產(chǎn)生出特別的作用，此類數(shù)據(jù)的存在會導致計算量增大，故此應將這類數(shù)據(jù)全部剔除。

②手機信令數(shù)據(jù)中不可避免地會出現(xiàn)重復的數(shù)據(jù)，此類數(shù)據(jù)存在會導致后續(xù)的計算機量增大，應當在預處理環(huán)節(jié)中，對這部分數(shù)據(jù)進行去除。在對重復數(shù)據(jù)進行清洗的過程中，只需要對第一條數(shù)據(jù)進行保留即可，之后出行的與該數(shù)據(jù)相同的數(shù)據(jù)全部刪除。隨著無效和重復數(shù)據(jù)從手機信令數(shù)據(jù)中被大量清除，會使數(shù)據(jù)源隨之縮小，但并不會對預測結果造成影響。

③在一些重要的區(qū)域內，為進一步提升通信質量，常常會設置2個或更多的基站，這樣一來，會產(chǎn)生出重疊的區(qū)域，移動設備進入該區(qū)域后，會切換基站，致使信令數(shù)據(jù)中出現(xiàn)乒乓數(shù)據(jù)，對于這部分數(shù)據(jù)應當進行去除?？梢圆捎萌缦路椒▽κ謾C信令數(shù)據(jù)中的乒乓數(shù)據(jù)進行檢測：設兩個相鄰基站之間的最大距離為MaxD，用戶在兩座基站之間移動所需時間的閾值為T，基站距離的閾值為D，乒乓數(shù)據(jù)會在軌跡點距離小于D時產(chǎn)生。據(jù)此，便可對這部分數(shù)據(jù)進行剔除。

④在手機信令數(shù)據(jù)中，噪聲數(shù)據(jù)不可避免，由于這部分數(shù)據(jù)本身比較特殊，采用常規(guī)的數(shù)據(jù)清洗方法，無法有效去除。因此，需要選用適宜的方法。離群點檢測法在手機信令數(shù)據(jù)噪聲數(shù)據(jù)的檢測中效果顯著，可借助該方法對噪聲數(shù)據(jù)進行有效去除。

2.2.2 交通流量提取

①手機信令數(shù)據(jù)進行提取，計算出速度序列，依據(jù)速度特征，對機動車的出行方式進行識別，計算出機動車在路段內的平均速度，由此便可得到當前的交通流量。在預測交通量的過程中，可以將道路視作為一個整體，這個整體由若干路段組合而成，根據(jù)基站的覆蓋半徑，通過相應的提取算法，能夠對道路沿線中的基站數(shù)據(jù)進行提取，并獲得出行的軌跡點，經(jīng)篩選之后，可獲得機動車的出行軌跡，這樣為交通量預測提供可靠的數(shù)據(jù)支撐。

②在同樣的路段內，機動車的速度要明顯比非機動車快，二者的平均速度存在非常大的差別。因信令數(shù)據(jù)具有方向性的特征，可以求出某個路段內的速度集合，通過聚類算法，對速度進行聚類，識別機動車和非機動車的出行方式。

2.2.3 交通量預測

①預測道路交通量需要選取可靠的預測模型，由于交通量具有不確定性和動態(tài)變化的特點，所以要求選取的預測模型能夠對交通量結果進行準確預測。如果選用的一個模型進行預測，受到各方面因素的影響，很難達到預期中的效果。為解決這一問題，選取兩個模型進行組合，以此對交通量進行預測，這樣最終目的是為了預測結果更加準確。本次選取的兩個預測模型分別為ARIMA和SVM，在應用前，需要對先對模型進行訓練，以此來獲取更加穩(wěn)定的預測模型，為預測精度提供保障。從信令數(shù)據(jù)中選取60%作為訓練數(shù)據(jù)，剩余的40%作為驗證數(shù)據(jù)。訓練前，要先對數(shù)據(jù)進行平穩(wěn)化和差分處理，然后對預測模型的相關參數(shù)進行初步確定。支持向量機模型的訓練過程較為簡單，只要對核函數(shù)進行選取，并完成參數(shù)調優(yōu)即可。

②當兩個預測模型全部完成訓練后，可按照數(shù)據(jù)特征的變化，對模型進行選取，預測交通量。為使選取的預測模型與當前的數(shù)據(jù)特征相適應，需要設定誤差閾值，通過誤差大小判斷模型的適用性，即誤差越小越適合，預測結果的準確性越高?？梢韵冗x用ARIMA，看預測誤差是否超過閾值，若是超出，則說明不適用于當前的數(shù)據(jù)，應選取SVM模型進行預測。由預測模型獲得的預測結果就是道路的交通量情況，可將制作為道路等級的確定依據(jù)。

2.3 系統(tǒng)測試

選取一組手機信令數(shù)據(jù)，用本次設計的系統(tǒng)對數(shù)據(jù)進行預處理，將其中的無用數(shù)據(jù)全部去除，留下有價值的數(shù)據(jù)。然后將數(shù)據(jù)帶入到預測模型當中，得出如下結果：以單個模型進行預測，精度一般，以組合模型進行預測，所得結果的精確度高于單個模型，達到交通量預測的效果。由此表明，組合模型的效果要明顯優(yōu)于單個模型。

3 結語

綜上所述，交通量預測是一項較為復雜且系統(tǒng)的工作，為提高預測結果的準確性，可以對手機信令數(shù)據(jù)進行應用，并依托預測模型，構建相應的預測系統(tǒng)。在模型的選擇上，可將組合模型作為首選，由此能夠使交通量的預測精度得到進一步提升。

參考文獻：

[1]唐嘉立.基于手機信令數(shù)據(jù)分析的路網(wǎng)運行監(jiān)控系統(tǒng)[J].中國交通信息化，2015，17（12）：115-117.

[2]冉斌.手機數(shù)據(jù)在交通調查和交通規(guī)劃中的應用[J].城市交通，2013，11（01）：72-81+32.

[3]郭曉妮.基于手機信令的交通流監(jiān)測與出行信息服務系統(tǒng)[J].通訊世界，2017，24（14）：157.