基于手機信令大數(shù)據(jù)的機場腹地識別算法研究

姚 海 芳,劉 云 溪,劉 勁 松

(1.河北師范大學旅游系,河北 石家莊 050024；2.東北林業(yè)大學經(jīng)濟管理學院,黑龍江 哈爾濱 150040；3.河北師范大學資源與環(huán)境科學學院,河北 石家莊 050024)

0 引言

機場腹地是規(guī)劃航空運輸網(wǎng)絡以及完善和管控機場地表集疏運網(wǎng)絡的基礎依據(jù)[1，2]，如何及時、準確地劃定機場腹地范圍，學界尚未達成共識[3]。目前，常用的機場腹地理論范圍劃定方法有：1)同心圓法，即以機場為中心，采用指定半徑畫同心圓確定機場腹地范圍[4]，但劃分結果不能準確展現(xiàn)機場綜合吸引力的輻射范圍；2)旅行時間法(交通等時圈法)，一般以機場為中心，以交通網(wǎng)絡為基礎，采用指定的時間閾值界定機場腹地范圍，該方法在交通地理學領域得到廣泛應用[5-8]；3)加權Voronoi圖法(或加權V圖法)，綜合考慮機場引力、機場地表集疏運條件[9]，通過設定不同機場的引力權重，生成機場博弈情景下的腹地范圍；4)Huff模型法，綜合考慮機場吸引力和交通情況[10]，劃分結果優(yōu)于同心圓法和等時圈法，但該方法中的機場綜合吸引力彈性系數(shù)和距離衰減系數(shù)需結合具體機場分別設定。機場腹地是機場吸引航空旅客的陸面區(qū)域，旅客的出行行為決定機場腹地分布范圍[11]，但上述方法未充分考慮航空旅客的真實出行行為，劃分的機場腹地分布范圍常被高估或低估，而且易忽略機場腹地內(nèi)部的空間異質(zhì)性特征。5)離散選擇模型法，通過調(diào)查問卷獲取航空旅客歸屬地，從而確定機場腹地范圍[12，13]，但其數(shù)據(jù)獲取難度大，成本高；為彌補調(diào)查問卷的不足，Lieshout[1]利用機場航班頻率、機票價格、機場陸側可達性、空側可達性等可直接獲取或計算得出的數(shù)據(jù)，基于離散選擇模型測算了阿姆斯特丹機場2005年和2011年的腹地范圍。離散模型法雖然考慮了旅客的真實出行行為，但該模型數(shù)據(jù)收集成本高、更新周期長、計算量大，且受多種不確定性因素影響，不適于機場腹地動態(tài)監(jiān)測。為加強機場腹地內(nèi)部的事件管控和精準服務能力，迫切需要揭示機場腹地的動態(tài)性和異質(zhì)性特征。

手機信令屬于個體行為大數(shù)據(jù)[14]，具有時空信息豐富、獲取成本低等優(yōu)點，在人口流動[15]、人口出行特征[16-18]、城市職住關系[19,20]、城市空間結構[21,22]、旅游客源市場[23]等領域得到廣泛應用。因此，本文利用手機信令大數(shù)據(jù)構建機場腹地識別算法，包括分類識別機場進/出港旅客、生成進/出港旅客的出行軌跡、確定進/出港旅客的出行OD位置、刻畫進/出港旅客機場腹地內(nèi)部結構特征，并以石家莊正定國際機場(簡稱“石家莊機場”)為例，利用中國聯(lián)通河北分公司提供的2019年10月2-8日的手機信令數(shù)據(jù)，對該算法進行測試和驗證。

1 基于手機信令大數(shù)據(jù)的機場腹地識別算法

1.1 機場進/出港旅客分類識別

將一周內(nèi)出現(xiàn)在研究區(qū)5天及以上的手機用戶判定為工作人員、居民等[24]非航空旅客并予以標記，不參與航空旅客分類。根據(jù)旅客流向，將航空旅客分為出港、進港、中轉3類旅客；根據(jù)旅客出行行為的組合特征，對3類旅客進一步細分：如果測試機場具有省內(nèi)通航城市，則將其旅客細分為11小類(表1)，否則細分為5小類(表1中陰影部分)。航空旅客分類算法參見文獻[24]。鑒于當日往返的進/出港旅客所占比重極小，中轉旅客僅在機場航站樓附近逗留，故機場腹地識別算法中未考慮這部分旅客。因此，在劃定機場腹地過程中，如果測試機場沒有省內(nèi)通航城市，則僅考慮“11”和“21”兩類旅客，否則需考慮“11”、“13”(合稱為狹義的出港旅客)和“21”、“23”(合稱為狹義的進港旅客)4類旅客。

表1 機場航空旅客分類及編碼

1.2 進/出港旅客出行軌跡生成

基于狹義的進/出港旅客的手機用戶ID碼，提取每位進/出港旅客的手機信令記錄，分別建立進/出港旅客手機信令數(shù)據(jù)集。其中，對于“13”類旅客，僅考慮其到達測試機場及之前的手機信令記錄，對于“23”類旅客，僅考慮其到達測試機場及之后的手機信令記錄。

以日為單位，將每位進/出港旅客的手機信令記錄按照時序排列，通過識別駐留點和移動點[25]，生成每位進/出港旅客的出行軌跡。以用戶a為例，假設某日用戶a有n條手機信令記錄，令其第一條記錄和最后一條記錄為當日停留點，令時間約束Tmax為5 min，距離約束Dmax=1 km[17]。理論上，在Pt點，用戶a只有“停留”或“可能移動”兩種運動狀態(tài)。依據(jù)Dmax和Tmax，按照下述規(guī)則，逐點推斷用戶a在后續(xù)比鄰時刻位置點的運動狀態(tài)。

(1)

(2)

ΔT=Tt+1-Tm

(3)

(2)若用戶a在Pt點為“可能移動”狀態(tài)，則計算Pt+1和Pt之間的距離d(式(4))，同時計算t+1與t之間的時間差ΔT(式(5))。則用戶a在Pt+1點運動狀態(tài)的判定方法為：如果d>Dmax，則用戶a在Pt+1點的運動狀態(tài)為“可能移動”，并將用戶a在Pt點的運動狀態(tài)改為“移動”；如果dTmax，則用戶a在Pt點和Pt+1點的運動狀態(tài)均為“停留”，兩點共同構成一個新的停留點集N′(Pt,Pt+1)；如果d

(4)

ΔT=Tt+1-Tt

(5)

依據(jù)上述算法，生成每位進/出港旅客出行軌跡。

1.3 進/出港旅客出行OD位置判定

判定進港旅客的出行目的地(D)和出港旅客的出行起始地(O)(圖1)，進而識別進/出港旅客機場腹地范圍。以用戶a為例，根據(jù)1.2節(jié)方法獲得用戶a在每個出行軌跡點的信息，包括經(jīng)度(x)、緯度(y)、運動狀態(tài)(sigh=0表示停留，sigh=1表示移動)、停留時長(stay_time)、停留開始時間(stay_start_time)、停留結束時間(stay_end_time)等。

(1)如果用戶a為進港旅客，則令Airport_end_point為出行的起始點O，向D方向尋找sigh=0且stay_time>Tstay_time_max(Tstay_time_max用于判定當前停留點是否為O/D的時間閾值)的點，如果能找到，則將此點判定為用戶a的出行目的地D，否則將最后的停留點判定為用戶a的出行目的地D。

圖1 進/出港旅客出行OD判定方法

(2)如果用戶a為出港旅客，則令Airport_first_point為出行目的地D，向O方向尋找sigh=0且stay_time>Tstay_time_max的點，如果能找到，則將此點判定為用戶a的出行起始點O，否則將最后一個停留點判定為用戶a的出行起始點O。

1.4 進/出港旅客機場腹地內(nèi)部結構特征解析

根據(jù)上述進港旅客的出行目的地(D)數(shù)據(jù)集和出港旅客的出行起始點(O)數(shù)據(jù)集，分別與市、縣、鄉(xiāng)、村4級行政區(qū)劃單元進行空間疊置，按行政區(qū)劃單元統(tǒng)計進/出港旅客出行強度(某行政區(qū)劃單元航空旅客出行或抵達人數(shù))、出行密度(某行政區(qū)劃單元進/出港旅客數(shù)量與行政區(qū)面積之比)，據(jù)此解析不同尺度上進/出港旅客機場腹地內(nèi)部結構特征。

2 案例地及數(shù)據(jù)

本文案例地選取京津冀城市群的重要空中門戶石家莊正定國際機場(IATA：SJW，ICAO：ZBSJ)。2018年機場航空旅客吞吐量突破千萬人次大關，2019年10月通航城市達65個(國外6個，省外56個，省內(nèi)3個(張家口、承德、秦皇島))。G4高速、G107國道、京石客運專線等是航空旅客進出石家莊機場的主要客運通道。

本文聯(lián)通手機信令數(shù)據(jù)來源于中國聯(lián)通河北分公司，包括用戶唯一識別號、時間戳、信令發(fā)生時手機所處經(jīng)度和緯度、用戶所屬省/市/縣、用戶性別、用戶年齡等字段，時間范圍為2019年10月2日0時至8日24時。將實驗數(shù)據(jù)分為機場數(shù)據(jù)集(Airport Dataset)和外圍數(shù)據(jù)集(Outside Dataset)。其中，Airport Dataset來源于以機場外輪廓為中心，以850 m為半徑的緩沖區(qū)內(nèi)的204個聯(lián)通手機基站(圖2)；Outside Dataset是依據(jù)Airport Dataset中出現(xiàn)的手機用戶ID碼，提取的同一天內(nèi)手機用戶在Airport Dataset空間范圍外其他聯(lián)通手機基站的全部手機信令數(shù)據(jù)集，且僅限于河北省內(nèi)，暫未獲得省外、國內(nèi)的聯(lián)通手機信令數(shù)據(jù)。經(jīng)數(shù)據(jù)預處理(去除用戶ID、時間戳、經(jīng)緯度為空以及重復和漂移等無效記錄)，Airport Dataset中共有手機信令記錄278.9萬條，Outside Dataset中共有對應時段手機信令記錄3 101.1萬條。

圖2 機場數(shù)據(jù)集(Airport Dataset)所屬空間范圍

統(tǒng)計2019年10月2-8日每個用戶相鄰手機信令記錄的時間間隔的均值和標準差，發(fā)現(xiàn)均值與2倍標準差之和小于3 600 s的用戶占74%，3 600 ～7 200 s的用戶占16.6%，說明石家莊機場航空旅客手機信令記錄的間隔時長通常為1～2 h；考慮到用戶換乘交通工具的時間一般不超過1 h，故本文將Tstay_time_max設定為3 600 s。采用上述進/出港旅客識別算法，共識別出航空旅客47 444人次，其中，進港旅客18 630人次(2 661人/d)，出港旅客24 759人次(3 537人/d)?？紤]到中國聯(lián)通手機用戶數(shù)量占全國手機用戶的19.8%[26]，2019年10月石家莊機場共運送旅客102.93萬人次[27]，本研究的識別精度約為96.9%，識別結果可信。

3 機場腹地內(nèi)部多尺度結構特征

利用2019年10月2-8日的手機信令數(shù)據(jù)，運用本文機場腹地識別算法刻畫機場腹地分布范圍、不同尺度下機場腹地內(nèi)部結構特征及旅客出行強度。

(1)出港旅客的客源地分布特征。由圖3(彩圖見封3)可知，出港旅客的客源地呈現(xiàn)以機場為中心、沿主要交通干線(高鐵、高速公路、國道)向外圍輻射的空間分布模式，且出港旅客密度隨著距機場距離延長而衰減。在圖3上采用同心圓法和等時圈法進一步測算發(fā)現(xiàn)：在R=100 km和R=200 km的同心圓內(nèi)，出港旅客數(shù)量占比分別為82.8%和98.21%，在30 min、60 min和90 min等時圈內(nèi)，出港旅客數(shù)量占比分別為58.3%、85.45%和96.13%，說明R=200 km的同心圓和90 min等時圈是石家莊機場出港旅客的主要客源地。

圖3 2019年10月2-8日石家莊機場出港旅客客源地散點圖

(2)市級尺度機場腹地內(nèi)部結構特征。市級尺度進/出港旅客主要分布在石家莊市(約占70%)，其次為保定市(約占15%)，邢臺、衡水、滄州、邯鄲4市進港旅客合計約占9%，出港旅客合計約占15%(表2)，說明石家莊機場的核心腹地是石家莊市，主要腹地是保定市，次要腹地是邢臺、衡水、滄州和邯鄲4市。

表2 石家莊機場進/出港旅客分布特征

(3)縣級尺度機場腹地內(nèi)部結構特征?？h級尺度進/出港旅客出行強度均呈現(xiàn)以機場為中心向外逐步衰減的圈層結構特征(圖4，彩圖見封2)，但與北京比鄰的涿州市的進港旅客出行強度畸高(圖4a)，違背了距離衰減原則，結果異常的原因可能與僅獲得省內(nèi)手機信令數(shù)據(jù)有關，如經(jīng)石家莊機場前往北京的進港旅客的目的地均劃歸涿州，說明僅用省內(nèi)聯(lián)通數(shù)據(jù)識別進/出港旅客的OD位置，會產(chǎn)生省界堆積效應。

(4)鄉(xiāng)級尺度機場腹地內(nèi)部結構特征。鄉(xiāng)級尺度機場腹地內(nèi)部不再連續(xù)(圖5，彩圖見封2)，石家莊及周邊區(qū)縣的進/出港旅客出行強度最高，且高強度出行區(qū)域沿京廣線、石德線、石太線等交通要道分布，石家莊、保定、衡水及其部分縣城的進/出港旅客出行強度明顯高于其他鄉(xiāng)鎮(zhèn)。值得注意的是，涿州與北京、霸州與天津、井陘與山西相鄰的鄉(xiāng)鎮(zhèn)進/出港旅客出行強度偏高，進一步驗證了省界堆積效應。

(5)村級尺度機場腹地內(nèi)部結構特征。村級尺度機場腹地的客源地和目的地更加離散(圖6，彩圖見附錄3)，統(tǒng)計發(fā)現(xiàn)，城市、建制鎮(zhèn)、村莊3類聚落的進港旅客出行密度分別為6.86 人/km2、1.15 人/km2、0.96 人/km2，出港旅客出行密度分別為9.25 人/km2、1.57 人/km2、0.83 人/km2，進/出港旅客出行密度呈現(xiàn)出城市>建制鎮(zhèn)>村莊的特征，說明城市和建制鎮(zhèn)是進/出港旅客的主要目的地和客源地。

(6)航空旅客出行強度動態(tài)監(jiān)測。本文的機場腹地識別算法能持續(xù)監(jiān)測腹地內(nèi)部航空旅客的出行強度。利用中國聯(lián)通河北分公司提供的2020年2月2-8日的手機信令數(shù)據(jù)，共識別進港旅客2 541人次(363人/d)，出港旅客4 126人次(589人/d)。與2019年10月2日-8日數(shù)據(jù)相比，進港旅客減少了86.4%，出港旅客減少了83.3%，主要是受新冠疫情影響，旅客出行強度明顯下降。

圖4 縣級尺度進/出港旅客出行強度

圖5 鄉(xiāng)級尺度進/出港旅客出行強度

4 結論

本文利用手機信令大數(shù)據(jù)，構建新的機場腹地識別算法，并利用中國聯(lián)通河北分公司提供的石家莊機場2019年10月2-8日的手機信令數(shù)據(jù)，測算了石家莊機場的腹地范圍和內(nèi)部結構特征。研究表明：1)以石家莊機場為中心，R=200 km的同心圓和90 min等時圈覆蓋的省域范圍內(nèi)，覆蓋了超過95%的出港旅客客源地。2)市級尺度石家莊機場進/出港旅客的核心腹地是石家莊市，主要腹地是保定市，次要腹地是邢臺、衡水、滄州和邯鄲4市，6市的貢獻率高達約99%；縣級尺度腹地內(nèi)的進/出港旅客出行強度呈現(xiàn)以機場為中心逐步衰減的圈層結構；鄉(xiāng)級尺度腹地內(nèi)部呈現(xiàn)不連續(xù)特征，交通線附近旅客出行強度高；村級尺度進/出港旅客出行密度呈現(xiàn)城市>建制鎮(zhèn)>村莊的特征。

圖6 村級尺度進/出港旅客出行強度

基于手機信令大數(shù)據(jù)的機場腹地識別算法，借助出港旅客客源地分布圖和進港旅客目的地分布圖，真實刻畫了機場腹地分布范圍；通過不同級別行政區(qū)域的出行強度圖準確解析了機場腹地的內(nèi)部結構特征，能動態(tài)監(jiān)測機場腹地的分布特征和航空旅客的出行特征，為深入探索腹地內(nèi)部進/出港旅客的出行規(guī)律以及診斷機場集疏運網(wǎng)絡運行效率提供了新方法，也為建構機場腹地的個性化扎根理論提供了支撐。如果能夠獲得全國范圍內(nèi)的手機信令數(shù)據(jù)，則可避免省界周邊的進/出港旅客堆積效應；如果能夠獲得中國移動、中國聯(lián)通、中國電信三大運營商的手機信令數(shù)據(jù)，則可進一步提高機場腹地的識別精度。