基于手機(jī)信令數(shù)據(jù)的老年人群識(shí)別

魏姍姍，王 揚(yáng)，徐 暢，王 琳

（1.山東省交通科學(xué)研究院，山東 濟(jì)南 250031；2.北京工業(yè)大學(xué)，北京 100124）

引言

隨著中國(guó)智慧城市建設(shè)的不斷推進(jìn)以及人口老齡化問(wèn)題的日益突出，對(duì)城市精細(xì)化規(guī)劃、治理，以及更好地為老年人提供社會(huì)服務(wù)都提出了新的挑戰(zhàn)。傳統(tǒng)上獲取城市人口空間分布結(jié)構(gòu)的方法主要是人口普查，而基于常住人口或戶(hù)籍人口的人口普查數(shù)據(jù)不但收集、更新成本高，而且普查間隔較長(zhǎng)，僅能代表調(diào)查地區(qū)某一時(shí)間段的靜態(tài)人口數(shù)據(jù)，不能表示潛在的人口數(shù)及實(shí)時(shí)的動(dòng)態(tài)人口數(shù)據(jù)，已經(jīng)不能滿(mǎn)足智慧城市發(fā)展的需求。大數(shù)據(jù)分析不僅對(duì)城市管理者制定政策和規(guī)劃具有指導(dǎo)意義，而且可以為市民的日常出行或其他活動(dòng)提供更優(yōu)質(zhì)的服務(wù)。手機(jī)數(shù)據(jù)因其覆蓋人群廣、范圍大，持續(xù)性強(qiáng)，并且能實(shí)時(shí)定位等特點(diǎn)被廣泛應(yīng)用。

相關(guān)研究表明手機(jī)數(shù)據(jù)在增強(qiáng)城市管理的創(chuàng)新應(yīng)用方面的適用性［1］。由于手機(jī)數(shù)據(jù)具有定位功能，可以根據(jù)手機(jī)數(shù)據(jù)推斷用戶(hù)的出行信息，研究居民的出行行為［2］。雖然手機(jī)數(shù)據(jù)在用戶(hù)出行相關(guān)方面的研究眾多，但是目前利用手機(jī)數(shù)據(jù)評(píng)估人口數(shù)量及識(shí)別特定人群的研究較少。因此，研究基于手機(jī)數(shù)據(jù)識(shí)別老年人群的方法，旨在未來(lái)的人口統(tǒng)計(jì)和城市規(guī)劃中，有可能使用手機(jī)數(shù)據(jù)進(jìn)行補(bǔ)充甚至替代人口調(diào)查，進(jìn)一步提高城市服務(wù)水平。

1 手機(jī)數(shù)據(jù)預(yù)處理

常用的手機(jī)數(shù)據(jù)可分為兩大類(lèi)：一是基于手機(jī)內(nèi)置傳感器的數(shù)據(jù)，二是基于蜂窩網(wǎng)絡(luò)的手機(jī)信令數(shù)據(jù)。采用數(shù)據(jù)為北京市基于蜂窩網(wǎng)絡(luò)的中國(guó)移動(dòng)手機(jī)信令數(shù)據(jù)。數(shù)據(jù)主要包括的字段見(jiàn)表1，每個(gè)手機(jī)號(hào)都有唯一標(biāo)識(shí)碼IMSI，數(shù)據(jù)中包含數(shù)據(jù)上傳時(shí)間、地點(diǎn)、觸發(fā)的基站名稱(chēng)、蜂窩編號(hào)、所處的交通小區(qū)以及觸發(fā)事件的類(lèi)型。

表1 通訊詳單數(shù)據(jù)各字段

通過(guò)定位技術(shù)采集到的手機(jī)數(shù)據(jù)由于傳輸或其它干擾因素，會(huì)存在噪音數(shù)據(jù)，因此，需要對(duì)其進(jìn)行質(zhì)量控制，剔除“噪聲”數(shù)據(jù)。對(duì)于基于蜂窩網(wǎng)絡(luò)的定位數(shù)據(jù)，噪聲數(shù)據(jù)主要包括重復(fù)數(shù)據(jù)和“乒乓數(shù)據(jù)”兩類(lèi)。

重復(fù)數(shù)據(jù)是指所有字段完全相同的兩條或兩條以上記錄數(shù)據(jù)，對(duì)于重復(fù)數(shù)據(jù)只保留一條數(shù)據(jù)記錄，重復(fù)的記錄進(jìn)行刪除處理。針對(duì)重復(fù)數(shù)據(jù)的處理步驟：（1）根據(jù)所有字段，找到所有字段相同的記錄數(shù)據(jù)；（2）針對(duì)Step1 得到的記錄數(shù)據(jù)，根據(jù)用戶(hù)識(shí)別碼（IMSI）和時(shí)間字段（TIME），每個(gè)用戶(hù)在相同的時(shí)間僅保留一條記錄，刪除其它重復(fù)的記錄。

“乒乓數(shù)據(jù)”是指由信號(hào)漂移導(dǎo)致的錯(cuò)誤定位數(shù)據(jù)，表現(xiàn)為在很短的時(shí)間內(nèi)，手機(jī)信號(hào)從臨近基站切換到相對(duì)較遠(yuǎn)的基站，在一段時(shí)間后又切回到臨近基站。由于信號(hào)突然切換到較遠(yuǎn)的基站，位置變動(dòng)過(guò)大，這種數(shù)據(jù)可以根據(jù)設(shè)置速度閾值vmax，然后根據(jù)數(shù)據(jù)中前后三條數(shù)據(jù)之間的距離權(quán)重比f(wàn)，進(jìn)行進(jìn)一步判斷。針對(duì)“兵乓數(shù)據(jù)”的處理步驟：（1）設(shè)初始值n=2，順序選取用戶(hù)IMSI中第n-1、n、n+1 三條數(shù)據(jù)；（2）根據(jù)時(shí)間和經(jīng)緯度信息計(jì)算兩相鄰記錄之間的移動(dòng)速度vn；（3）設(shè)置速度閾值，vmax=100 km/h，若vn＞vmax，則判定n為“兵乓數(shù)據(jù)”；（4）在上述情況下，計(jì)算n-1、n、n+1 相鄰三條記 錄之間 的距離差分別為△dn-1，n、△dn+1，n，f為兩個(gè)距離差的比值。判斷當(dāng)f＞3 時(shí)，則判定n為“兵乓數(shù)據(jù)”；（5）刪除上述不符合條件的數(shù)據(jù)。

按照上述的數(shù)據(jù)處理方法，可以得到高質(zhì)量、較為完整的手機(jī)信令數(shù)據(jù)。手機(jī)數(shù)據(jù)質(zhì)量控制流程見(jiàn)圖1。

圖1 手機(jī)數(shù)據(jù)質(zhì)量控制流程

2 老年人群識(shí)別

2.1 研究區(qū)域

以北京市為例，2019 年常住人口2 153.6 萬(wàn)人，外來(lái)人口數(shù)量也十分巨大，人口流動(dòng)性較大。北京市老年人口比例逐年增加，常住人口中60 歲及以上人口占比高達(dá)28.6%［3］。

北京市共有基站約1.4 萬(wàn)個(gè)，六環(huán)以?xún)?nèi)的主城區(qū)基站分布更加密集，交通小區(qū)劃分更加精細(xì)，且道路網(wǎng)密度較高，見(jiàn)圖1。

圖2 北京市基站及六環(huán)以?xún)?nèi)交通小區(qū)和路網(wǎng)分布

由于手機(jī)數(shù)據(jù)的隱私性要求，一般用于研究的手機(jī)信令數(shù)據(jù)會(huì)對(duì)用戶(hù)的姓名、年齡等私密信息進(jìn)行脫敏處理，所以無(wú)法直接通過(guò)手機(jī)信令數(shù)據(jù)得到用戶(hù)的年齡數(shù)據(jù)。要想通過(guò)手機(jī)信令數(shù)據(jù)識(shí)別老年人群，首先要找到典型的老年人行為特征，并且通過(guò)手機(jī)數(shù)據(jù)展現(xiàn)這些行為特征。

2.2 出行特征

相關(guān)研究表明不同年齡的人群在出行距離、出行方式、出行次數(shù)等方面存在很大差異［4-5］。由于老年人已經(jīng)退休，并且身體狀況可能不佳，所以老年人更傾向于使用當(dāng)?shù)卦O(shè)施，從事非工作活動(dòng)，這些特殊性導(dǎo)致老年人的出行和需求與一般人群有很大不同［6］。相關(guān)研究發(fā)現(xiàn)老年人出行的目的主要是休閑和購(gòu)物，出行方式以步行、公交和自行車(chē)為主［5］。盡管家庭中小汽車(chē)擁有量逐年上升，但是老年人因身體原因開(kāi)車(chē)的比例相對(duì)較少［6］。

常用的城市交通出行方式有步行、自行車(chē)、電動(dòng)車(chē)、公交車(chē)、地鐵、出租車(chē)、私家車(chē)、通勤班車(chē)等。將其歸類(lèi)為步行，非機(jī)動(dòng)車(chē)（自行車(chē)、電動(dòng)車(chē)）和機(jī)動(dòng)車(chē)（公交、地鐵、出租車(chē)、私家車(chē)、通勤班車(chē)）三類(lèi)出行方式，基于手機(jī)信令數(shù)據(jù)進(jìn)行出行方式辨識(shí)研究。

在出行特征調(diào)查中，調(diào)查了居民的出行次數(shù)、出行方式、每次的出行距離等信息。出行方式的調(diào)查日期為工作日，本次調(diào)查共發(fā)放402 份，有效份數(shù)310 份。

經(jīng)過(guò)對(duì)調(diào)查結(jié)果進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，老年人群和非老年人群在出行方式、出行次數(shù)及出行距離方面有明顯的差異，見(jiàn)圖3 ～圖5。數(shù)據(jù)結(jié)果顯示：老年人群1 d 出行次數(shù)主要集中在≤2 次或3 ～4 次，出行方式中步行和非機(jī)動(dòng)車(chē)占比高達(dá)80%，而且超過(guò)80%的老年人群?jiǎn)未巫畲蟪鲂芯嚯x≯3 km。而非老年人群的平均出行次數(shù)明顯高于老年人群，出行方式以機(jī)動(dòng)車(chē)為主，最大出行距離也明顯高于老年人群，超過(guò)60%的非老年人群出行距離≥5 km。

圖3 老年人群和非老年人群1 d 出行次數(shù)

圖5 老年人群和非老年人群出行距離

圖4 老年人群和非老年人群出行方式

綜合分析，把出行次數(shù)、出行方式以及出行距離作為主要出行特征來(lái)進(jìn)行老年人群識(shí)別。其中，出行方式的差異可以體現(xiàn)在不同交通方式的出行速度不同，因?yàn)槭謾C(jī)信令數(shù)據(jù)可以通過(guò)出行中的起始時(shí)間和距離估算出出行速度，所以可以根據(jù)劃分速度閾值的方法對(duì)出行方式進(jìn)行判別。

調(diào)查研究發(fā)現(xiàn)［7］：步行出行的平均出行速度范圍：0 ～5 km/h；自行車(chē)出行的平均出行速度范圍：5 ～15 km/h；公交車(chē)出行的平均出行速度范圍：10 ～20 km/h；小汽車(chē)出行的平均出行速度范圍：15 ～40 km/h；地鐵出行的平均出行速度范圍：10 ～30 km/h。結(jié)合以往居民出行調(diào)查的研究經(jīng)驗(yàn)，設(shè)定的出行方式和出行速度的對(duì)應(yīng)關(guān)系見(jiàn)表2。

表2 出行方式和速度對(duì)照

用戶(hù)的出行次數(shù)和每次出行距離可以通過(guò)手機(jī)信令數(shù)據(jù)獲取，相關(guān)研究已經(jīng)比較成熟，具體方法在此處不贅述。

2.3 通話(huà)特征

由于生活習(xí)慣的不同，非老年人群和老年人群可能在通話(huà)特征上存在差異，以問(wèn)卷的形式調(diào)查了居民的通話(huà)特征，包括工作日通話(huà)次數(shù)、周末通話(huà)次數(shù)、通話(huà)高峰時(shí)段等信息。

通過(guò)對(duì)問(wèn)卷結(jié)果的統(tǒng)計(jì)分析發(fā)現(xiàn)，老年人群及非老年人群在工作日通話(huà)次數(shù)、周末通話(huà)次數(shù)、通話(huà)高峰時(shí)段方面存在明顯差異，分析結(jié)果見(jiàn)圖6 ～ 圖8。

圖6 通話(huà)次數(shù)（工作日）

圖7 通話(huà)次數(shù)（周末）

圖8 老年人群和非老年人群通話(huà)高峰時(shí)段

數(shù)據(jù)結(jié)果顯示：大多數(shù)老年人群在工作日通話(huà)次數(shù)≤2 次，最大≤5 次，在周末的通話(huà)次數(shù)也是以≤2 次為主，工作日通話(huà)高峰時(shí)段在07 00—11 00和11 00—15 00 的人數(shù)居多。而非老年人群在工作日和周末的通話(huà)次數(shù)都要明顯高于老年人群，并且非老年人群在周末的通話(huà)次數(shù)要略低于工作日的通話(huà)次數(shù)。在通話(huà)高峰時(shí)段方面，非老年人群主要集中在07 00—11 00 以及15 00—19 00 時(shí)段，并且有些非老年人群的通話(huà)高峰時(shí)段在23 00 以后。把工作日通話(huà)次數(shù)、周末通話(huà)次數(shù)以及通話(huà)高峰時(shí)段作為主要的通話(huà)特征來(lái)進(jìn)行老年人群識(shí)別。

2.4 基于貝葉斯分類(lèi)算法的老年人群識(shí)別

老年人群和非老年人群在出行特征及通話(huà)特征方面存在明顯差異，以出行特征（出行次數(shù)、出行方式、最大出行距離）和通話(huà)特征（工作日通話(huà)次數(shù)、周末通話(huà)次數(shù)、通話(huà)高峰時(shí)段）為分類(lèi)特征，基于樸素貝葉斯分類(lèi)技術(shù)，提出了基于手機(jī)信令數(shù)據(jù)的老年人群識(shí)別方法，具體流程見(jiàn)圖9。

圖9 基于貝葉斯分類(lèi)的老年人群識(shí)別流程

以出行次數(shù)、出行距離、出行方式、周末通話(huà)次數(shù)、工作日通話(huà)次數(shù)、通話(huà)高峰時(shí)段為特征屬性，選取調(diào)查樣本中310 個(gè)用戶(hù)的數(shù)據(jù)，隨機(jī)抽取70%為訓(xùn)練數(shù)據(jù)，其余為測(cè)試樣本，建成了樸素貝葉斯分類(lèi)器，并驗(yàn)證了其分類(lèi)精度。其分類(lèi)精度的混淆矩陣見(jiàn)表3，對(duì)測(cè)試樣本的分類(lèi)準(zhǔn)確性達(dá)到了91%。

表3 分類(lèi)器混淆矩陣分析結(jié)果

基于構(gòu)建的樸素貝葉斯分類(lèi)器，對(duì)北京市六環(huán)區(qū)域內(nèi)，每個(gè)交通小區(qū)的老年人群進(jìn)行了識(shí)別。為驗(yàn)證識(shí)別結(jié)果的可靠性，根據(jù)人口統(tǒng)計(jì)數(shù)據(jù)對(duì)老年人群識(shí)別結(jié)果進(jìn)行了驗(yàn)證。人口統(tǒng)計(jì)數(shù)據(jù)是以街道為單位，每個(gè)街道包含多個(gè)交通小區(qū)，而且可能包含交通小區(qū)的一部分，在進(jìn)行數(shù)據(jù)驗(yàn)證時(shí)，當(dāng)某個(gè)交通小區(qū)的一部分屬于某街道時(shí)，則按照屬于該街道這部分的面積占該交通小區(qū)總面積的比來(lái)計(jì)算落在該街道的人口數(shù)。因此，這種驗(yàn)證方式可能會(huì)存在一定的誤差。結(jié)合人口統(tǒng)計(jì)數(shù)據(jù)，隨機(jī)選取了幾個(gè)典型地點(diǎn)分別進(jìn)行了驗(yàn)證，表4 列出了驗(yàn)證結(jié)果，平均百分誤差大約為31%。雖然平均由誤差左右，但所提出的基于手機(jī)數(shù)據(jù)識(shí)別老年人群的方法，相對(duì)于人口普查具有低成本和動(dòng)態(tài)估算等優(yōu)點(diǎn)，適用于需要頻繁估計(jì)老年人口的場(chǎng)景。

表4 人口數(shù)量識(shí)別驗(yàn)證結(jié)果

3 結(jié)語(yǔ)

基于傳統(tǒng)人口普查數(shù)據(jù)獲取成本高、耗時(shí)長(zhǎng)等不足，提出了一種可以通過(guò)挖掘手機(jī)信令數(shù)據(jù)中用戶(hù)出行和通話(huà)信息，進(jìn)行老年人群識(shí)別的方法，并通過(guò)實(shí)際統(tǒng)計(jì)數(shù)據(jù)驗(yàn)證了該方法的有效性。驗(yàn)證結(jié)果顯示，該方法在老年人群識(shí)別方面的準(zhǔn)確率在69%左右，盡管該識(shí)別方法存在一定誤差，但是可以作為傳統(tǒng)人口調(diào)查的補(bǔ)充，在城市精細(xì)化管理及提高老年人群服務(wù)水平等方面具有重要意義。