CN105142106B - 基于手机信令数据的出行者职住地识别与出行链刻画方法 - Google Patents

Abstract

本发明公开了一种基于手机信令数据的出行者职住地识别与出行链刻画方法，属于交通规划数据分析领域，将移动网络运营商提供的通信网络记录触发信息数据库，经过运营商数据清洗、集成与位置转换算法计算后，转换为本发明参考的数据集，针对每个用户，将数据集转化为移动时空轨迹，在其中识别出停留点、高频点、长时点，并在此基础上，识别出职住地、活动目的地点、无意义停留点，最后结合移动时空轨迹，刻画出用户的一条闭合的出行链。本发明的有益效果如下：1.有利于降低居民出行调查成本，获取精度更高的不同身份人群出行特征，使得交通需求预测更为准确；2.有利于提升城市交通规划中运输通道、公交线网、交通设施等规划布局建设的科学性。

Description

基于手机信令数据的出行者职住地识别与出行链刻画方法

技术领域

本发明属于交通规划数据分析领域，具体涉及一种基于手机信令数据的出行者职住地识别与出行链刻画方法。

背景技术

出行者的职住地与出行链是获取交通出行数据如OD(“O”来源于英文ORIGIN，指出行的出发地点，“D”来源于英文DESTINATION，指出行的目的地)、居民出行特征、出行者出行行为特征等的重要数据基础。根据美国交通工程师协会(ITE)和中国城市规划学会城市交通规划学术委员会、中国公路学会等机构长期推荐和认定，获取交通出行数据的方法是填表调查，主要有入户调查、电话调查、路边或公共场所询问等方法。这些方法不仅需投入大量的人力、物力，而且抽样率较低，调查时间短，数据精度不足。鉴于手机普及率不断增加，手机信令数据易实时获取、成本低、覆盖面广、采样周期灵活等特点，可作为刻画出行者出行链、识别出行者职住地的新的数据源。但技术方法设计不合理可能带来判别误差大及数据灾难。本发明正是基于手机信令数据开发的一种适应大数据处理的出行者出行链刻画与职住地识别的技术方法。

与本发明相关的现有技术一

现有技术一的技术方案

发明专利：手机通话数据中用户通勤OD的挖掘方法

技术方案：将手机通话数据处理为包含手机号、通话基站位置和开始通话时间的数据格式；统计设定时段内每个手机号在不同通话基站位置的通话次数；合并覆盖范围内重叠的临近通话基站为一个基站区，统计每个手机号在基站区的通话次数；根据每个手机号的在基站区的通话次数确定所述手机号的用户的居住地和工作地，通话次数高的基站区为用户的居住地或工作地。

现有技术一的缺点

数据源上，依靠话单数据(CDR)及CELL-ID(基于GSM的定位方式)方法进行用户位置判定，精度不佳，且位置数据的时间上的离散性大；

判别方法上，仅考虑了用户长时间停留在某一蜂窝内的情况，未基于停留时间、出现频率综合判定用户的停留位置，因此对用户停留位置的判定准确性不足。

与本发明相关的现有技术二

现有技术二的技术方案

发明专利：基于手机定位数据的居民出行特征参数的获取方法

技术方案：收集手机定位数据并过滤，然后匹配到交通小区，将一日内的匹配后手机定位数据按时间排序，并将同一交通小区内连续的数据合并为一条，得到手机定位预处理数据；根据合并的条数及影响时长判断驻留点；还原两驻留点之间的出行路径，得到出行距离、出行速度；从而获得所有用户的出行记录表；基于匹配后的手机定位数据，统计得到居住地和工作地表；将出行记录表和居住地与工作地结果表联合分析，得到用户出行特征参数。

现有技术二的缺点

判别方法上，使用最短路匹配的方法推断用户在小区间的出行链，缺乏数据支撑，无法体现实际出行，准确性较差；同时，在驻留点的判断上，将所有停留时间大于阈值的点均作为研究对象，未剔除无意义的停留，导致未能去除对于交通规划无意义的出行，导致对于出行特征参数的计算失真。

技术目标上，基于匹配后的路径，计算距离、速度等出行特征参数，与实际存在误差，且将特征参数过早考虑，增加了数据处理内容和数据量，降低了判断的准确性。

与本发明相关的现有技术三

现有技术三的技术方案

发明专利：基于稀疏采样的手机定位数据的人员常驻地点识别方法

技术方案：将目标城市网格化，建立手机定位数据与网格的映射关系，统计用户的出现概率及出现频率，对每个手机用户出现频率与出现概率分别进行时空聚类，以合并在时间和空间出现特点相似的网络，并进行每个手机用户的常驻地点识别。

现有技术三的缺点

1、数据源上，采用稀疏采样的数据作为识别依据，没有利用手机实时数据反映出行者完整的出行信息并进行挖掘；

2、判别方法上，仅从出现频率和概率上考虑，未考虑用户的停留时长，未能有效地反应常驻点“驻留”的时间特征。

发明内容

本发明针对现有技术数据源获取不够精确及判别方法未能反映足够多的信息而提出了一种基于手机信令数据的出行者职住地识别与出行链刻画方法。

为解决以上问题，本发明的技术方法是提供一种基于手机信令数据的出行者职住地识别与出行链刻画方法，包括以下步骤：

步骤1：将网络运营商提供的通信网络记录触发信息数据库，通过数据加密、集成与转换，转换为数据集；针对每个用户，完成数据集的清洗，即逐一将每一日内的数据提取后排序，并消除“漂移”及“乒乓切换”；

步骤2：根据交通小区划分的基本原则，将研究区域划分为2个及以上的交通小区，并与城市功能区及移动蜂窝位置相匹配；

步骤3：针对每个用户，根据时间戳，逐一将每一日内的数据转化为当日的移动时空轨迹，根据距离范围阈值Th_ran以及停留时间阈值Th_t识别每个用户每日的停留点；

步骤4：针对每个用户，根据一日内累计频率阈值Th_{pfre_o}及大于等于两日累计频率阈值Th_{pfre_N}，针对一日及大于等于两日，识别一日内高频点及大于等于两日内高频点；根据一日内累计时间阈值Th_{tacc_o}及大于等于两日累计时间阈值Th_{tacc_N}，识别一日内长时点及大于等于两日内长时点；

步骤5：根据每个用户的高频、长时点识别结果，考虑高频点、长时点的不同组合，建立职住地、活动目的地、无意义停留点的识别准则，识别出用户的职住地、活动目的地点及无意义停留点；

步骤6：根据每个用户目的点的识别结果，结合该用户每日的移动时空轨迹，刻画其一日及大于等于两日内完整的出行链。

作为优选：

结合职住地、活动目的地点、无意义通停留点的识别结果，结合第n个用户第m天移动时空轨迹，可得到该用户当天的出行链如下所示：

其中，tb_q代表用户在该点开始停留的时间，to_q代表用户在该点停止停留的时间，tk_q表示该点的性质，1为居住地，2为工作地，3为活动目的地，4为无意义停留点，5为通过点，当为通过点时，to与tb相等，Δt_q-1→q代表用户在从第q-1个移动到第q个点花费的时间，当第q-1个点和第q个点均为通过点时，Δt_q-1→q为0；

则针对第n个用户第m天出行链，若存在一条子链tk_p及tk_q均不为4或5，则可认为该条子链代表了出行者的一次出行行为，全天中所有子链的集合，即刻画了第n个用户第m天的所有出行。

综上所述本发明可以为基于手机信令数据的居民出行信息获取工作增加一个维度，并且可以实现以下效果：

1.有利于降低居民出行调查成本，获取精度更高的不同身份人群出行特征，使得交通需求预测更为准确；

2.有利于提升城市交通规划中运输通道、公交线网、交通设施等规划布局建设的科学性；

3.有利于在城市规划中，为职住地平衡、公共设施选址、各类网点规划等提供科学依据。

附图说明

图1为本发明的总流程示意图；

图2为本实施例刻画的出行链示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明做进一步详细说明。

本发明利用移动网络运营商提供的、符合国家法律关于个人隐私的手机信令数据，该数据具有获取方式简单、获取成本低、样本周期灵活、数量大等特点；能够有效刻画出行者的出行链；能够更为准确地识别出行者的职住地；能够作为交通出行OD的表的编制、出行者职业身份识别等工作的基础。

本发明中的手机信令数据是指，在手机通信过程之中，当发生打接电话、发短信、开关机、跨LAC区域、按一定间隔刷新时，由手机运营商记录的手机话单数据(CDR)及手机话务数据(TDR)。

实施例：

步骤1：数据的收集与预处理

步骤1.1数据的收集

本发明采用基于CDR\TDR数据的手机信令数据，经过运营商数据清洗、集成与位置转换算法计算后，转换为本发明参考的数据集，数据集字段包括移动用户编码、时间戳、用户位置经度、用户位置纬度、用户年龄、用户性别、SIM归属地，时间戳的格式为yyyymmddhhmmss。

步骤1.2数据的提取与排序

本发明认为一部手机对应一个用户及一个移动用户编码，根据移动用户编码及时间戳，提取同一用户每一天的所有数据，并按时间戳顺序升序排列。以实例的形式来辅助说明，用户A000001的2015年5月20日的数据(部分)如表1所示。

表1

移动用户编码	时间戳	纬度	经度	年龄	性别	SIM归属地
							A000001	20150520010456	30.0993	120.4826	25	男	绍兴
A000001	20150520010052	30.0995	120.4840	25	男	绍兴
							A000001	20150520012314	30.0991	120.4808	25	男	绍兴
A000001	20150520011911	30.1013	120.4838	25	男	绍兴
							A000001	20150520013931	30.0997	120.4824	25	男	绍兴

步骤1.3漂移的去除

从每个用户每日数据的第2行开始，逐一计算每条时间戳对应位置的与上点时间差(time_div)及进入瞬时速度(in_speed)，与上点时间差为本条数据时间戳与上一条数据时间戳之差，进入瞬时速度为本条数据对应经纬度坐标与上条数据对应经纬度坐标之间的距离，和与上点时间差的商，置第1行数据的上点时间差及进入瞬时速度均为0。遍历每个用户每日数据的每一行，清除与上点时间差小于与上点时间差阈值(TH_{diff_time}，可取10～60s，视数据采样间隔调整)，且进入瞬时速度大于进入瞬时速度阈值(TH_{in_speed}，可取50～80km/h，视区域移动蜂窝密度上下浮动)的行。以实例的形式来辅助说明，用户A000001的2015年5月20日的数据(部分，隐去了年龄、性别和SIM卡归属地，表中单位省略)的漂移去除结果，TH_{diff_time}取60s，TH_{in_speed}取km/h，如表2所示。

表2

步骤1.4乒乓切换的去除

从每个用户每日数据的第2行开始，直到每个用户每日数据的倒数第2行为止，计当前数据为第p行，计第p-1行对应位置与第p行对应位置间的距离为AB、第p行对应位置与第p+1行对应位置间的距离为BC、第p-1行对应位置与第p+1行对应位置间的距离为AC，及AC小于兵乓判定阈值A(TH_{pp_A}，可取100～200m,视研究区域移动蜂窝密度上下浮动)，且(AB+BC)/AC的值大于兵乓判定阈值B(TH_{pp_B}，可取1.5～2.0)，则删除第m行的数据。以实例的形式来辅助说明，用户A000001的2015年5月20日的数据(部分)的乒乓切换去除结果，TH_{pp_A}取200m，TH_{pp_B}取2.0，如表3所示。

表3

步骤2：交通小区划分与城市功能区及移动蜂窝匹配

步骤2.1交通小区划分

根据交通小区划分的基本原则，将研究区域划分为若干个交通小区；

步骤2.2交通小区与城市功能区及移动蜂窝匹配

基于交通小区划分结果，在ArcGIS中，构建交通小区图层；基于研究区域内基站的经纬度坐标，使用Voronoi图划分基站的服务区，构建移动蜂窝图层；基于表2中城市用地与对应功能分区的划分准则，构建城市功能分区图层。将以上3个图层导入到同一个ArcGIS数据库中，作为研究的基础数据库。

步骤3：移动时空轨迹的刻画与停留点的识别

定义1.停留点

在数据集包含的某个考察日内，在停留时间阈值Th_dur内，空间位置不变，或变化在距离范围阈值Th_ran内的点，即为停留点(Stay Point，简记为PS)。

步骤3.1移动时空轨迹的表达

针对第n个用户第m天经过预处理后的数据，将其中时间戳为p的一条数据表达为(t_p,x_p,y_p,s_p)，其中，t_p为时间戳，x_p为经度，y_p为纬度，s_p为当前状态，若与前一条数据的经纬度一致或在识别误差阈值内(TH_err)，则置1，即停留状态，反之置为0，即移动状态，s₁置为1。可将该用户当天的全部数据转换为一条的移动时空轨迹，表达为：

步骤3.2移动时空轨迹的合并

针对第n个用户第m天移动时空轨迹，从第2行起，至最后一行止，若s_k及s_k-1均为1，则置停留中止时间to_k-1为t_k，并删除第k行，反之置停留起始时间tb_k及停留中止时间to_k均为t_k，最后得合并后的移动出行轨迹：

步骤3.3停留点初选

确定Th_dur及Th_ran，Th_dur可取15～30mins，Th_ran的值视手机移动数据样本地蜂窝网络密度而定，可去50～100m；按照停留点定义，对所有用户每一天的移动出行轨迹，针对每一条记录，及to_k与tb_k的差为td_k，即停留持续时间，若td_k>Th_dur，则认为第k条记录构成一个停留点，记tb_k与to_k的中间时刻为停留中时tm_k及停留位置d^PS(x^PS,y^PS)，形成第n个出行者m天停留点集合依次求取所有用户每一天的停留点集合。

步骤3.4停留点合并

确定停留间隔时间阈值Th_diff，可取1～3mins,具体视数据采样间隔调整。对于每一个用户的每一个停留点，暂记PS₁，对应to₁与tb₁，若其停留位置周围Th_ran内，存在其他停留点，暂记为PS₂，对应to₂与tb₂，若满足to₂与tb₁的时间差<Th_diff，则合并PS₁及PS₂，合并的tb取tb₁，to to₂取，停留持续时间及停留中时也做出相应修改，d^ps取各需要合并的PS的d^ps的重心，对应更新PS_n ^m，以用户A000001的2015年5月20日的数据的停留点(部分)判定结果为例，Th_diff取1mins，Th_ran取200m，Th_dur取15mins，如表4所示。

表4

步骤4：高频点、长时点的识别

定义2.一日内高频点

在数据集包含的某个考察日内，单日出现次数为d_{fre_o}大于等于一日内累计频率阈值Th_{pfre_o}的点，称为一日内高频点(High Frequency Point in One Day，简记为PHO)。

定义3.多日内高频点

在数据集包含的考察天数D内，能作为一日内高频点的天数为d_{fre_N}，多日累计出现频率p_{fre_N}(d_{fre_N}/D)大于多日累计频率阈值Th_{pfre_N}的点，称为多日内高频点(HighFrequency Point in N Days，简记为PHN)。

定义4.一日内长时点

在数据集包含的某个考察日内，单日累计停留时间t_{acc_o}大于等于一日内累计时间阈值Th_{tacc_o}的点，称为一日内长时点(Long Duration Point in One Day，简记为PLO)。

定义5.多日内长时点

在数据集包含的考察天数D内，多日累计停留时间t_{acc_N}(各日t_{acc_o}之和)大于多日累计时间阈值Th_{tacc_N}，且多日累计出现频率p_{fre_N}大于多日累计频率阈值Th_{pfre_N}的点，称为多日长时点(Long Duration Point in N Days，简记为PLN)。

步骤4.1单日数据的求取

针对第n个用户，根据其第m天停留点集合对于之中的每一个停留点，置为当前停留点，在中，寻找所有经纬度与之一致、或两点间距离在识别误差阈值内(TH_err，可取30～50m，具体视研究区域移动蜂窝密度上下浮动)的停留点；若存在这样的停留点，将其纳入备选位置集合，将备选位置集合中点的数量加1记为当前停留点的单日出现次数d_{fre_o}，并将备选位置集合中所有停留点的停留时间总和，加上当前停留点的停留时间，记为当前停留点的单日累计停留时间t_{acc_o}，在中删除当前停留点及备选位置中的所有停留点，将备选集合置空，将当前停留点置于中；若不存在这样的停留点，则直接在中删除当前停留点，并将当前停留点置于中，直到为空为止。对于每个用户，均完成以上操作。

步骤4.2多日数据的求取

在考察期D天内，对于第n个用户，将其所有合并为一个集合对于内的每一个停留点，置为当前停留点，在内寻找所有经纬度与之一致、或两点间距离在识别误差阈值内(TH_err)的停留点，若存在这样的停留点，将其纳入备选位置集合，找出备选位置集合中，停留时间对应的日期与当前停留点并非同一日的停留点，则其数量加1，记为当前停留点的多日出现天数d_{fre_N}，并计算多日累计出现频率p_{fre_N}(d_{fre_N}/D)，并加总备选集合内所有停留点，以及当前停留点的单日累计停留时间，得到当前停留点的多日停留时间t_{acc_N}，在中删除当前停留点以及备选集合内所有的停留点，备选集合置空；若不存在这样的停留点，则直接在中删除当前停留点，直到为空位置，对于每个用户，均完成以上操作。

步骤4.3高频点的判断

根据单日及多日数据求取的结果，结合高频点的基本定义，针对每一个用户，识别出其所有一日内高频点及多日内高频点。以用户A000001的2015年5月19～21日的高频点判定结果为例，Th_{tacc_o}取3，Th_{pfre_o}取2，如表5所示，第4、5、6列中数字部分为当日d_{fre_o}括号内为当日高频点判断结论。

表5

步骤4.4长时点的判断

根据单日及多日数据求取的结果，结合长时点的基本定义，针对每一个用户，识别出其所有一日内长时点及多日内长时点。以用户A000001的2015年5月19～21日的长时点判定结果为例，Th_{tacc_o}取30mins，Th_{tacc_N}取90mins，如表6所示，第4、5、6列中数字部分为当日t_{acc_o}括号内为当日长时点判断结论。

表6

步骤5：职住地、活动目的地点、无意义停留点的识别

步骤5.1职住地的识别

针对所有用户，在考察期D天内，遍历其移动时空轨迹中所有当前状态为1的点，按表7的原则识别出工作地及居住地，其中，工作时段一般可为7:00至17:00，居住时段为一天内其他时段，工作时段和居住时段可根据用户所在城市的交通量时变特征做出对应的更改。

表7

步骤5.2活动目的地点的识别

针对所有用户，在考察期D天内，遍历其移动时空轨迹中所有当前状态为1的点，且不为居住地、工作地，按表8的原则识别出一般出行目的地点。

表8

步骤5.3无意义停留点的识别

针对所有用户，在考察期D天内，遍历其移动时空轨迹中所有当前状态为1的点，且不为居住地、工作地、活动目的点的停留点，识别为无意义停留点。

以用户A000001的2015年5月19～21日的判定结果为例，如表9所示，第4、5、6列中数字部分为当日t_{acc_o}括号内为当日长时点判断结论。

表9

步骤6：出行链的刻画

由此结合职住地、活动目的地点、无意义通停留点的识别结果，结合第n个用户第m天移动时空轨迹，可得到该用户当天的出行链如下所示：

其中，tb_q代表用户在该点开始停留的时间，to_q代表用户在该点停止停留的时间，tk_q表示该点的性质，1为居住地，2为工作地，3为活动目的地，4为无意义停留点，5为通过点，当为通过点时，to与tb相等，Δt_q-1→q代表用户在从第q-1个移动到第q个点花费的时间，当第q-1个点和第q个点均为通过点时，Δt_q-1→q为0。

则针对第n个用户第m天出行链，若存在一条子链tk_p及tk_q均不为4或5，则可认为该条子链代表了出行者的一次出行行为，全天中所有子链的集合，即刻画了第n个用户第m天的所有出行。

以用户A000001的2015年5月20日的出行链为例，以经度为x轴，纬度为y轴，时间为z轴，刻画其出行链，如图2所示。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (1)

1.一种基于手机信令数据的出行者职住地识别与出行链刻画方法，其特征在于，包括以下步骤：

步骤1：将网络运营商提供的通信网络记录触发信息数据库，通过数据加密、集成与转换，转换为数据集；针对每个用户，完成数据集的清洗，即逐一将每一日内的数据提取后排序，并消除“漂移”及“乒乓切换”；

步骤2：根据交通小区划分的基本原则，将研究区域划分为2个及以上的交通小区，并与城市功能区及移动蜂窝位置相匹配；

步骤3：针对每个用户，根据时间戳，逐一将每一日内的数据转化为当日的移动时空轨迹，根据距离范围阈值Th_ran以及停留时间阈值Th_t识别每个用户每日的停留点；

步骤4：针对每个用户，根据一日内累计频率阈值Th_{pfre_o}及大于等于两日累计频率阈值Th_{pfre_N}，针对一日及大于等于两日，识别一日内高频点及大于等于两日内高频点；根据一日内累计时间阈值Th_{tacc_o}及大于等于两日累计时间阈值Th_{tacc_N}，识别一日内长时点及大于等于两日内长时点；

步骤5：根据每个用户的高频、长时点识别结果，考虑高频点、长时点的不同组合，建立职住地、活动目的地、无意义停留点的识别准则，识别出用户的职住地、活动目的地点及无意义停留点；

步骤6：根据每个用户目的点的识别结果，结合该用户每日的移动时空轨迹，刻画其一日及大于等于两日内完整的出行链；

步骤6的具体方法为：

结合职住地、活动目的地点、无意义停留点的识别结果，结合第n个用户第m天移动时空轨迹，可得到该用户当天的出行链如下所示：

其中，(x_q,y_q)代表用户出行链中的任意一个点,tb_q代表用户在该点(x_q,y_q)开始停留的时间，to_q代表用户在该点(x_q,y_q)停止停留的时间，tk_q表示该点(x_q,y_q)的性质，1为居住地，2为工作地，3为活动目的地，4为无意义停留点，5为通过点，当为通过点时，to与tb相等，Δt_q-1→q代表用户在从第q-1个移动到第q个点花费的时间，当第q-1个点和第q个点均为通过点时，Δt_q-1→q为0；

则针对第n个用户第m天出行链，若存在一条子链tk_p及tk_q均不为4或5，则可认为该条子链代表了出行者的一次出行行为，全天中所有子链的集合，即刻画了第n个用户第m天的所有出行。