一種基於手機信令數據的居民出行OD獲取方法與流程
2023-07-22 10:45:26 6
本發明涉及一種基於手機信令數據的居民出行od(交通起、終點，下同)獲取方法，用於城市居民出行研究，屬於交通大數據的分析應用技術領域。
背景技術：
交通需求分析和交通規劃制定需要獲取大範圍準確、可靠的居民出行od數據作為基礎信息。目前在交通調查中，居民出行od的獲取方法主要分為兩類：第一，傳統的居民出行調查往往採用路邊問卷、家庭訪查等方式，存在抽樣率低、調查成本高、數據處理周期長等問題。第二，採用感應線圈、微波檢測、視頻圖像識別等定點信息採集技術，以及gps浮動車、電子標籤等浮動信息採集技術，根據檢測到的車流信息反推居民出行od信息，準確度較差，且由於其分配算法的複雜性，難以用於較大空間範圍。因此，交通研究者與交通從業人員一直都在找尋更經濟、效率更高、精度更高的居民出行od獲取技術。
隨著移動終端的迅速普及，出行群體中手機持有率和使用率已經達到相當高的比例。手機信令數據是在手機發生信令事件時記錄在移動業務交換中心(msc)的數據欄位。信令數據在手機發生位置區更新時產生，未發生位置區更新則周期性記錄，此外在開關機和發生話單業務時也會記錄。記錄的數據欄位包含用戶的匿名id、時間戳、位置區編號、蜂窩小區編號以及事件類型等信息。手機信令數據所包含的時間和位置信息記錄了用戶的活動軌跡，這使得手機成為一種較為理想的交通探測器。
技術實現要素：
本發明的目的在於提供一種基於手機信令數據的居民出行od獲取方法。該方法的核心思想是通過分析用戶手機信令數據中的時空位置信息，識別出用戶的移動和停留行為，從而確定出行端點。
本發明解決技術問題所採取的技術方案具體是：
c1、根據交通調查要求進行手機信令數據的採集，並篩選處理成格式化數據，每條數據包含經過脫敏處理的手機唯一識別號、時間戳、基站小區編號和經緯度坐標。
c2、對用戶全天的手機信令數據按時間排序得到非連續的位置點序列，設定用戶行為規則，判定位置點的運動狀態，從而確定出行端點。
c3、利用gis處理建立交通分區與基站小區的對應關係，按照交通分區對所有用戶的出行端點統計匯總，並根據需要對結果進行適當擴樣。
步驟c1的過程包括：
c11、從運營商的移動業務交換中心抽取並保存所調查範圍內的手機信令數據。
c12、對採集的手機信令數據逐條篩選，對時間錯誤、經緯度異常的數據進行剔除，並匹配經緯度坐標，並按格式整理。
步驟c2的過程包括：
c21、追蹤用戶全天的手機信令數據，提取出信令數據產生時的時空位置點序列。
c22、結合歷史運動狀態判定時刻t用戶的運動狀態，分以下兩種情況：
(1)如果t-1時刻處於停留狀態：
t-1時刻及之前連續時間段內為停留狀態的n個點的平均位置記作pn，計算pn的坐標
計算t時刻點pt與點pn之間的距離d1：
若d1小於給定的臨界值，則判定t時刻為停留點，並與t-1時刻在同一位置；若d1大於等於臨界值，則t時刻可能處於移動狀態，這時要考慮t+1時刻的狀態。
(2)如果t-1時刻處於移動狀態：
計算t時刻和t-1時刻的兩點間的距離d2：
若d2小於臨界值，則判定t和t-1時刻為停留點，並且停留在一個新的位置；若d2大於等於臨界值，則判定t-1時刻為移動點，t時刻可能處於移動狀態。
c23、計算在某一停留位置的所有停留點的平均位置為o點，下一停留位置的所有停留點的平均位置為d點，從而確定一次出行的起訖點；
步驟c3的過程包括：
c31、結合交通小區劃分地圖，通過gis匹配居民出行od所分別對應的交通小區，按格式進行整理成如下格式：
c32、根據需要對各小區間出行od矩陣按比例擴樣得到總od；
其中：od為常住人口od分布；od為利用移動手機用戶數據得出的od分布；a為手機用戶的人均擁有量；p為手機滲透率；m為運營商的市場佔有率；d為運營商用戶手機被檢測到概率。
本發明的有益效果：本發明提出了一種基於手機信令數據的居民出行od獲取方法。相比傳統的居民出行od獲取方法，本發明具有調查樣本大、實施成本低、可長期連續監測等優勢，可為交通需求分析和交通規劃制定中獲取大範圍準確、可靠的居民出行od數據提供技術支持。
附圖說明
圖1獲取過程流程圖；
圖2出行端點判定示意圖。
具體實施方式
本發明提出的一種基於手機信令數據的居民出行od獲取方法包括：根據調查要求採集和預處理手機信令數據；位置點運動狀態判定；分區統計和結果擴樣。
本發明的基本步驟如下：
c1、根據交通調查要求進行手機信令數據的採集，並篩選處理成格式化數據，每條數據包含經過脫敏處理的手機唯一識別號、時間戳、基站小區編號、經緯度坐標等。
c2、對用戶全天的手機信令數據按時間排序得到非連續的位置點序列，設定用戶行為規則，判定位置點的運動狀態，從而確定出行端點。
c3、利用gis處理建立交通分區與基站小區的對應關係，按照交通分區對所有用戶的出行端點統計匯總，並根據需要對結果進行適當擴樣。
步驟c1的過程包括：
c11、從運營商的移動業務交換中心抽取並保存所調查範圍內的手機信令數據。
c12、對採集的手機信令數據逐條篩選，對時間錯誤、經緯度異常的數據進行剔除，並匹配經緯度坐標，整理成如下格式。
步驟c2的過程包括：
c21、追蹤用戶全天的手機信令數據，提取出信令數據產生時的時空位置點序列。
c22、結合歷史運動狀態判定時刻t用戶的運動狀態，分以下兩種情況：
(1)如果t-1時刻處於停留狀態：
t-1時刻及之前連續時間段內為停留狀態的n個點的平均位置記作pn，計算pn的坐標
計算t時刻點pt與點pn之間的距離d1：
若d1小於給定的臨界值，則判定t時刻為停留點，並與t-1時刻在同一位置；若d1大於等於臨界值，則t時刻可能處於移動狀態，這時要考慮t+1時刻的狀態。
(2)如果t-1時刻處於移動狀態：
計算t時刻和t-1時刻的兩點間的距離d2：
若d2小於臨界值，則判定t和t-1時刻為停留點，並且停留在一個新的位置；若d2大於等於臨界值，則判定t-1時刻為移動點，t時刻可能處於移動狀態。
c23、計算在某一停留位置的所有停留點的平均位置為o點(起點，下同)，下一停留位置的所有停留點的平均位置為d點(終點，下同)，從而確定一次出行的起訖點。
步驟c3的過程包括：
c31、結合交通小區劃分地圖，通過gis匹配居民出行od所分別對應的交通小區，整理成如下格式：
c32、根據需要對各小區間出行od矩陣按比例擴樣得到總od。
其中：od為常住人口od分布；od為利用移動手機用戶數據得出的od分布；a為手機用戶的人均擁有量，單位：部/人；p為手機滲透率；m為運營商的市場佔有率；d為運營商用戶手機被檢測到概率。
實施例：以某城市為例，應用本方法獲取某日居民出行od。
步驟c1：
(1)從運營商處的移動業務交換中心抽取並保存該城市所調查範圍內3時至次日3時的手機信令數據；
(2)對採集的手機信令數據逐條篩選，對時間錯誤、經緯度異常、不能有效追蹤imsi號的數據進行剔除，並整理成如下格式：
步驟c2：
(1)以某imsi編號的手機信令數據為例，提取出信令數據產生時的時空位置點序列；
(2)以第一個位置點為停留點，計算第二個位置點與之前3個停留點(可少於)平均位置之間的距離d＝0，小於臨界值，亦為停留點；
計算第三個位置點與之前3個停留點(可少於)平均位置之間的距離d＝0，小於臨界值，仍為停留點；
直至第10個位置點與之前3個停留點平均位置之間的距離d＝279m大於臨界值200m，可能處於移動狀態。
第11個位置點與之前一個可能移動點之間的距離d＝230m大於臨界值200m，則此點可能處於移動狀態，且第10個位置點為移動點。
直至第13個位置點與前一個可能移動點之間的距離d＝124m小於臨界值200m，則此兩點均為停留點，且停留在一個新的位置。
如此依次判別該imsi編號所有位置點的運動狀態；
(3)計算各停留位置的所有停留點的平均位置為出行端點，連續兩個出行端點構成一個od對。
步驟c3：
(1)結合交通小區劃分地圖，通過gis匹配居民出行od所分別對應的交通小區。
(2)根據需要可統計各個小區間出行od總量，並按抽樣比擴樣得到總出行量。