基于手機信令數據的文明吸煙智慧選址研究

曾文清

摘 要：為規劃文明吸引環境建設，抽取手機信令數據進行消費者軌跡分析，構建城市文明吸煙智慧選址評價指標體系，從吸煙點覆蓋半徑、服務時長和服務人數三個維度對文明吸煙場所的服務狀況進行測度。采用泰森多邊形離散點包絡最優求解算法，通過編程計算，遴選吸煙點。以湖北省十堰市為研究對象，將遴選出的吸煙點與實際吸煙狀況進行比對，基本吻合，能夠較好的滿足文明吸煙選址需求。

關鍵詞：手機軌跡數據；文明吸煙；智慧選址

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.16723198.2019.32.106

1 引言

文明吸煙環境建設，是行業參與美麗中國建設的重要途徑，也是行業深入落實十九大“構建政府為主導、企業為主體、社會組織和公眾共同參加的環境治理體系”要求的具體措施。然而，隨手彈煙灰、丟煙頭、街頭流動吸煙等不文明吸煙現象由來已久，習以為常，極大地影響了文明環境的建設，有損行業形象。因此，通過文明吸煙環境建設，倡導文明吸煙行為，引導煙民到指定場所吸煙，有助于減少非煙民“被動吸煙”，營造煙民與非煙民相互尊重、和諧共處的社會環境。

大數據時代的海量全樣本數據，給城市規劃以及城市問題研究帶來了深刻變革。手機信令數據、GPS數據等大數據包含了豐富的個體時空信息，為分析城市居民的活動特征和空間結構提供了傳統靜態數據無法比擬的便利，因此，這些大數據也逐漸被應用到智慧城市的建設之中。本研究嘗試建立一個基于手機信令數據的城市文明吸煙智慧選址評價指標體系，從吸煙點覆蓋半徑、服務時長和服務人數三個維度進行測度，通過智能技術遴選吸煙場所，布局全市吸煙點建設方案，貫徹落實國家局“創建文明吸煙環境助力美麗中國建設”倡議，為地方創建文明城市做出貢獻。

2 文獻綜述

手機信令數據指手機在進行語音通訊、短信息等業務中，向移動通信網絡發送的控制信息，它能即時反映手機用戶的位置信息。目前，手機信令數據的應用較為廣泛。薄秀麗（2017）將手機信令數據應用于智慧高速公路系統，有效提升了高速公路管理水平。周永杰（2018）提取了廣東移動手機信令數據，分析了珠三角的城市群空間特征，發現了城市群的“雙中心、兩圈層、三梯隊”空間發展格局，并提出了相應的城市群規劃建議。方家等（2019）利用手機信令大樣本數據抽取了上海大型公園游客出行等數據信息，通過對不同類型公園的研究結果表明，交通、特色活動以及人口密度等是造成公園類型差異的主要原因。周南等（2018），頡帶黎（2019）將手機信令數據用于預測城市道路交通量，不僅降低了交通量預測的難度，同時也使預測結果更為準確可靠。于泉，孫瑤（2019）利用手機信令數據研究高速公路服務區客流特征。陸振波等（2019）以昆山市為研究對象，運用手機信令數據分析了該市的職住空間分布和通勤交通，為解決城市交通問題提供了數據支撐。鄒偉（2019）通過對張江科學城及周邊區域的手機信令數據分析發現，該區域的職住問題比較突出，需要通過增加多樣化居住設施以緩解區域規劃問題。

通過文獻梳理不難發現，手機信令數據的應用主要集中于職住空間分布、交通預測、人口出行等方面，能有效解決當前城市規劃不科學、交通擁堵及出行難等問題，但尚未有文獻將手機信令數據用于消費行為特征的研究，因此，本文研究城市文明吸煙場所的選址，有助于彌補這一研究空白，有助于解決控煙環境下煙民室外吸煙不方便的問題。

3 基于手機信令數據的文明吸煙選址

移動互聯網的發展，帶動了智能手機的普及，也為手機信令數據的獲取提供了技術基礎。本研究所使用的手機信令數據由中國聯合網絡通信集團有限公司智慧出行數據公司提供，包含了2019年春運1月21日至3月1日期間的十堰市轄區內所有手機的活動記錄，共計539850條。中國聯通在十堰市的市場占有率達到30%，這些數據包含了外省移動數據，比移動分省而治的數據更具有代表性。數據的具體參數包括年齡、性別、注冊地址（基站）、移動軌跡（經度、緯度、持續時間）如表1。

3.1 選址原則

研究以湖北省十堰市為對象，旨在“政府主導、多方協同、煙草主推”的工作環境下，推廣《文明吸煙公約》，營造良好的輿論環境，打造形式多樣、層次分明的公共吸煙場所，創造文明吸煙、體面吸煙的社會環境。因此，文明吸煙場所的選址綜合考慮區域規劃現狀及吸煙人群的構成比例、集中度和分布情況，在交通樞紐區、辦公場所、消費場所和人員聚集等地進行布局。

其次，根據不同區域的功能特點，進行吸煙場所規模設置和服務對象界定。在人員流動較為頻繁的交通樞紐以及有影響力的商務樓宇、大型商業綜合體等公共場所，建立面積20-60m2，可容納15-40人的室內環保吸煙室和規模10-15m2的室外吸煙亭，主要用于服務場所的工作人員、旅客和途經者；在重點景區游客中轉地和直營終端等地的進出口及周邊建立占地面積4-8的露天吸煙點，用于服務旅客、消費者和途經者；在經營商圈和現代終端店內，依托工商零三方打造面積6以上的吸煙體驗區，服務于附近居民和消費者。

3.2 吸煙人群識別

利用Arc-GIS軟件將運營商提供的區域手機軌跡標注在電子地圖上，借助泰森多邊形算法繪出數據的覆蓋區域，并將其與觀察到的吸煙場所進行比較，結合卷煙消費者行為模式建立吸煙室消費者識別模型，對所有包含目標基站的手機信令數據進行篩選并將其分為三類群體：第一類為附近居民，此類人群的行為模式規律性較強，其手機信令在相對較長的時間內連接某一點的基站；第二類為游客（旅客），主要指手機信令連接到目標基站無逗留時間的人；第三類人群是煙民，主要指手機連接到目標基站零售終端且有逗留的人。

以十堰市城區為例，提取注冊信息為男性的手機軌跡數據，居民軌跡用黑色點標出；游客（旅客）軌跡用紅色標出。

3.3 文明吸煙場所服務評價指標

研究從三個維度分析文明吸煙場所的服務狀況，即服務人數、服務時長和服務半徑。服務人數指一定時間內文明吸煙場所服務的總人數和分時段人數，其中服務總人數可用于評價場所的整體服務能力，而分時段人數則可反映吸煙場所服務的高峰期。服務時長指吸煙人員在吸煙場所內的停留時間，反映場所環境設施對用戶的吸引力。服務半徑指吸煙消費者在城市分布的空間范圍，反映吸煙場所的服務輻射能力。

通過統計文明吸煙場所內部基站連接的用戶ID數量、連接時長以及連接時間，可以得到文明吸煙場所的服務人數和服務時長。

3.4 文明吸煙場所服務有效性

文明吸煙場所服務有效性指場所的真實服務情況和預期服務能力的差異，一般從供給和需求兩個方面展開，供給指對比文明吸煙場所的理論服務半徑與基于用戶居住地測得的實際服務半徑，需求評價則對比場所服務的真實吸煙用戶數量與理論服務半徑范圍內的實際人口總數。而人口總數的測算基于手機信令數據，分析24小時內目標區域內基站連接的有效ID數量。

4 文明吸煙智慧選點

4.1 服務人數、服務時段和服務時長數據抽取

以火車站春運服務時段為列，2019年春運自元月21日起至3月1日止，節前15天節后25天，計40天。首先從十堰市1.5萬基站中抽取出覆蓋火車站區域的基站52個，經統計，24小時內平均連接目標基站的手機ID數量達到73082個，其中，識別出附近居民57832人，日均累計服務15250人，其中服務高峰期突破27965人，抽取日均男性旅客數據為8788人，以吸煙率25%計算，煙民數量為2197。火車站場所通過統計卷煙消費者連接目標基站的時長，發現大多數游客在火車站的逗留時長在50分鐘。得出火車站評價1小時卷煙消費者數量為220人。

4.2 服務半徑計算

通過手機信令數據將三類人群的時點軌跡進行地理標識，過濾女性軌跡，取得煙民軌跡地理可視化圖。煙民軌跡數據采用泰森多邊形離散點包絡最優求解算法，編程求解如下：

4.3 服務點選擇

根據抽取的卷煙消費數據和半徑有效性計算，按平均每小時2支煙，火車站吸煙點（室）每小時需要接待440人次，吸煙室一次4人服務，吸煙時間5分鐘計算，一個吸煙室可以接待48人次，一天可以接待480人次，因此在火車站候車室建立1個標準吸煙室基本可以滿足需求，但考慮“癮君子”的心理需求、吸煙行為及游客行動軌跡，同理推算，火車站一共需要構建至少9個露天吸煙點，見圖2。同理選出其他文明吸煙點選址圖3，圖4，圖5。

5 對比分析

采用手機軌跡數據和泰森多邊算法得到的文明吸點，本文采取了吸煙痕跡分析進行驗證。以火車站為例，車站廁所煙頭數量日均數量為350支，與智慧選址測算的480支，基本吻合；在車站外部，發現分別在車站南廣場和北廣場吸煙人數每小時發現30人次，每天在北廣場發現吸煙超過人次2000，這與手機軌跡數據基本吻合。因此，在火車站設立1個標準吸煙室，9個室外吸煙區，基本可以滿足煙民需求。

6 結論

研究構建的手機信令數據用于評價文明吸煙場所服務人數和服務時長的方法具有科學有效性。通過科學的算法、編程，選出文明吸煙點，同時對擬選擇的文明吸煙場所與觀測數據進行比對分析發現，兩者不論是在服務時長還是服務半徑的輻射上，吻合度都較高。

參考文獻

[1]Shangjing Lin，Jianguo Yu，Ji Ma.Big Data Driven Mobile Cellular Networks： Modelling，Experiments，and Applications[J].IOP Conference Series： Materials Science and Engineering，2018，466（1）.

[2]AMochamad Rifki Ulil，Fiannurdin，Sritrusta Sukaridhoto，Anang Tjahjono，Dwi Kurnia Basuki.The Vehicle as a Mobile Sensor Network base IoT and Big Data for Pothole Detection Caused by Flood Disaster[J].IOP Conference Series： Earth and Environmental Science，2019，239（1）.

[3]JunGuo，Zheng-Hua Tan，Sung Ho Cho，Guoqiang Zhang.Wireless Personal Communications： Machine Learning for Big Data Processing in Mobile Internet[J].Wireless Personal Communications，2018，102（3）.

[4]杜蘭，葛軍蓮.基于POI網絡信息的景區最優游客接待中心選址研究——以南京鐘山景區智慧旅游為例[J].華中師范大學學報（自然科學版），2014，48（4）：613619.

[5]龍奮杰，石朗，彭智育，等.基于手機信令數據的城市公園服務評價[J].城市問題，2018，275（06）：9094.

[6]方家，劉頌，王德，等.基于手機信令數據的上海城市公園供需服務分析[J].風景園林，2017，（11）：3742.

[7]周南，齊遠，龍科軍.手機信令數據在城市道路交通量預測中的應用[J].公路工程，2018，43（05）：8992+179.

[8]陳剛，董印，李本智.智慧城市消防站選址研究——以寧波市鎮海區為例[C]// 2017城市發展與規劃論文集，2017.

[9]于泉，孫瑤.基于手機信令數據的高速公路服務區客流特征研究[J].交通運輸研究，2019，5（02）：6066.