基于手機(jī)信令數(shù)據(jù)的城市出行OD獲取方法

付 芬

(重慶工商職業(yè)學(xué)院 重慶 400060)

隨著城市的快速發(fā)展，交通擁堵問題日益嚴(yán)峻。傳統(tǒng)的OD數(shù)據(jù)調(diào)查方式主要有路邊詢問法、表格調(diào)查法、家庭訪問法、明信片調(diào)查等，但是往往由于被調(diào)查者記憶模糊或考慮隱私而故意隱瞞等原因，致使所得的數(shù)據(jù)質(zhì)量不高而失去參考價(jià)值。同時(shí)，傳統(tǒng)OD調(diào)查需要大量人力、財(cái)力支持，已不能更好地滿足城市新時(shí)期交通數(shù)據(jù)獲取需求。本文提出一種基于手機(jī)信令數(shù)據(jù)的城市出行OD獲取方法，以準(zhǔn)確反映城市居民出行OD情況。

一、手機(jī)信令數(shù)據(jù)

手機(jī)信令數(shù)據(jù)主要是從移動(dòng)通信系統(tǒng)中得到手機(jī)的切換基站和切換時(shí)間。當(dāng)手機(jī)發(fā)生跨區(qū)域切換時(shí)，會(huì)將相應(yīng)數(shù)據(jù)傳至基站系統(tǒng)，同時(shí)上報(bào)移動(dòng)業(yè)務(wù)交換中心。通過檢測(cè)接口信令以及對(duì)信令的解析，可獲得所需的目標(biāo)區(qū)域內(nèi)所有手機(jī)發(fā)生切換的數(shù)據(jù)與基站數(shù)據(jù)。手機(jī)信令數(shù)據(jù)字段，包括用戶識(shí)別碼User-ID，位置區(qū)碼（Location Area Code, LAC），小區(qū)識(shí)別碼（Cell Identify, Cell-ID），信令發(fā)生時(shí)間戳（Timestamp），基站經(jīng)度（Longitude, Lng），基站緯度（Latitude, Lat）。

二、手機(jī)定位方法

本文采用COO（Cell of Origin）單基站定位方法，其基本原理如圖1所示，根據(jù)手機(jī)用戶當(dāng)前接入基站的小區(qū)識(shí)別碼來表示用戶的位置，小區(qū)識(shí)別碼（Cell-ID）即基站蜂窩小區(qū)，是手機(jī)信令數(shù)據(jù)中產(chǎn)生位置信息的基本單元。當(dāng)手機(jī)用戶進(jìn)入基站小區(qū)時(shí)，手機(jī)要在當(dāng)前小區(qū)注冊(cè)，然后系統(tǒng)會(huì)自動(dòng)記錄小區(qū)ID標(biāo)識(shí)數(shù)據(jù)，并通過小區(qū)識(shí)別號(hào)的位置信息來確定手機(jī)用戶的位置。COO定位技術(shù)的精度取決于基站的布設(shè)密度，密度越大，Cell-ID半徑越小，定位精度也就越高。

三、基于基站聚類的交通小區(qū)劃分

本文采用DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類方法）對(duì)移動(dòng)通信網(wǎng)絡(luò)基站進(jìn)行聚類劃分。該算法利用基于密度的聚類方法，即要求聚類空間中的一定區(qū)域內(nèi)所包含對(duì)象的數(shù)目不小于某一給定閾值。

（一）DBSCAN算法的聚類過程

DBSCAN算法涉及半徑（Eps）和以給定點(diǎn)為中心的鄰域內(nèi)最少點(diǎn)的數(shù)量（MinPts）2個(gè)參數(shù)。根據(jù)設(shè)定的（Eps）和（MinPts）這兩個(gè)參數(shù)，把基站劃分為足夠密度的交通出行小區(qū)。

首先，設(shè)定DBSCAN的Eps鄰域參數(shù)為400，表示掃描半徑為400米，然后設(shè)定Eps鄰域內(nèi)成為核心對(duì)象的最小鄰域點(diǎn)數(shù)MinPts為3。然后，尋找從該核心點(diǎn)出發(fā)的所有密度相連的基站，遍歷Eps鄰域內(nèi)的所有核心點(diǎn)，尋找與這些核心點(diǎn)密度相連的點(diǎn)，直到?jīng)]有可以擴(kuò)充的數(shù)據(jù)點(diǎn)為止。再重復(fù)上面的步驟，對(duì)該核心點(diǎn)進(jìn)行擴(kuò)充，直到數(shù)據(jù)集中沒有新的核心點(diǎn)為止。最后，根據(jù)聚類結(jié)果對(duì)城市交通小區(qū)劃分，把整個(gè)城市依據(jù)手機(jī)基站數(shù)據(jù)劃分為不同的交通小區(qū)。

（二）手機(jī)用戶基站切換軌跡映射到交通小區(qū)

根據(jù)聚類結(jié)果對(duì)城市交通小區(qū)進(jìn)行劃分，得到基站與交通小區(qū)的映射關(guān)系（Cell-ID,Zone-ID），然后計(jì)算連續(xù)逗留同一交通小區(qū)的最大時(shí)間差，如果最大時(shí)間差小于時(shí)間閾值T，則判定該系列連續(xù)逗留點(diǎn)為短時(shí)出行剔除；如果最大時(shí)間差大于時(shí)間閾值T，對(duì)連續(xù)逗留點(diǎn)進(jìn)行合并，逗留點(diǎn)集的開始時(shí)間為上一次出行的到達(dá)時(shí)間，逗留點(diǎn)集的結(jié)束時(shí)間為本次出行出發(fā)時(shí)間，最終得到手機(jī)用戶的交通小區(qū)切換軌跡表。

四、起訖點(diǎn)識(shí)別

在移動(dòng)通信網(wǎng)絡(luò)中，手機(jī)用戶在基站之間切換可以表示在平面上一組有序的連續(xù)離散點(diǎn)，Cell-IDi表示基站小區(qū)，Zone-IDj表示基站小區(qū)映射的交通小區(qū)。根據(jù)手機(jī)用戶出行目的性得到手機(jī)用戶一天之內(nèi)的出行基站切換軌跡序列，然后對(duì)交通小區(qū)進(jìn)行合并，以交通小區(qū)作為手機(jī)用戶出行的起訖點(diǎn)，對(duì)跨越城市交通小區(qū)的出行OD統(tǒng)計(jì)，得到城市交通小區(qū)之間的OD信息。

五、實(shí)例分析

（一）出行發(fā)生量與吸引量

按照時(shí)間序列得到手機(jī)用戶的交通小區(qū)切換軌跡：

[User-ID,Zone-IDo,Zone-IDd,to,td]

其中，Zone-IDo、Zone-IDd表示交通小區(qū)切換的起訖點(diǎn)，to、td表示起訖時(shí)間，然后分別對(duì)交通小區(qū)Zone-IDo的發(fā)生量和交通小區(qū)Zone-IDd的吸引量進(jìn)行統(tǒng)計(jì)分析，獲取OD交通出行情況，計(jì)算公式如下：

T(Zone-IDo,t)表示交通小區(qū)Zone-IDo的發(fā)生量，T(Zone-IDd,t)表示交通小區(qū)Zone-IDd的吸引量，如圖1所示表示各交通小區(qū)出行發(fā)生量和吸引量。最后，對(duì)OD時(shí)間段內(nèi)的所有交通小區(qū)軌跡表中用戶進(jìn)行遍歷，直至所有用戶以及交通小區(qū)，從而得到出行OD量。

圖1 交通小區(qū)出行量

由上圖可以得到，在某一時(shí)間段下重慶市主城區(qū)各個(gè)交通小區(qū)之間的出行OD量，交通小區(qū)出行量主要分布在6、8、9、16、20交通小區(qū)中，其中交通小區(qū)9的出行吸引量遠(yuǎn)大于出行發(fā)生量。

（二）實(shí)驗(yàn)結(jié)果分析

根據(jù)城市出行記錄，城市居民出行時(shí)間主要集中在6點(diǎn)到9點(diǎn)早高峰期、16點(diǎn)到19點(diǎn)晚高峰期，這兩個(gè)時(shí)間段的出行量占比達(dá)到全天出行量的58.4%，而0點(diǎn)到5點(diǎn)及21點(diǎn)到23點(diǎn)出行量占比不足5%，因此，居民出行以早晚高峰期通勤出行為主。

通過對(duì)比分析發(fā)現(xiàn)，基于手機(jī)信令數(shù)據(jù)的城市出行OD獲取方法計(jì)算早晚高峰期出行量占比與居民軌道交通出行早晚高峰期占比結(jié)果偏差均小于3%，因此，該方法能夠準(zhǔn)確反映城市居民出行OD情況。

六、結(jié)束語

本文提出基于手機(jī)信令數(shù)據(jù)來獲取城市出行OD的研究方法，并對(duì)方法進(jìn)行了詳盡闡述，解決了傳統(tǒng)的基于OD調(diào)查來獲取出行情況花銷大、不可靠的問題。在未來的研究中，可以深入挖掘手機(jī)用戶的出行行為，包括出行方式、出行目的及出行次數(shù)等，以此提高城市出行效率，實(shí)現(xiàn)智能化交通為城市出行帶來便利。