基于手機(jī)信令數(shù)據(jù)的交通出行分布模型研究

毛曉汶

摘 要：由于城鎮(zhèn)化進(jìn)程加快且各城市特性均不相同，傳統(tǒng)的出行調(diào)查法和出行分布模型存在一定局限性。因此為彌補(bǔ)現(xiàn)有方法、模型不足，本文以重慶一小時經(jīng)濟(jì)圈為例，通過手機(jī)信令獲得海量出行數(shù)據(jù)，然后在以往的交通分布模型基礎(chǔ)上，結(jié)合城市特性選取適宜模型進(jìn)行參數(shù)重標(biāo)定，從而得到適合重慶的交通分布模型，以便更切實(shí)、精確的獲得預(yù)測數(shù)據(jù)，也可為其他城市針對自身特性更新交通分布模型提供參考依據(jù)。

關(guān)鍵詞：交通出行調(diào)查;手機(jī)信令;出行分布模型;參數(shù)標(biāo)定;重慶一小時經(jīng)濟(jì)圈

0 引言

由于城鎮(zhèn)化進(jìn)程不斷加快且各城市的自身?xiàng)l件、經(jīng)濟(jì)發(fā)展、文化背景各不相同，以往的交通分布模型大多都較為寬泛，沒有針對性的結(jié)合城市自身交通特性來進(jìn)行研究，因此預(yù)測的結(jié)果較缺乏真實(shí)性和精確性。此外，在調(diào)查交通出行數(shù)據(jù)時，傳統(tǒng)的交通調(diào)查方法顯現(xiàn)出了局限性，特別是針對大區(qū)域調(diào)查時劣勢更加凸顯。在信息化技術(shù)發(fā)展的不斷催化下，通過數(shù)據(jù)挖掘技術(shù)獲得公交刷卡[1]、手機(jī)信令[2]等海量時空數(shù)據(jù)已成為新的技術(shù)手段，再通過數(shù)據(jù)的處理可為交通預(yù)測提供更有價值的信息。

在數(shù)據(jù)挖掘方法中的手機(jī)信令是指移動用戶的手機(jī)終端和移動通信網(wǎng)絡(luò)主動或被動地、定期或不定期地保持著聯(lián)系，而移動通信網(wǎng)絡(luò)將這些聯(lián)系識別成一系列的控制指令[3]。手機(jī)信令數(shù)據(jù)的提取方法主要是從移動通信系統(tǒng)中通過監(jiān)測通信接口，對信令進(jìn)行解析，而獲得手機(jī)發(fā)生切換的數(shù)據(jù)[4]。

因此，本文針對以往交通調(diào)查方法和交通分布模型的缺陷，以重慶市為例通過居民手機(jī)切換定位獲得手機(jī)信令數(shù)據(jù)，然后對數(shù)據(jù)進(jìn)行提取獲得出行數(shù)據(jù)，再選取適合的交通分布模型，結(jié)合城市交通特性進(jìn)行參數(shù)標(biāo)定，進(jìn)而得到適宜的參數(shù)，為此在更切實(shí)反映城市交通分布情況和更精確預(yù)測出行分布量同時，也可為其他城市結(jié)合自身特性進(jìn)行交通需求預(yù)測時提供參考借鑒。

1 手機(jī)信令數(shù)據(jù)調(diào)查法概述

出行調(diào)查法主要分為傳統(tǒng)調(diào)查法、手機(jī)切換定位調(diào)查法。但傳統(tǒng)調(diào)查法存在投資及維護(hù)成本大、覆蓋范圍不廣泛、數(shù)據(jù)可靠度和精確度較低等缺點(diǎn)，故存在一定的局限性，而隨著技術(shù)的不斷發(fā)展，出現(xiàn)了基于手機(jī)切換定位技術(shù)的新興交通調(diào)查法，其能在一定程度上彌補(bǔ)傳統(tǒng)出行調(diào)查法的缺陷。

1.1 基于手機(jī)信令數(shù)據(jù)調(diào)查方法

手機(jī)定位技術(shù)是隨著移動互聯(lián)網(wǎng)技術(shù)和智能手機(jī)的不斷更新下產(chǎn)生的，通過手機(jī)切換定位獲得手機(jī)信令數(shù)據(jù)。目前主要采集用戶打電話（主叫/被叫）、收發(fā)短信、位置更新、基站位置區(qū)切換等行為產(chǎn)生的信令數(shù)據(jù)[5]。其具有成本投入較小、覆蓋范圍廣、獲得數(shù)據(jù)量龐大、實(shí)時、連續(xù)、靈活、數(shù)據(jù)精確可靠等優(yōu)點(diǎn)。

1.2 基于手機(jī)信令獲取出行數(shù)據(jù)原理

目前其數(shù)據(jù)來源于中國移動、中國聯(lián)通、中國電信三大移動通信系統(tǒng)。獲取出行數(shù)據(jù)原理為運(yùn)用運(yùn)營商信令采集平臺來解析信令數(shù)據(jù)，再結(jié)合基站數(shù)據(jù)和交通分析區(qū)域，對數(shù)據(jù)預(yù)處理，通過基站和交通小區(qū)之間的匹配映射，來對出行特征數(shù)據(jù)進(jìn)行提取和擴(kuò)樣，從而獲得總體人群的出行特征數(shù)據(jù)。

2 交通出行分布模型構(gòu)建

2.1 模型選取與構(gòu)建

考慮交通分布模型中的構(gòu)造模型較適用于目前城鎮(zhèn)化進(jìn)程加快、土地形態(tài)、出行變化較快的情況，而構(gòu)造模型中的重力模型在出行分布預(yù)測中，較為全面考慮各種因素，能夠更好的描述交通分布需求特點(diǎn)，此外考慮本文OD出行矩陣和廣義費(fèi)用數(shù)據(jù)較齊全的同時，由于雙約束重力模型標(biāo)定較為復(fù)雜，故本文選取烏爾西斯單約束重力模型，阻抗函數(shù)采用指數(shù)形式，即，模型表達(dá)如下：

其中平均阻抗計(jì)算如下式所示：

2.2 模型參數(shù)標(biāo)定及檢驗(yàn)

考慮參數(shù)標(biāo)定方法中的試算法以及參數(shù)檢驗(yàn)方法中的相對誤差法均適用于單、雙約束重力模型。因此本文選取試算法、相對誤差法來進(jìn)行參數(shù)的標(biāo)定和檢驗(yàn)，標(biāo)定步驟如圖1所示。

3 模型應(yīng)用

本文選取實(shí)例為重慶一小時經(jīng)濟(jì)圈，主要包括中心城區(qū)及14個區(qū)縣。通過手機(jī)信令數(shù)據(jù)獲得中心城區(qū)與12個區(qū)縣（除萬盛、雙橋）的現(xiàn)狀出行OD，如表1所示，各區(qū)之間距離如表2所示。

再按照上述標(biāo)定參數(shù)步驟給定初始不同值，通過計(jì)算獲得誤差值發(fā)現(xiàn)當(dāng)時相對差最小且為0.2%，故得到適宜于重慶一小時經(jīng)濟(jì)圈的交通分布模型，其如下式所示：

4 結(jié)論

由于城市人口規(guī)模不斷擴(kuò)大，傳統(tǒng)的出行調(diào)查方法存在實(shí)時性、可靠度、精確度較低等缺點(diǎn)，以及由于各城市自身的發(fā)展特性各不相同，以往的交通分布模型沒有結(jié)合城市特點(diǎn)來進(jìn)行參數(shù)的標(biāo)定。故本文打破以往獲得居民出行數(shù)據(jù)的傳統(tǒng)調(diào)查方法，通過提取手機(jī)信令數(shù)據(jù)獲得居民出行OD，并在傳統(tǒng)交通分布模型上，以重慶一小時經(jīng)濟(jì)圈為例，提出結(jié)合重慶自身交通特性參數(shù)標(biāo)定方法，從而得到適合重慶特性的交通分布模型，不僅提高了數(shù)據(jù)的精確性，也為其他城市結(jié)合自身交通特性進(jìn)行出行分布預(yù)測時提供參考。

參考文獻(xiàn)：

[1]龍瀛，張宇，崔承印.利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行[J].地理學(xué)報，2012，67（10）：1339-1352.

[2]海曉東，劉云舒，趙鵬軍，等.基于手機(jī)信令數(shù)據(jù)的特大城市人口時空分布及其社會經(jīng)濟(jì)屬性估測——以北京市為例[J].北京大學(xué)學(xué)報（自然科學(xué)版），2020，56（3）：518-530.

[3]劉杰，胡顯標(biāo)，傅丹丹，等.基于無線通信網(wǎng)絡(luò)的人員出行信息分析系統(tǒng)設(shè)計(jì)與應(yīng)用[J].公路交通科技，2009，26（S1）：151-154.

[4]楊濤.基于基站切換的交通信息采集技術(shù)應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2012，35（15）：145-147.

[5]王西點(diǎn).基于手機(jī)位置的實(shí)時交通信息采集技術(shù)[J].中國交通信息產(chǎn)業(yè)，2009（1）：128-130.