一种基于手机信令数据的居民出行OD获取方法与流程

本发明涉及一种基于手机信令数据的居民出行od(交通起、终点，下同)获取方法，用于城市居民出行研究，属于交通大数据的分析应用技术领域。

背景技术：

交通需求分析和交通规划制定需要获取大范围准确、可靠的居民出行od数据作为基础信息。目前在交通调查中，居民出行od的获取方法主要分为两类：第一，传统的居民出行调查往往采用路边问卷、家庭访查等方式，存在抽样率低、调查成本高、数据处理周期长等问题。第二，采用感应线圈、微波检测、视频图像识别等定点信息采集技术，以及gps浮动车、电子标签等浮动信息采集技术，根据检测到的车流信息反推居民出行od信息，准确度较差，且由于其分配算法的复杂性，难以用于较大空间范围。因此，交通研究者与交通从业人员一直都在找寻更经济、效率更高、精度更高的居民出行od获取技术。

随着移动终端的迅速普及，出行群体中手机持有率和使用率已经达到相当高的比例。手机信令数据是在手机发生信令事件时记录在移动业务交换中心(msc)的数据字段。信令数据在手机发生位置区更新时产生，未发生位置区更新则周期性记录，此外在开关机和发生话单业务时也会记录。记录的数据字段包含用户的匿名id、时间戳、位置区编号、蜂窝小区编号以及事件类型等信息。手机信令数据所包含的时间和位置信息记录了用户的活动轨迹，这使得手机成为一种较为理想的交通探测器。

技术实现要素：

本发明的目的在于提供一种基于手机信令数据的居民出行od获取方法。该方法的核心思想是通过分析用户手机信令数据中的时空位置信息，识别出用户的移动和停留行为，从而确定出行端点。

本发明解决技术问题所采取的技术方案具体是：

c1、根据交通调查要求进行手机信令数据的采集，并筛选处理成格式化数据，每条数据包含经过脱敏处理的手机唯一识别号、时间戳、基站小区编号和经纬度坐标。

c2、对用户全天的手机信令数据按时间排序得到非连续的位置点序列，设定用户行为规则，判定位置点的运动状态，从而确定出行端点。

c3、利用gis处理建立交通分区与基站小区的对应关系，按照交通分区对所有用户的出行端点统计汇总，并根据需要对结果进行适当扩样。

步骤c1的过程包括：

c11、从运营商的移动业务交换中心抽取并保存所调查范围内的手机信令数据。

c12、对采集的手机信令数据逐条筛选，对时间错误、经纬度异常的数据进行剔除，并匹配经纬度坐标，并按格式整理。

步骤c2的过程包括：

c21、追踪用户全天的手机信令数据，提取出信令数据产生时的时空位置点序列。

c22、结合历史运动状态判定时刻t用户的运动状态，分以下两种情况：

(1)如果t-1时刻处于停留状态：

t-1时刻及之前连续时间段内为停留状态的n个点的平均位置记作pn，计算pn的坐标

计算t时刻点pt与点pn之间的距离d1：

若d1小于给定的临界值，则判定t时刻为停留点，并与t-1时刻在同一位置；若d1大于等于临界值，则t时刻可能处于移动状态，这时要考虑t+1时刻的状态。

(2)如果t-1时刻处于移动状态：

计算t时刻和t-1时刻的两点间的距离d2：

若d2小于临界值，则判定t和t-1时刻为停留点，并且停留在一个新的位置；若d2大于等于临界值，则判定t-1时刻为移动点，t时刻可能处于移动状态。

c23、计算在某一停留位置的所有停留点的平均位置为o点，下一停留位置的所有停留点的平均位置为d点，从而确定一次出行的起讫点；

步骤c3的过程包括：

c31、结合交通小区划分地图，通过gis匹配居民出行od所分别对应的交通小区，按格式进行整理成如下格式：

c32、根据需要对各小区间出行od矩阵按比例扩样得到总od；

其中：od为常住人口od分布；od为利用移动手机用户数据得出的od分布；a为手机用户的人均拥有量；p为手机渗透率；m为运营商的市场占有率；d为运营商用户手机被检测到概率。

本发明的有益效果：本发明提出了一种基于手机信令数据的居民出行od获取方法。相比传统的居民出行od获取方法，本发明具有调查样本大、实施成本低、可长期连续监测等优势，可为交通需求分析和交通规划制定中获取大范围准确、可靠的居民出行od数据提供技术支持。

附图说明

图1获取过程流程图；

图2出行端点判定示意图。

具体实施方式

本发明提出的一种基于手机信令数据的居民出行od获取方法包括：根据调查要求采集和预处理手机信令数据；位置点运动状态判定；分区统计和结果扩样。

本发明的基本步骤如下：

c1、根据交通调查要求进行手机信令数据的采集，并筛选处理成格式化数据，每条数据包含经过脱敏处理的手机唯一识别号、时间戳、基站小区编号、经纬度坐标等。

c2、对用户全天的手机信令数据按时间排序得到非连续的位置点序列，设定用户行为规则，判定位置点的运动状态，从而确定出行端点。

c3、利用gis处理建立交通分区与基站小区的对应关系，按照交通分区对所有用户的出行端点统计汇总，并根据需要对结果进行适当扩样。

步骤c1的过程包括：

c11、从运营商的移动业务交换中心抽取并保存所调查范围内的手机信令数据。

c12、对采集的手机信令数据逐条筛选，对时间错误、经纬度异常的数据进行剔除，并匹配经纬度坐标，整理成如下格式。

步骤c2的过程包括：

c21、追踪用户全天的手机信令数据，提取出信令数据产生时的时空位置点序列。

c22、结合历史运动状态判定时刻t用户的运动状态，分以下两种情况：

(1)如果t-1时刻处于停留状态：

t-1时刻及之前连续时间段内为停留状态的n个点的平均位置记作pn，计算pn的坐标

计算t时刻点pt与点pn之间的距离d1：

若d1小于给定的临界值，则判定t时刻为停留点，并与t-1时刻在同一位置；若d1大于等于临界值，则t时刻可能处于移动状态，这时要考虑t+1时刻的状态。

(2)如果t-1时刻处于移动状态：

计算t时刻和t-1时刻的两点间的距离d2：

若d2小于临界值，则判定t和t-1时刻为停留点，并且停留在一个新的位置；若d2大于等于临界值，则判定t-1时刻为移动点，t时刻可能处于移动状态。

c23、计算在某一停留位置的所有停留点的平均位置为o点(起点，下同)，下一停留位置的所有停留点的平均位置为d点(终点，下同)，从而确定一次出行的起讫点。

步骤c3的过程包括：

c31、结合交通小区划分地图，通过gis匹配居民出行od所分别对应的交通小区，整理成如下格式：

c32、根据需要对各小区间出行od矩阵按比例扩样得到总od。

其中：od为常住人口od分布；od为利用移动手机用户数据得出的od分布；a为手机用户的人均拥有量，单位：部/人；p为手机渗透率；m为运营商的市场占有率；d为运营商用户手机被检测到概率。

实施例：以某城市为例，应用本方法获取某日居民出行od。

步骤c1：

(1)从运营商处的移动业务交换中心抽取并保存该城市所调查范围内3时至次日3时的手机信令数据；

(2)对采集的手机信令数据逐条筛选，对时间错误、经纬度异常、不能有效追踪imsi号的数据进行剔除，并整理成如下格式：

步骤c2：

(1)以某imsi编号的手机信令数据为例，提取出信令数据产生时的时空位置点序列；

(2)以第一个位置点为停留点，计算第二个位置点与之前3个停留点(可少于)平均位置之间的距离d＝0，小于临界值，亦为停留点；

计算第三个位置点与之前3个停留点(可少于)平均位置之间的距离d＝0，小于临界值，仍为停留点；

直至第10个位置点与之前3个停留点平均位置之间的距离d＝279m大于临界值200m，可能处于移动状态。

第11个位置点与之前一个可能移动点之间的距离d＝230m大于临界值200m，则此点可能处于移动状态，且第10个位置点为移动点。

直至第13个位置点与前一个可能移动点之间的距离d＝124m小于临界值200m，则此两点均为停留点，且停留在一个新的位置。

如此依次判别该imsi编号所有位置点的运动状态；

(3)计算各停留位置的所有停留点的平均位置为出行端点，连续两个出行端点构成一个od对。

步骤c3：

(1)结合交通小区划分地图，通过gis匹配居民出行od所分别对应的交通小区。

(2)根据需要可统计各个小区间出行od总量，并按抽样比扩样得到总出行量。