CN104484993B - 用于交通小区划分的手机信令信息的处理方法 - Google Patents

Abstract

本发明属于城市交通数据采集分析技术领域，尤其涉及一种用于交通小区划分的手机信令信息的处理方法，包括：对手机信令数据进行清洗，剔除异常数据；将手机数据对应的基站位置信息与道路进行匹配；建立基于手机信令信息的交通语义分类；根据交通语义分类情况，选取手机基站特征对其进行区别；对手机信令信息进行提炼，得到手机基站的特征；通过对手机基站特征进行聚类分析，实现交通小区划分。利用手机信令数据对城市进行的交通小区划分与当今大数据挖掘的趋势相一致；语义划分对于实际中基站的种类划分起到简化作用，并且能有效、自动的识别区域和基站的属性；能快速直接的划分出城市交通小区，具有数据采集容易，划分成本低廉、快速直接的优点。

Description

用于交通小区划分的手机信令信息的处理方法

技术领域

本发明属于城市交通数据采集分析技术领域，尤其涉及一种用于交通小区划分的手机信令信息的处理方法。

背景技术

目前，海量的数据的分析挖掘和管理应用成为现代交通该服务的瓶颈。在这些数据中，轨迹数据的分析与挖掘研究主要关注轨迹时态和空间分布特征的提取，由于缺乏与应用语义的关联，具体应用开发方面裹足不前。

城市道路网络交通小区是为了减少交通控制和管理系统的复杂性，将复杂交通网络分解为若干个交通区域，对交通区域进行协调优化。交通小区划分最早是在交通规划领域中提出的，其目的主要是为了定义城市路网中交通起讫点的位置，然后使用需求预测模型对各交通小区间的交通出行量进预测，是研究四阶段法中交通生成、分布的基本空间单位。

目前国内外交通小区的划分方法主要有基于聚类分析的交通小区划分方法、面向控制的交通小区划分、基于区内出行比例的交通小区划分方法、对手机话务量的聚类分析方法、扇形分割方法等五种方法。其中基于手机话务量的聚类分析方法是指利用手机话务量的时间分布特征来分析划分城市活动及土地利用特性，从而进一步映射出交通小区。

整个过程要综合基站、手机与用户使用者之间的关系从而得出各交通小区间的OD矩阵。但利用手机话务量来进行交通小区划分相比于利用手机信令定位数据来说精准度更低。目前，与交通相关的交通小区划分方法主要是通过人工调查、人工统计的方式进行，费时费力，且数据的准确性无法保证。

传统的方法耗费时间和人力物力，像北京做一次起讫点调查要耗费约170万和大量人力，这种方法得到的数据只是现在的出行状态的一个快照，并且要花费几年的时间更新数据，而基于手机定位数据获取OD数据的方法只需要从运营商处获得手机移动记录，这些记录的获得不需要额外的投资(例如，升级基站或手机移动终端)。交通小区划分的准确性若无法保证，将会影响后续工作的研究。

发明内容

为了克服上述现有方法存在的缺陷，本发明提出了一种用于交通小区划分的手机信令信息的处理方法，包括：

步骤1、对手机信令数据进行清洗，剔除异常数据；

步骤2、将手机数据对应的基站位置信息与道路进行匹配；

步骤3、建立基于手机信令信息的交通语义分类；

步骤4、根据交通语义分类情况，提取手机基站特征对其进行区别；

步骤5、根据步骤4所提取的手机基站特征，利用聚类分析法标定出手机基站所属的交通语义类别；

步骤6、通过步骤5标定出的手机基站所属的交通语义类别再加上手机基站位置特征作为特征量，采用聚类分析法，实现交通小区划分。

所述步骤1中的异常数据包括：数据时间、坐标及唯一标识，剔除时间异常、位置异常、重复数据以及缺失数据。

所述步骤2具体包括：

步骤21、将获得的数据导入数据库，并调整格式；

步骤22、对手机信令数据进行过滤；

步骤23、将连续的手机数据分割成基于隶属基站的数据；

步骤24、结合基站位置信息，在地理信息系统上可视化显示。

所述步骤22中的过滤是指：完成数据的质量分析、清洗、转换、预统计、加载，得到实验所需的字段MSISDN、TimeStamp、LAC、CELLID、EventID；另外，将同一用户在同一位置发生的事件进行压缩，只体现出移动性，不考虑用户发生的具体业务。

所述步骤3中的交通语义分类具体分为以下三大类：工作区、居住区和城市道路。

所述手机基站的特征是通过分析不同语义属性的典型基站的人流量变化来反映基站各时段不同形式人流量的变化情况，具体为包括：1)实时人流量：是指某整点时刻向前延长的单位时间里该区域范围内活动的手机用户数量；2)时段流入量：是指在上一个时段中不在该区域范围内活动但在下一个时段中在区域内活动的手机用户数量；3)时段流出量：是指在上一个时段在该区域范围内活动但下一个时段不在该区域内活动的手机用户数量；4)时段新增人流量：用指定时段前后两个时刻的实时人流量相比较即得出时段新增人流量。

所述的实时人流量的算法包括：1)将目标区域的基站制作成地理信息系统图层；2)将基站图层添加到地图中，并将基站和目标区域地图图层关联；3)根据数据中移动用户和基站的关系，以及地图中基站和目标区域的关联，筛选出属于目标区域的移动用户；4)确定要筛选的时刻，然后选出该时刻向前延长单位时间内出现过的移动用户，排重后即为该时刻的实时人流量。

所述时段流入量、时段流出量以及时段新增人流量的算法步骤具体为：1)选定时间段[a,b]，时间跨度t小时；2)统计出时间点a对应的集合A中的用户，排重；3)统计出时间点b对应的集合B中的用户，排重；4)统计集合A与集合B的差集中的用户即为流出用户；5)统计集合B与集合A的差集B-A中的用户即为流入用户；6)B-A集合中用户量减去集合B-A中用户量即为时段新增人流量。

所述步骤4中所提取的手机基站特征包括：将手机基站实时人流量、小时流入量、小时流出量、时段新增流量作为聚类的4个基本特征；设手机数据中全部基站为聚类样本数据X＝{x₁,x₂,…x_i…,x_n}，n为手机基站总数，x_i为第i个手机基站；每个基站有M＝96个特征量：24个实时人流量、24个小时流入量、24个小时流出量、24个时段新增流量，特征具体为由于交通语义类别共分为3类，所以在聚类开始前制定K为3，进行K均值聚类。

所述步骤6具体包括：将手机基站的经度、纬度以及所属的语义划分类型作为聚类特征，得到特征总数M＝3，特征具体为预设K为任意整数，进行K均值聚类，直到标准测度函数收敛为止得到K值即为小区总数。

所述步骤5和步骤6中的聚类分析法包括：

步骤61、从n个手机基站中选择k个手机基站作为初始聚类中心，其他手机基站则根据这些手机基站与初始聚类中心的距离及相似度分别分配到最相近的小区；c_j为第j个聚类中心，则x_i与c_j的距离为

$d(x_i,c_j)=\sqrt{{(x_i^1-c_j^1)}^2+{(x_i^2-c_j^2)}^2+\·\·\·{(x_i^m-c_j^m)}^2\·\·\·+{(x_i^M-c_j^M)}^2}$

其中，为第i个手机基站的第m个特征，为第j个聚类中心的第m个特征，m＝(1,2,…,M)，M为特征总量；x_i与c_j的相似度为s(x_i,c_j)＝1/d(x_i,c_j)；

步骤62、计算每个更新的小区的聚类中心，用聚类中心的编号替代小区的编号，则第j个小区的手机基站为即该小区包含n_j个手机基站，则该小区的聚类中心为其中为第j个小区的聚类中心c_j的第m个特征，根据下式求得：

$c_j^m=\frac{x_{j1}^m+x_{j2}^m+\·\·\·+x_{\mathrm{ji}}^m+\·\·\·+x_{j{n}_j}^m}{n_j}$

其中，x_ji是第j个小区中的第i个手机基站，n_j是第j个小区中的手机基站个数，是第j个小区中第i个手机基站的第m个特征；

步骤63、重复执行步骤62，直到标准测度函数收敛为止，其形式为：

$J=\sqrt{\frac{{\mathrm{\Σ}}_1^K{\mathrm{\Σ}}_{j=1}^{n_j}{(x_{\mathrm{cj}}-c_c)}^2}{n-1}}$

其中，J是标准值，x_cj是第c种类别中的第j个小区的特征，c_c是第c种类别中的类中心的特征，c＝(1,2,…K)，K为类别总数，n_j是第j个小区中的手机基站个数，n为手机基站总数。

本发明的有益效果是，1)利用手机信令数据等大数据对城市内的通勤交通进行的交通小区划分与当今大数据挖掘的趋势相一致；2)本发明中的语义划分对于实际中基站的种类划分起到简化作用，并且该识别方法能够有效、自动的识别区域和基站的属性；3)本发明中的交通小区划分方法能够在一定精确度要求下快速直接的划分出城市交通小区，具有数据采集容易，划分成本低廉，交通小区划分快速直接的优点。

附图说明

图1是本发明的流程图。

图2是基于移动定位方法提取交通信息的流程图。

图3基于移动定位方法的交通语义体系。

图4基于手机数据提取的四个特征量。

图5本发明最终获得的交通小区划分结果。

图6是以北京市为例采用本发明方法得到的交通小区划分结果图。

具体实施方式

下面结合附图，对优选实施例作详细说明。

一种用于交通小区划分的手机信令信息的处理方法，如图1所示，包括：

步骤1、对手机信令数据进行清洗，剔除异常数据；

步骤2、将手机数据对应的基站位置信息与道路进行匹配；

步骤3、建立基于手机信令信息的交通语义分类；

步骤4、根据交通语义分类情况，提取手机基站特征对其进行区别；

步骤5、根据步骤4所提取的手机基站特征，利用聚类分析法标定出手机基站所属的交通语义类别；

步骤6、通过步骤5标定出的手机基站所属的交通语义类别再加上手机基站位置特征作为特征量，采用聚类分析法，实现交通小区划分。

所述步骤1中的异常数据包括：数据时间、坐标及唯一标识，剔除时间异常、位置异常、重复数据以及缺失数据。

所述步骤2具体包括：

步骤21、将获得的数据导入数据库，并调整格式；

步骤22、对手机信令数据进行过滤；

步骤23、将连续的手机数据分割成基于隶属基站的数据；

步骤24、结合基站位置信息，在地理信息系统上可视化显示。

所述步骤22中的过滤是指：完成数据的质量分析、清洗、转换、预统计、加载，得到实验所需的字段MSISDN、TimeStamp、LAC、CELLID、EventID；另外，将同一用户在同一位置发生的事件进行压缩，只体现出移动性，不考虑用户发生的具体业务。

所述步骤3中的交通语义分类具体分为以下三大类：工作区、居住区和城市道路。

所述手机基站的特征是通过分析不同语义属性的典型基站的人流量变化来反映基站各时段不同形式人流量的变化情况，具体为包括：1)实时人流量：是指某整点时刻向前延长的单位时间里该区域范围内活动的手机用户数量；2)时段流入量：是指在上一个时段中不在该区域范围内活动但在下一个时段中在区域内活动的手机用户数量；3)时段流出量：是指在上一个时段在该区域范围内活动但下一个时段不在该区域内活动的手机用户数量；4)时段新增人流量：用指定时段前后两个时刻的实时人流量相比较即得出时段新增人流量。

所述的实时人流量的算法包括：1)将目标区域的基站制作成地理信息系统图层；2)将基站图层添加到地图中，并将基站和目标区域地图图层关联；3)根据数据中移动用户和基站的关系，以及地图中基站和目标区域的关联，筛选出属于目标区域的移动用户；4)确定要筛选的时刻，然后选出该时刻向前延长单位时间内出现过的移动用户，排重后即为该时刻的实时人流量。

所述时段流入量、时段流出量以及时段新增人流量的算法步骤具体为：1)选定时间段[a,b]，时间跨度t小时；2)统计出时间点a对应的集合A中的用户，排重；3)统计出时间点b对应的集合B中的用户，排重；4)统计集合A与集合B的差集中的用户即为流出用户；5)统计集合B与集合A的差集B-A中的用户即为流入用户；6)B-A集合中用户量减去集合B-A中用户量即为时段新增人流量。

所述步骤4中所提取的手机基站特征包括：将手机基站实时人流量、小时流入量、小时流出量、时段新增流量作为聚类的4个基本特征；设手机数据中全部基站为聚类样本数据X＝{x₁,x₂,…x_i…,x_n}，n为手机基站总数，x_i为第i个手机基站；每个基站有M＝96个特征量：24个实时人流量、24个小时流入量、24个小时流出量、24个时段新增流量，特征具体为由于交通语义类别共分为3类，所以在聚类开始前制定K为3，进行K均值聚类。

所述步骤6具体包括：将手机基站的经度、纬度以及所属的语义划分类型作为聚类特征，得到特征总数M＝3，特征具体为预设K为任意整数，进行K均值聚类，直到标准测度函数收敛为止得到K值即为小区总数。

所述步骤5和步骤6中的聚类分析法包括：

步骤61、从n个手机基站中选择k个手机基站作为初始聚类中心，其他手机基站则根据这些手机基站与初始聚类中心的距离及相似度分别分配到最相近的小区；c_j为第j个聚类中心，则x_i与c_j的距离为

$d(x_i,c_j)=\sqrt{{(x_i^1-c_j^1)}^2+{(x_i^2-c_j^2)}^2+\·\·\·{(x_i^m-c_j^m)}^2\·\·\·+{(x_i^M-c_j^M)}^2}$

其中，为第i个手机基站的第m个特征，为第j个聚类中心的第m个特征，m＝(1,2,…,M)，M为特征总量；x_i与c_j的相似度为s(x_i,c_j)＝1/d(x_i,c_j)；

步骤62、计算每个更新的小区的聚类中心，用聚类中心的编号替代小区的编号，则第j个小区的手机基站为即该小区包含n_j个手机基站，则该小区的聚类中心为其中为第j个小区的聚类中心c_j的第m个特征，根据下式求得：

$c_j^m=\frac{x_{j1}^m+x_{j2}^m+\·\·\·+x_{\mathrm{ji}}^m+\·\·\·+x_{j{n}_j}^m}{n_j}$

其中，x_ji是第j个小区中的第i个手机基站，n_j是第j个小区中的手机基站个数，是第j个小区中第i个手机基站的第m个特征；

步骤63、重复执行步骤62，直到标准测度函数收敛为止，其形式为：

$J=\sqrt{\frac{{\mathrm{\Σ}}_1^K{\mathrm{\Σ}}_{j=1}^{n_j}{(x_{\mathrm{cj}}-c_c)}^2}{n-1}}$

其中，J是标准值，x_cj是第c种类别中的第j个小区的特征，c_c是第c种类别中的类中心的特征，c＝(1,2,…K)，K为类别总数，n_j是第j个小区中的手机基站个数，n为手机基站总数。

实施例一

以北京手机数据平台为例，本发明过程如下：

1)对手机位置数据进行清洗剔除异常数据之后，得到有效的2980620条数据，如图2所示；

2)将北京市34202个基站映射到北京市六环以内的区域；

3)针对北京市内的通勤交通建立基于手机位置信息的交通语义分类，主要分类为工作区域，居住区域以及城市道路三类交通语义，交通语义划分结果，如图3所示；

4)对手机信息进行提炼，得到基站的实时人流量、时段流入量、时段流出量以及时段新增量等特征来区分不同的交通语义分类，各特征量的时变特点，如图4、图5所示；

5)将得到的交通语义划分结果，基站的经纬度，以及时段新增量等作为手机基站属性特征，其中基站经纬度为基站的关键属性；

6)用聚类的方法，将北京市六环内的34202个基站聚成73个类别，映射为73个交通小区，如图6所示。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种用于交通小区划分的手机信令信息的处理方法，其特征在于，包括：

步骤1、对手机信令数据进行清洗，剔除异常数据；

步骤2、将手机信令数据对应的基站位置信息与道路进行匹配；

步骤3、建立基于手机信令数据的交通语义分类；

步骤4、根据交通语义分类情况，提取手机基站特征对其进行区别；

步骤5、根据步骤4所提取的手机基站特征，利用聚类分析法标定出手机基站所属的交通语义类别；

步骤6、通过步骤5标定出的手机基站所属的交通语义类别再加上手机基站位置特征作为特征量，采用聚类分析法，实现交通小区划分；

所述步骤3中的交通语义分类具体分为以下三大类：工作区、居住区和城市道路；

所述手机基站特征是通过分析不同语义属性的典型基站的人流量变化来反映基站各时段不同形式人流量的变化情况，具体为包括：1)实时人流量：是指某整点时刻向前延长的单位时间里该区域范围内活动的手机用户数量；2)时段流入量：是指在上一个时段中不在该区域范围内活动但在下一个时段中在区域内活动的手机用户数量；3)时段流出量：是指在上一个时段在该区域范围内活动但下一个时段不在该区域内活动的手机用户数量；4)时段新增人流量：用指定时段前后两个时刻的实时人流量相比较即得出时段新增人流量。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中的异常数据包括：数据时间、坐标及唯一标识，剔除时间异常、位置异常、重复数据以及缺失数据。

3.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：

步骤21、将获得的手机信令数据导入数据库，并调整格式；

步骤22、对手机信令数据进行过滤；

步骤23、将连续的手机信令数据分割成基于隶属基站的数据；

步骤24、结合基站位置信息，在地理信息系统上可视化显示基站位置。

4.根据权利要求3所述的方法，其特征在于，所述步骤22中的过滤是指：完成数据的质量分析、清洗、转换、预统计、加载，得到实验所需的字段MSISDN、TimeStamp、LAC、CELLID、EventID；另外，将同一用户在同一位置发生的事件进行压缩，只体现出移动性，不考虑用户发生的具体业务。

5.根据权利要求1所述的方法，其特征在于，

所述的实时人流量的算法包括：1)将目标区域的基站制作成地理信息系统图层；2)将基站图层添加到地图中，并将基站和目标区域地图图层关联；3)根据数据中移动用户和基站的关系，以及地图中基站和目标区域的关联，筛选出属于目标区域的移动用户；4)确定要筛选的时刻，然后选出该时刻向前延长单位时间内出现过的移动用户，排重后即为该时刻的实时人流量。

6.根据权利要求5所述的方法，其特征在于，所述时段流入量、时段流出量以及时段新增人流量的算法步骤具体为：1)选定时间段[a,b]，时间跨度t小时；2)统计出时间点a对应的集合A中的用户，排重；3)统计出时间点b对应的集合B中的用户，排重；4)统计集合A与集合B的差集中的用户即为流出用户；5)统计集合B与集合A的差集B-A中的用户即为流入用户；6)集合B-A中用户量减去集合A-B中用户量即为时段新增人流量。

7.根据权利要求1所述的方法，其特征在于，所述步骤4中所提取的手机基站特征包括：将手机基站实时人流量、小时流入量、小时流出量、时段新增流量作为聚类的4个基本特征；设手机信令数据中全部基站为聚类样本数据X＝{x₁,x₂,…x_i…,x_n}，n为手机基站总数，x_i为第i个手机基站；每个基站有M＝96个特征量：24个实时人流量、24个小时流入量、24个小时流出量、24个时段新增流量，特征具体为由于交通语义类别共分为3类，所以在聚类开始前制定K为3，进行K均值聚类。

8.根据权利要求1所述的方法，其特征在于，所述步骤6具体包括：将手机基站的经度、纬度以及所属的语义划分类型作为聚类特征，得到特征总数M＝3，特征具体为 分别为第i个手机基站的3个特征量；预设K为任意整数，进行K均值聚类，直到标准测度函数收敛为止得到K值即为小区总数。

9.根据权利要求1所述的方法，其特征在于，所述步骤5和步骤6中的聚类分析法包括：

步骤101、从n个手机基站中选择k个手机基站作为初始聚类中心，其他手机基站则根据所述其他手机基站与初始聚类中心的距离及相似度分别分配到最相近的小区；x_i为第i个手机基站，c_j为第j个聚类中心，则x_i与c_j的距离为

$d(x_i,c_j)=\sqrt{{\left(x_i^1-c_j^1\right)}^2+{\left(x_i^2-c_j^2\right)}^2+...{\left(x_i^m-c_j^m\right)}^2...+{\left(x_i^M-c_j^M\right)}^2}$

其中，为第i个手机基站的第m个特征，为第j个聚类中心的第m个特征，m＝(1,2,…,M)，M为特征总量；x_i与c_j的相似度为s(x_i,c_j)＝1/d(x_i,c_j)；

步骤102、计算每个更新的小区的聚类中心，用聚类中心的编号替代小区的编号，则第j个小区的手机基站为即该小区包含n_j个手机基站，则该小区的聚类中心为其中为第j个小区的聚类中心c_j的第m个特征，根据下式求得：

$c_j^m=\frac{x_{j1}^m+x_{j2}^m+...+x_{ji}^m+...+x_{{\mathrm{jn}}_j}^m}{n_j}$

其中，x_ji是第j个小区中的第i个手机基站，n_j是第j个小区中的手机基站个数，是第j个小区中第i个手机基站的第m个特征；

步骤103、重复执行步骤102，直到标准测度函数收敛为止，其形式为：

$J=\sqrt{\frac{{\mathrm{\Σ}}_1^K{\mathrm{\Σ}}_{j=1}^{n_j}{(x_{cj}-c_c)}^2}{n-1}}$

其中，J是标准值，x_cj是第c种交通语义类别中的第j个小区的特征，c_c是第c种交通语义类别中的类中心的特征，c＝(1,2,…K)，K为交通语义类别总数，n_j是第j个小区中的手机基站个数，n为手机基站总数。