CN105389979B

CN105389979B - 一种基于手机定位数据的综合客运枢纽客流实时监测方法

Info

Publication number: CN105389979B
Application number: CN201510609557.XA
Authority: CN
Inventors: 冉斌; 钟罡; 张健; 尹婷婷; 万霞; 李锐
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2015-09-22
Filing date: 2015-09-22
Publication date: 2018-03-13
Anticipated expiration: 2035-09-22
Also published as: CN105389979A

Abstract

本发明公开了一种基于手机定位数据的综合客运枢纽客流实时监测方法，通过对手机定位数据的处理分析，实现对综合客运枢纽的乘客总数量、乘客进出数量等的实时监测。其具体步骤为：统计综合客运枢纽物理边界内部及物理边界外小于50米范围内的手机基站连接用户数量一日内变化情况；建立时空聚类方法，确定综合客运枢纽在通信空间中的覆盖范围；识别并排除综合客运枢纽内的工作人员；计算出综合客运枢纽的实时乘客总数量和进出数量。本发明的优点在于：充分利用了现有的移动通信网络资源，确定了综合客运枢纽在通信空间中的覆盖范围，以一种成本较低的方法实现了对综合客运枢纽客流的实时监测，对综合客运枢纽的日常管理及安全预警有着重要的意义。

Description

一种基于手机定位数据的综合客运枢纽客流实时监测方法

技术领域

本发明涉及交通安全与管理技术领域，特别是一种客流实时监测方法。

背景技术

随着近年来经济的高速增长，高速铁路、航空等交通方式的发展取得了显著的成效，综合客运枢纽逐步发展为高速铁路、航空、公路、水运与城市轨道交通、公共交通、小汽车、出租车等多种交通方式立体交叉衔接的重要交通节点。同时，综合客运枢纽也成为了大规模客流的集散场所，事故发生的风险也随之增加。因此，对于综合客运枢纽的客流进行实时监测是提升枢纽管理水平、降低事故发生风险的必要手段。

视频监测作为传统的监测手段能够有效地对综合客运枢纽的重点区域进行监测(如中央通道、楼梯走廊等)，但由于成本和覆盖范围的限制，视频监测无法对综合客运枢纽整体的客流情况进行实时监测。

随着现代通信技术的进步与服务水平的提升，手机的拥有率和使用率达到了相当高的比例，手机移动终端在无线通信网络中由于各类事件的发生(比如收、发短信，开、关机等)持续地生成位置数据。无线通信网络的高覆盖率使得利用手机定位数据对综合客运枢纽的客流进行实时监测成为可能。

因此，提出一种基于手机定位数据的综合客运枢纽客流实时监测方法不仅有助于综合客运枢纽的日常管理和安全预警，同时也进一步探索了手机定位数据潜在的利用价值。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于手机定位数据的综合客运枢纽客流实时监测方法，用于解决现有的利用视频检测手段对客流进行检测的局限性。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于手机定位数据的综合客运枢纽客流实时监测方法，包括顺序执行的以下步骤：

步骤1、获取综合客运枢纽所在城市的多日手机定位数据和手机基站经纬度坐标的位置信息，统计综合客运枢纽物理边界内部及物理边界外小于50米范围内的手机基站连接用户数量在一日内的变化情况；

步骤2、建立时空聚类方法，对综合客运枢纽内部及物理边界外[50,D]米范围内的手机基站进行时空聚类，确定综合客运枢纽在通信空间中的覆盖范围；

步骤3、通过对综合客运枢纽在通信空间中的覆盖范围内的用户的手机定位数据的时间分布情况进行分析，识别并排除综合客运枢纽内的工作人员，获得在综合客运枢纽通信空间中的覆盖范围内的剩余用户；

步骤4、根据综合客运枢纽在通信空间中的覆盖范围内的剩余用户数量及变化情况，计算出综合客运枢纽的实时乘客总数量和进出数量。

进一步的，在本发明中，所述步骤1中，按照下列步骤统计出手机基站连接用户数量在一日内的变化情况：

步骤1.1、将综合客运枢纽物理边界内部及物理边界外小于50米范围内的手机基站的集合记为集合{C}，集合{C}中手机基站数量为n；

步骤1.2、根据手机通信原理，手机每隔一小时会进行一次周期性位置更新并产生一条手机定位数据，因此对于任一手机用户，手机定位数据产生的最长时间间隔即为一小时(手机关机情况除外)。所以对于集合{C}内任一手机基站，将时间轴划分为相邻的时间段的形式，每个时间段为1小时，定义如下三类用户数量参数：在任意一个时间段内，

总用户数：为在该时间段内产生手机定位数据的所有用户数；

新接入用户数：为在该时间段内产生手机定位数据而在上一时间段内没有产生手机定位数据的用户数；

停留用户数：为在该时间段内和上一时间段内均产生手机定位数据的用户数；

步骤1.3、对集合{C}内每个手机基站在一天的每个时间段内的总用户数、新接入用户数、停留用户数进行统计，并将上述三类用户数量参数分别以时间序列的形式进行排列获得总用户数时间序列T(t)、新接入用户书时间序列N(t)和停留用户数时间序列H(t)，上述t取0,1,2,3,4……23。

进一步的，在本发明中，步骤2中确定综合客运枢纽在通信空间中的覆盖范围的具体步骤如下：

步骤2.1、定义手机基站间的时间距离TD：对每两个手机基站连接用户数量的三类用户数量参数时间序列分别对应进行动态时间规整即DTW，用于量化时间序列之间的差异，将其作为这两个手机基站间的时间距离TD，包括总用户数、新接入用户数、停留用户数的时间序列分别对应进行动态时间规整获得这两个手机基站的总用户数时间距离T_TD、新接入用户数时间距离N_TD和停留用户数时间距离H_TD；动态时间规整前，需将这两个手机基站的总用户数时间序列T(t)都归一化至[0，1]之间，并且这两个手机基站的其他两类用户数量参数的时间序列需根据相应的用户数比例分别对应归一化，使得拥有不同用户数的两个手机基站之间具有可操作性；

步骤2.2、定义手机基站间的空间距离SD：对每两个手机基站在地球上的球面距离作为这两个手机基站间的空间距离SD；

步骤2.3、将集合{C}内位于综合客运枢纽内的重点功能区域(包括售票区、候车区、站台、中央通道、出入口处、换乘区、商业服务区等)的m个手机基站列为特征基站并组成集合{F}，这里至少要求m取大于等于1的整数，并且为保证具有代表性，上述特征基站尽可能分布于不同的重点功能区域中，并且m的取值越大本发明的方法的计算结果越接近真实值，一般情况下综合考虑计算复杂度和计算误差，选择m为4～10之间的整数带入本发明方法中即可；

步骤2.4、建立时空距离模型，每个手机基站与综合客运枢纽之间的时空距离TSD的计算式如下，

上式中：

i代表手机基站，j代表特征基站，且i和j不同时代表同一个手机基站；

TD_ij为手机基站i与特征基站j之间的时间距离；

SD_ij为手机基站i与特征基站j之间的空间距离；

Γ为权重之和；

上述时空距离模型以手机基站i与特征基站j之间的时间距离TD为主体部分，同时考虑到与手机基站i空间距离SD越远的特征基站j对于手机基站i与综合客运枢纽之间的时空距离TSD_i的影响越小，因此以手机基站i与特征基站j之间的空间距离SD_ij的倒数作为权重；

上述每个手机基站与综合客运枢纽之间的时空距离TSD包括总用户数时空距离T_TSD、新接入用户数时空距离N_TSD和停留用户数时空距离H_TSD三种不同数据类别的数据；

将集合{C}中所有n个手机基站与综合客运枢纽之间的时空距离TSD中的上述三类数据按照这三种数据类别分别归类形成{T_TSD_k}、{N_TSD_k}、{H_TSD_k}三组数据，这里k＝1,2,…,n；

步骤2.5、将综合客运枢纽物理边界外[50,D]米范围内的手机基站记为手机基站P，并设定如下聚类条件

上式中：

T_TSD_P表示手机基站P与综合客运枢纽之间的总用户数时空距离；

N_TSD_P表示手机基站P与综合客运枢纽之间的新接入用户数时空距离；

H_TSD_P表示手机基站P与综合客运枢纽之间的停留用户数时空距离；

上述D≤1500；

P_T80表示{T_TSD_k}中总用户数时空距离T_TSD从小到大排序后计算累计百分位，第80百分位数值；

P_N80表示{N_TSD_k}中新接入用户数时空距离N_TSD从小到大排序后计算累计百分位，第80百分位数值；

P_H80表示{H_TSD_k}中停留用户数时空距离H_TSD从小到大排序后计算累计百分位，第80百分位数值；

对手机基站P至少统计10日的手机定位数据，分别基于每日的手机定位数据判断该手机基站P是否满足聚类条件，若该手机基站P满足聚类条件的概率大于等于80％，则判断该手机基站P位于综合客运枢纽在通信空间中的覆盖范围内；否则，判断该手机基站P不位于综合客运枢纽在通信空间中得到覆盖范围内；

步骤2.6、将属于综合客运枢纽在通信空间中的覆盖范围内的手机基站P组成集合{E}，然后将集合{E}和集合{C}合并得到综合客运枢纽在通信空间中的覆盖范围集合{T}。

进一步的，在本发明中，由于{T}内手机用户主要由乘客和综合客运枢纽内部的工作人员组成，需对这两类用户进行识别；由于工作人员一日内需在综合客运枢纽内工作8小时左右，因此步骤3中判断综合客运枢纽内的工作人员的方法如下：

若某一手机满足在集合{T}内出现的该手机的第一条手机定位数据和在集合{T}内出现的该手机的最后一条手机定位数据的时间间隔不小于7小时且同时满足在集合{T}内的该手机的连续两条手机定位数据的时间间隔不大于1小时，则判断该用户为综合客运枢纽内的工作人员。

进一步的，在本发明中，所述步骤4中，具体包括：

步骤4.1、以1小时为时间周期统计在综合客运枢纽在通信空间中的覆盖范围内的剩余用户数获得综合客运枢纽内的实时乘客总数量；

步骤4.2、根据在综合客运枢纽在通信空间中的覆盖范围内的剩余用户数计算出综合枢纽实时的进入乘客数量和离开乘客数量：进入乘客数量为当前时间周期内综合客运枢纽在通信空间中的覆盖范围内有手机定位数据而上一时间周期内无手机定位数据的用户的数量总和；离开乘客数量为当前时间周期内综合客运枢纽在通信空间中的覆盖范围内有手机定位数据而下一时间周期内无手机定位数据的用户的数量总和。

有益效果：

本发明提供了一种利用手机定位数据实现对综合客运枢纽客流的整体情况(如乘客总数量，乘客进出数量等)进行实时监测的方法。

本发明充分依托现有的移动通信网络资源，通过实时采集、分析移动通信网络中的手机定位数据，明确了综合客运枢纽在通信空间中的覆盖范围，并根据手机定位数据时间分布情况对手机用户进行识别，实现了对综合客运枢纽的客流整体情况的实时监测。本发明相比于视频监测等方法成本较低，并突破了传统方法监控范围集中于重点区域的局限，可与传统方法实现良好的互补。

本发明将手机定位数据提供的实时信息应用于交通管理，数据覆盖范围大、精度高，同时改进了时空聚类方法，引入了时间距离和空间距离的概念提高了聚类的精度。

本发明可以为综合客运枢纽管理提供有效的检测和监控手段，适用于综合客运枢纽管理部门，为综合客运枢纽的日常管理、安全预警提供决策支持信息。

附图说明

图1为本发明的总体流程图；

图2为综合客运枢纽A物理边界内及物理边界外小于50米范围内的手机基站位置；

图3为手机基站(编号7)的手机用户数量时间序列曲线；

图4为选取的特征基站的位置；

图5为综合客运枢纽A一日内实时的乘客总数量和进出数量曲线。

具体实施方式

下面结合附图对本发明作更进一步的说明。

结合图1，本发明提供了一种基于手机定位数据的综合客运枢纽客流实时监测方法，其步骤为：

步骤1、选取国内某一现代化大型综合交通枢纽A作为本实施例的研究对象，枢纽A内包括了高速铁路、航空、城市轨道、公共交通等多种交通方式，获取枢纽A所在城市的多日手机定位数据和手机基站列表(包括手机基站的编号和经纬度坐标)，统计枢纽A物理边界内部及物理边界外小于50米范围内的手机基站连接用户数量在一日内变化情况；

步骤1.1、枢纽A物理边界内部及物理边界外小于50米范围内的手机基站可直接确定为在枢纽A的通信空间中的覆盖范围内，将该部分手机基站记为集合{C}，手机基站数量为52个，对手机基站进行随机编号，如图2所示；

步骤1.2、为分析集合{C}内的手机基站连接用户数的变化特征，选取三类用户数量参数：总用户数(total_users)、新接入用户数(new_users)和停留用户数(halt_users)；

对于集合{C}内任一手机基站，某一时间段内：total_users为该时间段内产生手机定位数据的所有用户数，new_users为在该时间段产生手机定位数据而在上一时间段没有产生手机定位数据的用户数，halt_users为在该时间段和上一时间段均产生手机定位数据的用户数；

步骤1.3、根据手机通信原理，手机每隔一小时会进行一次周期性位置更新并产生一条手机定位数据，对于任一手机用户，手机定位数据产生的最长时间间隔即为一小时(手机关机情况除外)，因此可将步骤1.2中时间段长度设为一小时，对集合{C}内每个手机基站在一天的每个时间段内的总用户数、新接入用户数、停留用户数进行统计，并以时间序列的形式统计出集合{C}内任一手机基站一天内total_users、new_users、halt_users的变化情况，分别记为T(t)、N(t)、H(t),t＝0,1,2,…,23，统称为手机基站用户数量时间序列；随机选基站7绘制其三组时间序列曲线如图3；

步骤2、建立时空聚类方法，对枢纽A内部及物理边界外[50,D]米范围内的手机基站进行时空聚类，确定枢纽在通信空间中的覆盖范围；

步骤2.1、定义基站间的时间距离TD，对于任意两手机基站：TD为手机基站用户数时间序列之间的动态时间规整距离(DTW，用于量化时间序列之间的差异)，利用两个手机基站的T(t)、N(t)、H(t)可分别计算出三类时间距离(计算前T(t)需归一化至[0,1]，N(t)和H(t)也需根据相应用户数比例进行归一化)，记为T_TD、N_TD、H_TD；

步骤2.2、定义基站间的空间距离SD，对于任意两手机基站：SD为手机基站在地球上的球面距离，利用手机基站的经纬度坐标进行计算；

步骤2.3、从集合{C}中选取m＝8个特征基站组成集合{F}，如图4，集合{F}内手机基站位于枢纽A内乘客出现或停留概率高的位置，其中：手机基站7和手机基站13靠近高铁站站台，手机基站11和手机基站33靠近高铁站出入口，手机基站12和手机基站43靠近机场航站楼，手机基站8和手机基站23靠近机场航站楼出入口；

以集合{F}内手机基站用户数量时间序列表征枢纽A的用户数量变化特征；

步骤2.4、建立时空距离模型，计算任一手机基站i与枢纽A之间的时空距离TSD_i，以手机基站i与特征基站之间的时间距离TD为主体部分，同时考虑到与手机基站i空间距离SD越远的特征基站对于TSD的影响越小，因此以空间距离SD的倒数作为权重，模型具体如下：

上式中：

TD_ij为手机基站i与特征基站j之间的时间距离；

SD_ij为手机基站i与特征基站j之间的空间距离；

Γ为权重之和；

TSD同样可将分为三类总用户数时空距离T_TSD、新接入用户数时空距离N_TSD和停留用户数时空距离H_TSD三种不同数据类别的数据；

步骤2.5、为判断枢纽A物理边界50米范围外的手机基站是否位于枢纽A通信空间中的覆盖范围内，需设定聚类条件，计算出集合{C}中所有手机基站与枢纽A之间的TSD，得到三组数据{T_TSD_k}、{N_TSD_k}、{H_TSD_k}(k＝1,2,…,52)，将上述三组数据分别从小到大排序后计算累计百分位取各组数据的第80百分位数作为临界值，记为P_T80、P_N80、P_H80，对于枢纽A物理边界外的手机基站p聚类条件设定如下：

T_TSD_p≤P_T80,N_TSD_p≤P_N80,H_TSD_p≤P_H80

对手机基站P至少统计10日的手机定位数据，分别基于每日的手机定位数据判断该手机基站P是否满足聚类条件，若该手机基站P满足聚类条件的概率大于等于80％，则判断该手机基站P位于综合客运枢纽通信空间中的覆盖范围内；否则，判断该手机基站P不位于综合客运枢纽通信空间中的覆盖范围内；聚类结果如表1所示，这部分手机基站组成集合{E}，手机基站数量为52个，将集合{E}和集合{C}合并得到枢纽A在通信空间中的覆盖范围集合{T}。

表1

所述步骤3中，具体包括：

步骤3.1、集合{T}内手机用户主要由乘客和枢纽A内部的工作人员组成，需对这两类用户进行识别；

步骤3.2、由于工作人员一日内需在枢纽A内工作8小时左右，其手机定位数据的一日内时间分布应满足以下两个条件：(1)、该用户在集合{T}内的第一条手机定位数据和该用户在集合{T}内的最后一条手机定位数据的时间间隔不小于7小时；(2)、该用户在集合{T}内的连续两条手机定位数据的时间间隔不大于1小时；

步骤3.3、根据步骤3.2中的条件识别出集合{T}内手机用户中的工作人员并排除。

所述步骤4中，具体包括：

步骤4.1、以1小时为时间周期统计剩余的手机用户数量可获得枢纽A内实时的乘客总数量，统计结果见图5；

步骤4.2、根据剩余的手机用户数量同时也可计算出枢纽A实时的进入乘客数量和离开乘客数量，统计结果见图5：进入乘客数量为当前时间周期内枢纽A在通信空间中的覆盖范围内有手机定位数据而上一时间周期内枢纽A在通信空间中的覆盖范围内无手机定位数据的用户数；离开乘客数量为当前时间周期内枢纽A在通信空间中的覆盖范围内有手机定位数据而下一时间周期内枢纽A在通信空间中的覆盖范围内无手机定位数据的用户数。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种基于手机定位数据的综合客运枢纽客流实时监测方法，其特征在于：包括顺序执行的以下步骤：

步骤2、建立时空聚类方法，对综合客运枢纽内部及物理边界外[50,D]米范围内的手机基站进行时空聚类，确定综合客运枢纽在通信空间中的覆盖范围，包括步骤2.1至2.6：

步骤2.1、定义手机基站间的时间距离TD：对每两个手机基站连接用户数量的三类用户数量参数时间序列分别对应进行动态时间规整获得这两个手机基站间的时间距离TD，包括总用户数、新接入用户数、停留用户数的时间序列分别对应进行动态时间规整获得这两个手机基站的总用户数时间距离T_TD、新接入用户数时间距离N_TD和停留用户数时间距离H_TD；

步骤2.3、将综合客运枢纽物理边界内部及物理边界外小于50米范围内的手机基站的集合记为集合{C}，集合{C}中手机基站数量为n；将集合{C}内位于综合客运枢纽内的售票区、候车区、站台、中央通道、出入口处、换乘区、商业服务区的m个手机基站列为特征基站并组成集合{F}，m为大于等于1的整数；

步骤2.4、每个手机基站与综合客运枢纽之间的时空距离TSD的计算式如下，

<mrow> <msub> <mi>TSD</mi> <mi>i</mi> </msub> <mo>=</mo> <munder> <mo>&Sigma;</mo> <mi>j</mi> </munder> <mfrac> <mrow> <mn>1</mn> <mo>/</mo> <mrow> <mo>(</mo> <msub> <mi>SD</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mi>&Gamma;</mi> </mfrac> <mrow> <mo>(</mo> <msub> <mi>TD</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>

<mrow> <mi>&Gamma;</mi> <mo>=</mo> <munder> <mo>&Sigma;</mo> <mi>j</mi> </munder> <mfrac> <mn>1</mn> <mrow> <msub> <mi>SD</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mfrac> </mrow>

上式中：

TD_ij为手机基站i与特征基站j之间的时间距离；

SD_ij为手机基站i与特征基站j之间的空间距离；

Γ为权重之和；

上式中：

上述D≤1500；

对手机基站P至少统计10日的手机定位数据，分别基于每日的手机定位数据判断该手机基站P是否满足聚类条件，若该手机基站P满足聚类条件的概率大于等于80％，则判断该手机基站P位于综合客运枢纽通信空间中的覆盖范围内；否则，判断该手机基站P不位于综合客运枢纽通信空间中的覆盖范围内；

步骤2.6、将属于综合客运枢纽通信空间中的覆盖范围内的手机基站P组成集合{E}，然后将集合{E}和集合{C}合并得到综合客运枢纽通信空间中的覆盖范围集合{T}；

步骤3、通过对综合客运枢纽在通信空间中的覆盖范围内的用户的手机定位数据的时间分布情况进行分析，识别并排除综合客运枢纽内的工作人员，获得在综合客运枢纽在通信空间中的覆盖范围内的剩余用户数；

步骤4、根据综合客运枢纽在通信空间中的覆盖范围内的剩余用户数及变化情况，计算出综合客运枢纽的实时乘客总数量和进出数量。

2.根据权利要求1所述的基于手机定位数据的综合客运枢纽客流实时监测方法，其特征在于：所述步骤1中，按照下列步骤统计出手机基站连接用户数量在一日内的变化情况：

步骤1.1、对于集合{C}内任一手机基站，将时间轴划分为相邻的时间段的形式，每个时间段为1小时，定义如下三类用户数量参数：在任意一个时间段内，

步骤1.2、对集合{C}内每个手机基站在一天的每个时间段内的总用户数、新接入用户数、停留用户数进行统计，并将上述三类用户数量参数分别以时间序列的形式进行排列获得总用户数时间序列T(t)、新接入用户书时间序列N(t)和停留用户数时间序列H(t)，上述t取0,1,2,3,4……23。

3.根据权利要求2所述的基于手机定位数据的综合客运枢纽客流实时监测方法，其特征在于：步骤3中判断综合客运枢纽内的工作人员的方法如下：

4.根据权利要求1所述的基于手机定位数据的综合客运枢纽客流实时监测方法，其特征在于：

5.根据权利要求1所述的基于手机定位数据的综合客运枢纽客流实时监测方法，其特征在于：所述m的取值为4～10之间的整数。