CN106709840B - 一种基于移动网络数据的城市常住人口估算方法 - Google Patents

Abstract

本发明公开了一种基于移动网络数据的城市常住人口估算方法，其特征在于所述估算方法为：选取城市A中任一移动运营商的移动网络数据，统计获得在设定的训练时长下累计居住时长大于等于二分之一设定训练时长的手机用户量，进而计算得到手机用户常住人口衰减经验函数；将所述的手机用户常住人口衰减经验函数运用到另一城市B中，估算城市B内任一移动运营商的手机用户常住人口数量，从而根据所述移动运营商在城市B内的市场占有率来估算城市B的所有常住人口数量。本发明的优点是,充分依托现有的无线通信网络信息资源，利用某一城市常住人口衰减经验函数，以及另一城市较少的训练天数的手机移动网络数据，快速方便的估算这一城市的常住人口数量。

Description

一种基于移动网络数据的城市常住人口估算方法

技术领域

本发明属于城市规划管理技术领域，具体涉及一种基于移动网络数据的城市常住人口估算方法。

背景技术

在当前流动人口规模大、人户分离现象较为普遍的情况下，常住人口更能反映出一个地区的人口规模与现状，为政府制定相关政策与服务措施提供更为有效的信息。而一年一度的人口变动情况抽样调查的最终目的就是为了推算年度各地区常住人口数据，现有常住人口数据主要来自于多年一次的人口普查，不仅受历史数据影响，而且普查工作量较大，成本较高。因此迫切需要一种简单方便的常住人口估算方法，来为政府政策制定和相关交通规划提供服务。

发明内容

本发明的目的是根据上述现有技术的不足之处，提供一种基于移动网络数据的城市常住人口估算方法，该人口估算方法通过分析城市A中任一移动运营商时间跨度为1年的移动网络数据，从而计算获得手机用户常住人口衰减经验函数，之后再将该衰减经验函数运用到其它城市B中，从而估算城市B内任一移动运营商的手机用户常住人口数量，并根据该移动运营商在城市B内的市场占有率来估算城市B的所有常住人口数量。

本发明目的实现由以下技术方案完成：

一种基于移动网络数据的城市常住人口估算方法，其特征在于所述估算方法为：选取城市A中任一移动运营商的移动网络数据，计算获得在设定的训练时长下累计居住时长大于等于二分之一设定训练时长的手机用户量，进而计算得到手机用户常住人口衰减经验函数；将所述的手机用户常住人口衰减经验函数运用到另一城市B中，估算城市B内任一移动运营商在所选取时间跨度内的手机用户常住人口数量，从而根据所述移动运营商在城市B内的市场占有率来估算城市B的所有常住人口数量。

所述估算包括如下步骤：

【步骤1】选取城市A和B，获得城市A中任一移动运营商的时间跨度为1年的移动网络数据，所述移动网络数据包括手机识别号—MSID、时间戳—TIMESTAMP、基站ID—CELLID；设定训练时长月份数TM_i的初始值为12个月，其中， i=1,2,3,…,12，表示在1年里所选的月份数量，其初始值为12；

【步骤2】计算在训练时长月份数TM_i的时间范围内，累计居住月份数大于等于1/2TM_i的平均手机用户量TCN_i，其中，i表示在1年12个月里所选的月份数量；将这一组数据结果（TM_i，TCN_i）添加至二维数组结果TrainingResult（m，c）；

【步骤3】将训练时长月份数TM_i减1，获得新的训练时长月份数TM_i，若TM_i＞1，则返回到【步骤2】，求相应的手机用户量TCN_i；依此方法，直至TM_i＜1时，获得二维数组TrainingResult（m，c），即（TM₁₂，TCN₁₂），（TM₁₁，TCN₁₁），（TM₁₀，TCN₁₀）…（TM₂，TCN₂），（TM₁，TCN₁），之后直接进入【步骤4】；

【步骤4】用解析表达式逼近离散数据的方法对得到的二维数组TrainingResult（m，c）进行拟合，得到二维数组TrainingResult（m，c）满足的指数函数y=M₁×a^TMN，其中，M₁表示拟合函数之后的参数为实数；a表示底数，0＜a＜1；TMN为变量，表示训练时长月份数；将指数函数y=M₁×a^TMN的等号两边同时除以训练时长月份数为12时所对应的手机用户量TCN₁₂，得到归一化指数函数，定义为“手机用户常住人口衰减经验函数”：NRCN=M₂×a^TMN，其中，

；

【步骤5】利用城市B中时间跨度为X个月的任一移动运营商的移动网络数据，估算城市B中的手机用户常住人口数量RCN，包括如下步骤：计算城市B在X个月时间范围内，累计居住月份数大于等于1/2X个月的手机用户量RCN_X；通过步骤4中获得的“手机用户常住人口衰减经验函数”：NRCN=M₂×a^TMN，令TMN=X，得到所对应的NRCN的值NRCN_X，则城市B的手机用户常住人口数量为

；

【步骤6】获取所述移动运营商在城市B的市场占有率OccupyRate，并由此计算城市B的所有常住人口数量

。

所述步骤2包括如下步骤：

（2.1）训练时长月份数TM_i是指在1年中的12个月里任选TM_i个月，共有

种组合，用TM_ik表示，其中，k表示序号，k=1,2,…，

；所对应的累计居住月份大于等于1/2TM_i个月的手机用户量TCN_i，也有

个值，用TCN_ik进行表示，其中k=1,2,…,

；所组成的结果集为（TM_ik，TCN_ik），其中k=1,2,…,

；当k=1时，遍历TM_ik个训练时长月份数内的每个手机用户，手机用户数据按照时间戳TIMESTAMP升序排列；

（2.2）计算手机用户一天进出城的逗留时间：

2.2.1）若是第一条记录，则生成一条新的进出城市记录，进入步骤2.2.3；若非第一条记录，则进入步骤2.2.2；所述进出城市记录包括记录手机用户的手机识别号MSID以及进出城市的时间戳，即：MSID=该手机用户的MSID，TIMESTAMP_IN=TIMESTAMP, TIMESTAMP_OUT=TIMESTAMP,SEQ=1；其中，TIMESTAMP_IN是指手机用户该次逗留进入城市的时刻，TIMESTAMP_OUT是指手机用户该次逗留后离开城市的时刻，SEQ是指手机用户在城市A中一天内的逗留次数；

2.2.2）进出城市A判断

2.2.2.1：判断手机用户是否进入城市A：任一手机用户，若其在城市A一次检测到移动网络数据之前的设定时间阈值内没有检测到移动网络数据，则认为该手机用户在该次网络数据检测时间进入了城市A；

2.2.2.2：判断手机用户是否离开城市A：任一手机用户，若其在城市A一次检测到移动网络数据之后的设定时间阈值内没有检测到移动网络数据，则认为该手机用户在该次网络数据检测时间离开了城市A；

2.2.2.3：计算当前记录与前一条记录的时间差TIMEDIFF,若TIMEDIFF小于等于时间阈值，则更新出城市记录即令TIMESTAMP_OUT=TIMESTAMP，进入步骤2.2.4，若TIMEDIFF大于时间阈值则进入步骤2.2.3；

2.2.3）记录手机用户此次逗留时间STAYTIME_SEQ=|TIMESTAMP_OUT-TIMESTAMP_IN|；保存并生成一条新的进出城市记录，MSID=该手机用户的MSID，TIMESTAMP_IN=TIMESTAMP,TIMESTAMP_OUT=TIMESTAMP,SEQ在上一SEQ的基础上累积加1；进入步骤2.2.4；

2.2.4）判断该手机用户这一天的数据是否遍历完毕，若未遍历完成则返回步骤2.2.2；若已经遍历完成，则计算该手机用户这一天内的总计逗留时间：

（2.3）判断该手机用户这一天是否在城市A中居住：

若STAYTIME＞6小时，则N_j=1，表示该手机用户这一天在城市A中居住；若STAYTIME≤6小时，则N_j=0，表示该手机用户这一天不在城市A中居住；若该手机用户所有训练时长月份数TM_i下的各天数据已经遍历完毕，则进入步骤2.4，否则返回步骤2.2；

（2.4）判断该手机用户是否为所需用户：

计算该手机用户所有训练时长月份数TM_i下的居住总时间

，若

＞1/2TM_i，则该手机用户为所需的手机用户，则Mu=1,表示该手机用户为所需手机用户；否则Mu=0，表示该手机用户不是所需手机用户；若遍历完所有训练时长月份数TM_i内的所有手机用户，则进入步骤2.5，否则返回步骤2.2；

（2.5）训练时长月份数TM_ik和手机用户量TCN_ik：

累计所有所需手机用户，则得到居住时长大于等于1/2TM_ik的所有手机用户量

，即（TM_ik，TCN_ik），令k在上一k的基础上累积加1，若k＞

则进入步骤2.6，若k≤

则返回步骤2.2；

（2.6）计算平均手机用户量TCN_i：

训练时长月份数TM_i所对应的累计居住月份大于等于1/2TM_i个月的平均手机用户量

；获得在训练时长月份数TM_i的时间范围内，累计居住月份大于等于1/2TM_i的平均手机用户量的数据结果为（TM_i，TCN_i）。

本发明的优点是：充分依托现有的无线通信网络信息资源，利用某一城市常住人口衰减经验函数，以及另一城市较少的训练天数的手机移动网络数据，快速方便的估算这一城市的常住人口数量。

附图说明

图1为本发明中基于移动网络数据的城市常住人口估算方法流程示意图；

图2为本发明步骤2中平均手机用户量TCN_i计算流程示意图；

图3为本发明中某手机用户一天内的移动网络数据综合统计分析图表；

图4为本发明中某手机用户训练时长内的移动网络数据综合统计分析图表；

图5为本发明中手机用户常住人口衰减经验函数示意图。

具体实施方式

以下结合附图通过实施例对本发明的特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：

实施例：如图1-2所示,本实施例具体涉及一种基于移动网络数据的城市常住人口估算方法，该估算方法具体包括以下的步骤（结合具体实例进行说明）：

【步骤1】首先选取城市A和城市B，之后获得城市A中任意一个移动运营商的时间跨度为1年的移动网络数据，其中的移动网络数据主要包括手机识别号（MSID）、时间戳（TIMESTAMP）、基站ID（CELLID）；设定训练时长月份数TM_i（i=1,2,3,…,12）的初始值为12个月，序号i的初始值也为12；

下表为城市A中一年内的移动网络数据形式：

需要说明的是，上表中，MSID为手机识别号，每个手机的识别号均为唯一；TIMESTAMP为手机信号成功发出的时刻，格式为年、月、日、时、分、秒，例如20150511060006表示2015年5月11日6点0分6秒；CELLID则表示基站的ID，可识别该信号记录所成功发出的位置；训练时长月份数的初始值TM₁₂=12。

【步骤2】计算在训练时长月份数TM_i的时间范围内，累计居住月份数大于等于1/2TM_i的平均手机用户量TCN_i，其中，i表示在1年12个月里所选取的月份数量；将这一组数据结果（TM_i，TCN_i）添加至二维数组结果TrainingResult（m，c）；

步骤2.1）训练时长月份数TM_i是指在1年中的12个月里任选TM_i个月，共有

种组合，用TM_ik表示，其中，k表示序号，k=1,2,…，

；所对应的累计居住月份大于等于1/2TM_i个月的手机用户量TCN_i，也有

个值，用TCN_ik进行表示，其中k=1,2,…,

；所组成的结果集为（TM_ik，TCN_ik），其中k=1,2,…,

；当k=1时，遍历TM_ik个训练时长月份数内的每个手机用户，手机用户数据按照时间戳TIMESTAMP升序排列；

以上述城市A一年的移动网络数据为例，计算在训练时长月份数TM₁₂=12时，累计居住月份数大于等于1/2TM₁₂（即6个月）的平均手机用户量TCN₁₂；

当训练时长月份数为12时，只有一种可能，一年的数据全部训练。遍历每个手机用户，使某个手机用户

个月份的信令记录按照时间戳TIMESTAMP升序排列，逐条遍历记录。以MSID=2e14cfde4dcbf为例，截取其中部分数据如下表所示，假设下表中时间为20150526050525的记录为5月26日的第一条记录，见下表：

步骤2.2）手机用户5月26日在城市A中的逗留时间计算：

2.2.1：上表第一行记录为第一条记录，在此之前3个小时没有记录，则判定此手机用户为进入城市A，记录生成一条新的进城记录，该进城记录记录下手机用户的编号（即手机识别号MSID），此条进城记录的时间戳作为本次进出城市A的进入时间和离开时间，即：MSID=2e14cfde4dcbf，TIMESTAMP_IN=20150526050525 , TIMESTAMP_OUT=20150526050525，SEQ=1，此处的SEQ是指该手机用户在城市A中一天内的逗留次数；继续该手机用户的下一条记录，若非第一条记录，进入步骤2.2.2；

2.2.2：计算当前记录与前一条记录的时间差TIMEDIFF,若TIMEDIFF小于等于时间阈值（在城市A中的时间阈值定于3小时，不同城市时间阈值不同），TIMEDIFF=20150526051018-20150526050525=000453，即4分53秒，小于3小时，此时更新出城市记录，即令TIMESTAMP_OUT=20150526051018；重复步骤2.2.1和步骤2.2.2直至20150526152342与上一条记录20150526095646相差5个多小时，TIMEDIFF大于3小时；

2.2.3：此时手机用户在时间20150526095646之后的3小时内无记录，认为该手机用户在此时间之后离开城市A，此时MSID=2e14cfde4dcbf, TIMESTAMP_IN=20150526050525, TIMESTAMP_OUT= 20150526095646 ，SEQ=1，STAYTIME1=TIMESTAMP_OUT-TIMESTAMP_OUT=045121；而手机用户在时间为20150526095646的记录作为一条新的记录，MSID=2e14cfde4dcbf， TIMESTAMP_IN= 20150526152342,TIMESTAMP_OUT= 20150526152342，SEQ=2，重复步骤2.2.1、步骤2.2.2和步骤2.2.3，直至查询完一天的数据；

2.2.4：根据如图3所示的图表，累计该手机用户在城市A中的全天逗留时间，

,即逗留时间为8小时47分6秒；

步骤2.3）判断该手机用户该天是否在城市A中居住：

由于该手机用户当天在城市A中的逗留时间为8小时47分6秒，大于6小时，所以该手机用户在2015年5月26日视为居住在城市A中，即N_j=1（天）；

步骤2.4）判断该手机用户是否为所需手机用户：

若该手机用户的所有天数数据未遍历完全，则返回步骤2.2中；

若该手机用户的所有天数数据遍历完全，则求训练时长月份数内在城市A中的所有居住天数之和，如图4所示，该手机用户结果：

（天），1/2TM₁₂为6个月，2015年总共有366天，半年则是183天，也就是说该手机用户在城市A的总共居住天数大于6个月的时间，满足条件，因此视该手机用户为所需用户，即M_u=1；

步骤2.5）训练时长月份数TM_ik和TCN_ik：

按照同样的方法遍历判断训练时长月份数内所有手机用户的所有记录，统计用户量，统计结果：

万；由于训练时长月份数为12时，只有一种情况，因此平均手机用户量也是12.5万，数据结果为(TM₁₁,TCN₁₁)=(12，15)。

【步骤3】

将训练时长月份数TM_i减1，获得新的训练时长月份数TM_i，若TM_i＞1，则返回到【步骤2】，求相应的手机用户量TCN_i；依此方法，直至TM_i＜1时，获得二维数组TrainingResult（m，c），即（TM₁₂，TCN₁₂），（TM₁₁，TCN₁₁），（TM₁₀，TCN₁₀）…（TM₂，TCN₂），（TM₁，TCN₁），之后直接进入【步骤4】；

例如上述实例，若训练时长月份个数减1，得到训练时长月份个数为TM₁₁=11，即指在一年12个月里任选11个月，共有

种可能，用TM_11k表示，其中k=1,2,…,12，TM_11k编号随机，1/2TM_11k=5.5个月，167天，具体组合情况分别为：

TM₁₁₁=（1，2，3，4，5，6，7，8，9，10，11）、

TM₁₁₂=（1，2，3，4，5，6，7，8，9，10，12）、

TM₁₁₃=（1，2，3，4，5，6，7，8，9，11，12）、

TM₁₁₄=（1，2，3，4，5，6，7，8，10，11，12）、

TM₁₁₅=（1，2，3，4，5，6，7，9，10，11，12）、

TM₁₁₆=（1，2，3，4，5，6，8，9，10，11，12）、

TM₁₁₇=（1，2，3，4，5，7，8，9，10，11，12）、

TM₁₁₈=（1，2，3，5，6，7，8，9，10，11，12）、

TM₁₁₉=（1，2，4，5，6，7，8，9，10，11，12）、

TM₁₁₁₀=（1，3，4，5，6，7，8，9，10，11，12）、

TM₁₁₁₁=（1，2，4，5，6，7，8，9，10，11，12）、

TM₁₁₁₂=（2，3，4，5，6，7，8，9，10，11，12）

重复上述步骤，直至TM_i＜1；得到不同训练月份个数下，对应的平均手机用户量，二维数组结果TrainingResult(m,c)为：（12，12.5），（11，13），（10，14.8），（9，16.5），（8，17.1），（7，19.5），（6，21），（5，23.1），（4，24.3），（3，26.7），（2，29.6），（1，31.5）。

【步骤4】

用解析表达式逼近离散数据的方法对得到的二维数组TrainingResult(m,c)进行拟合，得到二维数组TrainingResult（m，c）满足的指数函数y=M₁×a^TMN，其中，M₁表示拟合函数之后的参数为实数；a表示底数，0＜a＜1；TMN为变量，表示训练时长月份数；将指数函数y=M₁×a^TMN的等号两边同时除以训练时长月份数为12时所对应的所有手机用户量，得到归一化指数函数，定义为“手机用户常住人口衰减经验函数”：NRCN=M₂×a^TMN，其中，

；

实例中，用解析表达式逼近离散数据方法对结果进行拟合，得到的指数函数y=35.021×0.917^TMN，则“手机用户常住人口衰减经验函数”为：

,具体如图5所示。

【步骤5】

利用城市B中时间跨度为X个月的任一移动运营商的移动网络数据，估算城市B中的手机用户常住人口数量RCN，具体为：计算城市B在X个月时间范围内，累计居住月份数大于等于1/2X个月的手机用户量RCN_X；通过【步骤4】中获得的“手机用户常住人口衰减经验函数”：NRCN=M₂×a^TMN，令TMN=X，得到所对应的NRCN的值NRCN_X，则城市B的手机用户常住人口数量为

；

结合实例进行说明，目前城市B中的某一移动运营商拥有时间跨度为3个月的移动网络数据，利用城市A中的计算方法，参见【步骤2】和【步骤3】，计算城市B在3个月的时间范围内，累计居住大于等于1.5个月的平均手机用户量RCN₃，经实际计算得到平均手机用户量24万人，获得二维数组结果TrainingResult(m,c)为（3,24）；

利用“手机用户常住人口衰减经验函数”：

,令TMN=3，则NRCN₃=2.159,则城市B的手机用户常住人口数量

=11.12万人。

【步骤6】

获取所述移动运营商在城市B的市场占有率OccupyRate，并由此计算城市B的所有常住人口数量

。

实例中，该移动运营商在城市B中的市场占有率OccupyRate为20%，则城市B的所有常住人口数量

万人。

Claims (2)

1.一种基于移动网络数据的城市常住人口估算方法，其特征在于所述估算方法为：选取城市A中任一移动运营商的移动网络数据，计算获得在设定的训练时长下累计居住时长大于等于二分之一设定训练时长的手机用户量，进而计算得到手机用户常住人口衰减经验函数；将所述的手机用户常住人口衰减经验函数运用到另一城市B中，估算城市B内任一移动运营商在所选取时间跨度内的手机用户常住人口数量，从而根据所述移动运营商在城市B内的市场占有率来估算城市B的所有常住人口数量；

所述估算方法包括如下步骤：

【步骤1】选取城市A和B，获得城市A中任一移动运营商的时间跨度为1年的移动网络数据，所述移动网络数据包括手机识别号—MSID、时间戳—TIMESTAMP、基站ID—CELLID；设定训练时长月份数TM_i的初始值为12个月，其中， i=1,2,3,…,12，表示在1年里所选的月份数量，其初始值为12；

【步骤2】计算在训练时长月份数TM_i的时间范围内，累计居住月份数大于等于1/2TM_i的平均手机用户量TCN_i，其中，i表示在1年12个月里所选的月份数量；将这一组数据结果（TM_i，TCN_i）添加至二维数组结果TrainingResult（m，c）；

【步骤3】将训练时长月份数TM_i减1，获得新的训练时长月份数TM_i，若TM_i≥1，则返回到【步骤2】，求相应的手机用户量TCN_i；依此方法，直至TM_i＜1时，获得二维数组TrainingResult（m，c），即（TM₁₂，TCN₁₂），（TM₁₁，TCN₁₁），（TM₁₀，TCN₁₀）…（TM₂，TCN₂），（TM₁，TCN₁），之后直接进入【步骤4】；

【步骤4】用解析表达式逼近离散数据的方法对得到的二维数组TrainingResult（m，c）进行拟合，得到二维数组TrainingResult（m，c）满足的指数函数y=M₁×a^TMN，其中，M₁为实数，表示拟合函数之后的参数；a表示底数，0＜a＜1；TMN为变量，表示训练时长月份数；将指数函数y=M₁×a^TMN的等号两边同时除以训练时长月份数为12时所对应的手机用户量TCN₁₂，得到归一化指数函数，定义为“手机用户常住人口衰减经验函数”：NRCN=M₂×a^TMN，其中，

；

【步骤5】利用城市B中时间跨度为X个月的任一移动运营商的移动网络数据，估算城市B中的手机用户常住人口数量RCN，包括如下步骤：计算城市B在X个月时间范围内，累计居住月份数大于等于1/2X个月的手机用户量RCN_X；通过步骤4中获得的“手机用户常住人口衰减经验函数”：NRCN=M₂×a^TMN，令TMN=X，得到所对应的NRCN的值NRCN_X，则城市B的手机用户常住人口数量为

；

【步骤6】获取所述移动运营商在城市B的市场占有率OccupyRate，并由此计算城市B的所有常住人口数量

。

2.根据权利要求1所述的一种基于移动网络数据的城市常住人口估算方法，其特征在于所述步骤2包括如下步骤：

（2.1）训练时长月份数TM_i是指在1年中的12个月里任选TM_i个月，共有

种组合，用TM_ik表示，其中，k表示序号，k=1,2,…，

；所对应的累计居住月份大于等于1/2 TM_i个月的手机用户量TCN_i，也有

个值，用TCN_ik进行表示，其中k=1,2,…,

；所组成的结果集为（TM_ik，TCN_ik），其中k=1,2,…,

；当k=1时，遍历TM_ik个训练时长月份数内的每个手机用户，手机用户数据按照时间戳TIMESTAMP升序排列；

（2.2）计算手机用户一天进出城的逗留时间：

2.2.1）若是第一条记录，则生成一条新的进出城市记录，进入步骤2.2.3；若非第一条记录，则进入步骤2.2.2；所述进出城市记录包括记录手机用户的手机识别号MSID以及进出城市的时间戳，即：MSID=该手机用户的MSID，TIMESTAMP_IN=TIMESTAMP, TIMESTAMP_OUT=TIMESTAMP,SEQ=1；其中，TIMESTAMP_IN是指手机用户该次逗留进入城市的时刻，TIMESTAMP_OUT是指手机用户该次逗留后离开城市的时刻，SEQ是指手机用户在城市A中一天内的逗留次数；

2.2.2）进出城市A判断

2.2.2.1：判断手机用户是否进入城市A：任一手机用户，若其在城市A一次检测到移动网络数据之前的设定时间阈值内没有检测到移动网络数据，则认为该手机用户在该次网络数据检测时间进入了城市A；

2.2.2.2：判断手机用户是否离开城市A：任一手机用户，若其在城市A一次检测到移动网络数据之后的设定时间阈值内没有检测到移动网络数据，则认为该手机用户在该次网络数据检测时间离开了城市A；

2.2.2.3：计算当前记录与前一条记录的时间差TIMEDIFF,若TIMEDIFF小于等于时间阈值，则更新出城市记录即令TIMESTAMP_OUT=TIMESTAMP，进入步骤2.2.4，若TIMEDIFF大于时间阈值则进入步骤2.2.3；

2.2.3）记录手机用户此次逗留时间STAYTIME_SEQ=|TIMESTAMP_OUT-TIMESTAMP_IN|；保存并生成一条新的进出城市记录，MSID=该手机用户的MSID，TIMESTAMP_IN=TIMESTAMP,TIMESTAMP_OUT=TIMESTAMP,SEQ在上一SEQ的基础上累积加1；进入步骤2.2.4；

2.2.4）判断该手机用户这一天的数据是否遍历完毕，若未遍历完成则返回步骤2.2.2；若已经遍历完成，则计算该手机用户这一天内的总计逗留时间：

（2.3）判断该手机用户这一天是否在城市A中居住：

若STAYTIME＞6小时，则N_j=1，表示该手机用户这一天在城市A中居住；若STAYTIME≤6小时，则N_j=0，表示该手机用户这一天不在城市A中居住；其中，j表示该手机用户在城市A的第j天；若该手机用户所有训练时长月份数TM_i下的各天数据已经遍历完毕，则进入步骤2.4，否则返回步骤2.2；

（2.4）判断该手机用户是否为所需用户：

计算该手机用户所有训练时长月份数TM_i下的居住总时间

，若

≥1/2TM_i*30，则该手机用户为所需的手机用户，则Mu=1,表示该手机用户为所需手机用户；否则Mu=0，表示该手机用户不是所需手机用户；其中，u表示第u位手机用户；若遍历完所有训练时长月份数TM_i内的所有手机用户，则进入步骤2.5，否则返回步骤2.2；

（2.5）训练时长月份数TM_ik和手机用户量TCN_ik：

累计所有所需手机用户，则得到居住时长大于等于1/2TM_ik的所有手机用户量

，即（TM_ik，TCN_ik），令k在上一k的基础上累积加1，若k＞

则进入步骤2.6，若k≤

则返回步骤2.2；

（2.6）计算平均手机用户量TCN_i：

训练时长月份数TM_i所对应的累计居住月份大于等于1/2TM_i个月的平均手机用户量

；获得在训练时长月份数TM_i的时间范围内，累计居住月份大于等于1/2TM_i的平均手机用户量的数据结果为（TM_i，TCN_i）。

Images