CN108198416A - 一种手机信令与路网大数据的融合方法及其应用与系统 - Google Patents

Abstract

本发明涉及一种手机信令与路网大数据的融合方法及其应用与系统，所述融合方法为：从运营商的信令接口中提取原始信令数据并进行筛选、清洗、降噪从而选择出符合路网运行监测需求的信令数据；对信令数据进行路网运行状态分析；与路网其它部区基于信令数据进行数据交换、与其它交通数据输入系统、发布系统进行数据交换，通过多源融合对多数据进行融合；所述多数据融合模型为通过卡尔曼滤波算法得到。在融合数据基础上提出了具体应用和系统。本发明基于手机信令和交通大数据的融合，实现为路网运行监测、预测提供准确的实时路网数据、为重大突发事件预警和应急处置提供技术支撑、为出行服务提供权威的信息、并为交通决策提供数据的共享和智能的分析。

Description

一种手机信令与路网大数据的融合方法及其应用与系统

技术领域

本发明涉及交通技术领域，具体的涉及一种路网监测、预测方法与系统。

背景技术

交通运输系统是国民经济运行的命脉。随着经济的发展和城市化发展进程的加快，城市人口的增长、机动车拥有量的增加、城市形态的变化以及社会活动规模的增加都给大、中城市的交通及其管理系统增加了越来越重的负荷，交通需求与路网供给之间的矛盾也变得越来越突出。因此，综合运用各种技术手段特别是信息技术，提高路网运行的利用效率，对交通运输事业的快速发展具有十分重要的意义。在这种背景下，通过路网运行实时监测来实现的智能交通系统应运而生。但目前智能交通系统最关键的问题就是原始的交通流量数据存在缺陷，且只能获得直观数据，智能度较低。

目前国内主要采用提前布置前端硬件采集信息的方式来获得，包括以下两种：

1、固定检测器采集技术，该项技术通过埋在路下或设在路旁的固定监测设施(如线圈、摄像头、微波、红外等)，以监测交通流量点、交通流量线以及视频流的方式，采集原始的交通流量信息；

2、浮动车采集技术，该项技术利用车载GPS定位、无线通信和信息处理等多种技术手段，实现对道路上行驶车辆的瞬时速度、位置、路段旅行时间等交通数据的采集，经过处理后生成反映实时道路拥堵情况的交通信息。

现有的交通路况信息采集存在着一定缺陷，它们表现在：

1、固定检测器采集技术，该项技术虽然准确率非常高，但是应用与维护成本也是相当高，目前只在一线城市路网以及国内大、中城市的主干路网有较为全面的部署和建设，应用规模受成本制约严重；且需要提前布置前端硬件，成本较高，实施周期长；

2、浮动车采集技术，目前应用最为广泛的技术，但其监控数据多来自于出租车、公交车等运营车辆，运营车辆的驾驶行为较为特殊，如：出租车会在某些地点等待乘客，或是缓慢行驶寻找乘客；公交车则仅会按照固定路线行驶，而且到站会停车载客、卸客；其数据覆盖也依赖于目标城市的运营车辆规模化程度，数据质量严重依赖有效的样本数据量，在快速路和高速公路、城乡结合部等运营车辆规模化较低的大部分区域仍无法得到有效应用。

上两种方法突出的问题都是供给信息成本高、监测粒度只能是车/路，不能细化到个人，使得对路网运行状态精细化的需求和进一步扩展的需求得不到满足，在此基础上无法进行进一步的综合拓展分析，不能实现监测与预测的综合利用。

发明内容

为了解决现有路网监测粒度不够细化、监测和预测等综合应用程度低的问题，本发明提供一种手机信令与路网大数据的融合方法及其应用与系统。

本发明技术方案如下：

一种手机信令与路网大数据的融合方法，其特征在于包括以下步骤：

①从运营商的信令接口中提取原始信令数据；

②对所述原始信令数据进行筛选得到被监测区域上发生的信令数据，然后进行清洗无效信令数据、剔除异常信令数据，并进行降噪从而选择出符合路网运行监测需求的信令数据；

③对所述符合路网运行监测需求的信令数据进行路网运行状态分析；

④与路网其它部区基于信令数据进行数据交换、与其它交通数据输入系统和/或发布系统进行数据交换，通过多源融合对多数据进行融合；

所述多数据融合模型为通过卡尔曼滤波算法得到路网运行监测多数据的线性离散特性：

其中式1-1是卡尔曼滤波法的一般状态方程，式1-2表示观测方程的一般形式，式1-3至1-5为校正方程；

^表示预测估计值；右角标的-表示前一阶段对该阶段的先验估计值；

表示由前一状态对当前状态的估计值；

A表示状态转移矩阵；

表示前一阶段的最优估计值；

B表示系统噪声矩阵；

表示当前阶段的最有估计值；

K_t表示卡尔曼增益矩阵，也即观测值与先验估计状态值之间的权重分配；

z_t表示滤波后的观测值矩阵；

C_t表示测量系统的参数矩阵；

V_t表示测量噪声矩阵；

表示误差协方差的先验估计矩阵；

P_t-1表示前一阶段误差协方差的最优估计值矩阵；

Q_t表示系统过程的协方差矩阵；

R_t表示t周期的观测方差矩阵，为V_t的协方差矩阵；

P_t表示当前阶段误差协方差的最优估计值矩阵；

即所述多数据融合模型分为两块：历史数据融合负责生成前一阶段状态的估计值，实时数据融合负责生成现阶段的状态观测值，并综合确定监测路网运行车流量和区间速度的最终预测估计值。

本发明还包括对于前述方法的应用，在多数据融合的基础上，实现为路网运行的应用功能提供数据支撑，所述应用功能包括：

路网运行状态监测、人口密度监测、OD分析、综合枢纽人口流动来源分析和/或路况预测分析。

优选的，所述路网运行状态监测包括基于GIS-T支撑平台的实时运行监测、基于GIS-T的历史运行信息查询和回放和基于路况实时的拥堵状态进行预警。

优选的，所述人口密度监测为通过对城市人口的手机用户进行实时定位，实时呈现城市人口的分布情况和流动情况，对重点区域进行人口热图的监测和监控，人口密度超过容纳上线产生预警。

优选的，所述OD分析为对手机用户的长时间数据进行跟踪，分析识别每个手机用户的起始地和目的地，居住地及工作地的情况，和出行方式。

优选的，所述综合枢纽人口流动来源分析为系统分析手机用户流入流出监测地的省域、市域、区域手机用户群体的出行总量、出行方式。

优选的，所述路况预测分析为基于手机信令的交通大数据，对所有路况依据历史数据和现时情况通过数学模型进行预测预警分析。

用于前述应用的一种基于手机信令与路网大数据融合的应用系统，其特征在于根据手机信令数据的传输路径依次包括基础支撑模块、数据采集模块、应用支撑系统、应用系统、呈现发布模块，所述基础支撑模块和数据采集模块采集手机信令数据，所述应用支撑系统进行数据交换以及根据监测需求进行数据管理和分析，所述应用系统基于应用支撑系统的数据分析实现具体应用。

优选的，所述应用支撑系统包括数据交换平台、数据管理平台、GIS-T模块和Hadoop大数据平台模块，其中，所述数据交换平台实现部区之间基于移动信令的数据交换，与路况通车系统、视频图像联网系统、浮动车系统和/或公路气象系统的数据交换，以及与公路管理与应急处置平台、公路出行信息服务系统、公路网交通广播系统和/或公路网综合检测管理平台的数据交换；数据综合管理平台实现信令数据管理、移动信令运行状态数据的管理、融合后的路网运行状态数据管理、其它路网运行状态数据管理、数据处理监控、数据分发管理和/或历史数据查看功能；GIS-T支撑平台为路网运行信息的图形化展示作支撑；Hadoop大数据平台对信令数据根据由基站构成的虚拟监控网络进行滤波分析，并与电子地图的路网相匹配，生成目标道路上的交通状况信息。

基于应用支撑系统的数据分析的所述应用系统优选的包括：路况预测系统、OD分析系统、辅助决策系统、路网运行状态监测系统、人口密度监测系统、人口流动来源分析系统和/或用户管理系统。

本发明技术效果如下：

手机信令数据用于路网运行的应用具有以下有利之处：

1、覆盖范围广，截止2016年6月30日，三大运营商的手机用户数的权威数据(以移动通信运营商公布的2016年中期报告或半年度报告为准)，中国移动8.37亿，中国联通2.61亿，中国电信2.1亿，分别占全国手机用户数的64％、20％、16％，基本上每个人都有手机；

2、建设成本很低，无需前端硬件；

3、运维非常便捷，无需前端硬件维护；

4、实时周期短，无需前端部署环节；

5、监测粒度是人，不再只是车/路的粒度，为综合分析应用提供了基础。

在此基础上，本发明基于手机信令大数据和交通大数据的融合，实现为路网运行监测提供准确的实时路网运行数据、为路网重大突发事件预警和应急处置提供技术支撑、为出行服务提供权威的信息和预测、并为交通决策提供数据的共享和智能的分析。利用卡尔曼滤波算法和线性系统状态方程，通过输入及输出观测数据状态进行最优估计的算法。卡尔曼滤波算法的预测是借助系统的状态转移方程，利用前一阶段的状态估计值与现阶段的状态观测值进行递推估计。由于卡尔曼滤波法是以时间进程为线索的“惯性”预测，可通过观测进行不断地校正与改进，提高预测的精度。

1、实现路网运行状态一体化实时监测及预测。

--结合GIS-T地图，基于手机信令和多源数据的融合，实现路网运行状态的实时监测，包括实时运行状态地图显示、视频信息验证及显示、阻断信息显示、公路气象信息服务、交通指数查询等。当路段出现拥堵时，可调阅拥堵点视频进行自动或人工验证，确保发布信息的准确性，并在系统中同步显示路况事件信息(施工、事故等阻断信息)、气象信息、交通指数等，实现路网运行状态的一体化监测。系统对城市的覆盖率将达到100％，运行状态检测的准确率达到95％以上，验证后的信息发布最低更新频率为5分钟。

--结合历史数据，对路网运行状态进行预测。预测准确率达到80％。

2、综合交通枢纽人口流动监测

通过对手机用户的长时间数据进行跟踪，研究出相关出行活动链的判断逻辑，可以分析综合交通枢纽人口流入流出状况，包括省域、市域、区域手机用户群体的出行总量、出行方式，为路网管理、规划、运营部门提供决策辅助。对综合交通枢纽的监控覆盖率100％。

3、OD/职住地分布的呈现。

通过对手机用户的长时间数据进行跟踪，研究出相关判断逻辑，可以分析识别每个手机用户的居住及工作所在的交通片区。工作地判断主要依据为白天时段的活动情况，居住地判断主要依据为夜间时段活动地分布。OD/职住地覆盖率达到60％以上的人群。

4、实现整体运行态势综合研判及决策辅助。

对特定路段、通道及区域路网历史运行状态进行统计，分析其运行规律以及公路出行者的出行习惯；综合考虑天气、交通事故、节假日、时间等因素的影响，对监测区域内的特定路段、通道及区域路网未来运行趋势预测，为路网管理、规划、运营部门提供决策辅助。

5、实现安全预警、交通诱导等服务信息及时发布。

附图说明

图1为本发明实施例系统架构图；

图2为本发明实施例系统登录界面图；

图3为本发明实施例系统界面显示图；

图4为本发明实施例告警路段数量统计趋势图；

图5为本发明实施例拥堵指数显示图；

图6为本发明实施例路网运行状态监测系统界面显示图；

图7为本发明实施例HADOOP组件结构图；

图8为本发明实施例手机信令清洗子系统架构图；

图9为本发明基本原理流程图；

图10为多源数据融合示意图。

具体实施方式

为了更好的解释本发明，下面结合具体实施方式对本发明进行进一步的解释。

本发明的一种基于手机信令融合路网大数据的方法，根据图9-10所示，包括以下步骤：

①从运营商的信令接口中提取原始信令数据；

②对所述原始信令数据进行筛选得到被监测区域上发生的信令数据，然后进行清洗无效信令数据、剔除异常信令数据，并进行降噪从而选择出符合路网运行监测需求的信令数据；

③对所述符合路网运行监测需求的信令数据进行路网运行状态分析；

④与路网其它部区基于信令数据进行数据交换、与其它交通数据输入系统和/或发布系统进行数据交换，通过多源融合系统对多数据进行融合，在数据分析的基础上，实现为路网运行监测的应用功能提供数据支撑；

所述多数据融合系统的融合过程为：

首先，分析各种路网运行监测数据的特征，获得不同数据在空间和时间上的互补与冗余关系，然后，制定多数据融合的优化目标，建立多数据融合模型，按照统一的空间参考系和时间序列，产生最终的路况数据以形成对公路交通状况的一致性解释和描述；

所述多数据融合模型为通过卡尔曼滤波算法得到路网运行监测多数据的线性离散特性：

其中式1-1是卡尔曼滤波法的一般状态方程，式1-2表示观测方程的一般形式，式1-3至1-5为校正方程；

^表示预测估计值；右角标的-表示前一阶段对该阶段的先验估计值；

表示由前一状态对当前状态的估计值；

A表示状态转移矩阵；

表示前一阶段的最优估计值；

B表示系统噪声矩阵；

表示当前阶段的最有估计值；

K_t表示卡尔曼增益矩阵，也即观测值与先验估计状态值之间的权重分配；

z_t表示滤波后的观测值矩阵，例如当前阶段下的统计收费数据；

C_t表示测量系统的参数矩阵；

V_t表示测量噪声矩阵；

表示误差协方差的先验估计矩阵；

P_t-1表示前一阶段误差协方差的最优估计值矩阵；

Q_t表示系统过程的协方差矩阵；

R_t表示t周期的观测方差矩阵，为V_t的协方差矩阵；

P_t表示当前阶段误差协方差的最优估计值矩阵；

即所述多数据融合模型分为两块：历史数据融合负责生成前一阶段状态的估计值，实时数据融合负责生成现阶段的状态观测值，并综合确定监测路网运行车流量和区间速度的最终预测估计值。

其中，所述信令数据包括信令事件类型、基站LAC/CI和/或时间信息等。

进一步的，步骤①中筛选、清洗和剔除的手机信令数据包括无效的、不完整的、未在监测范围车辆上的信令、驻留用户和运动特征异常等信令样本。

筛选手机信令数据的步骤例如将电子地图数据和基站地图输入系统，并将基站位置信息和目标区域地图数据相叠加，产生静态关联关系；将手机信令数据接入，并根据基站地图和目标区域匹配关系，筛除与该区域无关的信令数据。

例如：与路网无关的信令其行为特征主要有：

信令仅发生在相邻基站区域(属于驻留用户发生的信令)；

切换信令重复往复于两个或三个基站区域(属于乒乓切换现象)；

前后信令不一致，例如，前后信令显示穿越了道路或与实际道路偏差较大等(属于异常信令)；

另外，在高速公路网的进出匝道、服务区发生的信令也需要特殊处理，以避免这些信令数据对交通流参数估算的不良影响。

根据监测系统的需求，从原始数据记录中提取所需字段信息。对涉及运营商及最终用户的字段信息进行加密处理，比如运营商的基站编码、位置区编码以及用户的身份标示信息，都需要进行加密处理，对数据使用者，通过加密的信息仍是唯一的、可识别的。

另外，对于所述信令数据的清洗还要进行路测验证，根据空中信令信号的强度进行建模，结合实际的地理信息，对手机定位进行校正和结果验证。路测模拟行车在高速公路上正常行驶的场景，并在车辆上装置专业手机信号测量系统，车辆通过公路时，系统会自动记录下当前手机占用小区信息，周边强度TOP6临区信号以及手机发生切换的临界点GPS坐标。通过采集的数据进行分析，建模，从而实现精准定位。路测系统由测试手机、GPS、便携式电脑、NTAS软件四大部分构成，其中测试手机可以由用户根据实际测试需要灵活地选配不同的类型。

对手机信令的无线定位发布包括以下步骤：a.对移动通信网络覆盖的区域依照制定的大小划分栅格，并给每个栅格编号；b.根据每一栅格的地理特征和无线传播特征建立该栅格的初始无线传播模型；c.根据DT(驱车测量)数据生成每一栅格的无线传播模型的特征数据；d.从移动通讯网络采集信令数据，筛选出信令数据中的每一次通话，将通话中的测量报告提取出来，并对测量报告进行筛选；e.逐条分析筛选后的测量报告与每一栅格的特征数据的匹配度，计算出概率值；f.找到概率值最高的几个栅格的中心，即为该通话的移动通信网络终端的位置。

在采集的手机信令数据的基础上，本发明的多源信息融合主要将浮动车数据、两客一危数据、CCTV图像数据、气象数据、公路交通突发(阻断)事件信息报送系统数据与前面得到的手机信令数据融合，用于路网运行监测及出行服务应用。按照统一的空间参考系(地理坐标系、里程桩参考系)和时间序列，综合考虑各种路网运行监测数据的样本数量，覆盖范围，数据结果权重等，产生最终的路况数据等结果数据。

在融合数据基础上，基于大数据的手机信令位置信息分析包括路网运行状态监测、人口密度监测、OD分析、职住地分析、综合枢纽人口流动来源分析和决策分析等具体综合应用。

1、路网运行状态监测

(1)基于GIS-T的实时运行监测

系统在GIS-T支撑平台基础上，提供基于地图的实时路网运行监测服务。路网运行状态监测系统界面如图6所示，

①实时运行状态地图显示

以地图切片的形式展示，地图上显示的不同颜色线条即代表本条道路的路况，路况刷新频率为2分钟一次，保证了路况信息的及时性。提供查询界面，查询各个路段的交通流相关数据，能够实时地图发布路况情况，并包括计算交通流量、平均速度等指标：

路段平均车速分析：

路段平均车速是指分析时段内，拟分析路段的平均行程车速或称区间平均车速，可以采用单位时段地点平均车速的调和平均数来表示。

交通量时间分布：

按不同路段行政等级、位置分析路段交通流量时间分布变化，并进行分级排序。

②视频信息验证及显示

接入视频监控信息，以视频流的方式叠加在地图上，在某路段出现拥堵是，可以调阅该路段视频。

③阻断信息显示

叠加各省上传的道路施工等交通中断或阻塞事件，包括基本情况、阻断原因、处置措施等。

④公路气象信息服务

提供公路气象预报预警信息服务，包括公路实时气象信息、路面积水、结冰、大雾等影响公路出行的天气相关信息。系统提供天气预报滚动条，可实时看到相关的气象信息。

⑤交通指数查询

提供公路交通指数查询服务，包括道路实时交通指数、不同道路等级交通指数、不同区域交通指数，交通指数排名、历史交通指数分析等功能。如图5所示。

(2)基于GIS-T的历史运行信息查询和回放

系统通过调用历史数据，可以查询及回放任一时刻、任一路段的运行状态，并在地图上按当时的状态显示运行情况、断路信息、气象信息等信息。可实现路况和指标的同页面显示。

系统提供回放速度调节，暂停等回放控制功能。并可以选择任意一天进行回放。

(3)基于路况实时的拥堵状态进行预警

系统根据路段实时的拥堵状态进行预警：

当路段的实时拥堵状态达到“拥挤”时，进行“蓝色”预警，提醒路网运行监测人员注意路网交通运行情况的变化；

当路段的实时拥堵状态达到“堵塞”时，进行“黄色”预警，提醒路网运行监测人员密切注意路网交通运行情况的变化，进行跟踪监测；

当路段的拥堵状况达到“堵塞”并持续时间超过1个小时，进行“橙色”预警，路网运行监测人员应及时将有关情况通知路网运行管理人员，路网运行管理人员应采取有效措施(如通知相关的公安交通管理机构、发布交通拥堵信息及绕行建议等)，对路网运行进行合理调度，以避免或延缓大规模交通阻断突发事件的发生；

当路段的拥堵状态达到“堵塞”并持续时间超过2个小时，进行“红色”预警，及时将预警信息提交给“应急值守接报子系统”，进入突发事件处置流程。

系统能够在GIS-T上显示路段的拥堵预警，并且与列表形成联动，如图4所示。

2、人口密度监测

系统通过对城市人口的手机用户进行实时定位，实时呈现城市人口的分布情况和流动情况，对交通枢纽、景区、市政、商圈等重点区域进行人口热图的监测和监控，人口密度超过容纳上线产生预警。

(1)基于GIS-T的实时人口密度热力图监测

在GIS-T支撑平台基础上，展示监测范围内的人口密度热力图，采用红黄绿等颜色展示人口密度的等级，对于超出门限的人口密度区域，可产生告警。实时状态刷新频率达到2分钟。

(2)特定区域人口密度统计

对于监测范围内的交通枢纽、景区、市政、商圈，分别进行人数的实时统计(统计粒度是5分钟)，并可以与GIS-T上的热力图联动显示。

(3)基于GIS-T的人口密度热力图历史回放查询

在GIS-T支撑平台基础上，系统通过调用历史数据，可以选择任一时刻，并在地图上按所选的时间，进行人口密度热力图的自动回放，并显示当时的特定区域的人口数量。可以对回放速度进行调节。

3、OD分析

系统通过对手机用户的长时间数据进行跟踪，研究出相关判断逻辑，可以分析识别每个手机用户的起始地和目的地，居住地及工作地的情况，并且可以判断出出行方式(公交、自驾、地铁、其他)。为道路规划、智能疏导、公交路线规划等提供非常有效的支撑。

(1)基于GIS-T的OD分析

在GIS-T支撑平台基础上，可以选择任意时间范围，并在地图上选择任意起始地或者目的地，就可以在地图上呈现相关结果。

选择起始地，则展示目的地的分布和出行方式及统计；选择目的地，则展示起始地的分析和出行方式及统计；同时选择起始地和目的地，则展示所选起始地和目的地出行方式及统计。

(2)基于GIS-T的职住地分析

系统通过对手机用户的长时间数据(例如6个月)进行跟踪，可以定位出每个用户的工作地和居住地。

在GIS-T支撑平台基础上，可以选择任意时间范围，并在地图上选择任意工作地或者居住地，就可以在地图上呈现相关结果:选择工作地，则展示居住地的分布和出行方式及统计；选择居住地，则展示工作地的分析和出行方式及统计；选择工作地，同时选择居住地，则展示所选工作地和居住地的出行方式和统计。

通过特定的算法，可以识别出来每个用户常规的出行方式，并对此进行记录和统计。可以识别公交、自驾、地铁、其他等出行方式。

4、综合枢纽人口流动来源分析

系统通过对手机用户的长时间数据进行跟踪，研究出相关出行活动链的判断逻辑，可以分析流入流出监测地的省域、市域、区域手机用户群体的出行总量、出行方式，为路网管理、规划、运营部门提供决策辅助。

(1)基于手机号码的归属地分析

系统通过对手机用户号码归属地的判别，可对流动人口手机用户进行追踪，通过数据挖掘分析可得监测范围内人口流动的时间和空间分布情况。

(2)基于GIS-T的综合枢纽人口流入流出分析

在GIS-T支撑平台基础上，可以选择任意时间范围，并在地图上选择任意地点，就可以在地图上呈现相关结果:例如省际人口流入流出情况和出行方式；省内各地市人口流入流出情况和出行方式；以及市内各区人口流入流出情况和出行方式。

(3)出行方式识别及统计

系统通过特定的算法，可以识别出来每个用户常规的出行方式，并对此进行记录和统计。对于省际人口：识别飞机、火车、汽车等。对于省内各地市人口：识别飞机、火车、汽车等。对于市内各区人口：识别公交、自驾、地铁、其他等。

5、辅助决策分析

通过丰富的报表及展现，可以根据用户不同需求生成交通运行监测统计报告，其结果根据用户选择的监测范围、时间、指标不同而变化，报告生成方式也可以根据用户选择而生成不同的形式。具体可生成报告的指标维度如下：

(1)监测范围可选

设置需要分析的交通运行情况的范围，包括重要路段、重要区域以及路网的的基本信息。通过选择不同的监测范围，生成交通运行监测报告。

(2)时间范围可选

选择需要分析的交通运行情况的时间范围生成交通监测报告，如，按天、周、月、年，或春运期间、黄金周期间。

(3)监测指标可选

生成报告所分析的交通运行监测指标可进行设置，如，断面交通量(密度)，平均时速，不同出行方式等。

(4)报表生成方式可选

生成报告的方式可以进行选择，如，表格、图标、文字，或通过历史数据动态回放的视频效果显示。

6、路况预测分析系统

系统基于手机信令的交通大数据，可以对城市主干线、重点商区、旅游景区等所有路况依据历史数据和现时情况通过数学模型进行预测预警分析，智能疏导和分流，方便公众的安全、高效出行。

例如提供包括三种预测功能：

节假日预测功能:重要节假日可选，并提供拥堵指数、平均车速、预警路段等功能，并在GIS-T上进行呈现。

下一个小时后的预测功能：并提供拥堵指数、平均车速、预警路段等功能，并在GIS-T上进行呈现。

周一至周日常规特性预测功能：周一至周日可选，并提供拥堵指数、平均车速、预警路段等功能，并在GIS-T上进行呈现。

基于上述应用，本发明提供一种应用系统。

以下实施例为应用于市区的基于手机信令融合交通大数据的智慧城市交通管理系统，采用分层式架构设计，如图1所示，按照不同层次从逻辑上将子系统划分成许多集合，而层间关系的形成要遵循一定的规则。通过分层，可以限制子系统间的依赖关系，使系统以更松散的方式耦合，从而更易于建设、维护和进化。按照系统长远战略目标和应用的需求，自下而上划分为五大基础层：基础支撑模块、数据采集模块、应用支撑系统、应用系统和综合展现模块。

(1)基础支撑模块

主要包括系统所需配置的信令采集前置机、通信信息网络、主机存储设备、以及其他配套设施等。信令采集前置机为在通信运营商的通信网络中布设的信令采集设备，是信令信息采集的依托手段。主机和存储系统主要根据应用系统和数据资源建设方案，配置相应的数据库服务器、数据交换服务器、应用服务器、Web服务器，网络视频存储服务器、GIS服务器、磁盘阵列和虚拟磁带库、备份服务器等设备。其他配套设施包括区路网中心机房、路网中心监控有关设施等。

(2)数据采集模块

数据采集模块位于系统的底层，是访问资源的一层，该层包含静态数据处理系统，动态数据处理系统。其中，静态数据处理系统将电子地图数据和基站地图输入系统，并将基站位置信息和目标区域地图数据相叠加，产生静态关联关系。动态数据处理系统将手机信令数据接入系统，并根据静态数据处理系统生成的基站地图和目标区域匹配关系，筛除与该区域无关的信令数据。具体的，从运营商的信令接口中提取的原始信令数据进行筛选过滤，筛选出被监测区域上发生的信令，进而剔除异常的信令样本等，对其进行降噪，从而选择出符合监测要求的信令数据以进行分析。

在优选的实施例中，手机信令清洗发布主要包括三大部分：清洗子系统、手机信令路测验证、基于手机信令无线定位发布子系统(可参见专利201110247654.0)。

清洗子系统主要实现对无效信令的清洗，剔除掉无效的、不完整的和明显错误的信令，如图8所示。根据监测系统的需求，从原始数据记录中提取所需字段信息。对涉及运营商及最终用户的字段信息进行加密处理，比如运营商的基站编码、位置区编码以及用户的身份标示信息，都需要进行加密处理，对数据使用者，通过加密的信息仍是唯一的、可识别的。

以监测范围内移动通信网络基站为数据选择依据，对从移动运营商的信令接口中提取的原始信令数据进行筛选过滤，筛选出被监测范围内发生的信令，进而剔除未在监测范围车辆上的信令、驻留用户、清洗运动特征异常的信令样本等，对其进行降噪，从而选择出符合监测要求的信令数据以进行状态分析。

信令数据中包含信令事件类型，基站LAC/CI，时间信息等。系统需要根据被监测的道路和区域，范围的基站，配置的适用的信令类型等条件，过滤和筛选出符合要求的信令数据。同时，根据系统进行处理的元数据格式，约束条件等，按照清洗规则进行处理，输出符合分析处理要求的元数据。

手机信令路测验证，主要实现通过专业的路测软件技术，根据空中信令信号的强度进行建模，结合实际的地理信息，对手机定位进行校正和结果验证。

路测模拟行车在高速公路上正常行驶的场景，并在车辆上装置专业手机信号测量系统，车辆通过公路时，系统会自动记录下当前手机占用小区信息，周边强度TOP6临区信号以及手机发生切换的临界点GPS坐标。通过采集的数据进行分析，建模，从而实现精准定位。路测系统由测试手机、GPS、便携式电脑、NTAS软件四大部分构成，其中测试手机可以由用户根据实际测试需要灵活地选配不同的类型。

对手机信令的无线定位发布包括以下步骤：a.对移动通信网络覆盖的区域依照制定的大小划分栅格，并给每个栅格编号；b.根据每一栅格的地理特征和无线传播特征建立该栅格的初始无线传播模型；c.根据DT(驱车测量)数据生成每一栅格的无线传播模型的特征数据；d.从移动通讯网络采集信令数据，筛选出信令数据中的每一次通话，将通话中的测量报告提取出来，并对测量报告进行筛选；e.逐条分析筛选后的测量报告与每一栅格的特征数据的匹配度，计算出概率值；f.找到概率值最高的几个栅格的中心，即为该通话的移动通信网络终端的位置。(可参见专利201110247654.0)

除信令数据外，数据采集系统还采集浮动车数据、两客一危数据、摄像头数据、阻断信息数据、气象数据和道路基础数据等。

(3)应用支撑系统

应用支撑层主要包括数据交换平台、数据管理平台、以及GIS-T、Hadoop大数据平台等模块。

数据交换平台主要实现部区之间基于移动信令的数据交换，与路况通车系统、视频图像联网系统、浮动车系统、公路气象系统等数据输入系统的数据交换，以及与公路管理与应急处置平台、公路出行信息服务系统、公路网交通广播系统、公路网综合检测管理平台等信息发布系统的数据交换。

数据综合管理平台主要实现数据的管理，包括信令数据管理、移动信令运行状态数据的管理、融合后的路网运行状态数据管理、其它路网运行状态数据管理、数据处理监控、数据分发管理、历史数据查看等功能。

GIS-T支撑平台主要为路网运行信息的图形化展示作支撑。

Hadoop大数据平台(如图7所示)为核心生产系统，对信令数据根据由基站构成的虚拟监控网络进行滤波分析，并与电子地图的路网相匹配，生成目标道路上的交通状况信息(平均通行速度)。并且对多数据进行融合，挖掘，实现为应用功能的数据支撑。同时也提供对其他系统的数据共享支撑。

具体的，例如基于实现两客一危的车速计算的具体步骤：

数据纠偏处理：利用纠偏函数对每次接收到的数据进行纠偏处理，纠偏后GPS数据会和地图数据匹配上。

程序运行机制：程序为后台服务当启动后会一直运行，并且每5分钟会进行一次路况运算，运算时数据采样范围为开始计算时间前的10分钟内的GPS数据。

筛选样本：筛选掉无效的数据，例如速度为0的数据，该类数据可能为停车休息时产生，此类数据不加入计算样本。

寻找归属道路：利用空间算法将GPS数据样本吸附到最近的道路上，由于GPS定位存在一定的位置偏移，所以在吸附操作上加入了误差值，当前设置为30米，即允许数据有0——30米之间的偏移。

筛选道路：样本点归属到道路上后，有些道路将拥有很多样本点，但有些则很少，我们将剔除没有足够判断依据(样本数量)的道路，即每条道路上必须有5条数据样本以上(含5条)，才会进行计算；

计算道路速度平均值并分类：各道路上样本的平均速度是判断道路情况的依据，我们对筛选后的道路进行平均速度计算，设置交通拥堵指数的阈值，并按照它们作为标准分类各道路的路况。

该数据根据前述方法在应用支撑模块与手机信令结合通过多数据融合系统获得综合速度及相应的各种分析结果。

(4)应用系统模块

应用系统模块基于应用支撑系统实现包括：路况预测系统、OD分析系统、辅助决策系统、路网运行状态监测系统、人口密度监测系统、人口流动来源分析系统和/或用户管理系统等具体应用。

(5)综合展现模块

对GIS系统及用户界面系统进行实时交通信息发布和通知，实现面向客户的结果展示。通过指挥大屏、移动电脑或移动智能终端等显示终端进行呈现发布。图2、3为本实施例的登录界面和显示界面。

综上，本发明定位为基于手机信令大数据和交通大数据的融合，实现路网运行监测提供准确的实时路网运行数据、为路网重大突发事件预警和应急处置提供技术支撑、为出行服务提供权威的信息、并为交通决策提供数据的共享和智能的分析。

Claims (10)

1.一种手机信令与路网大数据的融合方法，其特征在于包括以下步骤：

①从运营商的信令接口中提取原始信令数据；

②对所述原始信令数据进行筛选得到被监测区域上发生的信令数据，然后进行清洗无效信令数据、剔除异常信令数据，并进行降噪从而选择出符合路网运行监测需求的信令数据；

③对所述符合路网运行监测需求的信令数据进行路网运行状态分析；

④与路网其它部区基于信令数据进行数据交换、与其它交通数据输入系统和/或发布系统进行数据交换，通过多源融合对多数据进行融合；

所述多数据融合模型为通过卡尔曼滤波算法得到路网运行监测多数据的线性离散特性：

P_t ^-＝AP_t-1A^T+Q_t 1-3

K_t＝P_t ^-C_t ^T(C_tP_t ^-C_t ^T+R_t-1)^-1 1-4

P_t＝(1-K_tC_t)P_t ^- 1-5

其中式1-1是卡尔曼滤波法的一般状态方程，式1-2表示观测方程的一般形式，式1-3至1-5为校正方程；

^表示预测估计值；右角标的-表示前一阶段对该阶段的先验估计值；

表示由前一状态对当前状态的估计值；

A表示状态转移矩阵；

表示前一阶段的最优估计值；

B表示系统噪声矩阵；

表示当前阶段的最有估计值；

K_t表示卡尔曼增益矩阵，也即观测值与先验估计状态值之间的权重分配；

z_t表示滤波后的观测值矩阵；

C_t表示测量系统的参数矩阵；

V_t表示测量噪声矩阵；

P_t ^-表示误差协方差的先验估计矩阵；

P_t-1表示前一阶段误差协方差的最优估计值矩阵；

Q_t表示系统过程的协方差矩阵；

R_t表示t周期的观测方差矩阵，为V_t的协方差矩阵；

P_t表示当前阶段误差协方差的最优估计值矩阵；

即所述多数据融合模型分为两块：历史数据融合负责生成前一阶段状态的估计值，实时数据融合负责生成现阶段的状态观测值，并综合确定监测路网运行车流量和区间速度的最终预测估计值。

2.根据权利要求1所述的方法的应用，其特征在于在多数据融合的基础上，实现为路网运行的应用功能提供数据支撑，所述应用功能包括：

路网运行状态监测、人口密度监测、OD分析、综合枢纽人口流动来源分析和/或路况预测分析。

3.根据权利要求2所述的应用，其特征在于所述路网运行状态监测包括基于GIS-T支撑平台的实时运行监测、基于GIS-T的历史运行信息查询及回放和基于路况实时的拥堵状态进行预警。

4.根据权利要求2所述的应用，其特征在于所述人口密度监测为通过对城市人口的手机用户进行实时定位，实时呈现城市人口的分布情况和流动情况，对重点区域进行人口热图的监测和监控，人口密度超过容纳上线产生预警。

5.根据权利要求2所述的应用，其特征在于所述OD分析为对手机用户的长时间数据进行跟踪，分析识别每个手机用户的起始地和目的地，居住地及工作地的情况，和出行方式。

6.根据权利要求2所述的应用，其特征在于所述综合枢纽人口流动来源分析为系统分析手机用户流入流出监测地的省域、市域、区域手机用户群体的出行总量、出行方式。

7.根据权利要求2所述的应用，其特征在于所述路况预测分析为基于手机信令与路网大数据的融合，对所有路况依据历史数据和现时情况通过数学模型进行预测预警分析。

8.用于权利要求2-7任一所述的应用的一种基于手机信令与路网大数据融合的应用系统，其特征在于根据手机信令数据的传输路径依次包括基础支撑模块、数据采集模块、应用支撑系统、应用系统、呈现发布模块，所述基础支撑模块和数据采集模块采集手机信令数据，所述应用支撑系统进行数据交换以及根据监测需求进行数据管理和分析，所述应用系统基于应用支撑系统的数据分析实现具体应用。

9.根据权利要求8所述的系统，其特征在于所述应用支撑系统包括数据交换平台、数据管理平台、GIS-T模块和Hadoop大数据平台模块，其中，所述数据交换平台实现部区之间基于移动信令的数据交换，与路况通车系统、视频图像联网系统、浮动车系统和/或公路气象系统的数据交换，以及与公路管理与应急处置平台、公路出行信息服务系统、公路网交通广播系统和/或公路网综合检测管理平台的数据交换；数据综合管理平台实现信令数据管理、移动信令运行状态数据的管理、融合后的路网运行状态数据管理、其它路网运行状态数据管理、数据处理监控、数据分发管理和/或历史数据查看功能；GIS-T支撑平台为路网运行信息的图形化展示作支撑；Hadoop大数据平台对信令数据根据由基站构成的虚拟监控网络进行滤波分析，并与电子地图的路网相匹配，生成目标道路上的交通状况信息。

10.根据权利要求9所述的系统，其特征在于基于应用支撑系统的数据分析的所述应用系统包括：路况预测系统、OD分析系统、辅助决策系统、路网运行状态监测系统、人口密度监测系统、人口流动来源分析系统和/或用户管理系统。