CN108810808B - 一种基于手机信令数据的区域客流饱和度计算方法 - Google Patents

一种基于手机信令数据的区域客流饱和度计算方法 Download PDF

Info

Publication number
CN108810808B
CN108810808B CN201810532214.1A CN201810532214A CN108810808B CN 108810808 B CN108810808 B CN 108810808B CN 201810532214 A CN201810532214 A CN 201810532214A CN 108810808 B CN108810808 B CN 108810808B
Authority
CN
China
Prior art keywords
mobile phone
area
passenger flow
normal
personnel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201810532214.1A
Other languages
English (en)
Other versions
CN108810808A (zh
Inventor
李彬亮
李鹏鸽
师思
朱景瑜
王恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yundi Information Technology Co ltd
Shenzhen Comprehensive Transportation Operation Command Center
Original Assignee
Shanghai Yundi Information Technology Co ltd
Shenzhen Comprehensive Transportation Operation Command Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Yundi Information Technology Co ltd, Shenzhen Comprehensive Transportation Operation Command Center filed Critical Shanghai Yundi Information Technology Co ltd
Priority to CN201810532214.1A priority Critical patent/CN108810808B/zh
Publication of CN108810808A publication Critical patent/CN108810808A/zh
Application granted granted Critical
Publication of CN108810808B publication Critical patent/CN108810808B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Telephonic Communication Services (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于手机信令数据的区域客流饱和度计算方法，利用待分析区域内任一移动运营商T天内的手机信令数据进行训练，在区域的开放时间段内根据出现天数鉴别手机用户常规人员和手机用户非常规人员，并从手机用户非常规人员中筛除周边过路人员，以获得在区域内正常游览人员数量，并获得“正常游览人员手机客流拟合函数”；计算区域内任意时间段内的实时正常游览人员手机客流量，进而通过移动运营商的市场占有率以及区域内工作人员的数量来计算在区域内全部正常游览人员的客流饱和度。本发明的优点是：依托现有的无线通信网络资源，将区域内的人员进行分类鉴别分析，利用正常游览人员手机客流拟合函数估算区域内正常游览人员的客流饱和度。

Description

一种基于手机信令数据的区域客流饱和度计算方法
技术领域
本发明属于城市规划管理技术领域，具体涉及一种基于手机信令数据的区域客流饱和度计算方法。
背景技术
机场、火车站、客运站、口岸、商业街、体育设施、景点等城市热点区域具有客流量大、易发生拥挤等特点，对这些区域的客流分析具有非常重要的意义。客流饱和度是指单位时间内区域客流量与该区域客流最大承载量的比值，可以直接反映该区域的客流水平，为城市热点区域的客流监测与管理提供决策依据。现有的客流采集监测，主要依赖视频监控、视频识别、热敏、红外、闸机等技术设备。由于需要安装固定设备，因此此类技术手段主要适用于出入口有限的封闭空间，不适用于开放性空间。而基于手机信令数据的客流监测方法，不仅可以监测封闭空间的客流，也可以较好的解决开放性空间的客流监测问题。
发明内容
本发明的目的是根据上述现有技术的不足之处，提供一种基于手机信令数据的区域客流饱和度计算方法，该计算方法利用基站与手机之间的手机信令数据通信，通过将区域内的手机用户进行分类鉴别分析，利用正常游览人员手机客流拟合函数估算区域内正常游览人员的客流饱和度。
本发明目的实现由以下技术方案完成：
一种基于手机信令数据的区域客流饱和度计算方法，其特征在于所述计算方法利用待分析区域内任一移动运营商T天内的手机信令数据并进行训练，训练天数TDN=T，在所述区域的开放时间段内出现天数大于等于二分之一训练天数的手机用户为手机用户常规人员的数量，手机用户常规人员包括所述区域内的工作人员和所述区域周边的常驻人员；在所述区域的开放时间段内出现天数小于二分之一训练天数的手机用户为手机用户非常规人员，并从中筛除掉所述区域的手机用户周边过路人员，以获得在所述区域内手机用户正常游览人员的数量，进而得到“正常游览人员手机客流拟合函数”；基于手机用户常规人员的数量和“正常游览人员手机客流拟合函数”计算所述区域内任意时间段内的实时正常游览人员的手机客流量，进而通过所述移动运营商在所述区域内的市场占有率以及工作人员的数量来计算在所述区域内全部正常游览人员的客流饱和度。
所述计算方法包括以下步骤：
（步骤一）选取待分析的区域A以及区域A的T天内的任一移动运营商的手机信令数据，所述手机信令数据包括：[MSID]、[TIMESTAMP]、[LAC]、[CELLID]，并设置训练时长TDN=T；其中，[MSID]为手机识别号，[TIMESTAMP] 为手机数据发送至基站的时刻，[LAC]为基站所在位置区，[CELLID]为基站的ID；
（步骤二）区域A内每日的开放起止时间分别为T_START和T_END，挑选在训练时长天数TDN时间范围内，累计在T_START至T_END时间段内出现天数大于等于1/2TDN的手机用户，记为手机用户常规人员；挑选在训练时长天数TDN时间范围内，累计在T_START至T_END时间段内出现天数小于1/2TDN的手机用户，记为手机用户非常规人员；
（步骤三）计算在T_START至T_END时间段内，以时间t作为时间周期，每个时间周期i内的平均手机用户常规人员数量RSN i ，其中，i=1,2,3,…，N；
（步骤四）计算在T_START至T_END时间段内，每个手机用户非常规人员j在区域A的停留时长△T j ，并记录每个手机用户非常规人员j进入和离开区域A的时间（T1 j ，T2 j ）以及在T1 j -T2 j 时间段内经过的位置区，所述位置区为[LAC]和[CELLID]唯一确定的；其中，j=1,2, 3,…,n；
（步骤五）手机用户非常规人员包括手机用户过路人员和手机用户正常游览人员，从手机用户非常规人员中识别并筛除手机用户过路人员，得到手机用户正常游览人员，手机用户过路人员的识别方法为：手机用户过路人员在区域A内的停留时长△Tj ＜（1/2的平均游览时长），且经过的所有位置区均不完全包含于区域A；
（步骤六）计算在T_START至T_END时间段内，每个时间周期i内的平均手机用户非常规人员数量NRSN i 和平均手机用户正常游览人员数量TCN i ，得到由（NRSN i ，TCN i ）组成的二维数组（NRSN，TCN）；
（步骤七）基于二维数组（NRSN，TCN）用最小二乘法进行函数多项式拟合，得到“正常游览人员手机客流拟合函数” TCN=TCN（NRSN）的表达式；
（步骤八）利用区域A时刻X近k分钟内的手机信令数据，计算在时刻X区域A的正常游览人员的手机客流TCN x ，计算方法为：计算近k分钟内的手机客流量MPF x ；基于【步骤3】得到当前时刻X所在时间周期的手机用户常规人员数量RSN x ，并由此计算时刻X的手机用户非常规人员数量NRSN x = MPF x -RSN x ；利用【步骤7】中得到的“正常游览人员手机客流拟合函数”，计算区域A在时刻X的正常游览人员的手机客流TCN x =TCN x （NRSN x ）；
（步骤九）获取所述移动网络运营商在区域A内的市场占有率OccupyRate，则区域A的全部正常游览人员的手机客流量为
Figure 100002_DEST_PATH_IMAGE002
；
（步骤十）计算区域A在时刻X的全部正常游览人员的客流饱和度：
Figure DEST_PATH_IMAGE004
其中，区域A内的最大承载量根据《景区最大承载量核定导则》计算获得，区域A内的工作人员数量可以通过调查统计获得。
本发明的优点是：充分依托现有的无线通信网络信息资源，通过将区域内的人员进行分类鉴别分析，利用正常游览人员手机客流拟合函数估算区域内正常游览人员的客流饱和度。
附图说明
图1为本发明中基于手机信令数据的区域客流饱和度计算方法流程示意图；
图2为本发明实施例中步骤4的计算流程示意图；
图3为本发明中示例区域A及与其相关的位置区的空间位置分布示意图；
图4为本发明中正常游览人员手机客流拟合函数示意图。
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：本实施例具体涉及一种基于手机信令数据的区域客流饱和度计算方法，该计算方法将待计算的区域基站覆盖范围内的手机用户划分为：区域内正常游览人员、区域内工作人员、区域周边常驻人员和区域周边过路人员四类，并计算区域内正常游览人员的客流饱和度。为方便描述，将区域内工作人员和区域周边常驻人员合称为常规人员，将区域内正常游览人员和区域周边过路人员合称为非常规人员。该计算方法具体包括以下步骤：
【步骤1】
选取待计算的区域A，以及区域A一个月（例如2017年11月）内的任一移动运营商的手机信令数据（如下表1所示），且针对上述手机信令数据的训练时长天数为TDN=30，手机信令数据主要包括以下几个类型数据，即：
[MSID]：MSID为手机识别号，每一部手机均具有唯一的手机识别号；
[时间戳：TIMESTAMP]: TIMESTAMP为手机数据发送至基站的时刻，格式为年、月、日、时、分、秒，例如20171101075941表示2017年11月1日7点59分41秒；
[位置区ID]：位置区ID即为所在区域的ID编号；
[LAC]：LAC为基站所在位置区；
[基站ID：CELLID] ：CELLID为基站的ID，两者共同确定手机所在位置区。
Figure DEST_PATH_IMAGE006
[表1] 区域A内一个月的手机信令数据格式表
【步骤2】
区域A每日的开放起止时间分别为8:00和23:00。挑选在训练时长天数TDN时间范围内，累计在8:00——23:00时段内出现天数大于等于1/2TDN（即15天）的手机用户（MSID唯一识别），记为手机用户常规人员，参见下表2.1所示；
挑选在训练时长天数TDN时间范围内，在区域开放时间段累计出现天数小于1/ 2TDN（即15天）的手机用户，记为手机用户非常规人员，参见下表2.2所示。
Figure DEST_PATH_IMAGE008
[表2.1] 手机用户常规人员的MSID及累计出现天数结果
Figure DEST_PATH_IMAGE010
[表2.2] 手机用户非常规人员的MSID及累计出现天数结果
【步骤3】
以15分钟为一间隔（即时间周期），计算在区域A的开放时间段（8:00——23:00）内，每个时间周期i（i=1,2,3,…，N）内的平均手机用户常规人员数量RSN i ；
（步骤3.1）对训练天数第p（p=1,2,3,…,TDN）天，计算区域A的开放时间段（8:00——23:00）内各个时间周期的手机用户常规人员数量RS pi ，得到的结果形式如下表3.1所示，
Figure DEST_PATH_IMAGE012
[表3.1] 区域A内第p天各个时间周期内的手机用户常规人员数量
（步骤3.2）基于步骤3.1得到的每个训练天数各时间周期的手机用户常规人员数量结果RS pi ，按相同的时间周期将每天的结果作平均处理，得到每个时间周期的平均手机用户常规人员数量RSN i （i=1,2,3,…，N）；
本实施例中所采用的平均化处理公式如下：
Figure DEST_PATH_IMAGE014
平均处理后得到的每个时间周期的平均手机用户常规人员数量结果形式如下：
Figure DEST_PATH_IMAGE016
[表3.2]区域A内各个时间周期的平均手机用户常规人员数量结果
【步骤4】
计算区域A的开放时间段（8:00——23:00）内，手机用户非常规人员j（j=1,2, 3,…,n）在区域A的停留时长△T j ，并记录其进入和离开区域A的时间（T1 j ，T2 j ），在T1 j -T2 j 时间段内经过的位置区（即与该手机用户相关的所有LAC、CELLID信息，一组LAC、CELLID唯一确定一个位置区）。
由【步骤2】已得到训练天数时长内每天的手机用户非常规人员手机识别号MSID；遍历每个训练日 p（p=1,2,3,…,TDN），遍历第p个训练日的手机用户非常规人员MSID，将每个手机用户非常规人员的信令数据按时间戳进行升序排列，然后逐条选取；任选一个手机用户非常规人员在某个训练日（p=1）的手机信令数据（如下表4.1所示），进行遍历计算，算法说明如下：
Figure DEST_PATH_IMAGE018
[表4.1] 手机用户在区域A开放时间段内（8:00——23:00）的信令数据按时间戳升序排列结果表
（步骤4.1）若手机信令数据为该手机用户的第一条记录，则在手机位置记录表中生成一条新的记录：手机用户的手机识别号MSID，位置区ID:LAC；基站ID:CELLID，进入区域A的时间T1=TIMESTAMP，离开区域A的时间T2= TIMESTAMP，编号SEQ=1。记录形式如下表4.2所示：
Figure DEST_PATH_IMAGE020
[表4.2]
（步骤4.2）若手机信令数据不为该手机用户的第一条记录，则计算与上一条记录的时间差DIFF=TIMESTAMP-T2；如果DIFF≤时间阈值（区域A的时间阈值定为2小时，不同区域的时间阈值不同），则更新T2=TIMESTAMP，SEQ=SEQ+1，生成新的记录；以SEQ=2为例，DIFF=20171101081005-20171101080951=14秒，DIFF<2小时，生成新的记录，结果如下表4.3所示：
Figure DEST_PATH_IMAGE022
[表4.3]
反之，如果DIFF>时间阈值，则认为该手机用户在上一条记录产生后已离开区域A，计算上一手机用户在区域A的停留时长△Tj=T2–T1。本条记录当作新手机用户的第一条记录，j=j+1，转至步骤（4.1）。以表4.1中的第4条记录为例，DIFF=20171101170227-20171101081023=8时52分4秒，DIFF>2小时，跳转至步骤（4.1），生成新的手机位置记录如下表4.4中的最后一行所示；
Figure DEST_PATH_IMAGE024
[表4.4]
（步骤4.3）若已遍历完该手机用户当天的所有信令数据，则计算该用户在区域A的停留时长△Tj=T2–T1；最终获得该手机用户当天结果形式如下表4.5所示：
Figure DEST_PATH_IMAGE026
[表4.5]
【步骤5】
从手机用户非常规人员中筛除手机用户过路人员，得到手机用户正常游览人员的MSID，其中，手机用户过路人员满足如下条件：在区域A的停留时长△Tj ＜（1/2的平均游览时长），且经过的所有位置区均不完全包含于区域A。
本实施例中，区域A的平均游览时长为2小时，与区域A相关的位置区的空间位置分布示意图如图3所示，图3中灰色覆盖部分为区域A，实线分割的小区块表示位置区。从手机用户非常规人员中筛除满足如下条件的手机用户过路人员：在区域A的停留时长△Tj ＜（1/2*2小时），即△Tj ＜1小时，且经过的所有位置区均不完全包含于区域A，筛选后得到手机用户正常游览人员。其中，如遇【步骤4】样例中所示：离开后再次进入区域的人员，作为两个手机用户单独处理，即：
手机用户1在区域A的停留时长为32秒，手机经过的位置区为：LAC:4913,CELL:7458和LAC:4913,CELL: 7442；
手机用户2在区域A的停留时长为16分42秒，手机经过的位置区为：LAC:4913,CELL: 7729、LAC:4913,CELL: 7458和LAC:4913,CELL: 7442。
筛选后得到的手机用户正常游览人员的信息如下表5.1所示：
Figure DEST_PATH_IMAGE028
[表5.1]
【步骤6】
计算区域开放时间段内，每个时间周期的平均手机用户非常规人员数量NRSN i 和平均手机用户正常游览人员数量TCN i ，得到由（NRSN i ，TCN i ）组成的二维数组（NRSN，TCN）；
（步骤6.1）基于手机用户非常规人员和手机用户正常游览人员进入和离开区域的时间T1和T2，分别计算训练日第p天 (p=1,2,3,…, TDN)，每个时间周期的手机用户非常规人员数量NRS pi (i=1,2,3,…, N)和手机用户正常游览人员数量TC pi ；
（步骤6.2）按相同时间周期将训练日每天的结果作平均处理，得到每个时间周期的平均手机用户非常规人员数量
Figure DEST_PATH_IMAGE030
和平均手机用户正常游览人员数量TCN i ，计算公式如下：
Figure DEST_PATH_IMAGE032
Figure DEST_PATH_IMAGE034
最终得到每个时间周期手机用户非常规人员数量与手机用户正常游览人员数量组成的二维数组为：
（NRSN，TCN）=｛（313,238），（401,301），（477,364），（502,393），（569,446），（632,497），（692,541），…，（390,305）｝
【步骤7】
基于二维数组
Figure DEST_PATH_IMAGE036
用最小二乘法进行函数多项式拟合，得到“正常游览人员手机客流拟合函数” TCN=TCN（NRSN）的表达式；
示例中，依据最小二乘原理进行函数多项式拟合，拟合得到的“正常游览人员手机客流拟合函数”表达式如下：
TCN（NRSN）=0.82NRSN+542.48
该函数使得正常游览人员手机客流的实测值与估计值的离差平方和
Figure DEST_PATH_IMAGE038
最小，拟合过程如图4所示。
【步骤8】
利用区域A某一时刻X近15分钟的手机信令数据，计算在该时刻区域A的正常游览人员手机客流TCN。具体如下：计算近15分钟的手机客流量MPF x ；基于【步骤3】得到当前时刻所在时间周期的手机用户常规人员数量RSN x ，并由此计算X时刻的手机用户非常规人员数量NRSN x = MPF x -RSN x ；利用【步骤7】中得到的“正常游览人员手机客流拟合函数”，计算区域A在X时刻的正常游览人员手机客流TCN x =TCN x （NRSN x ）。
本实施例中，当前时刻为10:00，则计算区域A当前正常游览人员手机客流的步骤如下：
（步骤8.1）基于区域A在9:45——10:00时段的手机信令数据，计算当前时刻的手机客流量MPF=3250；利用【步骤3】得到的每个时间周期的手机用户常规人员数量，查找10:00的值为RSN=1224，计算得到手机用户非常规人员数量NRSN=3250-1224=2026。
步骤8.2：由【步骤7】得到的“正常游览人员手机客流拟合函数”
Figure DEST_PATH_IMAGE040
，将步骤8.1中的结果代入函数中，计算当前时刻的正常游览人员手机客流：
TCN=0.82*2026+542.48=2204
【步骤9】
获取该移动网络运营商在区域A的市场占有率OccupyRate，则区域A的全部正常游览人员客流量为
Figure DEST_PATH_IMAGE041
；
示例中，该移动网络运营商在区域A的市场占有率OccupyRate为20%，则区域A的全部正常游览人员客流量
Figure DEST_PATH_IMAGE043
。
【步骤10】
计算区域A在X时刻的全部正常游览人员客流饱和度：
Figure 604046DEST_PATH_IMAGE004
示例中，区域A的最大承载量为15000人，工作人员数量为500人，计算得到区域A在当前时刻的全部正常游览人员客流饱和度：
Figure DEST_PATH_IMAGE045
。

Claims (1)

1.一种基于手机信令数据的区域客流饱和度计算方法，其特征在于所述计算方法利用待分析区域内任一移动运营商T天内的手机信令数据并进行训练，训练天数TDN=T，在所述区域的开放时间段内出现天数大于等于二分之一训练天数的手机用户为手机用户常规人员的数量，手机用户常规人员包括所述区域内的工作人员和所述区域周边的常驻人员；在所述区域的开放时间段内出现天数小于二分之一训练天数的手机用户为手机用户非常规人员，并从中筛除掉所述区域的手机用户周边过路人员，以获得在所述区域内手机用户正常游览人员的数量，进而得到“正常游览人员手机客流拟合函数”；基于手机用户常规人员的数量和“正常游览人员手机客流拟合函数”计算所述区域内任意时间段内的实时正常游览人员的手机客流量，进而通过所述移动运营商在所述区域内的市场占有率以及工作人员的数量来计算在所述区域内全部正常游览人员的客流饱和度；
所述计算方法包括以下步骤：
（步骤一）选取待分析的区域A以及区域A的T天内的任一移动运营商的手机信令数据，所述手机信令数据包括：[MSID]、[TIMESTAMP]、[LAC]、[CELLID]，并设置训练时长TDN=T；其中，[MSID]为手机识别号，[TIMESTAMP] 为手机数据发送至基站的时刻，[LAC]为基站所在位置区，[CELLID]为基站的ID；
（步骤二）区域A内每日的开放起止时间分别为T_START和T_END，挑选在训练时长天数TDN时间范围内，累计在T_START至T_END时间段内出现天数大于等于1/2TDN的手机用户，记为手机用户常规人员；挑选在训练时长天数TDN时间范围内，累计在T_START至T_END时间段内出现天数小于1/2TDN的手机用户，记为手机用户非常规人员；
（步骤三）计算在T_START至T_END时间段内，以时间t作为时间周期，每个时间周期i内的平均手机用户常规人员数量RSN i ，其中，i=1,2,3,…，N；
（步骤四）计算在T_START至T_END时间段内，每个手机用户非常规人员j在区域A的停留时长△T j ，并记录每个手机用户非常规人员j进入和离开区域A的时间（T1 j ，T2 j ）以及在T1 j -T2 j 时间段内经过的位置区，所述位置区为[LAC]和[CELLID]唯一确定的；其中，j=1,2, 3,…,n；
（步骤五）手机用户非常规人员包括手机用户过路人员和手机用户正常游览人员，从手机用户非常规人员中识别并筛除手机用户过路人员，得到手机用户正常游览人员，手机用户过路人员的识别方法为：手机用户过路人员在区域A内的停留时长△Tj ＜（1/2的平均游览时长），且经过的所有位置区均不完全包含于区域A；
（步骤六）计算在T_START至T_END时间段内，每个时间周期i内的平均手机用户非常规人员数量NRSN i 和平均手机用户正常游览人员数量TCN i ，得到由（NRSN i ，TCN i ）组成的二维数组（NRSN，TCN）；
（步骤七）基于二维数组（NRSN，TCN）用最小二乘法进行函数多项式拟合，得到“正常游览人员手机客流拟合函数” TCN=TCN（NRSN）的表达式；
（步骤八）利用区域A时刻X近k分钟内的手机信令数据，计算在时刻X区域A的正常游览人员的手机客流TCN x ，计算方法为：计算近k分钟内的手机客流量MPF x ；基于【步骤3】得到当前时刻X所在时间周期的手机用户常规人员数量RSN x ，并由此计算时刻X的手机用户非常规人员数量NRSN x = MPF x -RSN x ；利用【步骤7】中得到的“正常游览人员手机客流拟合函数”，计算区域A在时刻X的正常游览人员的手机客流TCN x =TCN x （NRSN x ）；
（步骤九）获取所述移动网络运营商在区域A内的市场占有率OccupyRate，则区域A的全部正常游览人员的手机客流量为
Figure 687405DEST_PATH_IMAGE001
；
（步骤十）计算区域A在时刻X的全部正常游览人员的客流饱和度：
Figure DEST_PATH_IMAGE002
其中，区域A内的工作人员数量可以通过调查统计获得。
CN201810532214.1A 2018-05-29 2018-05-29 一种基于手机信令数据的区域客流饱和度计算方法 Expired - Fee Related CN108810808B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810532214.1A CN108810808B (zh) 2018-05-29 2018-05-29 一种基于手机信令数据的区域客流饱和度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810532214.1A CN108810808B (zh) 2018-05-29 2018-05-29 一种基于手机信令数据的区域客流饱和度计算方法

Publications (2)

Publication Number Publication Date
CN108810808A CN108810808A (zh) 2018-11-13
CN108810808B true CN108810808B (zh) 2020-08-07

Family

ID=64090822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810532214.1A Expired - Fee Related CN108810808B (zh) 2018-05-29 2018-05-29 一种基于手机信令数据的区域客流饱和度计算方法

Country Status (1)

Country Link
CN (1) CN108810808B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109286902B (zh) * 2018-11-19 2020-12-15 中国联合网络通信集团有限公司 景区游客的人流量获取方法及装置
CN110517251B (zh) * 2019-08-28 2022-04-08 嘉应学院 一种景区区域过载检测与预警系统及方法
CN110782373A (zh) * 2019-11-01 2020-02-11 秒针信息技术有限公司 景区人数确定方法及装置
CN111275073B (zh) * 2020-01-07 2023-04-28 浙江理工大学 一种基于手机信令数据的区域人流分析方法
CN111343343B (zh) * 2020-03-10 2021-06-29 中国联合网络通信集团有限公司 市场占有率的统计方法、装置、存储介质及电子设备
CN112235727B (zh) * 2020-09-02 2022-11-01 武汉烽火众智数字技术有限责任公司 一种基于mac数据的人员流动监测分析方法和系统
CN113282637A (zh) * 2021-04-16 2021-08-20 北京工业大学 景区游客识别方法、装置、电子设备及存储介质
CN113919873A (zh) * 2021-09-30 2022-01-11 中国联合网络通信集团有限公司 市场容量的确定方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103856887A (zh) * 2012-12-03 2014-06-11 上海粱江通信系统股份有限公司 一种基于信令消息的景区客流实时统计方法
CN106295787A (zh) * 2015-05-29 2017-01-04 中国移动通信集团浙江有限公司 一种基于移动信令的客流统计方法及装置
CN106709840A (zh) * 2016-12-06 2017-05-24 上海云砥信息科技有限公司 一种基于移动网络数据的城市常住人口估算方法
CN107230330A (zh) * 2017-07-12 2017-10-03 东南大学 一种基于大数据的旅游交通管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103856887A (zh) * 2012-12-03 2014-06-11 上海粱江通信系统股份有限公司 一种基于信令消息的景区客流实时统计方法
CN106295787A (zh) * 2015-05-29 2017-01-04 中国移动通信集团浙江有限公司 一种基于移动信令的客流统计方法及装置
CN106709840A (zh) * 2016-12-06 2017-05-24 上海云砥信息科技有限公司 一种基于移动网络数据的城市常住人口估算方法
CN107230330A (zh) * 2017-07-12 2017-10-03 东南大学 一种基于大数据的旅游交通管理系统

Also Published As

Publication number Publication date
CN108810808A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108810808B (zh) 一种基于手机信令数据的区域客流饱和度计算方法
Jiang et al. Activity-based human mobility patterns inferred from mobile phone data: A case study of Singapore
CN109644320B (zh) 一种使用wi-fi探针检测公共场所人流量的方法
CN108055645A (zh) 一种基于手机信令数据的路径识别方法及系统
CN110493816A (zh) 一种用于轨交地铁车站客流量的实时预测方法
Stange et al. Analytical workflow of monitoring human mobility in big event settings using bluetooth
CN110544115B (zh) 一种从景区旅游大数据分析游客特性的方法和装置
Farooq et al. Ubiquitous monitoring of pedestrian dynamics: Exploring wireless ad hoc network of multi-sensor technologies
Kalogianni et al. Passive WiFi monitoring of the rhythm of the campus
Mohottige et al. Role of campus WiFi infrastructure for occupancy monitoring in a large university
Shi et al. Analysis of trip generation rates in residential commuting based on mobile phone signaling data
Liu et al. Smart card data-centric replication of the multi-modal public transport system in Singapore
CN106709840B (zh) 一种基于移动网络数据的城市常住人口估算方法
Burrieza-Galán et al. A methodology for understanding passenger flows combining mobile phone records and airport surveys: Application to Madrid-Barajas Airport after the COVID-19 outbreak
CN103096371B (zh) 一种室内用户的识别方法和系统
Wepulanon et al. Temporal signatures of passive Wi-Fi data for estimating bus passenger waiting time at a single bus stop
CN114323027B (zh) 一种基于多源异构数据处理的数据分析系统及方法
Wepulanon et al. Pedestrian facility usage monitoring using multiple sources of data
Burrieza et al. Enhanced passenger characterisation through the fusion of mobile phone records and airport surveys
CN109670631B (zh) 一种宏观区域实时流动量预测方法
Su et al. Measuring the Associations between Eye-Level Urban Design Quality and On-Street Crime Density Around Subway Entrances in Manhattan
Asim et al. Smartphone: A source for transit service planning and management using WIFI sensor data
Tomaras et al. An efficient technique for event location identification using multiple sources of urban data
Filali et al. Analyzing Riding Activities on the World's Longest Continuous Cycling Path Using Non-Intrusive IoT Sensors
CN109362034B (zh) 一种宏观区域连通道热度预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200807