CN112001829B - 一种基于手机信令数据的人口分布判断方法 - Google Patents

Abstract

本发明公开了一种基于手机信令数据的人口分布判断方法，首先通过手机信令数据预处理，提取手机信令数据中的有效信息，建立用户的数据集合N；其次，通过位置同化得到新的数据集合N；最后通过对新的数据集合N中的数据进行计算得到用户每天在各个基站的停留时长，结合单日活跃时长阈值与累计活跃天数阈值两项判断标准识别职住地；在位置同化处理中仅对数据进行一次遍历，并仅用一个参数即可完成数据清洗，提高了数据清洗效率，降低了过多参数对数据清洗效果的影响；在职住地判断中结合单日活跃时长阈值与累计活跃天数阈值两项判断标准，对多候选位置的情况提出了判断方案；本方法可以快速准确的基于手机信令数据识别常住人口、就业岗位的分布。

Description

一种基于手机信令数据的人口分布判断方法

技术领域

本发明属于智慧城市领域，具体地说，是涉及一种基于手机信令数据的人口分布判断方法。

背景技术

在建设现代化智慧城市进程中，了解城市居民出行规律和人口流动情况不仅能够帮助人们了解城市的现状，还能帮助城市建设和城市规划管理者对城市的公共资源进行合理的部署和使用，进而提高公共资源的利用率，促进城市更加和谐发展。因此，在建设智慧城市的过程中，了解城市居民的空间分布、职住情况、出行时空分布以及人流量变化规律是一项重要的工作。

手机信令数据是一种时空轨迹大数据，是移动通讯设备与公用移动通信基站信息交互行为留下的时空轨迹，信令数据具有覆盖广、连续性强、采样率高等特点。相较于客运班次等传统数据，手机信令数据能够体现“人”的时空行为特征，更为精准的判断常住人口，工作岗位和短期外来人口，有效弥补传统数据主要反映城市建成环境特征、社会经济发展状态等的不足。

发明内容

本发明的目的在于提供一种基于手机信令数据的人口分布判断方法，可以快速准确的基于所述手机信令数据识别常住人口、就业岗位的分布，可为城市公共服务布局提供更准确、更便捷的需求分布，为政府部门的管理决策、统计规划等工作提供强有力的数据支撑。

本发明采用如下技术方案实现：

提出一种基于手机信令数据的人口分布判断方法，通过以下步骤实现：

与现有技术相比，本发明的优点和积极效果是：提出一种基于手机信令数据的人口分布判断方法，首先通过手机信令数据预处理，提取手机信令数据中的有效信息，建立用户的数据集合N；其次，通过位置同化得到新的数据集合N；最后通过对新的数据集合N中的数据进行计算得到用户每天在各个基站的停留时长，结合单日活跃时长阈值与累计活跃天数阈值两项判断标准识别职住地；在位置同化处理中，取代原有算法数据清洗流程中需要对数据进行多次遍历且需要多个参数用以数据清洗的方式，本发明中仅对数据进行一次遍历，并仅用一个参数即可完成数据清洗，提高了数据清洗效率，降低了过多参数对数据清洗效果的影响；在职住地判断中，相较于原有聚类的判断方式，本发明结合了单日活跃时长阈值与累计活跃天数阈值两项判断标准，对多候选位置的情况提出了判断方案；该判断方法可以快速准确的基于所述手机信令数据识别常住人口、就业岗位的分布，可为城市公共服务布局提供更准确、更便捷的需求分布，为政府部门的管理决策、统计规划等工作提供强有力的数据支撑。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1为本发明提出一种基于手机信令数据的人口分布判断方法的流程图；

图2为本发明中步骤2的具体实施例流程图；

图3为本发明中步骤3的具体实施例流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细的说明。

本发明提出的一种基于手机信令数据的人口分布判断方法，如图1所示，通过以下步骤实现：

步骤S1：提取手机信令数据中的用户标识、时间戳和位置信息，建立用户的数据集合N。

提取手机信令数据中的有效信息，这里主要包括用户标识，时间戳和位置信息，并按照用户标识和时间戳对数据进行排序，得到对于单一用户总计D天(其中工作日D_w天)的数据集合{p_i,t_i}，1≤i≤n，n＝|N|。

上述，t_i表示用户第i条数据记录的时间戳，p_i表示用户第i条数据记录的位置点，用户的完整数据集合为N。

步骤S2：剔除数据集合N的噪声数据，得到更新的数据集合N。

如图2所示，本步骤具体包括：

S21：提取数据集合N中出现记录数最多的位置点m的所有记录，生成数据集合N_m＝{p_m，t_i}。

将步骤S1中排序后的数据集合N设为当前数据集，设置时间段集合T，原始为空集。

寻找当前数据集N中出现记录数最多的位置点m，提取位置为m的所有记录，生成新的数据集N_m＝{p_m，t_i}。

步骤S22：遍历并提取数据集合N_m中时间戳间隔小于δt的相邻数据的所有时间段，生成集合T。

遍历数据集合N_m中的数据，若相邻两条数据时间戳间隔小于δt，即(t_j+1-t_j)≤δt，则将时间段更新至集合T，即T＝U_j(t_j，t_j+1)，执行后得到时间段集合T。

δt的取值根据不同方式居民出行平均时耗来确定，不宜低于居民一次出行所需的最短时耗(约15分钟)。

步骤S23：对比数据集合N中记录的所有时间戳，若且p_i≠p_m，则将p_i更新为p_m，并加入到数据集合N_m中。

旨在选出时间点在规定的时间间隔内，但位置点不同于p_m的点，认为这个位置点也应该是p_m。

步骤S24：去除数据集合N中属于数据集合N_m的数据。

去除数据集合N中属于数据集合N_m的数据，然后对数据集合N循环上述步骤，直至当前数据集合N中没有数据，形成新的数据集合N_m。

步骤S25：将新的数据集合N_m中的数据按照t_i排序，将位置点相同的所有相邻数据合并为一条新的数据，记录为{p_i，t_is，t_ie}，得到新的数据集合N。

上述，t_is为所合并数据中最小时间戳，t_ie为所合并数据中最大时间戳，相邻无相同位置的点，t_i＝t_is＝t_ie。

经过该步骤S2，基本可将夹杂在有效数据中的噪声数据提出，且在下一步判断中，将未被剔除的噪声数据影响降至最低。

现有技术的算法中，数据清洗流程中需要对数据进行多次遍历且需要多个参数用以数据清洗，会产生大量的位置点，在实际应用过程中，需要对数据进行二次处理，才能保证使用效率，而本步骤中仅对数据进行一次遍历，并仅用一个参数δt即可完成数据清洗，除原有基站位置外，不会产生更过的位置点，节省了坐标重计算的运算量，提高了数据清洗效率，降低了过多参数对数据清洗效果的影响。

步骤S3、基于更新的数据集合N中的数据，得到用户每天在各个基站的停留时长，结合单日活跃时长阈值与累计活跃天数阈值两项判断标准识别职住地。

具体的，如图3所示，包括如下步骤：

步骤S31：筛选居住地识别时间范围内的数据集合N_h，以及工作地识别时间范围内的数据集合N_w。

在本发明的一个具体实施例中，参考用户的普遍作息规律，将居住地识别时间范围定为t_h＝{00:00-6:00}，工作地识别时间范围定为t_w＝{9:00-18:00}。

针对更新的数据集合N，筛选出在t_h＝{00:00-6:00}范围内的数据形成集合N_h，筛选出在t_w＝{9:00-18:00}范围内的数据形成集合t_w。

步骤S32：针对N_h和N_w，分别统计同一基站的居住地活跃天数和工作地活跃天数。

本发明实施例中，设置单日居住活跃阈值为R_home，例如4小时，设置单日工作活跃阈值为R_work，例如6小时。

若数据集合N_h中的基站p_j满足：单日在t_h时间段中停留累积时间大于单日居住活跃阈值R_home，则该基站的居住活跃天数AHp_j累加1，0≤AHp_j≤D，并累计停留时间SHp_j＝∑_i∈j(t_ie-t_is)，将累计停留时间加入集合SH_i。

若数据集合N_w中的基站p_j满足：单日在t_w时间段中停留累积时间大于单日工作活跃阈值R_work，则该基站工作活跃天数AWp_j累加1，0≤AWp_j≤D，并累计停留时间SWp_j＝∑_i∈j(t_ie-t_is)，将累计停留时间加入集合SW_i。

步骤S33：选取居住地活跃天数大于居住活跃天数阈值，且累计活跃时长最大的基站为居住地所在基站，以及，选取工作地活跃天数大于工作活跃天数阈值，且累计活跃时长最大的基站为工作地所在基站。

本发明实施例中，设置居住活跃天数阈值为为居住活跃天数占所有天数D的占比，例如0.6，设置工作活跃天数阈值为/>为工作活跃天数占工作天数D_w的占比，例如0.5。

选取且累计活跃时长最大的基站，也即SHp_j＝max(SH_i)的基站p_j为用户居住地所在基站。若没有基站满足上述条件，则居住地识别为空，即该用户非常驻人口。

选取且累计活跃时长最大的基站，也即SWp_j＝max(SW_i)的基站p_j为用户工作地所在基站。若没有基站满足上述条件，则工作地识别为空，即该用户非工作人口。

应该指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (1)

1.一种基于手机信令数据的人口分布判断方法，其特征在于，通过以下步骤实现：

步骤1、提取手机信令数据中的用户标识、时间戳和位置信息，建立用户的数据集合N；

步骤2、剔除数据集合N的噪声数据，得到更新的数据集合N；

步骤3、基于更新的数据集合N中的数据，得到用户每天在各个基站的停留时长，结合单日活跃时长阈值与累计活跃天数阈值两项判断标准识别职住地；

所述步骤1具体包括：

按照用户标识和时间戳对数据进行排序，得到对于单一用户总计D天的数据集合N＝{p_i，t_i}，1≤i≤n，n＝|N|；其中t_i表示用户第i条数据记录的时间戳，p_i表示用户第i条数据记录的位置点；

所述步骤2具体包括：

提取数据集合N中出现记录数最多的位置点m的所有记录，生成数据集合N_m＝{p_m，t_i}；

遍历并提取数据集合N_m中时间戳间隔小于δt的相邻数据的所有时间段，生成集合T；

对比数据集合N中记录的所有时间戳，若且p_i≠p_m，则将p_i更新为p_m，并加入到数据集合N_m中；

去除数据集合N中属于数据集合N_m的数据，循环上述步骤，直至当前数据集合N中没有数据，形成新的数据集合N_m；

将新的数据集合N_m中的数据按照t_i排序，将位置点相同的所有相邻数据合并为一条新的数据，记录为{p_i，t_is，t_ie}，得到新的数据集合N；其中，t_is为所合并数据中最小时间戳，t_ie为所合并数据中最大时间戳；

所述步骤3包括:

筛选居住地识别时间范围内的数据集合N_h，以及工作地识别时间范围内的数据集合N_w；

针对N_h和N_w，分别统计同一基站的居住地活跃天数和工作地活跃天数；

选取居住地活跃天数大于居住活跃天数阈值，且累计活跃时长最大的基站为居住地所在基站，以及，选取工作地活跃天数大于工作活跃天数阈值，且累计活跃时长最大的基站为工作地所在基站；

所述单日活跃时长阈值包括单日居住活跃阈值R_home和单日工作活跃阈值R_work；所述累计活跃天数阈值包括居住活跃天数阈值和工作活跃天数阈值/>则所述步骤3具体包括：

提取用户每天在t_h时间段的数据，得到数据集合N_h；以及，提取用户每天在t_w时间段的数据，得到数据集合N_w；t_h时间段为居住地识别时间范围，t_w时间段为工作地识别时间范围；

若数据集合N_h中的基站p_j满足：单日在t_h时间段中停留累积时间大于单日居住活跃阈值R_home，则所述基站的居住活跃天数AHp_j累加1，0≤AHp_j≤D，并累计停留时间SHp_j＝∑_i∈j(t_ie-t_is)，将累计停留时间加入集合SH_i；

若数据集合N_w中的基站p_j满足：单日在t_w时间段中停留累积时间大于单日工作活跃阈值R_work，则所述基站工作活跃天数AWp_j累加1，0≤AWp_j≤D，并累计停留时间SWp_j＝∑_i∈j(t_ie-t_is)，将累计停留时间加入集合SW_i；

选取且SHp_j＝max(SH_i)的基站p_j为用户居住地所在基站；

选取且SWp_j＝max(SW_i)的基站p_j为用户工作地所在基站。