CN112822639A - 基于手机信令的进出港旅客机场腹地范围划定方法 - Google Patents
基于手机信令的进出港旅客机场腹地范围划定方法 Download PDFInfo
- Publication number
- CN112822639A CN112822639A CN202011513596.7A CN202011513596A CN112822639A CN 112822639 A CN112822639 A CN 112822639A CN 202011513596 A CN202011513596 A CN 202011513596A CN 112822639 A CN112822639 A CN 112822639A
- Authority
- CN
- China
- Prior art keywords
- point
- airport
- time
- passengers
- port
- 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.)
- Pending
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
- H04W4/029—Location-based management or tracking services
-
- 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
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于手机信令的进出港旅客机场腹地范围划定方法,属于大数据领域。本发明首先识别目标机场的进港旅客和出港旅客,然后提取旅客的手机信令数据,通过状态识别法,将信令中的记录点识别成停留点和移动点,将停留点集进一步处理成驻留点后,在此基础上确定各进/出港旅客的出行的起始点O和目的地D,生成旅客出行OD图,最后将OD图空间化,划定各级尺度下的进/出港旅客机场腹地范围。该方法可高分辨展现机场腹地空间分布特征,可多尺度展现机场腹地范围和内部结构的变化规律,有利于机场、航空公司定位潜在市场、优化资源配置;为后续研究腹地内各类航空旅客的出行行为特征、优化机场集疏运网络及机场资源配置奠定基础。
Description
技术领域
本发明涉及大数据计算领域,具体为一种基于手机信令的进出港旅客机场腹地范围划定方法。
背景技术
机场腹地是吸引航空公司的原始资本,是规划航空运输网络的重要参考,是完善和管控机场地表集疏运网络的基础依据。确定机场腹地范围始终是经济地理中与机场相关研究的主题之一,但如何准确划定机场腹地范围学界并未达成共识。过往划定机场腹地范围的方法主要包括同心圆法、旅行时间法、加权V图法、Huff模型法、离散模型法等。同心圆法即以机场为中心,采用指定半径画同心圆,确定机场腹地范围。如,波兰机场管理者就以机场为中心,视R=100km或R=200km的圆形区域为机场腹地。如此确定的机场腹地既不能展现出机场自身综合吸引力的辐射范围,也不能反映机场腹地的动态变化特征。旅行时间法(交通等时圈法)一般以机场为中心,以交通网络为基础,采用指定的时间阈值来界定机场腹地范围,此类方法在交通地理学上得到广泛应用。加权Voronoi图法(简称加权V图法)综合考虑了机场引力、机场地表集疏运条件,来确定机场腹地范围。该方法适合从竞争视角,通过设定不同机场的引力权重,生成多个机场博弈情景下的共同腹地范围。Huff模型法也是从竞争视角出发,综合考虑了机场吸引力和交通情况,进而确定机场腹地范围,其计算结果好于同心圆法和等时圈法,但该方法引入的机场综合吸引力弹性系数和距离衰减系数要结合具体机场分别讨论、设定。离散选择模型法是通过问卷调查,获取旅客机场选择行为特征,依据航空旅客归属地,确定机场腹地范围。该方法数据获取难度大,成本高,数据获取相对困难。为弥补问卷调查的不足,Lieshout利用机场的航班频率、机票价格、机场陆侧可达性以及空侧可达性等可以直接获取或计算得出的数据,使用离散选择模型法测算了阿姆斯特丹机场2005和2011年的腹地范围,但改进了输入数据源的离散选择模型不仅计算量大,而且仍受多种不确定性因素的制约。
移动手机、车载GPS、公交卡、社交媒体等提供了海量的个体行为数据。其中,手机信令数据时空信息丰富、时间分辨率高、获取成本低,在人口流动、人口出行特征、城市职住关系、城市空间结构等领域得到广泛应用。利用手机信令数据,判定进/出港旅客出行轨迹的OD位置,进而划定进/出港旅客的机场腹地范围,为掌握机场腹地的多尺度时空变化规律提供了有力工具。
公开号为CN 111651529A的发明公开了一种基于手机信令数据的机场航空旅客分类识别方法,此方法为本发明进/出港旅客的确定提供了有效的参考。
发明内容
本发明要解决的技术问题是提供一种基于手机信令的进出港旅客机场腹地范围划定方法,该方法可实现利用手机信令数据划定各级行政尺度的进/出港旅客机场腹地范围,并可视化显示各级尺度上进/出港旅客机场腹地空间腹地特征,为后续研究腹地内各类航空旅客的出行行为特征、优化机场集疏运网络及机场资源配置奠定基础。
为解决上述技术问题,本发明采用的技术方案是:一种基于手机信令的进出港旅客机场腹地范围划定方法,包括如下步骤:
步骤1、利用基于手机信令数据的机场航空旅客分类识别方法,识别出目标机场的进港旅客和出港旅客;所述进港旅客为从外省进港且不出港的旅客,所述出港旅客为出港去省外且当日不返回的旅客;
步骤2、对步骤1中的每个进/出港旅客,提取各旅客手机在目标机场出现当日且在省内范围中所有的信令数据组成用户记录,所有进/出港旅客的用户记录组成综合数据集,按照步骤1中的识别方法,从综合数据集中拆分出目标机场数据集;
步骤3、将各旅客用户记录中的每一条信令视为一个记录点,通过状态识别法,标记各记录点的状态信息,所述状态信息包括停留状态和移动状态;识别后,用户记录变成停留点、停留点集和移动点的集合;
步骤4、将步骤3得到的停留点集中的所有停留点合并成一个点,称为驻留点;将停留点集中第一个停留点的发生时间设为驻留点的开始时间,将最后一个停留点的发生时间设为驻留点的结束时间,将结束时间和开始时间的时间差称为驻留点的停留时长Tstay_time;之后,每个旅客的用户记录变成停留点、驻留点和移动点的集合;
步骤5、根据步骤4得到的进/出港旅客的用户记录,参照步骤2中的综合数据集和目标机场数据集,确定各进/出港旅客的出行的起始点O和目的地D,生成旅客的出行OD图;具体操作如下:
5、1设置旅客在目标机场与腹地之间通勤阶段的出行最长停留时长Tstay_time_max;
5、2根据旅客的进出港类型确定出行的起始点O和目的地D,具体判定方法如下:
a、若为进港旅客,首先,按照时间的正向顺序,将该旅客手机在目标机场数据集内的最后一个记录点作为出行的起始点O,然后按照时间的正向顺序,对起始点O以后、综合数据集中的记录点进行搜索;若存在某一记录点为驻留点,且该点的停留时长Tstay_time大于预先设定的最长停留时长Tstay_time_max,那么将此驻留点判定为用户的出行目的地D;如果不存在满足条件的记录点,则将综合数据集中最后发生的驻留点或停留点判定为用户的出行目的地D;
b、若用户为出港旅客,首先,按照时间的正向顺序,将该旅客手机在目标机场数据集内的第一个记录点作为出行目的地D,再按照时间的逆向顺序,在综合数据集中、对出行目的地D信令发生以前的记录点进行搜索;若存在某一记录点为驻留点,且该点的停留时长Tstay_time大于预先设定的最长停留时长Tstay_time_max,则将此点判定为用户的出行起始点O;如果不存在满足条件的记录点,则将综合数据集中最早发生的驻留点或停留点判定为用户的出行起始点O;
5、3根据确定的出行起始点O和目的地D生成旅客出行OD图;
步骤6、将进/出港旅客OD图空间化,并与市、县、乡、村各级行政单元进行空间叠置,进行计数和统计,划定各级尺度下的进/出港旅客机场腹地范围。
步骤3中状态识别法的具体操作为:
3、1将各旅客用户记录中的每一条信令识别为一个记录点,按照发生时间的先后顺序标记为P1,P2,……,Pn,为每个记录点设置经度X、纬度Y和状态标识sign;经度X和纬度Y从手机信令数据中直接获取;当记录点的状态为运动状态时sign=1,称为移动点;当状态为停留状态时,sign=0,称为停留点;
3、2设第一个和最后一个记录点为停留点,令其状态标识sign=0:
3、3设定时间约束Tmax和距离约束Dmax,根据前一记录点的状态信息依次判定第二个记录点至倒数第二个记录点的运动状态,判定原则如下:
a、若Pt点为“停留状态”,Pt+1点运动状态的判定方法为:首先,确定t时刻之前的停留点集N(Pm,Pm+1,…Pt-1,Pt),该集合内的记录点均为停留点;然后,计算Pt+1与停留点集N的质心之间的距离d,以及Pt+1点的发生时间Tt+1与停留点集N中第一个停留点Pm发生时间Tm的时间差ΔT,具体计算公式如下:
ΔT=Tt+1-Tm (2)
最后进行判定:如果d>Dmax,则判定Pt+1点的运动状态为“可能移动”;如果d<Dmax,且ΔT>Tmax,则判定Pt+1点的运动状态为“停留”,且与之前的停留点集N共同组成新的点集N’(Pm,Pm+1,…,Pt,Pt+1);如果d<Dmax,且ΔT<Tmax,则判定Pt+1点的运动状态为“可能移动”;
b、若Pt点为“可能移动”时,Pt+1点运动状态的判定方法:计算Pt+1点和Pt之间的距离d,同时计算Pt+1的发生时间与Pt发生时间之间的时间差ΔT,具体计算公式如下:
ΔT=Tt+1-Tt (4)
其中,xt+1、yt+1为Pt+1点的位置坐标,xt、yt为Pt点的位置坐标。
然后进行判定:如果d>Dmax,则判定Pt+1点的运动状态为“可能移动”,并将Pt点的运动状态改为“移动”;如果d<Dmax,且ΔT>Tmax,则判定Pt点和Pt+1点的运动状态均为“停留”,二者共同构成一个新的停留点集N”(Pt,Pt+1);如果d<Dmax,且ΔT<Tmax,则判定Pt+1点的运动状态判定为“可能移动”,同时将Pt点的运动状态改为“移动”。
步骤5中所述出行最长停留时长Tstay_time_max参照各用户相邻手机信令记录的时间间隔的均值和2倍标准差之和、按照预设的数据阈值进行设置。
步骤6的具体操作为:将进港旅客的出行目的地D数据集和出港旅客的出行起始点O数据集,分别与市、县、乡、村4级行政区划单元进行空间叠置,记录各级行政区划单元的进/出港旅客数量,分别划定进/出港旅客机场腹地范围。
在步骤2和步骤3之间设有一个可选的优选步骤,对步骤2中的综合数据集和目标机场数据集进行数据预处理,删除用户记录中的重复信令数据和无效信令数据。
采用上述技术方案所取得的技术效果在于:
本发明可以高分辨展现机场腹地空间分布特征,可多尺度展现机场腹地范围和内部结构的变化规律,有利于机场、航空公司定位潜在市场、优化资源配置。本发明基于手机信令数据快速的划定各级尺度下的进/出港旅客机场腹地范围,并可以可视化的展示进/出港旅客机场腹地空间腹地特征。本发明可为后续探索腹地内进/出港旅客出行规律、提高机场集疏运网络效率和优化机场资源配置奠定了方法基础。
附图说明
图1为本发明的方法流程图;
图2为停留点集到驻留点的变换过程;
图3为进港旅客起始点O和目的地D的时间关系图;
图4为进港旅客起始点O和目的地D的位置关系图;
图5为出港旅客起始点O和目的地D的时间关系图;
图6为出港旅客起始点O和目的地D的位置关系图;
图7为2019年10月2-8日县级尺度进港旅客的机场腹地范围分布图;
图8为2019年10月2-8日县级尺度出港旅客的机场腹地范围分布图;
图9为2020年2月2-8日乡级尺度进港旅客的机场腹地范围分布图;
图10为2020年2月2-8日乡级尺度出港旅客的机场腹地范围分布图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,基于手机信令的进出港旅客机场腹地范围划定方法,包括如下步骤:
步骤1、利用基于手机信令数据的机场航空旅客分类识别方法,识别出目标机场的进港旅客和出港旅客;所述进港旅客为从外省进港且不出港的旅客,所述出港旅客为出港去省外且当日不返回的旅客。该步是通过公开号为CN 111651529A的发明中的基于手机信令数据的机场航空旅客分类识别方法来实现的。
步骤2对步骤1中的每个进/出港旅客,提取各旅客手机在目标机场出现当日且在省内范围中所有的信令数据组成用户记录,所有进/出港旅客的用户记录组成综合数据集,按照步骤1中的识别方法,从综合数据集中拆分出目标机场数据集。
本发明通过旅客携带的手机来标识旅客,用手机的信令数据来表征旅客的特征。提取旅客手机在机场出现当日且在省内范围中所有的信令数据,这些信令数据皆为公知格式,除了唯一的移动设备识别码外,还含有信令的发生时间、所在地点的经纬度等字段。每个旅客手机当日的所有省内信令数据构成一条用户记录,目标机场范围所有进出港旅客的手机用户记录就构成了综合数据集,亦即,综合数据集是在由机场范围内出现的一组组用户记录组成。这个目标机场范围是根据实际需求和机场的实际情况来自行确定的。为了确定进/出港旅客的出发地和目的地,该步骤在基于手机信令数据的机场航空旅客分类识别方法下从综合数据集中拆分出目标机场数据集。
步骤3、将各旅客用户记录中的每一条信令视为一个记录点,通过状态识别法,标记各记录点的状态信息,所述状态信息包括停留状态和移动状态;识别后,用户记录变成停留点、停留点集和移动点的集合。
这里的状态识别法是参照《Tracking survey for individual travelbehaviour using mobile communication instruments》中提到的内容,本发明将此方法暂称为状态识别法。后面的内容就是基于此步骤的状态识别结果。
状态识别法的具体操作为:
(1)将各旅客用户记录中的每一条信令识别为一个记录点,按照出现时间的先后顺序标记为P1,P2,……,Pn,为每个各记录点设置经度X、纬度Y和状态标识sign;经度X和纬度Y从手机信令数据中直接获取;当记录点的状态为运动状态时sign=1,称为移动点;当状态为停留状态时,sign=0,称为停留点;
(2)设第一个和最后一个记录点为停留点,令其状态标识sign=0;
(3)设定时间约束Tmax和距离约束Dmax,根据前一记录点的状态信息依次判定第二个记录点至倒数第二个记录点的运动状态,判定原则如下:
a、若Pt点为“停留状态”,Pt+1点运动状态的判定方法为:首先,确定t时刻之前的停留点集N(Pm,Pm+1,…Pt-1,Pt),该集合内的记录点均为停留点;然后,计算Pt+1与停留点集N的质心之间的距离d,以及Pt+1点的发生时间Tt+1与停留点集N中第一个停留点Pm发生时间Tm的时间差ΔT,具体计算公式如下:
ΔT=Tt+1-Tm (2)
最后进行判定:如果d>Dmax,即两个记录点之间的距离相对较大,超过了我们预定的最大距离,说明旅客进行了较大距离的移动,则判定Pt+1点的运动状态为“可能移动”;如果d<Dmax,且ΔT>Tmax,即两个记录点之间的距离相对较小,在我们预设的最大距离之内,且两个记录点间的时间间隔也较长,超过了我们的预设最大时间,说明旅客在此时间段内并未大范围移动,可视为停留在某一地点,则判定Pt+1点的运动状态为“停留”,且与之前的停留点集N共同组成新的点集N’(Pm,Pm+1,…,Pt,Pt+1);由此也可推知,停留点集表征的是在一段时间内旅客并未进行较大距离的移动,可以认为是保持在原地停留。
如果d<Dmax,且ΔT<Tmax,即两个记录点之间距离很短,时间差也很短,那么则判定Pt+1点的运动状态为“可能移动”;
b、若Pt点为“可能移动”时,Pt+1点运动状态的判定方法:计算Pt+1点和Pt之间的距离d,同时计算Pt+1的发生时间与Pt发生时间之间的时间差ΔT,具体计算公式如下:
ΔT=Tt+1-Tt (4)
然后进行判定:如果d>Dmax,则判定Pt+1点的运动状态为“可能移动”,并将Pt点的运动状态改为“移动”;如果d<Dmax,且ΔT>Tmax,则判定Pt点和Pt+1点的运动状态均为“停留”,二者共同构成一个新的停留点集N”(Pt,Pt+1);如果停留点是连续的,那么就将连续的停留点组成停留点集。
如果d<Dmax,且ΔT<Tmax,则判定Pt+1点的运动状态判定为“可能移动”,同时将Pt点的运动状态改为“移动”。
这里的Dmax和Tmax是根据使用者的要求来自行确定的。
通过上述方法,可判定出每个进出港旅客手机信令中各记录点的状态信息,生成停留点集。状态识别后,用户记录变成停留点、停留点集和移动点的集合。
步骤4、将步骤3得到的停留点集中的所有停留点合并成一个点,称为驻留点;将停留点集中第一个停留点的发生时间设为驻留点的开始时间,将最后一个停留点的发生时间设为驻留点的结束时间,将结束时间和开始时间的时间差称为驻留点的停留时长Tstay_time;之后,每个旅客的用户记录变成停留点、驻留点和移动点的集合。
停留点集中的记录点在时间上都是连续的,说明在某一段时间内,停留在某一范围内没有大范围的移动,鉴于此,将停留点集中的这些点合并成一个驻留点,以此来表征旅客的行动轨迹和状态。新形成的驻留点,具有驻留状态的开始时间、结束时间和驻留时长等特征。
经过合并,零散的记录点就变成了移动点、驻留点和停留点的集合。
图2所示为停留点集到驻留点的变换过程。
步骤5、根据步骤4得到的进/出港旅客的用户记录,参照步骤2中的综合数据集和目标机场数据集,确定各进/出港旅客的出行的起始点O和目的地D,生成旅客的出行OD图;具体操作如下:
步骤5、1根据实际情况设置旅客在机场与腹地之间通勤阶段的出行最长停留时长Tstay_time_max;所述出行最长停留时长Tstay_time_max参照各用户相邻手机信令记录的时间间隔的均值和2倍标准差、按照预设的数据阈值进行设置。
步骤5、2根据旅客的进出港类型确定出行的起始点O和目的地D,具体判定方法如下:
a、若为进港旅客,首先,按照时间的正向顺序,将该旅客手机在目标机场数据集内的最后一个记录点作为出行的起始点O,也就是将目标机场作为进港旅客的出行起始点O。然后按照时间的正向顺序,对起始点O以后、综合数据集中的记录点进行搜索,即在机场外部区域寻找旅客的最后落脚点,作为旅客的出行目的地。若存在某一记录点为驻留点,且该点的停留时长Tstay_time大于预先设定的最长停留时长Tstay_time_max,那么认为此驻留点为旅客的最后落脚点,于是将此驻留点判定为用户的出行目的地D;如果不存在满足条件的记录点,则将综合数据集中最后发生的驻留点或停留点判定为用户的出行目的地D,就是将旅客在省内区域内的最后停留地作为其出行的目的地D。
图3所示为进港旅客起始点O和目的地D的时间关系图;图4所示为进港旅客起始点O和目的地D的位置关系图。
b、若用户为出港旅客,首先,按照时间的正向顺序,将该旅客手机在机场数据集内的第一个记录点作为出行目的地D,也就是将目标机场作为进港旅客的出行目的地D。再按照时间的逆向顺序,也就是逆向追溯,在综合数据集中、对出行目的地D信令发生以前的记录点进行搜索,因为是出港旅客,他的出发地应该是在目标机场外的省内区域,即在机场外部区域寻找旅客的最初出发点,作为旅客的出行起始点O。若存在某一记录点为驻留点,且该点的停留时长Tstay_time大于预先设定的最长停留时长Tstay_time_max,那么认为此驻留点为旅客的最初出发点,于是将此驻留点判定为用户的出行起始点O;如果不存在满足条件的记录点,则将综合数据集中最早发生的驻留点或停留点判定为用户的出行起始点O,就是将旅客在省内区域内的最初停留点作为其出行的起始点O。
图5所示为出港旅客起始点O和目的地D的时间关系图;图6所示为出港旅客起始点O和目的地D的位置关系图。
步骤5、3根据确定的出行起始点O和目的地D生成旅客出行OD图;也就是将出行起始点O和目的地D在时间上和地域上,标记出来,形成二维平面的OD图。
步骤6、将进/出港旅客OD图空间化,将所有进出港旅客的出行目的地D数据集和出港旅客的出行起始点O数据集,分别与市、县、乡、村4级行政区划单元进行空间叠置,记录各级行政区划单元的进/出港旅客数量,分别划定进/出港旅客机场腹地范围。
在步骤2和步骤3之间设有一个可选的优选步骤,对步骤2中的综合数据集和目标机场数据集进行数据预处理,删除用户记录中的重复信令数据和无效信令数据,用来降低数据冗余,提高处理效率。
利用本发明对河北省石家庄市正定国际机场(简称石家庄机场)进行机场腹地范围划定。以2019年10月2-8日及2020年2月2-8日的各一周的手机信令数据为例,划定各级行政尺度上的进/出港旅客机场腹地范围。
在本应用中,我们统计每个进出港旅客用户手机中相邻手机信令记录的时间间隔的均值和2倍标准差。发现,在2019年10月2-8日,均值与2倍标准差之和小于3600s和7200s的用户占比分别为74%和16.6%,在2020年2月2-8日,其比例分别为87.9%和10.2%,这说明用户相邻手机信令记录的间间隔通常小于1-2h,因此将判定阈值设置为85%,即将85%的旅客都可以满足的时间,作为最长停留时间。考虑到用户换乘交通工具的时间一般不会超过1h,如果用户在每一个点停留时间超过3600s,就认为该用户已经达到进港目的地。因此,本应用将Tstay_time_max设为3600s。
利用本发明方法得到的结果如下:
(1)在市级尺度,2019年10月2-8日和2020年2月2-8日两个时段,进/出港旅客主要分布在石家庄市,占比约为70%;排在第二位的是保定市,占比约为15%。对于进港旅客,邢台、衡水、沧州、邯郸四市之和约占9%;对于出港旅客,四市之和约占15%。由此可见,石家庄机场进/出港旅客机场的核心腹地是石家庄市,主要腹地是保定市,次要腹地是邢台、衡水、邯郸、沧州。说明石家庄机场主要服务所属城市,顺带辐射临近市域。
(2)在县级尺度,2019年10月2-8日和2020年2月2-8日两个时段的进/出港旅客机场腹地呈现出空间范围的伸缩变化和出行强度的变化。进/出港旅客机场腹地内的出行强度呈现以机场为中心的逐步衰减的圈层结构特征,如图7和图8所示。图7为2019年10月2-8日县级尺度进港旅客的机场腹地范围分布图;图8为2019年10月2-8日县级尺度出港旅客的机场腹地范围分布图;
(3)在乡级尺度上,2019年10月2-8日和2020年2月2-8目两个时段的进/出港旅客机场腹地范围的伸缩变化和出行强度变化更加明显,如图9和图10所示。图9为2020年2月2-8日乡级尺度进港旅客的机场腹地范围分布图;图10为2020年2月2-8日乡级尺度出港旅客的机场腹地范围分布图。
由图可知,进/出港旅客机场腹地以机场为中心的逐步衰减的圈层结构基本消失,腹地内部呈现离散性特征,且具有明显的交通指向性。如2019年10月2-8日,进/出港旅客主要分布在石家庄市及周边区县,并沿着邯郸-邢台-石家庄-保定-北京,以及石家庄-衡水等交通要道两侧蔓延。市区(石家庄、保定、衡水)及石家庄、保定、衡水和沧州部分县城的进/出港旅客出行强度明显强于其它乡镇。
(4)在村级尺度,进/出港旅客机场腹地范围进一步细化,腹地内的客源地和目的地更加离散,且在城市和建制镇呈现显著聚集效应。
上述实例表明,基于手机信令数据的进/出港旅客机场腹地划定方法,可以实现市、县、乡、村各级行政尺度上的进/出港旅客机场腹地范围划定,并能体现在各级尺度上的进/出港旅客机场腹地空间分布特征。且不同时间段的划定结果对比表明,基于手机信令数据的进出港旅客机场腹地范围划定方法可以在较小的时间尺度上实现机场腹地的动态监测,其时效性和动态性得到很好的体现,可应用于实际生产中。
本发明中所用信令数据都是通过合法途径从运营商处获得,并且信令数据中不含有任何敏感性信息,不涉及用户隐私,数据运用合理合法。
由于数据获取的局限性,本申请的实验结果是基于省内机场的。但是本申请的方法不仅仅适用于省内,而且可以推广至更大的范围,只要能有足够丰富的数据支持即可。
Claims (5)
1.一种基于手机信令的进出港旅客机场腹地范围划定方法,其特征在于,包括如下步骤:
步骤1、利用基于手机信令数据的机场航空旅客分类识别方法,识别出目标机场的进港旅客和出港旅客;所述进港旅客为从外省进港且不出港的旅客,所述出港旅客为出港去省外且当日不返回的旅客;
步骤2、对步骤1中的每个进/出港旅客,提取各旅客手机在目标机场出现当日且在省内范围中所有的信令数据组成用户记录,所有进/出港旅客的用户记录组成综合数据集,按照步骤1中的识别方法,从综合数据集中拆分出目标机场数据集;
步骤3、将各旅客用户记录中的每一条信令视为一个记录点,通过状态识别法,标记各记录点的状态信息,所述状态信息包括停留状态和移动状态;识别后,用户记录变成停留点、停留点集和移动点的集合;
步骤4、将步骤3得到的停留点集中的所有停留点合并成一个点,称为驻留点;将停留点集中第一个停留点的发生时间设为驻留点的开始时间,将最后一个停留点的发生时间设为驻留点的结束时间,将结束时间和开始时间的时间差称为驻留点的停留时长Tstay_time;之后,每个旅客的用户记录变成停留点、驻留点和移动点的集合;
步骤5、根据步骤4得到的进/出港旅客的用户记录,参照步骤2中的综合数据集和目标机场数据集,确定各进/出港旅客的出行的起始点O和目的地D,生成旅客的出行OD图;具体操作如下:
步骤5、1设置旅客在目标机场与腹地之间通勤阶段的出行最长停留时长Tstay_time_max;
步骤5、2根据旅客的进出港类型确定出行的起始点O和目的地D,具体判定方法如下:
a、若为进港旅客,首先,按照时间的正向顺序,将该旅客手机在目标机场数据集内的最后一个记录点作为出行的起始点O,然后按照时间的正向顺序,对起始点O以后、综合数据集中的记录点进行搜索;若存在某一记录点为驻留点,且该点的停留时长Tstay_time大于预先设定的最长停留时长Tstay_time_max,那么将此驻留点判定为用户的出行目的地D;如果不存在满足条件的记录点,则将综合数据集中最后发生的驻留点或停留点判定为用户的出行目的地D;
b、若用户为出港旅客,首先,按照时间的正向顺序,将该旅客手机在目标机场数据集内的第一个记录点作为出行目的地D,再按照时间的逆向顺序,在综合数据集中、对出行目的地D信令发生以前的记录点进行搜索;若存在某一记录点为驻留点,且该点的停留时长Tstay_time大于预先设定的最长停留时长Tstay_time_max,则将此点判定为用户的出行起始点O;如果不存在满足条件的记录点,则将综合数据集中最早发生的驻留点或停留点判定为用户的出行起始点O;
步骤5、3根据确定的出行起始点O和目的地D生成旅客出行OD图;
步骤6、将进/出港旅客OD图空间化,并与市、县、乡、村各级行政单元进行空间叠置,进行计数和统计,划定各级尺度下的进/出港旅客机场腹地范围。
2.根据权利要求1中所述的基于手机信令的进出港旅客机场腹地范围划定方法,其特征在于步骤3中状态识别法的具体操作为:
3、1将各旅客用户记录中的每一条信令识别为一个记录点,按照发生时间的先后顺序标记为P1,P2,……,Pn,为每个记录点设置经度X、纬度Y和状态标识sign:经度X和纬度Y从手机信令数据中直接获取;当记录点的状态为运动状态时sign=1,称为移动点;当状态为停留状态时,sign=0,称为停留点;
3、2设第一个和最后一个记录点为停留点,令其状态标识sign=0;
3、3设定时间约束Tmax和距离约束Dmax,根据前一记录点的状态信息依次判定第二个记录点至倒数第二个记录点的运动状态,判定原则如下:
a、若Pt点为“停留状态”,Pt+1点运动状态的判定方法为:首先,确定t时刻之前的停留点集N(Pm,Pm+1,…Pt-1,Pt),该集合内的记录点均为停留点;然后,计算Pt+1与停留点集N的质心之间的距离d,以及Pt+1点的发生时间Tt+1与停留点集N中第一个停留点Pm发生时间Tm的时间差ΔT,具体计算公式如十:
ΔT=Tt+1-Tm (2)
最后进行判定:如果d>Dmax,则判定Pt+1点的运动状态为“可能移动”;如果d<Dmax,且ΔT>Tmax,则判定Pt+1点的运动状态为“停留”,且与之前的停留点集N共同组成新的点集N’(Pm,Pm+1,…,Pt,Pt+1);如果d<Dmax,且ΔT<Tmax,则判定Pt+1点的运动状态为“可能移动”:
b、若Pt点为“可能移动”时,Pt+1点运动状态的判定方法:计算Pt+1点和Pt之间的距离d,同时计算Pt+1的发生时间与Pt发生时间之间的时间差ΔT,具体计算公式如下:
ΔT=Tt+1-Tt (4)
然后进行判定:如果d>Dmax,则判定Pt+1点的运动状态为“可能移动”,并将Pt点的运动状态改为“移动”;如果d<Dmax,且ΔT>Tmax,则判定Pt点和Pt+1点的运动状态均为“停留”,二者共同构成一个新的停留点集N”(Pt,Pt+1);如果d<Dmax,且ΔT<Tmax,则判定Pt+1点的运动状态判定为“可能移动”,同时将Pt点的运动状态改为“移动”。
3.根据权利要求1中所述的基于手机信令的进出港旅客机场腹地范围划定方法,其特征在于步骤5中所述出行最长停留时长Tstay_time_max参照各用户相邻手机信令记录的时间间隔的均值和2倍标准差之和、按照预设的数据阈值进行设置。
4.根据权利要求1中所述的基于手机信令的进出港旅客机场腹地范围划定方法,其特征在于步骤6的具体操作为:将进港旅客的出行目的地D数据集和出港旅客的出行起始点O数据集,分别与市、县、乡、村4级行政区划单元进行空间叠置,记录各级行政区划单元的进/出港旅客数量,分别划定进/出港旅客机场腹地范围。
5.根据权利要求1中所述的基于手机信令的进出港旅客机场腹地范围划定方法,其特征在于在步骤2和步骤3之间设有一个可选的优选步骤,对步骤2中的综合数据集和目标机场数据集进行数据预处理,删除用户记录中的重复信令数据和无效信令数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011513596.7A CN112822639A (zh) | 2020-12-18 | 2020-12-18 | 基于手机信令的进出港旅客机场腹地范围划定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011513596.7A CN112822639A (zh) | 2020-12-18 | 2020-12-18 | 基于手机信令的进出港旅客机场腹地范围划定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112822639A true CN112822639A (zh) | 2021-05-18 |
Family
ID=75854357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011513596.7A Pending CN112822639A (zh) | 2020-12-18 | 2020-12-18 | 基于手机信令的进出港旅客机场腹地范围划定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112822639A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114154393A (zh) * | 2021-10-15 | 2022-03-08 | 广州市交通规划研究院 | 一种基于腹地理论的目标地机场群旅客吞吐量预测方法 |
CN117098071A (zh) * | 2023-10-13 | 2023-11-21 | 中国移动紫金(江苏)创新研究院有限公司 | 出行识别方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015170144A (ja) * | 2014-03-07 | 2015-09-28 | Kddi株式会社 | 携帯端末を所持したユーザの滞在地を推定する装置、プログラム及び方法 |
CN108961134A (zh) * | 2018-09-05 | 2018-12-07 | 北京工业大学 | 基于手机信令数据的机场旅客出行od识别方法 |
CN110020980A (zh) * | 2019-04-08 | 2019-07-16 | 江苏号百信息服务有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN111651529A (zh) * | 2020-05-26 | 2020-09-11 | 河北师范大学 | 基于手机信令数据的机场航空旅客分类识别方法 |
CN111681421A (zh) * | 2020-06-10 | 2020-09-18 | 南京瑞栖智能交通技术产业研究院有限公司 | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 |
-
2020
- 2020-12-18 CN CN202011513596.7A patent/CN112822639A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015170144A (ja) * | 2014-03-07 | 2015-09-28 | Kddi株式会社 | 携帯端末を所持したユーザの滞在地を推定する装置、プログラム及び方法 |
CN108961134A (zh) * | 2018-09-05 | 2018-12-07 | 北京工业大学 | 基于手机信令数据的机场旅客出行od识别方法 |
CN110020980A (zh) * | 2019-04-08 | 2019-07-16 | 江苏号百信息服务有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN111651529A (zh) * | 2020-05-26 | 2020-09-11 | 河北师范大学 | 基于手机信令数据的机场航空旅客分类识别方法 |
CN111681421A (zh) * | 2020-06-10 | 2020-09-18 | 南京瑞栖智能交通技术产业研究院有限公司 | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 |
Non-Patent Citations (1)
Title |
---|
YASUO ASAKURA: "Tracking survey for individual travel behaviour using mobile communication instruments", 《TRANSPORTATION RESEARCH PART C》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114154393A (zh) * | 2021-10-15 | 2022-03-08 | 广州市交通规划研究院 | 一种基于腹地理论的目标地机场群旅客吞吐量预测方法 |
CN114154393B (zh) * | 2021-10-15 | 2024-04-12 | 广州市交通规划研究院 | 一种基于腹地理论的目标地机场群旅客吞吐量预测方法 |
CN117098071A (zh) * | 2023-10-13 | 2023-11-21 | 中国移动紫金(江苏)创新研究院有限公司 | 出行识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
Dong et al. | Traffic zone division based on big data from mobile phone base stations | |
CN110298500A (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
CN105679009B (zh) | 一种基于出租车gps数据挖掘的打车/接单poi推荐系统及方法 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的系统 | |
Wang et al. | Nonlinear effects of factors on dockless bike-sharing usage considering grid-based spatiotemporal heterogeneity | |
CN108537391A (zh) | 一种基于出租车轨迹数据的出租车停靠站设置优化方法 | |
CN106067154A (zh) | 一种基于手机大数据的城市间迁移客流分析方法 | |
CN112822639A (zh) | 基于手机信令的进出港旅客机场腹地范围划定方法 | |
Yang et al. | Investigation on structural and spatial characteristics of taxi trip trajectory network in Xi’an, China | |
Deng et al. | Spatiotemporal structure of taxi services in Shanghai: Using exploratory spatial data analysis | |
CN107038886A (zh) | 一种基于轨迹数据的出租车巡游路径推荐方法和系统 | |
CN109495856A (zh) | 一种基于大数据的手机用户类型标记方法 | |
Zheng et al. | Plunge and rebound of a taxi market through COVID-19 lockdown: Lessons learned from Shenzhen, China | |
CN108549976A (zh) | 智慧旅游大数据分析方法 | |
Hu et al. | Circuity in China's high-speed-rail network | |
CN111651529A (zh) | 基于手机信令数据的机场航空旅客分类识别方法 | |
Ge et al. | Urban taxi ridership analysis in the emerging metropolis: Case study in Shanghai | |
Yuan et al. | Recognition of functional areas based on call detail records and point of interest data | |
CN113806419A (zh) | 基于时空大数据的城市区域功能识别模型及识别方法 | |
CN115168529A (zh) | 一种基于手机定位数据的枢纽客流溯源方法 | |
CN116233757A (zh) | 一种基于手机信令数据的居民出行碳排放量计算方法 | |
CN113573238B (zh) | 一种基于手机信令的联程旅客出行链识别方法 | |
CN108108997B (zh) | 车载广告投放公交线路选取方法及装置 | |
CN113079463A (zh) | 一种基于手机信令数据的旅游景点游客出行活动识别方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210518 |
|
WD01 | Invention patent application deemed withdrawn after publication |