CN113963536A - 通过手机信令数据识别居民惯常环境和出行目的的方法 - Google Patents

通过手机信令数据识别居民惯常环境和出行目的的方法 Download PDF

Info

Publication number
CN113963536A
CN113963536A CN202111213806.5A CN202111213806A CN113963536A CN 113963536 A CN113963536 A CN 113963536A CN 202111213806 A CN202111213806 A CN 202111213806A CN 113963536 A CN113963536 A CN 113963536A
Authority
CN
China
Prior art keywords
mobile phone
residents
signaling data
phone signaling
environment
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
Application number
CN202111213806.5A
Other languages
English (en)
Inventor
文玲
李瑛�
王翔宇
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.)
Hainan Bolomi Information Technology Co ltd
Original Assignee
Hainan Bolomi Information Technology Co ltd
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 Hainan Bolomi Information Technology Co ltd filed Critical Hainan Bolomi Information Technology Co ltd
Priority to CN202111213806.5A priority Critical patent/CN113963536A/zh
Publication of CN113963536A publication Critical patent/CN113963536A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开一种通过手机信令数据识别居民惯常环境和出行目的的方法，包括以下步骤：预界定重要指标概念，其中，重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种；采集基站实时上传的手机信令数据，并对手机信令数据进行清洗；通过对清洗后的手机信令数据进行切片和计算，得到居民日出行轨迹链；根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地；结合惯常地，识别居民的惯常环境和出行目的。解决了现有技术所统计的居民惯常环境和出行目的结果有偏差的技术问题。

Description

通过手机信令数据识别居民惯常环境和出行目的的方法
技术领域
本申请涉及手机信令技术领域，尤其涉及一种通过手机信令数据识别居民惯常环境和出行目的的方法。
背景技术
伴随着社会发展，人群的惯常环境和出行目的越来越多元化。对政府来说，更准确地了解一个地区居民的惯常环境和出行目的，可以相应制定出更加精准的公共服务政策，在细分领域真正惠及到相应人群。而对于企业来说，了解居民的惯常环境和出行目的有助于其更好的把握市场的脉络，制定出更加合理的市场营销方案。
现有的基于手机信令数据的居民出行识别技术大多数采用的是电子围栏的方式，即按照景区景点、商业综合体等POI（兴趣点）的范围，找出其东南西北坐标，设置电子围栏（更复杂的方式是找出相应POI兴趣点所覆盖范围的每个拐点的坐标，将电子围栏设置的更加精准），若有手机信令出现在相应范围，且满足不同统计口径停留时长的条件，则将此POI兴趣点作为此条信令所对应的居民的出行目的之一记录下来。
如在旅游统计方面，统计口径中的时间维度要求离开惯常地六小时，那么以现有技术去统计某人是否是某景区游客，方法如下：
1、判断一条手机信令是否是出现在一个景区围栏中。
2、判断信令是否持续出现6小时。
如果满足1、2两个条件，则将其统计成此景区当天的游客。
目前的方法受限于一下几个方面：
1、由于缺乏基本概念的界定，仅以信念持续时间和出现地点两方面来界定某人是否产生了某种出行行为，没有考虑到如居民在POI所在地工作等问题，可能会造成统计结果产生偏差。
2、由于手机信号可能会产生漂移，即被统计人群所处位置不变，但手机信号可能会在临近的几个基站出现，因此若仅按目前方法进行统计可能会将附近居民生活的人群统计起来，造成统计结果偏差。
3、由于缺乏对一个较长时间段信令的采集和综合分析，仅能根据当天所采集的信令数据机械地判定居民当天的出行情况，无法将居民在统计节点前后时间段的行为进行关联。
发明内容
本申请实施例提供了一种通过手机信令数据识别居民惯常环境和出行目的的方法，用以解决现有技术所统计的居民惯常环境和出行目的结果有偏差的技术问题。
有鉴于此，本申请第一方面提供了一种通过手机信令数据识别居民惯常环境和出行目的的方法，包括以下步骤：
预界定重要指标概念，其中，所述重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种；
采集基站实时上传的手机信令数据，并对所述手机信令数据进行清洗；
通过对清洗后的所述手机信令数据进行切片和计算，得到居民日出行轨迹链；
根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地；
结合所述惯常地，识别居民的惯常环境和出行目的。
可选地，所述惯常地包括上学地、工作地和居住地；
所述非惯常地包括外出就餐地和出游地；
所述惯常环境包括居民日常学习环境、日常工作环境、日常居住环境和日常人际交往的总和。
可选地，所述对所述手机信令数据进行清洗指的是剔除所述手机信令数据中的无效数据，其中，所述无效数据指缺乏IMSI信息、基站位置信息和手机信令出现时间中的一种或几种。
可选地，所述通过对清洗后的所述手机信令数据进行切片和计算，得到居民日出行轨迹链，具体包括：
集合所有清洗后的所述手机信令数据，即得全量手机信令数据；
将所述全量手机信令数据根据手机信令出现次数在预设定的时间间隔进行切片，得到多个轨迹片段；
将所述多个轨迹片段通过计算形成人群出行轨迹点的集合，得到居民日出行轨迹链。
可选地，所述预设定的时间间隔为5分钟，以5分钟为单位对全量手机信令数据进行切片，每次切片后取一次信令位置，若切片后产生信令位置变化，将每次切片后取得的信令位置设为轨迹点；若切片后未发生信令位置变化，判断信令时间是否到达24:00:00，若否，则以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获得的信令位置生成轨迹点；若切片后信令不再产生，判断信令不再产生的时间是否大于120分钟，若否，以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获取的信令位置生成轨迹点；通过计算将每个轨迹片段进行集合形成人群出行轨迹点的集合，得到居民日出行轨迹链。
可选地，所述根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地，具体包括：
根据预设定时间段内积累的居民日出行轨迹链数据；
获取居民在预设定时间段内每天不同时间段的地点；
从而计算出居民至少一个惯常地。
可选地，所述结合所述惯常地，识别居民的惯常环境和出行目的，具体包括：
根据所述惯常地，从而识别居民的惯常环境；
结合所述惯常地与所述非惯常地；
识别居民的出行目的。
本申请第二方面提供了一种通过手机信令数据识别居民惯常环境和出行目的的系统，包括：
预界定模块，用于预界定重要指标概念，其中，所述重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种；
采集模块，用于采集基站实时上传的手机信令数据，并对所述手机信令数据进行清洗；
切片模块，用于通过对清洗后的所述手机信令数据进行切片和计算，得到居民日出行轨迹链；
计算模块，用于根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地；
识别模块，用于结合所述惯常地，识别居民的惯常环境和出行目的。
本申请第三方面提供了一种通过手机信令数据识别居民惯常环境和出行目的的设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；处理器执行计算机程序时实现所述的通过手机信令数据识别居民惯常环境和出行目的的方法。
本申请第四方面提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现所述的通过手机信令数据识别居民惯常环境和出行目的的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请中提供了一种通过手机信令数据识别居民惯常环境和出行目的的方法，通过长期对手机信令数据分析积累的经验，对手机信令的特征进行总结归纳，并据此增加对重要指标概念的界定，明晰居民的惯常行为特征，作为进一步分析居民行为的基础，避免由于缺乏基本概念的界定，仅以手机信令持续时间和出现地点两方面来界定某人是否产生了某种出行行为，没有考虑到如居民在POI所在地工作等问题，可能会造成统计结果产生偏差；增加对居民轨迹链的归纳总结，通过一个较长的时间对居民行为特征进行综合判定，结合已经界定明晰的重要指标概念，相对准确的区分出居民惯常地行为（如工作、休息）与非惯常地行为（如外出就餐、出游等），以防由于手机信号可能会产生漂移，即被统计人群所处位置不变，但手机信号可能会在临近的几个基站出现，因此若仅按目前方法进行统计可能会将附近居民生活的人群统计起来，造成统计结果偏差，或由于缺乏对一个较长时间段信令的采集和综合分析，仅能根据当天所采集的信令数据机械地判定居民当天的出行情况，无法将居民在统计节点前后时间段的行为进行关联；对居民惯常地行为和非惯常地行为进行统计，其中惯常地行为作为下一个统计周期的重要参考，非惯常地行为作为分项统计的依据。解决了现有技术所统计的居民惯常环境和出行目的结果有偏差的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例中提供的一种通过手机信令数据识别居民惯常环境和出行目的的方法的步骤流程图；
图2为本申请实施例中提供的一种通过手机信令数据识别居民惯常环境和出行目的的系统的模块示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例1
为了便于理解，请参阅图1，本申请第一方面提供的一种通过手机信令数据识别居民惯常环境和出行目的的方法，包括以下步骤：
S1、预界定重要指标概念，其中，重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种。
需要说明的是，重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种，惯常地包括上学地、工作地和居住地；非惯常地包括外出就餐地和出游地，还包括休闲地、过夜地等；惯常环境包括居民日常学习环境、日常工作环境、日常居住环境和日常人际交往的总和。增加对重要指标概念的界定，明晰居民的惯常行为特征，作为进一步分析居民行为的基础，避免由于缺乏基本概念的界定，仅以手机信令持续时间和出现地点两方面来界定某人是否产生了某种出行行为，没有考虑到如居民在POI所在地工作等问题，可能会造成统计结果产生偏差。
S2、采集基站实时上传的手机信令数据，并对手机信令数据进行清洗。
需要说明的是，采集各个基站实时上传的手机信令数据，并对上传的手机信令数据进行清洗，清洗或剔除手机信令数据中的无效数据，无效数据指缺乏IMSI信息、基站位置信息和手机信令出现时间中的一种或几种，IMSI（International Mobile SubscriberIdentification Number，国际移动用户识别码）是区别移动用户的标志，存储在SIM中，可用于区别移动用户的有效信息，如姓名、性别、年龄等，缺乏IMSI信息，等同于缺乏居民的基本信息，无法识别人群。缺乏基站位置信息，则无法识别居民出现的地点范围，导致无法识别人群出现地点。缺乏手机信令出现时间，则无法识别某个地点人群出现的时间，导致无法系统判断并分析居民的出行目的。
S3、通过对清洗后的手机信令数据进行切片和计算，得到居民日出行轨迹链。
需要说明的是，集合所有清洗后的手机信令数据，即得全量手机信令数据；以预设定的时间间隔为单元对全量手机信令数据进行切片，将居民全天的全量手机信令数据分成多个轨迹片段，通过计算将每个轨迹片段所对应的信令位置进行集合形成人群出行轨迹点的集合，得到居民日出行轨迹链。
S4、根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地。
需要说明的是，根据预设定时间段内积累的居民日出行轨迹链数据；获取居民在预设定时间段内每天不同时间段的地点；从而计算出居民至少一个惯常地。如预设定时间段为一个月，每天00:00-06:00设为居家时间点、9:00-16:00设为上班时间点，根据一个月积累的居民日出行轨迹链数据，获取居民每天00:00-06:00和9:00-16:00时间段出现的地点，即可计算出居民的惯常地（居住地和工作地）。通过一个月的时间对居民行为特征进行综合判定，结合已经界定明晰的重要指标概念，相对准确的区分出居民惯常地行为（如工作、休息）与非惯常地行为（如外出就餐、出游等），以防由于手机信号可能会产生漂移，即被统计人群所处位置不变，但手机信号可能会在临近的几个基站出现，因此若仅按目前方法进行统计可能会将附近居民生活的人群统计起来，造成统计结果偏差，或由于缺乏对一个较长时间段信令的采集和综合分析，仅能根据当天所采集的信令数据机械地判定居民当天的出行情况，无法将居民在统计节点前后时间段的行为进行关联。
S5、结合惯常地，识别居民的惯常环境和出行目的。
需要说明的是，根据居民的惯常地（如工作地、居住地），从而识别居民的惯常环境（上班环境和居住环境）；通过识别居民的手机信令数据所对应的基站位置，获取居民的出行路径，结合居民的惯常地（如工作地、居住地）与重要指标概念的非惯常地（如外出就餐地、出游地等），进一步识别居民的出行目的，也就是出行活动发生的原因，包括上班、回家、外出就餐、出游等。
本申请中提供了一种通过手机信令数据识别居民惯常环境和出行目的的方法，通过长期对手机信令数据分析积累的经验，对手机信令的特征进行总结归纳，并据此增加对重要指标概念的界定，明晰居民的惯常行为特征，作为进一步分析居民行为的基础，避免由于缺乏基本概念的界定，仅以手机信令持续时间和出现地点两方面来界定某人是否产生了某种出行行为，没有考虑到如居民在POI所在地工作等问题，可能会造成统计结果产生偏差；增加对居民轨迹链的归纳总结，通过一个较长的时间对居民行为特征进行综合判定，结合已经界定明晰的重要指标概念，相对准确的区分出居民惯常地行为（如工作、休息）与非惯常地行为（如外出就餐、出游等），以防由于手机信号可能会产生漂移，即被统计人群所处位置不变，但手机信号可能会在临近的几个基站出现，因此若仅按目前方法进行统计可能会将附近居民生活的人群统计起来，造成统计结果偏差，或由于缺乏对一个较长时间段信令的采集和综合分析，仅能根据当天所采集的信令数据机械地判定居民当天的出行情况，无法将居民在统计节点前后时间段的行为进行关联；对居民惯常地行为和非惯常地行为进行统计，其中惯常地行为作为下一个统计周期的重要参考，非惯常地行为作为分项统计的依据。解决了现有技术所统计的居民惯常环境和出行目的结果有偏差的技术问题。
实施例2
为了便于理解，请参阅图1，作为实施例1的进一步改进，惯常地包括上学地、工作地和居住地；非惯常地包括外出就餐地和出游地；惯常环境包括居民日常学习环境、日常工作环境、日常居住环境和日常人际交往的总和。
需要说明的是，根据手机信令数据中的IMSI信息，获取居民的姓名、性别、年龄等基本信息，从而得知居民是学生或上班族或无职业工作者，从而得到居民的惯常地应该区分为上学地或工作地，进一步地，将每天00:00-06:00设为居家时间点、9:00-16:00设为上学时间或上班时间点，在多个月积累的居民日出行轨迹链中可计算出居民的上学地或工作地。通过除去每天设定的工作时间或居家时间外，居民的手机信令数据在某些时间段出现的地点，通过计算可获取居民的非惯常地，包括外出就餐地和出游地。结合居民的惯常地可计算出居民的惯常环境，惯常环境包括居民日常学习环境、日常工作环境、日常居住环境和日常人际交往的总和。
实施例3
为了便于理解，请参阅图1，作为实施例1的进一步改进，对手机信令数据进行清洗指的是剔除手机信令数据中的无效数据，其中，无效数据指缺乏IMSI信息、基站位置信息和手机信令出现时间中的一种或几种。通过对清洗后的手机信令数据进行切片和计算，得到居民日出行轨迹链，具体包括：集合所有清洗后的手机信令数据，即得全量手机信令数据；将全量手机信令数据根据手机信令出现次数在预设定的时间间隔进行切片，得到多个轨迹片段；将多个轨迹片段通过计算形成人群出行轨迹点的集合，得到居民日出行轨迹链。预设定的时间间隔优选为5分钟，以5分钟为单位对全量手机信令数据进行切片，每次切片后取一次信令位置，若切片后产生信令位置变化，将每次切片后取得的信令位置设为轨迹点；若切片后未发生信令位置变化，判断信令时间是否到达24:00:00，若否，则以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获得的信令位置生成轨迹点；若切片后信令不再产生，判断信令不再产生的时间是否大于120分钟，若否，以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获取的信令位置生成轨迹点；通过计算将每个轨迹片段进行集合形成人群出行轨迹点的集合，得到居民日出行轨迹链。
需要说明的是，对上传的手机信令数据进行清洗，清洗或剔除手机信令数据中的无效数据，无效数据指缺乏IMSI信息、基站位置信息和手机信令出现时间中的一种或几种，IMSI（International Mobile Subscriber Identification Number，国际移动用户识别码）是区别移动用户的标志，存储在SIM中，可用于区别移动用户的有效信息，如姓名、性别、年龄等，缺乏IMSI信息，等同于缺乏居民的基本信息，无法识别人群。缺乏基站位置信息，则无法识别居民出现的地点范围，导致无法识别人群出现地点。缺乏手机信令出现时间，则无法识别某个地点人群出现的时间，导致无法系统判断并分析居民的出行目的。
进一步地，剔除掉手机信令数据中的无效数据，剩余有效数据，集合所有有效数据，即得全量手机信令数据，将全量手机信令数据根据手机信令出现次数在预设定的时间间隔进行切片，优选地，预设定的时间间隔为5分钟，以5分钟为单元对全量手机信令数据进行切片，每次切片后取一次信令位置，若切片后产生信令位置变化，将每次切片后取得的信令位置设为轨迹点；若切片后未发生信令位置变化，判断信令时间是否到达24:00:00，若否，则以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获取的信令位置生成轨迹点；若切片后信令不再产生，判断信令不再产生的时间是否大于120分钟，若否，以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获取的信令位置生成轨迹点；通过计算将每个轨迹片段进行集合形成人群出行轨迹点的集合，得到居民日出行轨迹链。
实施例4
为了便于理解，请参阅图1，作为实施例1的进一步改进，根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地，具体包括：根据预设定时间段内积累的居民日出行轨迹链数据；获取居民在预设定时间段内每天不同时间段的地点；从而计算出居民至少一个惯常地。结合惯常地，识别居民的惯常环境和出行目的，具体包括：根据惯常地，从而识别居民的惯常环境；结合惯常地与非惯常地，识别居民的出行目的。
需要说明的是，根据预设定时间段内积累的居民日出行轨迹链数据；获取居民在预设定时间段内每天不同时间段的地点；从而计算出居民至少一个惯常地。如预设定时间段为一个月，每天00:00-06:00设为居家时间点、9:00-16:00设为上班时间点，根据一个月积累的居民日出行轨迹链数据，获取居民每天00:00-06:00和9:00-16:00时间段出现的地点，即可计算出居民的惯常地（居住地和工作地）。通过一个月的时间对居民行为特征进行综合判定，结合已经界定明晰的重要指标概念，相对准确的区分出居民惯常地行为（如工作、休息）与非惯常地行为（如外出就餐、出游等）。根据居民的惯常地（如工作地、居住地），从而识别居民的惯常环境（上班环境和居住环境）；结合居民的惯常地（如工作地、居住地）与非惯常地（如外出就餐地、出游地等）；进一步识别居民的出行目的（上班、回家、外出就餐、出游等）。
实施例5
为了便于理解，请参阅图2，本申请第二方面提供的一种通过手机信令数据识别居民惯常环境和出行目的的系统，包括：预界定模块，用于预界定重要指标概念，其中，重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种；采集模块，用于采集基站实时上传的手机信令数据，并对手机信令数据进行清洗；切片模块，用于通过对清洗后的手机信令数据进行切片和计算，得到居民日出行轨迹链；计算模块，用于根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地；识别模块，用于结合惯常地，识别居民的惯常环境和出行目的。
本申请中提供了一种通过手机信令数据识别居民惯常环境和出行目的的系统，通过长期对手机信令数据分析积累的经验，对手机信令的特征进行总结归纳，并据此增加对重要指标概念的界定，明晰居民的惯常行为特征，作为进一步分析居民行为的基础，避免由于缺乏基本概念的界定，仅以手机信令持续时间和出现地点两方面来界定某人是否产生了某种出行行为，没有考虑到如居民在POI所在地工作等问题，可能会造成统计结果产生偏差；增加对居民轨迹链的归纳总结，通过一个较长的时间对居民行为特征进行综合判定，结合已经界定明晰的重要指标概念，相对准确的区分出居民惯常地行为（如工作、休息）与非惯常地行为（如外出就餐、出游等），以防由于手机信号可能会产生漂移，即被统计人群所处位置不变，但手机信号可能会在临近的几个基站出现，因此若仅按目前方法进行统计可能会将附近居民生活的人群统计起来，造成统计结果偏差，或由于缺乏对一个较长时间段信令的采集和综合分析，仅能根据当天所采集的信令数据机械地判定居民当天的出行情况，无法将居民在统计节点前后时间段的行为进行关联；对居民惯常地行为和非惯常地行为进行统计，其中惯常地行为作为下一个统计周期的重要参考，非惯常地行为作为分项统计的依据。解决了现有技术所统计的居民惯常环境和出行目的结果有偏差的技术问题。
实施例6
本申请第三方面提供的一种通过手机信令数据识别居民惯常环境和出行目的的设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；处理器执行计算机程序时实现实施例1中通过手机信令数据识别居民惯常环境和出行目的的方法的步骤。
需要说明的是，存储器，用于存储操作指令；处理器，用于通过调用操作指令，执行本申请实施例1中通过手机信令数据识别居民惯常环境和出行目的的方法，处理器可以是CPU（Central Processing Unit，中央处理器）、通用处理器、DSP（Digital SignalProcessor，数据信号处理器）、ASIC（Application Specific Integrated Circuit，专用集成电路）、FPGA（Field Programmble Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合、DSP和微处理器的组合等。处理器也可以包括一个或多个处理单元，例如：处理器可以包括应用处理器（application processor，AP）、调制解调处理器、图形处理器（graphics processingunit，GPU）、图像信号处理器（image signalprocessor，DSP），基带处理器和/或神经网络处理器（Neural-network Processing Unit，NPU）等，其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
实施例7
本申请第四方面提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现实施例1中通过手机信令数据识别居民惯常环境和出行目的的方法的步骤。
需要说明的是，可读存储介质包括便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或以上任意合适的组合。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，包括以下步骤：
预界定重要指标概念，其中，所述重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种；
采集基站实时上传的手机信令数据，并对所述手机信令数据进行清洗；
通过对清洗后的所述手机信令数据进行切片和计算，得到居民日出行轨迹链；
根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地；
结合所述惯常地，识别居民的惯常环境和出行目的。
2.根据权利要求1所述的通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，所述惯常地包括上学地、工作地和居住地；
所述非惯常地包括外出就餐地和出游地；
所述惯常环境包括居民日常学习环境、日常工作环境、日常居住环境和日常人际交往的总和。
3.根据权利要求1所述的通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，所述对所述手机信令数据进行清洗指的是剔除所述手机信令数据中的无效数据，其中，所述无效数据指缺乏IMSI信息、基站位置信息和手机信令出现时间中的一种或几种。
4.根据权利要求1所述的通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，所述通过对清洗后的所述手机信令数据进行切片和计算，得到居民日出行轨迹链，具体包括：
集合所有清洗后的所述手机信令数据，即得全量手机信令数据；
将所述全量手机信令数据根据手机信令出现次数在预设定的时间间隔进行切片，得到多个轨迹片段；
将所述多个轨迹片段通过计算形成人群出行轨迹点的集合，得到居民日出行轨迹链。
5.根据权利要求4所述的通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，所述预设定的时间间隔为5分钟，以5分钟为单位对全量手机信令数据进行切片，每次切片后取一次信令位置，若切片后产生信令位置变化，将每次切片后取得的信令位置设为轨迹点；若切片后未发生信令位置变化，判断信令时间是否到达24:00:00，若否，则以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获得的信令位置生成轨迹点；若切片后信令不再产生，判断信令不再产生的时间是否大于120分钟，若否，以5分钟为单元继续对全量手机信令数据进行切片，若是，则按照上一次获取的信令位置生成轨迹点；通过计算将每个轨迹片段进行集合形成人群出行轨迹点的集合，得到居民日出行轨迹链。
6.根据权利要求1所述的通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，所述根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地，具体包括：
根据预设定时间段内积累的居民日出行轨迹链数据；
获取居民在预设定时间段内每天不同时间段的地点；
从而计算出居民至少一个惯常地。
7.根据权利要求1所述的通过手机信令数据识别居民惯常环境和出行目的的方法，其特征在于，所述结合所述惯常地，识别居民的惯常环境和出行目的，具体包括：
根据所述惯常地，从而识别居民的惯常环境；
结合所述惯常地与所述非惯常地；
识别居民的出行目的。
8.一种通过手机信令数据识别居民惯常环境和出行目的的系统，其特征在于，包括：
预界定模块，用于预界定重要指标概念，其中，所述重要指标概念包括惯常地、非惯常地和惯常环境的一种或几种；
采集模块，用于采集基站实时上传的手机信令数据，并对所述手机信令数据进行清洗；
切片模块，用于通过对清洗后的所述手机信令数据进行切片和计算，得到居民日出行轨迹链；
计算模块，用于根据预设定时间段内积累的居民日出行轨迹链数据，计算出居民至少一个惯常地；
识别模块，用于结合所述惯常地，识别居民的惯常环境和出行目的。
9.一种通过手机信令数据识别居民惯常环境和出行目的的设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现权利要求1-7任一项所述的通过手机信令数据识别居民惯常环境和出行目的的方法。
10.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1-7任一项所述的通过手机信令数据识别居民惯常环境和出行目的的方法。
CN202111213806.5A 2021-10-19 2021-10-19 通过手机信令数据识别居民惯常环境和出行目的的方法 Pending CN113963536A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111213806.5A CN113963536A (zh) 2021-10-19 2021-10-19 通过手机信令数据识别居民惯常环境和出行目的的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111213806.5A CN113963536A (zh) 2021-10-19 2021-10-19 通过手机信令数据识别居民惯常环境和出行目的的方法

Publications (1)

Publication Number Publication Date
CN113963536A true CN113963536A (zh) 2022-01-21

Family

ID=79464454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111213806.5A Pending CN113963536A (zh) 2021-10-19 2021-10-19 通过手机信令数据识别居民惯常环境和出行目的的方法

Country Status (1)

Country Link
CN (1) CN113963536A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115086878A (zh) * 2022-08-02 2022-09-20 北京融信数联科技有限公司 基于手机信令的用户行动轨迹获取方法、系统和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102629297A (zh) * 2012-03-06 2012-08-08 北京建筑工程学院 一种基于行程识别的出行者活动规律分析方法
CN110276020A (zh) * 2019-04-22 2019-09-24 阿里巴巴集团控股有限公司 识别用户出行目的地的方法和装置
CN110351665A (zh) * 2019-07-31 2019-10-18 中国联合网络通信集团有限公司 用户惯常地的识别方法、设备及计算机可读存储介质
CN111144452A (zh) * 2019-12-11 2020-05-12 重庆邮电大学 一种基于信令数据和聚类算法的移动用户出行链提取方法
CN111954160A (zh) * 2020-08-20 2020-11-17 南京邮电大学 一种二维手机信令数据转化三维空间轨迹数据的方法
CN112800348A (zh) * 2021-01-26 2021-05-14 浙江旅游职业学院 一种基于手机信令大数据的旅游行为识别方法
CN113079463A (zh) * 2021-03-31 2021-07-06 上海晨擎信息科技有限公司 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

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102629297A (zh) * 2012-03-06 2012-08-08 北京建筑工程学院 一种基于行程识别的出行者活动规律分析方法
CN110276020A (zh) * 2019-04-22 2019-09-24 阿里巴巴集团控股有限公司 识别用户出行目的地的方法和装置
CN110351665A (zh) * 2019-07-31 2019-10-18 中国联合网络通信集团有限公司 用户惯常地的识别方法、设备及计算机可读存储介质
CN111144452A (zh) * 2019-12-11 2020-05-12 重庆邮电大学 一种基于信令数据和聚类算法的移动用户出行链提取方法
CN111954160A (zh) * 2020-08-20 2020-11-17 南京邮电大学 一种二维手机信令数据转化三维空间轨迹数据的方法
CN112800348A (zh) * 2021-01-26 2021-05-14 浙江旅游职业学院 一种基于手机信令大数据的旅游行为识别方法
CN113079463A (zh) * 2021-03-31 2021-07-06 上海晨擎信息科技有限公司 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨东;韩继国;武平;赵昕;: "基于手机信令数据的游客识别与出行轨迹匹配方法", 交通运输研究, no. 06 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115086878A (zh) * 2022-08-02 2022-09-20 北京融信数联科技有限公司 基于手机信令的用户行动轨迹获取方法、系统和存储介质

Similar Documents

Publication Publication Date Title
CN110868689B (zh) 常住人口确定方法、装置和电子设备
CN108924333B (zh) 诈骗电话识别方法、装置和系统
Sapiezynski et al. Tracking human mobility using wifi signals
CN111582948B (zh) 一种基于手机信令数据与poi兴趣点的个体行为分析方法
CN108282860B (zh) 数据处理方法及装置
CN110990443A (zh) 一种基于手机信令的职住人口特征估算方法
CN108566618A (zh) 获取用户驻留规律的方法、装置、设备及存储介质
CN106547894A (zh) 基于移动通信信令大数据挖掘职住位置标签的系统及方法
CN107194525A (zh) 一种基于手机信令的城市中心评估方法
CN108810818B (zh) 一种居民生活圈的划分方法及装置
CN110351664B (zh) 基于手机信令的用户活动空间识别方法
CN106570014A (zh) 用于确定用户的家庭属性信息的方法与设备
CN115034524A (zh) 基于手机信令的工作居住人口预测方法、系统和存储介质
CN112954626A (zh) 手机信令数据分析方法、装置、电子设备及存储介质
CN113963536A (zh) 通过手机信令数据识别居民惯常环境和出行目的的方法
CN114819745A (zh) 地区传染病的风险测度方法、装置、设备和介质
CN108182282A (zh) 地址真实性验证方法、装置及电子设备
CN117076744B (zh) 一种无障碍设施建设选址方法及设备
CN111797181B (zh) 用户职住地的定位方法、装置、控制设备及存储介质
Sumathi et al. Crowd estimation at a social event using call data records
CN106993309B (zh) 用户价值评价方法及装置
CN114626733A (zh) 公共空间活力评测方法、装置、电子设备及存储介质
CN116156416A (zh) 基于信令数据的职住地提取方法及装置
CN110677309B (zh) 人群聚类方法及系统、终端以及计算机可读存储介质
CN113347574B (zh) 一种确定常驻地的方法和装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220121

RJ01 Rejection of invention patent application after publication