[发明专利]一种基于手机信令数据的城市交通出行特征确定方法

说明书

本发明公开了一种基于手机信令数据的城市交通出行特征确定方法，包括：对手机信令数据进行预处理，快速提取可用字段，形成以用户ID为关键字段的存储格式；对每个用户的移动位置按时间排序，根据速度和角度异常判断法进行去噪；利用DBSCAN聚类算法形成聚集点，识别出每个用户每天的所有停留点及停留时间；对停留点进行分类，计算出城市交通发生量、交通吸引量、出行次数、人均出行次数、出行距离、通勤出行距离、居住指数和就业指数。本发明充分利用手机信令数据，快速地、较为准确的计算出城市交通发生量、交通吸引量、出行次数、人均出行次数、出行距离、通勤出行距离、居住指数和就业指数，为城市交通规划、交通管理和交通战略研究提供数据支撑。

技术领域

本发明属于交通规划数据分析领域，特别涉及一种基于手机信令数据的城市交通出行特征确定方法。

背景技术

城市交通发生量、交通吸引量、出行次数、人均出行次数、出行距离、通勤出行距离、居住指数和就业指数是反映城市交通出行需求的重要参数，是交通规划、城市建设和城市管理的科学依据。当前，随着城市建设速度的加快和功能的不断完善，人们对城市的交通规划、建设和管理提出了更高的要求。传统获取城市交通发生量、交通吸引量、出行次数、人均出行次数、出行距离、通勤出行距离、居住指数和就业指数的方法主要靠入户调查、路边询问、表格调查、车辆牌照和月票调查等人工调查方式，这种方式存在采样率低、周期长、人力财力花费较大，以及由于采样率低且数据质量的等问题，难以实现预期的效果。

手机信令数据是指手机用户在打电话、发短信、位置变化以及周期性更新时产生的移动位置数据，近年来随着手机的普及和无线定位技术的发展，手机信令数据不断完善和增长，使得利用手机定位来计算城市交通发生量、交通吸引量、出行次数、人均出行次数、出行距离、通勤出行距离、居住指数和就业指数的方法成为一种可能。现在几乎人人都拥有一部手机，各通信公司有着海量的用户资源及相关的基础数据，相对于传统调查方式，无疑可以获取更全面、更准确的数据，为进行更深入的城市交通发生量、交通吸引量、出行次数、出行距离、居住指数和就业指数计算提供了良好的数据基础。

由于每天的手机信令数据量大(一天约7亿条记录、70G的数据)，且文件储存大小差异大，为提高处理效率，我们采用将一天的原始手机信令数据按文件大小均匀分开的方式进行存储。

DBSCAN是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在有噪声的空间数据库中发现任意形状的聚类。这一步的处理既可以进一步消除抖动数据对计算的影响，也可以聚合停留点，为出行计算做准备。

居住指数和就业指数统称职住指数。职住指数可以反映区域职住平衡情况。职住平衡是指，在一个特定区域内，就业人口的数量、就业岗位的数量和职住都在本区的数量大致相等，大部分居民可以就近工作。就业指数和居住指数越大，表明该区域越接近职住平衡，就业指数和居住指数的最大值为1，理论上职住平衡最理想的情况，就是就业指数和居住指数无限趋近于1。

目前尚未有相关文献报导。

发明内容

有鉴于此，本发明的技术解决问题：克服现有技术的不足，提供一种基于手机信令数据的城市交通出行特征确定方法，快速地、准确地基于手机信令数据的城市交通发生量、交通吸引量、出行次数、人均出行次数、出行距离、通勤出行距离、居住指数和就业指数计算方法，为城市交通规划、交通管理和交通战略研究提供较为实时和准确的数据支撑。