胡斌杰，詹益旺,2

（1.華南理工大學(xué)，廣東 廣州 510640；2.廣州杰賽科技股份有限公司，廣東 廣州 510310）

基于手機(jī)信令的道路交通流量狀態(tài)識(shí)別及預(yù)測(cè)

胡斌杰1，詹益旺1,2

（1.華南理工大學(xué)，廣東 廣州 510640；2.廣州杰賽科技股份有限公司，廣東 廣州 510310）

提出了一種基于手機(jī)信令的道路交通流量狀態(tài)識(shí)別與預(yù)測(cè)方法，能夠基本上滿(mǎn)足智能交通建設(shè)的數(shù)據(jù)廣域、全面、實(shí)時(shí)、動(dòng)態(tài)的要求，并提供路況擁堵查詢(xún)、統(tǒng)計(jì)預(yù)警分析等功能應(yīng)用，是一種可靠的實(shí)時(shí)交通信息采集方式。由于其自身具備投資少、維護(hù)成本低的優(yōu)點(diǎn)，可在短時(shí)間向二三線(xiàn)城市大范圍推廣應(yīng)用。

手機(jī)信令 道路狀態(tài)識(shí)別 實(shí)時(shí)交通

1 引言

道路交通狀態(tài)的擁堵是人們普遍關(guān)注的問(wèn)題，如果解決得不好，不但會(huì)影響人們的正常生活，還會(huì)對(duì)社會(huì)、生態(tài)以及人們的身體健康產(chǎn)生不利的影響。近年來(lái)，各級(jí)政府和交通管理部門(mén)都非常重視道路交通狀態(tài)的監(jiān)控，各研發(fā)機(jī)構(gòu)和廠(chǎng)商也不斷地推出了道路交通狀態(tài)監(jiān)控的解決方案及設(shè)備。

目前主流的道路狀態(tài)識(shí)別方式有兩種：一種是基于感應(yīng)器的道路狀態(tài)識(shí)別，其原理是一旦車(chē)輛經(jīng)過(guò)路面，感應(yīng)器就會(huì)產(chǎn)生信號(hào)，通過(guò)檢測(cè)信號(hào)就能獲取道路上經(jīng)過(guò)車(chē)輛的數(shù)量，并根據(jù)檢測(cè)所發(fā)生的時(shí)間差來(lái)計(jì)算車(chē)輛的速度。但這種方式采集數(shù)據(jù)存在采集內(nèi)容和范圍有限、采集和維護(hù)成本高的缺陷，推廣使用存在困難。另一種方式是基于GPS定位的道路狀態(tài)識(shí)別，其原理是通過(guò)采集在道路上行駛的且裝有GPS裝置車(chē)輛的行駛信息，以車(chē)輛為探針獲取其在道路上的位置、速度等信息，以車(chē)輛速度反映道路的擁堵現(xiàn)狀。但這種方式也存在獲取測(cè)量數(shù)據(jù)成本提高、開(kāi)通GPS的車(chē)輛少、密集城區(qū)的測(cè)量精度受限等缺陷，不適應(yīng)大范圍推廣應(yīng)用。

基于此，本文提出一種“基于手機(jī)信令定位的道路狀態(tài)識(shí)別方式”，這種方式是以手機(jī)為探針，通過(guò)手機(jī)信令獲取車(chē)輛在道路上的位置、速度等信息，以車(chē)輛速度反映道路的擁堵現(xiàn)狀。以車(chē)輛內(nèi)的手機(jī)作為“探針”，這些“探針”在一定時(shí)間周期內(nèi)將所探測(cè)的交通狀態(tài)主動(dòng)進(jìn)行報(bào)告，從而動(dòng)態(tài)把握整個(gè)城市道路網(wǎng)絡(luò)的交通運(yùn)行狀態(tài)。基于手機(jī)信令的道路狀態(tài)識(shí)別方式在成本、信息獲取便捷程度方面要遠(yuǎn)遠(yuǎn)優(yōu)于以上兩種方式，適用于二三線(xiàn)城市的智能交通建設(shè)，具有非常巨大的推廣價(jià)值和市場(chǎng)發(fā)展?jié)摿Α?/p>

2 基于手機(jī)信令的道路狀態(tài)識(shí)別方案

基于手機(jī)信令的道路狀態(tài)識(shí)別的主要思想是：首先，從運(yùn)營(yíng)商獲取用戶(hù)手機(jī)信令數(shù)據(jù)；其次，根據(jù)道路匹配算法對(duì)用戶(hù)進(jìn)行識(shí)別和區(qū)分，篩選出在道路上移動(dòng)的用戶(hù)；再次，針對(duì)已得到的道路用戶(hù)進(jìn)行用戶(hù)定位以及移動(dòng)速度的計(jì)算；最后，根據(jù)用戶(hù)移動(dòng)的速度以及所處道路，從而判斷出不同道路的交通擁堵?tīng)顟B(tài)。下面對(duì)該方法的具體步驟以及相關(guān)算法進(jìn)行詳細(xì)描述。

2.1 信令數(shù)據(jù)獲取

基于移動(dòng)運(yùn)營(yíng)商的BSS域數(shù)據(jù)管理系統(tǒng)，在連續(xù)一個(gè)月的時(shí)間周期內(nèi)，對(duì)占保定總?cè)丝?0%的保定聯(lián)通200多萬(wàn)手機(jī)用戶(hù)進(jìn)行追蹤，動(dòng)態(tài)采集了保定市域范圍內(nèi)手機(jī)用戶(hù)的信令數(shù)據(jù)。信令數(shù)據(jù)主要包括：IMSI（匿名加密用戶(hù)唯一標(biāo)識(shí)）、Cell_ID（基站小區(qū)編號(hào)）、TIME（時(shí)間戳）、LOCATION（經(jīng)緯度）、EVENT（事件類(lèi)型）等。

2.2 道路匹配及用戶(hù)識(shí)別

首先，利用GIS緩沖分析技術(shù)，將基站以500m作為緩沖半徑（城市里一般基站的覆蓋范圍是500m），與道路進(jìn)行疊加分析，把基站擬合到道路上，如圖1所示：

圖1 基站緩沖分析

經(jīng)過(guò)基站緩沖與道路疊加分析，得到每條道路上分布不同的基站序列，以此作為道路的基站切換序列，記為Ri={n1,n2,…,nk}，其中Ri表示第i條道路，nk表示基站序列中第k個(gè)基站；同時(shí)，通過(guò)用戶(hù)手機(jī)切換信令數(shù)據(jù)按照時(shí)間維度進(jìn)行排列，可以得到每個(gè)用戶(hù)經(jīng)過(guò)的一系列基站的切換序列Uj={n1,n2,…,nm}。然后對(duì)每個(gè)用戶(hù)的移動(dòng)切換序列與道路的基站切換序列進(jìn)行相似度計(jì)算，獲得與該用戶(hù)移動(dòng)軌跡和道路匹配的信息，從而篩選出在道路上的用戶(hù)。本文采用的相似度測(cè)量方法是計(jì)算Ri與Uj的歐式距離，具體如下：

2.3 道路用戶(hù)定位

由于基站的覆蓋范圍較大，對(duì)于在道路上的用戶(hù)，無(wú)法精準(zhǔn)定位該用戶(hù)所處具體的某個(gè)路段，因此針對(duì)已經(jīng)匹配到道路上的用戶(hù)，需要進(jìn)一步對(duì)其精準(zhǔn)定位，從而反映更加真實(shí)的交通狀況。本文主要運(yùn)用基于3D射線(xiàn)追蹤與隱馬爾可夫模型的Cell_ID定位方法。該定位方法的主要思想是：

首先，通過(guò)3D射線(xiàn)追蹤模型得到建立定位指紋庫(kù)，包括覆蓋范圍內(nèi)移動(dòng)臺(tái)接收到的服務(wù)基站信息，根據(jù)道路劃分的區(qū)域（以100×100m為一個(gè)網(wǎng)格分割道路），計(jì)算出每個(gè)道路網(wǎng)格的觀(guān)測(cè)矩陣（每個(gè)網(wǎng)格接收到的基站信息作為觀(guān)測(cè)向量）和基站接收概率矩陣，具體如表1和表2所示。

其次，根據(jù)用戶(hù)的移動(dòng)手機(jī)切換信令的基站序列與定位指紋庫(kù)的觀(guān)測(cè)矩陣進(jìn)行相似性計(jì)算，由公式（2）和（3）求出最大似然向量，再通過(guò)公式（4）求出最大似然向量所在網(wǎng)格，以該網(wǎng)格作為用戶(hù)的位置。

其中，hij表示基站接收概率中的第i個(gè)網(wǎng)格接收到第j個(gè)基站的概率值；[Yk]i表示是否接收到基站信號(hào)，接收到為1，否則為0。

2.4 道路用戶(hù)出行模式識(shí)別

雖然通過(guò)前面幾個(gè)步驟已經(jīng)基本確定在道路上的用戶(hù)，并且能夠比較準(zhǔn)確地定位該用戶(hù)所處的地理位置，但還無(wú)法確定用戶(hù)的具體出行模式（步行、自行車(chē)或機(jī)動(dòng)車(chē)），也就無(wú)法判斷用戶(hù)所處位置是真實(shí)的交通擁堵或者僅僅處在人流量較大的區(qū)域，因此還需要進(jìn)一步對(duì)道路上的用戶(hù)出行模式進(jìn)行識(shí)別。本文采用的方法主要是將出行速度作為聚類(lèi)閾值對(duì)不同的道路用戶(hù)進(jìn)行聚類(lèi)的算法。

表1 觀(guān)測(cè)矩陣

表2 基站接收概率

首先，根據(jù)手機(jī)切換信令的基站序列按照時(shí)間維度進(jìn)行排列，能夠確定道路用戶(hù)的移動(dòng)方向；然后，計(jì)算道路用戶(hù)在一段時(shí)間內(nèi)的每?jī)纱吻袚Q之間的移動(dòng)速度，得到用戶(hù)的移動(dòng)速度值集合Vi={v1,v2,…,vm}；最后，利用速度作為聚類(lèi)閾值對(duì)道路用戶(hù)進(jìn)行聚類(lèi)，就能夠識(shí)別該用戶(hù)的出行模式，這里采用經(jīng)典的kmeans聚類(lèi)算法。如圖2所示：

圖2 用戶(hù)出行模式識(shí)別

例如：通過(guò)計(jì)算，5分鐘內(nèi)用戶(hù)切換了10個(gè)基站，按照每?jī)纱吻袚Q之間的距離以及切換的時(shí)間差可以計(jì)算出該用戶(hù)在5分鐘內(nèi)有9種速度，再通過(guò)聚類(lèi)算法就能判斷用戶(hù)的出行模式。

2.5 道路交通狀態(tài)識(shí)別

在上文中已經(jīng)計(jì)算出機(jī)動(dòng)車(chē)輛用戶(hù)的每次切換速度vi，由切換的位置信息可以計(jì)算出切換間隔的距離li，選取某段道路，可以統(tǒng)計(jì)出經(jīng)過(guò)該道路的所有用戶(hù)，以每個(gè)用戶(hù)的切換間隔距離li作為權(quán)重，對(duì)速度進(jìn)行加權(quán)平均得到每個(gè)機(jī)動(dòng)車(chē)輛用戶(hù)在該道路的統(tǒng)計(jì)平均速度。最后，將處在該道路上的所有機(jī)動(dòng)車(chē)輛用戶(hù)的統(tǒng)計(jì)平均速度的分布進(jìn)行統(tǒng)計(jì)，95%的用戶(hù)達(dá)到的車(chē)速范圍即作為該道路的交通速度，從而以此判斷道路是否發(fā)生擁堵。

3 系統(tǒng)功能展現(xiàn)

3.1 實(shí)時(shí)路況擁堵查詢(xún)

本文以保定作為應(yīng)用示例的地市，主要是通過(guò)手機(jī)信令數(shù)據(jù)來(lái)實(shí)時(shí)展現(xiàn)道路擁堵情況以及統(tǒng)計(jì)分析情況。本系統(tǒng)基于Hadoop平臺(tái)進(jìn)行后臺(tái)數(shù)據(jù)處理和分析，采用S S H框架體系，以每半小時(shí)為顆粒度來(lái)展現(xiàn)保定道路的實(shí)時(shí)路況。圖3是展現(xiàn)2014年8月16日早上8點(diǎn)30分的保定市區(qū)主干道的道路擁堵情況，不同的顏色分別代表當(dāng)前在該道路中的車(chē)速情況。

實(shí)時(shí)路況擁堵查詢(xún)功能：能夠?qū)崟r(shí)展現(xiàn)路況的擁堵信息，這些信息包括道路名稱(chēng)、平均車(chē)速、擁堵情況（嚴(yán)重、擁堵、擁擠、緩行、通暢）。

3.2 統(tǒng)計(jì)預(yù)警分析

根據(jù)一個(gè)月某個(gè)時(shí)間段（工作日早高峰）的車(chē)速數(shù)據(jù)，統(tǒng)計(jì)每條道路在某個(gè)時(shí)間段的擁堵數(shù)據(jù)。一旦道路發(fā)生事故，系統(tǒng)就能根據(jù)統(tǒng)計(jì)數(shù)據(jù)預(yù)警該路段影響周邊區(qū)域的交通狀況以及受到影響的用戶(hù)信息，通過(guò)短信通知的手段可以有效引導(dǎo)車(chē)輛有序流動(dòng)，減緩交通擁堵。

圖4是保定主干道8月某個(gè)時(shí)間段的道路車(chē)速數(shù)據(jù)統(tǒng)計(jì)情況。

4 結(jié)束語(yǔ)

基于手機(jī)信令的道路交通狀態(tài)識(shí)別與預(yù)測(cè)具有投資小、數(shù)據(jù)采集覆蓋范圍廣、實(shí)時(shí)性好的特點(diǎn)，應(yīng)該強(qiáng)化其在交通領(lǐng)域的運(yùn)用。由于通信用戶(hù)行為的不穩(wěn)定性和復(fù)雜性等特點(diǎn)，基于手機(jī)信令的道路狀態(tài)識(shí)別只能反映大部分用戶(hù)出行的規(guī)律；同時(shí)，基于Cell_ID的定位精度有一定的局限性。在未來(lái)的研究中，還需要針對(duì)這兩方面存在的缺陷進(jìn)行深入研究。

圖3 實(shí)時(shí)路況擁堵查詢(xún)

圖4 特定時(shí)段的道路擁堵月統(tǒng)計(jì)規(guī)律

[1] 鄭建湖,王明華. 動(dòng)態(tài)交通信息采集技術(shù)比較分析[J]. 交通標(biāo)準(zhǔn)化, 2009(4): 42-47.

[2] 秦岸,李淑慶,聶世剛. 基于CDMA網(wǎng)絡(luò)的城市交通數(shù)據(jù)采集與處理技術(shù)[J]. 重慶交通大學(xué)學(xué)報(bào): 自然科學(xué)版, 2010(2): 276-279.

[3] 董均宇. 基于GPS浮動(dòng)車(chē)的城市路段平均速度估計(jì)技術(shù)研究[D]. 重慶: 重慶大學(xué), 2006.

[4] 朱鯉,孫亞,胡小文. 基于手機(jī)定位的動(dòng)態(tài)行程時(shí)間探測(cè)[J]. 計(jì)算機(jī)工程與應(yīng)用, 2007(10): 244-248.

[5] 張祖林,尤建新. 昆明市智能交通信息系統(tǒng)框架研究[J].云南社會(huì)科學(xué), 2009(3): 5-10.

[6] 李德仁,李清泉,楊必勝,等. 3S技術(shù)與智能交通[J]. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版, 2008(4): 331-336.

[7] 湯國(guó)安,楊昕. ArcGIS地理信息系統(tǒng)空間分析實(shí)驗(yàn)教程[M]. 北京: 科學(xué)出版社, 2006.

[8] 蔡超. 基于手機(jī)定位數(shù)據(jù)的城市路段行程車(chē)速提取[D].昆明: 昆明理工大學(xué), 2011.

[9] 張威. GSM網(wǎng)絡(luò)優(yōu)化：原理與工程[M]. 北京: 人民郵電出版社, 2010.

[10] 馮沖,左小清,蔡超,等. 基于時(shí)空關(guān)系的手機(jī)定位數(shù)據(jù)處理方法[J]. 貴州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2011,28(3): 78-82.

[11] 王春麗. 基于移動(dòng)電話(huà)/地圖匹配組合的公交車(chē)輛定位研究[D]. 重慶: 重慶大學(xué), 2007.

[12] 孫棣華,王春麗. 基于模糊模式識(shí)別的車(chē)輛定位地圖匹配算法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2007,43(25): 227-230.

[13] 唐進(jìn)軍,曹凱. 一種自適應(yīng)軌跡曲線(xiàn)地圖匹配算法[J].測(cè)繪學(xué)報(bào), 2008,37(3): 308-315.

[14] 周璞,劉衛(wèi)寧,孫棣華. 基于路網(wǎng)拓?fù)浣Y(jié)構(gòu)的無(wú)方向參數(shù)地圖匹配算法[J]. 2006(33): 188-190.

[15] 王力軍. 手機(jī)定位技術(shù)在交通流預(yù)測(cè)中的應(yīng)用與研究[D]. 重慶: 重慶交通大學(xué), 2010.

[16] 高燕燕. 基于模糊邏輯的地圖匹配改進(jìn)算法的研究及應(yīng)用[D]. 邯鄲: 河北工程大學(xué), 2009.

[17] 孫棣華,肖鋒,廖孝勇,等. 基于預(yù)處理的城市路網(wǎng)拓?fù)浣Y(jié)構(gòu)構(gòu)建算法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2008,44(23): 233-235.

[18] 李辰. 交通方式劃分的LOGIT模型方法[D]. 南京: 河海大學(xué), 2004.

[19] 傅莉萍. 利用效用函數(shù)探討交通方式劃分[J]. 廣東交通職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2004(1): 76-79.

[20] 陳義華,胥勇. 一種基于模糊神經(jīng)網(wǎng)絡(luò)的交通方式劃分模型[J]. 交通與計(jì)算機(jī), 2006(1): 25-28.

[21] 張博. 基于手機(jī)網(wǎng)絡(luò)定位的OD調(diào)查的出行方式劃分研究[D]. 北京: 北京交通大學(xué), 2010.

[22] 毛?；? 中國(guó)城市居民出行特征研究[D]. 北京: 北京工業(yè)大學(xué), 2005.

[23] 陳蓉. 昆明市城市交通需求管理研究[D]. 長(zhǎng)沙: 長(zhǎng)沙理工大學(xué), 2008.

[24] 李英豪. 昆明城市交通整治與建設(shè)規(guī)劃研究[D]. 重慶:重慶大學(xué), 2009.

[25] 陳征,劉英舜,石飛. 城市居民出行方式距離曲線(xiàn)的研究與應(yīng)用[J]. 交通標(biāo)準(zhǔn)化, 2006(8): 157-160.★

胡斌杰：博士，現(xiàn)任華南理工大學(xué)電子與信息學(xué)院教授，工學(xué)博士生和工程博士生導(dǎo)師，主要從事無(wú)線(xiàn)傳感網(wǎng)絡(luò)與認(rèn)知無(wú)線(xiàn)電技術(shù)、RFID與物聯(lián)網(wǎng)工程、GNSS與室內(nèi)定位技術(shù)方面的研究工作。

詹益旺：高級(jí)工程師，博士畢業(yè)于華南理工大學(xué)，現(xiàn)任職于廣州杰賽科技股份有限公司，主要從事移動(dòng)通信市場(chǎng)研究和科研項(xiàng)目開(kāi)發(fā)管理工作。

Road Traffi c State Identifi cation and Prediction Based on Mobile Phone Signaling

HU Bin-jie1, ZHAN Yi-wang1,2

(1. South China University of Technology, Guangzhou 510640, China; 2. GCI Science & Technology Co., Ltd., Guangzhou 510310, China)

A method of road traffi c state identifi cation and prediction based on mobile phone signaling was proposed, which is basically able to meet the demands of intelligent transportation construction on wide area, comprehensive, real-time and dynamic data. It is a reliable way to acquire real-time traffi c information which is capable of providing traffi c condition query and statistical warning analysis. In view of its advantages of less investment and lower maintenance cost, it is suitable to be quickly popularized and applied in second and third-tier cities on a large scale.

mobile phone signaling road state identifi cation real-time traffi c

10.3969/j.issn.1006-1010.2015.10.003

TN929.53

A

1006-1010(2015)10-0017-05

胡斌杰,詹益旺. 基于手機(jī)信令的道路交通流量狀態(tài)識(shí)別及預(yù)測(cè)[J]. 移動(dòng)通信, 2015,39(10): 17-21.

2015-05-05

責(zé)任編輯：袁婷 yuanting@mbcom.cn