吳乃星，鈐建考，湯長猛，董路熙，張瑞，李燕敏，高翔

（1.中國聯(lián)通網(wǎng)絡(luò)通信有限公司深圳市分公司；2.深圳北斗應(yīng)用技術(shù)研究院有限公司）

0 引言

了解人們的日常出行行為模式（例如空間位置、出行時間長短、出行順序、出行模式和活動類型）可以支持城市規(guī)劃和交通管理。因此，在過去幾年里，相關(guān)研究越來越受到關(guān)注。

各種方法用于采集人們出行數(shù)據(jù)，例如GPS數(shù)據(jù)、公交和地鐵卡數(shù)據(jù)，居民出行調(diào)查數(shù)據(jù)、遙感數(shù)據(jù)、信用卡交易數(shù)據(jù)等。每種數(shù)據(jù)都有其獨特優(yōu)勢，但手機數(shù)據(jù)可作為移動傳感器，實時采集居民出行數(shù)據(jù)。首先，移動蜂窩網(wǎng)絡(luò)覆蓋面廣[1]。其次，作為人們?nèi)粘Ｉ钪斜夭豢缮俚慕涣鞴ぞ?，手機通常全天都在工作，所以記錄時間長。再次，生活中手機普及率較高。除了少數(shù)買不起手機或者年紀(jì)太小以至于無法使用手機的人之外，幾乎所有城市居民都可以通過移動手機進行監(jiān)控，而無需額外的硬件成本[2]。因此，立足于數(shù)據(jù)驅(qū)動角度，手機數(shù)據(jù)在人口出行行為分析方面具有很大潛力。

海量的手機數(shù)據(jù)給預(yù)處理和特征提取帶來困難。主要困難是人們?nèi)粘３鲂心Ｊ降漠愘|(zhì)性[3]。在本文中，我們采用可視化技術(shù)從手機數(shù)據(jù)中提取有用的信息?？梢暬秋@示和分析多維數(shù)據(jù)的直觀而有效的方法，有助于發(fā)現(xiàn)隱藏出行模式[4]。自2005年以來，可視化分析方法已逐漸成為研究方向。最近大數(shù)據(jù)可視化給出定義：“可視化將自動分析技術(shù)與交互式可視化相結(jié)合，以便在龐大異構(gòu)的數(shù)據(jù)集基礎(chǔ)上進行理解、推理和決策[5]”?；趫D像可視化是傳達動態(tài)信息的自然技術(shù)。動畫增加視覺可擴展性，而靜態(tài)可視化技術(shù)不能提供足夠的空間來顯示大規(guī)模數(shù)據(jù)集[6]。

國外方面，文獻[7]提出能夠識別用戶停留點的方法，以測試用戶作為實驗樣本研究出行特征和規(guī)律。文獻[8]利用手機定位數(shù)據(jù)分析居民出行特征，建立居民出行特征表和城市交通規(guī)劃模型。文獻[9]開發(fā)一種基于手機數(shù)據(jù)的智能工具，幫助政府機構(gòu)探索市民的移動規(guī)律和優(yōu)化公共交通。

國內(nèi)方面，楊飛[10]通過手機定位平面坐標(biāo)對用戶進行追蹤，獲取居民運動狀態(tài)，分析活動位置的集中特征，得到出行OD數(shù)據(jù)。張新虎等[11]通過手機定位方式提取OD數(shù)據(jù)，總結(jié)當(dāng)前研究中存在的問題，指出未來研究方向。扈中偉[12]利用手機數(shù)據(jù)分析居民出行特征。張惠等[13]對手機信令數(shù)據(jù)進行處理，提取用戶出行特征，評估城市總體交通水平，為交通規(guī)劃提供指導(dǎo)建議。

在本文中，我們通過以下兩種動畫分析居民出行行為：①出行OD圖，揭示出行需求的空間結(jié)構(gòu)；②人口密度圖表征城市居民的連續(xù)空間分布；③人口流線圖描述大規(guī)模人口運動規(guī)律?；诖藙赢嫞覀冄芯恳韵履Ｊ剑孩俪鞘谐鲂行枨蠼Y(jié)構(gòu)；②城市居民的日常動態(tài)分布；③居民聚集和消散的時空格局。居民出行行為的研究結(jié)果可為地方政府在城市交通規(guī)劃和居民出行規(guī)劃中提供幫助和借鑒。

1 數(shù)據(jù)說明

本文模擬的手機信令數(shù)據(jù)。數(shù)據(jù)內(nèi)容主要包括用戶編號（User_ID）、時間戳（Timestamp）、經(jīng)緯度（Longi?tude、Latitude）、小區(qū)編號（Cell_ID）。

2 數(shù)據(jù)預(yù)處理

2.1 基站位置提取

模擬原始數(shù)據(jù)中的位置數(shù)據(jù)存在重復(fù)，統(tǒng)計Hash?set得到基站坐標(biāo)。通過新建ID并結(jié)合Hashtable建立位置數(shù)據(jù)與ID間的映射關(guān)系，格式為{1,（121.311212,31.472341）}，并存儲為基站位置文件。

2.2 冗余數(shù)據(jù)剔除

由于傳輸過程或通信系統(tǒng)的未知因素，會產(chǎn)生冗余數(shù)據(jù)。這部分?jǐn)?shù)據(jù)無法用于后續(xù)研究，主要表現(xiàn)為兩類：

一類是空行、字段缺失，數(shù)據(jù)采集的信息無法分析，因此將其刪除。

另一類是異常數(shù)據(jù)，模擬原始數(shù)據(jù)中Flag字段表示記錄是否獲取手機IMSI。若Flag為001，表示為沒有獲取到手機IMSI，意味著記錄的用戶ID有誤，需將其刪除。

2.3 時間粒度處理

本文中的時間粒度是指識別用戶位置變化的最小時間間隔。因此選擇一分鐘作為時間粒度，需過濾因基站頻繁切換引起的噪聲數(shù)據(jù)，同時滿足視覺連續(xù)性的要求。

3 可視化設(shè)計和行為分析

本文通過三種方法研究居民出行行為：①出行OD圖，②人口密度圖，③人口流線圖。每個動畫都表征一種出行行為模式。

3.1 基于連續(xù)時間間隔的相對人數(shù)提取方法

由于手機記錄不能反映每個基站用戶的實時數(shù)量，所以在各基站中計算用戶的相對數(shù)量?；c時間為凌晨3點。然后統(tǒng)計每個基站的用戶相對數(shù)量，統(tǒng)計規(guī)則如下：

Step1：如果用戶是以前沒有記錄的新用戶，則對應(yīng)基站的相對人數(shù)加1；

Step2：如果用戶以前已經(jīng)記錄過，那么我們應(yīng)該判斷用戶是移動到基站還是留在基站。以下的條件將被判斷；

Step3：如果用戶進入，則前基站的用戶數(shù)減1。如果是停留，基站的用戶數(shù)量保持不變。

3.2 出行OD圖

出行OD圖反映基站間的出行需求。為了盡可能簡化呈現(xiàn)元素，畫面由連線和圓圈組成。每條連線代表從出發(fā)地到目的地的人口轉(zhuǎn)移行為。線段權(quán)重代表轉(zhuǎn)移人數(shù)。圓心是以基站經(jīng)緯度為中心，圓圈大小代表基站小區(qū)的當(dāng)前用戶數(shù)量。

圖1

我們可以發(fā)現(xiàn)居民聚集過程。出行開始時間是在上午7點30分。上午9:30之前，大量居民涌入城市中心和分中心。當(dāng)城市中心傾向于飽和時，聚集現(xiàn)象消息在上午11點。

城市主要走廊將城市主要中心與分中心及其周邊地區(qū)連接起來。分中心周圍也可以看到聚集現(xiàn)象，主要是由于分中心有交通樞紐來轉(zhuǎn)移區(qū)域居民。

3.3 人口密度圖

密度圖展示人口密度時空分布。模擬手機數(shù)據(jù)只能提供各基站小區(qū)的人口總數(shù)，為了刻畫人口密度在時空上的連續(xù)變化，我們對基站的人口密度數(shù)據(jù)進行高斯濾波平滑，得到時空連續(xù)的人口密度圖。

平滑方法：按照相對人數(shù)的統(tǒng)計方法，得到各基站的相對人數(shù)Ci,t，即第i個基站t時刻的相對人數(shù)。PXi和Pyi表示第i個基站在地圖中的位置。本文使用二維高斯低通濾波方法，對各基站小區(qū)離散人數(shù)進行平滑處理。高斯濾波器結(jié)構(gòu)如下：

圖2

3.4 人口流線圖

傳輸網(wǎng)絡(luò)圖表示了人口在不同區(qū)域之間的移動，呈現(xiàn)人口移動的完整網(wǎng)絡(luò)，因此引入了人口流動矢量場圖。

首先將地圖分成900個格點作為控制點，其中控制點包含中心點，再以30×30網(wǎng)格頂點為中心點，得到控制點。然后將密度圖按照十分鐘的時間間隔進行時間差分，得到城市人口密度變化量圖。最后求出各差值點到各控制點的梯度：

用箭頭長短和顏色表示grad(xi,yi)的大小，箭頭的方向表示grad(xi,yi)的方向，得到網(wǎng)格化的人口流線圖。

按照向量圖的方法，以控制點為起點畫出相應(yīng)的向量。此時的向量我們只用長短代表人流的大小，顏色不變。得到向量的終點后，計算個向量終點處的梯度，再以終點為起點畫出相應(yīng)的向量，并保持一定的時間間隔，這樣便刻畫出流線的效果。

最后對人流較大的地方，按照一定概率隨機增加一些向量，形成線簇，來豐富流線的線條。這個概率與該處梯度大小成正比。流線圖繪制的線條不再是單一的直線，而是細(xì)小的線段。細(xì)小的線段首位相連形成流線的效果。

4 案例研究

通過人口密度圖和人口流線圖可研究城市各區(qū)域出行需求狀況。研究居民的聚集和消散模式，定性分析居民出行狀況。

圖3

聚集過程：從上午8:00到中午12:00，人口出現(xiàn)了聚集的現(xiàn)象。從上午8:00開始人口從各個方向聚集到城市中心。8:30-11:30人口聚集速度最快，11:30點之后人口聚集速度有較大幅度回落，12:30聚集過程結(jié)束。

消散過程：從下午5:00到晚上11:30，出現(xiàn)人口外流情況，與上午正好相反的過程。

5 結(jié)語

可視化是一種新興技術(shù)，適合從大數(shù)據(jù)中提取居民出行行為特征。本文采用三種可視化方法，揭示出行需求的空間結(jié)構(gòu)和刻畫城市居民出行行為模式。基于手機數(shù)據(jù)的人口出行行為分析研究表明，可視化方法有助于政府制定合理的城市規(guī)劃方案。