基于移動(dòng)網(wǎng)絡(luò)信令的交通信息估計(jì)方法

【摘要】? ? 本研究提出基于移動(dòng)網(wǎng)絡(luò)信令的交通信息估計(jì)方法，主要將從移動(dòng)網(wǎng)絡(luò)收集換手（Handover）信令和通話(huà)到達(dá)（Call Arrival， CA）信令，并分別提出分析模型來(lái)估計(jì)交通流量和交通密度，最后再依此估計(jì)車(chē)速信息。在實(shí)驗(yàn)中，本研究根據(jù)高速公路上車(chē)輛偵測(cè)器的數(shù)據(jù)來(lái)比較真實(shí)的交通信息和估計(jì)的交通信息。由實(shí)驗(yàn)結(jié)果顯示，本研究提出的交通信息估計(jì)方法的車(chē)速估計(jì)正確率可以達(dá)到89.75%。因此，交通信息估計(jì)方法將可以分析基于移動(dòng)網(wǎng)絡(luò)流動(dòng)車(chē)輛資料來(lái)提供實(shí)時(shí)且可靠的車(chē)速信息給用路人參考。

【關(guān)鍵詞】? ? 移動(dòng)網(wǎng)絡(luò)? ? 交通流量估計(jì)? ? 交通密度估計(jì)? ? 車(chē)速估計(jì)

引言：

實(shí)時(shí)交通信息服務(wù)系統(tǒng)是智能運(yùn)輸系統(tǒng)（Intelligent Transportation System， ITS）重要的一環(huán)。對(duì)于用路人而言，獲得完整且充足的交通信息，不論是行前路況信息以及行進(jìn)中的路況信息，大眾運(yùn)輸換乘信息等等，都能提供用路人在不同路徑以及運(yùn)具的選擇上，具有更加的彈性。

實(shí)時(shí)交通信息，包含路況、車(chē)流量、車(chē)速、交通事故等信息，如能實(shí)時(shí)提供用路人參考，可大幅提升用路質(zhì)量。其中，實(shí)時(shí)交通信息收集有三種方式[1]：1.固定式車(chē)輛偵測(cè)器（Vehicle Detector， VD）;2.配備全球定位系統(tǒng)（Global Positioning System， GPS）探偵車(chē)回報(bào)交通信息;3.利用移動(dòng)網(wǎng)絡(luò)追蹤用戶(hù)手機(jī)位置。 然而，第一種方法，車(chē)輛偵測(cè)器很容易受到溫度、潮濕、擠壓、以及人為因素等造成損壞，需要很高的維護(hù)成本，以保持車(chē)輛偵測(cè)器正常運(yùn)作。第二種方法，探偵車(chē)的數(shù)目及時(shí)間樣本往往是不足的。例如，GPS探偵車(chē)需要占總交通量的12%，其車(chē)速估計(jì)誤差才能降低到3%[2]。因此，本研究將針對(duì)第三種方式提出利用追蹤手機(jī)位置來(lái)偵測(cè)道路信息的機(jī)制，這個(gè)機(jī)制不需要花費(fèi)龐大的金額來(lái)架設(shè)及維護(hù)額外的偵測(cè)裝置，而且?guī)缀趺總€(gè)人都有手機(jī)，因此本研究以追蹤手機(jī)位置所得到的交通信息是非常全面的。本研究將針對(duì)第三種交通信息收集方法探討其可行性及運(yùn)作方式。

利用移動(dòng)網(wǎng)絡(luò)追蹤用戶(hù)手機(jī)位置的方法，主要通過(guò)分析移動(dòng)網(wǎng)絡(luò)信令來(lái)取得手機(jī)位置和交通信息。在移動(dòng)網(wǎng)絡(luò)設(shè)計(jì)上為了保持服務(wù)質(zhì)量，在移動(dòng)網(wǎng)絡(luò)中設(shè)計(jì)有移動(dòng)管理程序，以隨時(shí)掌握移動(dòng)中的手機(jī)。其中，主要有兩個(gè)主要事件，分別為換手（Handover）和位置更新（Location Update， LU）。位置區(qū)域（Location Area， LA）為數(shù)個(gè)鄰近的細(xì)胞（Cell）所組成，可以用來(lái)描述手機(jī)較高層次的位置。當(dāng)發(fā)生位置更新的程序時(shí)，手機(jī)將回報(bào)所在的LA信息，故網(wǎng)絡(luò)可以一直知道手機(jī)目前的LA。而當(dāng)通話(huà)中的手機(jī)在不同的基地臺(tái)（Base Stations， BSs）的服務(wù)區(qū)域移動(dòng)時(shí)，將觸發(fā)換手事件以保持手機(jī)的通話(huà)。因此，通過(guò)分析換手和位置更新發(fā)生時(shí)間及相關(guān)上述事件的相關(guān)信息，可以用來(lái)推論交通信息[3-9]。

在利用移動(dòng)網(wǎng)絡(luò)追蹤用戶(hù)手機(jī)位置的方法上，已經(jīng)有學(xué)者進(jìn)行相關(guān)的研究[3-9]，例如：Gundlegard等人在研究中顯示了換手定位的誤差在全球移動(dòng)通信系統(tǒng)（Global System for Mobile Communications， GSM）和通用移動(dòng)電信系統(tǒng)（Universal Mobile Telecommunications System， UMTS）約為40公尺。并且指出在換手定位方法在GSM和UMTS環(huán)境進(jìn)行換手定位方式，可應(yīng)用于車(chē)速估計(jì)上[3]。Caceres等人則提出“虛擬流量計(jì)數(shù)器（virtual traffic counter）”結(jié)合位置更新信息，以監(jiān)測(cè)道路上通過(guò)兩個(gè)LA的手機(jī)，以便測(cè)量交通流量[4-5]。對(duì)于估計(jì)旅行時(shí)間和車(chē)速的部分，Bar-Gera在研究中證實(shí)利用移動(dòng)網(wǎng)絡(luò)追蹤用戶(hù)手機(jī)位置的方法，其的旅行時(shí)間的平均絕對(duì)相對(duì)差異（absolute relative difference）為10.7%[6]。也有學(xué)者指出，在GSM和UMTS環(huán)境下也都能得到良好的旅行時(shí)間估計(jì)[3]。Lai等人提出運(yùn)用兩次的換手事件（double handover， DHO）估計(jì)車(chē)速，并與車(chē)輛偵測(cè)器、配備GPS探偵車(chē)回報(bào)交通信息得到的交通信息進(jìn)行平均車(chē)速比較[1]。然而，換手信令和位置更新信令所顯示的道路上通過(guò)某一個(gè)點(diǎn)的數(shù)量，而無(wú)法計(jì)算道路交通密度。因此，有幾項(xiàng)研究分析了通話(huà)數(shù)量和交通密度間的關(guān)系[7-8]。在研究中發(fā)現(xiàn)手機(jī)通話(huà)量的變化和交通密度呈現(xiàn)正相關(guān)。不過(guò)，在目前卻沒(méi)有研究確切的估計(jì)移動(dòng)網(wǎng)絡(luò)信令和交通密度的關(guān)系，因而無(wú)法提供一個(gè)全面的交通信息。

因此，本研究提出以通話(huà)信令為基礎(chǔ)的交通信息估計(jì)系統(tǒng)，主要從移動(dòng)網(wǎng)絡(luò)收集換手信令和通話(huà)到達(dá)信令，并分別提出分析模型來(lái)估計(jì)交通流量和交通密度，最后再依此估計(jì)車(chē)速信息，以提供可靠且完整的交通信息，予以用路人參考。

一、交通信息估計(jì)方法

本研究在利用移動(dòng)網(wǎng)絡(luò)追蹤用戶(hù)手機(jī)位置的方法上將針對(duì)移動(dòng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)接口信令（包含換手信令和通話(huà)到達(dá)信令）擷取與分析。

1.1交通流量估計(jì)

本研究將建立換手信令數(shù)量和交通流量的關(guān)聯(lián)模型，并依據(jù)換手信令數(shù)量評(píng)估實(shí)時(shí)交通流量。在研究中主要考慮通話(huà)行為模式、交通路況、以及細(xì)胞覆蓋范圍。圖1顯示車(chē)輛移動(dòng)與換手行為之空間示意圖，以及圖2顯示車(chē)輛移動(dòng)與換手行為之時(shí)間示意圖。手機(jī)（圖1 （a））沿著道路移動(dòng)在時(shí)間點(diǎn)t0時(shí)撥了一通電話(huà)，此時(shí)將持續(xù)進(jìn)行基地臺(tái)訊號(hào)的量測(cè)，并回報(bào)量測(cè)報(bào)告至移動(dòng)網(wǎng)絡(luò)（圖1 path （1））。并且持續(xù)通話(huà)，在時(shí)間點(diǎn)t1時(shí)進(jìn)入到目標(biāo)細(xì)胞Celli的覆蓋范圍，此時(shí)手機(jī)將發(fā)出換手信令，并由移動(dòng)網(wǎng)絡(luò)端執(zhí)行完成后會(huì)發(fā)出訊息予手機(jī)端（圖1 path （2））。而且，手機(jī)在時(shí)間點(diǎn)t3時(shí)才掛斷電話(huà)。

此模型基于以下的假設(shè)：

每臺(tái)移動(dòng)的車(chē)子中都有一支手機(jī)。

通話(huà)時(shí)間（call holding time）之隨機(jī)變量t其機(jī)率密度分布為指數(shù)分布（exponential distribution），其中平均通話(huà)時(shí)間為1/μ。

由車(chē)輛偵測(cè)器量測(cè)到細(xì)胞Celli涵蓋范圍道路上之真實(shí)平均車(chē)速為Ui km/hr、真實(shí)交通密度為Ki car/km、真實(shí)交通流量為Qi。

手機(jī)從進(jìn)入Celli前1次通話(huà)到進(jìn)入Celli的間隔時(shí)間（即[t0， t1]）為x。

細(xì)胞Celli涵蓋范圍道路之路段長(zhǎng)度為li。

輸出目標(biāo)：

hi：目標(biāo)細(xì)胞Celli的覆蓋范圍之路段上發(fā)生換手的數(shù)量。

本研究考慮手機(jī)之通話(huà)時(shí)間、以及進(jìn)入細(xì)胞時(shí)間，計(jì)算其在目標(biāo)細(xì)胞Celli覆蓋范圍內(nèi)發(fā)生換手的機(jī)率。依據(jù)通過(guò)該路段的交通流量Qi來(lái)評(píng)估換手?jǐn)?shù)量hi，并以此換手?jǐn)?shù)量評(píng)估交通流量qi，如公式（1）和公式（2）所示。

1.2交通密度估計(jì)

本研究將建立通話(huà)到達(dá)信令數(shù)量和交通密度的關(guān)聯(lián)模型，并依據(jù)通話(huà)到達(dá)信令數(shù)量評(píng)估實(shí)時(shí)交通密度。在研究中主要考慮通話(huà)行為模式、交通路況、以及細(xì)胞覆蓋范圍。圖3顯示車(chē)輛移動(dòng)與通話(huà)行為之空間示意圖，以及圖4顯示車(chē)輛移動(dòng)與通話(huà)行為之時(shí)間示意圖。手機(jī)（圖3 （a））沿著道路移動(dòng)在時(shí)間點(diǎn)t0時(shí)撥了一通電話(huà)，并在時(shí)間點(diǎn)t1時(shí)進(jìn)入到目標(biāo)細(xì)胞Celli的覆蓋范圍。而且，手機(jī)在它離開(kāi)目標(biāo)細(xì)胞Celli的覆蓋范圍前（時(shí)間點(diǎn)time t3），在時(shí)間點(diǎn)t2時(shí)撥了一通電話(huà)（圖3 path （1））。

此模型基于以下的假設(shè)：

每臺(tái)移動(dòng)的車(chē)子中都有一支手機(jī)。

通話(huà)到達(dá)（call arrival）事件（包含撥話(huà)（call origination）和受話(huà)（call termination）事件）之機(jī)率密度分布為泊松過(guò)程（Poisson process），其中平均通話(huà)率為λ（call/hr）。

通話(huà)間隔時(shí)間（call inter-arrival time）之隨機(jī)變量，其機(jī)率密度分布為指數(shù)分布（exponential distribution），其中平均通話(huà)時(shí)間為1/λ。

由車(chē)輛偵測(cè)器量測(cè)到細(xì)胞Celli涵蓋范圍道路上之真實(shí)平均車(chē)速為Ui km/hr、真實(shí)交通密度為Ki car/km、真實(shí)交通流量為Qi。

手機(jī)從進(jìn)入Celli前1次通話(huà)到進(jìn)入Celli的間隔時(shí)間（即[t0， t1]）為x。

細(xì)胞Celli涵蓋范圍道路之路段長(zhǎng)度為li。

輸出目標(biāo)：

ai：目標(biāo)細(xì)胞Celli的覆蓋范圍之路段上發(fā)生通話(huà)的數(shù)量。

本研究考慮手機(jī)之通話(huà)間隔時(shí)間、進(jìn)入細(xì)胞時(shí)間、以及離開(kāi)細(xì)胞時(shí)間，計(jì)算其在目標(biāo)細(xì)胞Celli覆蓋范圍內(nèi)發(fā)生通話(huà)的機(jī)率。依據(jù)通過(guò)該路段的交通流量Qi來(lái)評(píng)估通話(huà)數(shù)量ai，并以此通話(huà)數(shù)量評(píng)估交通密度ki，如公式（3）和公式（4）所示。

1.3車(chē)速估計(jì)

有鑒于車(chē)速可由交通流量和交通密度換算所得（即U = Q / K），因此本研究將采用第1.1節(jié)所估計(jì)的交通流量和第1.2節(jié)所估計(jì)的交通密度換算成估計(jì)的車(chē)速信息，如公式（5）所示。

二、實(shí)驗(yàn)結(jié)果與討論

本研究將運(yùn)用微觀車(chē)流仿真軟件VISSIM仿真高速公路路段，并設(shè)定各個(gè)細(xì)胞（Cell）和換手的位置，產(chǎn)生出車(chē)輛移動(dòng)紀(jì)錄（Vehicle Movement Trace），再以隨機(jī)數(shù)生成器為每支手機(jī)隨機(jī)產(chǎn)生通話(huà)和周期性位置更新之手機(jī)通訊行為紀(jì)錄（MS Communication Trace）。

車(chē)輛移動(dòng)紀(jì)錄和手機(jī)通訊行為紀(jì)錄經(jīng)由仿真軟件產(chǎn)生后，可以用來(lái)模擬臺(tái)灣高速公路情境。其中，在輸入的部分主要有3大類(lèi)的參數(shù)，分別為：

1.交通路況：路段長(zhǎng)度、車(chē)道數(shù)、換手位置、以及交通流量等。

2. 車(chē)輛移動(dòng)行為：車(chē)速、跟車(chē)模型。

3.手機(jī)通話(huà)行為：通話(huà)時(shí)間（call holding time）、通話(huà)間隔時(shí)間（call inter-arrival time）。

本研究假設(shè)每臺(tái)在道路上移動(dòng)的車(chē)輛中都有一支手機(jī)。通過(guò)上述的參數(shù)設(shè)定后，產(chǎn)生并紀(jì)錄每臺(tái)車(chē)輛的ID、車(chē)速、位置、通話(huà)產(chǎn)生時(shí)間（call arrival time）、以及通話(huà)結(jié)束時(shí)間（call departure time）。依此數(shù)據(jù)進(jìn)行該道路之平均車(chē)速、交通流量、交通密度、換手信令、通話(huà)信令、以及周期性位置更新信令之仿真分析。

在實(shí)驗(yàn)中，模擬一條長(zhǎng)10公里之高速公路路段，讓路段為3個(gè)車(chē)道，并通過(guò)12個(gè)細(xì)胞和11個(gè)換手位置。假設(shè)每一個(gè)細(xì)胞為1公里分布于該路段0～10公里處，每隔1公里為1個(gè)換手位置。在每一個(gè)換手位置設(shè)置一個(gè)數(shù)據(jù)收集點(diǎn)（Data Collection Point， DCP）紀(jì)錄每輛車(chē)通過(guò)的時(shí)間點(diǎn)和瞬時(shí)速度?？砂袲CP當(dāng)成車(chē)輛偵測(cè)器使用，紀(jì)錄車(chē)速和交通流量，并依車(chē)速和流量關(guān)系計(jì)算出交通密度。交通流量為每小時(shí)3600輛，其中車(chē)輛平均速度為介于85-120公里/小時(shí)之均勻分布，共模擬1小時(shí)。在通話(huà)行為的部分，本研究依平均通話(huà)時(shí)間和通話(huà)間隔時(shí)間為每臺(tái)車(chē)產(chǎn)生通話(huà)之隨機(jī)變量。其中，平均通話(huà)時(shí)間為1/m之指數(shù)分布;平均通話(huà)間隔時(shí)間為1/l之指數(shù)分布。實(shí)驗(yàn)假設(shè)如下：

由車(chē)輛偵測(cè)器量測(cè)到細(xì)胞Celli涵蓋范圍道路上之真實(shí)平均車(chē)速為Ui km/hr、真實(shí)交通密度為Ki car/km、真實(shí)交通流量為Qi。

由本研究方法量測(cè)到細(xì)胞Celli涵蓋范圍道路上之估計(jì)平均車(chē)速為ui km/hr、估計(jì)交通密度為ki car/km、估計(jì)交通流量為qi。

平均通話(huà)時(shí)間為1/μ之指數(shù)分布。

平均通話(huà)間隔時(shí)間為1/λ之指數(shù)分布。

車(chē)速、交通密度、交通流量之準(zhǔn)確率計(jì)算分別為：

、、

2.1交通流量估計(jì)正確率

本研究所提出的模型將可以分析來(lái)自Celli的換手信令數(shù)量hi來(lái)估計(jì)交通流量qi。例如：在實(shí)驗(yàn)環(huán)境Cell 1中在一個(gè)小時(shí)內(nèi)共發(fā)生66個(gè)換手信令（即h1），共由于平均通話(huà)時(shí)間為1分鐘（即1/m為1/60小時(shí)），此時(shí)可以運(yùn)用公式（2）估計(jì)交通流量為3960 （輛/小時(shí)）。在實(shí)驗(yàn)中，本研究采用來(lái)計(jì)算交通流量估計(jì)正確率，結(jié)果如表1所示，平均正確率為88.03%。

2.2交通密度估計(jì)正確率

本研究所提出的模型將可以分析來(lái)自Celli的通話(huà)到達(dá)信令數(shù)量ai來(lái)估計(jì)交通密度ki。例如：在實(shí)驗(yàn)環(huán)境Cell 1中在一個(gè)小時(shí)內(nèi)共發(fā)生38個(gè)通話(huà)到達(dá)（即a1），共由于平均通話(huà)間隔時(shí)間為1小時(shí)（即1/l為1小時(shí)），此時(shí)可以運(yùn)用公式（4）估計(jì)交通密度為38 （輛/公里）。在實(shí)驗(yàn)中，本研究采用來(lái)計(jì)算交通密度估計(jì)正確率，結(jié)果如表2所示，平均正確率為93.92%。

2.3車(chē)速估計(jì)正確率

本研究可參考第2.1節(jié)和2.2節(jié)所估計(jì)之交通流量qi和交通密度ki，并運(yùn)用公式（5）估計(jì)車(chē)速u(mài)i。例如：在實(shí)驗(yàn)環(huán)境Cell 1中估計(jì)交通流量為3960 （輛/小時(shí)）、估計(jì)交通密度為38 （輛/公里），故估計(jì)車(chē)速為104.21 （公里/小時(shí)）。在實(shí)驗(yàn)中，本研究采用來(lái)計(jì)算車(chē)速估計(jì)正確率，結(jié)果如表3所示，平均正確率為89.75%。

三、結(jié)束語(yǔ)

本研究提出以通話(huà)信令為基礎(chǔ)的交通信息估計(jì)方法，主要將從移動(dòng)網(wǎng)絡(luò)收集換手信令和通話(huà)到達(dá)信令，并分別提出分析模型來(lái)估計(jì)交通流量和交通密度，最后再依此估計(jì)車(chē)速信息。在實(shí)驗(yàn)中，本研究根據(jù)高速公路上車(chē)輛偵測(cè)器的資料來(lái)比較真實(shí)的交通信息和估計(jì)的交通信息。由實(shí)驗(yàn)結(jié)果顯示，本研究提出之交通信息估計(jì)系統(tǒng)的車(chē)速估計(jì)正確率可以達(dá)到89.75%。因此，交通信息估計(jì)系統(tǒng)將可以分析基于移動(dòng)網(wǎng)絡(luò)流動(dòng)車(chē)輛資料來(lái)提供實(shí)時(shí)且可靠的車(chē)速信息，予以用路人參考。

參? 考? 文? 獻(xiàn)

[1] Lai， W.K.， Kuo， T.H. Vehicle positioning and speed estimation based on cellular network signals for urban roads [J]. ISPRS International Journal of Geo-Information， 2016， 5（10）： 181.

[2] Cheu， R.L.， Xie C.， Lee， D.H. Probe vehicle population and sample size for arterial speed estimation [J]. Computer-Aided Civil and Infrastructure Engineering， 2002， 17： 53-60.

[3] Gundleg?rd， D. Karlsson， J.M. Handover location accuracy for travel time estimation in GSM and UMTS [J]. IET Intelligent Transport Systems， 2009， 3（1）： 87-94.

[4] Caceres， N.， Wideberg， J.P.， Benitez， F.G. Deriving origin-destination data from a mobile phone network [J]. IET Intelligent Transport Systems， 2007， 1（1）： 15-26.

[5] Caceres， N.， Wideberg， J.P.， Benitez， F.G. Review of traffic data estimations extracted from cellular networks [J]. IET Intelligent Transport Systems， 2008， 2（3）： 179-192.

[6] Bar-Gera， H. Evaluation of a cellular phone-based system for measurements of traffic speeds and travel times： A case study from Israel [J]. Transportation Research Part C， 2007， 15（6）： 380-391.

[7] Janecek， A.， Valerio， D.， Hummel， K.A.， Ricciato， F.， Hlavacs， H. The cellular network as a sensor： From mobile phone data to real-time road traffic monitoring [J]. IEEE Transactions on Intelligent Transportation Systems， 2015， 16（5）： 2551-2572.

[8] He， S.， Ding， F.， Zhou， Y.， Cheng， Y.， Ran， B. Investigating and modelling the relationship between traffic volume and extracts from cellphone activity data [J]. IET Intelligent Transport Systems， 2019， 13（8）： 1299-1308.

[9] Ghahramani， M.， Zhou， M.， Hon， C.T. Extracting significant mobile phone interaction patterns based on community structures [J]. IEEE Transactions on Intelligent Transportation Systems， 2019， 20（3）： 1031-1041.

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（61906043）

陳志華（1984），男，中國(guó)臺(tái)灣高雄，博士，教授。