包 婷，章志剛，金澈清

（華東師范大學(xué) 數(shù)據(jù)科學(xué)與工程研究院 上海市高可信計(jì)算重點(diǎn)實(shí)驗(yàn)室，上海 200062）

0 引 言

信息技術(shù)的高速發(fā)展加速了城市化進(jìn)程．在此過程中，城市人口的劇增也加大了城市管理難度，例如交通壓力、就業(yè)壓力等．由于地區(qū)間經(jīng)濟(jì)發(fā)展不均衡，城市內(nèi)部各區(qū)域的功能分工各有不同，導(dǎo)致城市內(nèi)部人口會(huì)大量流動(dòng)．受限于地理和社交等因素，人們的行為往往呈現(xiàn)出規(guī)律性［1－3］，就是人們?cè)诠ぷ鞯睾途幼〉氐闹芷谛晕恢米冞w［4］．通過分析人口流動(dòng)行為以及居民工作地和居住地等信息，有助于優(yōu)化社會(huì)資源分配，應(yīng)對(duì)交通壓力、維護(hù)社會(huì)公共治安．

長期以來，人口流動(dòng)行為研究往往采用如現(xiàn)場(chǎng)觀察調(diào)查、問卷調(diào)查、座談訪談等人工手段，成本高昂且效率不高．隨著智能手機(jī)的不斷發(fā)展與普及，海量的手機(jī)軌跡數(shù)據(jù)為研究城市人口流動(dòng)行為提供了一種新方法．在各大城市中，各個(gè)移動(dòng)通訊運(yùn)營商均布置了多個(gè)基站．當(dāng)用戶接聽／撥打電話、收發(fā)短信或者使用數(shù)據(jù)通訊服務(wù)時(shí)，就會(huì)生成基站連接記錄，產(chǎn)生海量的手機(jī)數(shù)據(jù)．手機(jī)軌跡數(shù)據(jù)不僅數(shù)量龐大，而且質(zhì)量低下．基站類型多樣，包括微站、宏站、直放站和射頻拉遠(yuǎn)站，覆蓋范圍從幾百米到幾千米不等．而定位精度很大程度上依賴于基站的分布密度及其覆蓋范圍的大小，在不同區(qū)域，基站的分布密度差異顯著．例如市中心區(qū)域的基站密度遠(yuǎn)高于郊區(qū)的基站密度．此外，基站跳變也會(huì)極大地影響手機(jī)軌跡數(shù)據(jù)的質(zhì)量；換言之，如果用戶所處位置恰巧處于多個(gè)基站的服務(wù)范圍之內(nèi)，當(dāng)用戶稍微移動(dòng)位置甚至固定在某個(gè)地方時(shí)，手機(jī)也會(huì)在多個(gè)基站間切換連接，而我們使用手機(jī)與基站連接日志記錄來判定用戶的移動(dòng)軌跡，這就導(dǎo)致難以真正判定用戶的真實(shí)位置．

盡管手機(jī)定位數(shù)據(jù)是離散和稀疏的，但利用手機(jī)數(shù)據(jù)仍然可以對(duì)人們的行為進(jìn)行高精度的預(yù)測(cè)［5］．該結(jié)論為利用手機(jī)數(shù)據(jù)研究城市人口流動(dòng)提供了理論前提．現(xiàn)有工作大都是針對(duì)集中式環(huán)境，無法直接應(yīng)用于海量數(shù)據(jù)環(huán)境．為此，本文提出了一種基于Map／Reduce的分布式框架來對(duì)城市人口流動(dòng)行為進(jìn)行研究分析，具有較好的執(zhí)行效率和可擴(kuò)展性．本文利用運(yùn)營商提供的海量手機(jī)軌跡數(shù)據(jù)，對(duì)手機(jī)用戶在城市的流動(dòng)行為進(jìn)行分析和挖掘，同時(shí)對(duì)數(shù)據(jù)進(jìn)行了模糊化處理以滿足用戶的隱私保護(hù)需求，并建立了多個(gè)模型，包括進(jìn)出城市的人口流動(dòng)行為分析模型、市內(nèi)各區(qū)縣間的人口流動(dòng)行為分析模型，特別地，對(duì)區(qū)縣間流動(dòng)行為建立了居民工作地居住地流動(dòng)行為分析模型．這些模型為更好地了解用戶特征，分析城市人口流動(dòng)提供了可能．

1 相關(guān)工作

近年來，已有不少工作針對(duì)手機(jī)軌跡數(shù)據(jù)研究用戶的行為模式．文獻(xiàn)［7］將OD（Origin－Destination，起止）矩陣作為輸入，從手機(jī)軌跡數(shù)據(jù)中提取用戶起止點(diǎn)信息．文獻(xiàn)［8］將移動(dòng)手機(jī)流量關(guān)聯(lián)到交通流量，設(shè)計(jì)GSM（Global System for Mobile Communication）網(wǎng)絡(luò)模擬器來模擬從電話網(wǎng)絡(luò)中提取出的網(wǎng)絡(luò)數(shù)據(jù)，將數(shù)據(jù)處理后轉(zhuǎn)化成OD矩陣，從而判定出移動(dòng)行為的起始地點(diǎn)．文獻(xiàn)［9］將基站的連接記錄與交通流量相結(jié)合，建立OD矩陣，從而進(jìn)一步分析用戶軌跡．文獻(xiàn)［10］從手機(jī)數(shù)據(jù)中提取用戶每天位置軌跡并轉(zhuǎn)化為活動(dòng)序列，將序列進(jìn)行分類得到用戶活動(dòng)的轉(zhuǎn)移模式．文獻(xiàn)［11］利用近百萬條手機(jī)數(shù)據(jù)提取用戶行為模式并分析不同用戶工作地間的相關(guān)性．文獻(xiàn)［12］利用聚類、回歸的方法分析匿名化的手機(jī)數(shù)據(jù)，根據(jù)用戶稀疏的位置信息發(fā)現(xiàn)有意義的重要位置如工作地、居住地．海量的手機(jī)數(shù)據(jù)為分析人們行為提供了可能，文獻(xiàn)［13］利用手機(jī)軌跡數(shù)據(jù)挖掘用戶異常聚集活動(dòng)，如異常的社會(huì)活動(dòng)的發(fā)現(xiàn)．文獻(xiàn)［14］將手機(jī)數(shù)據(jù)與推薦系統(tǒng)相結(jié)合，挖掘用戶行為模式并向用戶推薦感興趣的社會(huì)活動(dòng)．

文獻(xiàn)［15］利用實(shí)時(shí)采集的移動(dòng)手機(jī)數(shù)據(jù)分析城市交通狀況、預(yù)測(cè)行人活動(dòng)序列．社會(huì)經(jīng)濟(jì)水平可以反映出人們住房、教育、健康以及其他基礎(chǔ)服務(wù)情況，文獻(xiàn)［16］利用手機(jī)數(shù)據(jù)聚類分析后的信息來確定社會(huì)經(jīng)濟(jì)水平，并利用SVM和隨機(jī)森林模型來預(yù)測(cè)社會(huì)經(jīng)濟(jì)水平．有很多研究利用手機(jī)數(shù)據(jù)對(duì)交通流量進(jìn)行評(píng)估，但這些研究往往忽視了每輛車可能有多個(gè)手機(jī)的情況，文獻(xiàn)［17］利用聚類的方法判定同一輛車中是否有多臺(tái)手機(jī)，從而利用手機(jī)數(shù)據(jù)確定車速、車輛密度等，并對(duì)高速公路交通流量作出更精確評(píng)估．

由于手機(jī)軌跡數(shù)據(jù)數(shù)量龐大且質(zhì)量低下，同時(shí)為了不泄露用戶隱私，移動(dòng)運(yùn)營商往往會(huì)將用戶手機(jī)軌跡數(shù)據(jù)進(jìn)行模糊處理，這些給相關(guān)研究帶來了很大的挑戰(zhàn)．本文針對(duì)城市人口流入流出行為展開研究，利用手機(jī)軌跡數(shù)據(jù)發(fā)現(xiàn)用戶行為模式，并挖掘用戶工作地、居住地信息，為今后的研究提供了一種新思路．

2 系統(tǒng)框架結(jié)構(gòu)

本節(jié)介紹系統(tǒng)的框架結(jié)構(gòu)，如圖1所示．

圖1 系統(tǒng)框架結(jié)構(gòu)Fig．1 System architecture

構(gòu)建人口流動(dòng)分析平臺(tái)需要使用以下數(shù)據(jù)：基站連接日志數(shù)據(jù)、基站信息數(shù)據(jù)、用戶注冊(cè)信息．基站連接日志數(shù)據(jù)描述了用戶每一次手機(jī)連接基站的情況，包括：手機(jī)設(shè)備號(hào)、連接起始時(shí)間、連接基站號(hào)、連接扇區(qū)號(hào)、手機(jī)開關(guān)機(jī)狀態(tài)、加載時(shí)間等字段．基站數(shù)據(jù)描述了基站的基礎(chǔ)信息，包括：基站ID、地理位置、GPS坐標(biāo)、所在行政區(qū)等．用戶注冊(cè)信息包括：用戶身份證號(hào)碼、姓名、手機(jī)號(hào)、性別、出生年月等．

為了保護(hù)用戶隱私和移動(dòng)運(yùn)營商的隱私，在發(fā)布使用數(shù)據(jù)時(shí)，本文對(duì)這兩部分?jǐn)?shù)據(jù)進(jìn)行了隱私保護(hù)．對(duì)于用戶注冊(cè)信息，隱匿了身份證號(hào)碼和姓名，且對(duì)其手機(jī)號(hào)和基站連接日志中的手機(jī)號(hào)使用了一致的加密手段．為了保護(hù)移動(dòng)運(yùn)營商的基站信息，對(duì)基站位置在不影響功能分析的基礎(chǔ)上做了位置修正．

系統(tǒng)架構(gòu)在設(shè)計(jì)上采用分布式、分層結(jié)構(gòu)，包括大數(shù)據(jù)管理層、業(yè)務(wù)邏輯層、應(yīng)用支撐層、界面展示層4層結(jié)構(gòu)．

大數(shù)據(jù)管理層使用HBase、Hive、Pig、ZooKeeper來管理基站連接日志．Hadoop集群上使用MapReduce框架來執(zhí)行任務(wù)，數(shù)據(jù)庫使用HBase，數(shù)據(jù)倉庫使用Hive，并使用Pig語言來簡(jiǎn)化Hadoop工作任務(wù)，使用Zookeeper進(jìn)行集群內(nèi)的協(xié)作服務(wù)．

業(yè)務(wù)邏輯層利用數(shù)據(jù)管理層對(duì)手機(jī)數(shù)據(jù)分析處理后輸出的數(shù)據(jù)，建立分析模型，包括城市間人口流動(dòng)模型、區(qū)縣間人口流動(dòng)模型、居住地分析模型、工作地分析模型．針對(duì)這四個(gè)模型，對(duì)數(shù)據(jù)進(jìn)行分析處理，訓(xùn)練出相應(yīng)的特征，這些特征可用來表示城市人口在城市間、各區(qū)縣間、居住地／工作地這三個(gè)層次的流動(dòng)情況．

后臺(tái)開發(fā)框架使用集成的Structs．Struts采用Java Servlet／JSP技術(shù)，開發(fā)Web應(yīng)用程序的開放源碼的框架．?dāng)?shù)據(jù)庫主要用來存儲(chǔ)后臺(tái)分析好的結(jié)果，本項(xiàng)目采用MySQL數(shù)據(jù)庫，MySQL是開源數(shù)據(jù)庫且體積小、速度快、適用于快速部署．后臺(tái)處理程序使用Java／Python語言編寫，負(fù)責(zé)處理前端發(fā)過來的請(qǐng)求，并從大數(shù)據(jù)平臺(tái)獲取分析結(jié)果，存放到數(shù)據(jù)庫中．系統(tǒng)通過創(chuàng)建腳本文件并將文件加入到任務(wù)計(jì)劃中，實(shí)現(xiàn)周期性更新數(shù)據(jù)．

界面展示層用來與用戶進(jìn)行交互，并展示系統(tǒng)分析結(jié)果．網(wǎng)頁效果設(shè)計(jì)采用的主要是Flash技術(shù)，使用Flash技術(shù)可以創(chuàng)作出可改變尺寸的導(dǎo)航界面以及其他奇特的效果．本項(xiàng)目采用Flash技術(shù)的主要原因是可以自定義開發(fā)，開發(fā)周期短，圖形和動(dòng)畫效果豐富，并且Flash使用向量運(yùn)算的方式，產(chǎn)生出來的文件占用存儲(chǔ)空間較?。到y(tǒng)使用JSON＋XML技術(shù)來獲取數(shù)據(jù)庫中的數(shù)據(jù)．

3 大數(shù)據(jù)管理

大數(shù)據(jù)管理使用Hadoop這一開源平臺(tái)來實(shí)現(xiàn)．如圖2［18］所示，該平臺(tái)集成了HBase、Hive、Pig、Zookeeper等實(shí)用工具，方便了用戶對(duì)數(shù)據(jù)的管理和操作．HBase是Hadoop的數(shù)據(jù)庫，能夠?qū)Υ髷?shù)據(jù)提供隨機(jī)、實(shí)時(shí)的讀寫訪問功能，是一個(gè)高可靠、高性能、面向列、可伸縮的分布式存儲(chǔ)系統(tǒng)．HBase存儲(chǔ)的數(shù)據(jù)從邏輯上來看就像一張很大的表，并且它的數(shù)據(jù)列可以根據(jù)需要?jiǎng)討B(tài)地增加．Hive是一個(gè)基于Hadoop文件系統(tǒng)之上的數(shù)據(jù)倉庫架構(gòu)．它為數(shù)據(jù)倉庫的管理提供了許多功能：數(shù)據(jù)ETL（抽取、轉(zhuǎn)換和加載）工具、數(shù)據(jù)存儲(chǔ)管理和大型數(shù)據(jù)集的查詢和分析能力．同時(shí)，Hive定義了類SQL的語言——Hive QL．Hive QL允許用戶進(jìn)行和SQL相似的操作，還允許開發(fā)人員方便地使用map和reduce操作，這對(duì)Map／Reduce框架是一個(gè)強(qiáng)有力的支持．Hive本身建立在Hadoop的體系架構(gòu)上，可將外部命令解析成一個(gè)Map／Reduce可執(zhí)行計(jì)劃．Pig為大型數(shù)據(jù)集的處理提供了更高層次的抽象，它提供了一套強(qiáng)大的數(shù)據(jù)變換操作，這些操作整體上描述了一組數(shù)據(jù)流到另一組數(shù)據(jù)流的轉(zhuǎn)換，而這些轉(zhuǎn)換操作被轉(zhuǎn)換成一系列的Map／Reduce作業(yè)，這樣一來使得程序員僅僅需要編寫簡(jiǎn)單的腳本代碼，就能輕松處理TB級(jí)的數(shù)據(jù)集［18］．此外，Pig和Hive還為HBase提供了高層語言支持，使得在HBase上進(jìn)行數(shù)據(jù)統(tǒng)計(jì)處理變得非常簡(jiǎn)單．

圖2 大數(shù)據(jù)管理的技術(shù)框架Fig．2 Technical architecture of data management

為方便各種分析任務(wù)對(duì)用戶信息和基站信息的實(shí)時(shí)查詢，本系統(tǒng)將用戶的注冊(cè)信息和和基站的信息存放在HBase中．同時(shí)，將用戶連接基站數(shù)據(jù)存放在HDFS上，并導(dǎo)入到Hive所構(gòu)建的數(shù)據(jù)倉庫中進(jìn)行管理．為了滿足各種任務(wù)分析需求，本系統(tǒng)提供了3種數(shù)據(jù)操作方式：首先，對(duì)于簡(jiǎn)單的數(shù)據(jù)查詢使用Hive QL命令來進(jìn)行操作．比如查詢指定用戶某天連接過哪些基站，使用Hive QL編寫一句查詢語句就能完成任務(wù)；其次，對(duì)于批處理任務(wù)，本系統(tǒng)通過Pig腳本程序?qū)崿F(xiàn)．比如，由于用戶連接基站數(shù)據(jù)每天會(huì)批量更新，如果想知道用戶每天都出現(xiàn)在哪些區(qū)縣．在實(shí)現(xiàn)該任務(wù)時(shí)涉及到兩個(gè)數(shù)據(jù)的連接操作，這時(shí)使用Pig腳本程序能夠方便的完成上述分析任務(wù)；最后，對(duì)于復(fù)雜分析任務(wù)，通過編寫Map／Reduce程序?qū)Υ娣旁贖DFS的數(shù)據(jù)進(jìn)行操作，比如需要從用戶連接基站歷史記錄中分析出用戶的居住地時(shí)，Hive QL和Pig程序無法滿足需求，這時(shí)就需要用戶自己編寫Map／Reduce程序完成分析．

4 模型分析

本節(jié)介紹本系統(tǒng)所涉及到的各個(gè)分析模型．人口流動(dòng)的分析涉及范圍很廣，包括城市的流入流出分析、城市內(nèi)部各區(qū)縣間人口流動(dòng)分析和用戶居住地／工作地分析．系統(tǒng)分別建立了三個(gè)相應(yīng)的數(shù)據(jù)分析模型．

4．1 城市流入流出模型分析

本文提出了一種利用手機(jī)軌跡數(shù)據(jù)監(jiān)測(cè)人口流動(dòng)的方法，處理框架如圖3所示．首先對(duì)基站連接數(shù)據(jù)進(jìn)行預(yù)處理，以降低手機(jī)基站數(shù)據(jù)低質(zhì)問題的影響，然后分析進(jìn)出城市的行為模式，利用分析分類模型判定用戶軌跡是否進(jìn)出城市．

（1）數(shù)據(jù)預(yù)處理

該過程是為了減小基站定位不準(zhǔn)以及信號(hào)跳變?cè)斐傻挠绊?，本系統(tǒng)分析手機(jī)基站數(shù)據(jù)特點(diǎn)，挖掘出用戶的重要停留區(qū)域，由此降低用戶在該區(qū)域范圍內(nèi)的信號(hào)定位不準(zhǔn)以及信號(hào)頻繁跳變問題的影響．將這些停留區(qū)域按時(shí)序串聯(lián)以構(gòu)成用戶的活動(dòng)軌跡．?dāng)?shù)據(jù)預(yù)處理部分包括三步：①去除異常點(diǎn)與建立移動(dòng)軌跡；②挖掘用戶活動(dòng)軌跡；③建立樞紐區(qū)域和邊境區(qū)域．

圖3 進(jìn)出城市人口流動(dòng)處理框架Fig．3 Processing framework of population flow among cities

（2）進(jìn)出城市流動(dòng)分析

用戶行為軌跡復(fù)雜，本文通過分析用戶進(jìn)出城市的軌跡行為特點(diǎn)，與非進(jìn)入非離開城市行為進(jìn)行對(duì)照，挖掘軌跡特征．具體特征如下：

1）信號(hào)消失時(shí)長 相鄰兩停留點(diǎn)之間的時(shí)間間隔．

2）樞紐區(qū)域出現(xiàn)概率 用戶進(jìn)入或離開城市時(shí)，在某交通樞紐處（如火車站、機(jī)場(chǎng)等）出現(xiàn)的可能性．

3）樞紐區(qū)域停留指數(shù) 用戶在某樞紐區(qū)的停留程度．

4）是否在邊境區(qū)域出現(xiàn) 用戶的手機(jī)信號(hào)消失或出現(xiàn)時(shí)，是否與城市邊境處的基站進(jìn)行連接交互．

5）與居住地和工作地的平均距離 手機(jī)信號(hào)消失或出現(xiàn)時(shí)，用戶與其居住地和工作地之間的平均距離．

用戶進(jìn)出城市的行為必定發(fā)生在某一信號(hào)消失時(shí)段的前后，因此本文針對(duì)信號(hào)消失時(shí)段的前后，分別得到用戶的離開行為特征向量和進(jìn)入行為特征向量，然后利用標(biāo)注數(shù)據(jù)訓(xùn)練分類模型（如決策樹、邏輯回歸等），之后運(yùn)用分類模型的訓(xùn)練結(jié)果進(jìn)行軌跡行為判定，最終判定用戶在某時(shí)刻是否進(jìn)入或離開了城市［19］．

4．2 城市各區(qū)縣間人口流動(dòng)模型分析

區(qū)縣間人口分析框架如圖4所示．首先同樣需要進(jìn)行數(shù)據(jù)預(yù)處理，處理方法與城市間人口流動(dòng)數(shù)據(jù)預(yù)處理方式一致，然后通過分析各區(qū)縣間人口流動(dòng)判定用戶在區(qū)縣間流動(dòng)情況．

針對(duì)某一用戶的行為軌跡，數(shù)據(jù)預(yù)處理階段可得到該用戶的多個(gè)重要停留區(qū)，用戶在這些區(qū)域中有較大的可能性進(jìn)行活動(dòng)，停留的時(shí)間較長．本文將這些重要的停留區(qū)域用圓表示，這些圓的圓心所在的區(qū)縣即為用戶的停留區(qū)縣，將處于同一區(qū)縣并且時(shí)間上相隔小于一定閾值的停留區(qū)域進(jìn)行狀態(tài)合并，即可得到該用戶的區(qū)縣停留狀態(tài)，該狀態(tài)信息中包括區(qū)縣ID和停留的起止時(shí)間．

由于用戶去往目的區(qū)縣的過程中可能會(huì)經(jīng)過某些“經(jīng)過區(qū)”，例如某用戶從普陀出發(fā)，去往閔行上班，途中經(jīng)過長寧區(qū)和徐匯區(qū)，這兩個(gè)區(qū)即為“經(jīng)過區(qū)”．在分析用戶在區(qū)縣間流入流出行為時(shí)，需過濾“經(jīng)過區(qū)”，以挖掘用戶行走路線的真正意圖．上述過程所得的停留區(qū)縣即為用戶真正的活動(dòng)區(qū)縣，“經(jīng)過區(qū)”不構(gòu)成停留區(qū)縣狀態(tài)，因此時(shí)間上相鄰的兩個(gè)停留區(qū)縣間的狀態(tài)轉(zhuǎn)移伴隨著用戶的一次離開區(qū)縣和進(jìn)入另一區(qū)縣的行為．最后通過匯總?cè)w數(shù)據(jù)集中用戶所有停留區(qū)縣間的狀態(tài)轉(zhuǎn)移情況，即可得到在各個(gè)時(shí)間段內(nèi)的不同區(qū)縣間的人口流動(dòng)情況［19］．

圖4 區(qū)縣間人口流動(dòng)處理框架Fig．4 Processing framework of population flow among districts

4．3 居民工作地、居住地模型分析

為了發(fā)現(xiàn)用戶工作地居住地信息，本文提出了一個(gè)基于Map／Reduce的框架，該處理框架主要包含4個(gè)步驟：①過濾各個(gè)用戶的軌跡記錄；②找出包含工作地、居住地的候選區(qū)域；③調(diào)用傳統(tǒng)聚類算法對(duì)候選區(qū)域進(jìn)行聚類操作；④從聚類結(jié)果中發(fā)現(xiàn)工作地、居住地信息．同時(shí)，本文在該框架中分別嵌入了兩種不同的發(fā)現(xiàn)策略，即：GPMA和SPMA．這個(gè)分布式挖掘框架主要思路是：首先，通過Map／Reduce編程模型將同一個(gè)用戶在總時(shí)間內(nèi)的連接記錄，合并到同一個(gè)計(jì)算節(jié)點(diǎn)．然后，選擇合適的位置范圍化方法，針對(duì)用戶原始連接基站的記錄使用狀態(tài)生成算法生成狀態(tài)序列．接著，根據(jù)停留時(shí)間和停留次數(shù)，刪除那些不滿足給定閾值的狀態(tài)，從剩下的狀態(tài)所對(duì)應(yīng)的區(qū)域中找出那些可能包含工作地、居住地位置的候選區(qū)域．最后，對(duì)找出的候選區(qū)域繼續(xù)聚類，從聚類結(jié)構(gòu)中分析出用戶的工作地、居住地信息．

針對(duì)基于網(wǎng)格范圍和基于基站覆蓋范圍的兩種區(qū)域范圍化方法，利用提出的分布式挖掘框架，設(shè)計(jì)了兩種并行挖掘算法：GPMA算法和SPMA算法．GPMA算法首先將整個(gè)區(qū)域進(jìn)行柵格化，然后將用戶連接基站的情況映射為在各個(gè)網(wǎng)格內(nèi)的停留狀態(tài)，停留狀態(tài)包含停留的網(wǎng)格號(hào)、起始停留時(shí)間、結(jié)束停留時(shí)間．由于精度和基站跳變的原因，則認(rèn)為該用戶停留在某網(wǎng)格中時(shí)，實(shí)際所處位置也有可能是該網(wǎng)格的鄰居網(wǎng)格．SPMA算法利用基站覆蓋范圍來表示用戶所在區(qū)域范圍，它將用戶連接基站的情況轉(zhuǎn)換為連接各個(gè)基站的序列．GPMA算法思想的想法比較簡(jiǎn)單直觀，但該方法將同一網(wǎng)格中的基站等同看待，這會(huì)加大所得工作地、居住地位置的偏差．而SPMA算法克服了這一問題，它將每一個(gè)基站單獨(dú)看待，每一個(gè)基站可以有不同的覆蓋范圍．當(dāng)用戶連接到某基站時(shí)，則用戶可以確定用戶在該基站的覆蓋范圍內(nèi)，同時(shí)由于基站切換原因，用戶也可能在該基站鄰居的覆蓋范圍內(nèi)［20］．

5 界面展示

圖5是城市各區(qū)縣間人口流動(dòng)展示界面．為了提高用戶與系統(tǒng)的交互性，用戶可直接點(diǎn)擊地圖上的相應(yīng)區(qū)縣直接選擇，查看其它各區(qū)縣流入到該區(qū)縣或者該區(qū)縣流出到其他區(qū)縣的人口流量．默認(rèn)展示的是當(dāng)天的人口流量．系統(tǒng)后端進(jìn)行數(shù)據(jù)處理后將結(jié)果保存在MySQL數(shù)據(jù)庫中，并編寫腳本文件實(shí)現(xiàn)系統(tǒng)數(shù)據(jù)的周期性更新．前端采用XML＋JSON技術(shù)獲取所需數(shù)據(jù)，考慮到系統(tǒng)的多模塊性以及用戶所選時(shí)間段的多樣性，采用分模塊加載數(shù)據(jù)，提高系統(tǒng)的響應(yīng)速度，提供良好的用戶體驗(yàn)．

圖5 人口流動(dòng)界面對(duì)比圖Fig．5 Contrast figure of interface of population flowing

圖6是系統(tǒng)的數(shù)據(jù)對(duì)比圖模塊，分別從上海市、各區(qū)縣的角度來動(dòng)態(tài)展示不同時(shí)期的人口流動(dòng)對(duì)比情況．系統(tǒng)提供了月與月間、周末與工作日間的對(duì)比，多樣化的展示人口流動(dòng)的變化情況．系統(tǒng)設(shè)計(jì)了簡(jiǎn)單查詢與復(fù)合查詢兩種查詢功能．簡(jiǎn)單查詢提供按照時(shí)間的查詢，復(fù)合查詢提供區(qū)縣、時(shí)間的組合查詢．用戶可根據(jù)自身需求采用相應(yīng)查詢方法，獲取所需數(shù)據(jù)．

圖6 數(shù)據(jù)對(duì)比圖Fig．6 Contrast figure of data

6 總 結(jié)

本文利用大數(shù)據(jù)平臺(tái)分析用戶的手機(jī)軌跡數(shù)據(jù)，挖掘用戶的行為模式，設(shè)計(jì)了基于傳統(tǒng)數(shù)據(jù)倉庫、Hadoop集群和MySQL數(shù)據(jù)庫的上海市人口流動(dòng)分析平臺(tái)，包括三個(gè)分析模塊，分別是城市間人口流動(dòng)分析模塊、區(qū)縣間人口流動(dòng)分析模塊、工作地／居住地流動(dòng)分析模塊．在分析城市間人口流動(dòng)時(shí)，提出了在分布式框架下的基于軌跡行為特征的判定算法；在分析區(qū)縣間人口流動(dòng)時(shí)，對(duì)用戶在區(qū)縣間流動(dòng)行為加以分析；對(duì)工作地、居住地進(jìn)行分析時(shí)，介紹了兩種挖掘重要位置信息的算法：GPMA和SPMA．本文為有效、準(zhǔn)確分析城市人口行為提供了有力支持．

［1］GONZALEZ M C，HIDALGO C A，BARABASI A L．Understanding individual human mobility patterns［J］．Nature，2008，453（7196）：779－782．

［2］SONG C，QU Z，BLUMM N，et al．Limits of predictability in human mobility［J］．Science，2010，327（5968）：1018－1021．

［3］SONG C，KOREN T，WANG P，et al．Modelling the scaling properties of human mobility［J］．Nature Physics，2010，6（10）：818－823．

［4］LI Z，DING B，HAN J，et al．Mining periodic behaviors for moving objects［C］／／Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining．ACM，2010：1099－1108．

［5］陳佳，胡波，左小清，等．利用手機(jī)定位數(shù)據(jù)的用戶特征挖掘［J］．武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2014，39（6）：734－738．

［6］ASHBROOK D，STARNER T．Using GPS to learn significant locations and predict movement across multiple users［J］．Personal and Ubiquitous Computing，2003，7（5）：275－286．

［7］WHITE J，WELLS I．Extracting origin destination information from mobile phone data［C］／／11th International Conference on Road Transport Information and Control，2002：30－34．

［8］CACERES N，WIDEBERG J P，BENITEZ F G．Deriving origin destination data from a mobile phone network［J］．Intelligent Transport Systems，IET，2007，1（1）：15－26．

［9］IQBAL M S，CHOUDHURY C F，WANG P，et al．Development of origin－destination matrices using mobile phone call data［J］．Transportation Research Part C Emerging Technologies，2014，40（1）：63－74．

［10］LIU F，JANSSENS D，CUI J X，et al．Building a validation measure for activity－based transportation models based on mobile phone data［J］．Expert Systems with Applications，2014，41（14）：6174－6189．

［11］PHITHAKKITNUKOON S，HORANONT T，LORENZO G D，et al．Activity－aware map：identifying human daily activity pattern using mobile phone data［C］／／Proceedings of the First international conference on Human behavior understanding．Springer－Verlag，2010：14－25．

［12］ISAACMAN S，BECKER R，CACERES R，et al．Identifying Important Places in People′s Lives from Cellular Network Data［J］．Lecture Notes in Computer Science，2011，6696：133－151．

［13］TRAAG V A，BROWET A，CALABRESE F，et al．Social Event Detection in Massive Mobile Phone Data Using Probabilistic Location Inference［C］／／Proceedings of the Third IEEE International Conference on Social Computing，2011：9－11．

［14］QUERCIA D，LATHIA N，CALABRESE F，et al．Recommending social events from mobile phone location data［C］／／Proceedings of the 10th International Conference on Data Mining（ICDM），2010：971－976．

［15］CALABRESE F，COLONNA M，LOVISOLO P，et al．Real－Time Urban Monitoring Using Cell Phones：A Case Study In Rome［J］．IEEE Transactions on Intelligent Transportation Systems，2011，12（1）：141－151．

［16］SOTO V，F(xiàn)RIAS－MARTINEZ V，VIRSEDA J，et al．Prediction of Socioeconomic Levels Using Cell Phone Records［J］．Lecture Notes in Computer Science，2011，6787：377－388．

［17］HONGYAN G，F(xiàn)ASHENG L．Estimating freeway traffic measures from mobile phone location data［J］．European Journal of Operational Research，2013，229（1）：252－260．

［18］陸嘉恒．Hadoop實(shí)戰(zhàn)［M］．第2版．北京：機(jī)械工業(yè)出版社，2012：85－329．

［19］孔揚(yáng)鑫．手機(jī)軌跡數(shù)據(jù)的人口流動(dòng)分析［R］．上海：華東師范大學(xué)軟件工程學(xué)院，2015．

［18］章志剛．面向海量手機(jī)軌跡數(shù)據(jù)的重要位置發(fā)現(xiàn)［R］．上海：華東師范大學(xué)軟件工程學(xué)院，2015．