田 苗 王瑞剛 施昊陽(yáng)

（1.西安郵電大學(xué)計(jì)算機(jī)學(xué)院 西安 710061）（2.陜西省信息化工程研究院 西安 710000）（3.西安郵電大學(xué)自動(dòng)化學(xué)院 西安 710061）

1 引言

自2011年11月國(guó)家開(kāi)放二胎政策以來(lái)，越來(lái)越多的家庭迎來(lái)了他們的二胎。由國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2017年全年二胎數(shù)量上升至883萬(wàn)，比2016年度增加了160萬(wàn)人，二胎數(shù)量占總新生人口數(shù)量的51.2%，比2016年增加了11個(gè)百分點(diǎn)。二胎數(shù)量的增多也帶動(dòng)了我國(guó)的新生兒人口總數(shù)每年的穩(wěn)步增長(zhǎng)。在這樣的情境下，新生兒儼然已經(jīng)成為了一個(gè)快速增長(zhǎng)的人口群體，并隨之帶來(lái)了巨大的市場(chǎng)。那么，針對(duì)新生兒的出生分布情況進(jìn)行細(xì)致的調(diào)查研究就顯得尤為重要，而依據(jù)新生兒的出生分布來(lái)對(duì)市場(chǎng)進(jìn)行預(yù)測(cè)顯然是一種科學(xué)有效的辦法。本文所研究的問(wèn)題是如何定位出新生兒的分布信息，傳統(tǒng)的交通采集方法（人工調(diào)查法和固定式交通信息采集技術(shù)）具有調(diào)查和維護(hù)成本高、傳感器損壞率高、實(shí)時(shí)性較差及采集的交通數(shù)據(jù)精度較低等缺點(diǎn)［1］。由于近年來(lái)使用手機(jī)用戶的快速增加，定位技術(shù)的快速發(fā)展，因此利用手機(jī)進(jìn)行定位的技術(shù)有了堅(jiān)實(shí)的理論和實(shí)踐基礎(chǔ)，這為本文的研究提供了相關(guān)的方法和思路。本文依據(jù)手機(jī)信令數(shù)據(jù)，結(jié)合有效的模型，對(duì)新生兒的出生分布情況進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，使用該種方法得到的結(jié)果符合預(yù)期標(biāo)準(zhǔn)。

2 手機(jī)信令

2.1 概念與簡(jiǎn)介

手機(jī)信令數(shù)據(jù)是手機(jī)與發(fā)射基站或者微站之間的通信數(shù)據(jù)，只要手機(jī)屏幕上顯示運(yùn)營(yíng)商字樣（如中國(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)電信等），就會(huì)產(chǎn)生信令數(shù)據(jù)。信令數(shù)據(jù)字段中包含時(shí)間和位置等信息［9］，由于這些信息的數(shù)據(jù)量過(guò)于龐大，所以無(wú)法用人工進(jìn)行識(shí)別和分析。在過(guò)去，這些歷史大數(shù)據(jù)由于技術(shù)的不成熟，難以產(chǎn)生使用價(jià)值，使得海量數(shù)據(jù)的研究與應(yīng)用成為了一個(gè)難題。隨著大數(shù)據(jù)專家對(duì)手機(jī)信令的研究和突破，手機(jī)信令大數(shù)據(jù)的顯著優(yōu)點(diǎn)呈現(xiàn)在我們面前。

基站定位原理（如圖1）：手機(jī)跟手機(jī)可以通信就是因?yàn)橥ㄟ^(guò)運(yùn)營(yíng)商的基站進(jìn)行信號(hào)中轉(zhuǎn)和傳輸。每個(gè)基站的位置信息都是固定的，手機(jī)一旦開(kāi)機(jī)之后就會(huì)搜尋附近的基站信號(hào)，所以根據(jù)搜索到的基站信號(hào)就能算出大概位置，基站定位精度一般是百米級(jí)。移動(dòng)電話測(cè)量不同基站的下行導(dǎo)頻信號(hào)，得到不同基站下行導(dǎo)頻的TOA（Time of Arrival，到達(dá)時(shí)刻）或TDOA（Time Difference of Arrival，到達(dá)時(shí)間差），根據(jù)該測(cè)量結(jié)果并結(jié)合基站的坐標(biāo)，一般采用三角公式估計(jì)算法，就能夠計(jì)算出移動(dòng)電話的位置。實(shí)際的位置估計(jì)算法需要考慮多基站（3個(gè)或3個(gè)以上）定位的情況，因此算法要復(fù)雜很多。一般而言，移動(dòng)臺(tái)測(cè)量的基站數(shù)目越多，測(cè)量精度越高，定位性能改善越明顯。

圖1 基站定位原理

基站一般是通過(guò)SIM卡來(lái)區(qū)分不同的手機(jī)，所以很容易通過(guò)手機(jī)號(hào)碼定位用戶位置。當(dāng)手機(jī)開(kāi)機(jī)搜索周邊的基站，基站就可以定位用戶的手機(jī)，再根據(jù)SIM卡的信息做進(jìn)一步的操作。用戶取出SIM卡后，仍可通過(guò)追查跟手機(jī)號(hào)發(fā)生過(guò)關(guān)聯(lián)的手機(jī)ID，定位出手機(jī)開(kāi)機(jī)使用過(guò)的位置。

2.2 優(yōu)勢(shì)

2.2.1 定位優(yōu)勢(shì)

想要研究移動(dòng)通信環(huán)境中的群體行為，首要的任務(wù)是獲取使用手機(jī)的用戶的地理位置信息。獲取用戶地理位置的主要途徑有三種：第一種是通過(guò)GPS定位，第二種是基站定位，第三種是WIFI熱點(diǎn)定位。GPS定位精度是三者中最高的，但是GPS數(shù)據(jù)一般由志愿者提供想要獲取大量的用戶位置數(shù)據(jù)比較困難。對(duì)于WIFI定位，WIFI熱點(diǎn)的覆蓋范圍較小，大部分集中在一個(gè)校園或者一個(gè)社區(qū)，因此可研究的范圍受到了限制［2］?；径ㄎ坏木入m然在三者中最低，但是它有數(shù)據(jù)易獲取、覆蓋范圍廣的特點(diǎn)，正好彌補(bǔ)了前兩者的缺點(diǎn)，因此我們選擇用基站定位的信息來(lái)確定人的位置信息［3］。手機(jī)基站定位服務(wù)（如圖2）又叫做LBS（Location Based Service，移動(dòng)位置服務(wù)），它是通過(guò)運(yùn)營(yíng)商的無(wú)線電通訊網(wǎng)絡(luò)（如GSM網(wǎng)、CDMA網(wǎng)）或外部定位方式（如GPS）獲取移動(dòng)終端用戶的位置信息（地理坐標(biāo)，或大地坐標(biāo)），在GIS（Geographic Information System，地理信息系統(tǒng)）平臺(tái)的支持下，為用戶提供相應(yīng)服務(wù)的一種增值業(yè)務(wù)。

圖2 手機(jī)基站定位服務(wù)

2.2.2 數(shù)據(jù)量?jī)?yōu)勢(shì)

當(dāng)今通信領(lǐng)域中，移動(dòng)智能手機(jī)占據(jù)著很大的比重，人們的日常生活和工作也越來(lái)越離不開(kāi)移動(dòng)智能手機(jī)，同時(shí)移動(dòng)通信網(wǎng)絡(luò)也成為了第一大通信網(wǎng)絡(luò)。而人作為移動(dòng)社交網(wǎng)絡(luò)中的主體，其位置時(shí)時(shí)刻刻都在發(fā)生變化，而我們可以通過(guò)記錄用戶在移動(dòng)通信環(huán)境中的地理位置信息建立移動(dòng)軌跡模型，從而實(shí)現(xiàn)對(duì)群體行為的分析和預(yù)測(cè)，這種方法可以解決由人群聚集引起的群體事件如交通擁堵、踩踏事件等問(wèn)題。截至2018年5月末，我們移動(dòng)電話用戶近15億，4G用戶占比達(dá)73%，西安作為剛剛認(rèn)定的新一線城市，更是各大運(yùn)營(yíng)通信投資商的主要投資城市，因此用西安地區(qū)做手機(jī)信令數(shù)據(jù)的相關(guān)分析是適用的。

3 群體行為的研究現(xiàn)狀

3.1 群體行為分析的定義

社會(huì)心理學(xué)家和社會(huì)學(xué)家最早對(duì)群體行為進(jìn)行了研究。美國(guó)著名的社會(huì)學(xué)家Park最早提出了群體行為的定義“群體行為是在集體共同的推動(dòng)和影響下發(fā)生的個(gè)人行為，是一種情緒波動(dòng)”［2］。David Popenoe（1988）認(rèn)為“群體行為是在相對(duì)自發(fā)、無(wú)組織的和不穩(wěn)定的條件下由于某種普遍的影響產(chǎn)生的行為”［3］。美國(guó)著名的社會(huì)心理學(xué)家Stanley Milgram（1984）對(duì)群體行為的定義是“群體行為是自發(fā)產(chǎn)生的，沒(méi)有組織的，甚至不可預(yù)測(cè)的，它依賴于參與者的互相刺激”［4］。在我國(guó)，有關(guān)群體行為分析涉及的領(lǐng)域大多是有關(guān)消費(fèi)者行為、自然災(zāi)害靶向發(fā)布以及預(yù)測(cè)有可能發(fā)生人員聚集方面，少有涉及到用手機(jī)信令數(shù)據(jù)預(yù)測(cè)新生兒群體方面的。最近的幾年時(shí)間，伴隨著互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)與通信技術(shù)的高速發(fā)展，為該類群體行為分析的實(shí)現(xiàn)創(chuàng)造了前提條件。

3.2 孕婦的群體行為分析

經(jīng)過(guò)對(duì)大量文獻(xiàn)的閱讀和相關(guān)論文的查找，目前關(guān)于孕婦、新生兒的群體分析均為醫(yī)學(xué)方向，并沒(méi)有關(guān)于位置信息的研究。移動(dòng)手機(jī)信令數(shù)據(jù)研究有關(guān)孕婦群體行為和新生兒分布的研究方面的文章較少，截至2018年5月5日，在中國(guó)知網(wǎng)以“手機(jī)信令新生兒”進(jìn)行篇名搜索，顯示結(jié)果為0條。綜上所述，目前從事手機(jī)信令分析新生兒的成果較少，這也為本文的動(dòng)機(jī)產(chǎn)生提供了契機(jī)。

3.3 本文的大致流程設(shè)計(jì)

因?yàn)橛嘘P(guān)孕婦群體數(shù)據(jù)不宜獲得和相關(guān)理論論文幾乎沒(méi)有參考的特點(diǎn)，綜合以上原因，本文設(shè)計(jì)流程圖如圖3所示。

圖3 流程設(shè)計(jì)圖

4 模型的建立

4.1 需求分析

本文旨在根據(jù)手機(jī)用戶使用手機(jī)時(shí)產(chǎn)生的信令數(shù)據(jù)，挖掘出其潛在的位置信息，根據(jù)這些位置信息的屬性確定手機(jī)用戶的用戶屬性（僅確定孕婦屬性），當(dāng)中會(huì)設(shè)置樣本（即已知屬性的人，當(dāng)中存在孕婦）數(shù)據(jù)，將樣本數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)進(jìn)行比對(duì)驗(yàn)證。當(dāng)確定用戶為孕婦后，此時(shí)該孕婦常出現(xiàn)的月子中心或者信令消失的婦產(chǎn)醫(yī)院的位置就是新生兒出生的位置，從而對(duì)新生兒出生的位置分布做出有關(guān)預(yù)測(cè)。

4.2 孕婦活動(dòng)的特點(diǎn)

眾所周知，孕婦是一類較特殊的群體［7］。孕婦在懷孕期間，出于各種原因，會(huì)改變之前的出行模式［6］。從出行距離來(lái)說(shuō)，孕婦群體會(huì)選擇較短的出行距離［12］；從出行出發(fā)地來(lái)說(shuō)，一般以家、公司為出發(fā)地；從出行目的地來(lái)說(shuō)，一般會(huì)以醫(yī)院、嬰幼兒用品店等為目的地［8］；從出行頻率來(lái)說(shuō)，會(huì)選擇比常人更低的出行頻率［11］。除此之外，孕婦在出行速率、出行工具選擇上也會(huì)與常人有所不同。

4.3 參考模型

現(xiàn)所有的文獻(xiàn)和論文中與本論文模型相似的是有關(guān)群體行為分析中人群工作地和居住地的劃分模型。該模型通過(guò)手機(jī)信令數(shù)據(jù)的基站變化位置，對(duì)所有人的某天或者很多天的基站經(jīng)緯度值進(jìn)行定位分析，按照常規(guī)的時(shí)間（早上上班、晚上回家）分割，定位出人群的工作地和居住地。本文中的孕婦定位原理與該模型類似，所以有關(guān)聚類算法的設(shè)計(jì)中的位置聚類也可以作為本文的參考模型。

4.4 模型設(shè)計(jì)

通過(guò)對(duì)西安市所有聯(lián)通手機(jī)用戶某月的信令數(shù)據(jù)分析，找出每位用戶常出現(xiàn)的位置，之后對(duì)用戶常出現(xiàn)的位置進(jìn)行準(zhǔn)確的定位，把定位出的數(shù)據(jù)當(dāng)中有關(guān)婦產(chǎn)醫(yī)院和月子中心的人群進(jìn)行畫(huà)像，篩選出有孕婦屬性的部分人群，將其在婦產(chǎn)醫(yī)院或者月子中心的位置當(dāng)作新生兒的出生地。之后，再將部分已知人員（必須是孕婦）與模型定位出來(lái)的人員進(jìn)行比對(duì)，完成模型真實(shí)性的驗(yàn)證。模型建立的流程描述如下：

1）移動(dòng)手機(jī)信令數(shù)據(jù)與相對(duì)應(yīng)基站匹配，解析出基站的經(jīng)緯度信息。

2）規(guī)定一段時(shí)間（1h內(nèi)）手機(jī)信令數(shù)據(jù)未變化的點(diǎn)表示這類人在這個(gè)位置沒(méi)有移動(dòng)。

3）將這些在一段時(shí)間（累計(jì)1月～3月）未改變或者改變較小的用戶的區(qū)域信息的經(jīng)緯度進(jìn)行聚類。

4）將此類用戶的位置信息通過(guò)地圖與醫(yī)院、婦幼保健院等的位置信息進(jìn)行比較，以確定是否是孕婦人群。

5 算法設(shè)計(jì)

5.1 用戶畫(huà)像定量相似度計(jì)

用戶的定量標(biāo)簽［14］中有確定的數(shù)值，我們將移動(dòng)數(shù)據(jù)的經(jīng)緯度地址轉(zhuǎn)換成確定地址的數(shù)據(jù)當(dāng)作確定的數(shù)值（如：將108.952491，34.272363可轉(zhuǎn)換成陜西省婦幼保健院）。本文是將西安市使用聯(lián)通手機(jī)的人員在3月～5個(gè)月當(dāng)中產(chǎn)生的手機(jī)信令數(shù)據(jù)進(jìn)行分析。

5.2 用戶聚類分析

有研究論文指出，將物理或者抽象對(duì)象的集合分組成為類似的對(duì)象組成的多個(gè)類的過(guò)程被稱為聚類［5］。由聚類所生成的簇是一組數(shù)據(jù)對(duì)象的集合，這些對(duì)象與同一簇中的對(duì)象彼此相似，與其他對(duì)象中的簇之間彼此相異。在實(shí)際的很多應(yīng)用中，我們可以將一個(gè)簇中的數(shù)據(jù)對(duì)象作為一個(gè)整體來(lái)看待［13］。聚類分析來(lái)源于許多研究領(lǐng)域，包括數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)、生物學(xué)和機(jī)器學(xué)習(xí)。聚類分析已經(jīng)在很多領(lǐng)域得到了應(yīng)用，包括模式識(shí)別、數(shù)據(jù)分析、圖像處理以及市場(chǎng)研究。

我們通過(guò)聚類分析，可以識(shí)別出密集和稀疏的區(qū)域，從而發(fā)現(xiàn)全局的分布模式以及可能會(huì)得到數(shù)據(jù)之間潛在的聯(lián)系。聚類作為統(tǒng)計(jì)學(xué)的一個(gè)分支，對(duì)它的利用主要集中在基于距離的聚類分析中?；贙-Means（K-平均值）、K-Medoids（K-中心點(diǎn)）和其他一些方法的聚類分析工具已經(jīng)被加入到許多統(tǒng)計(jì)分析軟件包或者系統(tǒng)中［5］。

5.3 孕婦群體的篩選與新生兒推測(cè)

5.3.1 孕婦群體的篩選

我們對(duì)手機(jī)用戶增加了用戶的特征描述，包括用戶位置、用戶時(shí)間、用戶出行頻率、用戶移動(dòng)速率等［15］。為了方便區(qū)別孕婦與普通用戶，我們進(jìn)行了調(diào)查。針對(duì)上述特征，我們作出如下規(guī)定。

1）用戶位置出現(xiàn)在醫(yī)院、婦幼保健院、月子中心附近的用戶。

2）出現(xiàn)在上述位置并且持續(xù)一定時(shí)間的用戶。

3）出行頻率低于普通用戶的人群。

4）移動(dòng)速率低于普通用戶的人群。

在更具上述標(biāo)簽篩選出用戶群體后，我們將這些用戶群體與已知的用戶群體進(jìn)行比較，從而判斷，篩選出的用戶群體是否為孕婦群體。

部分代碼如圖4所示。

圖4 基站轉(zhuǎn)換及聚類算法

5.3.2 新生兒的推測(cè)

在判斷出用戶群體后，我們將這類用戶組成新的樣本，并進(jìn)行進(jìn)一步的分析。我們采集了即將生產(chǎn)的孕婦的樣本。并根據(jù)樣本進(jìn)行特征的采集，設(shè)計(jì)出臨近預(yù)產(chǎn)期孕婦的特征集。先根據(jù)特征集對(duì)孕婦群體進(jìn)行分類，將孕婦群體分為將要臨近預(yù)產(chǎn)期、尚未鄰居預(yù)產(chǎn)期兩類。

對(duì)于臨近預(yù)產(chǎn)期的孕婦，我們對(duì)她們的位置進(jìn)行長(zhǎng)期的跟蹤，并根據(jù)孕婦長(zhǎng)期處于的位置推算出新生兒出生位置。對(duì)于尚未臨近預(yù)產(chǎn)期的孕婦，持續(xù)對(duì)其信息進(jìn)行關(guān)注，等到這些用戶的標(biāo)簽與期望值相匹配時(shí)（即臨近預(yù)產(chǎn)期）后，再更具其位置推斷出新生兒的位置信息。

6 實(shí)驗(yàn)

6.1 實(shí)驗(yàn)數(shù)據(jù)

原始數(shù)據(jù)是由聯(lián)通提供的全陜西省用戶的信令數(shù)據(jù)，具體字段如表1所示。

將2017年12月31天的原始數(shù)據(jù)作為聯(lián)通數(shù)據(jù)的真實(shí)情況來(lái)分析，31天數(shù)據(jù)中共計(jì)有7，103，040萬(wàn)個(gè)用戶。

信令數(shù)據(jù)各屬性如表2所示。

表1 用戶信令數(shù)據(jù)信息

表2 數(shù)據(jù)屬性列表

數(shù)據(jù)挖掘建模目標(biāo)如下：

1）對(duì)聯(lián)通用戶一個(gè)月內(nèi)的歷史信令數(shù)據(jù)分析出每位用戶的常出現(xiàn)位置

2）對(duì)用戶的常出現(xiàn)位置進(jìn)行具體的標(biāo)識(shí)，會(huì)用到K-means聚類算法。

用戶位置劃分的模型中，數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗和數(shù)據(jù)變換。針對(duì)原始的數(shù)據(jù)集，我們通過(guò)數(shù)據(jù)的預(yù)處理，形成所要使用的建模數(shù)據(jù)集。

6.2 數(shù)據(jù)規(guī)范化處理

在數(shù)據(jù)規(guī)范化處理過(guò)程中，以用戶特征屬性方式來(lái)建立出適用于用戶位置劃分的模型，在該模型建立的過(guò)程中，將用戶的信令數(shù)據(jù)轉(zhuǎn)換成用戶的屬性數(shù)據(jù)，屬性包括總天數(shù)、星期數(shù)、最常出現(xiàn)位置、區(qū)間天數(shù)、區(qū)間位置數(shù)共計(jì)五個(gè)屬性。如表3所示。

6.2.1 總天數(shù)、星期數(shù)

在獲取到的2017年12月份的數(shù)據(jù)中，將每位用戶所有的信令數(shù)據(jù)當(dāng)中出現(xiàn)不同日期的數(shù)量作為用戶存在的總天數(shù)，規(guī)定最小為1天，最大為31天。

將用戶數(shù)據(jù)中存在的星期數(shù)據(jù)進(jìn)行合并，規(guī)定不同的星期數(shù)量為用戶存在的星期數(shù)，最小為1天，最大為7天。

6.2.2 最常出現(xiàn)位置、區(qū)間天數(shù)、區(qū)間位置

將用戶信令數(shù)據(jù)中經(jīng)緯度集合當(dāng)中出現(xiàn)星期最多的位置地點(diǎn)作為用戶的最常出現(xiàn)位置。

在不同時(shí)間區(qū)間內(nèi)，用戶數(shù)據(jù)存在的總天數(shù)，最大為用戶總天數(shù)，最小為0。

在不同時(shí)間區(qū)間內(nèi)，用戶數(shù)據(jù)中存在的經(jīng)緯度集合數(shù)量，即為區(qū)間位置數(shù)。

6.3 根據(jù)模型進(jìn)行實(shí)驗(yàn)

本文針對(duì)15個(gè)樣本進(jìn)行模型建立，如表4所示。

6.4 實(shí)驗(yàn)結(jié)果

數(shù)據(jù)選取2017年12月所有用戶數(shù)據(jù)，共計(jì)7，103，040人，15位用戶中，皆為陜西省常住用戶，位置劃分結(jié)果準(zhǔn)確率88.89%，通過(guò)實(shí)驗(yàn)篩選出3號(hào)用戶在1月中旬期間突然出現(xiàn)了頻繁在婦產(chǎn)醫(yī)院附近停留的跡象，經(jīng)過(guò)位置的對(duì)比，位置顯示為西安市兒童醫(yī)院（34.262449，108.926844）。之后對(duì)該用戶進(jìn)行電話詢問(wèn)，得知該用戶是待產(chǎn)的產(chǎn)婦，從而驗(yàn)證了以上實(shí)驗(yàn)算法的真實(shí)和可靠性。

表3 用戶信令數(shù)據(jù)示例

表4 樣本數(shù)據(jù)屬性結(jié)果

6.5 實(shí)驗(yàn)分析

該實(shí)驗(yàn)雖然只是驗(yàn)證了訓(xùn)練集的真實(shí)準(zhǔn)確性，但對(duì)大量的西安市聯(lián)通用戶依然有效，定位出的用戶即是陜西省常駐用戶，又是待產(chǎn)孕婦，從而可以明確地定位出該新生兒的出生地點(diǎn)。

7 結(jié)語(yǔ)

經(jīng)過(guò)結(jié)合聯(lián)通手機(jī)信令數(shù)據(jù)、用戶畫(huà)像和K-means算法，我們對(duì)有相同特點(diǎn)的一類人的移動(dòng)地查詢定位與其中一個(gè)已知的孕婦做對(duì)比，發(fā)現(xiàn)我們大致準(zhǔn)確地定位出了所拿數(shù)據(jù)條件下的所有孕婦信息。本文所定位出來(lái)的孕婦的最終位置即就是新生兒的出生位置，從而從孕婦位置的角度分析出了新生兒的分布狀況。