付 芬

(重慶工商職業(yè)學院 重慶 400060)

隨著城市的快速發(fā)展，交通擁堵問題日益嚴峻。傳統(tǒng)的OD數(shù)據(jù)調查方式主要有路邊詢問法、表格調查法、家庭訪問法、明信片調查等，但是往往由于被調查者記憶模糊或考慮隱私而故意隱瞞等原因，致使所得的數(shù)據(jù)質量不高而失去參考價值。同時，傳統(tǒng)OD調查需要大量人力、財力支持，已不能更好地滿足城市新時期交通數(shù)據(jù)獲取需求。本文提出一種基于手機信令數(shù)據(jù)的城市出行OD獲取方法，以準確反映城市居民出行OD情況。

一、手機信令數(shù)據(jù)

手機信令數(shù)據(jù)主要是從移動通信系統(tǒng)中得到手機的切換基站和切換時間。當手機發(fā)生跨區(qū)域切換時，會將相應數(shù)據(jù)傳至基站系統(tǒng)，同時上報移動業(yè)務交換中心。通過檢測接口信令以及對信令的解析，可獲得所需的目標區(qū)域內所有手機發(fā)生切換的數(shù)據(jù)與基站數(shù)據(jù)。手機信令數(shù)據(jù)字段，包括用戶識別碼User-ID，位置區(qū)碼（Location Area Code, LAC），小區(qū)識別碼（Cell Identify, Cell-ID），信令發(fā)生時間戳（Timestamp），基站經度（Longitude, Lng），基站緯度（Latitude, Lat）。

二、手機定位方法

本文采用COO（Cell of Origin）單基站定位方法，其基本原理如圖1所示，根據(jù)手機用戶當前接入基站的小區(qū)識別碼來表示用戶的位置，小區(qū)識別碼（Cell-ID）即基站蜂窩小區(qū)，是手機信令數(shù)據(jù)中產生位置信息的基本單元。當手機用戶進入基站小區(qū)時，手機要在當前小區(qū)注冊，然后系統(tǒng)會自動記錄小區(qū)ID標識數(shù)據(jù)，并通過小區(qū)識別號的位置信息來確定手機用戶的位置。COO定位技術的精度取決于基站的布設密度，密度越大，Cell-ID半徑越小，定位精度也就越高。

三、基于基站聚類的交通小區(qū)劃分

本文采用DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類方法）對移動通信網絡基站進行聚類劃分。該算法利用基于密度的聚類方法，即要求聚類空間中的一定區(qū)域內所包含對象的數(shù)目不小于某一給定閾值。

（一）DBSCAN算法的聚類過程

DBSCAN算法涉及半徑（Eps）和以給定點為中心的鄰域內最少點的數(shù)量（MinPts）2個參數(shù)。根據(jù)設定的（Eps）和（MinPts）這兩個參數(shù)，把基站劃分為足夠密度的交通出行小區(qū)。

首先，設定DBSCAN的Eps鄰域參數(shù)為400，表示掃描半徑為400米，然后設定Eps鄰域內成為核心對象的最小鄰域點數(shù)MinPts為3。然后，尋找從該核心點出發(fā)的所有密度相連的基站，遍歷Eps鄰域內的所有核心點，尋找與這些核心點密度相連的點，直到沒有可以擴充的數(shù)據(jù)點為止。再重復上面的步驟，對該核心點進行擴充，直到數(shù)據(jù)集中沒有新的核心點為止。最后，根據(jù)聚類結果對城市交通小區(qū)劃分，把整個城市依據(jù)手機基站數(shù)據(jù)劃分為不同的交通小區(qū)。

（二）手機用戶基站切換軌跡映射到交通小區(qū)

根據(jù)聚類結果對城市交通小區(qū)進行劃分，得到基站與交通小區(qū)的映射關系（Cell-ID,Zone-ID），然后計算連續(xù)逗留同一交通小區(qū)的最大時間差，如果最大時間差小于時間閾值T，則判定該系列連續(xù)逗留點為短時出行剔除；如果最大時間差大于時間閾值T，對連續(xù)逗留點進行合并，逗留點集的開始時間為上一次出行的到達時間，逗留點集的結束時間為本次出行出發(fā)時間，最終得到手機用戶的交通小區(qū)切換軌跡表。

四、起訖點識別

在移動通信網絡中，手機用戶在基站之間切換可以表示在平面上一組有序的連續(xù)離散點，Cell-IDi表示基站小區(qū)，Zone-IDj表示基站小區(qū)映射的交通小區(qū)。根據(jù)手機用戶出行目的性得到手機用戶一天之內的出行基站切換軌跡序列，然后對交通小區(qū)進行合并，以交通小區(qū)作為手機用戶出行的起訖點，對跨越城市交通小區(qū)的出行OD統(tǒng)計，得到城市交通小區(qū)之間的OD信息。

五、實例分析

（一）出行發(fā)生量與吸引量

按照時間序列得到手機用戶的交通小區(qū)切換軌跡：

[User-ID,Zone-IDo,Zone-IDd,to,td]

其中，Zone-IDo、Zone-IDd表示交通小區(qū)切換的起訖點，to、td表示起訖時間，然后分別對交通小區(qū)Zone-IDo的發(fā)生量和交通小區(qū)Zone-IDd的吸引量進行統(tǒng)計分析，獲取OD交通出行情況，計算公式如下：

T(Zone-IDo,t)表示交通小區(qū)Zone-IDo的發(fā)生量，T(Zone-IDd,t)表示交通小區(qū)Zone-IDd的吸引量，如圖1所示表示各交通小區(qū)出行發(fā)生量和吸引量。最后，對OD時間段內的所有交通小區(qū)軌跡表中用戶進行遍歷，直至所有用戶以及交通小區(qū)，從而得到出行OD量。

圖1 交通小區(qū)出行量

由上圖可以得到，在某一時間段下重慶市主城區(qū)各個交通小區(qū)之間的出行OD量，交通小區(qū)出行量主要分布在6、8、9、16、20交通小區(qū)中，其中交通小區(qū)9的出行吸引量遠大于出行發(fā)生量。

（二）實驗結果分析

根據(jù)城市出行記錄，城市居民出行時間主要集中在6點到9點早高峰期、16點到19點晚高峰期，這兩個時間段的出行量占比達到全天出行量的58.4%，而0點到5點及21點到23點出行量占比不足5%，因此，居民出行以早晚高峰期通勤出行為主。

通過對比分析發(fā)現(xiàn)，基于手機信令數(shù)據(jù)的城市出行OD獲取方法計算早晚高峰期出行量占比與居民軌道交通出行早晚高峰期占比結果偏差均小于3%，因此，該方法能夠準確反映城市居民出行OD情況。

六、結束語

本文提出基于手機信令數(shù)據(jù)來獲取城市出行OD的研究方法，并對方法進行了詳盡闡述，解決了傳統(tǒng)的基于OD調查來獲取出行情況花銷大、不可靠的問題。在未來的研究中，可以深入挖掘手機用戶的出行行為，包括出行方式、出行目的及出行次數(shù)等，以此提高城市出行效率，實現(xiàn)智能化交通為城市出行帶來便利。