Hans Journal of Data Mining 数据挖掘, 2018, 8(4), 162-173
Published Online October 2018 in Hans. https://www.doczj.com/doc/be1829247.html,/journal/hjdm
https://https://www.doczj.com/doc/be1829247.html,/10.12677/hjdm.2018.84018
Residential and Travel Characteristics
Analysis Based on Mobile Phone Signaling
Data
—A Case in Shenzhen City
Jiandong Qiu1, Qingya Lin1*, Qiang Li2
1Shenzhen Urban Transport Planning Center Co., Ltd., Shenzhen Guangdong
2Traffic Information Engineering & Technology Research Center of Guangdong Province, Shenzhen Guangdong
Received: Aug. 20th, 2018; accepted: Sep. 5th, 2018; published: Sep. 12th, 2018
Abstract
There is no obvious tendency for the data of mobile phone signaling data to be objective, compre-hensive and sampling. The data has strong spatiotemporal continuity and can be observed in the whole process of traffic travel, which is unmatched by any other data source. Using mobile phone signaling data to analyze the characteristics of urban traffic operation makes up for long cycle of the traditional traffic survey, heavy workload, small sample size and high cost. This paper studies the use of space-time information of mobile signaling data to visualize and analyze the characte-ristics of urban traffic travel. The analysis shows that there is still a strong job-commuting attrac-tion in the original SAR and the SEZ; most people live in Dongguan, Huizhou, working in Shenzhen.
Living and employment are basically at the junction of the city. Early peak of travelling shows a clear east-west, north-south formation. Analyzing the results provides a reliable basis for trans-port planning and operations.
Keywords
Cell Phone Signaling Data, Data Quality Inspection, Big Data Analysis, Visualize
基于手机信令数据的居住和出行特征分析
——以深圳市为例
丘建栋1，林青雅1*，李强2
*通讯作者。
丘建栋 等
1深圳市城市交通规划设计研究中心有限公司，广东 深圳 2
广东省交通信息工程技术研究中心，广东 深圳
收稿日期：2018年8月20日；录用日期：2018年9月5日；发布日期：2018年9月12日
摘
要
手机信令数据样本量大、数据客观、全面、采样不会有很明显的倾向性，且数据具有较强的时空持续性，可以观测到交通出行整个过程，是任何其它数据源无法比拟的。用手机信令数据分析城市交通运行特征，弥补了传统的交通调查周期性长、工作量大、样本量少和花费高的特点。本文研究利用手机信令数据的时空信息，对城市交通出行特征进行可视化和科学分析，分析结果显示，原特区内与特区外仍有较强职住通勤吸引；住在东莞、惠州，职在深圳的人，居住和就业位置基本在城市间交界地带；早高峰出行形成明显东西向、南北向通道。分析所得结果可为交通规划和运营部门提供可靠的依据。
关键词
手机信令数据，数据质量检查，大数据分析应用，可视化
Copyright ? 2018 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.doczj.com/doc/be1829247.html,/licenses/by/4.0/
1. 引言
目前，中国城市化进程仍处在快速演变阶段，城市建设步伐加快，城市用地规模不断加大，城市人口不断攀升，城市居民的时空出行范围进一步扩展，所面临的交通问题越来越严重[1]。作为城市居民生活与生产的两大载体，“居住”与“就业”是城市空间结构中的两个核心内生变量，它们彼此依存、互相影响，两者是否均衡发展是影响城市居民生活幸福指数的关键指标，制约城市可持续发展的重要因素[2]。
传统的数据获取方法局限性明显。作为新兴的研究方向——手机信令数据，一方面，手机用户群体数量和手机使用率的不断提高，保证了手机信令数据的样本数量和随机性特征[3]；另一方面，无线通信网络覆盖区域的不断扩大，使得手机信令数据的时空信息具备时间连续性和空间广覆盖性等优点[4]。
本文基于手机数据，从多个层面上对深圳市居民活动与空间环境间的复杂关系做更加精细与全面的描述与解析，重点关注城市居民的职住分布、城市空间的流动性与相互作用机制，以及特定场景、特定人群的空间活动特征，开展深莞惠区域城市群落居民居住和就业空间关系及往来联系强度研究，对推动就业与居住均衡发展，把握城市发展规划，促进居住空间与产业空间拓展的联动与共赢显得非常必要。
2. 停留和出行地识别算法
2.1. 数据概述
数据来源于深圳市城市交通规划设计研究中心有限公司——未来交通实验室。一共有2017年11月12日到2017年11月25日(共14天)的数据，其中工作日有10天。数据空间范围为深圳、东莞和惠州这
Open Access
丘建栋 等
三个城市的全域。本文主要分析深圳居民交通出行时空变化和深莞惠市域间的职住关系。手机信令数据包含的信息如下，见表1所示。
2.2. 人口类型划分
本次研究通过人口的停留日期、时间和位置总体上将人口划分为两大类型(见图1)：常住人口(停留时间超过7小时/天的、天数大于等于50%天)以及非常住人口。常住人口又分为常驻人员和固定设备，其中定位位置一直不变的识别为固定设备；非常住人口中所有出现的日期里，停留时间均少于3个小时的识别为过境人员，其他为流动人员。
2.3. 居住地和工作地识别
居住地的判别依据为0~8点、19~24点停留时间最长的基站为居住基站。9~18点停留时间最长的基站，且在基站周围500米范围内停留时间大于4小时、天数大于等于50%天的为工作地基站。
2.4. 出行识别
首先，按500米的距离对个体出行的轨迹点进行空间聚合，将停留时间超过30分钟的点作为一次停留活动点，两个相邻活动点为一次出行，一天中的第一个活动点和最后一个活动点也作为一次出行，这样可得到用户一天的出行链轨迹及出行次数和出行时间。
Figure 1. User type division 图1. 人口类别划分
Table 1. Description of Mobile phone signaling data field 表1. 手机信令数据字段说明
序号 字段名称 说明
1 用户ID F14BE1E7E64922F873B889ED15FD900A
2 时间 2016-09-11 08:12:24
3 基站大区 990
4 4 基站小区 76,060,311
5 经度 114.6627 6
纬度
23.6428
丘建栋等2.5. 数据分析流程
本文通过对比每天的手机信令数量，分析数据的接收质量情况，选取接收数据较稳定的日期用于后续的数据处理。数据分析流程见图2，数据处理过程中剔除有杂质的数据，将Python语言编译的算法部署于Spark平台上，通过人口类别的划分、居住地、工作地和出行识别，计算得到相应的中间表，中间表存放于postgis数据库中，用于后续应用层做分析时调用计算，应用层通过Arcgis和Transcad将计算结果进行可视化。
3. 数据质量检查
现今，手机信令数据已经被广泛应用于城市的交通特征出行分析，但是，不同的人清洗数据的算法、阈值设置都不一样。为了保证算法的可靠性，需要对清洗的数据进行数据质量检验。主要验证手机基站手机数据是否缺失，居住地和工作地识别、出行识别算法是否正确。大致的检验过程如下：用手机数据的人口数与已有的数据进行比较，判别居住地和工作地识别算法的结果是否可靠；计算每小时的出行数量，从而找出数据收集比较稳定的日期作为后面出行特征分析；计算手机数据的早高峰OD，用于与宏观模型的早高峰出行OD对比，检查出行识别算法的正确性。
3.1. 人口分布比较
考虑到手机数据中的人口不是全样数据，这里用各区人口数量占总人口比重进行比较。比较结果显示(图3)，不管是与宏观模型数据还是统计年鉴数据比较，误差最大不超过5%，误差最大的行政区为福田，可能原因是福田、罗湖区原本发展程度已达到饱和，且深圳原关外地区近年来建设用地不断扩大、交通路网不断完善、居民出行更加方便、配套设施逐渐齐全、居民的择居选择受就业岗位地理位置的制约力下降，人们很多会选择居住在原关外。
Figure 2. Process of data analysis
图2.数据分析流程
丘建栋等
Figure 3. Population distribution of mobile data compare with macro-models and statistical yearbook
图3. 手机数据与宏观模型和统计年鉴人口分布比较
3.2. 早高峰OD比较
与宏观模型(2014年)比较结果如图4所示，最大流量通道基本相似，特别是南部几个大区之间的关联度，连接宝安、南山、福田和罗湖的通道联系强度基本一致；龙华到南山和福田、龙岗到罗湖和龙华的联系关系也一样紧密。
3.3. 早高峰OD与职住对比
职住期望线和早高峰出行对比见表2和图5，两者的行政区之间的联系非常相似，宝安–南山的关联度最强，然后是龙华–龙岗的联系度次之。
根据数据质量检查结果得出，区级别的职住和早高峰的OD基本符合实际情况。但可以从中选择出符合分析要求的日期用于本文研究。
4. 大数据分析应用
本次分析分职住分布和出行特征分析两大模块。居住和就业是人们比较关心的两大民生问题，基于手机信令数据和基站位置信息，从不同层面上分析居住地就业岗位分布、区域的职住关联、兴趣点客流来源去向分布、居民的时空出行分布、TAZ间OD客流空间分布以及客流来源空间分布。通过手机信令数据的采集、处理和分析，可以获得城市的人口分布的动态信息，可以为交通规划提供详细、实时的人口分布信息，并可以避免因人工调查带来的各种弊端，如成本较高、抽样样本有限等。
4.1. 职住分布
4.1.1. 居住和就业密度分布
居住和就业密度分布见图6中区层面上人口主要集中在福田中心区、粤海、龙华；深圳市行政区居住人口占比中，宝安所占比例最高，为30%。
岗位密集区主要是福田区的南园、华强北、园岭，罗湖区的东门、南湖、桂圆以及南山区的粤海。
深圳市行政区岗位占比中，宝安所占比例最高，为33%。
丘建栋等
Figure 4. Comparison of mobile phone data with the early peak of macro model
图4. 手机数据与宏观模型早高峰对比
Figure 5. Morning peak OD (left) and accommodation (right) comparison
图5. 早高峰OD(左)和职住(右)对比
根据数据质量检查结果，手机数据的居住人口与统计年鉴数据对比，误差在可接受范围之内，所以行政区的人口比例数据是可靠的。从表3中可看出，宝安区无论是居住还是就业，人口占比都是最高，而大鹏新区占比最低。
丘建栋 等
Figure 6. Residential (upper) and employment (lower) density distributions 图6. 居住(上)和就业(下)密度分布
Table 2. The comparison between OD and accommodation in early peak of Nanshan district 表2. 南山区早高峰OD 与职住对比
行政区 工作地在南山区居住地比例
目的地在南山区出发地比例
宝安 58% 57% 福田 14% 17% 龙华 13% 14% 龙岗 9% 8% 罗湖
4%
3%
丘建栋等Table 3. The proportion of administrative staff and residents
表3. 行政区职住比例
行政区居住人口比例就业人口比例
宝安30% 33%
龙岗19% 17%
龙华16% 15%
南山12% 11%
福田8% 8%
光明6% 7%
罗湖5% 4%
坪山3% 3%
盐田1% 1%
大鹏1% 1%
4.1.2. 职住关联
基于手机信令数据分析全市职住特性见图7：宝安–南山，南山–福田，福田–罗湖，龙华–龙岗有大量的职住通勤，其中，南山–宝安、龙华–龙岗的职住关联关系最密切；原特区内与特区外仍有较强职住通勤吸引。在南山工作的人，有84%居住在南山，9%居住在宝安。
4.1.3. 高新区职住关联
将500米栅格与基站关联，得到基站有栅格的关联关系，将就业基站与栅格–基站关联表匹配，按栅格id做人口汇总，求得每个栅格的就业人口，从而计算栅格等级的就业密度分布，选出CBD比较集中的区域，分析到主要CBD上班的人在哪里居住。本次分析选取高新园作为主要CBD，分析结果见图8在高新园上班的人72%居住在南山，17%居住在宝安，7%居住在福田。
4.1.4. 跨市域职住分布
市域职住分布，将居住城市和就业城市分为两个图层，分别与基站空间关联，然后分别从职住表中提取职和住人口，同时展现职在深圳且住在东莞、惠州的这些人在两地的职住分布；然后建立职住关联关系模型，可知道住在某个小区的人到另一小区上班占总通勤量的百分比。
深莞惠职住密度分布如图9所示，住在东莞、惠州，职在深圳的人，大多数居住和就业位置在城市间交界地带。东莞、惠州来深圳上班的人中，有30%的人住在东莞南部的长安镇，工作在宝安西北部的松岗镇；东莞、惠州来深圳上班的总人数中，5%的人工作在南山、福田和罗湖。
4.2. 出行特征分析
早高峰出行特征
行政区之间早高峰出行特征分析结果如图10所示，宝安–南山之间出行量最大，龙华–龙岗次之；目的地在南山的出发地比例中，南山内部出行占63%，宝安占21%。
交通小区层面上，早高峰出行特征如图11所示，交通小区早高峰人口出行形成明显的东西向连接宝安、南山、福田、罗湖的通道和南北向连接龙华、龙岗、福田和罗湖的通道。
丘建栋等
Figure 7. The relationship of district's Administrative and residential relations
图7.行政区职住关联
Figure 8. The proportion of people who work in Gaoxin Park
图8. 到高新园上班的人居住地比例
Figure 9. Shenzhen-Dongguan-Huizhou occupation and residence distribution
图9. 深莞惠职住分布
丘建栋等
Figure 10. District early peak desire-line
图10. 行政区早高峰OD期望线
Figure 11. Early peak OD spider web map of traffic community
图11. 交通小区早高峰OD蛛网图
5. 人口活动特征
人口活动特征如图12所示，早上十点人口主要分布在高新园、福田中心区、东门、国贸和坂田；晚上九点人口主要分布在粤海、福田中心区、东门、国贸、龙华和坂田。从人口时变图对比，清楚看出人口的时空分布特点，可从中区分出商务热点区和居住热点区。
丘建栋等
Figure 12. Population activity monitoring plan
图12. 人口活动监测平面图
6. 总结和展望
原特区内与特区外仍有较强职住通勤吸引；在南山、福田和罗湖的CBD工作的人大部分居住在该行政区内；住在东莞、惠州，职在深圳的人，居住和就业位置基本在城市间交界地带；行政区间出行龙华–南山最密切；早高峰出行形成明显东西向、南北向通道。
地铁沿线基站尚未识别出来，无法准确知道轨道客流分布特点，下一步期望能区分出轨道基站，将手机数据与公交刷卡数据融合，进一步分析轨道客流分布和预测；采集更多的出行目的标签，分析不同出行目的的构成和人口分布特征。为交通规划建设提供更多有力的依据。
丘建栋等致谢
感谢深圳市科技计划项目(项目编号GGFW2016033017241891，项目名称“深圳市交通大数据公共技术服务平台”)和深圳市战略性新兴产业发展专项资金2017年第一批扶持计划(项目名称：深圳市交通碳排放工程实验室，批复文号：深发改[2017]550号)的资助。
参考文献
[1]Lu, M., Lai, C.F. and Ye, T.Z. (2017) Visual Analysis of Multiple Route Choices Based on General GPS Trajectories.
IEEE Transactions on Big Data, 3, 234-247. https://https://www.doczj.com/doc/be1829247.html,/10.1109/TBDATA.2017.2667700
[2]陈佳, 胡波, 左小清, 乐阳. 利用手机定位数据的用户特征挖掘[J]. 武汉大学学报信息科学版, 2014, 39(6):
734-738.
[3]张啟梅, 廖玉梅, 任永成, 黄鹏. 基于大数据下的旅客流量分析[J]. 数据挖掘, 2017, 7(1): 26-36.
[4]黄涛, 周晨, 黄本雄, 涂来. 基于谱聚类的手机用户日出行移动行为分析[J]. 数据挖掘, 2012, 2(4): 38-42.
[5]张楠, 李路华, 周甜甜, 李扉. 小区开放对周边道路通行能力影响的研究[J]. 数据挖掘, 2017, 7(4): 83-92.
[6]Liu, W., Zheng, Y., Chawla, S., Yuan, J. and Xing, X. (2011) Discovering Spatio-Temporal Causal Interactions in
Traffic Data Streams. Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Diego, California, 21-24 August 2011, 1010-1018. https://https://www.doczj.com/doc/be1829247.html,/10.1145/2020408.2020571 [7]Yuan, J., Zheng, Y. and Xie, X. (2012) Discovering Regions of Different Functions in a City Using Human Mobility
and Pois. Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Beijing, 12-16 August 2012, 186-194. https://https://www.doczj.com/doc/be1829247.html,/10.1145/2339530.2339561
1. 打开知网页面https://www.doczj.com/doc/be1829247.html,/kns/brief/result.aspx?dbPrefix=WWJD
下拉列表框选择：[ISSN]，输入期刊ISSN：2163-145X，即可查询
2. 打开知网首页https://www.doczj.com/doc/be1829247.html,/
左侧“国际文献总库”进入，输入文章标题，即可查询
投稿请点击：https://www.doczj.com/doc/be1829247.html,/Submission.aspx
期刊邮箱：hjdm@https://www.doczj.com/doc/be1829247.html,
本技术实施例提供一种基于手机信令数据获取交通路况信息的方法及系统。方法包括：在预设时间段内，获取目标路段中的所有车辆的GPS数据和/或所述所有车辆中手机用户的手机信令数据；根据所有所述GPS数据和/或所有所述手机信令数据，确定所述目标路段的车速；根据所述车速，获取所述目标路段的交通路况信息。本技术实施例提供的方法及系统，为了获取目标路段的交通路况信息，通过既收集GPS数据，又收集手机信令数据，根据两种不同来源的数据，确定目标路段的车速，避免了使用单一来源的数据导致的数据偏差和抗风险性差的问题。 技术要求 1.一种基于手机信令数据获取交通路况信息的方法，其特征在于，包括： 在预设时间段内，获取目标路段中的所有车辆的GPS数据和/或所述所有车辆中手机用户的手机信令数据； 根据所有所述GPS数据和/或所有所述手机信令数据，确定所述目标路段的车速； 根据所述车速，获取所述目标路段的交通路况信息。 2.根据权利要求1所述的方法，其特征在于，所述根据所有所述GPS数据和/或所有所述手机信令数据，确定所述目标路段的车速，进一步包括：根据每一条所述GPS数据的来源，将所有所述GPS数据分为若干类GPS数据； 在预设时间段内，若判断获知每一类GPS数据的条数均为0，则根据所有所述手机信令数据，确定所述目标路段的车速； 若判断获知任一类GPS数据的条数大于或等于预设阈值，则根据所有所述GPS数据，确定所述目标路段的车速； 若判断获知每一类GPS数据的条数均大于0且小于所述预设阈值，则根据所有所述GPS数据和所有所述手机信令数据，确定所述目标路段的车速。 3.根据权利要求2所述的方法，其特征在于，所述根据所有所述GPS数据和所有所述手机信令数据，确定所述目标路段的车速，进一步包括： 根据所有所述手机信令数据，获取对应的信令速度；对于每一类GPS数据，提取所述每一类GPS数据中的GPS速度，并在所有所述GPS速度中，选取目标GPS速度； 对于所述每一类GPS数据，将对应的目标GPS速度与所述信令速度相减，并将相减后得到的差值与所述信令速度相除；若所述相除后得到的值大于所述预设阈值，则将所述信令速度作为候选车速；否则，将所述目标GPS速度作为候选车速； 对于所有类别的GPS数据，获取所有类别的GPS数据对应的候选车速，根据预设优先级，选取所述预设优先级最高的候选车速作为所述目标路段的车速； 其中，所述预设优先级用于指示所述每一类GPS数据对应的目标GPS速度和所述信令速度的优先次序。
中国移动性能管理系统 L T E信令大数据分析业务需求规范 客户管理分册 C e n t r a l i z e d P e r f o r m a n c e M a n a g e m e n t S y s t e m S p e c i f i c a t i o n 版本号：1.0.0 中国移动通信集团公司网络部
目录 前言 .................................................................... III 1 范围 (1) 2 规范性引用文件 (1) 3 术语、缩略语定义 (1) 4 缩略语 (3) 5 概述 (3) 6 客户管理 (3) 6.1 客户感知评估分析 (3) 6.1.1 分析目标 (3) 6.1.2 分析思路 (3) 6.1.3 业务规则 (4) 6.1.4 数据指标 (6) 6.2 客户投诉分析 (7) 6.2.1 分析目标 (7) 6.2.2 分析思路> (8) 6.2.3 业务规则 (8) 6.2.4 数据指标 (10) 6.3 数据业务质差用户分析 (56) 6.3.1 分析目标 (56) 6.3.2 分析思路 (56) 6.3.3 业务规则 (57) 6.3.4 数据指标 (65) 6.4 PCC策略分析支撑 (75) 6.4.1 分析目标 (75) 6.4.2 分析思路 (75) 6.4.3 业务规则 (78) 6.4.4 数据指标 (95) 7 编制历史 (100)
前言 本标准对中国移动性能管理系统进行了抽象和描述，中国移动性能管理系统集中各类网络运行指标数据，面向网元、网络、业务和客户，实现对容量、质量、业务发展和运维管理的全面分析，重点实现四网协同分析、价值小区分析、终端分析、Gn流量分析、互联网流量流向分析和面向客户感知的互联网端到端的业务质量分析。 《中国移动性能管理系统LTE信令大数据分析业务需求规范客户管理分册V1.0.0》（以下简称“本规范”）。本规范旨在对中国移动省级性能管理系统互联网端到端专题的功能梳理，更系统、更合理、更有效的规范和指导省公司性能管理系统建设。本规范从流量流向、流量成份进行分析，通过整合流量流向系统和DPI系统的数据，建立关联的数据分析模型，从而有效支撑互联网流量结构调整、网络规划建设、流量控制和IDC资源引入效率的工作开展。 本标准是中国移动性能管理系统技术规范系列规范之一，该系列规范目前的结构、名称如下：
Hans Journal of Data Mining 数据挖掘, 2018, 8(4), 162-173 Published Online October 2018 in Hans. https://www.doczj.com/doc/be1829247.html,/journal/hjdm https://https://www.doczj.com/doc/be1829247.html,/10.12677/hjdm.2018.84018 Residential and Travel Characteristics Analysis Based on Mobile Phone Signaling Data —A Case in Shenzhen City Jiandong Qiu1, Qingya Lin1*, Qiang Li2 1Shenzhen Urban Transport Planning Center Co., Ltd., Shenzhen Guangdong 2Traffic Information Engineering & Technology Research Center of Guangdong Province, Shenzhen Guangdong Received: Aug. 20th, 2018; accepted: Sep. 5th, 2018; published: Sep. 12th, 2018 Abstract There is no obvious tendency for the data of mobile phone signaling data to be objective, compre-hensive and sampling. The data has strong spatiotemporal continuity and can be observed in the whole process of traffic travel, which is unmatched by any other data source. Using mobile phone signaling data to analyze the characteristics of urban traffic operation makes up for long cycle of the traditional traffic survey, heavy workload, small sample size and high cost. This paper studies the use of space-time information of mobile signaling data to visualize and analyze the characte-ristics of urban traffic travel. The analysis shows that there is still a strong job-commuting attrac-tion in the original SAR and the SEZ; most people live in Dongguan, Huizhou, working in Shenzhen. Living and employment are basically at the junction of the city. Early peak of travelling shows a clear east-west, north-south formation. Analyzing the results provides a reliable basis for trans-port planning and operations. Keywords Cell Phone Signaling Data, Data Quality Inspection, Big Data Analysis, Visualize 基于手机信令数据的居住和出行特征分析 ——以深圳市为例 丘建栋1，林青雅1*，李强2 *通讯作者。
信令大数据定位分析探讨 摘要为了提高服务质量，满足用户需求，在信息化通信环境中如何对用户进行准确定位，是我们当前应当重点研究的问题。本文以作者自身的实际工作与学习经验为基础，主要就基于信令大数据的用户定位进行了分析、探讨，以期能为相关工作的实践提供参考。 关键词信令大数据；定位；坐标系 如今，人们对于智能手机的应用相当普遍，而且依赖程度非常高，通过信令大数据我们可以对用户做出相当准确的定位，为网络的优化和精确规划提供参考依据，提高服务质量。 1 定位信息信令筛选 要想通过信令大数据对用户进行定位，我们首先需要做的是筛选定位信息信令，其原因是信令大数据的数据量较为庞大，而且其中月很大一部分和定位无关，只有筛选出相关的信令后，才能真正进行定位。对信令进行分析之后我们知道，在S1-U接口的原始信令中，涉及用户位置信息的信令主要有两类，一类是API SDK信息、一类是App URI信息[1]。 就地图API SDK来说，其包含的位置信息，存储在数据分组净荷中，所以如果要想获得的话，就必须要对原始数据分组进行采集，不存在于XDR信令之中，要将原始数据分组中信息解码，才能最终真正获得有用的信息数据。但是考虑到实际情况，原始数据分组的数据量较大，一次性难以快速的处理、获取，所以需要进行实时处理、采集，但显然这在实际的定位过程当中，实用性是明显不足的，因此对XDR App URI中的位置信息进行解析和获取，是较为理想的途径。XDR App URI中的位置信息在URI中，以get或post明文的形式呈现。 在当前的很多交互类应用当中，由于功能和服务等方面的需求，都会将用户当前的位置信息上传到服务器当中，在服务器获取到位置信息后，再对用户的相关需求做出对应反应，例如为用户提供其所在地周围的环境信息，如有些什么店铺，距加油站有多远等。所以，我们可以通过对S1-U数据的分析，从中提取HTTP“请求”，便能够从中得到用户所在的经纬度。在正式的S1-U信令数据当中，如果我们想要对位置信息进行提取，主要依靠于Lng和Lat等关键字段，这些字段所包含的就是经纬度。不过，与此同时我们还需要考虑到在用户上传的所有URI中，并非所有的位置信息都是用户真正所在的位置信息，其中也可能包含其他地方的位置信息，如旅游景点、商场等等，这些信息在用户定位过程当中，是没有实际作用的，但目前我们已经可以剔除非用户自身位置的XDR。 2 地图坐标系转换 我们的地球并非是标准的正圆球体，而是不规则的椭圆球体，对于GIS而
2017年第9期 信息与电脑 China Computer&Communication 数据库技术 手机信令数据在旅游交通中的应用 陈月姣 （中国交通通信信息中心，北京 100011） 摘 要：为了满足公众不断增长的旅游和交通消费需求，提升旅游和交通行业市场监管水平，推动旅游和交通服务模式创新，进一步提升旅游和交通服务品质，大力推进跨地区、跨行业、跨部门数据融合应用。笔者以手机信令数据为研究对象，阐明了旅游交通的现状和主要问题，论述了手机信令数据在旅游交通行业中的应用，最后提出了发展旅游交通的几点建议。 关键词：手机信令数据；旅游交通；人口密度监测 中图分类号：TU984.191 文献标识码：A 文章编号：1003-9767（2017）09-128-03 Application of Mobile Phone Signaling Data in Tourism Traf ? c Chen Yuejiao (China Communications and Communications Information Center, Beijing 100011, China) Abstract: In order to meet the growing public tourism and transportation consumption, enhance market surperrvision level of the tourism and transportation industry, promote service model innovation of tourism and transportation, enhance the services quality of tourism and transport, and vigorously promote data fusion application of cross-regional, cross-industry, cross-sectoral. Taking mobile phone signaling data as the research object, the author clarifies the present situation and main problems of tourism and transportation, discusses the application of mobile phone signaling data in the tourism and transportation industry, finally puts forward some suggestions for developing tourism and transportation. Key words: mobile phone signaling data; tourism and transportation; population density monitoring 目前，旅游交通的信息资源共享尤其是相关信息服务一直是影响旅游交通发展的薄弱环节，各级行业管理部门推动行业信息化的方式和手段不足，面向社会提供信息服务的力度不够，信息资源尚未被有效利用，旅游景点交通信息发布、共享、资源调配等配套服务水平还较低，导致可进入性差，影响了旅游资源的开发和发展。因此，推动旅游交通信息化的发展势在必行。 1 旅游交通发展现状及存在问题 1.1 旅游交通安全监管形势严峻 各省旅游交通安全和应急保障的基础比较薄弱，尚未建立有效的交通安全信息化监管手段。一些旅游公路沿线存在多处危险路段，如遇持续暴雨，极易造成旅游公路沿线边坡垮塌、泥石堆积，使公路段通行受阻，同时在雨雪天气，车辆在道路行驶的过程中易打滑，极易发生交通事故，严重影响公众出行。 1.2 旅游交通信息服务公众的能力不足 公众出行前不能及时获取旅游公路运行状况、通畅程度和公路突发交通事件，无法查询合理化的自驾车行车路线或者省内公共交通工具出行的全程信息，因此，无法高效估算出行线路、时间。 1.3 未建立旅游与交通运输业的协作联动机制 目前，我国旅游业与交通运输业独立发展，旅游交通服务偏重于旅游出行交通信息的提供，而交通不仅是旅游业的相关产业，也是交通运输体系的重要组成部分，但在行业监管方面，尚未成立协调管理交通与旅游的相关机构，缺乏科学合理的旅游交通规划与发展体系，在资源整合与信息服务方面，缺少对相关行业的统筹调配与宏观把控，缺乏对交通资源、旅游资源的整体组织与协调。随着旅游需求的不断增加，易导致交通运输网络运力结构失衡、旅游地人满为患、交通拥堵现象严重等问题的出现。 作者简介：陈月姣（1986-），女，山西原平人，硕士研究生，助理工程师。研究方向：智能交通、通信。 — 128 —
一种基于大数据平台的移动通信信令系统 谢识常 目录 摘要 (2) 1.背景 (2) 2.系统框架 (3) 3.系统关键模块 (3) 3.1 系统采集、解析、存储方式 (4) 3.2 数据的建模设计 (5) 4．数据处理中的关键技术 (6) 4.1 Hadoop基础 (6) 4.2 基础数据采用Hbase数据库存储 (7) 4.3 汇总KPI数据使用Hive构建数据仓库 (8) 4.4 上层应用查询考虑Impala数据查询工具 (9) 4.5 Spark计算框架的引入 (11) 4.6 硬件架构参考 (13) 5.结论 (15) 6.鸣谢................................................................................... 错误！未定义书签。
摘要 信令系统是运营商日常运维的重要支撑手段。现阶段数据业务急剧增长，基于传统数据库的信令平台对信令数据的处理越来越困难。本文探讨一种基于 大数据平台的移动通信信令系统。先给出系统的主要框架，论述数据处理的流程，已经讨论系统涉及的关键大数据技术，最后给出一个硬件的配置参考样例。 1.背景 2012年广州在全国率先建设TD-LTE试验网络，2014年广州4G网络正式商用。现阶段数据业务需求猛增、流量急速增涨。移动需要四网协同(WLAN、LTE、3G、2G)，做到集中管理、实时维护网络存在的问题，及时处理网络故障。信令是网络交流的语言，网络的管理与优化需要完善的信令系统的支撑。随着用户、业务、信令数据的急剧膨胀，基于传统数据库的信令系统已经很难满足网络运 维优化的实时、存储及分析要求。 例如，2015年广州本地信令系统对于4G KPI指标只能做到15分钟粒度的 统计，现在客户感知越来越敏感，5分钟内的指标监控能提高网络运维侧响应 网络故障与隐患的主动性；此外，随着信令数据膨胀，传统数据库不能做到线 性增加，数据库分表、分库操作复杂，存储效率低，广州本地信令系统由于数 据库调整造成不可用的时间越来越长；另外，在网络数据的价值挖取当中也缺 乏灵活手段，目前只能按几种固定的时空、网元、目的IP等维度的统计。 大数据技术的日益成熟，在通信领域运用越来越广。更多运营商开始部署 基于大数据平台的信令系统。 基于大数据解决方案的信令系统就是在这样的背景下,专门为规划、运维、优化等部门员工提供所需的支撑数据,提供解决方案的综合分析优化平台。对于移动信令分析，大数据首先是面临着越来越多的海量数据挑战；其次，要通过 合适的分析处理，从大量数据中分析出工程人员需要的数据，区分出重点数据 及非重点数据，分辨出哪些数据是实时需要的，哪些数据是需要存储，为以后 工程人员查询所需要的，并形成实时网络性能管理、故障性能告警、客户感知 预警、客户投诉处理、市场营销支撑等应用功能及数据模块。 本文探讨一种基于大数据平台的移动信令系统。
基于手机信令的实时交通系统技术方案 基于手机信令的实时交通系统 技术方案 东软集团.沈阳东软交通信息技术有限公司 2014年5月
基于手机信令的实时交通系统技术方案 目录 第一章综述 (1) 1.1背景 (1) 1.2术语,缩略语 (1) 1.3技术方案概述 (2) 1.4技术方案特点 (3) 1.信息采集的覆盖范围广 (3) 2.建设成本较低，建设周期较短 (3) 3.维护成本低 (3) 4.信息的实时性强，准确性高 (3) 5.数据附加价值高 (3) 第二章系统方案及关键技术指标 (4) 2.1系统全景图 (4) 2.2系统技术架构图 (4) 2.3系统关键技术指标 (5) 2.3.1信息覆盖度 (5) 2.3.2信息准确率 (6) 2.3.3信息实时性 (6) 2.3.4方案适用性 (6) 2.4系统功能 (7) 2.4.1实时路况展示 (7) 2.4.2历史数据展示 (9) 2.4.3车流量统计 (10) 2.4.4区域热点分析 (11) 2.4.5出发地/目的地分析 (12)
第一章综述 1.1 背景 随着经济和社会的快速发展，深圳市面临着城市化和机动化的双重压力，城市的高密度集中开发，居民经济收入的不断增加，导致了城市交通需求的迅速增加。到2014年4月，深圳机动车保有量达到了276.41万台，包括357公里高速公路，全市道路总长6164公里，每公里车辆密度达到440辆，超过了国际每公里270辆的警戒线，交通压力巨大。 经过若干年的探索和实践，深圳市公安局交通警察局已经在交通控制和管理领域积累了不少经验，为保证深圳道路交通畅通作出了很大贡献，已建立了合理有效的数据综合利用机制，以传统的交通信息采集系统（环形线圈，视频摄像头）采集的流量数据、占有率、速度、配时等基本交通参数为基础，通过信息化手段和通信技术来处理、分析和管理深圳市的交通数据以及事件信息，通过平台处理融合以及定性与定量相结合的交通状况分析、评价、预测，科学诊断存在的交通问题为交通诱导等系统提供交通事件、拥挤度、行程时间预测，为广大市民提供交通服务；同时反馈给交通控制系统和122接处警系统，为决策提供定量依据，进一步优化总体区域控制策略，科学调度警力，实现了交通管理各系统的互联互通，采用这种精确、敏捷、高效、全天候的交通管理新模式实施现代化交通管理。 在现有信息源采集的基础上，深圳市公安局交通警察局一直在寻求新的交通信息采集手段，增加信息采集密度，丰富信息来源，目标就是提高预警报警的准确性，更好的为广大市民和交通管理者服务。基于手机信令采集的实时交通信息系统可以在交通信息的准确性、实时性和地理覆盖范围上相较于传统信息采集方式有重大技术突破和实用价值。 1.2 术语,缩略语
Computer Science and Application 计算机科学与应用, 2020, 10(8), 1471-1479 Published Online August 2020 in Hans. https://www.doczj.com/doc/be1829247.html,/journal/csa https://https://www.doczj.com/doc/be1829247.html,/10.12677/csa.2020.108154 Traffic Spatiotemporal Big Data Analysis and Mining System Based on Mobile Phone Signaling Data Mengli Lu, Siqiang Wu, Changchao Chen, Shichao Feng, Wei Li* School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou Jiangxi Received: Jul. 26th, 2020; accepted: Aug. 10th, 2020; published: Aug. 17th, 2020 Abstract This paper builds a pseudo distributed big data environment, and takes the user’s mobile phone signaling data as the data set. The data processing mainly includes six steps: data input, data cleaning, data buffering, data processing, data storage and data visualization. Firstly, flume’s tail-dir source is used to clean the mobile phone signaling data, and the data processing algorithm is designed and processed by spark programming. Then the processing results are stored in redis, MySQL and HBase databases to analyze the population thermal density, user residence and travel behavior. It creates the springboot background, references the Gode map API, and visualizes the processed data, which is convenient for the traffic management department to control the traffic situation and dispatch the vehicles. Keywords Thermal Diagram, OD Diagram, Dwell Diagram, Travel Analysis, Big Data, Mobile Phone Signaling 基于手机信令数据的交通时空大数据分析挖掘系统 卢梦丽，邬思强，陈长超，冯时超，李伟* 江西理工大学信息工程学院，江西赣州 收稿日期：2020年7月26日；录用日期：2020年8月10日；发布日期：2020年8月17日 *通讯作者。
分析常用数据信令 Messages 窗口：消息窗口 Measurement Report：测量报告 Type：类型→Direction：方向→Measurement Report：测量报告→measResults：测量结果→measId：测量标识→measResultPCell：测量主小区→MeasResultEUTRA：测量结果主小区 RRC Connection Reconfiguration：RRC连接重新配置 Type：类型→Direction：方向→RRC Connection Reconfiguration：RRC连接重新配置→rrc-TransactionIdentifier：RRC交易标识→criticalExtensions：鉴定延迟→mobilityControlInfo:移动控制信息→target PhysCellId：目标物理标识→carrierFreq：承载频率→additionalSpectrumEmission：→radioResourceConfigCommon：无线资源下载→rootSequenceIndex：→→pdsch-ConfigCommon：物理信道下载→referenceSignalPower：→securityConfigHO：→handoverType：切换类型→intraLTE：→keyChangeIndicator：钥匙改变指示器。 RRC Connection Reconfiguration Complete：RRC连接重新配置完成 Master Information Block：主信息块 Sys Info Type：系统信息类型 Events 窗口:事件窗口 Handover start：切换开始 Handover success：切换成功 Handover Laterncy info：切换所需要的时间信息 Handover Delay：交接延迟 Random access success：随机访问成功
手机信令数据用于总体规划实施评估相关技术与方法建议 同济大学钮心毅潘海啸施澄宋小冬2017. 03
城市总体规划实施评估 ?城市建设状况是规划实施评估的基础，全面了解了状况，才可能评价规划是否起到了作用，规划的效果如何。 ?评估城市规划的传统手段主要是两种：一是绘制现状图，二是汇总各种规划许可（“一书两证”为主）。在没有信息技术条件下，这两项工作也可做，有了信息技术，工作量可以大大减轻，质量也会提升。但是靠这两个传统途径，要对城市“把脉”，初步而粗浅。 ?“手机信令”作为一种新型的数据源，对规划人员了解城市建筑状况，有明显优势： （1）只要开机，每台机每天至少有十几条信令记录，可以知道什么时候，在什么位置，到哪里去了。 （2）除了调查成本低，样本量极大，除老人、儿童，覆盖人群比例高。 （3）用户对调查的主观干预极小，样本的客观信高。 “手机信令”也有局限性：（1）定位有误差（大约几百米），（2）缺少用户的社会、经济属性。 对城市总体规划来说，定位误差可以接受，用户的属性要靠其他途径来弥补。 目前，手机信令较多用于研究交通，较少用于研究城市规划。
?适用领域之一：中心城区空间结构、空间布局的实施评估 传统方法：使用土地使用现状数据分析空间布局实施状况，无法判断片区、组团之间空间联系。手机信令数据：通过居民出行联系测算城市各个片区之间联系，定量分析城市组团、片区形成空间结构。 ?方法 通过手机信令数据测算居民的居住地、就业地，获取各个片区居民的通勤联系。 以通勤联系数据测算片区之间的联系。
杭州市城市总体规划（2001-2020 年）1、主城：全省的政治、经济、文化、科教、信息 中心和旅游中心 2、副城 江南城：高科技工业园区，产、学、研协调发展的 现代化科技城和城市商务中心 临平城：城市先进装备制造业与现代服务业，区域 性商贸物流、旅游休闲等功能的综合性副城 下沙城：以杭州经济技术开发区和下沙高教园区为 骨干的综合性副城