结合手机信令数据和地理空间数据的居民职住信息识别

基于手机信令数据和地理信息数据,融合地理信息空间运算能力,创新性地提出了一种识别居民职住信息的方法。在Spark平台上,首先运用地理信息空间分析服务将手机信令数据绑定至地理实体,再通过降噪算法完成定位校准和信令数据的清洗、加工,最后构建数学算法和模型得到居民的工作地和居住地。以成都市居民连续两周的手机信令数据为例,验证了该方法的可行性,该成果将会为商业选址、客群管理、城市规划等应用提供数据支撑。     

一种基于多源数据验证的手机信令数据分析结果不确定性研究方法

手机信令数据被广泛应用于城市人群的动态特征分析,但其分析结果的不确定性尚不明确。因此,提出一种多源数据验证的不确定性分析方法。将从手机信令数据中提取的分布特征与多源数据进行对比,用人群代表性、转移覆盖率、聚集一致性3个指标评价分析结果的不确定性。并基于深圳市手机信令数据,选取了城市感知中人群分布、区域流动、热点识别3个典型城市动态特征,用人口网格分布、营运车辆GPS数据、高德兴趣点（point of interest,POI）等数据集对手机信令数据的分析结果进行验证,得出该区域手机信令数据分析结果的不确定性特征。     

基于手机信令数据的北京市人口空间分布特征

手机信令数据兼有时间信息和空间信息,是用于研究人口空间分布、城市空间特征较好的大数据。利用手机信令数据和乡镇区划数据,分类分乡镇分析提取不同口径用户数量及用户密度概率分布函数,北京市人口空间分布及其均衡性。研究发现：北京市人口分布呈现出由首都功能核心区向中心城区和新城扩散的态势,对于手机信令可分时段统计用户,呈现出人口密度分布并不平衡,中心城区和新城个别街道如卢沟桥街道、新桥街道、沙河地区等工作居住用户远超于其他乡镇街道,人口聚集明显;在职住方面,个别街道存在就业功能空间外溢,居住功能空间紧张的现象,职住用户分布不匹配现象。     

DBSCAN与Kmeans相结合的手机大数据聚类方法研究

时空大数据是目前研究的热点。如何从海量手机信令数据中获取有价值的信息是研究手机信令数据的难点。本文在基于距离的点聚合方法的基础上,提出了将基于密度聚类算法DBSCAN与基于距离聚类算法kmeans相结合的点聚合算法。采用DBSCAN与kmeans相结合的点聚合算法实现手机信令数据的可视化,不仅能避免手机信令数据在可视化时点数据的堆叠和覆盖问题,而且使得其聚合后获取数据的空间分布结构更准确。     

利用非负矩阵分解识别县域人群活动时空特征

对地区的人群活动时空特征进行识别,有利于认识地区空间结构特质,但现有研究对县域及以下层面的关注相对不足,且用于表征县域尺度人群活动的手机信令数据呈现一定的稀疏性,欠缺系统的数据处理方法。为此,以广东省新兴县为例,选取2020年工作日和周末两个特征日的手机信令数据构建时空矩阵,利用非负矩阵分解方法提取隐含的活动模式特征;并基于这些特征,通过k-means聚类算法得出各类功能区在县域的空间分布。研究表明,新兴县周末的夜间经济繁荣、人群活动模式丰富,中心城区的人群活动强度高,但同周边村镇的联系弱;县域内以居住功能为主导,不存在显著的功能分区。研究结果说明了利用非负矩阵分解方法可有效提取稀疏时空矩阵中的模式特征,可为县域国土空间规划编制提供科学的支持和帮助。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。     

基于手机信令数据居民出行链提取算法

研究居民出行链不仅能够准确预测交通状况而且对城市规划有着重要的意义。经典DBSCAN算法以距离衡量不能完全聚类时空大数据,本文以北京市手机信令数据为基础在经典DBSCAN聚类算法的基础上扩展时间维度提取用户出行链,实验表明该算法能够解决相同地点不同时间停留点判读问题,通过与经典出行链提取算法对比表明该算法具有可行性,并且在职住停留点提取方面比较符合实际情况。     

基于位置轨迹挖掘的城市居民职住地识别方法研究

城市居民居住与就业的空间组织在城市空间结构的研究中非常重要,居民职住地的识别则是城市居民职住空间组织研究的首要任务。本文从位置轨迹入手,在基于时间聚类提取出停留点序列的基础上,重点对停留点序列的时间特征进行分析,对其做进一步的归纳,筛选出职住地出候选类,最终完成居住地、工作地的识别。实验结果表明,该方法能够有效地从位置轨迹数据中识别出城市居民的居住地和工作地。     

基于手机信令数据的北京市景区游客时空活动特征研究

手机信令数据可以用于研究区域人群时空活动特征,但利用手机信令数据对景区客流活动规律探究的研究较少。本文基于手机信令数据,以北京市32个景区为研究对象,建立客流时空特征评价指标,对北京景区2021年3月1日至2021年5月13日的客流时空变化规律进行了分析。结果显示节假日和周末北京客流量有明显的增长,不同景区间存在客流拥堵差异,近80%的景区在节假日会面临较高的客流压力。研究结论可为北京旅游发展和风险防范提供信息参考。     

精细地图融合手机信令的城市人口时空分布特征研究

针对城市人口时空分布研究中缺乏以精细地图数据为支撑的地理分析方法、不能真实反映人类活动目的等问题,提出了一种精细地图融合手机信令的方法。该方法以地图为智能底板,基于信令轨迹中的基站位置与精细地块的类型,通过空间计算和时间推理得到手机用户在每个时段的驻留地块以及驻留时长,建立基于精细地块的人口空间化模型;识别每个地块中的职住人口和短期到访人口,再汇总得到任意目标区域的实际服务人口总量及人群结构,分时段研究人口流动和聚集变化特征。经过验证,该方法提升了人口时空分布研究结果的真实性和实用性,弥补了手机基站定位与用户实际位置存在偏差且无法准确识别居民行为规律的不足,为城市人口精细化管理、重点区域人流监测与安全保障、优化公共资源配置等提供可靠的决策支撑。