手机用户上网时段的混合Markov预测方法

手机用户上网时段研究与预测对手机用户行为与模式分析、网络服务内容设计、网络黏性与心理、移动互联商业智能等具有重要意义。本文结合Markov模型和关联规则模型,提出一种手机用户上网时段的混合Markov预测方法——Lift-Markov（LM）方法,并采用中国某城市4G手机用户流量上网产生的流量收费数据进行实验验证与分析。研究发现：该实验区域37.66%的手机用户个体存在明显的以天为周期的周期性特性;本文所提出的LM方法在10、20、30、40、50、60 min间隔时的平均预测准确率都优于Markov模型和Mostvalue模型,其中在60 min间隔时能达到79.75%的平均准确率,优于Markov模型（74.64%）和Mostvalue模型（64.44%）;LM方法的预测准确率分布相比于其他2种模型都要窄,而且密度分布峰值最高、标准差最小,说明本文方法对人群的上网时段预测准确率较为集中与稳定,具有较好的预测性能。     

城市海量手机用户停留时空分异分析——以深圳市为例

识别海量手机数据中蕴含的行为模式,是地理学的一个研究热点与难点。目前,较多研究针对手机用户移动特征开展,而对停留及其模式的研究则相对较少;其时空分异规律对理解城市人群动态,甚至优化城市系统至关重要。本文根据人们日常时空约束条件定义了手机用户停留,提出了基于海量手机位置数据的手机用户停留模式的提取方法,以深圳市约790万个匿名手机用户一天的海量手机位置数据为例,识别出了覆盖约98%用户的典型停留模式,并结合该城市土地利用的空间分布与分异特征,剖析不同停留模式的手机用户空间分异特征和城市不同区域停留次数的时段分异特征。研究发现:(1)15种停留模式可覆盖约98%的手机用户,而且其一天不同的停留位置数量不超过4个;(2)15种停留模式手机用户在城市区域空间上的分布存在分异现象,严重受制于土地利用的空间分布;(3)城市不同区域停留次数的时段分异特征与该区域常住人口、人口密度,以及区域主要职能和性质存在较强的相关性。研究结论对理解城市手机用户行为模式的群体特征有积极的意义,对城市土地利用的科学决策和城市交通规划与预测有重要参考价值。     

基于大规模手机定位数据的群体活动时空特征分析

城市空间与居民行为不断交互,相互影响。探究城市空间中的群体活动分布及其时空变化能够帮助数据驱动的城市规划与城市治理。基于大数据的时空间群体活动研究是当前时空大数据研究的一个热点。本文以深圳市为例,基于约1000万手机用户在某一工作日的基站尺度的手机定位数据,识别用户停留位置和停留活动,重建活动语义信息,分析用户的停留点和停留活动的分布差异,研究群体活动的时空分布模式,探讨人群活动模式的多样分布特征。研究表明：停留位置和活动分布存在差异,每人每天平均的停留个数约为2.1个,而每人每天平均从事的活动约为3.4个;不同类型的活动在时间上存在波动;群体活动存在空间分异特征,整体上服从“空间幂律”。本研究揭示了城市空间中群体活动的多样性及其时空分布特征,对于城市居民活动研究、城市交通优化和城市规划具有重要的意义。     

基于AIS数据的船舶行为特征挖掘与预测:研究进展与展望

船舶行为特征挖掘与预测是水上智能交通系统的重要研究内容,也是交通运输工程领域的关键科学问题。为系统研究基于船舶自动识别系统（Automatic Identification System, AIS）数据的船舶行为特征挖掘与预测的研究现状与发展趋势,本文首先针对Web of Science(WOS)和中国知网（China National Knowledge Infrastructure, CNKI）收录的文献,用知识图谱分析软件VOSviewer对文献关键词进行处理,从文献计量学的角度生成高频关键词的聚类图谱和趋势演化。然后对基于AIS数据的水上交通要素挖掘、船舶行为聚类和船舶行为预测3个主题的研究内容、方法、存在问题进行了系统分析和展望,研究结果表明：① 在基于AIS的水上交通要素挖掘方面,主要集中在对AIS数据中表征船舶行为空间特征和交通流的时间特征单独挖掘分析,缺乏对AIS数据的时间、空间以及环境因素特征的关联挖掘,对于如何进行交通要素的关联融合挖掘研究还有待深入探索;② 在船舶行为聚类方面,研究主要是运用无监督聚类方法研究船舶航迹点和航迹段聚类,得到船舶航行行为模式的时空分布和船舶操纵意图辨识模型,然而融合多维特征的船舶轨迹的相似性计算方法、聚类参数的自适应选取以及船舶行为的语义特征建模有待进一步研究;③ 在船舶行为预测方面,主要集中在基于动力学方程、传统智能算法和深度循环神经网络的船舶行为预测研究,考虑船舶行为的随机性、多样性和耦合性的特点,运用混合神经网络模型以及神经网络与向量机、注意力机制相结合的模型实现多维的船舶航行行为特征的实时预测将是新的研究方向。最后提出了基于语义模型的船舶行为特征挖掘、基于深度卷积神经网络的船舶行为的预测和基于知识图谱的船舶行为特征挖掘和预测结果可视化等有待进一步研究的方向。     

基于手机定位数据的游客步行行为特征及与旅游区功能布局关系研究

对步行旅游区游客步行轨迹和行为特征进行研究,发现步行行为特征与旅游区功能布局的关系,有助于步行旅游区功能布局和空间格局的优化。本研究基于记录海量个体时空轨迹的手机定位数据,以十一黄金周期间鼓浪屿为例,使用数据挖掘与空间分析方法从步行游客空间分布、步行轨迹网络结构、街区间步行路径与速度、街区内步行速度等方面分析游客步行行为特征及其与功能布局的关系,并与规划文件比较,提出旅游区发展建议。研究发现,旅游区空间布局对游客步行行为特征存在直接影响。功能布局导致各街区游客到访率以及步行轨迹网络中心度的差异。游客更倾向于选择人流量大的街道作为步行游览路线。商业街区虽然游客密集,但是街道上的游客流量并不大。在热门景点区域,游览路线单一造成的拥挤,导致游客停留意愿较低。大尺度开发与互动体验欠缺使得自然景观区和某些热门景点对游客的吸引力不足。对比游客步行时空特征与旅游区功能布局,提出了旅游区功能布局优化策略。本研究为旅游区用地和旅游线路的优化提供量化支持,对智慧旅游和城市高质量建设均具有现实意义。     

基于滑动窗口的手机定位数据个体停留区域识别算法

手机的普及使手机定位数据成为分析个体时空行为特征的新兴重要数据源之一,并被逐渐应用到人口管理、城市规划、交通分析和流行病防控等众多领域的研究中。从手机定位数据中识别个体的停留区域是众多基于手机定位数据研究的重要基础环节。然而,当前常用的手机定位数据定位精度相对较低,且往往存在定位震荡和定位漂移导致的数据噪声,这些因素增加了从手机定位数据中识别停留区域的难度。为了提高从手机定位数据中识别个体停留区域的准确性,本研究结合个体行为的时空连续性,提出了一种基于滑动窗口的增长聚类算法。实验结果显示,相较常用的ST-DBSCAN算法和SMoT算法,对于采样时间间隔稀疏的手机定位数据,本研究提出的滑动窗口聚类算法在准确率方面的提升幅度最大可以达到35%。由于隐私问题,当前研究和应用中使用的大规模手机定位数据集中的时间分辨率往往较低,因此,本研究提出的滑动窗口聚类算法具有较为广泛的应用场景,可增强基于手机用户停留区域的众多研究结果的可靠性,为手机定位数据的广泛合理应用提供关键技术支撑。     

面向移动位置数据的移动性指标计算工具:设计实现与实践应用

大规模个体移动位置数据的涌现,为在个体移动特征的基础上充分理解群体移动特征、从精细的时空尺度全面理解居民出行行为规律提供了条件,对时空行为、城市、交通等领域的研究以及空间规划的编制与评估、交通需求的分析与预测等领域的实践应用有重要意义。目前,尽管移动位置数据已在城市和交通等研究领域取得了广泛应用,但对其分析仍缺少通用的分析思路和操作便捷的工具软件。为方便相关领域的研究者和从业者使用移动位置数据,提升移动位置数据的应用价值,基于活动空间的概念,选取可表征活动空间外部形态和内在结构的移动性指标,提出了对个体移动位置数据进行定量化描述性分析的方法思路,设计并实现了计算移动性指标的工具软件。通过手机信令、出租车、公交刷卡、公共自行车4种不同类型的常见移动位置数据,展示了工具软件的不同应用场景。     

CLAB模型：一种乘客出租出行需求短时预测的深度学习模型

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明：(1) CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN...     

基于居民出行特征的北京城市功能区识别与空间交互研究

受区域功能分化影响,城市居民出行呈现出特定的时序特征,因而不同的出行时序特征可以反映区域功能的差异性。同时,区域功能的交互特征可以通过居民出行的空间交互活动体现。大数据时代的到来,使得以GPS数据为代表的个体时空大数据可以从微观视角反映居民出行特征。本文采用个体时空大数据,应用数据挖掘方法,从居民感知视角研究城市区域功能的差异性与联系性。以北京六环为研究区域,采用规则格网划分城市地块,通过北京市3个月的出租车GPS数据提取地块的居民出行时序特征。采用期望最大化算法进行聚类分析,并结合兴趣点数据和居民出行调查实现功能区识别,识别出居住区、商业娱乐区等6类功能区。从距离和时间2个维度分析功能区之间的空间交互特征,发现功能互补性在一定程度上削弱了空间交互强度的距离衰减效应,同时功能交互呈现出显著的时序差异。     

基于大规模手机位置数据的城市潜在自行车出行需求评估

潜在自行车出行是指可能会使用自行车作为交通工具的出行,评估潜在自行车出行需求能够帮助指导城市自行车资源配置方案的优化。大规模手机位置数据蕴含丰富的人群移动信息,而且具有大样本、低成本的特点,能够用于评估城市潜在自行车出行需求。本文结合自行车出行的时间和距离特征,提出一种基于大规模手机位置数据的潜在自行车出行需求评估方法。该方法以单次出行为分析单元,从手机用户的轨迹中提取出具有短距离出行特征和公共交通接驳出行特征的移动轨迹段,并根据该移动轨迹段评估潜在自行车出行需求。基于该方法,利用上海市大规模手机位置数据评估上海市潜在自行车出行需求并分析其时空分布特征,发现在空间上,潜在自行车短距离出行需求主要分布在城市中心和郊区的商业中心,而公共交通接驳的自行车需求主要分布在郊区。在时间上,上午,自行车出行需求从非中心城区向中心城区聚拢;晚上,上海市自行车出行骑车与停车需求从中心城区向非中心城区扩散。     

利用终端位置时空转移概率预测通讯基站服务用户规模

基站服务用户数的预测对通信基站的空间位置选取、通讯服务带宽的配置优化等有重要作用,并为城市公共安全管理方面中的人群聚集预警与群体事件预防提供辅助决策支持。本文利用海量手机轨迹数据,运用时空转移概率定量化描述城市内不同区域间人群流动的时空特性,结合马尔可夫链和贝叶斯定理,构建手机用户群体在基站间的时空转移概率模型,并以此提出一种城市区域尺度上的基站服务用户数预测方法。利用湖北省某城市长达30 d的手机轨迹数据进行模型训练与预测方法验证,实验结果表明：在时间粒度为60 min时,本文提出的方法对8-22时各时段基站服务用户数预测准确率都大于94.8%;在不同时间粒度下对比本文方法、Castro模型、移动平均法,发现在时间粒度大于20 min时,本文方法预测准确率高于另外两种方法。     

耦合手机信令数据和房价数据的城市不同经济水平人群行为活动模式研究

有效分析城市不同经济水平人群的分布特征和活动模式对优化城市资源配置和揭示空间隔离现象有着极高的价值。但人群活动和社会经济等级数据较敏感,使得以往研究仅停留在宏观层面,难以合理划分人群经济等级并对其空间分布和活动模式进行定量分析。本研究以深圳为研究区,基于空间位置关联分析方法,耦合手机信令数据和细尺度房价数据实现了人群经济水平的准确划分,通过计算活动指标定量的分析了不同经济水平人群的空间分布和行为活动特征。研究表明：深圳市不同经济水平人群活动分布与各行政区经济发展相关,呈现“南高北低,西高东低”的格局;深圳市不同经济水平人群之间活动模式存在差异,活动范围、出行距离、出行速度与经济水平存在正向相关;高经济水平人群职住地点相距较远,存在跨行政区分布的现象。本研究分析了城市不同经济水平人群的空间分布特征和活动模式,对城市规划和解决社会不平等问题具有重要的参考价值。     

华为P40手机北斗三频观测数据质量及噪声分析

研究华为P40手机终端北斗三频观测数据质量及噪声特性,通过与测量型接收机对比分析发现,P40手机海思芯片具有较好的北斗三号信号捕获能力,B1I、 B1C和B2a三频信号信噪比略低于测量型天线,且3个频点均存在与终端芯片相关的系统误差。外置天线零基线实验结果表明,P40手机海思芯片零基线定位精度达到mm级,伪距和载波相位噪声可达到测量接收机噪声精度水平,B2a伪距噪声优于0.5 m,3个频点的相位噪声均优于2 mm。     

基于手机定位数据的城市人口分布近实时预测

精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。     

基于Android的移动公交辅助导航系统设计与实现

基于Android移动开发平台,设计一款公交辅助导航软件系统。基于Android操作系统,结合SQLite数据库和百度地图应用程序编程接口,通过全球定位系统实时定位用户当前位置,完成公交线路查询、公交站点查询、出行线路规划等功能。同时,包括离线查询和在线查询,能满足用户在不同情况下完成公交信息查询和路线规划。创新性地提出了效率较高的"基于线路与站点的直达车搜索算法"、"基于直达车线路和站点的换乘车搜索算法"。实验结果表明,系统能运行于基于Android系统的移动设备,为用户出行带来方便。     

城市邻近基站间人群流动时空变化同步性分析

不同区域人群流量随时间的变化可以反映城市结构的空间差异。现有对于城市人群空间分布特性的研究大都以人群密度计算为基础,注重时空切片尺度,但是不能有效刻画邻域空间单元间流量变化的时空过程同步特性。本文提出一种基于基站间流量变化过程相似度的城市邻域基站流量变化同步性度量方法,量化分析不同区域的人群进出流量过程的相似程度,研究城市中具有相同人群流量变化过程的同步性区域空间分布规律。以深圳市为例,对城市同步性区域的空间分布与特点进行剖析。实验发现：计算同步性时参数选择需根据城市本身基站分布及流量特点分析,一般研究中,城市基站平均距离可作为邻近区域半径d,描述基站间流量变化相似度的特征阈值λ选取与邻近区域半径有关,半径越小,阈值取值越小。通过基站人群流量同步性得到的城市同步区域的空间分布不同于行政区域划分结果,同步区域面积小,划分更为精细;且规划级别越高的中心区,其范围内基站同步区域数目越多。最后,将同步区域结果与流量密度图对比,发现该方法不仅能够发现流量变化大的同步区域,并且能够发现城市中流量变化小的同步区域。本文提出的方法能量化衡量区域流量变化同步性并发现具有不同流量变化特点的同步性整体区域,对城市人群空间变化特点进行分析,可用于指导和评价城市规划与实际人群活动区域效果,以及城市服务设施布局等。     

基于手机数据的北京市城市与近郊交互模式挖掘

在城镇化进程中,城市与近郊之间通过职住、货运、游憩等活动产生越来越紧密的交互联系,对于这些交互联系的准确识别和定量刻画,是理解城乡空间关系的重要手段,也能为城市的资源有效配置与合理规划提供重要的现状信息。本文通过对全北京在一日之内的手机信令数据所反映的人群移动轨迹的深入分析,融合城市的POI信息形成顾及人类活动时空信息的空间交互类型推断。以北京市为例,对城市中心与近郊之间远距离的强交互进行定性、定量和定位的探索。本文发现了北京市多尺度下空间交互模式和距离衰减规律,判断了城乡异常交互类型,对比了城乡之间和城市内部的交互模式的异同,以及基于交互类型视角提取了城乡异常交互的空间特征。研究认为,基于手机信令数据,利用停留点提取和高斯核密度估计的空间交互类型推断有效地发现了北京市周末的远距离出行类型特点,提取了其空间交互强度和空间特征,揭示了基于人类活动的北京市周末城乡交互模式。