手机信令数据研究.pptx

信令数据应用研究结合交通状况进行分析数据简介01目录CONTENTS哈尔滨数据情况介绍02关键算法技术研究03主要中间成果表04以案例为导向的指标特征分析05冬季数据获取的必要性及未来研究方向06数据简介01PART 应用背景交通需求压力的增加缓解措施机动化城市化城市群交通基础设施建设交通信息化智慧城市外来人口科学规划数据基础、定量分析结合大数据的利用（包括数据）为规划、运营、管理提供支撑研究目的摸清现状摸清职住分布现状状情况以及掌握居民出行时空特征在此基础上，实现交通规划、交通设计与交通运营管理的定量化、科学化、层次化，有助于对症下药地缓解城市交通问题01丰富数据资源旨在弥补甲方现有数据采集手段的不足，通过机房内提取的通用格式的中间成果数据为哈尔滨市今后相关规划提供了充足的数据支持尤其是在城市空间发展模式的评估、城镇空间联系判断以及城市群一体化发展评估等方面提供了有力的支撑02信令数据在交通规划领域中的应用优势对用户的出行活动的追踪对城市空间结构的判断特征人群分布分析移动用户24小时的连续记录形成轨迹，追踪人的出行活动数据可以识别并获取全省乃至全国范围的数据，从而可以从国家、区域层面来分析数据，获得过去难以达到的视野高度反映人口岗位现状工作休闲、娱乐、办事家通过连续样本可以确定单个用户的居住地和工作地，从而确定出行链特征数据既能对海量大样本的全样数据进行观察，也可以通过长期连续的数据学习对特征人群行为特征进行识别用户画像特征数据与基站信息序号字段名称描述1MSID识别号，唯一标识2REGIONID所属区域（归属地）编码3Age年龄4Sex性别序号字段名称描述1LAC位置区编码2CellID基站编码3Lon基站位置的经度4Lat基站位置的纬度用户画像特征基站信息表工作思路技术路线哈尔滨数据情况介绍02PART 研究范围研究范围：覆盖9个行政区（南岗区、道里区、香坊区、道外区、松北区、平房区、呼兰区、双城区、阿城区）以及相对应的交通小区区划。

数据范围与数据周期数据范围本项目采集的信令数据由黑龙江省移动公司提供采集研究范围内中国移动用户（包含漫游至该区域的用户）产生的信令数据哈尔滨市市域采集的基站共71361个，结合九大行政区范围筛选后基站数量为52581个数据加工处理（数据标准化）封箱法以栅格形心替代栅格内其他基站市域空间栅格化数据范围与数据周期数据周期2018年6月23日-7月1日和2018年9月13日-10月3日（共30天有效数据），日平均记录数为用户数为530万，日平均总记录数为2.4亿次，平均用户记录数为50条日均信令数在40条的用户频次最高（超过总数的22%），日均信令数的用户频次没有出现异常情况日均信令数用户频率01002003004005006000.00%5.00%10.00%15.00%20.00%25.00%数据质量分析结果类型天平均用户数平均总记录数平均单位用户记录数周末537339221493568040周一534543026727150050周五538532529619287555平时工作日526507524745852547国庆542670323249482343数据质量情况分析0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223240.00%5.00%10.00%周末周一周五平时工作日国庆各类型天各时段信令数分布40条以上 除国庆外来人口大量涌入外，其他类型天信令数据产生规律稳定。

关键算法技术研究03PART 职住判别算法研究职住判别算法研究夜间在家时段居民夜间在家时段为22点至次日6点夜间在家停留时长分析（候选栅格的判断标准）夜间停留时间2小时，出现天数频率阈值如果用户仅识别出一个夜间停留地点，则该地点即为家如果识别出多个夜间停留地点，出现频率最大和总时长最大的地点即为家居住地扩样分析用户居住地判断流程：阈值选取范围0.5-0.8根据RMSE判断结构性偏差职住判别算法研究用户工作地判断流程：阈值选取范围0.5-0.8根据RMSE判断结构性偏差白天工作时段居民白天工作时段为09点至18点白天停留时长分析（候选栅格的判断标准）白天单次停留时间3小时，出现天数频率阈值如果用户仅识别出一个白天工作停留地点，则该地点即为工作地如果识别出多个白天停留地点，出现频率最大和总时长最大的地点即为工作地工作地扩样分析职住判别算法研究出行OD算法研究3个用户一段时间内的轨迹图 基于有效停靠点算法得到的中间表，根据用户相邻停靠点的出行距离（大于500M），停靠点停留时间（大于30分钟）作为特征判断阈值主要中间成果表04PART 常住与流动人口统计数据字段名称字段类型字段含义F_homeString居住地栅格编号(500*500m)F_workString工作地栅格编号(500*500m)GsdString归属地AgeString年龄段CovInt人数居住与工作人口空间联系结果表字段名称字段类型字段含义FString栅格编号(500*500m)GsdString归属地AgeString年龄段Cov_homeInt居住人数Cov_workInt工作人口职住人口结果表常住与流动人口统计数据人口流动结果表字段名称字段类型字段含义DateString日期FString栅格编号(500*500m)GsdString归属地AgeString年龄段MarkString白天夜间标记CovInt人数出行信息数据字段名称字段类型字段含义TimestampString时间戳（精确到小时）F_fromString出行起点栅格编号(500*500m)F_toString出行终点栅格编号(500*500m)F_homeString居住地栅格编号(500*500m)F_workString工作地栅格编号(500*500m)Mark_cityString是否为进出城（0进城、1出城）Type_cityString进出城标记（0道口、1机场、2火车站）GsdString归属地AgeString年龄段CovInt人数DisDouble出行距离（米）TimeDouble出行时耗（秒）出行信息数据24小时人口分布数据24小时人口分布数据字段名称字段类型字段含义TimestampString时间戳（精确到小时）FString栅格编号(500*500m)F_homeString居住地栅格编号(500*500m)F_workString工作地栅格编号(500*500m)GsdString归属地AgeString年龄段CovInt人数以案例为导向的指标特征分析05PART 5.1哈尔滨市城市人口岗位分布特征哈尔滨市人口分布情况图（行政区/小区）5.1哈尔滨市城市人口岗位分布特征哈尔滨岗位分布情况图（行政区/小区） 南岗区的人口密度和岗位密度均位列第一位，其次是道里区和香坊区；平房区的岗位数相对其他行政区来说较少；外围郊区的岗位数和人口数普遍低于中心城区。

5.1哈尔滨市城市人口岗位分布特征岗位分布（老小区）人口分布（老小区） 配合叠加的卫星影像图对各交通小区的人口和岗位数的分布结果进行了抽样校核，基本符合现状特征5.2哈尔滨市职住平衡分析从行政区层面上来看，职住平衡情况较高的行政区依次为道里区、南岗区和香坊区；外围郊区普遍职住比较低；哈尔滨北部区域职住平衡情况要好于南部区域，跟城市发展还有产业布局等因素有关；平房区出现了较为明显的岗位和居住的不平衡情况哈尔滨职住平衡情况分析图（行政区）5.3江北江南的人口和岗位分布情况行政区级别人口岗位密度分布交通小区级别人口岗位密度分布街道办事处级别人口岗位密度分布九区范围内总体人口岗位分布5.4江北江南的人口和岗位分布情况城市不同范围内职住比分析二环内居住人口和岗位数量基本持平，但是二环至三环之间，岗位数量为居住人口的68%，二环外的岗位数量较少，这就导致外围区域的居住人口会发生大量的工作通勤需求来进出二环研究范围二环内二环至三环之间居住人口814318781139岗位数量647629531396职住比0.80.68城市二环、三环范围人口岗位数量5.5江北江南的人口和岗位分布情况江北新区总体人口岗位分布江北新区CBD区域岗位密度江北新区范围内人口岗位分布江北CBD工作人口居住地分布在江北CBD区域内工作的人员居住地来源主要在江北范围内占总居住人口的96%，区内出行强度明显，跨江交换量较少。

5.6江北江南的人口和岗位分布情况江北新区不同年龄段切片人口岗位分布2235岁人口分布2235岁岗位分布60岁以上人口分布3660岁岗位分布不同年龄段人群居住和工作活跃地不一样5.7江北江南的人口和岗位分布情况40岁以下人口数量占比40岁以上人口数量占比从年龄切片数据来看，江北新区是年龄结构比较年轻的组团，1825岁人口占比最大，40岁以下人口占总人口的比例约为62%60岁以上人口占比为8.31%，尚未达到老龄化社会当一个国家或地区60岁以上老年人口占人口总数的10%，或65岁以上老年人口占人口总数的7%，即意味着这个国家或地区的人口处于老龄化社会）江北新区不同年龄段切片人口岗位分布5.8江北江南通勤出行情况分析九个行政区的区内早高峰出行OD量均大于除自身外的其他行政区，即早高峰区内出行明显道里区、南岗区和香坊区具有较强岗位吸引的出行需求，九区范围内早高峰通勤量为326660人全市各行政区工作日早高峰通勤ODOD阿城区道里区道外区呼兰区南岗区平房区双城区松北区香坊区阿城区151573201652044910033109396道里区218364014716999956627736119464476道外区1853474232938485371615213354008呼兰区271077505158768916511850588南岗区383124931015483445759944392161414966平房区1374671595512799873242341935双城区751213713151241645924113松北区21229621185181320625613695761282香坊区422418537112889783358817654931459早高峰时段各行政区通勤期望线早高峰时段各行政区通勤起终点出行量分布早高峰行政区级别OD出行量5.8江北江南通勤出行情况分析各行政区内部平均出行距离为4公里左右，全市9区范围内的早高峰通勤平均距离为7.2公里。

对于岗位所在地的强吸引基本是随着通勤距离的大小而变化，但也有例外，由于呼兰岗位吸引力不足导致虽然松北和呼兰距离较近但早高峰通勤吸引力不足全市各行政区工作日早高峰通勤平均出行距离早高峰行政区级别平均出行距离OD阿城区道里区道外区呼兰区南岗区平房区双城区松北区香坊区阿城区4.6053.5847.8468.8050.7030.8426.6576.1835.80道里区55.804.469.9023.918.6524.7029.5713.7013.91道外区48.1111.943.8223.098.1230.1663.3611.769.91呼兰区76.2726.2622.394.7130.5657.4280.6311.4630.66南岗区50.378.156.6927.663.6417.9538.1416.176.64平房区17.7325.1830.4155.7818.462.8917.5338.1111.55双城区19.7337.1354.2754.0135.8417.484.8564.9641.46松北区73.5713.9114.8012.1519.0738.1560.833.8723.10香坊区29.5813.5211.5534.408.015.8435.4122.703.855.8江北江南通勤出行情况分析以2018年6月27日全天数据为例，全天的居民出行总量5167454人次，不同时段总出行人次不同。

全天出行量分时占比工作日早晚高峰时段通勤量与。