基于手機信令出行鏈的od矩陣獲取方法
【技術領域】
[0001] 本發明涉及一種手機信息處理方法，具體為基于手機信令出行鏈的0D矩陣獲取方 法。
【背景技術】
[0002] 0D調查即起訖點調查，其中"0D"表示起點(Origin)與終點(Destination)，是對某 一調查區域內出行個體的出行起點和終點的調查。其目的是通過調查了解出行個體的交通 起訖點，交通小區間發生的出行次數，獲取道路網上交通流的構成、流向、流量等數據。目前 的0D調查方法一般參考美國交通工程協會（ITE)、中國公路學會與中國住建部制訂的相應 規范，大多數發展中國家與城市主要采用入戶、電話采訪等方法，需要消耗極大的人力、財 力與資源，存在調查時間長、樣本數量偏少、數據不精確與獲取的數據實時性差等問題，難 以隨時獲取指定日0D數據。
[0003] 近年來，隨著手機用戶的急劇增加、使用成本的大幅度下降，可以利用手機信令數 據進行數據挖掘，能夠提取出行個體出行信息，刻畫職住地，描述出行鏈，同時還可識別交 通方式，利用手機數據使得構建全方式的0D矩陣、分方式0D矩陣成為可能。專利 CN201110033833.4《一種基于手機定位數據的出行0D矩陣獲取方法》公開了技術方案為，首 先確定某一路網區域的交通小區劃分方案，然后獲取上述路網區域中指定路網范圍的所有 出行群體在某一時間范圍內的所有手機定位數據，再對每個移動用戶的每個位置點進行位 移狀態判斷。根據上述判斷，獲得每個移動用戶在某一時間范圍內產生的每次出行的起點 和終點，并將其映射在相應的交通小區上，對識別出的所有出行行為進行分組統計，形成原 始的出行0D矩陣數據。
[0004] 該技術缺點為，數據源為手機定位數據，但是對于具體手機定位數據來源與數據 結構描述不清，手機定位數據來源包括CDR與TDR等，獲取的方法有TD0A與Α0Α等，不同類型 對應不同的數據精度。對出行只考慮了出發點與到達點，無法識別多目的的多次出行，所以 只能得到粗顆粒度信息0D矩陣，無法得到包含多次出行的0D矩陣。并且對于出行個體的出 行方式沒有進行判別，只能借助四階段法的交通方式劃分模型對出行方式進行推測。另外 該技術沒有對移動時空軌跡進行刻畫，所以在完成出發、到達位置到交通小區映射的時候， 只能借助出發、到達位置。當點落在兩個交通小區邊界上時候，只能通過兩個小區的面積額 為權重，按照隨機概率分配映射的小區，偏離實際情況。
【發明內容】
[0005] 針對上述技術問題，本發明提供一種基于手機信令出行鏈的強實時性、低成本、高 精度的0D矩陣數據的獲取辦法。
[0006] 具體技術方案為：
[0007] 基于手機信令出行鏈的0D矩陣獲取方法，包括以下步驟：
[0008] 步驟1:按照采樣要求獲取指定日手機信令出行鏈數據。該數據是利用手機信令數 據，通過職住地識別，出行鏈刻畫，交通小區映射，判別交通方式等手段獲取的，具體方法應 用專利【申請號】20 1 5 10452403 . 4《手機信令數據職駐地與出行鏈》和【申請號】 201510452430.1《手機信令數據出行方式判別》所公開的技術。
[0009] 該步驟中，所采取的手機數據的類型為手機信令出行鏈數據，該數據包含移動用 戶編號、時間戳、煒度、經度、停留點類型、停留點映射交通小區、交通方式。數據的獲取時間 按照取樣的要求可以為指定時間。
[0010] 步驟2:利用手機信令出行鏈數據確定出行0、D點。利用步驟1得到的手機信令出行 鏈數據信息根據相應判別規則確定出行的〇、D點與主要出行方式。
[0011] 步驟3:根據抽樣系數對樣本進行擴算。將步驟2得到的標記、判別處理后的手機信 令出行鏈數據按照居住地所在小區的抽樣系數的倒數進行擴算，得到總體數據。
[0012] 步驟4:獲取粗顆粒度信息0D矩陣數據。將步驟3中得到總體數據中的每個移動用 戶的每次出行〇、D點所標記的停留點映射的相應交通小區信息進行統計。得到所有的交通 小區的發生交通量與吸引交通量，匯總各個交通小區的數據，形成粗顆粒度信息0D矩陣數 據。
[0013] 步驟5:獲取分方式0D矩陣數據。將步驟3得到的總體數據按照數據中的主要交通 方式進行分組，然后按照不同交通方式統計每個移動用戶該交通方式出行的每次出行〇、D 點所標記的停留點映射的相應交通小區信息進行統計。得到所有交通小區的相應交通方式 的發生交通量與吸引交通量，匯總各個交通小區的數據，形成相應交通方式下的0D矩陣數 據。
[0014] 步驟6:獲取多次出行0D矩陣數據。將步驟1的數據利用步驟3的方法擴算得到總體 數據中的每個移動用戶的居住地、工作地與活動目的地(此處的活動目的地為非工作非上 學的其他活動目的地)映射的相應交通小區信息進行統計。得到所有的交通小區的發生交 通量與吸引交通量，匯總每個交通小區的數據，形成多次出行0D矩陣數據。
[0015] 步驟7:輸出交通發生吸引量柱狀圖與相應0D期望圖。根據步驟4一6的0D矩陣數 據，輸出相應的交通發生吸引量柱狀圖與0D期望圖。
[0016] 輸出的0D期望圖與交通發生吸引量柱狀圖，不但有粗顆粒信息的0D期望圖與交通 發生吸引量柱狀圖、并且有多次出行的0D期望圖與交通發生吸引量柱狀圖，還有分方式的 0D期望圖與交通發生吸引量柱狀圖。
[0017] 本發明提供的基于手機信令出行鏈的0D矩陣獲取方法，利用符合國家法律隱私規 定、獲取方式簡單、獲取成本低、信息樣本大、取樣時間靈活的手機信令信息刻畫的出行鏈 數據構建粗顆粒信息0D矩陣、分交通方式0D矩陣與多目的地的多次出行0D矩陣，為一種實 時性較強，精度高的0D矩陣數據的獲取辦法。并且能夠描述城市的交通特征以及演變過程， 對于城市交通規劃提供數據基礎和為城市規劃與建設提供數據基礎。
【附圖說明】
[0018]圖1是本發明的流程不意圖。
【具體實施方式】
[0019]結合實施例說明本發明的【具體實施方式】。
[0020] 基于手機信令出行鏈的0D矩陣獲取方法，過程如圖1所示。
[0021] 步驟1:獲取手機信令出行鏈數據
[0022] 采用的數據基礎是手機信令出行鏈數據，按照采樣要求獲取指定日調查區域所有 移動用戶的手機信令出行鏈數據。該數據是利用手機信令數據，通過職住地刻畫、出行鏈描 述、交通方式判別等手段獲取。具體方法應用專利【申請號】201510452403.4《手機信令數據 職駐地與出行鏈》和申請號:201510452430.1《手機信令數據出行方式判別》。該手機信令出 行鏈數據包含移動用戶編號、時間戳、經度、煒度、停留點類型、停留點映射交通小區、交通 方式。獲取手機信令出行鏈數據包含整個調查區域所有移動用戶的數據，其中移動用戶 A000001的手機信令出行鏈數據如表1所示。
[0023] 表1移動用戶編號A000001手機信令出行鏈數據
[0024]
[0025] 步驟2:利用手機出行鏈數據確定0、D點。
[0026] 步驟2.1:0、D點判斷。先將步驟1得到的手機信令出行鏈數據按照移動用戶編號進 行提取，對同一移動用戶編號的手機信令出行鏈數據中的停留點類型進行統計，如果停留 點類型只存在居住地與工作地，則檢索相鄰停留點映射交通小區是否相同，如果相同則將 相同停留點合并為同一停留點，然后按照時間戳升序依次判斷停留點為出行〇i點與Di點（i =1，2,…，η);如果停留點存在居住地、工作地與活動目的地點，則剔除掉活動目的地點，然 后檢索相鄰停留點映射交通小區是否相同，如果相同則將相同停留點合并為同一停留點， 然后按照時間戳升序依次判斷停留點為出行〇i點與Di點（i = l，2,…，η);如果停留點存在 居住地與活動目的地點，但不存在工作地，則保留停留時間最長的活動目的地點，剔除其他 活動目的地點，然后按照時間戳升序依次判斷停留點為出行〇i點與Di點（i = 1，2，…，η);最 后將〇、D點判斷信息添加到手機信令出行鏈數據之上。
[0027] 具體的，先檢索移動用戶A000001的停留點類型，發現存在居住地、工作地與活動 目的地，所以刪除時間戳201505200113110與201505200131327所對應的的活動目的地79與 76,刪除后的結果如表2所示。然后檢索相鄰停留點映射交通小區是否相同，發現存在停留 點映射交通小區93相鄰且相同，所以將時間戳201505200111017與時間戳201505200113611 對應停留點合并，合并后結果如表3所示。最后移動用戶存在3個停留點即存在兩次出行，則 標記第一次出行的停留點映射交通小區82與93分別標記為01點與D1點，標記第二次出行的 停留點映射交通小區93與82分別標記為02點與D2點，標記后的結果如表4所示。最后將手機 信令出行鏈數據添加到手機信令出行鏈數據之后，添加后的結果如表5所示。
[0028]表2剔除掉活動目的地點
[0029]
[0030] 表3合并相鄰停留點
[0031]
'
[0032] 表40、D點標記
[0033]
[0034] 表5移動用戶編號A000001手機信令出行鏈數據0、D判斷結果
[0035]
[0037] 步驟2.2:主要出行方式判斷。將步驟2.1得到的0、D點標記的停留點，統計0、D點間 的交通方式，如果交通方式為單一方式，則判別〇、D點間的出行交通方式為該單一方式;如 果交通方式存在多種類型，則選取出行時長最長的交通方式為〇、D點間的出行交通方式。以 實例的形式輔助說明，檢索Ch點與DA間的交通方式，發現只存在自駕車，所以(h點與DA 間主要交通方式為自駕車;檢索〇2點與〇2點間的交通方式，發現存在兩段出行，但是出行方 式為單一自駕車出行，所以〇 2點與出點間主要交通方式為自駕車。最后將主要交通方式判別 信息添加到步驟2.1移動用戶編號A000001手機信令出行鏈數據0、D判斷結果信息之后，添 加后的結果如表6所示。
[0038]表60、D點標記與主要交通方式判別處理的手機信令出行鏈數據 [0039]
[0040]步驟3:根據抽樣系數對樣本進行擴算
[0041]將步驟2得到的標記、判別處理后的手機信令