基于移动通信定位数据的交通信息提取及分析方法研究

樊莉莉

（安徽电子信息职业技术学院，安徽　蚌埠　233000）

基于移动通信定位数据的交通信息提取及分析方法研究

樊莉莉

（安徽电子信息职业技术学院，安徽蚌埠233000）

近年来，我国的城市化建设的进程与步伐逐渐加快，一味地通过传统的人工调查方法已经不能较好地获取数据信息，更无法很好地满足现代交通运行管理的需求.众所周知，迈入21世纪的我国在交通信息化建设方面越来越完善，更多的智能化信息采集手段能够为我国的交通管理与决策提供重要支持.现阶段，手机已经成为人们使用最广泛的一种移动通信工具，它可以利用现有的数据实现Cell-ID定位，从而有效记录了用户的连续出行轨迹，实现了对用户出行全过程的追踪.与其他普通的数据源比较而言，移动通信定位数据具有获取成本低、样本量大、覆盖面积较广以及数据实时性强等诸多优势.无可厚非，作为一种新型的数据获取方法，基于移动通信定位数据的分析应用能够提供大量的、丰富的数据支持，其应用前景被普遍看好.鉴于此，本文对移动通信的原理进行了介绍，分析了移动通信定位数据的特征，对交通信息的提取和分析方法进行了研究.

移动通信；定位数据；交通信息；提取；分析方法

当前，人们对交通信息的获取需求越来越大，现有的交通信息获取方式也越来越多样化，它们为我国的交通管理部门提供了重要的决策和依据，同时也为人们的出行提供了众多信息服务.当前，我国的交通网络负荷出现了超重的情况，因此我们迫切需要提高交通网络的运行效率.而交通网络运行效率的提高又离不开相关部门的交通管理、交通评估及交通规划等环节.那么，如何高效地采集和分析城市系统所产生和需要的交通信息成为当前的一个亟待解决的问题，研究该问题具有极其重要的现实意义和社会价值.

1　移动通信的原理分析

所谓移动通信，指的是通信的双方中至少有一方是在移动中进行信息传输和信息交换的，它即包括固定点与移动体（比如车辆、船舶和飞机等）之间，也包括固定点与移动体之间，还包括固定点与移动的人之间的通信，它们都属于移动通信的范畴.本文笔者所采用的移动通信数据源于GSM网络，即全球移动通信系统，它主要由移动台、移动网子系统、基站子系统和操作支持子系统等部分组成，移动台主要是公用GSM移动通信网中用户使用的设备，也是用户能够直接接触的整个GSM系统中的唯一设备.移动网子系统具有GSM系统的交换功能和多种数据库功能，它在用户与用户之间起着至关重要的作用.基站子系统是GSM系统中与无线蜂窝关系最直接、最紧密的一个组成部分，它能够通过无线接口直接与移动台进行连接，负责无线发送接收和无线资源管理.而操作支持子系统则需要完成更多的任务，比如对移动用户、移动设备等进行管理，对相关的网路进行维护.

2　移动通信定位技术

移动通信定位是一种通过特定定位技术来获取移动手机或终端用户的位置信息的.移动通信定位技术在当前常用的主要有三种，即Cell-ID定位法、TDOA或AOA定位法、A-GPS定位法，下面笔者对这三种移动定位技术的原理和优劣进行简要分析.

2.1Cell-ID定位法

Cell-ID定位法是根据移动终端所连接的蜂窝的位置来对用户的位置进行表示，所以它的定位精度主要取决于蜂窝信号的半径大小.在我国的广大城市郊区或者农村的偏远地区，单个蜂窝的信号覆盖面积较大，其定位的精度相对较低.而在城区范围内，蜂窝信号的覆盖面积基本在三百米左右.该定位方法的精度虽然较低，且定位精度差异大，但定位技术实现十分简单，无需移动终端外的其他设备就能连接到无线通信网络，就能够实现用户位置定位.

2.2TDOA或AOA定位法

TDOA或AOA定位法的基本原理是通过测量电波从发射机传播到多个接收机的传播时间或传播时间差来确定目标移动台的具体位置.这一定位方法通常适合用在CDMA系统当中，在中国表现为电信运营商.

上图中，通过移动台天线能够测出接收的基站电波入射角，在基站和移动台之间形成一根方位线.与此同时，能利用多个接收机来对AOA数据进行测量.相较而言，TDOA和AOA定位法的定位精度高于前一种定位法，缺点在于成本较高.

2.3A-GPS定位法

A-GPS定位法是在GPS定位技术的基础之上，通过无线通信网络对辅助数据进行传输，它是一种十分快速的定位方法，具有定位精度高、定位速度快等优点，其缺点在于技术难度大、不能有效解决室内的定位问题.

3　移动通信定位数据的特征分析

和普通的GPS数据不同，移动通信定位数据具有与众不同的特点，比如它具有离散性、不均匀性等特征，下面笔者对其特征进行详细介绍.

3.1蜂窝分布

利用Cell-ID定位法所定位的位置并不是用户的真实位置，和实际情况存在一定的误差.我们知道，移动通信定位数据的精确程度是由蜂窝的信号覆盖面积所决定的.因此，不难发现，在城市当中蜂窝分布的密度往往较高，而农村则相反.

3.2数据采集频率

本文的移动定位数据不能设定固定采集周期，其中高频率的采集数据只能在经过一定的事件之后才能被动地记录下来.所以，分析移动定位数据采集的频率和分布情况是当务之急.

3.3静止状态下的数据

在现实中，可能会有很多原因会造成用户所连接的蜂窝变化，比如电磁波的传播特性会导致同一点的信号强度变化，所以扇区信号的覆盖面积是不固定的.根据最强蜂窝信号连接规则，移动台会选择信号更强的蜂窝.

3.4运动状态下数据

移动台在道路上发生移动时，我们可以通过周边蜂窝实时与通信网络保持联络.事实上，只要周边蜂窝信号能够覆盖道路，用户就可以连接该蜂窝，但蜂窝的密度和信号强弱都会影响用户与基站的连接.

4　城市人口的居住地与工作地的判别方法

城市居住、工作岗位的密度和分布是衡量城市经济结构的重要指标，同时也是交通需求模型最重要的输入数据.然而，对于居住和工作数据的获取，通常是通过人口普查和居民出行调查的方式来实现的.人口普查能够获得详细的人口信息及分布情况，但是其调查成本相对较高，前后时差大，不能为交通规划提供准确数据.而居民出行调查也存在调查成本高、难度大、抽样率低以及抽样不均等缺点.

4.1交通小区的划分

受到定位精度的影响，我们不能像传统的人工调查一样对用户居住地或工作地进行精确判别，所以只能以小区为单位，结合用户连接的蜂窝位置等信息与之建立对应关系.传统上如果对交通小区进行划分，我们会把整个调查范围分为若干个交通小区，要求越全面、越细致地掌握交通源的特性.然而，众所周知，现代的交通源几乎都是大量的，且对每个交通源进行单独研究的工作量巨大，精确度也得不到保障，所以我们需要将交通源按照一定的原则有序地进行划分.

4.2居住地与工作地判别模型

我们可以根据用户在居住和工作时段的通信事件数据来对用户的居住地与工作地位置进行判断.当然，我们此处的研究对象排除诸如快递员、司机等无固定工作地点的用户.

此处笔者以北京某地区为例进行了研究.我们知道，北京市近年来实行了错峰上下班的政策，上午上班的时间有三挡，即8:00、8:30和9:00，中午则多数是在12:00下班.下午上班时间多数是13:30，下班时间有三档，即17:00、17:30和18:00，这样该地区的多数人都能包括在覆盖时段以内，我们选取的工作时段与居住时段如下图所示，全天工作时长为5.5小时，家里居住时长为6小时.

表1　居住与就业时段划分

通过调查分析不难发现，在工作时段与休息时段居民的通信事件特性也存在很大区别，如果差异越大，就越容易区分工作或非工作状态，选定下列指标的主要意图在于表征这种差异.

4.3基于移动定位信息的交通需求时空分布分析

轨道交通用户的居住地、工作地分布数据是为交通组织管理方案制定和轨道交通规划提供依据的.要想获取轨道出行用户的居住地和工作地信息，有两种方法可以选择，一种是通过居民出行入户调查的方式，另一种是通过在地铁站点发放问卷的方式.上述两种方法都是通过人工的方式展开的，而且我们的调查成本较高、时效性较差且不能长期获取数据.而利用移动定位技术获取信息更加方便和快捷.

5　结束语

总而言之，通过移动通信定位数据能够解决常用交通信息获取问题.笔者认为，在未来我们还可以从三个方面努力:一是通过移动通信定位数据获取居民出行信息时，我们应当在研究数据提取方法模型的基础上，对数据提取后进一步扩样至全样本进行研究；二是在交通运行速度的估计问题上有待进一步提高；三是在传统交通规划方法中由于受到数据获取的难易程度影响，很多因素限制了规划模型在交通规划中的应用，而移动通信定位数据又较好地弥补了这一点，这对我国未来的交通规划方法具有深远的影响.

〔1〕赖见辉.基于移动通信定位数据的交通信息提取及分析方法研究［D］.北京工业大学，2014.

〔2〕袁月明.基于手机切换定位技术的交通信息提取方法研究［D］.北京交通大学，2012.

〔3〕赵力萱，余志，何兆成，林科.基于移动通信数据的交通信息仿真系统［J］.中山大学学报（自然科学版），2009（04）：24-30.

〔4〕戴志鑫.基于多源数据的交通状态特征提取方法研究［D］.吉林大学，2013.

〔5〕柴彦威，赵莹，马修军，张艳.基于移动定位的行为数据采集与地理应用研究［J］.地域研究与开发，2010（06）：1-7.

〔6〕Keemin S，Daehyun K.Dynamic Origin-Destination Flow Estimation Using Cellular Communication System ［J］.Vehicular Technology，IEEE Transactions on.2008，57（5）：2703-2713

〔7〕Caceres N，Wideberg J P，Benitez F G.Deriving origin destination data from a mobile phone network［J］.Intelligent Transport Systems，IET.2007，1（1）：15-26.

〔8〕Yoo B，Kang S，Chon K，et al.ORIGIN-DESTINATION ESTIMATION USING CELLULAR PHONE BS INFORMATION［J］.Journal of the Eastern Asia Society for Transportation Studies.2005，6：2574-2588.

U495

A

1673-260X（2016）07-0030-02

2016-04-12