手机信令数据在城市道路交通量预测中的应用

颉带黎

摘 要 随着手机普及率及覆盖范围的增加，基于手机信令数据的交通量预测将是今后发展的必然趋势。因此，文章首先概述了手机信令数据在城市道路交通量预测中应用的原理，并详细论述了手机信令数据实现交通量预测的应用细节，以期更好的解决城市交通量预测中存在的问题。

关键词 手机信令；城市道路；交通量预测；有效应用

中图分类号 G2 文献标识码 A 文章编号 1674-6708（2019）233-0127-02

针对交通量预测而言，传统的OD调查（以下简称OD调查）所采用的方式主要有OD反推法或问卷调查法，但是在人口密集的大城市区域内使用，复杂程度较高，并且抽样率较低，致使预测结果的准确性和可靠性得不到有效的保障。由此，在现阶段的OD调查中，应用基于手机信令数据的调查方式，不但具有较高的抽样率，还具有更加细化的范围分割，有利于城市交通量预测的进一步优化突破。

1 手機信令数据调查方式与传统OD调查方式的特点分析

传统的OD调查方式主要有问卷调查法和OD反推法，就问卷调查法进行分析，其需要对城市居民的住房情况、出行方式以及居民特点进行详细的调查，在数据采样的过程中，抽样数据较低，并且居民出行使用交通工具并不是必然现象，在调查时无法认定居民长期使用同一种出行工具。此外，问卷调查这一方式在实际的实施过程中，复杂程度较高，为相关部门的协调工作增加了难度。往往在投入大量精力、物力、人力后无法实现理想的调查效果。

而手机信令数据调查方式改善了传统OD调查方式的不足，只需要对城市居民的交通出行方式进行调查，扩大了样本数量，在实施过程中所需要的人员数量较少，节省了成本消耗。同时，手机信令数据调查方式还可以更快的对城市交通数据进行更新，提高了调查的专业化程度。

2 基于手机信令数据的OD调查原理

基于手机信令数据进行OD调查的原理如下：手机信令数据可以被转化为OD表格，其中显示的数据主要反映的是城市道路交通的流量及流向，也就是在某一时间段内手机所属用户处在的基站位置标定。其位置标定具体是依靠正常位置更新、周期性位置更新以及切换这三个功能进行实现。其中正常位置更新能够获取到手机所属用户的当前位置[ 1 ]。而在此功能的应用中，收集信令数据主要含有IMSI、TimeStamp以及经度和纬度。其中IMSI数据是手机所属用户的唯一标识，TimeStamp数据表示的是发生手机信令数据的时间，而经纬度则是对用户当前位置的描述，由此对手机信令数据的位置进行区域编号LAC的明确。而周期性位置更新功能是为了避免手机处在“附着”的状态，采用GSM系统对其位置进行强制性周期更新的手段。此功能可以通过周期的自动更新，来对用户的下一个位置进行确定。功能切换主要是指手机位置由一个基站小区转移至另一个基站小区时进行的通信链路转换，这一功能是为了确保每个手机用户的位置都能通过线性方式进行模型表述。

针对一般情况而言，城市道路交通可行性研究的主要对象为长度大于500m的城市道路，而基站覆盖小区范围的半径普遍为100m，这样可以将城市道路划分为基站覆盖小区范围半径大小的正方形格状区域，从而满足城市交通量预测对基站划分的精度要求。同时其也是交通预测数据的理论基础[2]。

3 应用手机信令数据进行交通量预测的方法

在城市道路可行性研究中交通预测主要采用的是四阶段法，并且这种方法在不断的发展中已经趋于成熟。而手机信令数据在交通量预测中的应用并不会对四阶段法的关键步骤造成影响，只是提高了四阶段法各步骤的便捷程度和准确度。

3.1 交通生成步骤

一般情况下，交通生成的基础OD调查是通过居民现场调查的方式或基于断面流量的OD反推法进行调查数据的获取。而在此过程中手机信令数据的应用则是依靠对虚拟基站小区信息的整理来获取相应的OD数据[ 3 ]。基于手机信令数据的OD调查主要包括两个方面，一部分是生成虚拟小区，主要是应用地理信息系统对手机信令数据定位进行多对一的映射，将其映射到相应的交通区域范围内，并根据定位数据信息以及区域空间内位置数据的相互联系对各个手机信令数据的详细位置进行明确。之后对生成虚拟小区内的联系进行整理则能生成相应的OD表。另一部分则是对虚拟小区的整合，因生成的虚拟小区OD表细化程度高，划分的小区数量较多，并不能直接用作OD现状表。由此，需要结合实际的项目情况，对生成的小区之间的活动联系进行数据筛查整合，最终得到基年OD表之后，可以依照相关的规划对基站小区功能的调整状况进行明确，采用定量或定性的分析方式，构建相关模型，进而确定基站小区的未来交通发生吸引量[ 4 ]。

3.2 交通分布步骤

交通分布这一步骤主要是将上述进行的交通发生吸引量预测所得出的各基站出行量转变为基站小区相互间的空间OD量，也就是形成空间OD矩阵。在进行较为成熟的城市道路区域交通量预测时，假设未来OD交通量的分布形式与当前的OD交通量形式相同，普遍应用增长系数法进行处理，例如可以选用底特律法[5]。通过手机信令数据的应用则可获取到更为可信的现状OD表，在很大程度上提升了现状OD表的拟合度。如果对新区范围内的道路进行交通量预测，交通分布会因区域范围内用地规划存在着较大的变化情况，因此必须对分布交通量的实际情况进行分析，利用数学模型找出OD交通量的分布规律，并利用标定模型对分布交通量进行细致的预测。这种情况下多数使用约束重力模型进行预测处理。

3.3 方式划分步骤

方式划分这一交通量预测步骤主要指的是将每一个出行与相应的出行方式进行对应，从OD表的角度进行分析，这一步骤的关键是将以人为单位建立的出行矩阵转化成以车辆为单位。因当前手机信令数据的相关处理仍处于起步阶段，所能提取出的字段较为有限，所以在此步骤中，手机信令数据的应用主要是对位置变换的确定，并不能根据停止时间或数据轨道对每一次出行的交通方式进行细致的分析，所以此步骤的进行仍需要依靠传统OD调查的数据进行分析。与此同时，随着相关技术的不断发展，今后必将可以依照多种途径，例如信号密集度或手机用户行为等大数据分析方式对出行交通方式进行确定，进而有效提高方式划分步骤的精准程度。因城镇化建设的不断加快，城市道路交通系统愈加完善，每个人出行的方式也逐渐变的多元化。所以在进行此步骤时，最为合适的方法应选用非集计模型进行描述[ 6 ]。具体来讲，首先要利用OD调查所获取的单体数据进行分析估算，之后再依照解释性变量对交通量进行预测。普遍来讲，可以选用NL模型或MNL模型进行分析，其中解释性变量可以选为出行方式所显示的服务状况。

3.4 交通分配步驟

针对交通出行的行为来看，交通分配此步骤主要指的是将单体出行的路径进行选择性的汇总，具体来讲是将起迄点之间的交通流量的OD矩阵表示当作系统的输入文件。并且依照能够选择的出行阻抗，将各个OD矩阵交通流量在路网上进行分配。一般情况下，在交通分配步骤进行的过程中，可以选用随机用户平衡法来进行描述分析，而将手机信令数据在此步骤中的应用，可以使这种方法与现实中的路网流量更为接近[ 7 ]。并且在路网流量达到与随机用户相平衡时，使出行的手机用户在主观上认为自身不会因路径选择差异而造成预期内的增加。与此同时，在交通分配步骤中，为了能够完全实现随机用户的平衡，普遍采用TransCAD软件利用MSA计算方法也就是逐次平均法进行详细的计算分析，进而在描述过程中实现收敛的目的。

4 结论

综上，本文主要针对手机信令数据在城市道路交通量预测工作中的应用进行研究，并对其应用的要点及方法进行细致的分析，提出应用手机信令数据实现“四阶段法”交通预测的具体步骤。根据本文的分析结果显示，将手机信令数据作为城市道路交通量预测的基础数据，可以在一定程度上降低交通量预测的难度，使预测工作更为简便，并且保证了交通量预测结果的准确和可靠，值得在交通领域进行深入的研究和应用。

参考文献

[1]王浩淼，杨彬彬，姚远.基于手机数据与交通指数的关联分析算法研究[J].科技视界，2017（10）：56.

[2]章玉，罗克韧，唐刚，等.手机信令数据在高速公路路段速度获取中的应用探析[J].中国交通信息化，2017（11）：76-78.

[3]詹益旺，胡斌杰.基于手机信令的城市道路交通状态实时预测[J].电讯技术，2017（1）：96-98.

[4]冉斌.手机数据在交通调查和交通规划中的应用[J].城市交通，2013（1）：72-81.

[5]胡永恺，宋璐，张健，等.基于手机信令数据的交通OD提取方法改进[J].交通信息与安全，2015（5）：84-90.

[6]唐嘉立.基于手机信令数据分析的路网运行监控系统[J].中国交通信息化，2015（12）：115-117.

[7]郭晓妮.基于手机信令的交通流监测与出行信息服务系统[J].通讯世界，2017（14）：157.