基于手机信令数据的文明吸烟智慧选址研究

曾文清

摘 要：为规划文明吸引环境建设，抽取手机信令数据进行消费者轨迹分析，构建城市文明吸烟智慧选址评价指标体系，从吸烟点覆盖半径、服务时长和服务人数三个维度对文明吸烟场所的服务状况进行测度。采用泰森多边形离散点包络最优求解算法，通过编程计算，遴选吸烟点。以湖北省十堰市为研究对象，将遴选出的吸烟点与实际吸烟状况进行比对，基本吻合，能够较好的满足文明吸烟选址需求。

关键词：手机轨迹数据；文明吸烟；智慧选址

中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.16723198.2019.32.106

1 引言

文明吸烟环境建设，是行业参与美丽中国建设的重要途径，也是行业深入落实十九大“构建政府为主导、企业为主体、社会组织和公众共同参加的环境治理体系”要求的具体措施。然而，随手弹烟灰、丢烟头、街头流动吸烟等不文明吸烟现象由来已久，习以为常，极大地影响了文明环境的建设，有损行业形象。因此，通过文明吸烟环境建设，倡导文明吸烟行为，引导烟民到指定场所吸烟，有助于减少非烟民“被动吸烟”，营造烟民与非烟民相互尊重、和谐共处的社会环境。

大数据时代的海量全样本数据，给城市规划以及城市问题研究带来了深刻变革。手机信令数据、GPS数据等大数据包含了丰富的个体时空信息，为分析城市居民的活动特征和空间结构提供了傳统静态数据无法比拟的便利，因此，这些大数据也逐渐被应用到智慧城市的建设之中。本研究尝试建立一个基于手机信令数据的城市文明吸烟智慧选址评价指标体系，从吸烟点覆盖半径、服务时长和服务人数三个维度进行测度，通过智能技术遴选吸烟场所，布局全市吸烟点建设方案，贯彻落实国家局“创建文明吸烟环境助力美丽中国建设”倡议，为地方创建文明城市做出贡献。

2 文献综述

手机信令数据指手机在进行语音通讯、短信息等业务中，向移动通信网络发送的控制信息，它能即时反映手机用户的位置信息。目前，手机信令数据的应用较为广泛。薄秀丽（2017）将手机信令数据应用于智慧高速公路系统，有效提升了高速公路管理水平。周永杰（2018）提取了广东移动手机信令数据，分析了珠三角的城市群空间特征，发现了城市群的“双中心、两圈层、三梯队”空间发展格局，并提出了相应的城市群规划建议。方家等（2019）利用手机信令大样本数据抽取了上海大型公园游客出行等数据信息，通过对不同类型公园的研究结果表明，交通、特色活动以及人口密度等是造成公园类型差异的主要原因。周南等（2018），颉带黎（2019）将手机信令数据用于预测城市道路交通量，不仅降低了交通量预测的难度，同时也使预测结果更为准确可靠。于泉，孙瑶（2019）利用手机信令数据研究高速公路服务区客流特征。陆振波等（2019）以昆山市为研究对象，运用手机信令数据分析了该市的职住空间分布和通勤交通，为解决城市交通问题提供了数据支撑。邹伟（2019）通过对张江科学城及周边区域的手机信令数据分析发现，该区域的职住问题比较突出，需要通过增加多样化居住设施以缓解区域规划问题。

通过文献梳理不难发现，手机信令数据的应用主要集中于职住空间分布、交通预测、人口出行等方面，能有效解决当前城市规划不科学、交通拥堵及出行难等问题，但尚未有文献将手机信令数据用于消费行为特征的研究，因此，本文研究城市文明吸烟场所的选址，有助于弥补这一研究空白，有助于解决控烟环境下烟民室外吸烟不方便的问题。

3 基于手机信令数据的文明吸烟选址

移动互联网的发展，带动了智能手机的普及，也为手机信令数据的获取提供了技术基础。本研究所使用的手机信令数据由中国联合网络通信集团有限公司智慧出行数据公司提供，包含了2019年春运1月21日至3月1日期间的十堰市辖区内所有手机的活动记录，共计539850条。中国联通在十堰市的市场占有率达到30%，这些数据包含了外省移动数据，比移动分省而治的数据更具有代表性。数据的具体参数包括年龄、性别、注册地址（基站）、移动轨迹（经度、纬度、持续时间）如表1。

3.1 选址原则

研究以湖北省十堰市为对象，旨在“政府主导、多方协同、烟草主推”的工作环境下，推广《文明吸烟公约》，营造良好的舆论环境，打造形式多样、层次分明的公共吸烟场所，创造文明吸烟、体面吸烟的社会环境。因此，文明吸烟场所的选址综合考虑区域规划现状及吸烟人群的构成比例、集中度和分布情况，在交通枢纽区、办公场所、消费场所和人员聚集等地进行布局。

其次，根据不同区域的功能特点，进行吸烟场所规模设置和服务对象界定。在人员流动较为频繁的交通枢纽以及有影响力的商务楼宇、大型商业综合体等公共场所，建立面积20-60m2，可容纳15-40人的室内环保吸烟室和规模10-15m2的室外吸烟亭，主要用于服务场所的工作人员、旅客和途经者；在重点景区游客中转地和直营终端等地的进出口及周边建立占地面积4-8的露天吸烟点，用于服务旅客、消费者和途经者；在经营商圈和现代终端店内，依托工商零三方打造面积6以上的吸烟体验区，服务于附近居民和消费者。

3.2 吸烟人群识别

利用Arc-GIS软件将运营商提供的区域手机轨迹标注在电子地图上，借助泰森多边形算法绘出数据的覆盖区域，并将其与观察到的吸烟场所进行比较，结合卷烟消费者行为模式建立吸烟室消费者识别模型，对所有包含目标基站的手机信令数据进行筛选并将其分为三类群体：第一类为附近居民，此类人群的行为模式规律性较强，其手机信令在相对较长的时间内连接某一点的基站；第二类为游客（旅客），主要指手机信令连接到目标基站无逗留时间的人；第三类人群是烟民，主要指手机连接到目标基站零售终端且有逗留的人。

以十堰市城区为例，提取注册信息为男性的手机轨迹数据，居民轨迹用黑色点标出；游客（旅客）轨迹用红色标出。

3.3 文明吸烟场所服务评价指标

研究从三个维度分析文明吸烟场所的服务状况，即服务人数、服务时长和服务半径。服务人数指一定时间内文明吸烟场所服务的总人数和分时段人数，其中服务总人数可用于评价场所的整体服务能力，而分时段人数则可反映吸烟场所服务的高峰期。服务时长指吸烟人员在吸烟场所内的停留时间，反映场所环境设施对用户的吸引力。服务半径指吸烟消费者在城市分布的空间范围，反映吸烟场所的服务辐射能力。

通過统计文明吸烟场所内部基站连接的用户ID数量、连接时长以及连接时间，可以得到文明吸烟场所的服务人数和服务时长。

3.4 文明吸烟场所服务有效性

文明吸烟场所服务有效性指场所的真实服务情况和预期服务能力的差异，一般从供给和需求两个方面展开，供给指对比文明吸烟场所的理论服务半径与基于用户居住地测得的实际服务半径，需求评价则对比场所服务的真实吸烟用户数量与理论服务半径范围内的实际人口总数。而人口总数的测算基于手机信令数据，分析24小时内目标区域内基站连接的有效ID数量。

4 文明吸烟智慧选点

4.1 服务人数、服务时段和服务时长数据抽取

以火车站春运服务时段为列，2019年春运自元月21日起至3月1日止，节前15天节后25天，计40天。首先从十堰市1.5万基站中抽取出覆盖火车站区域的基站52个，经统计，24小时内平均连接目标基站的手机ID数量达到73082个，其中，识别出附近居民57832人，日均累计服务15250人，其中服务高峰期突破27965人，抽取日均男性旅客数据为8788人，以吸烟率25%计算，烟民数量为2197。火车站场所通过统计卷烟消费者连接目标基站的时长，发现大多数游客在火车站的逗留时长在50分钟。得出火车站评价1小时卷烟消费者数量为220人。

4.2 服务半径计算

通过手机信令数据将三类人群的时点轨迹进行地理标识，过滤女性轨迹，取得烟民轨迹地理可视化图。烟民轨迹数据采用泰森多边形离散点包络最优求解算法，编程求解如下：

4.3 服务点选择

根据抽取的卷烟消费数据和半径有效性计算，按平均每小时2支烟，火车站吸烟点（室）每小时需要接待440人次，吸烟室一次4人服务，吸烟时间5分钟计算，一个吸烟室可以接待48人次，一天可以接待480人次，因此在火车站候车室建立1个标准吸烟室基本可以满足需求，但考虑“瘾君子”的心理需求、吸烟行为及游客行动轨迹，同理推算，火车站一共需要构建至少9个露天吸烟点，见图2。同理选出其他文明吸烟点选址图3，图4，图5。

5 对比分析

采用手机轨迹数据和泰森多边算法得到的文明吸点，本文采取了吸烟痕迹分析进行验证。以火车站为例，车站厕所烟头数量日均数量为350支，与智慧选址测算的480支，基本吻合；在车站外部，发现分别在车站南广场和北广场吸烟人数每小时发现30人次，每天在北广场发现吸烟超过人次2000，这与手机轨迹数据基本吻合。因此，在火车站设立1个标准吸烟室，9个室外吸烟区，基本可以满足烟民需求。

6 结论

研究构建的手机信令数据用于评价文明吸烟场所服务人数和服务时长的方法具有科学有效性。通过科学的算法、编程，选出文明吸烟点，同时对拟选择的文明吸烟场所与观测数据进行比对分析发现，两者不论是在服务时长还是服务半径的辐射上，吻合度都较高。

参考文献

[1]Shangjing Lin，Jianguo Yu，Ji Ma.Big Data Driven Mobile Cellular Networks： Modelling，Experiments，and Applications[J].IOP Conference Series： Materials Science and Engineering，2018，466（1）.

[2]AMochamad Rifki Ulil，Fiannurdin，Sritrusta Sukaridhoto，Anang Tjahjono，Dwi Kurnia Basuki.The Vehicle as a Mobile Sensor Network base IoT and Big Data for Pothole Detection Caused by Flood Disaster[J].IOP Conference Series： Earth and Environmental Science，2019，239（1）.

[3]JunGuo，Zheng-Hua Tan，Sung Ho Cho，Guoqiang Zhang.Wireless Personal Communications： Machine Learning for Big Data Processing in Mobile Internet[J].Wireless Personal Communications，2018，102（3）.

[4]杜兰，葛军莲.基于POI网络信息的景区最优游客接待中心选址研究——以南京钟山景区智慧旅游为例[J].华中师范大学学报（自然科学版），2014，48（4）：613619.

[5]龙奋杰，石朗，彭智育，等.基于手机信令数据的城市公园服务评价[J].城市问题，2018，275（06）：9094.

[6]方家，刘颂，王德，等.基于手机信令数据的上海城市公园供需服务分析[J].风景园林，2017，（11）：3742.

[7]周南，齐远，龙科军.手机信令数据在城市道路交通量预测中的应用[J].公路工程，2018，43（05）：8992+179.

[8]陈刚，董印，李本智.智慧城市消防站选址研究——以宁波市镇海区为例[C]// 2017城市发展与规划论文集，2017.

[9]于泉，孙瑶.基于手机信令数据的高速公路服务区客流特征研究[J].交通运输研究，2019，5（02）：6066.