基于手机信令数据的城市交通需求预测方法研究

史立凯、韩竹斌、胡城峰，3

（1.江苏电子信息职业学院，江苏 淮安 223003；2.南京城驿城市与交通规划设计有限公司，江苏 南京 210000；3.淮安市元亘交通规划设计有限公司，江苏 淮安 223021）

0 引言

城市交通需求预测不仅是城市交通规划、交通政策制定的依据，也是城市交通重大建设项目建设过程的重要参考。近年来，随着交通精细化管理的进一步发展，对交通需求预测的精确度要求也进一步提高，而较为准确的交通需求预测离不开精准、全面的交通现状调查工作。

传统的交通现状调查手段主要是基于问卷的抽样调查，包括居民出行调查、交通核查线调查、对外出入口调查、交通枢纽调查等[1]。一方面，传统调查需投入较大的人力、财力，且一般以纸质问卷调查形式为主，效率相对较低，为了获得同一天的出行数据，往往需要几百人同时开展调查工作；另一方面，传统调查方式的抽样率较低，无法有效保证调查结果，以居民出行调查为例，一般城市的抽样率不超过4%，大城市则更低，难以全面地反馈居民的出行数据。

随着“互联网+”、信息化技术的进一步发展，交通调查的信息化手段也逐步丰富，包括移动终端数据（手机信令数据、APP 应用数据等）、交通设施数据（ETC、IC 卡、电子警察等）及基于GPS 的动态数据等[2]。手机信令数据因具备用户较多、基础设施分布较广、数据可挖掘性较强等特点，逐步成为重要的交通调查辅助手段。手机信令数据在交通需求分析领域从最初的分析城市居民职住分布情况，逐步发展到基于手机信令数据的出行数据分析、在交通专项需求分析中的应用及出行模型的应用等研究[3]。

手机信令数据的现状研究集中在调查分析及交通出行分析方面，缺乏在城市交通需求预测方法方面的应用和研究。对此，基于手机信令数据的应用原理、交通需求预测方法对手机信令数据在城市交通需求预测中的应用进行研究，并基于南通手机信令数据的应用进行分析。

1 手机信令数据在城市交通调查中的应用原理

手机信令数据的处理包括多个步骤：对原始手机信令数据的采集、预处理（清洗、排序、修补），基于交通分区的数据匹配、出行需求OD 整理等。通过这一系列步骤可获得居民出行的相关数据信息。

1.1 手机数据的数据字段处理

手机使用终端与发射基站或微站之间会产生交互的通信数据，这一数据从手机终端开启后即产生，这一通信数据即为手机信令[4]。手机信令数据可记录终端编号、出现时间，结合基站坐标串联起来，即可描述手机终端使用者的行动轨迹，形成出行数据。

手机信令数据包含的字段较多，脱敏（去除用户个人信息数据）后的手机信令数据一般包含7 个字段：移动端ID、发生时间、位置区域编号、基站网格编号、事件编号、国际用户识别码。通过数据的清洗、排序、修补等过程，按照出行需求分析的各个阶段，将数据整理成数据表格，包括人口分布、岗位分布、人口动态分布、OD 分布等数据表格（见表1）。

表1 基于手机信令数据处理的出行数据表格

1.2 手机信令数据源清洗机理

通过记录同一手机使用终端在不同基站之间的时间差，结合基站坐标，可获得居民出行数据，即基站密度越大，出行数据越精确，但随着基站数量的增加，手机信令数据会出现一定的误差。因此，需要从“乒乓效应”、数据漂移两个方面分析手机信令数据清洗原理。

1.2.1 乒乓切换处理

“乒乓效应”的产生是由于相同的位置可能被多个基站信号所覆盖，处于该区域的手机号会因为重叠覆盖的各个基站信号强度、负荷问题发生切换，在信令数据的体现方面，会出现该用户真实位置没有发生变化的情况下，产生多条位置切换的信令数据的现象。

应对“乒乓效应”，一般采用较基于RSSI 的三角定位模型进行用户位置定位，即已知三个点的坐标和其与目标用户的距离，求解目标用户的位置[5]。三个基站与目标用户的距离可以根据RSSI 信号的强弱转换来确定。

1.2.2 数据漂移清洗

数据漂移是指因特殊原因导致手机信令服务基站位置跳跃而出现数据信息脱离实际位置的情况。数据漂移清洗拟采用数据点速度的阈值清除方法开展。根据居民出行方式速度特性确定最大出行速度的阈值，并清除超过速度阈值的数据条。

2 手机信令数据在城市交通需求预测中的应用

2.1 应用概况

2.1.1 城市概况

南通是长三角城市群核心地带的主要城市之一，2021 年年末常住总人口约773 万人，市区常住人口约380 万（数据来源：南通市统计局网站http://tjj.nantong.gov.cn/）。近年来，城市综合交通得到大力发展，“一轴一环六射”快速路系统、城市轨道1 号线、2号线开通在即。为了支撑南通未来的“八横八纵”快速路系统建设、“4 普2 快”城市轨道系统建设，有必要量化分析南通市城市出行需求。

2.1.2 运营商选择

手机运营商包括中国移动、中国电信和中国联通。从市场占比上看，中国移动遥遥领先，但其没有统一的全国数据中心，较难获得对外出行的手机信令数据[6]。中国联通与中国电信都具有全国数据中心，沟通成本低，数据格式统一。因此，此次调查以中国电信数据中心作为数据来源，以中国电信在南通的市场占有率作为扩样系数。

2.1.3 基站分布

南通市全市分布基站网格约1.13 万个（分布情况见图1），密度约1.4 个/km2，其中市区范围分布基站网格约5000 个，密度约1.7 个/km2。结合城市用地分布将南通市区划分约1100 个交通小区（分布情况见图2），坐标与基站统一为WGS84 坐标体系。

图1 南通市域基站网格分布图

图2 南通市区交通小区划分图

2.2 城市交通出行需求预测的应用

2.2.1 现状人口岗位分布

根据中国电信手机信令数据扩样，结合南通市官方现状人口岗位规模，得到全市范围人口岗位分布情况。将手机信令数据集计到交通小区，可统计分区数据情况[7]。根据分析，南通常住人口大多就业选择所在县区，内部就业比例均高于85%。市区范围内的跨区就业相对较高，如南通新城区、通州副城、空港片区跨区就业比例为10%～15%。

2.2.2 出行生成的应用

城市居民出行调查一般认为出行距离大于500m作为一次有效出行，而手机信令数据相对精度较高，数据融合过程中仍以大于500m 作为一次有效出行进行数据清洗，并与居民出行调查数据进行校核，作为出行生成率和出行吸引率回归计算的依据[8]。

2.2.3 出行分布的应用

结合南通市城市发展趋势，出行分布采用双约束重力模型，模型的标定数据材料包括现状出行OD，现状分区的发生量、吸引量。为保证数据的一致性，均采用手机信令集计的数据，标定获得的α、β、γ 参数及K-factor 矩阵，作为交通需求预测预置参数，得到预测年交通分布矩阵。南通市现状全方式出行期望线见图3，南通市2035 年预测出行期望线见图4。

图3 南通市现状全方式出行期望线

图4 南通市2035 年预测出行期望线

2.2.4 方式划分的应用

方式划分采用巢式竞争（NL）模型，各出行方式出行选择肢通过竞争模型进行选择，出行效用包括出行时间和费用等。

因出行距离清洗、速度拆分等过程存在较多数据噪点，因此通过居民出行调查中的分距离、分方式的方式比例，对通过手机信令数据获得的出行方式矩阵进行修正。

2.3 手机信令数据的其他应用

手机信令数据在交通需求预测中的应用不仅包括对需求相关参数标定和需求的校核，还可以用于分析指定通道的交通需求，为新建、改扩建的大型交通通道提供需求依据；交通来源分析，为重点分析某些片区或建筑的出行特征等提供数据支持；用于分析特定断面的出行需求，主要用于分析跨片区出行规模，作为特定交通分区出行校核是依据。

3 结语

与传统的交通调查方式相比，手机信令数据具有抽样率更高、数据更准确的特点，可帮助相关部门更全面地掌握城市交通需求状况。然而手机信令数据在交通需求方面的应用仍有两个待解难题：一是匹配终端使用者的出行特征（个人特征、出行目的等），二是匹配更为准确的出行方式矩阵。

目前，城市交通需求模型仍主要采用基于交通小区的集计模型，随着手机信令数据挖掘技术的进一步发展，在基于手机信令出行方式划分交通区方法逐步可靠的基础上，可适时开展城市交通需求预测非集计模型研究。