侯笑宇，司連法，王梅紅，賀 風(fēng)

(中國地圖出版社，北京 100054)

大數(shù)據(jù)是繼物聯(lián)網(wǎng)、云計算之后最為熱門的信息技術(shù)，適用于各行各業(yè)的數(shù)據(jù)融合、處理和挖掘。近年來由于手機(jī)大量普及，城市人口的手機(jī)覆蓋率接近百分之百。手機(jī)用戶頻繁的通話、短信，以及主被動的上網(wǎng)行為使得手機(jī)信令數(shù)據(jù)激增。手機(jī)大數(shù)據(jù)使得獲取大量動態(tài)的、帶有精準(zhǔn)時空信息的群體行為數(shù)據(jù)成為可能，為分析群體行為提供了重要的契機(jī)和數(shù)據(jù)基礎(chǔ)。因此，通過海量的手機(jī)信令數(shù)據(jù)，分析研究城市居民的職住信息成了大數(shù)據(jù)時代下的研究熱點[1-6]。

目前，國內(nèi)外已有一些基于手機(jī)信令數(shù)據(jù)分析居民職住空間的研究。文獻(xiàn)[7]通過對手機(jī)信令數(shù)據(jù)進(jìn)行分析，抽取了居住、就業(yè)信令數(shù)據(jù)的通信特征，如時間分布特征等，并通過模式識別的方法，運用權(quán)重的思想提出了一種改進(jìn)判別方法，從而實現(xiàn)了對就業(yè)停留點和居住停留點的識別；文獻(xiàn)[8]根據(jù)手機(jī)通話的位置分布，通過空間聚類等分析識別個體的重要活動地點，結(jié)合活動時間判別居住地和工作地。文獻(xiàn)[9]在自定義的居住和工作時間段內(nèi)，通過判斷手機(jī)用戶通話頻繁程度識別居住地和工作地。但由于手機(jī)信令數(shù)據(jù)定位精度的不準(zhǔn)確性，且判斷職住地時只使用了用戶軌跡的地理特征，而忽略了用戶軌跡的背景地理信息，使得基于手機(jī)信令數(shù)據(jù)職住地的識別仍然具有較大的完善空間。

本文結(jié)合成都市基站位置信息和脫敏用戶手機(jī)信令數(shù)據(jù)，融合地理信息空間運算能力，通過將手機(jī)信令數(shù)據(jù)與地理信息區(qū)塊綁定，根據(jù)時間特征和地理信息區(qū)塊的標(biāo)簽屬性(如城市住宅小區(qū)、大型商場等)識別用戶職住信息，對數(shù)據(jù)處理流程和實現(xiàn)方法進(jìn)行詳細(xì)的闡述，并對職住地識別結(jié)果的可靠性和適用性進(jìn)行深入的結(jié)果驗證，旨在為商業(yè)選址、客群管理、城市規(guī)劃等應(yīng)用提供豐富的數(shù)據(jù)支撐。

1 數(shù)據(jù)處理

1.1 手機(jī)信令數(shù)據(jù)

手機(jī)信令數(shù)據(jù)是典型的大數(shù)據(jù)[10]。手機(jī)在開機(jī)狀態(tài)下，會定期或不定期、主動或被動地與附近基站進(jìn)行通信，平均每個用戶每天會發(fā)送10余萬條信號，這些信號連續(xù)地記錄了用戶的移動軌跡。與傳統(tǒng)數(shù)據(jù)和其他大數(shù)據(jù)相比，手機(jī)信令數(shù)據(jù)具有網(wǎng)絡(luò)覆蓋面積廣、采樣及時、更新及時、數(shù)據(jù)穩(wěn)定可靠、樣本量大等優(yōu)勢，能夠細(xì)粒度地記錄用戶每一時刻的位置信息，因此在識別居民職住信息上最符合需求。同時，手機(jī)信令數(shù)據(jù)也有其自身的不足[11]，主要體現(xiàn)在：

(1) 定位數(shù)據(jù)的不準(zhǔn)確。手機(jī)信令數(shù)據(jù)通過基站所處的位置來表征用戶的實際位置，因此該位置是在基站的覆蓋范圍內(nèi)，并不是用戶的真實位置，與實際存在一定偏差。定位精度的高低通常由信號覆蓋范圍的大小來決定。在城市內(nèi)，基站密度較高，宏蜂窩覆蓋范圍為100～300 m，微蜂窩的覆蓋范圍則通常為幾十米；在郊區(qū)，覆蓋范圍多為500～1000 m。

(2) 存在無效的切換數(shù)據(jù)。用戶位于基站交界處時，會導(dǎo)致移動設(shè)備所連接的基站反復(fù)在相鄰基站之間快速跳變；同時地形因素導(dǎo)致手機(jī)無法連接就近基站時，會出現(xiàn)異常定位數(shù)據(jù)，這些無效數(shù)據(jù)成為數(shù)據(jù)應(yīng)用面臨的難題。

1.2 地理信息區(qū)塊數(shù)據(jù)

本文使用了中國地圖出版社自有的地圖數(shù)據(jù)和地理信息區(qū)塊數(shù)據(jù)資源，該數(shù)據(jù)內(nèi)容豐富，要素齊全、準(zhǔn)確、時效性強(qiáng)，內(nèi)容主要包括地理信息區(qū)塊、行政區(qū)劃、居民地、路網(wǎng)、河流、POI數(shù)據(jù)等。其中地理信息區(qū)塊是矢量地圖數(shù)據(jù)，表現(xiàn)形式為不規(guī)則多邊形，包括居民樓區(qū)，辦公樓區(qū)、工業(yè)園區(qū)、學(xué)校園區(qū)、醫(yī)院區(qū)域、旅游景點區(qū)域等類型。

區(qū)塊數(shù)據(jù)的具體表現(xiàn)形式為：

(1) 居民樓區(qū)為居住區(qū)域，以小區(qū)的范圍線成塊表示。

(2) 工業(yè)園區(qū)、學(xué)校園區(qū)、醫(yī)院區(qū)域等屬于工作區(qū)域，以其范圍線成塊表示。

(3) 大型商場、大廈、寫字樓、機(jī)關(guān)單位等單體建筑單獨成塊表示。

每個地理區(qū)塊具有精細(xì)和多樣化的屬性數(shù)據(jù)，包括地理區(qū)塊的自然屬性、商業(yè)屬性、用戶屬性，多標(biāo)簽的地理區(qū)塊數(shù)據(jù)提高了職住信息的獲取準(zhǔn)確性。地理信息區(qū)塊數(shù)據(jù)如圖1所示。

1.3 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理主要包括數(shù)據(jù)缺失處理、地理空間匹配、刪除無效切換數(shù)據(jù)及數(shù)據(jù)壓縮等[12]。針對手機(jī)信令數(shù)據(jù)量大的特點，本文選擇Spark集群作為數(shù)據(jù)處理的平臺。具體過程如下：

(1) 將信令數(shù)據(jù)以天為單位存儲到Spark集群。

(2) 將地理信息區(qū)塊數(shù)據(jù)通過解析算法存儲到Spark集群[13]。

(3) 將手機(jī)信令數(shù)據(jù)與基站進(jìn)行關(guān)聯(lián)，同時去除其中時間信息與空間信息殘缺的記錄條目。

(4) 運用空間匹配算法，通過判斷基站小區(qū)與地理信息區(qū)塊多邊形的拓?fù)潢P(guān)系，并結(jié)合相交面積等因素，將手機(jī)信令數(shù)據(jù)映射至地理實體[14-15]，解決了傳統(tǒng)基站定位數(shù)據(jù)不準(zhǔn)確的問題。手機(jī)信令數(shù)據(jù)綁定地理實體后，定位點精度收斂穩(wěn)定，數(shù)據(jù)可用性高。未綁定地理實體與綁定地理實體的定位點精度對比如圖2、圖3所示。

(5) 刪除無效切換數(shù)據(jù)，具體算法如下。

輸入：綁定地理區(qū)塊的手機(jī)信令數(shù)據(jù)。

輸出：刪除無效切換數(shù)據(jù)后的手機(jī)信令數(shù)據(jù)。

步驟1：將手機(jī)信令數(shù)據(jù)按照用戶編號分組，按照時間升序排序。

步驟2：針對同一用戶，計算每個時刻相對于上一時刻的距離和速度。

步驟3:依次取信令數(shù)據(jù)的第n-1條、第n條、第n+1條數(shù)據(jù)，根據(jù)速度和區(qū)塊編號、區(qū)塊標(biāo)簽屬性，建立用戶當(dāng)前的行為模型，當(dāng)?shù)趎條數(shù)據(jù)的速度和位置與第n-1條、n+1條數(shù)據(jù)的速度和位置不滿足連續(xù)性行為狀態(tài)時，轉(zhuǎn)到步驟4。

步驟4：將第n條數(shù)據(jù)修正或刪除，轉(zhuǎn)到步驟3。

(6) 基于地理信息區(qū)塊，對上述算法處理后的數(shù)據(jù)進(jìn)行壓縮處理，清除大量重復(fù)數(shù)據(jù)。這里的重復(fù)數(shù)據(jù)是指單個用戶連續(xù)時間位于同一地理區(qū)塊內(nèi)，如在9:00—17:00這段工作時間內(nèi)，同一個人有可能持續(xù)位于同一棟辦公樓內(nèi)。清除重復(fù)數(shù)據(jù)的算法如下。

輸入：清除無效切換數(shù)據(jù)后的手機(jī)信令數(shù)據(jù)，按照用戶分組、按照時間排序。

輸出：清除重復(fù)數(shù)據(jù)后的手機(jī)信令數(shù)據(jù)。

步驟1：遍歷數(shù)據(jù)，按照用戶編號分組，以天為單位，找出區(qū)塊編號相同的連續(xù)記錄。

步驟2：對于連續(xù)相同的記錄，進(jìn)行合并，將第一條數(shù)據(jù)的時間作為起始時間，最后一條數(shù)據(jù)的時間作為終止時間。

步驟3：處理完所有連續(xù)記錄之后，根據(jù)每條數(shù)據(jù)的起始時間和終止時間，計算停留的時間。

2 職住信息獲取方法

職住信息的獲取是用戶行為分析的關(guān)鍵環(huán)節(jié)，對出行方式、出行目的、行為預(yù)測等行為分析會產(chǎn)生重要影響。本文使用職住停留點的時間分布特征對居民職住地進(jìn)行判別，同時選取該時間范圍內(nèi)綁定的區(qū)塊屬性作為描述職住屬性的另一個特征變量。以成都市上下班時間為參考,結(jié)合成都市居民的作息時間，選定判斷就業(yè)時段和居住時段的時間閾值，見表1。

表1 居住與工作判別時間范圍

居民的居住場所一般相對固定，本文認(rèn)為一個手機(jī)用戶在一天之中，只有一個居住地。本文以識別居民居住地為例，具體算法如下。

輸入：經(jīng)數(shù)據(jù)預(yù)處理之后的手機(jī)信令數(shù)據(jù)。

輸出：標(biāo)有居民居住信息的數(shù)據(jù)。

步驟1：將手機(jī)信令數(shù)據(jù)以用戶和時間分組，按照在區(qū)塊的駐留時長排序。

步驟2：篩選同一用戶駐留時間均位于居住時段，且駐留時長大于預(yù)設(shè)的閾值T，標(biāo)注為居住點。

步驟3：通過綁定的區(qū)塊和區(qū)塊屬性，篩選出有效的居住點。

步驟4：觀察重復(fù)7 d(工作日)以上信令數(shù)據(jù)中居住點出現(xiàn)的次數(shù)，次數(shù)大于預(yù)設(shè)閾值的居住點標(biāo)注為用戶的居住地。

上述算法忽略了夜間工作、白天休息的部分人群，但考慮了大數(shù)據(jù)樣本的優(yōu)勢，誤差在可接受范圍內(nèi)，因此該算法具有較高的實用性。工作地的識別方法與居住地的識別方法相同。

最后，筆者選取了成都市特定人群連續(xù)兩周的信令數(shù)據(jù)，通過該算法計算用戶的職住地，并與用戶實際的職住地進(jìn)行比較，定位精度高于70%。

3 應(yīng)用案例

本文的研究成果可為客戶提供商業(yè)選址、客群管理、廣告監(jiān)測、精準(zhǔn)營銷、城市規(guī)劃等決策分析服務(wù)，涉及通信、電力、零售、政府等多個行業(yè)?，F(xiàn)階段，該成果已應(yīng)用于運營商的渠道選址規(guī)劃中，實現(xiàn)的功能主要包括職住分布分析、渠道評估、渠道規(guī)劃，以及對基礎(chǔ)渠道數(shù)據(jù)的管理。圖4為居民職住分布圖；圖5為渠道規(guī)劃圖，通過對現(xiàn)有渠道的分析，實現(xiàn)選點咨詢。

4 結(jié) 語

本文通過搭建Spark集群，利用地理信息空間分析服務(wù)，對手機(jī)信令數(shù)據(jù)進(jìn)行與地理實體的綁定計算和用戶行為分析。這種基于“區(qū)塊定位”判斷用戶位置信息的方法彌補(bǔ)了傳統(tǒng)基站定位精度的局限性。依據(jù)時間特征，構(gòu)建了數(shù)學(xué)模型和算法識別用戶的工作地和居住地，并選取特定人群數(shù)據(jù)進(jìn)行了精度比較分析，驗證結(jié)果表明該方法準(zhǔn)確性較高，具有較強(qiáng)的實用性。