王桂娟，周銳，蔡夢(mèng)杰，湯勇，李茸茸，陳華容，吳亞東

1. 西南科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，四川 綿陽 621000；2. 西南科技大學(xué)信息工程學(xué)院，四川 綿陽 621000；3. 四川輕化工大學(xué)自動(dòng)化與信息工程學(xué)院，四川 自貢 643000；4. 四川輕化工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，四川 自貢 643000

1 引言

移動(dòng)電話的深入普及給人們帶來了前所未有的觀測(cè)市民流動(dòng)性的機(jī)會(huì)，可以利用數(shù)據(jù)驅(qū)動(dòng)的洞察力更好地規(guī)劃城市和優(yōu)化城市服務(wù)[1]。目前，全世界93%的人口能夠訪問移動(dòng)寬帶網(wǎng)絡(luò)，大部分國(guó)家50%以上的人擁有手機(jī)，發(fā)達(dá)國(guó)家擁有手機(jī)的人數(shù)占比甚至達(dá)到90%[2]。通信運(yùn)營(yíng)商的計(jì)費(fèi)需求和與通信相關(guān)的數(shù)據(jù)記錄需求帶來了大量的通信數(shù)據(jù)。這些數(shù)據(jù)記錄了移動(dòng)電話用戶在通信過程中與基礎(chǔ)設(shè)施交互的痕跡，可近乎實(shí)時(shí)地反映手機(jī)持有者的地理位置。與傳統(tǒng)的基于問卷調(diào)查的城市分析相比，通信數(shù)據(jù)采集成本低廉，具有更大規(guī)模、更細(xì)的時(shí)空分辨率，而且能反映城市的動(dòng)態(tài)變化。通信數(shù)據(jù)包含的豐富的人與人、人與空間的時(shí)變關(guān)系信息給城市人類行為研究和城市微觀動(dòng)態(tài)研究提供了基礎(chǔ)，基于通信數(shù)據(jù)的城市分析已成為一種重要的城市智能感知途徑。

然而，由于城市數(shù)據(jù)的異構(gòu)性、高復(fù)雜性和大規(guī)模性，經(jīng)常需要在城市分析過程中融合人的感知，這促進(jìn)了可視化的廣泛應(yīng)用[3]?？梢暬瘜⒏鞣N類型的數(shù)據(jù)翻譯為相應(yīng)的可交互圖形，使得分析者可以借助高效的視覺通道直觀地與數(shù)據(jù)進(jìn)行溝通。進(jìn)一步地，可視分析通過豐富的交互設(shè)計(jì)讓領(lǐng)域?qū)＜液头治稣哂袡C(jī)會(huì)參與數(shù)據(jù)分析的全流程。分析結(jié)果的可視化成為人與機(jī)器合作的橋梁[4]?？梢暦治鱿到y(tǒng)的用戶能夠在不失去全局信息的同時(shí)，從多個(gè)角度和不同尺度觀察數(shù)據(jù)[5]。因此，許多研究者開始采用可視分析方法解讀通信數(shù)據(jù)中蘊(yùn)含的豐富的城市信息，這逐漸形成了一個(gè)較有成效的交叉研究領(lǐng)域。

本文調(diào)研了近年來基于通信數(shù)據(jù)的城市可視分析方面的研究工作，總結(jié)了通信數(shù)據(jù)的特點(diǎn)，從通信數(shù)據(jù)城市分析的內(nèi)在對(duì)象——人、通信設(shè)備和城市空間3個(gè)方面闡述了相應(yīng)的可視化方法，對(duì)基于通信數(shù)據(jù)的城市可視分析的任務(wù)和方法進(jìn)行了梳理，并對(duì)基于通信數(shù)據(jù)的城市可視分析進(jìn)行了展望。

2 數(shù)據(jù)和數(shù)據(jù)處理

數(shù)據(jù)是開展可視化研究的基礎(chǔ)。通信數(shù)據(jù)是指人在使用通信網(wǎng)絡(luò)進(jìn)行交流和資源訪問的過程中產(chǎn)生的記錄。通信數(shù)據(jù)包含的信息可大致分為人、通信設(shè)備和城市空間3個(gè)維度的時(shí)變數(shù)據(jù)。

2.1 通信數(shù)據(jù)

從國(guó)內(nèi)外的研究來看，通信運(yùn)營(yíng)商是通信領(lǐng)域開展可視化研究最主要的數(shù)據(jù)來源，通信運(yùn)營(yíng)商可以提供通話記錄數(shù)據(jù)、基站數(shù)據(jù)、移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)等方面的信息。此外，一些研究人員通過招募志愿者，開發(fā)特定的手機(jī)應(yīng)用程序或者科研開放項(xiàng)目進(jìn)行通信數(shù)據(jù)采集，能夠獲取更細(xì)粒度的數(shù)據(jù)，如智能手機(jī)的事件log、App使用記錄。通信領(lǐng)域主要數(shù)據(jù)的來源、類型、典型屬性以及代表文獻(xiàn)見表1。同時(shí)，在通信數(shù)據(jù)可視分析中，部分研究結(jié)合其他領(lǐng)域數(shù)據(jù)進(jìn)行融合和關(guān)聯(lián)分析，如結(jié)合社交網(wǎng)絡(luò)數(shù)據(jù)、交通數(shù)據(jù)和興趣點(diǎn)（point of interest，POI）數(shù)據(jù)等。

（1）通話記錄詳單

通話記錄詳單（call detail record，CDR）是通信領(lǐng)域可視化研究中使用非常頻繁的數(shù)據(jù)之一，CDR數(shù)據(jù)是通信運(yùn)營(yíng)商為了對(duì)用戶通話進(jìn)行計(jì)費(fèi)而產(chǎn)生的記錄。當(dāng)用戶撥打電話時(shí)，接入基站會(huì)把該用戶的通話記錄下來用于計(jì)費(fèi)。CDR記錄的信息包括主被叫用戶ID、通話開始時(shí)間、通話持續(xù)時(shí)間、關(guān)聯(lián)基站等。國(guó)內(nèi)外研究人員基于CDR數(shù)據(jù)集開展了大量的通信領(lǐng)域可視化的研究，取得了一系列的成果。Jiang H Y等人[6]通過CDR提取用戶行為特征、識(shí)別用戶關(guān)系，基于用戶行為特征對(duì)運(yùn)營(yíng)設(shè)施進(jìn)行優(yōu)化，能夠完成基站選址、基站網(wǎng)絡(luò)微調(diào)等分析任務(wù)。Dong Y X等人[7]從CDR數(shù)據(jù)中檢測(cè)異常的人群事件。Andrienko G等人[8]利用通話記錄開展了人口流動(dòng)性分析。Mai W M等人[9]利用基于密度的含噪聲應(yīng)用空間聚類（density-based spatial clustering of applications with noise，DBSCAN）方法，從CDR數(shù)據(jù)中提取用戶軌跡，挖掘交通特點(diǎn)，描繪關(guān)鍵線路。李艷妮等人[10]基于通話記錄數(shù)據(jù)開發(fā)了用戶行為分析系統(tǒng)。黃文彬等人[11]分析了移動(dòng)用戶的行為模式，并建立了用戶模型，利用K-means進(jìn)行4類用戶劃分。向峰[12]開展了移動(dòng)用戶行為研究，研究了移動(dòng)性對(duì)用戶關(guān)系的影響和城市地理區(qū)域的感知。

表1 通信領(lǐng)域常見數(shù)據(jù)集

（2）基站數(shù)據(jù)

基站數(shù)據(jù)包含基站編號(hào)、基站地址、基站經(jīng)緯度坐標(biāo)等信息，對(duì)于研究用戶的行為軌跡、城市人群流動(dòng)有重要意義。Li Z H等人[13]利用基站軌跡數(shù)據(jù)開發(fā)了一套城市移動(dòng)模式可視分析系統(tǒng)，可有效地幫助用戶分析移動(dòng)人群與城市區(qū)域間關(guān)系的動(dòng)態(tài)變化規(guī)律。WANG F等人[14]根據(jù)基站實(shí)際位置，用Voronoi圖劃分城市域，從而通過空間結(jié)構(gòu)有效地管理數(shù)據(jù)。Zhang S H等人[15]基于基站Erlang測(cè)量對(duì)基站行為進(jìn)行分析，其觀測(cè)結(jié)果可以用于蜂窩優(yōu)化、資源規(guī)劃等。

（3）手機(jī)網(wǎng)絡(luò)數(shù)據(jù)

手機(jī)網(wǎng)絡(luò)數(shù)據(jù)是用戶使用移動(dòng)網(wǎng)絡(luò)產(chǎn)生的記錄。Chen L B等人[16]基于網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行未來流量預(yù)測(cè)，提出了一種距離約束互補(bǔ)感知（DCCA）算法，以優(yōu)化容量利用率和部署成本為目標(biāo)，尋找最優(yōu)的基站分簇方案。Sagl G等人[5]從移動(dòng)網(wǎng)絡(luò)流量中分析了大規(guī)模的集體城市流動(dòng)行為，有助于更好地理解動(dòng)態(tài)城市系統(tǒng)的“脈搏”。

（4）定制App

在通信數(shù)據(jù)分析中，有研究采用定制App的方式采集更細(xì)粒度的通信網(wǎng)絡(luò)使用信息。Yadav K等人[17]通過在志愿者手機(jī)上安裝專門用于數(shù)據(jù)采集的App，掃描并記錄時(shí)間戳、MCC、MNC、LAC、Cell ID和RSSI信息；同時(shí)，掃描可見的Wi-Fi接入點(diǎn)，并用時(shí)間戳記錄它們的SSM和BSSID信息，從而研究參與者的行為模式，并和其他數(shù)據(jù)集進(jìn)行比對(duì)。Slingsby A等人[18]根據(jù)志愿者18個(gè)月的手機(jī)使用情況，探索了參與者的社交關(guān)系，提供了一種社交網(wǎng)絡(luò)的構(gòu)建方法。

2.2 數(shù)據(jù)處理

（1）數(shù)據(jù)清洗

數(shù)據(jù)清洗是數(shù)據(jù)處理的第一步。通信領(lǐng)域原始數(shù)據(jù)中存在大量空間不確定性數(shù)據(jù)和噪聲數(shù)據(jù)，不能直接進(jìn)行分析，必須進(jìn)行數(shù)據(jù)清洗。對(duì)于異常數(shù)據(jù)，可以設(shè)定一定的規(guī)則，使用有效性驗(yàn)證的方法進(jìn)行過濾。對(duì)于數(shù)據(jù)缺失，可以采取刪除或者填充的方法進(jìn)行處理。同時(shí)，數(shù)據(jù)的清洗還包括重復(fù)值刪除以及數(shù)據(jù)類型檢查等。以最常見的CDR數(shù)據(jù)為例，可以按照基站位置劃分，將用戶分配到特定位置，然后根據(jù)用戶在特定時(shí)間段內(nèi)停留位置的合理性進(jìn)行數(shù)據(jù)清洗。

（2）數(shù)據(jù)校準(zhǔn)

基于通信數(shù)據(jù)的定位服務(wù)是通信領(lǐng)域可視化研究的一個(gè)重要方面，然而由于手機(jī)基站覆蓋范圍較大、分布不均勻，利用基站獲取到的用戶行為軌跡精度較低，需要進(jìn)行數(shù)據(jù)校準(zhǔn)。基站數(shù)據(jù)需要轉(zhuǎn)換為軌跡數(shù)據(jù)，按時(shí)間順序聚集每個(gè)用戶的移動(dòng)電話記錄，然后形成連續(xù)的旅行點(diǎn)。使用該方法計(jì)算定位點(diǎn)（即記錄）之間的時(shí)間間隔和空間距離，從而利用時(shí)間閾值和空間閾值對(duì)定位點(diǎn)進(jìn)行聚類。同時(shí)，也有許多研究者結(jié)合基站、網(wǎng)絡(luò)、Wi-Fi、藍(lán)牙、GPS等數(shù)據(jù)，利用多源數(shù)據(jù)融合的方法進(jìn)行數(shù)據(jù)校準(zhǔn)，從而提高軌跡數(shù)據(jù)的精度。

（3）數(shù)據(jù)聚類

通信領(lǐng)域常用的CDR數(shù)據(jù)屬于時(shí)間序列數(shù)據(jù)，不能直接聚類，需要進(jìn)行特征提取。傳統(tǒng)特征提取方法有：基于基本統(tǒng)計(jì)方法的特征提取、基于模型的特征提取、基于快速傅里葉變換（fast Fourier transform，F(xiàn)FT）的特征提取。深度學(xué)習(xí)是時(shí)間序列特征提取的新方向。Liu C F等人[19]以手機(jī)數(shù)據(jù)為基礎(chǔ)，融合特征提取與聚類分析的方法，對(duì)城市結(jié)構(gòu)進(jìn)行了分析。牛國(guó)莊[20]使用模糊聚類算法進(jìn)行用戶行為分析。黃詩(shī)瑤[21]使用模糊聚類算法研究用戶群體的細(xì)分、移動(dòng)性和群聚現(xiàn)象。

3 通信數(shù)據(jù)的城市對(duì)象可視化

移動(dòng)通信數(shù)據(jù)表征用戶在何時(shí)何地與誰發(fā)生了聯(lián)系，通信數(shù)據(jù)可視化可以從基礎(chǔ)的數(shù)據(jù)類型和內(nèi)在的數(shù)據(jù)對(duì)象兩個(gè)層面刻畫通信數(shù)據(jù)。在基礎(chǔ)的數(shù)據(jù)類型層面，通信數(shù)據(jù)因包含通話時(shí)間和通話地點(diǎn)而同時(shí)具有典型的時(shí)空特征，可采用時(shí)間和空間類型的可視化方法（如采用時(shí)間線圖、時(shí)間流圖）表達(dá)時(shí)間，采用點(diǎn)、線、面地圖表達(dá)空間信息，采用地理軌跡展示空間的移動(dòng)性。參考文獻(xiàn)[22-24]已分別從時(shí)間序列、地理空間和軌跡分析方面系統(tǒng)地綜述了時(shí)空可視化的流程、技術(shù)和方法，因此本節(jié)著眼于通信數(shù)據(jù)的內(nèi)在數(shù)據(jù)對(duì)象層面，即通信數(shù)據(jù)城市可視分析中關(guān)注的人、通信設(shè)備、城市空間3個(gè)對(duì)象。下面根據(jù)城市可視分析的內(nèi)在數(shù)據(jù)對(duì)象和數(shù)據(jù)特征對(duì)基于通信數(shù)據(jù)的城市可視化方法進(jìn)行分類，并總結(jié)了常見的可視化方法，見表2。

3.1 城市用戶可視化

人是城市生活的主體，深入理解城市空間中的人類行為是理解和優(yōu)化城市運(yùn)營(yíng)的基礎(chǔ)。在基于通信數(shù)據(jù)的城市可視分析中，很大一部分工作是圍繞人類行為分析展開的。根據(jù)人在時(shí)間和空間上的通話行為習(xí)慣，對(duì)人的通話模式、用戶角色、用戶關(guān)系以及用戶群體和社交網(wǎng)絡(luò)等方面進(jìn)行可視化。

（1）用戶通話模式可視化

用戶的通話模式是通信數(shù)據(jù)分析的起點(diǎn)和基礎(chǔ)。通話模式包括時(shí)間上的多尺度特征、空間分布、頻繁模式以及多維通話特征的刻畫。在通話模式時(shí)間特征可視化方面，用戶在工作日/周末，以及一天內(nèi)各小時(shí)的通話頻率具有不同的熱度，Shen Z Q等人[25]采用兩組日歷圖分別以“天”和“小時(shí)”為尺度，可視化了一天24小時(shí)以及一周不同工作日的通話熱度分布，如圖1（a）所示?？紤]到用戶通話時(shí)間分布的周期特性，另一種使用較多的可視化方法是環(huán)形可視化布局。蔣宏宇等人[26]通過多時(shí)間窗口聚集環(huán)展示了一個(gè)月內(nèi)的一天各個(gè)小時(shí)、一周各圖1（b）所示。在通話模式的空間分布可視化方面，一般采用空間節(jié)點(diǎn)的面積來編碼事件發(fā)生的頻率，采用節(jié)點(diǎn)間的連接展示地點(diǎn)之間的聯(lián)系情況。向峰[12]采用在地圖上疊加圓形節(jié)點(diǎn)和連接的方式可視化一個(gè)用戶的空間通話模式，可直觀地展示用戶通話的頻繁空間地點(diǎn)及地點(diǎn)之間的起迄點(diǎn)（origin-destination，OD）關(guān)聯(lián)強(qiáng)度，如

天以及總時(shí)間線的通話分布，如圖1（c）所示。此外，根據(jù)研究目標(biāo)的不同，研究者一般會(huì)基于通話記錄提取不同的通話特征，如社交方面的聯(lián)系人數(shù)量、主被叫比率、通話平均時(shí)長(zhǎng)，出行方面的移動(dòng)距離、回旋半徑、訪問點(diǎn)個(gè)數(shù)、移動(dòng)方向熵等，這使得通話模式具有了典型的多維數(shù)據(jù)特征。對(duì)于多維通話特征的可視化，常用的方式是雷達(dá)圖和平行坐標(biāo)圖。Pu J S等人[27]使用平行坐標(biāo)直觀地展示了用戶的在線狀態(tài)、時(shí)間、呼叫次數(shù)、呼叫比例等，如圖1（d）所示，平行坐標(biāo)多維通話模式展示也支持在各個(gè)數(shù)據(jù)軸的過濾操作。

表2 城市對(duì)象可視化方法

（2）城市用戶畫像可視化

出于對(duì)用戶隱私的保護(hù)，研究者面對(duì)的通信數(shù)據(jù)一般已經(jīng)經(jīng)過匿名化處理。而對(duì)于精準(zhǔn)用戶營(yíng)銷、用戶安全分析和城市規(guī)劃等細(xì)分領(lǐng)域的研究，需要對(duì)城市用戶或者用戶群體進(jìn)行畫像。目前針對(duì)移動(dòng)通信數(shù)據(jù)的用戶畫像的研究相對(duì)較少。已有的研究主要根據(jù)用戶的通話特征以及頻繁出現(xiàn)的位置進(jìn)行學(xué)習(xí)，為用戶添加相應(yīng)的標(biāo)簽，進(jìn)而對(duì)用戶進(jìn)行分類，并大致推斷用戶的社會(huì)角色。

圖1 通話模式可視化

Jiang H Y等人[28]使用甘特圖展示用戶的社會(huì)角色。如圖2（a）所示，在甘特圖中，橫坐標(biāo)表示日期，縱坐標(biāo)表示地點(diǎn)，根據(jù)時(shí)間和空間的特點(diǎn)對(duì)用戶的社會(huì)角色進(jìn)行識(shí)別。此外，還能使用甘特圖展示用戶間的關(guān)系。王峰等人[29]基于與通信類似的基于位置服務(wù)（location based service，LBS）的微博數(shù)據(jù)，根據(jù)用戶ID、簽到時(shí)間（check-in time）和GPS坐標(biāo)等提取用戶的移動(dòng)規(guī)律，從而建立用戶角色與城市地域結(jié)構(gòu)的互推斷模型。如圖2（b）所示，城市用戶角色用不同的色點(diǎn)表示，色點(diǎn)上的不同符號(hào)表示用戶在工作或休息，連線表示不同角色用戶的活動(dòng)軌跡。張海旭等人[30]構(gòu)建了移動(dòng)距離、回旋半徑、訪問點(diǎn)個(gè)數(shù)、移動(dòng)方向熵、通話時(shí)長(zhǎng)、主叫比率社交熵等通信特征詞庫(kù)，然后采用詞云的方式對(duì)通信用戶進(jìn)行畫像。圖2（c）為一個(gè)隨機(jī)用戶的畫像，可以看出該用戶移動(dòng)距離大、訪問地點(diǎn)多，同時(shí)通話時(shí)間長(zhǎng)、聯(lián)系人比較多?；诖丝梢酝茰y(cè)用戶可能是在較大城市區(qū)域內(nèi)從事聯(lián)系交流工作的室外工作者。Wang Q等人[31]使用散點(diǎn)圖來展示用戶自我中心網(wǎng)絡(luò)（ego network）的統(tǒng)計(jì)特征，并為用戶的自我中心網(wǎng)絡(luò)設(shè)計(jì)了一種新型的視圖來展示群體用戶畫像，如圖2（d）所示。

（3）城市用戶關(guān)系可視化

用戶關(guān)系分析是用戶分析的重要組成部分，用戶關(guān)系的識(shí)別可以幫助相關(guān)人員認(rèn)知用戶的社交模式和社交規(guī)模。用戶關(guān)系研究包括兩兩用戶關(guān)系研究、一對(duì)多用戶關(guān)系研究和多對(duì)多用戶關(guān)系研究。

在兩兩用戶關(guān)系可視化方面，Slingsby A等人[18]采用可縮放的時(shí)間線可視化用戶和用戶關(guān)系，如圖3（a）所示。每行編碼一個(gè)用戶，第一列用不同色塊描述用戶的性別、年齡和社交活躍度，右側(cè)的列編碼不同時(shí)間的通話數(shù)據(jù)，紅色的垂直方向的弧線編碼了用戶64和用戶123之間的通話關(guān)系。此可視化設(shè)計(jì)可以直觀地展示這兩個(gè)用戶間的通話時(shí)間分布和頻度。Riegler V等人[32]根據(jù)美學(xué)標(biāo)準(zhǔn)和定量用戶實(shí)驗(yàn)進(jìn)行了一項(xiàng)通話記錄可視化的評(píng)估，研究采用了如圖3（b）所示的可視化設(shè)計(jì)，該設(shè)計(jì)用于顯示在26個(gè)用戶中的24條兩兩連接關(guān)系。橫坐標(biāo)軸標(biāo)識(shí)的是數(shù)，頂部是通話ID，底部是按照降序排列的通話強(qiáng)度，在每個(gè)通話旁邊增加了通話雙方的名字。

當(dāng)用戶研究的側(cè)重點(diǎn)是特定個(gè)體的關(guān)系時(shí)，用戶關(guān)系的視角轉(zhuǎn)變?yōu)橐粚?duì)多的用戶關(guān)系研究。Golban O等人[33]使用加權(quán)的星形圖表示個(gè)體用戶的社交網(wǎng)絡(luò)關(guān)系，其僅展示以單一用戶為中心的網(wǎng)絡(luò)，節(jié)點(diǎn)間的距離編碼了用戶之間的親密度，如圖3（c）所示。Han M等人[34]采用復(fù)雜網(wǎng)絡(luò)中的自我中心網(wǎng)絡(luò)概念描述選定用戶與其他用戶間的一對(duì)多關(guān)系，如圖3（d）所示，中心節(jié)點(diǎn)表示分析人員關(guān)注的自我（ego），周邊節(jié)點(diǎn)表示鄰居（alter），周邊節(jié)點(diǎn)的顏色編碼其他節(jié)點(diǎn)的方向，包括出節(jié)點(diǎn)、入節(jié)點(diǎn)和雙向節(jié)點(diǎn)，邊編碼了聯(lián)系的強(qiáng)度。

圖2 用戶畫像

當(dāng)用戶關(guān)系研究轉(zhuǎn)向整個(gè)網(wǎng)絡(luò)時(shí)，需要展示多對(duì)多的用戶關(guān)系。根據(jù)用戶關(guān)系的復(fù)雜程度，常用的方式有節(jié)點(diǎn)-連接圖和矩陣圖。節(jié)點(diǎn)-連接圖是社交關(guān)系最直觀的表現(xiàn)方式，節(jié)點(diǎn)表示關(guān)系中的實(shí)體（即城市用戶），連接表示實(shí)體之間的聯(lián)系（即用戶聯(lián)系），用節(jié)點(diǎn)間距離、節(jié)點(diǎn)的大小、連接的寬度等視覺通道編碼用戶關(guān)系的其他屬性，如用戶之間的親密度等。Shen Z Q等人[25]采用節(jié)點(diǎn)-連接圖可視化了周六晚上通圖4（a）所示。此外，除了節(jié)點(diǎn)-連接圖，矩陣也是表示關(guān)系的常用方式之一[32]。使用矩陣的方式表示關(guān)系數(shù)據(jù)可以解決節(jié)點(diǎn)-連接圖中連邊交叉而產(chǎn)生視覺混亂的問題，但是由于受到網(wǎng)格分辨率的限制，矩陣圖可視化方法僅適用網(wǎng)絡(luò)規(guī)模較小的情況。Slingsby A等人[18]信用戶的朋友關(guān)系，如采用矩陣圖的形式表示社區(qū)中人與人之間的聯(lián)系，如圖4（b）所示。然而，隨著社交網(wǎng)絡(luò)規(guī)模的變大，網(wǎng)絡(luò)中的節(jié)點(diǎn)和連邊越來越多，網(wǎng)絡(luò)結(jié)構(gòu)也越來越復(fù)雜，一種較新的方式是采用大規(guī)模網(wǎng)絡(luò)圖布局算法展示用戶的社團(tuán)關(guān)系，圖4（c）為CDR通話社會(huì)網(wǎng)絡(luò)的一個(gè)子網(wǎng)[35]。為了更好地展示網(wǎng)絡(luò)的結(jié)構(gòu)，學(xué)者們針對(duì)社交網(wǎng)絡(luò)設(shè)計(jì)了眾多網(wǎng)絡(luò)布局算法[36-40]。

圖3 用戶關(guān)系可視化

圖4 多用戶關(guān)系可視化

3.2 城市通信基站可視化

用戶通過基站設(shè)備及其后端的無線通信網(wǎng)絡(luò)系統(tǒng)使用無線通信服務(wù)，作為離用戶最近的通信終端，基站被用來指示通信應(yīng)用中用戶的大致位置，同時(shí)也是通信系統(tǒng)中的重要一環(huán)。因此，在基于通信數(shù)據(jù)的城市可視分析中，存在較多的以基站為中心的研究。

對(duì)基站的可視分析是對(duì)基站自身利用率和關(guān)聯(lián)用戶情況等工作模式的可視化。基站因其所處位置不同、服務(wù)群體不同而體現(xiàn)出不同的工作模式，如基站的熱度、基站的時(shí)間動(dòng)態(tài)趨勢(shì)、基站的用戶熵等。這些分析類似第3.1節(jié)中的用戶可視化，本節(jié)不再展開。唐楷等人[41]使用柱狀圖來展示不同偽基站的時(shí)間特性，并使用熱力地圖的方式展示偽基站的停留情況。蒲譽(yù)文等人[42]設(shè)計(jì)了雷達(dá)玫瑰圖，并結(jié)合地圖、熱力圖對(duì)位置基站發(fā)送的垃圾短信進(jìn)行分析，以發(fā)現(xiàn)垃圾短信的分布情況及偽基站的移動(dòng)軌跡情況。Andrienko G等人[8]使用像素矩陣來編碼基站的呼叫次數(shù)，將基站天線的呼叫次數(shù)映射為像素點(diǎn)的顏色，通過像素矩陣直觀地展示不同基站的呼叫模式，如圖5（a）所示。同時(shí)，將像素矩陣映射到地圖上，以實(shí)現(xiàn)對(duì)不同基站模式間的對(duì)比。

圖5 通信基站可視化

同時(shí)，作為無線通信系統(tǒng)中的獨(dú)立個(gè)體，基站具有設(shè)備自身獨(dú)有的特征。因此，基站可視分析的另一方面是對(duì)基站特有特征的可視化，如基站的覆蓋范圍分析。為了展示基站的覆蓋范圍，學(xué)者們多采用維諾圖（Voronoi diagram）。維諾圖又稱泰森多邊形，其根據(jù)平面內(nèi)的多個(gè)點(diǎn)對(duì)空間平面進(jìn)行多邊形剖分，特點(diǎn)是多邊形內(nèi)的任何位置離該多邊形內(nèi)樣點(diǎn)的距離小于離相鄰多邊形內(nèi)樣點(diǎn)的距離，且每個(gè)多邊形內(nèi)包含且僅包含一個(gè)樣點(diǎn)。維諾圖很切合基站的特性，將基站所處的位置點(diǎn)作為區(qū)域的幾何中心建立維諾圖，基站所處的幾何區(qū)間即該基站覆蓋的范圍。Mai W M等人[9]采用維諾圖對(duì)廣州市的基站進(jìn)行了可視化，如圖5（b）所示，其中黑色實(shí)線勾畫的多邊形表示基站的覆蓋區(qū)域，多邊形內(nèi)的藍(lán)色點(diǎn)表示基站的位置，可以看出在城市邊緣和區(qū)域交界處存在覆蓋范圍偏大的區(qū)域。維諾圖也可以作為基站分析的基礎(chǔ)圖層，研究人員可在其上展開進(jìn)一步的分析。Pu J S等人[27]在維諾圖的基礎(chǔ)上分析了3個(gè)用戶組的不同移動(dòng)模式。如圖5（c）所示，白色的多邊形編碼了基站的通話總量，紅色圓形的半徑編碼了用戶組在該基站下的通話量。

3.3 城市空間可視化

在現(xiàn)實(shí)生活中，經(jīng)?？梢钥吹较嗤耐恋馗脖簧铣休d了不同的人群活動(dòng)，外形相近的建筑可能承擔(dān)不同的社會(huì)功能。通信大數(shù)據(jù)為城市空間分析提供了基于全樣本的微觀數(shù)據(jù)研究的可能，從人類活動(dòng)的角度更加全面有效地解讀城市空間和土地利用情況[12]。城市空間可視化主要包括空間熱度、空間區(qū)域劃分、空間功能和空間動(dòng)態(tài)。

（1）城市空間熱度可視化

城市空間熱度主要用于體現(xiàn)城市中的人群分布及人群密度[43]。結(jié)合地圖和熱力圖，可以直觀地展示地理空間中不同地點(diǎn)的人群密集情況。Li Z H等人[13]使用熱力圖展示人群密度，并通過對(duì)比不同時(shí)間的熱力圖發(fā)現(xiàn)人群移動(dòng)規(guī)律。Jo A等人[44]基于手機(jī)數(shù)據(jù)，通過熱力圖展現(xiàn)不同性別用戶在不同地區(qū)的活躍程度，從而為城市規(guī)劃中的性別平等提供實(shí)證依據(jù)，圖6（a）展示了女性人口與男性人口的差值（SMW）的分布熱度。與熱力圖相似，在參考文獻(xiàn)[45-46]中，研究者將地圖分區(qū)，并使用漸變色來對(duì)每個(gè)分區(qū)進(jìn)行著色，以顯示不同區(qū)域電信用戶的密度情況，圖6（b）展示了葡萄牙里斯本（Lisbon）周邊與海濱度假圣地卡帕里卡海岸（Costa da Caparica）附近的人口分布漸變情況[46]，其中不同顏色反映了主要假期和工作期的人口密度相對(duì)差值（relative difference）。Zhong G等人[47]基于基站數(shù)據(jù)在地圖上標(biāo)注點(diǎn)，體現(xiàn)空間內(nèi)的人群活躍度。

圖6 人群分布可視化

（2）城市區(qū)域劃分可視化

城市區(qū)域劃分的目的是簡(jiǎn)化城市中的大規(guī)模時(shí)空數(shù)據(jù)，將研究對(duì)象從數(shù)量龐大的具體個(gè)體轉(zhuǎn)化為經(jīng)過劃分的聚集區(qū)域。同時(shí)，根據(jù)區(qū)域的時(shí)空特征自動(dòng)發(fā)現(xiàn)區(qū)域的范圍和功能配置也是城市分析的研究方向之一?；谕ㄐ艛?shù)據(jù)的城市區(qū)域劃分主要有城市邊界發(fā)現(xiàn)、城市行政區(qū)域發(fā)現(xiàn)和城市功能區(qū)發(fā)現(xiàn)3個(gè)方面，相應(yīng)的可視化方式主要是不同形式的地圖分割和按區(qū)域差別化著色，也存在采用圖論的方式展示城市區(qū)域信息的方法。向峰[12]根據(jù)區(qū)域內(nèi)用戶的通話特征自動(dòng)發(fā)現(xiàn)了城市的行政分區(qū)，并將不規(guī)則形狀的分區(qū)用不同的顏色編碼，如圖7（a）所示。Wu W C等人[48]為了展示城市不同移動(dòng)模式的區(qū)域，對(duì)地圖以六邊形為單位進(jìn)行分割，并用不同的顏色編碼不同的分區(qū)類型，如圖7（b）所示。Chen L B等人[16]通過分析基站業(yè)務(wù)模式對(duì)區(qū)域進(jìn)行劃分，同樣使用不同顏色對(duì)不同類型的區(qū)域進(jìn)行編碼，以方便用戶概覽城市的分區(qū)情況。參考文獻(xiàn)[49]根據(jù)用戶活動(dòng)將城市區(qū)域功能分為吃飯、購(gòu)物、休閑等類型，然后將城市地圖以正方形網(wǎng)格為單位對(duì)分區(qū)進(jìn)行著色，如圖7（c）所示。向峰[12]將城市區(qū)域抽象為節(jié)點(diǎn)，將區(qū)域間的聯(lián)系抽象為邊，然后用節(jié)點(diǎn)-連接圖的方式表示不同分區(qū)，以及分區(qū)內(nèi)部和分區(qū)之間的聯(lián)系，如圖7（d）所示。

（3）城市區(qū)域動(dòng)態(tài)可視化

區(qū)域動(dòng)態(tài)可視化使用戶能夠從多時(shí)間尺度感知城市區(qū)域的動(dòng)態(tài)變化。與城市區(qū)域動(dòng)態(tài)相關(guān)的維度包括時(shí)間、空間和人，根據(jù)分析目標(biāo)的不同，可能需要基于不同組合查看城市動(dòng)態(tài)，如固定區(qū)域，查看人群隨時(shí)間的變化動(dòng)態(tài)；固定兩個(gè)時(shí)間點(diǎn)，查看人群在不同區(qū)域之間的移動(dòng)性；或者同時(shí)查看空間、時(shí)間和人的變化。

在表示區(qū)域隨時(shí)間的動(dòng)態(tài)變化方面，采用較多的是不同時(shí)間的地圖快照，或者基于時(shí)間的地圖動(dòng)畫。Shi L等人[50]對(duì)北京的通話密度的動(dòng)態(tài)變化進(jìn)行了對(duì)比，如圖8（a）所示，采用基于時(shí)間的6個(gè)地圖分別展示6個(gè)時(shí)段的通話密度變化情況。地圖左上角的圓形表示鐘表，橙色的扇形區(qū)域表示對(duì)應(yīng)的時(shí)段。可以發(fā)現(xiàn)，在早上和深夜，城市區(qū)域間的差別不大；但是在下班后的時(shí)段，不同區(qū)域間卻出現(xiàn)了很高的多樣性，這可能是因?yàn)槭忻裣掳嗪笥幸恍蕵坊顒?dòng)。另一種相對(duì)具有更高視覺沖擊力的區(qū)域動(dòng)態(tài)表達(dá)方式是變形地圖（cartogram），變形地圖按照各區(qū)域單元屬性值的區(qū)際比例調(diào)整每個(gè)區(qū)域單元的幾何面積，同時(shí)保持各個(gè)區(qū)域單元的空間鄰接關(guān)系。Graells-Garrido E等人[51]采用變形地圖的可視化方式展示城市內(nèi)區(qū)域人口總量的動(dòng)態(tài)情況。如圖8（b）所示，綠色表示居住區(qū)，黃色表示工作區(qū)，左右兩幅地圖分別可視化了早晨和中午的城市人口總量分布，可以看出，早上居住區(qū)占據(jù)了較大的空間，而中午工作區(qū)大幅度擴(kuò)張，居住區(qū)被壓縮到很小的空間。

圖7 區(qū)域劃分

圖8 區(qū)域動(dòng)態(tài)可視化

圖9 人群移動(dòng)性可視化

在固定兩個(gè)時(shí)間點(diǎn)，可視化人群在不同區(qū)域之間的移動(dòng)性方面，可采用的方式較為豐富。首先，可以將人的通話記錄看作一個(gè)時(shí)空序列，如果兩個(gè)相鄰的時(shí)間點(diǎn)之間發(fā)生了位置改變，那么就構(gòu)成了一條起點(diǎn)到終點(diǎn)的OD軌跡。人口移動(dòng)性可視化主要是對(duì)用戶OD軌跡的展示，主要包括基于地圖的直接OD可視化、聚合OD可視化和矢量場(chǎng)OD可視化等。Lorenzo G D等人[1]采用直接可視化的方 式展示了8:00到9:00的6萬條OD流，如圖9（a）所示。對(duì)于像通信這樣大規(guī)模的數(shù)據(jù)來說，直接OD可視化存在視覺遮擋、混亂，且繪制效率較低的問題。這時(shí)需要采取進(jìn)一步的方法優(yōu)化軌跡可視化設(shè)計(jì)，如根據(jù)線路的方向和距離的聚合線路的邊綁定算法、基于拓?fù)渲貥?gòu)的聚合方法。參考文獻(xiàn)[52]根據(jù)軌跡的距離對(duì)相鄰的軌跡進(jìn)行聚類，以提高大規(guī)模軌跡的可讀性。Andrienko G等人[8]采用了基于區(qū)域聚合的方式，如圖9（b）所示，用戶的軌跡被匯總為28個(gè)聚合區(qū)域之間的遷移線，區(qū)域間的遷移強(qiáng)度用線的寬度表示，區(qū)域內(nèi)的用戶數(shù)用區(qū)域中心的黃色條形表示。另外，也有一些基于矢量流的移動(dòng)性表示方法。Wang F等人[14]將城市通信中的人群移動(dòng)表示為矢量場(chǎng)，并提出了一種根據(jù)相鄰區(qū)域的主要矢量重構(gòu)新的人造矢量的方式，使用該方式優(yōu)化軌跡呈現(xiàn)，以矢量流圖的形式進(jìn)行可視化，使得大規(guī)模人群的移動(dòng)直觀易讀，而且減少了視覺混亂和遮擋。如圖9（c）所示，左側(cè)是一個(gè)立交橋原始OD的可視化，右側(cè)為優(yōu)化后的矢量流圖可視化，矢量流圖將細(xì)節(jié)表達(dá)得更清晰。此外，除了基于地圖的OD可視化，如果更關(guān)心區(qū)域間的流量轉(zhuǎn)移情況，也可以采用流圖、桑基圖或者弦圖的方式可視化區(qū)域之間的移動(dòng)性。Graells-Garrido E等人[51]采用 ?；鶊D（如

圖9（d）所示）來展示區(qū)域之間的人流情況，突出展示了流量分布和相互關(guān)系，但是缺失區(qū)域的地理坐標(biāo)。Lorenzo G D等人[1]采用動(dòng)態(tài)弦圖結(jié)合地圖的方式展示人群的移動(dòng)，如圖9（e）所示。通過在弦圖和地圖中采用同樣的顏色編碼，讀者既可以從弦圖中觀察區(qū)域間的遷移分布情況，又可以在地圖中根據(jù)顏色直觀地查看區(qū)域的地理位置。

圖10 時(shí)空立方體

城市動(dòng)態(tài)研究有時(shí)需要同時(shí)觀察時(shí)間和空間兩個(gè)方面的變化，這時(shí)需要采用相對(duì)復(fù)雜的時(shí)空可視化方法來展示數(shù)據(jù)，時(shí)空動(dòng)態(tài)可視化的主流方法是時(shí)空立方體。Kang C G等人[53]采用3D時(shí)空立方體的可視化方法描述個(gè)人移動(dòng)模式，如圖10（a）所示，水平面為地圖平面，豎軸表示周一到周日的時(shí)間范圍，中間的軌跡線描述了一個(gè)人一周的活動(dòng)路徑。可以看出，在工作日，用戶行為在時(shí)間和空間上都具有很高的規(guī)律性，而在周末具有明顯的不同。Senaratne H等人[54]對(duì)時(shí)空立方體可視化進(jìn)行了擴(kuò)展，以處理因天線信號(hào)等技術(shù)問題導(dǎo)致的部分移動(dòng)位置缺失引起的用戶路徑不確定性，他們將時(shí)空棱鏡（如圖10（b）所示）作為位置不確定性的標(biāo)識(shí)圖符，可視化了某個(gè)選定用戶一周的行動(dòng)路徑，兩個(gè)時(shí)空棱鏡表示兩個(gè)不確定路段的可能區(qū)域范圍。

4 通信數(shù)據(jù)的城市可視分析

通信數(shù)據(jù)具有時(shí)間、空間和用戶關(guān)系等多方面的信息維度，在時(shí)序性上，蘊(yùn)含用戶行為、事件序列等信息；在空間上，具有地理空間數(shù)據(jù)信息。許多學(xué)者基于通信數(shù)據(jù)分析城市態(tài)勢(shì)，Calabrese F等人[55]總結(jié)了城市感知的常見任務(wù)，包括評(píng)估人口分布、評(píng)估城市不同地區(qū)的活動(dòng)類型、評(píng)估人群移動(dòng)模式、分析本地事件以及分析社交網(wǎng)絡(luò)的地理位置。本節(jié)將從城市語義感知、城市預(yù)測(cè)與異常分析、城市資源優(yōu)化3個(gè)角度對(duì)這些研究進(jìn)行梳理，并介紹其中的代表性工作，見表3。

表3 通信數(shù)據(jù)城市可視分析的典型工作

4.1 城市語義感知

城市是由人類行為決定和演化的生命系統(tǒng)。移動(dòng)通信網(wǎng)絡(luò)的深度普及和大規(guī)模通信數(shù)據(jù)的產(chǎn)生提供了一種從人類真實(shí)行為角度感知和探索城市語義的通道。移動(dòng)數(shù)據(jù)特有的基于位置的服務(wù)和實(shí)時(shí)動(dòng)態(tài)反饋也給城市動(dòng)態(tài)感知帶來了前所未有的時(shí)間尺度細(xì)節(jié)。

（1） 城市人的語義

人是城市生活的主體。城市語義感知的一大主題是關(guān)于人類語義的感知，人類語義包括人的社會(huì)角色發(fā)現(xiàn)、人群畫像、行為語義、用戶關(guān)系感知等。

● 用戶角色和關(guān)系語義：Jiang H Y等人[28]根據(jù)用戶的時(shí)間和空間分布特征推測(cè)用戶的社會(huì)角色，分析出學(xué)生、上班族等用戶角色，然后結(jié)合用戶相似度和地理空間距離推測(cè)用戶的關(guān)系，發(fā)現(xiàn)家庭關(guān)系和同事關(guān)系。張海旭等人[30]提取了用戶通話在日常移動(dòng)模式和社交生活方面的特征，采用K-means算法聚類，然后勾勒用戶畫像。向峰[12]將用戶的通話聯(lián)系抽象為無向圖，將用戶間的親密度映射為邊的權(quán)重，然后基于用戶關(guān)系網(wǎng)絡(luò)拓?fù)浜偷乩碇睾隙葋矸治龊皖A(yù)測(cè)用戶之間關(guān)系。Zhang H Q 等人[35]將用戶通話看作隨機(jī)過程，采用親密度度量用戶之間的相似性，可以發(fā)現(xiàn)社會(huì)團(tuán)體，以及短期、中期和長(zhǎng)期的朋友關(guān)系。Fan X等人[56]根據(jù)智能手機(jī)的使用記錄分析用戶個(gè)人生活信息，根據(jù)事件種類和詳細(xì)的事件序列的多視圖協(xié)調(diào)交互分析和層次關(guān)聯(lián)，可以發(fā)現(xiàn)用戶的不同風(fēng)格和愛好。Slingsby A等人[18]基于移動(dòng)通話的log，從時(shí)間和空間上探索用戶社會(huì)關(guān)系網(wǎng)絡(luò)，用戶界面如圖11（a）所示，采用可縮放的地圖A和時(shí)間線B查看用戶概覽，然后通過篩選和縮放選定感興趣的區(qū)域和人，D區(qū)域采用矩陣圖展示用戶之間的通話頻度。

● 人類行為語義： Phithakkitnukoon S等人[49]以人類活動(dòng)模式感知分析為目標(biāo)，提出了活動(dòng)感知地圖（activity-aware map）。通過100萬條手機(jī)記錄數(shù)據(jù)提取并捕捉個(gè)人日?；顒?dòng)模式，結(jié)合城市POI數(shù)據(jù)進(jìn)行設(shè)計(jì)，基于活動(dòng)感知地圖描述空間區(qū)域最相關(guān)的活動(dòng)，分析不同人或人群和區(qū)域之間的相關(guān)性，對(duì)海量的人類活動(dòng)賦予吃飯、購(gòu)物、娛樂等語義。Lu M M等人[68]基于用戶手機(jī)App的使用記錄，發(fā)掘用戶日常生活中的個(gè)人習(xí)慣、興趣和行為模式。Alexander L等人[69]首先根據(jù)手機(jī)用戶頻繁訪問地點(diǎn)的到達(dá)時(shí)間和停留時(shí)間等推測(cè)停留地點(diǎn)的語義，如家、工作地或者其他，然后根據(jù)停留地點(diǎn)語義推測(cè)人的活動(dòng)語義。

● 人類群體和宏觀語義：Deville P等人[46]基于移動(dòng)通信數(shù)據(jù)進(jìn)行國(guó)家和不同行政級(jí)別區(qū)域內(nèi)的動(dòng)態(tài)人口研究，推測(cè)區(qū)域內(nèi)一天不同時(shí)間、一周不同日期，以及季節(jié)性的人口動(dòng)態(tài)變化。Shen Z Q等人[25]在異構(gòu)網(wǎng)絡(luò)中呈現(xiàn)社會(huì)和空間信息的理念，使用“行為環(huán)”表示個(gè)人或群體的行為模式。Wu W C等人[70]采用雙簇可視化等新穎的可視化設(shè)計(jì)，幫助專家深入探索城市用戶移動(dòng)的并發(fā)性。Zheng Y等人[57]通過用戶移動(dòng)模式感知人群移動(dòng)模式，提出了一個(gè)全面的可視分析系統(tǒng)TelcoFlow。系統(tǒng)采用基于狀態(tài)的行為模型等高級(jí)定量分析和嵌入狀態(tài)符號(hào)的擴(kuò)展流視圖等可視化設(shè)計(jì)，能夠支持對(duì)群體行為的高效和深入分析。系統(tǒng)用戶界面如圖11（b）所示，其中視圖A是多側(cè)面過濾視圖，流視圖B提供了基于狀態(tài)模型的群體行為概覽，徑向分布圖C和徑向距離圖D展示了一個(gè)狀態(tài)簇的細(xì)節(jié)并支持比較分析，序列圖E可視化了提取的代表不同群體行為的狀態(tài)簇序列，分析師可在此視圖查找感興趣的目標(biāo)，并在流圖F中進(jìn)一步查看。

圖11 城市人的語義可視化

（2）城市空間語義感知

根據(jù)其所承載的功能和配置的不同，城市空間具有不同的語義。單獨(dú)從城市土地覆蓋和建筑外形難以準(zhǔn)確推測(cè)其社會(huì)功能。利用通信大數(shù)據(jù)提取人類活動(dòng)分布特征，能從人群活動(dòng)的角度更為全面有效地解讀城市土地的利用情況，感知城市空間語義。

Wu W C等人[48]提出了一種交互式視覺分析系統(tǒng)MobiSeg，通過將城市區(qū)域劃分為共享相似活動(dòng)模式的區(qū)域，對(duì)人們的活動(dòng)進(jìn)行探索。聯(lián)合通信、出租車和地鐵射頻識(shí)別（radio frequency identification，RFID）3種數(shù)據(jù)，通過非負(fù)矩陣分解和有監(jiān)督聚類分析人們的移動(dòng)活動(dòng)模式，將市區(qū)劃分為不同的活動(dòng)區(qū)域。系統(tǒng)的用戶接口如圖12（a）所示，全局地圖視圖A提供整體移動(dòng)概覽，并支持空間和時(shí)間過濾；觀察視圖B展示了分區(qū)結(jié)果及區(qū)域內(nèi)活動(dòng)視圖；細(xì)節(jié)視圖C可視化了移動(dòng)特征向量的時(shí)間序列，以進(jìn)行深入的分析和對(duì)比；活動(dòng)模式視圖D便于對(duì)提取的潛在活動(dòng)模式進(jìn)行解讀。

Li Z H等人[13]設(shè)計(jì)了Trajectory2Vec可視分析系統(tǒng)，系統(tǒng)界面如圖12（b）所示。根據(jù)詞嵌入模型，將基站的時(shí)空信息映射為向量，通過計(jì)算基站間的高層語義的相似規(guī)律來分析地理區(qū)域的功能性信息；再將帶有時(shí)空變化信息的手機(jī)用戶移動(dòng)軌跡映射至向量空間，使基站地理坐標(biāo)與軌跡結(jié)合，從而獲取更加豐富的語義信息。

Liu C F等人[19]通過運(yùn)動(dòng)模式分析獲得指定市區(qū)的功能。采用基于深度學(xué)習(xí)的移動(dòng)電話通信數(shù)據(jù)，使用聚類分析來探索城市的結(jié)構(gòu)。從圖像處理中獲得靈感，并構(gòu)建通信快照?qǐng)D以表示每個(gè)區(qū)域。使用深度學(xué)習(xí)方法提取特征后，使用無監(jiān)督學(xué)習(xí)查找城市的相似區(qū)域。

（3）城市動(dòng)態(tài)語義感知

交通、流行病調(diào)查和災(zāi)害防備等需要在更細(xì)粒度上實(shí)時(shí)感知城市區(qū)域的動(dòng)態(tài)變化規(guī)律，人口普及數(shù)據(jù)僅能反映城市行政區(qū)劃粒度的靜態(tài)分布數(shù)據(jù)。手機(jī)是感知用戶移動(dòng)軌跡的可靠設(shè)備[71]，基于人對(duì)通信網(wǎng)絡(luò)的使用情況建立城市動(dòng)態(tài)感知模型，可支撐運(yùn)營(yíng)商和城市管理者多側(cè)面探索城市區(qū)域的時(shí)間動(dòng)態(tài)、區(qū)域間人類的移動(dòng)性和城市的時(shí)空動(dòng)態(tài)。

圖12 城市空間語義感知可視化

Shi L等人[50]設(shè)計(jì)了一套多側(cè)面的城市動(dòng)態(tài)可視概覽分析系統(tǒng)Urba nFACET，用戶界面如圖13（a）所示。基于城市居民的手機(jī)App簽到數(shù)據(jù)，可發(fā)現(xiàn)并可視化多個(gè)城市及其居民的動(dòng)態(tài)情況。他們通過提出一套新的基于信息理論的度量方法來表征城市區(qū)域和居民群體的流動(dòng)模式，從而分類和顯示城市的隱藏功能，發(fā)現(xiàn)城市居民和城市功能間的關(guān)系和影響。度量方法包含的指標(biāo)包括流動(dòng)性、活力、交換、多樣性和密度等，并能進(jìn)一步可視分析和比較不同地區(qū)城市指標(biāo)的異同。

Kang C G等人[53]通過使用中國(guó)大城市的數(shù)百萬條原始手機(jī)通話記錄，計(jì)算一天中不同時(shí)間和一周中不同日期的手機(jī)使用情況的統(tǒng)計(jì)特征，從而得出數(shù)百萬手機(jī)用戶個(gè)人的匯總移動(dòng)性模式和不同群體的流動(dòng)模式。Senaratne H等人[54]提出了一種用于全球移動(dòng)通信系統(tǒng)（global system for mobile communications，GSM）移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)探索和搜索的可視化分析方法。該方法定義了交互導(dǎo)航數(shù)據(jù)的地理空間和矩陣表示，將數(shù)據(jù)可視化與合適的數(shù)據(jù)分析算法集成在一起，允許在空間和時(shí)間上比較手機(jī)的使用情況，識(shí)別規(guī)律，以及發(fā)現(xiàn)跨越區(qū)域和用戶組的用戶移動(dòng)模式的異常。Zhou Z G等人[58]基于OD流與自然語言處理（natural language processing，NPL）項(xiàng)的類比，建立了OD流的特征，設(shè)計(jì)了一種迭代的多目標(biāo)采樣方案，可在向量化的表示空間中選擇OD流，并設(shè)計(jì)了一組有意義的可視編碼來表示OD流的交互。

Wang F等人[14]設(shè)計(jì)了一套自適應(yīng)的時(shí)空表示方法來描述城市人口移動(dòng)，系統(tǒng)用戶界面如圖13（b）所示，包括時(shí)間組件視圖A、流視圖B、控制面板和交互工具C、堆棧時(shí)序圖D。用戶可以在不同的時(shí)間尺度上交互式地檢索和探索感興趣區(qū)域中人口流動(dòng)的軌跡。他們將人口移動(dòng)表示為矢量場(chǎng)，以流圖的形式呈現(xiàn)，使得大規(guī)模人群的移動(dòng)直觀易讀，而且減少了視覺混亂和遮擋。

圖13 城市動(dòng)態(tài)語義可視化

4.2 城市預(yù)測(cè)與異常分析

移動(dòng)電話產(chǎn)生的大規(guī)模數(shù)據(jù)提供了一個(gè)群體移動(dòng)性的顯微鏡，可用來觀測(cè)人類群體的隱藏模式，發(fā)現(xiàn)群體異常行為和城市生活中的異常事件[7]?；谕ㄐ艛?shù)據(jù)的城市異常發(fā)現(xiàn)為建設(shè)更安全的城市提供了強(qiáng)有力的參考?；谕ㄐ艛?shù)據(jù)的城市異常分析主要包括通信基站異常檢測(cè)、社交群體異常檢測(cè)和社會(huì)事件異常檢測(cè)。

（1）通信基站異常檢測(cè)

通信基站異常檢測(cè)的一方面是發(fā)現(xiàn)基站不正常的工作模式。Lee W H等人[60]結(jié)合時(shí)空數(shù)據(jù)挖掘和地理信息系統(tǒng)（geographic information system，GIS）技術(shù)，整合GIS道路網(wǎng)絡(luò)和基站數(shù)據(jù)庫(kù)，提出了一種新穎的基站信號(hào)覆蓋發(fā)現(xiàn)模型SCHADI M。該模型能夠在移動(dòng)網(wǎng)絡(luò)中發(fā)現(xiàn)信號(hào)覆蓋漏洞區(qū)和信號(hào)覆蓋弱區(qū)。Jiang H Y等人[6]根據(jù)基站流量的時(shí)間分布模型，可以發(fā)現(xiàn)發(fā)生了宕機(jī)的基站。

通信基站異常檢測(cè)的另一個(gè)方面是發(fā)現(xiàn)偽基站。偽基站又稱假基站，是非法份子為牟取利益而非法改裝的基站設(shè)備。偽基站啟動(dòng)后會(huì)干擾和屏蔽一定范圍內(nèi)的運(yùn)營(yíng)商信號(hào)，之后則會(huì)搜索附近的手機(jī)號(hào)，并將短信發(fā)送到這些手機(jī)號(hào)上。偽基站既影響用戶的正常通信，又對(duì)用戶財(cái)產(chǎn)和信息安全構(gòu)成了威脅。然而由于偽基站一般被裝載在車輛上，具有一定的流動(dòng)性，偽基站的檢測(cè)和定位具有一定的難度。蒲譽(yù)文等人[42]提出了基于多用戶垃圾短信數(shù)據(jù)進(jìn)行偽基站活動(dòng)軌跡可視分析的方法。通過用戶上報(bào)垃圾短信的時(shí)間、相對(duì)位置、內(nèi)容等信息，追溯偽基站的近似活動(dòng)軌跡，并通過設(shè)計(jì)多種可視化視圖，實(shí)現(xiàn)了一個(gè)多視圖組合的交互式可視分析系統(tǒng)。徐江陽等人[59]提出了基于惡意短信數(shù)據(jù)進(jìn)行偽基站行為可視分析的方法，通過設(shè)計(jì)基于地圖的熱力視圖、散點(diǎn)視圖、日歷熱力視圖、時(shí)間堆棧視圖，開發(fā)可視分析系統(tǒng)FBSVA，從而探求偽基站的行為規(guī)律。

（2）社交群體異常檢測(cè)

通信網(wǎng)絡(luò)中具有異常行為的用戶群體是社會(huì)的潛在威脅。從用戶社交的角度出發(fā)，識(shí)別異常的社交關(guān)系和社交群體，并通過可視化技術(shù)提供上下文和交互分析支持，有助于安全部門高效識(shí)別、對(duì)比和探索潛在的危險(xiǎn)用戶。

Traag V A等人[61]構(gòu)建了一個(gè)貝葉斯位置推理框架，能夠從大規(guī)模通信數(shù)據(jù)中發(fā)現(xiàn)異常的大規(guī)模聚集事件，以及進(jìn)一步推斷出誰參與了事件。Jiang H Y等人[28]從通信網(wǎng)絡(luò)用戶社交和時(shí)空特征的角度出發(fā)，提出了一種社團(tuán)和用戶行為可視分析模型，以支持安全部門識(shí)別異常用戶事件和異常群體活動(dòng)。該系統(tǒng)能夠識(shí)別大規(guī)模社交群體，并識(shí)別出其中的關(guān)鍵成員。用戶界面如圖14（a）所示，左上是社團(tuán)的活動(dòng)地圖和時(shí)間分布趨勢(shì)，右側(cè)是社團(tuán)弦圖，左下是展示了社團(tuán)Top-N用戶和他們之間的相互聯(lián)系的甘特圖。

圖14 社交群體異常檢測(cè)

Han M等人[34]基于圖模型，從ego網(wǎng)絡(luò)的角度交互式地探索移動(dòng)用戶的通信行為，提出了一個(gè)異常通信行為分析系統(tǒng)egoStellar。egoStellar用于全面地探索移動(dòng)用戶的行為分布情況，系統(tǒng)界面如圖14（b）所示，左側(cè)用戶組視圖用于對(duì)用戶進(jìn)行分類并提取特征，以進(jìn)行異常檢測(cè)和比較；右側(cè)ego網(wǎng)絡(luò)視圖展示了以自我為中心的視圖，用于顯示詳細(xì)的自我與接觸者之間的交互分布。

（3）社會(huì)事件異常檢測(cè)

通信群體的“異?，F(xiàn)象”可以提供對(duì)城市環(huán)境功能配置的更多見解，從而提高城市管理者對(duì)城市事件識(shí)別的時(shí)空意識(shí)。

Dong Y X等人[7]提供了一套能夠從低時(shí)空分辨度的CDR數(shù)據(jù)中檢測(cè)異常事件的通用框架和原型系統(tǒng)。該框架通過定義柱狀簇（cylindrical cluster）解決CDR數(shù)據(jù)時(shí)空稀疏性的問題，通過定義近距離人群的概念刻畫群體聚集性，通過柱狀簇、近距離人群和用戶移動(dòng)性定義異常事件發(fā)現(xiàn)算法，最終形成了一個(gè)通用的異常發(fā)現(xiàn)框架和原型系統(tǒng)。該系統(tǒng)允許城市管理人員等分析人群的形成和演變，并研究不同參數(shù)對(duì)所得結(jié)果的影響，根據(jù)分析目標(biāo)啟發(fā)性地提出可能的變化，以獲得更有意義的結(jié)果。系統(tǒng)的用戶接口如圖15（a）所示，主要由兩部分組成：上部視圖a為城市的地圖概況，下部視圖b為用戶、人群和事件的統(tǒng)計(jì)數(shù)據(jù)。該系統(tǒng)可以基于CDR數(shù)據(jù)高效地檢測(cè)出多種異常社會(huì)事件。

圖15 城市異常事件檢測(cè)

與采用統(tǒng)計(jì)或者機(jī)器學(xué)習(xí)方法相區(qū)別，Sagl G等人[5]刻意僅采用直接可視映射的方式發(fā)現(xiàn)通信數(shù)據(jù)中人類群體移動(dòng)的時(shí)空特征和異常時(shí)空模式，并建立了異常模式與真實(shí)世界的關(guān)聯(lián)性。作者發(fā)現(xiàn)群體的整體移動(dòng)模式具有令人驚奇的相似性和對(duì)稱性，他們提出的模型和原型系統(tǒng)能鑒別出多種城市異常事件，如演唱會(huì)、球賽和游行等。如圖15（b）所示，左側(cè)3個(gè)圖顯示了選定區(qū)域7月22日—24日3天的凈遷入人口隨時(shí)間變化的堆疊柱狀圖，右側(cè)為一個(gè)關(guān)聯(lián)地區(qū)的航拍圖，其中7月23日出現(xiàn)了一個(gè)顯著的橙色峰值，進(jìn)一步分析得知該時(shí)段舉辦了一場(chǎng)演唱會(huì)。

Zhu Q等人[62]基于CDR數(shù)據(jù)設(shè)計(jì)了一種時(shí)間序列分析與機(jī)器學(xué)習(xí)相結(jié)合的異常提取方法。這種方法可以將具有相似流量模式的區(qū)域單元進(jìn)行聚類，并將一個(gè)城市劃分為不同的群體。然后，在分組區(qū)域中，作者使用聚類技術(shù)檢測(cè)蜂窩網(wǎng)絡(luò)的異常行為，并使用從在線來源收集到的地面真實(shí)信息來驗(yàn)證結(jié)果的準(zhǔn)確性。結(jié)果表明，在特定的地點(diǎn)和時(shí)間，用戶行為異常與活動(dòng)量的突然增加有關(guān)。

4.3 城市資源優(yōu)化

城市的快速發(fā)展使城市結(jié)構(gòu)分析變得復(fù)雜。使用訪談和調(diào)查等傳統(tǒng)方法很難學(xué)習(xí)城市生態(tài)系統(tǒng)。大規(guī)模通信數(shù)據(jù)提供了一個(gè)從多尺度時(shí)空粒度觀測(cè)人與城市基礎(chǔ)設(shè)施互動(dòng)情況的窗口，這有助于分析人員更深入地理解城市基礎(chǔ)設(shè)施的利用情況，進(jìn)而為城市設(shè)計(jì)與規(guī)劃提供有效的參考。

（1）基站和通信設(shè)施優(yōu)化

隨著移動(dòng)電話用戶的增加，電信供應(yīng)商需要建設(shè)和調(diào)整基站，以達(dá)到更高的地理區(qū)域覆蓋率和更好的通話信號(hào)質(zhì)量，因此對(duì)基站規(guī)劃的合理優(yōu)化變得迫切。

Chen L B等人[16]提出了一種新穎的將在時(shí)間上流量互補(bǔ)的基站聚合到同一個(gè)基帶處理單元（baseband unit，BBU）的聚合方案，以優(yōu)化無線接入網(wǎng)的容量利用率和部署成本。作者利用多元長(zhǎng)短時(shí)記憶（multivariate long short-term memory，MuLSTM）模型學(xué)習(xí)基站流量模式的時(shí)間依賴性和空間關(guān)聯(lián)性，并對(duì)未來一段時(shí)間內(nèi)的流量做出準(zhǔn)確的預(yù)測(cè)。根據(jù)基站的業(yè)務(wù)量，建立一個(gè)加權(quán)圖模擬基站間的互補(bǔ)性，把住宅區(qū)、商業(yè)區(qū)和交通樞紐等在時(shí)間上互補(bǔ)的基站聚集到一起，并連接到同一個(gè)BBU，從而實(shí)現(xiàn)帶寬共享，提高BBU的利用率。

Ghahramani M等人[63]提出了一種探索性的空間數(shù)據(jù)分析算法，對(duì)不同區(qū)域進(jìn)行優(yōu)先排序，快速準(zhǔn)確地檢測(cè)城市熱點(diǎn)。研究結(jié)果可為城市規(guī)劃與發(fā)展及電信基礎(chǔ)設(shè)施升級(jí)提供參考。Jiang H Y等人[6]設(shè)計(jì)了名為Aureole的可視 化分析系統(tǒng)來感知基站的時(shí)空分布和利用率。系統(tǒng)采用環(huán)形構(gòu)圖理論，讓用戶在不丟失上下文信息的情況下專注于感興趣的區(qū)域。Aureole的用戶界面如圖16所示，視圖A是選定基站簇的全局信息，視圖B是基站在一周的每天，以及一天內(nèi)的通話時(shí)間分布，視圖C通過一個(gè)扇區(qū)模型展示了感興趣基站的聚合時(shí)間動(dòng)態(tài)。用戶通過該系統(tǒng)對(duì)基站進(jìn)行逐層深入的探索分析，高效定位過載基站、空閑基站及其時(shí)間上的詳細(xì)流量模式。

（2）城市交通設(shè)施優(yōu)化

交通設(shè)施和市民日常生活息息相關(guān)，合理的交通設(shè)施規(guī)劃和優(yōu)化對(duì)市民的日常出行起著非常重要的作用。通信和交通具有一定的相關(guān)性，可以通過分析城市用戶的通話數(shù)據(jù)來感知市民的移動(dòng)模式和動(dòng)態(tài)，進(jìn)而揭示交通設(shè)施的可用情況。

Lorenzo G D等人[1]提出了基于手機(jī)數(shù)據(jù)的智能分析系統(tǒng)AllAboard，幫助城市規(guī)劃者在視覺上探索城市流動(dòng)性和優(yōu)化公共交通。作者將通信數(shù)據(jù)和公交網(wǎng)絡(luò)關(guān)聯(lián)，允許公交運(yùn)營(yíng)商直觀地探索城市用戶在空間和時(shí)間上的出行需求，以非常精細(xì)的尺度評(píng)估公交網(wǎng)絡(luò)的服務(wù)質(zhì)量，并對(duì)優(yōu)化方案提供對(duì)比支持。AllAboard用戶界面如圖17所示，視圖A是OD過濾組件和交互組件控制面板；視圖B基于地圖展示OD流和公交線路圖，流量的顏色表示流量的大?。灰晥DC是OD流的時(shí)空比較圖，用時(shí)間順序的圓圈表示每個(gè)移動(dòng)性時(shí)間序列。

圖16 Aureole 用戶界面

圖17 AllAboard 用戶界面圖

為了挖掘廣州市的交通特征，Mai W M等人[9]從出行時(shí)間估計(jì)和城區(qū)重點(diǎn)線路分析兩個(gè)方面進(jìn)行研究。他們提出了一種基于交通語義屬性劃分交通區(qū)域的城市出行時(shí)間估計(jì)方法，利用CDR數(shù)據(jù)提取用戶軌跡，利用DBSCAN算法描述廣州市的關(guān)鍵路線。為了研究城市內(nèi)的旅客出行行為，在劃分交通分區(qū)的過程中引入了交通語義屬性，對(duì)城市中任意兩個(gè)位置之間的出行時(shí)間進(jìn)行了估計(jì)，使分區(qū)之間和分區(qū)內(nèi)部的特征更符合實(shí)際交通狀況。該方法為低成本估算城市出行時(shí)間提供了思路。此外，利用從CDR數(shù)據(jù)中提取的單個(gè)軌跡，采用DBSCAN軌跡聚類方法對(duì)廣州市重點(diǎn)線路進(jìn)行聚類分析。這些路線可以通過城市的實(shí)際情況進(jìn)行驗(yàn)證，為城市道路規(guī)劃和城市交通的進(jìn)一步研究提供一些新的發(fā)現(xiàn)和直觀的參考。

Zhong G等人[64]提出了一個(gè)新穎的系統(tǒng)性方法，用于從通信數(shù)據(jù)中獲取城市用戶的行程信息。作者以一個(gè)大型的交通樞紐為研究中心，將通信用戶分為市內(nèi)行程和市間行程，設(shè)計(jì)了用于提取行程出發(fā)/到達(dá)時(shí)間的方法，分析了行程的時(shí)間分布、空間熱度和相關(guān)性，能夠?yàn)槌鞘幸?guī)劃者和交通研究者提供有效的參考。

（3）城市服務(wù)機(jī)構(gòu)優(yōu)化

人口因素是城市服務(wù)規(guī)劃的首要參考因素，傳統(tǒng)的人口調(diào)查是一個(gè)以行政邊界為空間粒度的靜態(tài)人數(shù)統(tǒng)計(jì)。而在現(xiàn)實(shí)世界中，人口是動(dòng)態(tài)流動(dòng)的，而且即使分布在很小的區(qū)域內(nèi)也可能有明顯的變化。移動(dòng)電話基于位置服務(wù)的特性為城市規(guī)劃者提供了一個(gè)更真實(shí)和更細(xì)的時(shí)空粒度的人口觀察窗口，基于移動(dòng)通話的人流分析為城市服務(wù)機(jī)構(gòu)選址和更好的現(xiàn)場(chǎng)管理提供了較為可靠的依據(jù)。

翟書穎等人[65]根據(jù)CDR數(shù)據(jù)推斷基站周邊的人流量特征，結(jié)合交通和房?jī)r(jià)等多源數(shù)據(jù)，建立了針對(duì)連鎖企業(yè)選址的位置推薦模型和規(guī)模推薦模型。鄧軻等人[66]根據(jù)CDR數(shù)據(jù)確定地圖格柵范圍內(nèi)的基站信息，提取區(qū)域內(nèi)居住人數(shù)、工作人數(shù)和流動(dòng)人數(shù)，然后結(jié)合交通狀況、用戶價(jià)值和競(jìng)爭(zhēng)網(wǎng)點(diǎn)的數(shù)量，建立銀行網(wǎng)點(diǎn)選址推薦模型。Krisp J M等人[67]以提高消防和城市救援服務(wù)效率為目標(biāo)研究通信數(shù)據(jù)。作者研究隨著時(shí)間的推移人口分布與人口密度熱點(diǎn)之間的關(guān)系，以有效地選擇消防、救援和其他城市保護(hù)機(jī)構(gòu)的位置。同時(shí)，移動(dòng)電話數(shù)據(jù)也可以提供事故地點(diǎn)的真實(shí)人口密度，從而幫助救援工作人員更好地做應(yīng)急準(zhǔn)備。

5 結(jié)束語

采用可視分析技術(shù)解讀移動(dòng)通信數(shù)據(jù)蘊(yùn)含的大規(guī)模人類關(guān)系拓?fù)浜蜁r(shí)空動(dòng)態(tài)分布，對(duì)數(shù)據(jù)驅(qū)動(dòng)的多尺度城市感知具有重要意義。本文總結(jié)了通信數(shù)據(jù)的主要來源、特點(diǎn)和處理方法，歸納了通信數(shù)據(jù)城市可視分析中的人、通信設(shè)備、城市空間3種內(nèi)在對(duì)象相應(yīng)的可視化方法，并對(duì)近年來基于通信數(shù)據(jù)的城市可視分析的代表性工作進(jìn)行了梳理。盡管基于通信數(shù)據(jù)的城市可視分析已經(jīng)取得了較為豐碩的成果，然而未來面對(duì)日益增長(zhǎng)的城市智能分析需求，依舊存在諸多的挑戰(zhàn)和機(jī)遇，具體如下。

一是如何有效保護(hù)用戶的隱私。通信數(shù)據(jù)涉及詳細(xì)的個(gè)人活動(dòng)軌跡和社交關(guān)系等高度敏感的信息。研究采用的數(shù)據(jù)大多進(jìn)行了匿名化處理，但是依舊存在被反匿名化的可能。有研究將用戶的真實(shí)地理位置進(jìn)行偏移處理，也有研究將用戶呼叫記錄中的空間、時(shí)間信息作為輸入，創(chuàng)造一種合成的數(shù)據(jù)來保護(hù)真實(shí)話單數(shù)據(jù)中的隱私。但是，這方面的研究相對(duì)稀缺，未來如何有效保護(hù)用戶隱私是一個(gè)重要的研究方向。

二是如何融合多源數(shù)據(jù)進(jìn)行相互補(bǔ)充和印證。移動(dòng)通話數(shù)據(jù)雖然具有較好的用戶和時(shí)空特性，但是也存在軌跡記錄稀疏、基于基站定位的空間精度不高以及缺乏明確語義信息等問題。如果能夠結(jié)合高精度的GPS數(shù)據(jù)，或者具有語義的微博、Twitter社交網(wǎng)絡(luò)數(shù)據(jù)等數(shù)據(jù)源，各數(shù)據(jù)互相補(bǔ)充印證，能夠獲得更加立體的城市感知。未來，大規(guī)模多時(shí)空數(shù)據(jù)的融合、關(guān)聯(lián)和糾錯(cuò)技術(shù)將是一個(gè)研究難點(diǎn)。

三是如何高效處理大規(guī)模通信數(shù)據(jù)。當(dāng)前絕大部分基于移動(dòng)通信數(shù)據(jù)的可視分析是基于離線的統(tǒng)計(jì)或者聚合進(jìn)行處理的，而城市災(zāi)備等高時(shí)效性的服務(wù)需要更快的數(shù)據(jù)處理能力。有研究引入了Hadoop分布式架構(gòu)、并行處理算法或者優(yōu)化的可視交互手段[15]，但是此領(lǐng)域的研究總量相對(duì)較少，分析效率提升是 未來的一個(gè)研究方向。

四是如何設(shè)計(jì)領(lǐng)域特定的可視化方案，以降低用戶門檻。由于城市分析目標(biāo)和通信數(shù)據(jù)的復(fù)雜性，城市可視分析的用戶門檻相對(duì)較高，如何沉淀已有的研究成果，結(jié)合人工智能和領(lǐng)域知識(shí)，設(shè)計(jì)一套更加自動(dòng)化的面向城市分析的可視分析系統(tǒng)也具有較強(qiáng)的應(yīng)用價(jià)值和意義。