一种基于移动通信大数据的城市职住平衡人口统计方法

摘要

本发明提供一种基于移动通信大数据的城市职住平衡人口统计方法，利用电信运营商信令数据，对某个城市中每个IMSI号码识别其白天工作地和晚上居住地所在的基站位置及其经纬度，并计算工作地和居住地之间的距离，该距离就是这个IMSI的工作通勤距离，并按照距离信息确定该IMSI的通勤距离是否在合理范围内，最后将所有通勤距离在合理范围内的IMSI作为分子，该城市当月所有常住人口的数目作为分母，即统计出当月该城市职住平衡人口所占的百分比。

说明书

技术领域

本发明涉及移动通信技术领域，具体涉及一种利用移动通信大数据对城市职住平衡人口进行的统计方法。

背景技术

职住平衡问题直接影响交通功能的良性运转与社会和谐。所谓职住平衡是城市规划领域的一个术语，其基本内涵是指在某一给定的地域范围内，大部分居民可以就近工作；通勤交通可采用步行、自行车或者其他的非机动车方式；即使是使用机动车，出行距离和时间也比较短，限定在一个合理的范围内，这样就有利于减少机动车尤其是小汽车的使用，从而减少交通拥堵和空气污染。

鉴于当前城市人口调控需求，统计部门需要运用大数据开展人口数据的动态监测，完善现有的人口监测体系，探索产业调控、功能布局与人口发展之间的关系，并实现定期追踪掌握疏解人口流向，及时预警区域人口变化趋势。随着移动通信规模的不断扩大以及技术的不断发展，大规模通信数据特别是轨迹数据的存储已实现，因此以移动通信大数据分析为研究手段对城市人口规模及流动情况进行估算已成为可能。相比于传统的研究方法，基于大数据统计及人口监测将具有更高的可信度和准确性。

发明内容

本发明的目的在于提供一种基于移动通信大数据的城市职住平衡人口统计方法，通过移动用户的轨迹信息挖掘出其中隐含的工作地、居住地信息，进而计算出用户的通勤距离及职住平衡人口比例，为城市规划管理提供有力的数据支撑。

为实现上述目的，本发明采取以下技术方案：

一种基于移动通信大数据的城市职住平衡人口统计方法，其特征在于：

(1)数据采集：利用电信运营商信令数据，对某个城市中每个IMSI识别号所在的基站位置、进出基站时间信息进行采集并存储，得到每个IMSI的移动轨迹数据；

(2)数据预处理：对进出基站缺失信令进行插值补偿，如果某个IMSI在统计时间段内只有进入某基站时间而没有离开该基站时间，或者只有离开某基站时间而没有进入该基站时间，则对缺失数据进行插补，插补时间点是该统计时间段的起始时间和结束时间；

(3)工作地数据筛选：每次读取一个IMSI及其在早九点到晚四点之间所访问过的所有基站，根据数据采集步骤中得到的轨迹数据，将一个IMSI所对应的所有工作时间段内所访问过的基站列成一个统计表，并进一步统计出在每个基站停留的时长；

(4)居住地数据筛选：每次读取一个IMSI及其在晚八点到早五点之间所访问过的所有基站，根据数据采集步骤中得到的轨迹数据，将一个IMSI所对应的所有居住时间段内所访问过的基站列成一个统计表，并进一步统计出在每个基站停留的时长；

(5)距离计算：选择早九点到晚四点之间，该IMSI驻留时间最长的一个基站作为工作地；选择晚八点到早五点之间，该IMSI驻留时间最长的一个基站作为居住地，并根据具体基站所对应的经纬度，计算居住地和工作地之间的距离；连续计算一个月内的居住地与工作地之间的距离并求均值，如果该距离均值小于该城市的平均通勤距离，则认为该IMSI是通勤距离在合理范围内的-即职住平衡人口；

(6)职住平衡人口统计：将所有通勤距离在合理范围内的IMSI作为分子，该城市当月所有的常住人口数目作为分母，即统计出该城市职住平衡人口所占的百分比。

本发明通过移动用户的移动轨迹数据统计其在所访问基站驻留的时长，并通过所访问基站的时长对用户的工作地、居住地进行预测，数据来源可靠，判断方法简单，预测结果准确度高，对利用通信大数据进行人口统计和监测的做法提供了有利支持。

具体实施方式

以下通过一个具体实施例对本发明的方法进行说明。

本发明可用于对任意一个城市的职住平衡人口进行统计。以下实施例是对北京市的职住平衡人口进行统计。目前学界一般认为应该把一个城市中平均的或者中等程度的通勤距离作为职住平衡距离，因此本实施例中将北京市的平均通勤距离17.4公里作为合理的通勤距离，将小于北京市平均通勤距离的人口作为职住平衡人口。

本发明的具体实现方式如下：

(1)数据采集：本实施例采用的数据是北京市2019年7月1日到31日之间的手机信令数据。利用电信运营商信令数据，对每个IMSI识别号所在的基站位置、进出基站时间信息进行采集并存储，得到每个IMSI的移动轨迹数据。本发明所采用的数据来自移动运营商的信令数据，包括：用户手机号码-IMSI(国际移动用户识别码:International MobileSubscriber Identification Number)；位置区识别码lac：用于标识不同的位置区；基站编号ci：与位置区识别码(lac)结合，用于识别网络中覆盖的小区；IMSI进入基站的时间、离开该基站的时间。

(2)数据预处理：对进出基站缺失信令进行插值补偿。为保证数据的完整性，如果用户在统计时间段内只有进入某扇区时间而没有离开该扇区时间，或者只有离开某扇区时间而没有进入该扇区时间，则需要对缺失数据进行插补，插补时间点是该统计时间段的起始时间和结束时间。

例如A用户在7月1日23:00:00进入扇区X，在7月2日7:00:00离开扇区X，且A用户进入扇区Y的时间为7月2日23:00:00，而离开的时间为7月3日的7:00:00，当采集7月2日A用户的信息时将缺失进入扇区X的时间点和离开扇区Y的时间点，因此需要插补进入扇区X的时间为7月2日的00:00:00，离开扇区Y的时间点为7月2日23:59:59。

(3)工作地数据筛选：每次读取一个IMSI及其在早九点到晚四点之间所访问过的所有loc-ci；选择早九点到晚四点是为了模拟上班工作时间；根据数据采集步骤中得到的轨迹数据，将一个IMSI所对应的所有工作时间段内所访问过的loc-ci列成一个统计表，并进一步统计出在每个loc-ci停留的时长。

(4)居住地数据筛选：每次读取一个IMSI及其在晚八点到早五点之间所访问过的所有loc-ci；选择晚八点到早五点是为了模拟下班休息时间；根据数据采集步骤中得到的轨迹数据，将一个IMSI所对应的所有工作时间段内所访问过的loc-ci列成一个统计表，并进一步统计出在每个loc-ci停留的时长。

(5)距离计算：选择早九点到晚四点之间，该IMSI驻留时间最长的一个基站作为工作地；选择晚八点到早五点之间，该IMSI驻留时间最长的一个基站作为居住地，并根据具体基站所对应的经纬度，计算居住地和工作地之间的距离；连续计算一个月内的居住地与工作地之间的距离并求均值，如果该距离均值小于北京市的平均通勤距离，则认为该IMSI是通勤距离在合理范围内的-即职住平衡人口。

距离Dis计算公式如下：

Dis＝R*acos(sinpi(y1/180)*sinpi(y2/180)+cospi(y1/180)*cospi(y2/180)*cospi((x1-x2)/180))；

其中，R表示地球半径；x1、x2分别表示两个loc-ci的经度，y1、y2分别表示两个loc-ci的纬度。

(6)职住平衡人口统计：将所有通勤距离在合理范围内的IMSI作为分子，北京市当月所有的常住人口数目作为分母，即统计出北京市职住平衡人口所占的百分比。