江偉

摘 要：文章首先對手機(jī)信令數(shù)據(jù)進(jìn)行簡要介紹，分別從應(yīng)用思路、系統(tǒng)設(shè)計等方面，對交通量預(yù)測中手機(jī)信令數(shù)據(jù)的應(yīng)用進(jìn)行論述。結(jié)論證實，在交通量預(yù)測中，手機(jī)信令數(shù)據(jù)的作用非常明顯，通過預(yù)處理模塊將其中無用的數(shù)據(jù)去除后，便可對有價值的數(shù)據(jù)進(jìn)行利用，據(jù)此完成預(yù)測模型的訓(xùn)練，從而準(zhǔn)確預(yù)測出某段道路的交通量，為道路等級確定提供詳實可靠的依據(jù)。

關(guān)鍵詞：手機(jī)信令數(shù)據(jù);交通量;預(yù)測

中圖分類號：U495 文獻(xiàn)標(biāo)識碼：A

1 手機(jī)信令數(shù)據(jù)

手機(jī)信令數(shù)據(jù)歸屬于信令數(shù)據(jù)的范疇，信令數(shù)據(jù)的產(chǎn)生是基站與移動設(shè)備之間發(fā)生交互，前提條件是移動設(shè)備必須在基站信號的覆蓋范圍之內(nèi)。手機(jī)信令數(shù)據(jù)現(xiàn)已成為城市交通數(shù)據(jù)的重要來源，在交通建設(shè)中的作用隨之突顯，這與手機(jī)信令數(shù)據(jù)本身所具備的諸多特征有著密不可分的關(guān)聯(lián)，包括時空性、覆蓋性、海量性、實時性、冗余性等等。大體上可將手機(jī)信令數(shù)據(jù)分為以下幾類：通信行為，如呼叫時長、基站位置及ID等;號碼軌跡，如到達(dá)與離開時間、位置經(jīng)緯度等;用戶特征，如用戶名、開戶地、業(yè)務(wù)類型等。

2 交通量預(yù)測中手機(jī)信令數(shù)據(jù)的應(yīng)用

2.1 應(yīng)用思路

在城市道路中，交通量由以下兩個部分構(gòu)成，一部分是車輛，另一部分是行人。在對交通量進(jìn)行分析期間，行人一般不在考慮的范圍之內(nèi)，主要考慮的對象為機(jī)動車，即某個路段中，單位時間內(nèi)，往返兩個方向的車輛總數(shù)。交通量是道路通行能力的測算指標(biāo)，是確定道路等級的重要依據(jù)。對交通量進(jìn)行預(yù)測就是以相關(guān)的數(shù)據(jù)為依托，借助預(yù)測模型，預(yù)測出一段時間內(nèi)與交通量有關(guān)的特征參數(shù)，據(jù)此得出最終結(jié)果。從交通量的預(yù)測過程來看，數(shù)據(jù)和預(yù)測模型缺一不可，二者對預(yù)測結(jié)果起著決定性作用。為此，可以對手機(jī)信令數(shù)據(jù)加以利用，據(jù)此設(shè)計一款交通量預(yù)測系統(tǒng)。

2.2 系統(tǒng)設(shè)計

手機(jī)信令數(shù)據(jù)并不能直接應(yīng)用于預(yù)測系統(tǒng)，需要進(jìn)行預(yù)處理，從中提取所需的數(shù)據(jù)，然后利用預(yù)測模型，實現(xiàn)對交通量的準(zhǔn)確預(yù)測。手機(jī)信令數(shù)據(jù)是預(yù)測系統(tǒng)的主要數(shù)據(jù)源，全部記錄在文件當(dāng)中，均為原始數(shù)據(jù)。除此之外，還要運(yùn)用地圖道路數(shù)據(jù)，如地理坐標(biāo)信息等。預(yù)測系統(tǒng)的最底層主要負(fù)責(zé)對相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理，為對手機(jī)信令數(shù)據(jù)中的無用數(shù)據(jù)進(jìn)行有效去除，在預(yù)處理環(huán)節(jié)中引入多種數(shù)據(jù)清洗策略。本系統(tǒng)的預(yù)測模型為組合式，該模型的預(yù)測能力強(qiáng)，結(jié)果準(zhǔn)確性高，由兩個單獨的模型組成，一個是ARIMA，另一個是SVM。前者可針對非平穩(wěn)的時間序列進(jìn)行預(yù)測，后者為支持向量機(jī)。

2.2.1 手機(jī)信令數(shù)據(jù)預(yù)處理模塊

手機(jī)信令數(shù)據(jù)當(dāng)中包含著大量的數(shù)據(jù)信息，為從中提取出有用的數(shù)據(jù)，需要對手機(jī)信令數(shù)據(jù)進(jìn)行預(yù)處理，即依托預(yù)處理模塊，以分層次的方法，對手機(jī)信令數(shù)據(jù)進(jìn)行檢測。按照數(shù)據(jù)的產(chǎn)生原理，對其中的異常數(shù)據(jù)進(jìn)行檢測，具體包括重復(fù)的數(shù)據(jù)、無效數(shù)據(jù)、屬性值缺失的數(shù)據(jù)等等。當(dāng)異常數(shù)據(jù)全部處理完畢后，還要對手機(jī)信令數(shù)據(jù)中的特有數(shù)據(jù)進(jìn)行檢測和處理，如乒乓數(shù)據(jù)、噪聲數(shù)據(jù)等。數(shù)據(jù)清洗方法如下：

①受到多方面因素的影響，導(dǎo)致手機(jī)信令數(shù)據(jù)中無效數(shù)據(jù)比較多，如果這些數(shù)據(jù)不進(jìn)行去除，那么將會導(dǎo)致預(yù)測結(jié)果的準(zhǔn)確性降低。對于核心字段缺失的數(shù)據(jù)，可以采用丟棄的方法進(jìn)行處理。由于時間間隔特別短的數(shù)據(jù)對軌跡點并不會產(chǎn)生出特別的作用，此類數(shù)據(jù)的存在會導(dǎo)致計算量增大，故此應(yīng)將這類數(shù)據(jù)全部剔除。

②手機(jī)信令數(shù)據(jù)中不可避免地會出現(xiàn)重復(fù)的數(shù)據(jù)，此類數(shù)據(jù)存在會導(dǎo)致后續(xù)的計算機(jī)量增大，應(yīng)當(dāng)在預(yù)處理環(huán)節(jié)中，對這部分?jǐn)?shù)據(jù)進(jìn)行去除。在對重復(fù)數(shù)據(jù)進(jìn)行清洗的過程中，只需要對第一條數(shù)據(jù)進(jìn)行保留即可，之后出行的與該數(shù)據(jù)相同的數(shù)據(jù)全部刪除。隨著無效和重復(fù)數(shù)據(jù)從手機(jī)信令數(shù)據(jù)中被大量清除，會使數(shù)據(jù)源隨之縮小，但并不會對預(yù)測結(jié)果造成影響。

③在一些重要的區(qū)域內(nèi)，為進(jìn)一步提升通信質(zhì)量，常常會設(shè)置2個或更多的基站，這樣一來，會產(chǎn)生出重疊的區(qū)域，移動設(shè)備進(jìn)入該區(qū)域后，會切換基站，致使信令數(shù)據(jù)中出現(xiàn)乒乓數(shù)據(jù)，對于這部分?jǐn)?shù)據(jù)應(yīng)當(dāng)進(jìn)行去除?？梢圆捎萌缦路椒▽κ謾C(jī)信令數(shù)據(jù)中的乒乓數(shù)據(jù)進(jìn)行檢測：設(shè)兩個相鄰基站之間的最大距離為MaxD，用戶在兩座基站之間移動所需時間的閾值為T，基站距離的閾值為D，乒乓數(shù)據(jù)會在軌跡點距離小于D時產(chǎn)生。據(jù)此，便可對這部分?jǐn)?shù)據(jù)進(jìn)行剔除。

④在手機(jī)信令數(shù)據(jù)中，噪聲數(shù)據(jù)不可避免，由于這部分?jǐn)?shù)據(jù)本身比較特殊，采用常規(guī)的數(shù)據(jù)清洗方法，無法有效去除。因此，需要選用適宜的方法。離群點檢測法在手機(jī)信令數(shù)據(jù)噪聲數(shù)據(jù)的檢測中效果顯著，可借助該方法對噪聲數(shù)據(jù)進(jìn)行有效去除。

2.2.2 交通流量提取

①手機(jī)信令數(shù)據(jù)進(jìn)行提取，計算出速度序列，依據(jù)速度特征，對機(jī)動車的出行方式進(jìn)行識別，計算出機(jī)動車在路段內(nèi)的平均速度，由此便可得到當(dāng)前的交通流量。在預(yù)測交通量的過程中，可以將道路視作為一個整體，這個整體由若干路段組合而成，根據(jù)基站的覆蓋半徑，通過相應(yīng)的提取算法，能夠?qū)Φ缆费鼐€中的基站數(shù)據(jù)進(jìn)行提取，并獲得出行的軌跡點，經(jīng)篩選之后，可獲得機(jī)動車的出行軌跡，這樣為交通量預(yù)測提供可靠的數(shù)據(jù)支撐。

②在同樣的路段內(nèi)，機(jī)動車的速度要明顯比非機(jī)動車快，二者的平均速度存在非常大的差別。因信令數(shù)據(jù)具有方向性的特征，可以求出某個路段內(nèi)的速度集合，通過聚類算法，對速度進(jìn)行聚類，識別機(jī)動車和非機(jī)動車的出行方式。

2.2.3 交通量預(yù)測

①預(yù)測道路交通量需要選取可靠的預(yù)測模型，由于交通量具有不確定性和動態(tài)變化的特點，所以要求選取的預(yù)測模型能夠?qū)煌拷Y(jié)果進(jìn)行準(zhǔn)確預(yù)測。如果選用的一個模型進(jìn)行預(yù)測，受到各方面因素的影響，很難達(dá)到預(yù)期中的效果。為解決這一問題，選取兩個模型進(jìn)行組合，以此對交通量進(jìn)行預(yù)測，這樣最終目的是為了預(yù)測結(jié)果更加準(zhǔn)確。本次選取的兩個預(yù)測模型分別為ARIMA和SVM，在應(yīng)用前，需要對先對模型進(jìn)行訓(xùn)練，以此來獲取更加穩(wěn)定的預(yù)測模型，為預(yù)測精度提供保障。從信令數(shù)據(jù)中選取60%作為訓(xùn)練數(shù)據(jù)，剩余的40%作為驗證數(shù)據(jù)。訓(xùn)練前，要先對數(shù)據(jù)進(jìn)行平穩(wěn)化和差分處理，然后對預(yù)測模型的相關(guān)參數(shù)進(jìn)行初步確定。支持向量機(jī)模型的訓(xùn)練過程較為簡單，只要對核函數(shù)進(jìn)行選取，并完成參數(shù)調(diào)優(yōu)即可。

②當(dāng)兩個預(yù)測模型全部完成訓(xùn)練后，可按照數(shù)據(jù)特征的變化，對模型進(jìn)行選取，預(yù)測交通量。為使選取的預(yù)測模型與當(dāng)前的數(shù)據(jù)特征相適應(yīng)，需要設(shè)定誤差閾值，通過誤差大小判斷模型的適用性，即誤差越小越適合，預(yù)測結(jié)果的準(zhǔn)確性越高?？梢韵冗x用ARIMA，看預(yù)測誤差是否超過閾值，若是超出，則說明不適用于當(dāng)前的數(shù)據(jù)，應(yīng)選取SVM模型進(jìn)行預(yù)測。由預(yù)測模型獲得的預(yù)測結(jié)果就是道路的交通量情況，可將制作為道路等級的確定依據(jù)。

2.3 系統(tǒng)測試

選取一組手機(jī)信令數(shù)據(jù)，用本次設(shè)計的系統(tǒng)對數(shù)據(jù)進(jìn)行預(yù)處理，將其中的無用數(shù)據(jù)全部去除，留下有價值的數(shù)據(jù)。然后將數(shù)據(jù)帶入到預(yù)測模型當(dāng)中，得出如下結(jié)果：以單個模型進(jìn)行預(yù)測，精度一般，以組合模型進(jìn)行預(yù)測，所得結(jié)果的精確度高于單個模型，達(dá)到交通量預(yù)測的效果。由此表明，組合模型的效果要明顯優(yōu)于單個模型。

3 結(jié)語

綜上所述，交通量預(yù)測是一項較為復(fù)雜且系統(tǒng)的工作，為提高預(yù)測結(jié)果的準(zhǔn)確性，可以對手機(jī)信令數(shù)據(jù)進(jìn)行應(yīng)用，并依托預(yù)測模型，構(gòu)建相應(yīng)的預(yù)測系統(tǒng)。在模型的選擇上，可將組合模型作為首選，由此能夠使交通量的預(yù)測精度得到進(jìn)一步提升。

參考文獻(xiàn)：

[1]唐嘉立.基于手機(jī)信令數(shù)據(jù)分析的路網(wǎng)運(yùn)行監(jiān)控系統(tǒng)[J].中國交通信息化，2015，17（12）：115-117.

[2]冉斌.手機(jī)數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用[J].城市交通，2013，11（01）：72-81+32.

[3]郭曉妮.基于手機(jī)信令的交通流監(jiān)測與出行信息服務(wù)系統(tǒng)[J].通訊世界，2017，24（14）：157.