导读
手机信令数据凭借其样本量大、覆盖率高、收集成本低的优势，为城市空间和交通出行研究提供新的契机，业已成为本世纪应用最广泛的交通大数据类型之一。目前，手机信令数据在职住空间领域中的应用包括职住地识别、职住关系和通勤网络特征及其影响因素解析，在出行行为领域中的应用包括驻留-出行识别、出行方式和路径识别，以及人群移动普适规律解析。以上技术应用能有效服务交通碳排放领域研究，为交通碳排放测算以及城市空间结构、居民出行行为对交通碳排放的影响研究奠定了基础。
本篇推介北京大学赵鹏军教授团队最新研究成果《手机信令数据在职住空间、出行行为和交通碳排放研究中的应用进展与前景》，该文在手机信令数据的分类和特征基础上，总结了其在职住空间关系和交通出行行为研究中的技术应用，随后结合上述应用成果和已有文献对其在交通碳排放研究中的应用潜力和场景进行了探讨，最后总结了手机信令数据在职住空间、出行行为和交通碳排放研究中的应用框架、应用机遇与挑战以及未来研究内容与技术创新方向。
1
手机信令数据的特征
与其他轨迹数据相比，手机信令数据在人群活动和移动性研究中具有突出优势。虽然手机信令数据时空分辨率低于GPS定位数据，但考虑到其采集成本低于GPS数据，且时空精度足以支撑多数应用场景，手机信令数据仍是城市与区域研究中应用最广泛的大数据类型。手机信令数据的空间定位精度主要取决于基站密度，手机信令数据的时间分辨率主要由采样频率决定。手机信令数据与居民驻留、出行行为的关系如下图所示。
▲手机信令数据与其他轨迹数据特征比较
▲手机信令数据与个体空间轨迹的关系示意
2
手机信令数据的应用进展
1
在职住空间关系研究中的应用
职住空间关系包括职住空间分布和职住关系，其中前者是居民工作地、居住地的空间分布，后者是职住空间分布的匹配关系。职住空间关系反映城市空间结构，通过交通出行行为间接影响交通碳排放。因此，许多研究探讨职住空间对出行行为和交通碳排放的作用，而职住空间分布识别、职住关系特征及其影响因素解析则是这些研究的基础。基于手机信令数据的职住空间分布识别操作便捷、准确率较高，能有效地为交通碳排放研究提供城市空间结构信息。
有研究从空间分析单元间的出行联系入手，根据手机信令数据提取OD矩阵并分析出行网络特征及其蕴含的空间结构信息。这些研究有助于城市或区域中心辐射范围的提取和分析。
在影响因素分析中，与传统数据相比，基于手机信令数据的职住关系特征及其影响因素研究的时空范围更大，并且能兼顾宏观现象与微观机制，在城市空间结构特征及其演变规律方面为交通碳排放研究提供了分析基础。
2
在交通出行行为研究中的应用
交通出行行为主要包括出行起讫点、出行方式、出行路径等出行特征以及出行决策过程。交通出行行为是交通碳排放的直接来源。因此，许多研究根据居民出行特征和规律估算其碳排放量，而交通出行特征识别和人群移动规律解析则是这些研究的基础。
驻留-出行识别是手机信令数据的最早应用之一。近年来，数据供应商开始提供经过处理的驻留出行数据，极大地方便了驻留和出行的提取以及相应的OD矩阵计算。基于手机信令数据的出行方式识别研究由城际出行识别开始，逐渐向城市多方式出行的精准识别过度。一些研究识别了航空、铁路、公路等易于区分的城际出行方式。越来越多的研究开始关注城市内部出行方式的识别，识别方法为基于规则的方法和机器学习方法。总的来说，利用手机信令数据识别出行特征可行性较强、精度较高，能有效地为交通碳排放研究提供用户的出行链信息。
人群移动规律研究包括宏观和微观2类。在宏观人群移动性模型方面，重力模型应用最为广泛，在微观个体移动性模型方面，出行轨迹步长和等待时间服从重尾分布，符合连续时间随机行走特征等结论以成为共识，但也有研究表明，驻留点到访次数的分布服从齐普夫定律。手机信令数据在人群出行决策的普适规律研究中具有突出优势，能加强学界对人群交通出行决策统计学规律的掌握程度，有助于促进人群移动模拟及碳排放量测算的精细化。
3
在交通碳排放研究中的应用
交通碳排放测算。交通碳排放测算模型包括自上而下和自下而上2类，其中，自上而下模型适用于城市、区域甚至更大尺度的交通碳排放总量估算，而自下而上模型则适用于交通小区、社区或更小尺度研究。自上而下模型使用能源结构、能源利用效率、各类能源排放强度以及经济发展水平指标如人均GDP、居民消费水平、城镇化率等进行计算。自下而上模型使用能源排放因子与能源消耗量的乘积或交通方式排放因子与出行距离的乘积测算交通碳排放量。
通过驻留-出行识别、出行方式和路径识别技术，能从手机信令数据中提取人群出行轨迹信息，用于交通碳排放测算研究。与出行调查和GPS轨迹等常用于交通碳排放测算的数据相比，手机信令数据能提供更大范围、更长时序的出行信息，具有较广的应用前景。
城市空间结构与交通碳排放。已有研究对城市空间结构影响交通碳排放的探讨主要集中在城市或区域层面的建成区规模、中心分布结构和中心联系强度，以及交通小区或社区层面的城市空间特征5“D”体系上。通过职住空间分布识别和影响因素解析技术，能从手机信令数据中提取空间结构信息，有助于分析城市空间结构对交通碳排放的影响。虽然许多学者对建成环境对交通碳排放的影响进行总结，但现有研究在城市规模、密度对交通碳排放的影响等方面并未形成共识，而被规划界普遍采信的多中心城市结构对交通碳排放的影响也未得到大量实证支撑。而手机信令数据以其样本量大、覆盖范围广的优势，能较好地弥补这一空缺。
居民出行行为与交通碳排放。已有居民出行行为对交通碳排放的影响研究主要探讨了出行距离和方式的作用。早期研究多使用随机效用模型及其衍生模型，或在行为经济学轻推理论框架下探索居民出行方式的选择机制。随着交通系统的信息化和智能化，学界开始关注智慧交通发展和新型交通方式的出现对交通碳排放的影响。通过交通出行特征识别和人群移动规律解析技术，能从手机信令数据中提取出居民出行行为模式，有助于出行行为对交通碳排放的影响研究。虽然使用手机信令数据难以对相似出行方式进行细致区分，如区分共享单车和自行车、网约车和私家车等，但仍可利用其大样本优势进行新型交通方式或服务对出行方式选择的影响研究，如网约车进入或退出市场对公共交通出行选择的影响、新建骑行绿道对骑行出行选择的影响等。此外，由于其时空覆盖广，手机信令数据在减碳政策情景模拟方面也具有突出优势。
3
研究技术框架
对手机信令数据在职住空间关系和交通出行行为领域中的应用进展及其在交通碳排放领域的应用前景进行总结。整体而言，手机信令数据在职、住空间分布识别与职住关系特征及其影响因素解析、交通出行特征识别和移动规律解析方面已形成良好的应用基础，已有技术服务于交通碳排放研究的可操作性较强，应用前景广阔。
▲基于手机信令数据的职住空间、交通出行和交通碳排放研究技术框架
4
手机信令数据的优势与挑战
优势
1
01
手机信令数据获取成本较低，因而更易于获得人群活动和移动的大范围、长时序观测。在城市系统复杂化背景下，越来越多的学者呼吁纵向研究和对比研究，手机信令数据能支持相关研究设计的实施。
02
手机信令数据量庞大。大样本量为数据筛选、扩样等提供保障，能在一定程度上弥补时空精度和取样逻辑上的不足。
03
手机信令数据易与其他大小数据结合、灵活运用空间大。手机信令数据能通过地理空间与多源数据结合使用，如车辆GPS定位数据、城市POI数据、普查和调查数据从而拓宽了应用范围。
挑战
2
01
数据空间精度稍低，识别准确率检验仍需加强。目前路径识别研究仍然较少，相关研究应进一步对各种路径识别方法的准确率进行检验。
02
存在取样偏差。手机信令数据中数据质量良好的用户多为经常使用手机的青中年群体，而对未成年人和老年人群体采样不足；由于郊区、小城市等区域运营商基站密度低于大城市中心城区，这些区域的研究精度较为受限。
03
手机信令数据记录个体用户详细的时空轨迹，即使数据进行匿名化处理，由于其高维性，通过时空轨迹推断出背后用户的可能性仍存在，这一潜在风险带来一些应用限制。
5
未来研究内容
长时序动态研究
多月或多年手机信令数据可用于研究居民职住地选择和迁移、交通出行方式和路径选择变化及其带来的城市空间结构、交通需求和结构变化，以及这些动态变化对交通碳排放的影响。
大范围对比研究
手机信令数据能提供大范围非集计人群移动轨迹信息，且不同国家、不同运营商所提供的信令数据结构相似，这为不同城市、区域甚至不同国家间交通碳排放时空规律和减排机制对比研究提供契机。
人口和交通新现象研究
当前，新的人口和交通现象层出不穷，如第二次人口转型中家庭结构简单化、社区网络淡化。新时代城市职住空间关系和交通出行行为会出现哪些新特征、城市交通碳排放将发生何种变化、如何应对等话题均需手机信令数据等交通大数据的庞大样本支撑。
6
未来技术创新方向
多源数据融合
手机信令数据与多源大小数据结合的潜力较大，除现有群体层面的数据融合外，信令轨迹还可与用户上网和APP使用行为、消费行为信息相结合以获取精准用户画像、与出行调查和GPS轨迹数据相结合以修正出行方式和路径识别等。
机器学习增强
随着人工智能、机器学习的不断发展，将手机信令数据结合机器学习进行数据挖掘增强，从而实现人群活动与移动的高精度预测已成为相关领域的热点方向。
数字孪生构建
未来，手机信令数据出行识别结果若能作为人群真实出行轨迹输入模型，则可构建基于大规模实时交通信息的城市数字孪生模型，有助于城市交通系统智能化运营以及交通碳排放实时监测和管理。
7
内容拓展
什么是基站位置数据
基站位置数据指移动通信网络中各个基站所处的地理位置信息，包括经纬度坐标、基站编号、运营商信息等。主要来源于移动运营商在搭建基站时所收集的经纬度信息库。这些数据通常包括中国移动、中国联通、中国电信等运营商的基站信息。移动基站数据数量大约在100万左右，联通基站数据约70万左右，电信基站数据约30万左右。
当手机用户需要定位服务时，系统会根据手机与附近基站建立的连接，通过基站编号查询运营商数据库中对应的经纬度信息，进而确定用户的地理位置。
手机信令数据的产生方式
只要手机开机，并显示出运营商（如中国移动）字样，信令数据就开始产生。这包括用户发生开关机、通话、短信、位置更新和切换基站等行为时都会记录下的数据，能相对准确地记录人流的时空轨迹。通过这些数据，可以很容易地还原出用户的出行轨迹。
信令数据的处理分析的一般过程
数据采集：数据可以通过各种传感器、组件和设备来采集，也可以通过网络通信收集。
数据预处理：预处理工作可能包括数据清洗、去噪、归一化等处理。
数据存储：数据可以是结构化、半结构化或非结构化的形式。
信令解析：将原始的二进制信令数据转换为可读的文本格式，以便人们能够理解其中的含义。
信令分析：对解析后的信令数据进行进一步分析，提取其中的关键信息。
异常信令检测：利用机器学习和人工智能等技术，对信令数据进行实时监测和分析。
数据可视化和展示：通过可视化和展示来呈现数据分析的结果。
数据应用：基于处理分析后的数据，可以开发各种应用，如智能城市、智慧交通、智能医疗等。
注：拓展部分插图来自：https://unsplash.com/ ，珠海市规划设计研究院公众号。
作者信息
引用格式
高瑜堃,赵鹏军. 2024. 手机信令数据在职住空间､出行行为和交通碳排放研究中的应用进展与前景. 热带地理, 44(5)：877-890. DOI: 10.13284/j.cnki.rddl.003872.
（扫码阅读原文）
策划编辑：马广鹏（首都经济贸易大学）
版式制作：Nio
微信号
官网
《热带地理》是由广东省科学院广州地理研究所主办的综合性地理学术期刊；1980年创刊，月刊，每月5号出版；国内外公开发行。
办刊宗旨：“品质、规范、高效、引领”
办刊方向：“精品化”“特色化”
报道地域：突出但不完全局限于全球热带亚热带地区
服务承诺：公平•热情•高效
核心收录：中国科学引文数据库（CSCD）核心期刊；中文核心期刊（北大）；中国科技核心期刊； 荷兰Elsevier文摘与引文数据库（Scopus）； 瑞典DOAJ数据库； 荷兰GEOBASE数据库；美国EBSCO学术数据库； 日本科学技术振兴机构数据库（JST）
评价数据：2022年复合影响因子—— 3.364；复合他引影响因子—— 3.000
联系我们：020-37656960（稿务、编务、财务）；020-37656954（期刊负责人）
E-mail：bjb@gdas.ac.cn；1258717596@qq.com。
