胡斌杰，詹益旺,2

（1.华南理工大学，广东 广州 510640；2.广州杰赛科技股份有限公司，广东 广州 510310）

基于手机信令的道路交通流量状态识别及预测

胡斌杰1，詹益旺1,2

（1.华南理工大学，广东 广州 510640；2.广州杰赛科技股份有限公司，广东 广州 510310）

提出了一种基于手机信令的道路交通流量状态识别与预测方法，能够基本上满足智能交通建设的数据广域、全面、实时、动态的要求，并提供路况拥堵查询、统计预警分析等功能应用，是一种可靠的实时交通信息采集方式。由于其自身具备投资少、维护成本低的优点，可在短时间向二三线城市大范围推广应用。

手机信令 道路状态识别 实时交通

1 引言

道路交通状态的拥堵是人们普遍关注的问题，如果解决得不好，不但会影响人们的正常生活，还会对社会、生态以及人们的身体健康产生不利的影响。近年来，各级政府和交通管理部门都非常重视道路交通状态的监控，各研发机构和厂商也不断地推出了道路交通状态监控的解决方案及设备。

目前主流的道路状态识别方式有两种：一种是基于感应器的道路状态识别，其原理是一旦车辆经过路面，感应器就会产生信号，通过检测信号就能获取道路上经过车辆的数量，并根据检测所发生的时间差来计算车辆的速度。但这种方式采集数据存在采集内容和范围有限、采集和维护成本高的缺陷，推广使用存在困难。另一种方式是基于GPS定位的道路状态识别，其原理是通过采集在道路上行驶的且装有GPS装置车辆的行驶信息，以车辆为探针获取其在道路上的位置、速度等信息，以车辆速度反映道路的拥堵现状。但这种方式也存在获取测量数据成本提高、开通GPS的车辆少、密集城区的测量精度受限等缺陷，不适应大范围推广应用。

基于此，本文提出一种“基于手机信令定位的道路状态识别方式”，这种方式是以手机为探针，通过手机信令获取车辆在道路上的位置、速度等信息，以车辆速度反映道路的拥堵现状。以车辆内的手机作为“探针”，这些“探针”在一定时间周期内将所探测的交通状态主动进行报告，从而动态把握整个城市道路网络的交通运行状态。基于手机信令的道路状态识别方式在成本、信息获取便捷程度方面要远远优于以上两种方式，适用于二三线城市的智能交通建设，具有非常巨大的推广价值和市场发展潜力。

2 基于手机信令的道路状态识别方案

基于手机信令的道路状态识别的主要思想是：首先，从运营商获取用户手机信令数据；其次，根据道路匹配算法对用户进行识别和区分，筛选出在道路上移动的用户；再次，针对已得到的道路用户进行用户定位以及移动速度的计算；最后，根据用户移动的速度以及所处道路，从而判断出不同道路的交通拥堵状态。下面对该方法的具体步骤以及相关算法进行详细描述。

2.1 信令数据获取

基于移动运营商的BSS域数据管理系统，在连续一个月的时间周期内，对占保定总人口20%的保定联通200多万手机用户进行追踪，动态采集了保定市域范围内手机用户的信令数据。信令数据主要包括：IMSI（匿名加密用户唯一标识）、Cell_ID（基站小区编号）、TIME（时间戳）、LOCATION（经纬度）、EVENT（事件类型）等。

2.2 道路匹配及用户识别

首先，利用GIS缓冲分析技术，将基站以500m作为缓冲半径（城市里一般基站的覆盖范围是500m），与道路进行叠加分析，把基站拟合到道路上，如图1所示：

图1 基站缓冲分析

经过基站缓冲与道路叠加分析，得到每条道路上分布不同的基站序列，以此作为道路的基站切换序列，记为Ri={n1,n2,…,nk}，其中Ri表示第i条道路，nk表示基站序列中第k个基站；同时，通过用户手机切换信令数据按照时间维度进行排列，可以得到每个用户经过的一系列基站的切换序列Uj={n1,n2,…,nm}。然后对每个用户的移动切换序列与道路的基站切换序列进行相似度计算，获得与该用户移动轨迹和道路匹配的信息，从而筛选出在道路上的用户。本文采用的相似度测量方法是计算Ri与Uj的欧式距离，具体如下：

2.3 道路用户定位

由于基站的覆盖范围较大，对于在道路上的用户，无法精准定位该用户所处具体的某个路段，因此针对已经匹配到道路上的用户，需要进一步对其精准定位，从而反映更加真实的交通状况。本文主要运用基于3D射线追踪与隐马尔可夫模型的Cell_ID定位方法。该定位方法的主要思想是：

首先，通过3D射线追踪模型得到建立定位指纹库，包括覆盖范围内移动台接收到的服务基站信息，根据道路划分的区域（以100×100m为一个网格分割道路），计算出每个道路网格的观测矩阵（每个网格接收到的基站信息作为观测向量）和基站接收概率矩阵，具体如表1和表2所示。

其次，根据用户的移动手机切换信令的基站序列与定位指纹库的观测矩阵进行相似性计算，由公式（2）和（3）求出最大似然向量，再通过公式（4）求出最大似然向量所在网格，以该网格作为用户的位置。

其中，hij表示基站接收概率中的第i个网格接收到第j个基站的概率值；[Yk]i表示是否接收到基站信号，接收到为1，否则为0。

2.4 道路用户出行模式识别

虽然通过前面几个步骤已经基本确定在道路上的用户，并且能够比较准确地定位该用户所处的地理位置，但还无法确定用户的具体出行模式（步行、自行车或机动车），也就无法判断用户所处位置是真实的交通拥堵或者仅仅处在人流量较大的区域，因此还需要进一步对道路上的用户出行模式进行识别。本文采用的方法主要是将出行速度作为聚类阈值对不同的道路用户进行聚类的算法。

表1 观测矩阵

表2 基站接收概率

首先，根据手机切换信令的基站序列按照时间维度进行排列，能够确定道路用户的移动方向；然后，计算道路用户在一段时间内的每两次切换之间的移动速度，得到用户的移动速度值集合Vi={v1,v2,…,vm}；最后，利用速度作为聚类阈值对道路用户进行聚类，就能够识别该用户的出行模式，这里采用经典的kmeans聚类算法。如图2所示：

图2 用户出行模式识别

例如：通过计算，5分钟内用户切换了10个基站，按照每两次切换之间的距离以及切换的时间差可以计算出该用户在5分钟内有9种速度，再通过聚类算法就能判断用户的出行模式。

2.5 道路交通状态识别

在上文中已经计算出机动车辆用户的每次切换速度vi，由切换的位置信息可以计算出切换间隔的距离li，选取某段道路，可以统计出经过该道路的所有用户，以每个用户的切换间隔距离li作为权重，对速度进行加权平均得到每个机动车辆用户在该道路的统计平均速度。最后，将处在该道路上的所有机动车辆用户的统计平均速度的分布进行统计，95%的用户达到的车速范围即作为该道路的交通速度，从而以此判断道路是否发生拥堵。

3 系统功能展现

3.1 实时路况拥堵查询

本文以保定作为应用示例的地市，主要是通过手机信令数据来实时展现道路拥堵情况以及统计分析情况。本系统基于Hadoop平台进行后台数据处理和分析，采用S S H框架体系，以每半小时为颗粒度来展现保定道路的实时路况。图3是展现2014年8月16日早上8点30分的保定市区主干道的道路拥堵情况，不同的颜色分别代表当前在该道路中的车速情况。

实时路况拥堵查询功能：能够实时展现路况的拥堵信息，这些信息包括道路名称、平均车速、拥堵情况（严重、拥堵、拥挤、缓行、通畅）。

3.2 统计预警分析

根据一个月某个时间段（工作日早高峰）的车速数据，统计每条道路在某个时间段的拥堵数据。一旦道路发生事故，系统就能根据统计数据预警该路段影响周边区域的交通状况以及受到影响的用户信息，通过短信通知的手段可以有效引导车辆有序流动，减缓交通拥堵。

图4是保定主干道8月某个时间段的道路车速数据统计情况。

4 结束语

基于手机信令的道路交通状态识别与预测具有投资小、数据采集覆盖范围广、实时性好的特点，应该强化其在交通领域的运用。由于通信用户行为的不稳定性和复杂性等特点，基于手机信令的道路状态识别只能反映大部分用户出行的规律；同时，基于Cell_ID的定位精度有一定的局限性。在未来的研究中，还需要针对这两方面存在的缺陷进行深入研究。

图3 实时路况拥堵查询

图4 特定时段的道路拥堵月统计规律

[1] 郑建湖,王明华. 动态交通信息采集技术比较分析[J]. 交通标准化, 2009(4): 42-47.

[2] 秦岸,李淑庆,聂世刚. 基于CDMA网络的城市交通数据采集与处理技术[J]. 重庆交通大学学报: 自然科学版, 2010(2): 276-279.

[3] 董均宇. 基于GPS浮动车的城市路段平均速度估计技术研究[D]. 重庆: 重庆大学, 2006.

[4] 朱鲤,孙亚,胡小文. 基于手机定位的动态行程时间探测[J]. 计算机工程与应用, 2007(10): 244-248.

[5] 张祖林,尤建新. 昆明市智能交通信息系统框架研究[J].云南社会科学, 2009(3): 5-10.

[6] 李德仁,李清泉,杨必胜,等. 3S技术与智能交通[J]. 武汉大学学报: 信息科学版, 2008(4): 331-336.

[7] 汤国安,杨昕. ArcGIS地理信息系统空间分析实验教程[M]. 北京: 科学出版社, 2006.

[8] 蔡超. 基于手机定位数据的城市路段行程车速提取[D].昆明: 昆明理工大学, 2011.

[9] 张威. GSM网络优化：原理与工程[M]. 北京: 人民邮电出版社, 2010.

[10] 冯冲,左小清,蔡超,等. 基于时空关系的手机定位数据处理方法[J]. 贵州大学学报: 自然科学版, 2011,28(3): 78-82.

[11] 王春丽. 基于移动电话/地图匹配组合的公交车辆定位研究[D]. 重庆: 重庆大学, 2007.

[12] 孙棣华,王春丽. 基于模糊模式识别的车辆定位地图匹配算法[J]. 计算机工程与应用, 2007,43(25): 227-230.

[13] 唐进军,曹凯. 一种自适应轨迹曲线地图匹配算法[J].测绘学报, 2008,37(3): 308-315.

[14] 周璞,刘卫宁,孙棣华. 基于路网拓扑结构的无方向参数地图匹配算法[J]. 2006(33): 188-190.

[15] 王力军. 手机定位技术在交通流预测中的应用与研究[D]. 重庆: 重庆交通大学, 2010.

[16] 高燕燕. 基于模糊逻辑的地图匹配改进算法的研究及应用[D]. 邯郸: 河北工程大学, 2009.

[17] 孙棣华,肖锋,廖孝勇,等. 基于预处理的城市路网拓扑结构构建算法[J]. 计算机工程与应用, 2008,44(23): 233-235.

[18] 李辰. 交通方式划分的LOGIT模型方法[D]. 南京: 河海大学, 2004.

[19] 傅莉萍. 利用效用函数探讨交通方式划分[J]. 广东交通职业技术学院学报, 2004(1): 76-79.

[20] 陈义华,胥勇. 一种基于模糊神经网络的交通方式划分模型[J]. 交通与计算机, 2006(1): 25-28.

[21] 张博. 基于手机网络定位的OD调查的出行方式划分研究[D]. 北京: 北京交通大学, 2010.

[22] 毛海唬. 中国城市居民出行特征研究[D]. 北京: 北京工业大学, 2005.

[23] 陈蓉. 昆明市城市交通需求管理研究[D]. 长沙: 长沙理工大学, 2008.

[24] 李英豪. 昆明城市交通整治与建设规划研究[D]. 重庆:重庆大学, 2009.

[25] 陈征,刘英舜,石飞. 城市居民出行方式距离曲线的研究与应用[J]. 交通标准化, 2006(8): 157-160.★

胡斌杰：博士，现任华南理工大学电子与信息学院教授，工学博士生和工程博士生导师，主要从事无线传感网络与认知无线电技术、RFID与物联网工程、GNSS与室内定位技术方面的研究工作。

詹益旺：高级工程师，博士毕业于华南理工大学，现任职于广州杰赛科技股份有限公司，主要从事移动通信市场研究和科研项目开发管理工作。

Road Traffi c State Identifi cation and Prediction Based on Mobile Phone Signaling

HU Bin-jie1, ZHAN Yi-wang1,2

(1. South China University of Technology, Guangzhou 510640, China; 2. GCI Science & Technology Co., Ltd., Guangzhou 510310, China)

A method of road traffi c state identifi cation and prediction based on mobile phone signaling was proposed, which is basically able to meet the demands of intelligent transportation construction on wide area, comprehensive, real-time and dynamic data. It is a reliable way to acquire real-time traffi c information which is capable of providing traffi c condition query and statistical warning analysis. In view of its advantages of less investment and lower maintenance cost, it is suitable to be quickly popularized and applied in second and third-tier cities on a large scale.

mobile phone signaling road state identifi cation real-time traffi c

10.3969/j.issn.1006-1010.2015.10.003

TN929.53

A

1006-1010(2015)10-0017-05

胡斌杰,詹益旺. 基于手机信令的道路交通流量状态识别及预测[J]. 移动通信, 2015,39(10): 17-21.

2015-05-05

责任编辑：袁婷 yuanting@mbcom.cn