摘 要：获取人口分布和交通出行信息是进行城市交通规划的基础。目前开展大规模的居民出行调查是获取居民出行信息的主要手段。随着手机终端的普及，其用户的动态分布信息可以准确反映整个城市人口的空间分布与活动特征，克服了传统交通调查数据在数量、广度、精度方面的不足。本文基于手机信令数据，结合邳州市实际情况，提出了人口职住识别算法、出行算法、画像算法和扩样算法，计算得到全市的人口数量、出行强度等信息，重点分析了邳州市人口时空活动特征、职住分布、市域和省域出行特征。结果表明：邳州整体人口活动分布呈沿铁路线两侧的双中心结构;老城区人口居住和工作岗位最为密集;居民出行以东湖街道和运河街道为核心，形成放射状形态，跨铁路出行占比40%;在省域出行方面，邳州与徐州、南京联系紧密，出行比例高达80%。

关键词：手机信令数据;人口活动特征;职住分布;出行特征

大数据是发展智慧交通、缓解交通拥堵问题的重要手段和着力点。《城市综合交通体系规划交通调查导则》（建城[2014]141号）指出，随着城市交通信息化水平的提高，具备条件的城市可在充分利用信息化数据的基础上，对城市综合交通调查的项目及内容进行适当调整，如可以利用移动信息数据对居民出行特征进行分析[1]。据工信部统计，2019年全国移动电话用户总数达16亿户，4G移动网络用户总数达到12.8亿户，占移动电话用户总数的80%以上[2]。随着手机终端的逐渐普及，以及手机用户频繁的通话、短信以及主被动的上网行为，使得手机信令数据的数量急剧增加。手机用户的每一条信令数据都完整的包含了时间、经度、纬度等信息。这些信令数据通过一系列的挖掘，能够刻画出对应手机用户全天的活动轨迹。因此，手机信令数据为城市人口的空间分布与活动特征的获取提供了更加客观、全面的基础，克服了传统交通调查数据在数量、广度、精度方面的不足[3]。

基于此，本文结合邳州市实际情况，基于手机信令数据开展算法研究，用于分析邳州市人口分布与空间活动特征，提高对城市的认知和感知能力，为城市交通规划提供基础数据支撑。

1 基础数据

1.1 数据来源

本文主要采用的是2017年12月某两周的江苏省全域手机信令数据。每日数据条数高达12.6亿条，覆盖近518万用户，数据量100G左右。每条信令数据包含加密的用户ID、基站编号、手机与基站建立连接的时间。通过基站编号能够定位到基站位置，再结合手机附着基站的时间，即可实现对用户一天的活动轨迹的描述。

1.2 数据特征

通过用户每日数据条数分布、数据时间分布两个指标反映邳州市信令数据特征与数据质量。据此可以采用针对性的数据处理策略，以保证数据处理的精度。

1.2.1 每日数据条数分布

统计运营商进行数据清洗后的用户每日信令数据条数分布。邳州用户的信令条数多分布在50条以内。进一步对人均信令条数、中位数和标准差指标进行计算。每个用户平均数据条数为17.9条，较详细记录了用户的活动轨迹，能够反映其一天的活动行为。

1.2.2 每日数据时间分布

计算逐小时用户信令数据条数占比，如图2所示，总体呈现凌晨数量少、白天数据量多且存在早晚两个高峰的趋势，与用户活动强度的时变特性相符。

2 研究方法

运用手机信令数据开展邳州市人口空间分布与活动特征分析，首先进行数据预处理，去除冗余数据及异常数据;然后提取不同区域用户的出行特征，识别职住地点，并对不同区域的人口时空分布、职住分布进行分析;其次根据样本信息和实际需求进行人口画像和扩样计算;最后对用户的时空出行特征进行可视化，并进行深入的结果分析。

2.1 人口職住识别算法

本文主要利用停留点的时间分布特征识别居住、工作停留地。结合邳州居民的作息时间，居住时段阈值为0：00-6：00，工作时段阈值为10：00-16：00。每天统计用户在这两个时间段停留时间最长的十个地点，分别作为用户备选居住地和工作地。根据多天的统计信息，选取备选居住地和工作地中累计记录次数最多且大于阈值N的点作为用户的居住地和工作地。

2.2 人口出行算法

基于信令数据获取邳州市人口出行信息的主要步骤如下：

2.2.1 计算用户在每个基站的停留时间和连续注册的两个基站距离;

2.2.2 按照用户注册基站顺序将用户在半径小于R、停留时间大于T的区域识别为用户停留区域，停留点为其中停留时间最长的基站;

2.2.3 将时间连续的两停留点作为起讫点，并计算出行开始时间与结束时间;

2.2.4 将时间与空间进行聚合，获得用户出行OD。

2.3 人口画像算法

基于多天数据对每个用户进行画像，区别不同类型人口，是信令数据分析的难点。本研究针对邳州市信令数据特点，对比多个参数获得的人口分类结果，最终选用活跃天数作为核心参数。邳州市手机用户的活跃天数分布如图4所示。考虑其分布特点，本研究将活跃天数大于等于7天的用户定义为常住人口，活跃天数小于7天的用户定义为临时人口。进一步结合职住算法分析用户的有无工作情况，最终将人口划分为常住就业人口、常住无业人口、临时人口三类。

2.4 人口扩样算法

由于运营商在不同手机用户群体的市场占有率不一致，因此在进行扩样率计算时，需要针对每个类型的人口，分别确定扩样率。基于人口分类结果，可以构建以下方程组：

（p1+p2）kc=A（1）

p1k1/p2k2=B（2）

kc=k2  （3）

式中，p1，p2，p3分别表示常住就业人口、常住无业人口、临时人口三类人口;k1，k2，k3分别为对应人口类型的扩样率;A、B分别为本地常住人口、常住人口的就业率，可通过邳州市统计年鉴获取[3]。将上述方程组消元后可得：

（4）

（5）

（6）

由此计算得到了各类人口的扩样率。将基于信令数据计算的各类数据样本结果除以各类人口的扩样率，即可计算得到全市的人口数量、出行强度等信息。

3 结果分析

3.1 人口时空活动特征

3.1.1 人口总体活动特征

工作日与周末人口活动热度如图1所示。从图中可以看到，工作日在铁路南北两侧各有一个活动强度较高的区域，铁路南侧的主要活动区域为邳州老城区，铁路北侧的主要活动区域为建设中路与瑞兴路之间的区域。此外，邳州中专处也有较高人口活动热度。周末人口的主要活动区域与工作日相比，主要差异表现为铁路南侧的邳州中专热度降低，新苏购物中心热度明显增加，而铁路北侧人口活动区域在人民公园附近更为集中。

3.1.2 不同类型人口活动特征

城市内不同类型人口的出行需求和活动特征存在差异。本研究分别对工作日和周末典型人口的活动特点进行分析。图2为工作日常住人口和临时人口的活动热度。整体来看，常住人口的活动范围较分散，分布在老城区和铁路北侧的建设中路周边，而临时人口的活动范围则集中在邳州汽车站、邳州新城客运站附近。

图3为周末常住人口和临时人口的活动热度。常住人口的活动范围主要分布在铁路南侧的老城区，以及铁路北侧的建设中路附近区域，其中新苏购物中心热度明显增加。临时人口除分布在汽车客运站等交通枢纽处外，新苏购物中心、人民公园等休闲娱乐区域也有较大的人口热度。

3.2 人口职住分布

邳州市常住人口的居住地和工作岗位分布如图4所示，从图中可以看出铁路南侧的老城区人口居住最为密集，铁路北侧的银杏大道与建设中路周边的区域居住人口也较多。邳州的工作岗位分布与居住地分布存在一定的差异，铁路南侧的新苏区域、铁路北侧的邳州初级中学和邳州人民医院等地的工作岗位较人口居住密度有明显提高。

随着邳州的不断发展，吸引了大量市区外城镇的居民来到市区工作。本研究对该类人群进行了识别，其居住地分布如5图所示。可以发现工作在市区、居住在市区外的人口主要分布在邳州市的东西两侧，且东侧人口较多，主要分布在官湖、陈楼、炮车三个区域，西侧主要分布在运河大桥附近和邳睢路沿线。

3.3 人口出行特征

3.3.1 市域出行特征分析

基于信令数据计算得到了邳州市各街道乡镇间出行OD分布，如图6所示。可以看出，邳州市居民的出行以东湖街道和运河街道为核心，以接近于放射状的形态与邳州市其他乡镇进行人口交换。东湖街道和运河街道之间的出行在所有出行方向上人数最多，其次为戴圩街道、炮车街道与东湖街道、运河街道之间的联系。其他乡镇除与东湖街道、运河街道存在一定的出行联系外，还与周边的相邻乡镇存在人口交换，但与距离较远的乡镇间不存在明显的出行联系。

此外，受铁路线的分隔，每天超过40%的人口需要跨铁路线通勤出行，周边部分道路交通压力较大，导致交通拥堵问题突出。

3.3.2 省域出行特征分析

在省域出行方面，邳州市与省内主要城市的出行联系如图7所示。可以看出，邳州与徐州、南京联系最为紧密，占整个省域出行的80%左右。

进一步分析与邳州区位较为相近的新沂、东海两市的省域出行状况，结果如图8所示。从图中可以看出，与邳州市的省域出行规律不同，新沂主要与徐州、连云港、宿迁、南京等城市联系比较紧密，而东海与连云港、徐州、宿迁、南京等城市联系比较紧密。

4 结论与展望

本文基于江苏省和邳州市手机信令数据，利用人口职住识别算法、出行算法、画像算法和扩样算法，分析了邳州市人口时空活动特征、职住分布、市域和省域出行特征。结果表明：

4.1 在人口时空活动特征方面，铁路南北两侧各有一个活动强度较高的区域，其中常住人口的活动范围较分散，而临时人口的活动范围集中在邳州汽车站、邳州新城客运站附近。与工作日相比，周末新苏购物中心、人民公园等休闲娱乐区域人口热度明显增长。

4.2 在人口职住分布方面，铁路南侧的老城区人口居住最为密集，铁路北侧的银杏大道与建设中路周边的区域居住人口也较多。工作岗位方面，铁路南侧的新苏区域、铁路北侧的邳州初级中学和邳州人民医院等地岗位密度明显较高。工作在市区、居住在市区外的人口主要分布在邳州市的东西两侧，且东侧人口较多。

4.3 在出行特征方面，邳州市居民的出行以东湖街道和运河街道为核心，形成放射状形态。受铁路线的分隔，每天超过40%的人口需要跨铁路线通勤出行。在省域出行方面，邳州与徐州、南京联系最为紧密，占整个省域出行的80%左右。与邳州相邻的新沂、东海省域出行规律，相对邳州存在较大差异。

本文借助手机信令数据的分析研究，更加便捷、全面的反映了人在城市中的空间分布和活动特征，进而为深入探讨城市土地利用与人口时空间行为的互动关系、为城市规划建设提供了科学依据。随着更多数据的获取和研究的深入，构建城市土地利用与人口活动行为的互动关系模型，并应用于各類城市基础设施的规划建设，是未来研究的重点。

参考文献：

[1]中华人民共和国住房和城乡建设部. 城市综合交通体系规划交通调查导则[S]. 2014-09.

[2]中华人民共和国工业和信息化部. 2019年通信业统计公报[R]. 2020-02-27.

[3]刘晓玲， 段进宇. 大数据背景下交通调查的创新与交通模型的构建[C]. 2018年中国城市交通规划年会论文集， 2018年.

[4]邳州市统计局. 2018年邳州统计年鉴[R]. 2019-11-07.

作者简介：郭小燕（1975-），女，汉族，江苏徐州市人，高级城市规划师，主要从事城市规划研究。