基于手機信令的道路交通流量狀態(tài)識別及預測

胡斌杰，詹益旺,2

（1.華南理工大學，廣東 廣州 510640；2.廣州杰賽科技股份有限公司，廣東 廣州 510310）

基于手機信令的道路交通流量狀態(tài)識別及預測

胡斌杰1，詹益旺1,2

（1.華南理工大學，廣東 廣州 510640；2.廣州杰賽科技股份有限公司，廣東 廣州 510310）

提出了一種基于手機信令的道路交通流量狀態(tài)識別與預測方法，能夠基本上滿足智能交通建設(shè)的數(shù)據(jù)廣域、全面、實時、動態(tài)的要求，并提供路況擁堵查詢、統(tǒng)計預警分析等功能應(yīng)用，是一種可靠的實時交通信息采集方式。由于其自身具備投資少、維護成本低的優(yōu)點，可在短時間向二三線城市大范圍推廣應(yīng)用。

手機信令 道路狀態(tài)識別 實時交通

1 引言

道路交通狀態(tài)的擁堵是人們普遍關(guān)注的問題，如果解決得不好，不但會影響人們的正常生活，還會對社會、生態(tài)以及人們的身體健康產(chǎn)生不利的影響。近年來，各級政府和交通管理部門都非常重視道路交通狀態(tài)的監(jiān)控，各研發(fā)機構(gòu)和廠商也不斷地推出了道路交通狀態(tài)監(jiān)控的解決方案及設(shè)備。

目前主流的道路狀態(tài)識別方式有兩種：一種是基于感應(yīng)器的道路狀態(tài)識別，其原理是一旦車輛經(jīng)過路面，感應(yīng)器就會產(chǎn)生信號，通過檢測信號就能獲取道路上經(jīng)過車輛的數(shù)量，并根據(jù)檢測所發(fā)生的時間差來計算車輛的速度。但這種方式采集數(shù)據(jù)存在采集內(nèi)容和范圍有限、采集和維護成本高的缺陷，推廣使用存在困難。另一種方式是基于GPS定位的道路狀態(tài)識別，其原理是通過采集在道路上行駛的且裝有GPS裝置車輛的行駛信息，以車輛為探針獲取其在道路上的位置、速度等信息，以車輛速度反映道路的擁堵現(xiàn)狀。但這種方式也存在獲取測量數(shù)據(jù)成本提高、開通GPS的車輛少、密集城區(qū)的測量精度受限等缺陷，不適應(yīng)大范圍推廣應(yīng)用。

基于此，本文提出一種“基于手機信令定位的道路狀態(tài)識別方式”，這種方式是以手機為探針，通過手機信令獲取車輛在道路上的位置、速度等信息，以車輛速度反映道路的擁堵現(xiàn)狀。以車輛內(nèi)的手機作為“探針”，這些“探針”在一定時間周期內(nèi)將所探測的交通狀態(tài)主動進行報告，從而動態(tài)把握整個城市道路網(wǎng)絡(luò)的交通運行狀態(tài)。基于手機信令的道路狀態(tài)識別方式在成本、信息獲取便捷程度方面要遠遠優(yōu)于以上兩種方式，適用于二三線城市的智能交通建設(shè)，具有非常巨大的推廣價值和市場發(fā)展?jié)摿Α?/p>

2 基于手機信令的道路狀態(tài)識別方案

基于手機信令的道路狀態(tài)識別的主要思想是：首先，從運營商獲取用戶手機信令數(shù)據(jù)；其次，根據(jù)道路匹配算法對用戶進行識別和區(qū)分，篩選出在道路上移動的用戶；再次，針對已得到的道路用戶進行用戶定位以及移動速度的計算；最后，根據(jù)用戶移動的速度以及所處道路，從而判斷出不同道路的交通擁堵狀態(tài)。下面對該方法的具體步驟以及相關(guān)算法進行詳細描述。

2.1 信令數(shù)據(jù)獲取

基于移動運營商的BSS域數(shù)據(jù)管理系統(tǒng)，在連續(xù)一個月的時間周期內(nèi)，對占保定總?cè)丝?0%的保定聯(lián)通200多萬手機用戶進行追蹤，動態(tài)采集了保定市域范圍內(nèi)手機用戶的信令數(shù)據(jù)。信令數(shù)據(jù)主要包括：IMSI（匿名加密用戶唯一標識）、Cell_ID（基站小區(qū)編號）、TIME（時間戳）、LOCATION（經(jīng)緯度）、EVENT（事件類型）等。

2.2 道路匹配及用戶識別

首先，利用GIS緩沖分析技術(shù)，將基站以500m作為緩沖半徑（城市里一般基站的覆蓋范圍是500m），與道路進行疊加分析，把基站擬合到道路上，如圖1所示：

圖1 基站緩沖分析

經(jīng)過基站緩沖與道路疊加分析，得到每條道路上分布不同的基站序列，以此作為道路的基站切換序列，記為Ri={n1,n2,…,nk}，其中Ri表示第i條道路，nk表示基站序列中第k個基站；同時，通過用戶手機切換信令數(shù)據(jù)按照時間維度進行排列，可以得到每個用戶經(jīng)過的一系列基站的切換序列Uj={n1,n2,…,nm}。然后對每個用戶的移動切換序列與道路的基站切換序列進行相似度計算，獲得與該用戶移動軌跡和道路匹配的信息，從而篩選出在道路上的用戶。本文采用的相似度測量方法是計算Ri與Uj的歐式距離，具體如下：

2.3 道路用戶定位

由于基站的覆蓋范圍較大，對于在道路上的用戶，無法精準定位該用戶所處具體的某個路段，因此針對已經(jīng)匹配到道路上的用戶，需要進一步對其精準定位，從而反映更加真實的交通狀況。本文主要運用基于3D射線追蹤與隱馬爾可夫模型的Cell_ID定位方法。該定位方法的主要思想是：

首先，通過3D射線追蹤模型得到建立定位指紋庫，包括覆蓋范圍內(nèi)移動臺接收到的服務(wù)基站信息，根據(jù)道路劃分的區(qū)域（以100×100m為一個網(wǎng)格分割道路），計算出每個道路網(wǎng)格的觀測矩陣（每個網(wǎng)格接收到的基站信息作為觀測向量）和基站接收概率矩陣，具體如表1和表2所示。

其次，根據(jù)用戶的移動手機切換信令的基站序列與定位指紋庫的觀測矩陣進行相似性計算，由公式（2）和（3）求出最大似然向量，再通過公式（4）求出最大似然向量所在網(wǎng)格，以該網(wǎng)格作為用戶的位置。

其中，hij表示基站接收概率中的第i個網(wǎng)格接收到第j個基站的概率值；[Yk]i表示是否接收到基站信號，接收到為1，否則為0。

2.4 道路用戶出行模式識別

雖然通過前面幾個步驟已經(jīng)基本確定在道路上的用戶，并且能夠比較準確地定位該用戶所處的地理位置，但還無法確定用戶的具體出行模式（步行、自行車或機動車），也就無法判斷用戶所處位置是真實的交通擁堵或者僅僅處在人流量較大的區(qū)域，因此還需要進一步對道路上的用戶出行模式進行識別。本文采用的方法主要是將出行速度作為聚類閾值對不同的道路用戶進行聚類的算法。

表1 觀測矩陣

表2 基站接收概率

首先，根據(jù)手機切換信令的基站序列按照時間維度進行排列，能夠確定道路用戶的移動方向；然后，計算道路用戶在一段時間內(nèi)的每兩次切換之間的移動速度，得到用戶的移動速度值集合Vi={v1,v2,…,vm}；最后，利用速度作為聚類閾值對道路用戶進行聚類，就能夠識別該用戶的出行模式，這里采用經(jīng)典的kmeans聚類算法。如圖2所示：

圖2 用戶出行模式識別

例如：通過計算，5分鐘內(nèi)用戶切換了10個基站，按照每兩次切換之間的距離以及切換的時間差可以計算出該用戶在5分鐘內(nèi)有9種速度，再通過聚類算法就能判斷用戶的出行模式。

2.5 道路交通狀態(tài)識別

在上文中已經(jīng)計算出機動車輛用戶的每次切換速度vi，由切換的位置信息可以計算出切換間隔的距離li，選取某段道路，可以統(tǒng)計出經(jīng)過該道路的所有用戶，以每個用戶的切換間隔距離li作為權(quán)重，對速度進行加權(quán)平均得到每個機動車輛用戶在該道路的統(tǒng)計平均速度。最后，將處在該道路上的所有機動車輛用戶的統(tǒng)計平均速度的分布進行統(tǒng)計，95%的用戶達到的車速范圍即作為該道路的交通速度，從而以此判斷道路是否發(fā)生擁堵。

3 系統(tǒng)功能展現(xiàn)

3.1 實時路況擁堵查詢

本文以保定作為應(yīng)用示例的地市，主要是通過手機信令數(shù)據(jù)來實時展現(xiàn)道路擁堵情況以及統(tǒng)計分析情況。本系統(tǒng)基于Hadoop平臺進行后臺數(shù)據(jù)處理和分析，采用S S H框架體系，以每半小時為顆粒度來展現(xiàn)保定道路的實時路況。圖3是展現(xiàn)2014年8月16日早上8點30分的保定市區(qū)主干道的道路擁堵情況，不同的顏色分別代表當前在該道路中的車速情況。

實時路況擁堵查詢功能：能夠?qū)崟r展現(xiàn)路況的擁堵信息，這些信息包括道路名稱、平均車速、擁堵情況（嚴重、擁堵、擁擠、緩行、通暢）。

3.2 統(tǒng)計預警分析

根據(jù)一個月某個時間段（工作日早高峰）的車速數(shù)據(jù)，統(tǒng)計每條道路在某個時間段的擁堵數(shù)據(jù)。一旦道路發(fā)生事故，系統(tǒng)就能根據(jù)統(tǒng)計數(shù)據(jù)預警該路段影響周邊區(qū)域的交通狀況以及受到影響的用戶信息，通過短信通知的手段可以有效引導車輛有序流動，減緩交通擁堵。

圖4是保定主干道8月某個時間段的道路車速數(shù)據(jù)統(tǒng)計情況。

4 結(jié)束語

基于手機信令的道路交通狀態(tài)識別與預測具有投資小、數(shù)據(jù)采集覆蓋范圍廣、實時性好的特點，應(yīng)該強化其在交通領(lǐng)域的運用。由于通信用戶行為的不穩(wěn)定性和復雜性等特點，基于手機信令的道路狀態(tài)識別只能反映大部分用戶出行的規(guī)律；同時，基于Cell_ID的定位精度有一定的局限性。在未來的研究中，還需要針對這兩方面存在的缺陷進行深入研究。

圖3 實時路況擁堵查詢

圖4 特定時段的道路擁堵月統(tǒng)計規(guī)律

[1] 鄭建湖,王明華. 動態(tài)交通信息采集技術(shù)比較分析[J]. 交通標準化, 2009(4): 42-47.

[2] 秦岸,李淑慶,聶世剛. 基于CDMA網(wǎng)絡(luò)的城市交通數(shù)據(jù)采集與處理技術(shù)[J]. 重慶交通大學學報: 自然科學版, 2010(2): 276-279.

[3] 董均宇. 基于GPS浮動車的城市路段平均速度估計技術(shù)研究[D]. 重慶: 重慶大學, 2006.

[4] 朱鯉,孫亞,胡小文. 基于手機定位的動態(tài)行程時間探測[J]. 計算機工程與應(yīng)用, 2007(10): 244-248.

[5] 張祖林,尤建新. 昆明市智能交通信息系統(tǒng)框架研究[J].云南社會科學, 2009(3): 5-10.

[6] 李德仁,李清泉,楊必勝,等. 3S技術(shù)與智能交通[J]. 武漢大學學報: 信息科學版, 2008(4): 331-336.

[7] 湯國安,楊昕. ArcGIS地理信息系統(tǒng)空間分析實驗教程[M]. 北京: 科學出版社, 2006.

[8] 蔡超. 基于手機定位數(shù)據(jù)的城市路段行程車速提取[D].昆明: 昆明理工大學, 2011.

[9] 張威. GSM網(wǎng)絡(luò)優(yōu)化：原理與工程[M]. 北京: 人民郵電出版社, 2010.

[10] 馮沖,左小清,蔡超,等. 基于時空關(guān)系的手機定位數(shù)據(jù)處理方法[J]. 貴州大學學報: 自然科學版, 2011,28(3): 78-82.

[11] 王春麗. 基于移動電話/地圖匹配組合的公交車輛定位研究[D]. 重慶: 重慶大學, 2007.

[12] 孫棣華,王春麗. 基于模糊模式識別的車輛定位地圖匹配算法[J]. 計算機工程與應(yīng)用, 2007,43(25): 227-230.

[13] 唐進軍,曹凱. 一種自適應(yīng)軌跡曲線地圖匹配算法[J].測繪學報, 2008,37(3): 308-315.

[14] 周璞,劉衛(wèi)寧,孫棣華. 基于路網(wǎng)拓撲結(jié)構(gòu)的無方向參數(shù)地圖匹配算法[J]. 2006(33): 188-190.

[15] 王力軍. 手機定位技術(shù)在交通流預測中的應(yīng)用與研究[D]. 重慶: 重慶交通大學, 2010.

[16] 高燕燕. 基于模糊邏輯的地圖匹配改進算法的研究及應(yīng)用[D]. 邯鄲: 河北工程大學, 2009.

[17] 孫棣華,肖鋒,廖孝勇,等. 基于預處理的城市路網(wǎng)拓撲結(jié)構(gòu)構(gòu)建算法[J]. 計算機工程與應(yīng)用, 2008,44(23): 233-235.

[18] 李辰. 交通方式劃分的LOGIT模型方法[D]. 南京: 河海大學, 2004.

[19] 傅莉萍. 利用效用函數(shù)探討交通方式劃分[J]. 廣東交通職業(yè)技術(shù)學院學報, 2004(1): 76-79.

[20] 陳義華,胥勇. 一種基于模糊神經(jīng)網(wǎng)絡(luò)的交通方式劃分模型[J]. 交通與計算機, 2006(1): 25-28.

[21] 張博. 基于手機網(wǎng)絡(luò)定位的OD調(diào)查的出行方式劃分研究[D]. 北京: 北京交通大學, 2010.

[22] 毛海唬. 中國城市居民出行特征研究[D]. 北京: 北京工業(yè)大學, 2005.

[23] 陳蓉. 昆明市城市交通需求管理研究[D]. 長沙: 長沙理工大學, 2008.

[24] 李英豪. 昆明城市交通整治與建設(shè)規(guī)劃研究[D]. 重慶:重慶大學, 2009.

[25] 陳征,劉英舜,石飛. 城市居民出行方式距離曲線的研究與應(yīng)用[J]. 交通標準化, 2006(8): 157-160.★

胡斌杰：博士，現(xiàn)任華南理工大學電子與信息學院教授，工學博士生和工程博士生導師，主要從事無線傳感網(wǎng)絡(luò)與認知無線電技術(shù)、RFID與物聯(lián)網(wǎng)工程、GNSS與室內(nèi)定位技術(shù)方面的研究工作。

詹益旺：高級工程師，博士畢業(yè)于華南理工大學，現(xiàn)任職于廣州杰賽科技股份有限公司，主要從事移動通信市場研究和科研項目開發(fā)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. 基于手機信令的道路交通流量狀態(tài)識別及預測[J]. 移動通信, 2015,39(10): 17-21.

2015-05-05

責任編輯：袁婷 yuanting@mbcom.cn