基于移動通信大數據的城市職住空間分析

秦潔，徐喜安，陳毓鋒，田小忱

（中國移動通信集團廣東有限公司深圳分公司，廣東 深圳 518048）

基于移動通信大數據的城市職住空間分析

秦潔，徐喜安，陳毓鋒，田小忱

（中國移動通信集團廣東有限公司深圳分公司，廣東 深圳 518048）

基于移動通信網絡大數據的城市規劃分析在大范圍、規律性的居民出行活動調查中具有低成本、高時效等顯著優勢。為了研究深圳人口聚集和職住通勤特征，收集并整合了城市交通規劃相關的移動通信網絡關鍵數據信息，依托基站位置信息及脫敏用戶信令話單數據，以深圳800萬移動通信用戶位置信息為樣本，得出人口流動量較大的重點通勤區域；同時，以深圳北站區域為例詳細分析了居民出行特征，結合高頻出行目的地給出了公共交通增補建議，為未來城市規劃提供參考。

大數據 城市規劃 職住分析

1 引言

城市的規劃與運作，歸根結底要以居民為核心，要致力于滿足城市居民生活各方面的需求。城市規劃設計部門需充分地了解城市居民的信息，如居住地、工作地、出行軌跡等，進而可以推演出居民的聚集特征、出行規律等，這些數據對于城市規劃的功能區劃分、基礎設施配置等都具有非常重要的意義。過去常通過獲取如居民出行問卷調查、人口普查等規劃數據，采用小樣本抽樣方式進行分析，數據采集效率、采樣率、準確性等都有所欠缺。基于移動通信網絡大數據的城市規劃方法在大范圍、規律性的居民出行活動調查中具有顯著優勢，與人工調查及其它信息數據分析相結合，不僅能夠在較低成本的情況下實現大范圍、近似全樣本、快速的調查分析，還能夠實現長期持續的跟蹤和監測，對新時期交通規劃、管理等工作提供支撐，具備較好的推廣價值和廣闊的應用前景。

移動運營商角度可以將移動通信數據資源分析應用于其他具體的領域、行業，比如對職住特征進行分析，能夠總結經驗、發現規律、預測趨勢，為城市規劃、建設、管理輔助決策服務。關于職住特征的分析，在宏觀上，可以直接通過人的遷移數據描述城鎮間的關聯；中觀上，大量詳細的移動軌跡可以代替傳統的OD（Origin Destination，通勤出行）調查，通過對目的地、運動速度和軌跡進行分析，研究人員可以挖掘分類出交通方式和出行類別，甚至還可以對特征人群進行識別（如學生、通勤人員）和行為分析；微觀上，精確的人口分布有助于公共設施和商業設施的選址，另外，通過對交通方式進行識別，可實現車速控制范圍的劃定和道路使用狀況分析。

本文詳細分析了與城市交通規劃相關的移動通信網絡關鍵數據，并予以整合。依托基站位置信息及脫敏用戶信令話單數據，以深圳800萬移動通信用戶位置信息為樣本，展開了對深圳人口聚集和職住通勤特征的分析，并以深圳北站區域為例詳細探討了居民出行特征，結合高頻出行目的地給出了公共交通增補建議，旨在為未來城市規劃提供參考。手機用戶的時空行為進行精確定位而得，數據已經過脫敏（匿名編號，不涉及個人信息）、清洗異常數據等處理。每個基站由唯一經緯度確定地理位置，其小區覆蓋范圍與站型、覆蓋場景有關，室內站覆蓋范圍基本在樓宇內部，室外站在密集城區的覆蓋半徑約200 m，在郊區、景區等環境開闊、人員稀少的區域覆蓋半徑約3 km。統計每個用戶每小時駐留時間最長的基站小區作為該用戶該時段的常駐小區。本文采用核密度法模擬用戶在基站覆蓋范圍內的分布情況。根據深圳4G基站的密度，選取搜索半徑為5 km的調查范圍，柵格邊長為100 m。將每個小區的常駐用戶以小區經緯度為中心，按照核函數賦值至每個柵格中，用戶密度在中心點處最高，隨著與中心點距離的增大逐漸減小，在搜索半徑處減小至0，至此可得到深圳24小時人口熱力分布情況。

3 深圳全市職住空間分析

2 研究數據及研究方法

運營商大數據主要分業務數據和網絡數據。其中業務數據主要包括用戶的套餐信息、計費信息、通話時長/流量等消費信息，以及性別、年齡、號碼歸屬地等實名制信息。網絡數據中最重要的是基站地理信息和手機信令數據。手機終端會定期或不定期、主動或被動地與移動通信網絡保持聯系，這些聯系被移動通信網絡識別成一系列的控制指令，即手機信令。手機信令的內容主要包括用戶編號、時間、基站小區編號、事件類型（如位置更新、接聽/撥打電話、上網、發短信等）。手機信令數據具有動態、連續、地理位置近乎全覆蓋的特點，可以較好地反映人們總體的時間/空間行為規律。

本研究所使用的數據為深圳800萬個4G手機用戶（約占2016年深圳1 100萬常駐人口的72%）連續一周的信令信息，這些數據是通過全市約20 000個基站對

3.1 職住人口識別

“職住人口”即包括就業人口和居住人口，就業人口指以該地區為工作地小區的人口，居住人口指以該地區為居住地小區的人口。以深圳市企事業單位工作時間段“9：00—17：00”代表全市居民的工作時間，凌晨“0：00—5：00”代表全市居民在居住地的居家時間。取周一至周五連續一周的樣本，定義某手機用戶在工作時間段出現次數最多的常駐小區為該用戶的工作地小區，在居家時間段出現次數最多的常駐小區為該用戶的居住地小區。圖1（a）和圖1（b）分別給出了深圳800萬手機用戶的工作地及居住地人口熱力分布圖，由綠色至紅色表示人口密度呈增強趨勢，密度最低的綠色代表該區域人口密度在0.5萬人/平方公里以下，密度最高的紅色代表該區域人口密度在9萬人/平方公里以上。

3.2 職住通勤分析

由圖1（a）及圖1（b）可見，深圳居民的工作地與居住地分布具有較大差異，定義工作地人口密度圖層減居住地人口密度圖層之差為工作時間的人口凈流動分布圖層，如圖2所示。圖2中紅色越深表明工作時間該區域人口凈流入越多，綠色越深表明工作時間該區域人口凈流出越多。人口凈流出TOP區域有寶安中心區、白石洲、深圳北站、上沙、梅林關、布吉等區域，人口凈流入TOP區域有車公廟、華強北、福田中心區、南山科技園、深圳大學等區域。紅色及綠色區域應為職住通勤重點交通規劃區域。

圖1 人口工作/居住地熱力分布圖

圖2 人口凈流動分布圖

在交通規劃中，交通小區是交通研究的最小分析區，圖2所示的人口凈流動分布屬于微觀交通源，為了對整個區域的交通特性進行研究，必須由微觀分析轉向宏觀分析，其轉換的媒介即為交通小區。本文以半徑1 km的六邊形蜂窩作為通勤分析標準化單元，將全市劃分為990個交通小區。將交通小區內人口凈流動數據累加，以人數作為棱柱高度繪制交通小區的人口凈流動三維地圖，如圖3（a）和圖3（b）所示。

交通小區的出行量數據稱為OD數據，在圖3（a）中，柱狀越高表示該交通小區的工作時間人口流入凈OD越高，圖3（b）中，柱狀越高表示該交通小區的工作時間人口流出凈OD越高。在深圳990個交通小區中，有249個交通小區由于覆蓋山區或無采樣點等原因凈OD流量為0，在有凈OD流量的單元小區中，工作時間人口凈流入大于10 000的交通小區有31個，工作時間人口凈流出大于10 000的交通小區有6個，建議將這37個交通小區作為交通規劃分析的重點考慮區域。

圖3 人口凈流入/流出交通小區分布

4 深圳北站區域職住通勤分析

4.1 區域職住通勤概況

本文以深圳北站區域作為研究案例，選取3個地理位置相鄰、又各有特點的交通小區開展詳細的中微觀層面的職住通勤分析。該區域屬于住宅集中區域，既有紅山片區大量商業及住宅小區，又有龍悅居等政府廉租社區，還有白石龍城中村區域。將3個交通小區約11.28萬居住人口，以及約9.86萬就業人口作為分析對象。深圳北站交通小區地理位置如圖4中三個相鄰的藍色六邊形區域所示。

圖4 深圳北站交通小區地理位置示意圖

本文采用職住比、內外通勤比評價職住平衡，定義如下：

（1）職住比=區域就業人口/區域居住人口，可直觀反映區域職住平衡情況，職住比越高就業環境比重越大，職住比越低，居住功能比重越大。

（2）內外通勤比=區域內工作人口/區域外工作人口，反映區域內居住并且在區域內工作的人口與區域內居住但在區域外工作的人口之比，體現區域內職住自足的情況，自足度越高，區域內居住人口在本區域內就業的比重越高，職住關系質量越高。

由表1可見，小區408（政府廉租社區）職住比0.72、內外通勤比0.43均較低，是典型的居住區域，通勤需求比例最高；其次為小區461（城中村區域），有部分村內居民在本區域居住及工作，外出通勤比例有一定緩解；小區463（商業及住宅區）職住比接近1，區域職住發展較為平衡，內外通勤比1.1，說明還是有近一半的人存在外出通勤需求，特別是從絕對數量看，小區463中本區居住外區就業的人數達27 298人，需求依舊旺盛。深圳北站整體區域職住比0.87、內外通勤比0.93，是外出工作需求較強的居住區域。

4.2 區域出行目的地分析

以街道辦為粒度，統計深圳北站區域外出就業目的地，離開本街道辦的人數為44 367，占居住人口比例的39.3%，目標主要為華富街道、龍華街道、蓮花街道，前10位出行目標街道的人次占總出行人次的59%。外出工作人口通勤方向主要向南，其中25%的人口目的地為東南方向。深圳北站區域外出工作人口目的地街道及方向分布如圖5所示。

以交通小區為粒度，深圳北站外出通勤用戶以周邊小區及華強北、車公廟、福田中心區等區域作為高頻目的地，根據高頻方向和高頻目的地覆蓋原則，基于原有的城市道路建議增補公交線路如圖6右中紅線所示。

表1 深圳北站交通小區職住通勤分析

5 結束語

本文依托基站位置信息及脫敏用戶信令話單數據，以深圳800萬移動通信用戶位置信息為樣本，開展深圳人口聚集和職住通勤特征分析，并以深圳北站區域為例詳細分析了居民出行特征，結合高頻出行目的地給出了公共交通增補建議，為未來城市規劃提供參考。后續將在城市功能中心識別、出行方式識別、人流價值地圖等方面展開進一步探索。

[1] 王德,鐘煒菁,謝棟燦,等. 手機信令數據在城市建成環境評價中的應用——以上海市寶山區為例[J]. 城市規劃學刊, 2015(5)： 82-90.

圖5 深圳北站區域外出工作人口目的地街道及方向分布

圖6 深圳北站區域外出工作人口目的地交通小區分布及新增公交路線建議

[2] 丁亮,鈕心毅,宋小冬. 基于移動定位大數據的城市空間研究進展[J]. 國際城市規劃, 2015,30(4)： 53-58.

[3] 龔航,孫黎,王璞. 基于手機數據的城市交通大區OD分布估計——以舊金山市為例[J]. 城市交通, 2016,14(1)：37-42.

[4] 丁亮,鈕心毅,宋小冬. 上海中心城就業中心體系測度——基于手機信令數據的研究[J]. 地理學報, 2016,71(3)： 484-499.

[5] 徐金壘,方志祥,蕭世倫,等. 城市海量手機用戶停留時空分異分析——以深圳市為例[J]. 地球信息科學學報,2015,17(2)： 197-205.

[6] 許佳捷,鄭凱,池明旻,等. 軌跡大數據：數據、應用與技術現狀[J]. 通信學報, 2015,36(12)： 97-105.

[7] 鈕心毅,丁亮,宋小冬. 基于手機數據識別上海中心城的城市空間結構[J]. 城市規劃學刊, 2014(6)： 61-67.

[8] 吳松,雒江濤,周云峰,等. 基于移動網絡信令數據的實時人流量統計方法[J]. 計算機應用研究, 2014,31(3)： 776-779.

[9] 吳健生,黃力,劉瑜,等. 基于手機基站數據的城市交通流量模擬[J]. 地理學報, 2012,67(12)： 1657-1665.

[10] 楊飛. 基于手機定位的交通OD數據獲取技術[J]. 系統工程, 2007,25(1)： 42-48. ★

Job-Housing Spatial Distribution Analysis Based on Mobile Communication Big Data

QIN Jie, XU Xi'an, CHEN Yufeng, TIAN Xiaochen
(China Mobile Group Guangdong Co., Ltd., Shenzhen Branch, Shenzhen 518048, China)

The urban planning and analysis based on mobile communication network big data has prominent advantages of low cost and high real time in the survey on wide-range and regular residents’trips. In order to investigate the characteristics of population aggregation and job-housing spatial distribution in Shenzhen, the key data information of mobile communication networks related to the urban transportation planning was collected and arranged.According to the base station location information and anonymous users’signaling data, the key commuting areas with large amounts population were derived with the sample of the location information of eight million mobile communication users in Shenzhen. Tanking Shenzhen North railway station as the example, the characteristics of residential traveling were elaborated. Combined with the frequent traveling destinations, the supplementary suggestion on the public transport was put forward to provide a reference to the urban planning in the future.

big data urban planning job-housing spatial distribution analysis

10.3969/j.issn.1006-1010.2017.17.014

TN929.5

A

1006-1010(2017)17-0073-05

秦潔,徐喜安,陳毓鋒,等. 基于移動通信大數據的城市職住空間分析[J]. 移動通信, 2017,41(17)： 73-77.

2017-05-12

責任編輯：文竹 liuwenzhu@mbcom.cn

秦潔：高級工程師，碩士畢業于北京郵電大學，現任中國移動通信集團廣東有限公司深圳分公司網絡部高級網絡質量主管，主要研究方向為網絡質量管理。

徐喜安：高級工程師，碩士畢業于成都電子科技大學，現任中國移動通信集團廣東有限公司深圳分公司網絡部室經理，主要研究方向為網絡質量管理。

陳毓鋒：高級工程師，北京大學光華管理學院EMBA，現任中國移動通信集團廣東有限公司深圳分公司網絡部部門總經理，主要研究方向為網絡運營管理。