基于兴趣点与导航数据的手机信令数据出行方式识别

手机信令数据具有样本量大、采集成本低、跟随性强等优势,基于手机信令数据的居民出行特征分析具有重要意义。文章针对手机信令数据,设计了一套用户出行特征分析的框架,包括数据清洗、轨迹点分析、出行链提取、兴趣点分析与出行方式识别;基于兴趣点、路网数据与导航数据将用户的出行方式划分为驾车、公交、步行与骑行四种模式。结果表明,结合兴趣点与导航数据后,用户出行方式的识别正确率得到明显提升,与仅使用导航数据的识别算法相比,所提出的结合兴趣点与导航数据的算法正确率提升超过10%,具有较高的识别准确率。     

基于非参数分析方法的上海—苏州巨型城市区域就业多中心空间结构研究

利用移动通信信令数据识别上海—苏州组成的巨型城市区域内通勤联系,应用非参数分析方法识别区域内就业中心,以此测度巨型城市区域的多中心结构。利用移动通信信令数据识别就业者工作地数据,得到整个区域内基于网格的就业密度分布。应用改进的非参数分析方法识别巨型城市区域内就业中心。第一阶段利用局部加权回归识别出候选就业中心;第二阶段识别围绕候选中心的高就业密度网格,与候选就业中心组成就业中心范围。最后,用内外交互指数和水平交互指数验证了该区域的功能多中心程度。研究发现,在通勤联系视角下,上海和苏州组成的巨型城市区域内存在20个有区域影响力的就业中心,已经形成了功能多中心结构。利用移动通信信令数据和非参数分析精确识别具有区域影响力的就业中心范围,避免了既往研究中行政单元对研究结果的影响,为准确认识上海—苏州巨型城市区域的空间结构提供了支持。     

基于手机信令数据的特大城市人口时空分布及其社会经济属性估测——以北京市为例

提出应用手机信令数据, 基于空间模式单元(Spatial Pattern Unit)进行人口动态分布估测和人口属性识别的方法, 并以北京为例开展实例研究。以手机信令数据为主, 结合大样本问卷调查数据和腾讯热力图数据, 对人口布局进行分时段估测, 分析人口分布的时空间动态特征; 采用大样本问卷调查数据, 以人口社会经济属性和通勤出行特征等关键指标, 对调查的种子空间单元进行模式分类和识别, 运用机器学习的方法进行全域地域空间的人口属性估测识别, 最后对估测结果进行对比和验证。所提方法和研究结果可以为监测人口布局动态、针对人口属性布局商业服务和合理规划城市设施等提供决策支撑。     

基于手机传感器的用户行为识别

基于手机传感器实现用户行为识别在健康监控、时间管理和个人喜好分析、资讯筛选和推送等方面的重要作用,研究一种基于手机三轴加速度传感器、方向传感器获取用户数据,采用SVM多分类方法中的决策树分类方法,在决策树各节点训练SVM分类器,用于识别静止、步行、奔跑、上楼梯和下楼梯等5种日常行为,进而实现对用户行为的识别。通过对不同实验者的交叉对比实验,识别准确率平均为91.65%,证明了这一方法的有效性。     

基于手机传感器的用户行为识别

基于手机传感器实现用户行为识别在健康监控、时间管理和个人喜好分析、资讯筛选和推送等方面的重要作用,研究一种基于手机三轴加速度传感器、方向传感器获取用户数据,采用SVM多分类方法中的决策树分类方法,在决策树各节点训练SVM分类器,用于识别静止、步行、奔跑、上楼梯和下楼梯等5种日常行为,进而实现对用户行为的识别。通过对不同实验者的交叉对比实验,识别准确率平均为91.65%,证明了这一方法的有效性。     

基于移动大数据的城市空间结构感知

准确描绘城市结构、深刻理解城市特性对于智慧城市建设、提升居民生活体验至关重要。遍布于城市的基础设施,如公交车站、银行网点、移动网络等,提供了大量具有时空标记、描述个人行为的数据,使得基于人类行为的城市时空特性分析成为可能,且逐渐成为城市研究的热点。针对这些移动大数据,提出一种方法,将人类移动行为投影到城市空间实体之间的联系中,从而可以方便地从整体和局部研究城市空间实体间联系。基于该方法,利用中国西南某地级市手机上网数据进行实证研究,发现城市空间实体间联系的变化具备周期性,且城市空间结构存在与行政区划相一致的区域中心,这些区域中心的时空变化,反映了人类作息习惯与移动特性。研究结果揭示了城市空间联系的动态特性,为数据治理城市、基础设施的合理配置和资源分配提供了有效的依据。所提出的方法提供一个新的视角,将人类运动整合到空间分布式系统的研究中。     

基于移动通讯数据的用户行为可视分析

手机通话记录数据反映了人类的生活行为。基于数量庞大、类型繁多的移动数据,设计了多视图多粒度可视方式,对城市居民消费分布规律、个体活动轨迹、个体紧密社会关系网络进行分析;基于数据的时空属性,关联时空对比可视分析,对个体活动位置、活动范围等进行分析;在此基础上,设计并实现了移动通讯用户行为可视分析系统。结果表明,该系统在用户交互下能有效识别用户活动规律。     

空间KMeans挖掘算法在基于手机信令的OD分析中的应用

在基于手机信令的OD分析应用中,利用空间Kmeans挖掘算法可以对目标群体实时交通状态信息和动态出行调查,进而识别出用户出行方式,构建城市绿色交通的具体方案。     

基于手机信令数据的居民出行调查扩样模型

系统分析了居民出行调查的误差成因,简要介绍了传统加权扩样模型并分析了其局限性,特别是对沉默出行需求揭示不足的缺点。结合手机信令数据用于出行行为研究的优势及特点,提出了利用手机信令数据进行居民出行调查扩样及对挖掘沉默出行需求的方法。设计了包含5个主要步骤的居民出行调查样本数据、交通运行监测数据和手机信令数据相结合的扩样模型结构。以驻点分类技术为基础,建立了基于手机信令数据的出行活动分布模型。在获取长周期手机信令数据推断人口职住分布的基础上,基于居民出行调查RP(revealed preference)数据对交通方式划分模型参数进行了标定。从出行目的组成、时间分布和出行距离分布3个方面,对比分析了调查样本、传统加权扩样模型和新模型的计算结果的差异,结果表明新模型在揭示因瞒报、漏报而产生的沉默出行需求方面作用显著。     

基于安卓平台的行为指纹安全认证

传统密码认证易被窃取,人们开始寻找新的安全认证方式。行为指纹是指用户对手机的操作数据,由多元素组成。这些数据可以作为用户独特的身份信息运用到安全领域之中。该文将行为指纹应用于手机安全认证,开发出一款基于安卓平台的行为指纹安全认证应用软件,在建模和识别的算法上,将一类和二类向量机相结合,应用一类支持向量机(SVM)、二类SVM识别的方法,提高了行为识别的准确率。测试结果表明该软件能够运用于手机的安全认证中。     

一种大规模流式数据聚类方法在交通热点分析中的应用

为了提高在大规模流式数据环境下交通热点区域分析的算法效率,提出了一种流式数据两阶段方法;该方法在第一阶段使用基于改进Canopy算法进行粗聚类并产生宏簇,在第二阶段使用K-means算法进行细聚类;并以粗聚类产生的宏簇个数和类簇中心位置为指导产生更加准确的微簇聚类结果。在试验中,使用流式数据两阶段方法对北京市出租车的定位数据进行了聚类分析;并结合热力图和电子地图对聚类结果进行可视化表达,在最终的热力分析结果中可以直观地发现出租车活动较为频繁的热点区域和线路,且与日常出行经验相符合。试验结果表明该算法能够实时地对流式数据进行聚类分析,产生的数据结果可供用户在任意时间窗口范围进行查询分析,有助于为交通活动情况实时分析、交通规划和拥堵治理等方面提供有价值的理论参考依据。     

LTE网络用户行为分析系统的设计与实现

针对传统信令监测系统数据业务识别度低、统计能力不强等问题,在传统的监测系统基础上,提出了一种采用网络爬虫(web crawler)技术和深度包检测(deep packet inspection,DPI)技术的LTE网络用户行为分析系统.该系统对应用层业务内容进行精细化识别,进一步分析了移动互联网的用户行为特征.经现网测试验证,设计的用户行为分析系统达到了预期的效果,对移动互联网用户行为分析、精准化营销领域具有推广意义.     

基于数据流多维特征的移动流量识别方法研究

随着移动互联网的快速发展,移动设备的数量激增至历史新高.从大量混杂流量中识别出移动流量并对流量进行分析,是深入研究移动互联网特性的第一步,同时可以为移动网络测量与管理、移动安全和隐私保护提供有价值的信息.本文综合整理了网络流量识别的常见方法,提出了基于数据流多维统计特征的移动流量识别方法.该方法从硬件特征、操作系统指纹和用户使用习惯三个方面提取了数据流中具有代表性的特征并对特征进行分析,使用集成学习的方法生成识别模型.移动流量的识别准确率和主流的5种操作系统流量分类的准确率都达到了99%以上.本文方法比UAFs方法准确率提高了8%左右.本方法提取的特征具有多维性并且具有实际意义,整合了网络层和传输层的数据流特征,相较于使用深度数据包检测的方法,基于数据流多维特征的方法同样适用于加密流量的分类.     

犯罪热点路段识别及影响因素分析

基于道路交通网络的热点分析可以获取犯罪热点道路,从而为公安巡控、警务资源优化提供指导性意见。本文以等距路段为最小研究单元,采用等距路段热点研究方法识别分析北京市西城区2016年盗窃犯罪在道路交通网络上的分布情况。对于空间兴趣点（Points of Interest,POI）的10类源数据,采用主成分分析方法实现降维,通过多元线性回归对提取出的两类主成分因子进行犯罪影响因素解释。研究发现：北京市西城区盗窃犯罪在空间分布上呈高度聚集态势,少量路段聚集了大量犯罪;热点路段大都集中在人员流动性大、交通便利等地区;较不等距路段犯罪热点分析方法而言,等距路段犯罪热点分析方法可以更精准的实现热点路段的识别;提取两个主成分分别是与居民日常生活类和与居民精神文化类,与居民日常生活较多的区域对犯罪的发生呈正相关作用,与居民精神文化相关的区域对犯罪的发生呈反相关作用。本文的研究结果可以为一线执法机关的警务资源分布优化、维护社会稳定提供安全防范依据。     

适用于山地城市的Logistics速度-密度模型

为了计算山地城市不同立交基本段的通行能力,明确交通速度-密度的量化关系,根据Logistics模型的数学描述与连续交通流的一般规律,推导了不同交通流参数间的关系,建立了基于Logistics的速度-密度关系模型,并根据重庆市不同立交基本段与交通环境下采集的连续交通流数据,对模型进行了验证与分析.结果表明:在山地城市的复杂道路环境下,本文模型对实际交通流数据拟合精度较高,且标定的参数基本合理;本文模型的表达式简单,且主要标定参数的物理意义相对明确;针对自由流状态的道路,模型仍可标定相对合理的参数;山地城市道路的最佳交通密度明显高于《道路通行能力手册》(High-way Capacity Manual)的建议值,均值为38.55 pcu/(km·ln).据上述建模结果可知,基于Logistics建立的模型能准确地描述山地城市的速度-密度关系,对于今后交通流研究而言,具有良好的借鉴意义.     

限行政策下的山地城市道路交通拥堵问题研究

城市交通拥堵问题日趋严重,山地城市因特殊的地理形态,拥堵问题更为凸显,实施限行政策是缓解山地城市交通拥堵的手段之一;通过构建随机均衡配流模型来描述限行政策下山地城市交通的运行状况,并采用改进后的Dial算法对模型进行求解;研究以重庆市主城区为例,结合城市多中心组团的特性,对组团间的联系通道采取工作日机动车尾号限行措施,分析山地城市道路流量和服务水平的变化情况;研究发现,限行后组团中心区域的道路交通流量显著减少,道路服务水平明显提高,但同时交通拥堵也向周边区域发生扩散;最后,提出了缓解拥堵扩散的相关措施和建议。     

西安留学生旅游行为研究

基于问卷调查数据，运用数理统计方法、文本分析法，从旅游信息获取途径、出游空间、旅游偏好、推荐意愿等4个方面研究了留学生旅游行为特点。结果表明：留学生获取旅游信息的最主要途径是朋友和网络；留学生出游空间大，居住地周边、重点旅游区域和热点旅游城市是其主要旅游活动空间；留学生市内旅游交通工具主要是公共汽车和出租车；留学生偏好国际知名度高的城市和旅游热点城市，注重景点特色和知名度；留学生将所在城市的旅游景点推荐给自己的亲朋好友的意愿非常高。最后根据研究结论提出了旅游企业应重视留学生市场、旅游目的地应设法提高国际知名度、西安应加快现代化和国际化建设步伐等建议。     

移动互联网用户行为分析系统中聚焦爬虫的设计与实现

在移动互联网用户行为分析系统中,为了使深度包检测(deep packet inspection,DPI)进行有效地数据匹配,对用户行为进行更深层次的分析,达到不仅能识别出业务网站类型而且还识别出业务网站访问具体内容的目标,设计出一种能进行具体内容级别上特征爬取和提炼的爬虫模块.针对特定业务网站,考虑广义爬取对技术和存储要求高的缺点以及针对某一行业的爬虫系统得到数据有限的不足,设计并实现了一种基于特定页面分析的聚焦爬虫模块.该爬虫模块采用模块化的思想,使用多线程多任务,精确高效地爬取特定业务网站信息,为DPI匹配提供数据支持.经过测试验证,该爬虫模块达到了预期的要求,可维护性、可扩展性和实时性强,满足移动互联网用户行为分析系统对特征数据提取的需求.     

重庆市A级旅游景区空间分布及其影响因素研究

研究了重庆市A级旅游景区的空间分布特点及其影响因素;基于重庆市2001—2018年A级旅游景区数据,采用GIS的空间分析功能、最邻近点指数分析、核密度强度分析、标准差椭圆分析及SPSS相关分析对景区的类别、等级和密度等进行研究;结论认为:2001—2018年间,重庆旅游景区从分散发展到集聚,分布重心自东北向西南迁移,呈现圈层式扩散态势;从数量上看景区等级偏低,以2A、3A和4A为主;类别以历史文化和自然观光为主,休闲娱乐类为辅;地形、水系和社会经济共同影响重庆旅游景区的分布;制定了重庆旅游景区空间优化对策:调整地区产业结构,增加第三产业比重;改善交通等基础设施;依托地形和水系等开发景区;以主城区为核心渐进优化重庆旅游景区的空间分布。     

福州市城市交通违法行为的空间分布规律分析

为辅助治理城市交通违法行为,从源头减少交通事故,以福州市各县市区为研究区,对福州市交通违法数据按照交通违法扣分细则分类;然后,利用最邻近指数技术计算交通违法行为的聚集状态,并利用标准差椭圆、层次聚类和核密度3种算法进行空间热点识别.结果表明:福州市交通违法数据以点形式分布,主要聚集在三环内和福清市;各类交通违法行为均为聚集型分布状态,中心点主要分布于福州市东南方向,福州市交通违法行为未来的高发区可能呈从主城区向东南方向延伸的趋势;市中心被商场和景区包围的八一七北路、东三环快速路与机场高速互通枢纽、连江县104国道东边居民区和学校为3类交通违法高发区域.