大数据环境下手机定位数据在城市规划中实践_冉斌

大数据环境下手机定位数据在城市规划中实践

冉斌邱志军裘炜毅陆俊贤

薛美根董志国蒋寅高志刚

【摘要】城镇化、信息化快速发展的时代，利用海量、多源的大数据环境，支撑城市规划的焦点问题量化分析，是当前重要的发展方向，手机数据是其中一种很好的技术选择。目前手机移动网络实现了城乡空间区域的全覆盖，城乡人口中手机终端的持有率和使用率已经达到相当高的比例，手机定位数据契合了城乡人口空间分布与活动规律的分析需求。根据手机信号在真实地理空间上的覆盖情况，将手机用户时间序列的移动信号数据，映射至现实的地理空间位置，即可完整、客观地还原出手机用户的现实活动轨迹，从而挖掘得到人口空间分布与活动联系特征信息。本研究总结了手机定位数据在城市规划中的应用方向，在国内部分大城市初步探索并实践了的典型应用，研究成果的数据趋势和分布规律与现状基本相符，为城市规划提供了基础性的数据资料。

【关键词】城市规划；人口分布；人口活动；大数据；手机定位数据

1.引言

1.1背景

信息化技术作为城市规划领域的新技术应用，在过去十多年间的实践中，从办公自动化、到计算机技术的引进、大型地图数据库的广泛应用，获得了丰硕的成果。当今信息化社会的发展，日新月异的信息技术革命，特别是ICT（Information Communication Technology，信息和通讯技术的融合领域）技术的发展，带给城市规划海量的、多源的、甚至可能是杂乱的大数据，如，视频数据、互联网数据、社交网络数据、电商数据、物业水电煤数据、手机数据等。大数据理念在IT领域得到了最初的响应，并迅速在金融、商业智能、医疗、交通等各个领域得到重视。

当前，我国城市规划领域发展，也赋予很多时代的特征和新的发展命题。工业化、信息化、城镇化同步发展；城镇化发展规划、城乡一体化发展；城市群等区域空间组织；适应不同社会群体需求的公共设施、基础设施规划、满足多元需求的城市综合交通体系规划；都成为当今热门话题和研讨重点。城镇化、信息化快速发展的时代背景下，如何在海量、多源的大数据环境中，有效支撑现有城市规划焦点问题的量化分析，成为当前重要的发展方向。

随着当今个人手机终端的普及，出行群体中手机拥有率和使用率已达到相当高的比例，手机移动网络也基本实现了城乡空间区域的全覆盖。手机作为一种较为理想的探测器，用于研究人的行为特征，提供了一种很好的技术选择方向。移动通信网络中海量的手机大数据，

其中蕴藏着丰富的人员行为特征信息。以上海市为例，仅上海移动一家运营商，日均数据量达15亿条，用户数量约2000万，占总人口比例超过80%。

本文将介绍大数据环境下基于手机定位数据的分析技术在城乡规划领域内的应用思路、应用方向，以及在国内部分城市的有益探索和实践。

1.2实践意义

城市规划编制需要综合运用大量的数据资料，如基础地图数据、遥感影像数据、资源与环境数据、社会经济数据、土地利用数据、市政与公共设施数据等[1][2]。随着计算机技术的引入，其中相对静态的基础性数据，获取便利性、获取效率和数据质量都已达到较高水平。但是，相对动态的数据，尤其是人口分布、人口活动及其衍生的区域联系强度等数据，目前并没有比较好的、直接的、自动化采集方式。人口空间分布数据，目前主要是依据多年一次的人口普查，数据时效性有限，或是通过遥感影像的方式[3]，进行间接推断，数据可靠性、可信度一直未得到有效检验；而人口活动与区域间客流交换情况，主要依据人工的综合交通抽样问卷调查，数据采集效率、采样率、准确性等都有所欠缺。

近年来，大数据处理技术与理论正蓬勃发展，冲击着我们的思维理念与规划思路，尤其是数据处理理念上的三大转变：“不要随机样本，而是全体数据”、“不是精确性，而是混杂性”、“不是因果关系，而是相关关系”[6]，契合了城市规划领域的数据应用需求。首先，抽样分析是信息收集手段不完善时代的产物[6]，传统方式获取规划数据，如居民出行问卷调查等，采用小样本抽样方式，统计结果易具偏向性，“以偏概全”而导致不能反映出总体的真实情况。而目前我国共有11.46亿移动通信服务用户，占总人口约84%，为大比例的抽样提供了技术可能，保证了其与总体统计学特征保持一致。其次，要效率而非绝对准确，要允许一点点的错误和不完美[6]，需要发挥不同数据各自的优势。如视频、红外等技术，能够较好地识别设备范围内的单个个体，但较难持续跟踪分析人口的连续活动特征。而利用手机定位数据能够在中观、宏观层面上得到相对可靠的人口空间分布与活动特征，但当空间识别单元特别微观时，会存在无法分辩的问题。第三，注重对大量不同类型数据进行统计性分析归纳，进行关联性及相关性分析[6]，挖掘事物相互间的耦合关系；手机定位数据能够持续追踪，从而直接检测人口的各种活动特征指标，弱化了基于因果关系和各种假设条件的模型推算过程，减少了模型、参数带来误差的同时，与其他数据一起，能够更好掌握现状或指导未来的工作。

综上所述，手机数据从采集频率、采样率与采样持续性上，都是一种技术突破，提供了一种长期、动态、持续更新数据的可能，成为现有人口调查、客流调查手段的一项重要组成，具备有效监测分析城镇群间人口流动规律、城市内不同区域间人流交换情况[4]的能力，以适应当今城市化进程发展需要，有助于研究土地开发、产业转移与人口迁徙之间的内在机理。

2.研究技术与研究思路

2.1研究基础

本文所指手机定位数据，由移动通信运营商提供，从移动通信网络的特定接口上解析、处理、并滤除用户属性之后的加密手机信号数据，不会涉及手机用户的个人信息。

移动通信网络的信号覆盖从逻辑上被设计成由若干六边形的基站小区相互邻接而构成的蜂窝网络面状服务区，手机终端总是与其中某一个基站小区保持联系[5]，移动通信网络的控制中心会定期或不定期地主动或被动地记录每个手机终端时间序列的基站小区编号信息。经过多年来移动通信运营商持续的建设与优化调整，城乡范围内人能够活动到的空间基本上都有移动信号覆盖，很少还有信号盲区存在。

将手机用户时间序列的移动信号数据，映射至现实的地理空间位置，即可完整、客观地还原出手机用户的空间活动轨迹，从而挖掘得到人口空间分布与活动特征信息。

大数据时代，MapReduce、Hadoop、NoSQL相关技术的成熟，为海量手机用户的海量定位数据的分析、挖掘奠定了技术基础，海量数据计算、处理、存储与查询越来越成为相对简单的问题。而大数据环境下数据处理理念的转变，则带给我们更多地思考，如何在城市数据化、智慧化的快速发展下，推动城市规划学科的良性发展。

2.2研究思路

图1 人口空间分布与活动特征研究思路

研究思路如图1，包括以下几步：

步骤1：利用手机定位数据，分析各个手机用户在移动通信网络中的活动情况；

步骤2：建立移动网络信号覆盖与GIS基础地图及空间地理数据的相互映射关系，分析各个手机用户在真实地理空间上的活动情况；

步骤3：利用手机用户活动模型与出行分析模型、交通流模型、时空聚类算法、模式识别算法等，分析挖掘得到手机用户群体的活动特征指标；

步骤4：从手机用户群体扩样至总体人口（包括持手机的人群与无手机人群）的相关特征指标，如人口居住地与工作地分布、居住人口的工作地与工作人口的居住地分布、流动人口活动范围特征、区域客流产生与客流吸引、区域间客流交换与城市发展轴分布、区内与区间出行、查核线或关键通道客流及与周边城市客流联系等。

以上技术分析方法，先后在上海、重庆、天津等城市得以具体探索与实践，过程中将手机定位数据分析得到的相关数据成果与各地的人口普查、综合交通调查等其他方式获取的数据进行了对比验证，宏观统计偏差在±2%以内，研究成果的数据趋势和分布规律与城市现状保持一致，基于手机定位数据的采集技术可作为现有人口调查、客流调查的一项重要组成。

3.应用方向与应用案例

应用的具体方向可以概括如表1。

表1 手机定位数据在城市规划中的应用方向

以下将对其中的部分具体应用与实践案例进行介绍。

3.1居住人口与工作人口空间分布

人口空间分布数据是科学开展城市规划的基础与前提，是影响公共资源配置、基础设施建设、城市社会经济、生态环境发展等方面最根本的要素。

通过一段时期内手机用户的出现天数频率，挑选出常住手机用户群体，分别识别其夜间、白天活动频繁区域，近似作为其居住地、工作地，从而采集到各个区域对应的居住人口与工作人口规模。

以上海市中心城为例[7]，2012年7月居住人口与工作人口（单位：人/平方公里）空间分布如图2。工作人口高度集中在上海市中心城的中心区以内，居住人口虽然也集中在中心城区以内，但空间上呈现分散趋势。

a 居住人口

b 工作人口

图2 上海市中心城居住人口和工作人口空间分布

3.2居住人口的工作地分布与工作人口的居住地分布

具有典型上班、下班的通勤出行群体，是城市日常出行活动的主体人群，是判断城市内部区域间常规联系紧密程度的主要数据依据。对某些特定区域，利用手机定位数据可以识别在该区域居住的人口，其工作地的空间分布情况，以及在该区域工作的人口，其居住地的空间分布情况。

以上海市小陆家嘴CBD区域为例[7]，2012年7月区域内居住人口的工作地空间分布与工作人口的居住地空间分布如图3。

a 居住人口的工作地分布

b 工作人口的居住地分布

图3 陆家嘴CBD 区域居住人口的工作地和工作人口的居住地分布

居住在陆家嘴CBD 的人口中，工作地在本区域内为74%，在中心城占24%，近郊与远郊分别约1%；而工作在陆家嘴CBD 的人口中，居住地空间上相对发散，82%分散在中心城，8%在本区域内，近郊与远郊分别为6%与4%。

对这一通勤出行群体，可结合区域间总体OD 客流情况，对通勤出行所占比重与出行特征等作进一步分析，作为城市分区规划提供重要的数据参考。

3.3流动人口的活动范围特征

由于流动人口的逗留时间与位置的不确定性，传统方式，无论是人口普查方式，还是抽样问卷调查方式，都很难把握流动人口的空间分布与活动特征，尤以北京、上海、广州、深圳、天津、重庆等人口基数大、流动人口比例较高的城市为甚。而利用手机用户归属地信息以及一段时期内手机用户的出行天数频率等信息，能够比较方便地分辨出流动人口或短期逗留人口，识别他们分别在白天、夜间的活动范围情况，以及逗留时间、出行情况、交通方式等等，尤其对奥运、世博等重大活动期间人员组织、设施布局提供参考信息。

以天津市为例[8]，2011年6月流动人口白天与夜间空间分布如图4。

a 白天

b 夜晚

图4 流动人口分布

白天时间段外地来津人口的空间分布范围较广，中心区及滨海新区大部分区域外地人口密度都超过500人/平方公里，其中市政府、天津大学、南开大学附近区域，以及滨海新区政府附近区域，白天外地人口密度最高，超过1000人/平方公里；而夜间时间段外地来津人口的空间分布范围略有收窄，可能与大部分宾馆、酒店在中心区及滨海新区泰达区域，生活交通便利有关。

3.4区域客流产生与客流吸引

区域客流产生与客流吸引，具体是指以特定区域作为出行的起点，产生的客流总量，及以特定区域作为出行的讫点，吸引的客流总量，用以判断区域总体的交通出行需求规模。可通过对不同土地利用情况的客流产生率、吸引率长期连续观测分析，提高交通需求预测分析的可靠度与可信度。

以上海市小陆家嘴区域为例， 2011年分别在某一工作日与周末的产生、吸引客流量时变如图5。

a 工作日

b 周末

图5 小陆家嘴区域工作日、周末的产生、吸引客流量时变

小陆家嘴区域，工作日早高峰吸引客流集中于8-10点，晚高峰产生客流集中于17-19点；工作日与周末早高峰差异体现通勤客流叠加效果。通过长期历史数据分析区分通勤用户群体，可进一步区分上班客流与非上班客流特征差异，为公交及轨交运力、班次调度优化提供数据支撑。

3.5区域间客流交换与城市发展轴分布

可按出行目的（基于家、工作地、其他等），统计不同日期类型（周一~周末、节假日）不同时间范围（早、晚高峰、平峰）两两区域间OD客流交换情况，判断区域间联系的紧密程度。并可结合道路交通基础设施分布，分析城乡空间沿城市发展轴的轴向运动情况，是城市总体规划与重点发展区域规划的依据。

以天津市为例[8]，2011年中心城大区间客流OD分布以及行政区间客流OD分布如图6、图7。

图6 天津市中心城大区间OD分布

图7 天津市行政区间OD分布

利用天津市第四次综合交通调查其他方式互相校核，手机分析结果与其差异在10%左右。天津区域间客流联系紧密程度数据，已经形成了沿武清区、中心城区、海河中游地区和滨海新区核心区与北京连接起来的“京滨综合发展轴”，正聚集起先进生产要素，承载着高端生产和服务职能，拓展了城市发展空间，也促进和扩大了天津与环渤海地区的经济交流与合作，增强了天津参与区域经济一体化的能力。

3.6区内出行量与区间出行量

对特定区域，如行政区，分别统计其区内、区间的出行量，判断当前区域在城市内相对独立，还是作为中心区域或副中心区域，与周边区域关联的强弱。此类数据可以作为城镇群规划与城市总体规划的重要依据。

以重庆市为例[9]，2013年某一工作日的区内出行比例如图8。

图8 重庆市2013年部分行政区区内出行比例

其中，区内出行比例=区内出行量/(区内出行量+区间出行量)。

重庆市域内部呈现如下现状联系特征：主城东西两侧一小时经济圈内区县区内出行比例中等，差异不大，沿线城镇对外联系程度均衡，无明显中心；渝东北万州对外联系比例较高，高于地理上更靠近主城的垫江、丰都、忠县等，万州与邻近的开县、云阳之间形成紧密联系的城镇群区域；渝东南各区县之间联系松散，强度较低，对外联系方向以黔江和主城为主，但黔江与主城的联系紧密度远低于渝东北的万州，黔江较高的区内出行表明其与周边区县并未形成紧密联系的城镇群区域；而边缘的巫山、奉节等对外联系比例较低，其出行集中在区县内部，处于相对封闭状态。

3.7轨道交通客流特征调查

利用手机定位数据也可用于识别轨道交通乘客乘坐轨道线路路径与换乘车站，统计各个轨道站点的进站、出站、换乘客流情况，根据轨道交通乘客的来源地与去向地空间分布情况，分析轨道交通站点的服务半径、服务方向等，作为轨道交通线路、站点规划布局的依据之一。

以上海市小陆家嘴区域内的轨道交通陆家嘴站为例，2012年某一工作日，出站客流最集中的08:15~09:15早高峰这段时间内共约15800人出站，出站后客流去向空间分布如图9所示。

图9 早高峰陆家嘴站出站客流去向空间分布

其中，38.78%的客流出站后目的地为中银大厦、交银金融大厦、平安金融大厦区域，正大广场、香格里拉、震旦国际大楼、国金中心、汇丰银行大楼区域为22.03%，金茂、上海中心区域为8.37%，另有6.90%的客流目的地在小陆家嘴区域以外的其他区域。

结合不同站点土地开发强度与利用情况，判断轨道交通站点在不同方向的服务辐射范围，可作为轨道交通线路选形或站点选址、站点间隔设置的重要依据。

3.8查核线或关键通道客流及其来源/去向空间分布

对天然屏障如河流、长江、铁路、山脉等形成的查核线，统计穿越查核线两侧的客流情况，或经由的查核线具体每条通道（如大桥、隧道等）的穿越客流量情况，是近期大型通道如大桥、隧道、高速等建设规划的重要依据。

以上海市中心城黄浦江查核线为例，2013年工作日与周末，利用手机定位数据获得的日客流量如图10。

a 工作日

图10 上海市中心城黄浦江查核线工作日与周末的日客流量

b 周末

其中，中段“杨浦大桥-南浦大桥”分段与南端“南浦大桥-徐浦大桥”分段，分别承担了40%左右的客流量，而北段“外环隧道-杨浦大桥”分段，由于越江通道数量有限，只承担了20%左右。在此基础上，可进一步分析客流的来源地空间分布或去向地空间分布情况，根据现状切实的出行需求，判断目前北段“外环隧道-杨浦大桥”分段正在建设的长江路隧道等工程，能够分担的客流量情况。

3.9与周边城市客流联系情况

借助匹配识别手机用户的进出城市路径通道等以及手机用户的归属地属性信息，分析不同时间范围内，当前城市与其他城市的客流联系情况。此类数据，是机场、铁路站点等对外枢纽规划，以及世博会、世园会等大型活动规划设计的重要依据之一。

以上海市2010年世博会期间某一工作日与周末为例，江苏、浙江方向进、出上海的日客流量如图11所示。

a 工作日（2010年10月15日）

b 周末（2010年10月16日）

图11 区分方向的进、出上海日客流量示意

这两天对应世博入园客流量分别为62.79万与103.28万，利用手机数据可以持续追踪的特性，可进一步识别：当天进入上海的人群中，航班、铁路、公路分别承担的客流比例，其中有多少直接去了世博园区或并未参观世博，之后是否当天直接离开上海或住在哪里、逗留天数等等一系列的连续活动行为，为世博期间票务与交通组织等方案决策提供了定量分析的依据，并可进一步为长三角城镇群规划以及更多大型活动的规划与设计等提供了研究基础。

4.小结

目前中国共有11.46亿移动通信服务用户，占总人口约84%，手机移动网络基本实现了城乡空间区域的全覆盖，手机定位数据契合了城乡人口空间分布与活动规律的分析需求。可以预见，手机技术在城市规划领域具有广阔的应用前景。

本研究总结了手机定位数据在城市规划中的应用方向，在国内部分大城市初步探索并实

践了的典型应用，研究成果的数据趋势和分布规律与城市现状基本相符，为城市规划提供了基础性的数据资料。

随着大数据技术的迅速发展，海量手机定位数据的存储、处理与快速查询瓶颈正在被逐步突破，能够在有限的时间内挖掘出更多、更有价值的信息。另外，除手机定位数据以外，还可以利用互联网数据、社交网络数据等等，进一步挖掘城市人口聚集活动的特征。

对城市规划学科来说，有必要采用现代化分析手段与技术，长时间大范围持续关注人口空间分布与活动特征变化情况，有助于深层次揭示城市发展、产业升级转移及人口迁移之间演变的内在规律，创新城市规划模型与方法，评估城市规划成效，提升城市规划的定量化、科学化水平。

参考文献：

[1]宋小冬.城市规划基本数据库建设与维护[J].城市规划,2005(09):31-38.

[2]梁焯辉.香港的城市规划与统计数据[J].数据，2009(3): 58-60.

[3]符海月，李满春，赵军，刘永学.人口数据格网化模型研究进展综述[J].人文地理，2006(3): 114-119.

[4]冉斌.手机数据在交通调查和交通规划中的应用[J].城市交通，2013(1):72-81.

[5]张威.GSM网络优化——原理与工程[M].北京: 人民邮电出版书.2003:97-122.

[6]（英）维克托·迈尔-舍恩伯格，（英）肯尼思·库克耶.大数据时代[M].浙江: 浙江人民出版社.2013:27-94.

[7]上海市城乡建设与交通委.2009年上海市第四次综合交通调查报告[R].2012年.

[8]天津市规划局，上海美慧软件有限公司.2011年天津市第四次综合交通调查-话单与出租车调查分项报告[R].2011.

[9]重庆市规划局，重庆市城市交通规划研究所.2011年重庆市主城区到交通运行分析年度报告[R].2012.

作者简介：冉斌（1967—），男，博士，美国威斯康星大学麦迪逊分校ITS计划主任，终身教授；

邱志军（1978—），男，博士，加拿大阿尔伯塔大学智慧交通中心主任，教授；

裘炜毅（1976—），男，博士，上海美慧软件有限公司副总裁，高级工程师；

陆俊贤（1983—），男，本科，上海美慧软件有限公司，工程师；

薛美根（1966—），男，硕士，上海市城市综合交通规划研究所所长，教授级高工；

董志国（1978—），男，硕士，上海市城市综合交通规划研究所交通模型研究室主任，高级工程师；

蒋寅（1977—），男，本科，天津市城市规划设计研究院交通所总工程师，高级工程师；

高志刚（1979—），男，硕士，重庆市城市交通规划研究所所长助理，高级工程师。