基于CDRs大数据的用户移动性分析

发布时间：2017-04-12 07:22

  本文关键词：基于CDRs大数据的用户移动性分析，由笔耕文化传播整理发布。

【摘要】：随着移动通信技术的发展,移动电话广泛普及,产生了海量的移动通讯数据。其中呼叫详细记录(Call Detail Record, CDR)包含用户通话相关信息,如呼叫时刻、通话时长、连接的通信小区等。结合基站的位置信息,CDR可反映用户大致的活动轨迹。大量的移动轨迹数据蕴含人类行为的时空分布特性,对其研究可以挖掘人们的移动模式,理解人类行为动力学特征,同时了解用户所在区域的生活方式,地理环境,交通状况,发展水平等,进而为城市建设、道路规划、社会发展等提供参考。 针对当前基于CDR研究用户移动性主要局限于移动距离、回旋半径等一维尺度,且该尺度不能准确描述移动范围的问题,提出在二维空间上用覆盖移动轨迹的凸包面积来描述用户的移动范围,用群体移动向量分析人群的移动行为。首先,设计了一种基于经纬度建立二维平面笛卡尔坐标系的方法。该方法结合墨卡托投影与半正矢公式得到散点间方位与距离,并依此确立散点在平面坐标系的坐标。然后,基于该坐标系计算了覆盖用户一天内移动轨迹的凸包及其面积,并统计其分布。最后,对所有用户的移动向量分时段做累积,分析群体移动向量在一天内的变化。实验表明,在180km范围内,新坐标所计算的方位角与由墨卡托投影下确定的结果平均偏差0.037度,点间距离与由半正矢公式得到的结果平均偏差0.102%,可以很好地保持散点间的方位与距离关系。覆盖移动轨迹的凸包面积满足幂律分布,并与移动距离有较高的相关性。群体移动向量的变化展现了人群移动的潮汐现象,而且为发掘用户所在区域与周边地区的联系提供新的视角。同时,基于CDR数据本文分析了北京市民的移动性。 土地使用分类是城市规划中的重要问题。目前可根据土地使用的物理特征和社会功能来区分,前者可通过遥感和图像处理技术得到分析,而后者很少被应用于土地分类。MIT的TAO PEI等通过创建移动通话数据的时间序列,对通话量的变化模式做聚类分析,从而对新加坡地区的土地利用进行分类,为认识土地使用提出新的视角。受其启发,本文建立用户移动性特征模型,并比较分析该模型在不同城市功能区的表现,进而总结出用户移动性在特定城市功能区的特点,为基于用户移动性识别城市功能区,认识土地使用提供依据。 最后,文章通过测试不同距离、时间间隔及方向的移动轨迹对城市道路的匹配性,验证了“短时间间隔、短距离、特殊移动方向的移动轨迹对道路具有更高匹配性”的猜想。为基于用CDR数据描述的移动轨迹识别道路网提供依据。
【关键词】：移动性 全球移动通信系统网络 呼叫详细记录 通勤模型 轨迹凸包 移动向量 城市功能区 道路匹配
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN929.5
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-17
• 1.1 引言10
• 1.2 国内外研究概况10-15
• 1.3 研究内容与论文结构15-17
• 第2章 基本概念与数据集17-27
• 2.1 基本概念与理论17-19
• 2.1.1 GSM系统与CDR数据简介17-18
• 2.1.2 基于CDR研究用户移动性的原理18-19
• 2.2 实验数据集与预处理19-27
• 2.2.1 实验数据集19-20
• 2.2.2 数据预处理20-27
• 第3章 用户移动性综合分析27-40
• 3.1 用户通勤模型分析27-30
• 3.1.1 移动频率模型分析27-29
• 3.1.2 平均移动距离模型分析29-30
• 3.2 移动性的轨迹凸包面积分析法30-37
• 3.2.1 移动距离与回旋半径模型30-33
• 3.2.2 轨迹凸包面积分析法33-37
• 3.3 移动性的向量分析法37-40
• 3.3.1 移动方向分析法37-38
• 3.3.2 移动向量分析法38-40
• 第4章 用户移动性在不同城市功能区的特征分析40-47
• 4.1 基于POI数据的城市功能区划分40-42
• 4.1.1 百度地图POI数据简介40-41
• 4.1.2 基于POI数据划分城市功能区与小区分类41-42
• 4.2 用户移动性在特定城市功能区的特征分析42-47
• 4.2.1 特征模型定义42-43
• 4.2.2 通话特征模型在不同城市功能区的差异分析43-45
• 4.2.3 移动特征模型在不同城市功能区的差异分析45-47
• 第5章 特殊移动轨迹与城市道路的匹配性分析47-52
• 5.1 单次移动轨迹及其特征分布47-48
• 5.2 特殊移动轨迹与道路e笃ヅ湫，
  
  本文编号：301009
  suoshi