移动通信数据中丰富的时变关系,为城市中的人类行为与微观动态分析提供了研究基础。随着信息采集技术的进步,移动通信数据具有规模大、时间跨度长等特点,难以直接用于研究与分析。可视分析技术能将海量数据可视化为直观的可交互图形,使分析人员以交互的形式参与分析过程,借助高效的视觉通道直观地对数据进行探索。因此,本文将大数据技术与可视分析结合,从大规模通信数据中提取用户行为与城市区域语义信息,探索人群行为以及人群移动对城市功能区形成的影响,为改善城市问题带来新的思路。本文的主要工作内容如下:(1)移动通信用户数量大,通信行为发生具有不定时、不定位置的特性,数据中用户的移动不具有连贯性,因此对移动通信数据进行分析时,较难发现用户在移动行为发生时的语义。针对在移动通信行为研究中,区域用户移动语义探索困难的问题,本文提出使用层次聚类算法基于城市不同区域对用户行为进行语义发现。(2)针对基于移动通信数据划分城市区域模糊及区域功能信息识别困难的问题,本文提出使用GMM(Gaussian Mixture Model,下文简称:GMM)对移动通信数据进行建模,以识别数据中蕴含功能区信息,并结合维诺图进行区域划分。提取移动通信数据中基站使用属性结合城市中POI(Point of Interest)的分布情况构建GMM。采用Delaunay三角剖分算法以基站点为中心构建维诺图,结合区域信息对城市空间进行功能区划分。识别的总体召回率达到53%,商业区的识别召回率为71%,能较大程度地识别区域功能。(3)针对城市移动通信用户移动模式及其语义信息难以挖掘的问题,本文设计了一个可视分析系统用于辅助用户研究带语义信息的用户行为模式。该系统主要使用维诺图及用户行为图,采用一致性编码原则展示城市功能性信息与用户状态。该系统还包括基于用户移动分析的用户语义图、时序图、区域流动图等视图。本文使用M市约422万条记录移动通信数据对上述系统进行有效性验证,探索可视分析的结果。通过区域间用户出行情况以及行为模式的探索,为城市规划、交通管理提供依据。
暂无评论