基于移动通信大数据的城市职住空间分析

秦洁，徐喜安，陈毓锋，田小忱

（中国移动通信集团广东有限公司深圳分公司，广东 深圳 518048）

基于移动通信大数据的城市职住空间分析

秦洁，徐喜安，陈毓锋，田小忱

（中国移动通信集团广东有限公司深圳分公司，广东 深圳 518048）

基于移动通信网络大数据的城市规划分析在大范围、规律性的居民出行活动调查中具有低成本、高时效等显著优势。为了研究深圳人口聚集和职住通勤特征，收集并整合了城市交通规划相关的移动通信网络关键数据信息，依托基站位置信息及脱敏用户信令话单数据，以深圳800万移动通信用户位置信息为样本，得出人口流动量较大的重点通勤区域；同时，以深圳北站区域为例详细分析了居民出行特征，结合高频出行目的地给出了公共交通增补建议，为未来城市规划提供参考。

大数据 城市规划 职住分析

1 引言

城市的规划与运作，归根结底要以居民为核心，要致力于满足城市居民生活各方面的需求。城市规划设计部门需充分地了解城市居民的信息，如居住地、工作地、出行轨迹等，进而可以推演出居民的聚集特征、出行规律等，这些数据对于城市规划的功能区划分、基础设施配置等都具有非常重要的意义。过去常通过获取如居民出行问卷调查、人口普查等规划数据，采用小样本抽样方式进行分析，数据采集效率、采样率、准确性等都有所欠缺。基于移动通信网络大数据的城市规划方法在大范围、规律性的居民出行活动调查中具有显著优势，与人工调查及其它信息数据分析相结合，不仅能够在较低成本的情况下实现大范围、近似全样本、快速的调查分析，还能够实现长期持续的跟踪和监测，对新时期交通规划、管理等工作提供支撑，具备较好的推广价值和广阔的应用前景。

移动运营商角度可以将移动通信数据资源分析应用于其他具体的领域、行业，比如对职住特征进行分析，能够总结经验、发现规律、预测趋势，为城市规划、建设、管理辅助决策服务。关于职住特征的分析，在宏观上，可以直接通过人的迁移数据描述城镇间的关联；中观上，大量详细的移动轨迹可以代替传统的OD（Origin Destination，通勤出行）调查，通过对目的地、运动速度和轨迹进行分析，研究人员可以挖掘分类出交通方式和出行类别，甚至还可以对特征人群进行识别（如学生、通勤人员）和行为分析；微观上，精确的人口分布有助于公共设施和商业设施的选址，另外，通过对交通方式进行识别，可实现车速控制范围的划定和道路使用状况分析。

本文详细分析了与城市交通规划相关的移动通信网络关键数据，并予以整合。依托基站位置信息及脱敏用户信令话单数据，以深圳800万移动通信用户位置信息为样本，展开了对深圳人口聚集和职住通勤特征的分析，并以深圳北站区域为例详细探讨了居民出行特征，结合高频出行目的地给出了公共交通增补建议，旨在为未来城市规划提供参考。手机用户的时空行为进行精确定位而得，数据已经过脱敏（匿名编号，不涉及个人信息）、清洗异常数据等处理。每个基站由唯一经纬度确定地理位置，其小区覆盖范围与站型、覆盖场景有关，室内站覆盖范围基本在楼宇内部，室外站在密集城区的覆盖半径约200 m，在郊区、景区等环境开阔、人员稀少的区域覆盖半径约3 km。统计每个用户每小时驻留时间最长的基站小区作为该用户该时段的常驻小区。本文采用核密度法模拟用户在基站覆盖范围内的分布情况。根据深圳4G基站的密度，选取搜索半径为5 km的调查范围，栅格边长为100 m。将每个小区的常驻用户以小区经纬度为中心，按照核函数赋值至每个栅格中，用户密度在中心点处最高，随着与中心点距离的增大逐渐减小，在搜索半径处减小至0，至此可得到深圳24小时人口热力分布情况。

3 深圳全市职住空间分析

2 研究数据及研究方法

运营商大数据主要分业务数据和网络数据。其中业务数据主要包括用户的套餐信息、计费信息、通话时长/流量等消费信息，以及性别、年龄、号码归属地等实名制信息。网络数据中最重要的是基站地理信息和手机信令数据。手机终端会定期或不定期、主动或被动地与移动通信网络保持联系，这些联系被移动通信网络识别成一系列的控制指令，即手机信令。手机信令的内容主要包括用户编号、时间、基站小区编号、事件类型（如位置更新、接听/拨打电话、上网、发短信等）。手机信令数据具有动态、连续、地理位置近乎全覆盖的特点，可以较好地反映人们总体的时间/空间行为规律。

本研究所使用的数据为深圳800万个4G手机用户（约占2016年深圳1 100万常驻人口的72%）连续一周的信令信息，这些数据是通过全市约20 000个基站对

3.1 职住人口识别

“职住人口”即包括就业人口和居住人口，就业人口指以该地区为工作地小区的人口，居住人口指以该地区为居住地小区的人口。以深圳市企事业单位工作时间段“9：00—17：00”代表全市居民的工作时间，凌晨“0：00—5：00”代表全市居民在居住地的居家时间。取周一至周五连续一周的样本，定义某手机用户在工作时间段出现次数最多的常驻小区为该用户的工作地小区，在居家时间段出现次数最多的常驻小区为该用户的居住地小区。图1（a）和图1（b）分别给出了深圳800万手机用户的工作地及居住地人口热力分布图，由绿色至红色表示人口密度呈增强趋势，密度最低的绿色代表该区域人口密度在0.5万人/平方公里以下，密度最高的红色代表该区域人口密度在9万人/平方公里以上。

3.2 职住通勤分析

由图1（a）及图1（b）可见，深圳居民的工作地与居住地分布具有较大差异，定义工作地人口密度图层减居住地人口密度图层之差为工作时间的人口净流动分布图层，如图2所示。图2中红色越深表明工作时间该区域人口净流入越多，绿色越深表明工作时间该区域人口净流出越多。人口净流出TOP区域有宝安中心区、白石洲、深圳北站、上沙、梅林关、布吉等区域，人口净流入TOP区域有车公庙、华强北、福田中心区、南山科技园、深圳大学等区域。红色及绿色区域应为职住通勤重点交通规划区域。

图1 人口工作/居住地热力分布图

图2 人口净流动分布图

在交通规划中，交通小区是交通研究的最小分析区，图2所示的人口净流动分布属于微观交通源，为了对整个区域的交通特性进行研究，必须由微观分析转向宏观分析，其转换的媒介即为交通小区。本文以半径1 km的六边形蜂窝作为通勤分析标准化单元，将全市划分为990个交通小区。将交通小区内人口净流动数据累加，以人数作为棱柱高度绘制交通小区的人口净流动三维地图，如图3（a）和图3（b）所示。

交通小区的出行量数据称为OD数据，在图3（a）中，柱状越高表示该交通小区的工作时间人口流入净OD越高，图3（b）中，柱状越高表示该交通小区的工作时间人口流出净OD越高。在深圳990个交通小区中，有249个交通小区由于覆盖山区或无采样点等原因净OD流量为0，在有净OD流量的单元小区中，工作时间人口净流入大于10 000的交通小区有31个，工作时间人口净流出大于10 000的交通小区有6个，建议将这37个交通小区作为交通规划分析的重点考虑区域。

图3 人口净流入/流出交通小区分布

4 深圳北站区域职住通勤分析

4.1 区域职住通勤概况

本文以深圳北站区域作为研究案例，选取3个地理位置相邻、又各有特点的交通小区开展详细的中微观层面的职住通勤分析。该区域属于住宅集中区域，既有红山片区大量商业及住宅小区，又有龙悦居等政府廉租社区，还有白石龙城中村区域。将3个交通小区约11.28万居住人口，以及约9.86万就业人口作为分析对象。深圳北站交通小区地理位置如图4中三个相邻的蓝色六边形区域所示。

图4 深圳北站交通小区地理位置示意图

本文采用职住比、内外通勤比评价职住平衡，定义如下：

（1）职住比=区域就业人口/区域居住人口，可直观反映区域职住平衡情况，职住比越高就业环境比重越大，职住比越低，居住功能比重越大。

（2）内外通勤比=区域内工作人口/区域外工作人口，反映区域内居住并且在区域内工作的人口与区域内居住但在区域外工作的人口之比，体现区域内职住自足的情况，自足度越高，区域内居住人口在本区域内就业的比重越高，职住关系质量越高。

由表1可见，小区408（政府廉租社区）职住比0.72、内外通勤比0.43均较低，是典型的居住区域，通勤需求比例最高；其次为小区461（城中村区域），有部分村内居民在本区域居住及工作，外出通勤比例有一定缓解；小区463（商业及住宅区）职住比接近1，区域职住发展较为平衡，内外通勤比1.1，说明还是有近一半的人存在外出通勤需求，特别是从绝对数量看，小区463中本区居住外区就业的人数达27 298人，需求依旧旺盛。深圳北站整体区域职住比0.87、内外通勤比0.93，是外出工作需求较强的居住区域。

4.2 区域出行目的地分析

以街道办为粒度，统计深圳北站区域外出就业目的地，离开本街道办的人数为44 367，占居住人口比例的39.3%，目标主要为华富街道、龙华街道、莲花街道，前10位出行目标街道的人次占总出行人次的59%。外出工作人口通勤方向主要向南，其中25%的人口目的地为东南方向。深圳北站区域外出工作人口目的地街道及方向分布如图5所示。

以交通小区为粒度，深圳北站外出通勤用户以周边小区及华强北、车公庙、福田中心区等区域作为高频目的地，根据高频方向和高频目的地覆盖原则，基于原有的城市道路建议增补公交线路如图6右中红线所示。

表1 深圳北站交通小区职住通勤分析

5 结束语

本文依托基站位置信息及脱敏用户信令话单数据，以深圳800万移动通信用户位置信息为样本，开展深圳人口聚集和职住通勤特征分析，并以深圳北站区域为例详细分析了居民出行特征，结合高频出行目的地给出了公共交通增补建议，为未来城市规划提供参考。后续将在城市功能中心识别、出行方式识别、人流价值地图等方面展开进一步探索。

[1] 王德,钟炜菁,谢栋灿,等. 手机信令数据在城市建成环境评价中的应用——以上海市宝山区为例[J]. 城市规划学刊, 2015(5)： 82-90.

图5 深圳北站区域外出工作人口目的地街道及方向分布

图6 深圳北站区域外出工作人口目的地交通小区分布及新增公交路线建议

[2] 丁亮,钮心毅,宋小冬. 基于移动定位大数据的城市空间研究进展[J]. 国际城市规划, 2015,30(4)： 53-58.

[3] 龚航,孙黎,王璞. 基于手机数据的城市交通大区OD分布估计——以旧金山市为例[J]. 城市交通, 2016,14(1)：37-42.

[4] 丁亮,钮心毅,宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报, 2016,71(3)： 484-499.

[5] 徐金垒,方志祥,萧世伦,等. 城市海量手机用户停留时空分异分析——以深圳市为例[J]. 地球信息科学学报,2015,17(2)： 197-205.

[6] 许佳捷,郑凯,池明旻,等. 轨迹大数据：数据、应用与技术现状[J]. 通信学报, 2015,36(12)： 97-105.

[7] 钮心毅,丁亮,宋小冬. 基于手机数据识别上海中心城的城市空间结构[J]. 城市规划学刊, 2014(6)： 61-67.

[8] 吴松,雒江涛,周云峰,等. 基于移动网络信令数据的实时人流量统计方法[J]. 计算机应用研究, 2014,31(3)： 776-779.

[9] 吴健生,黄力,刘瑜,等. 基于手机基站数据的城市交通流量模拟[J]. 地理学报, 2012,67(12)： 1657-1665.

[10] 杨飞. 基于手机定位的交通OD数据获取技术[J]. 系统工程, 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

秦洁,徐喜安,陈毓锋,等. 基于移动通信大数据的城市职住空间分析[J]. 移动通信, 2017,41(17)： 73-77.

2017-05-12

责任编辑：文竹 liuwenzhu@mbcom.cn

秦洁：高级工程师，硕士毕业于北京邮电大学，现任中国移动通信集团广东有限公司深圳分公司网络部高级网络质量主管，主要研究方向为网络质量管理。

徐喜安：高级工程师，硕士毕业于成都电子科技大学，现任中国移动通信集团广东有限公司深圳分公司网络部室经理，主要研究方向为网络质量管理。

陈毓锋：高级工程师，北京大学光华管理学院EMBA，现任中国移动通信集团广东有限公司深圳分公司网络部部门总经理，主要研究方向为网络运营管理。