具有获取方便、成本低、大样本、实时性强等特点,逐渐成为城市交通规划管理方面不可或 缺的一部分。城市轨道交通客流分析常用的数据为轨道AFC数据口,该数据可反映每一个进 出轨道系统的乘客的进出站时间、空间信息,属于全样本数据,其缺点是无法反映乘客在轨 道系统内部的轨迹,也无法反映乘客在轨道系统外的来源去向信息。手机信令数据则可以弥 补这两方面的不足,是城市轨道客流分析的重要工具。 已有的采用手机信令数据分析城市轨道交通客流特征的研究,大多基于不同轨道线路拥 有独立的位置区,在此基础上判断换乘等行为3。然而,不同城市轨道基站的设置不同 本文研究的南京轨道系统,各条轨道线路并未拥有独立的位置区,运营商仅提供各个站点对 应的基站ID,从而无法采用基于独立位置区的研究方法,需要寻求新的算法。 本文采用南京移动的手机信令数据,在获得各个站点对应的基站ID的基础上,结合南京 城市轨道网络GIS,以及轨道运营时刻表等信息,通过预设路径集的方法,找出站间0D对应 的可能路径,再通过路径相似度计算获得最有可能的路径信息。最终,通过对客流量的校核 验证了方法的合理性,为仅获得站点对应基站编号条件下乘客在轨道网络中的路径识别提供 了新的思路 二、数据预处理 (一)手机信令数据基本情况 南京市移动手机信令数据核心字段如下表所示,其中,与城市轨道客流分析相关的字段 主要是号码、日期、基站起始上报时间、基站停留时长以及基站编号等字段。 表1手机信令数据核心字段 说明 int msisdn Ing 号码 region 号码归属城市编号 tinyint 码归属省份编号 stime string 基站起始上报时间 string LAC/TAC tring i/eci duration 基站停留时长(秒 string 切换到不同基站的时间 end la 切换到不同基站的LAC/TAC string 切换到不同基站的编号 南京市移动公司基站分布情况如下图所示,可以看出,在人口密集区域,基站分布也是 密集的。在南京市内,移动手机用户每天产生约12亿条数据。因此,手机信令数据的处理需 要用到大数据集群,本文数据处理与分析均基于 Spark平台。 多篇文献中对手机信令数据清洗方法均有介绍,限于篇幅,本文不再叙述数据的清 洗方法,重点针对数据在城市轨道客流分析方面的应用进行论述 (c)1994-2019ChinaAcademicJournalElectronicpUblishingHouse.Allrightsreservedhttp://www.cnki.net具有获取方便、成本低、大样本、实时性强等特点，逐渐成为城市交通规划管理方面不可或 缺的一部分。城市轨道交通客流分析常用的数据为轨道AFC数据[1]，该数据可反映每一个进 出轨道系统的乘客的进出站时间、空间信息，属于全样本数据，其缺点是无法反映乘客在轨 道系统内部的轨迹，也无法反映乘客在轨道系统外的来源去向信息。手机信令数据则可以弥 补这两方面的不足，是城市轨道客流分析的重要工具。 已有的采用手机信令数据分析城市轨道交通客流特征的研究，大多基于不同轨道线路拥 有独立的位置区，在此基础上判断换乘等行为[2-3]。然而，不同城市轨道基站的设置不同， 本文研究的南京轨道系统，各条轨道线路并未拥有独立的位置区，运营商仅提供各个站点对 应的基站ID，从而无法采用基于独立位置区的研究方法，需要寻求新的算法。 本文采用南京移动的手机信令数据，在获得各个站点对应的基站ID的基础上，结合南京 城市轨道网络GIS，以及轨道运营时刻表等信息，通过预设路径集的方法，找出站间OD对应 的可能路径，再通过路径相似度计算获得最有可能的路径信息。最终，通过对客流量的校核， 验证了方法的合理性，为仅获得站点对应基站编号条件下乘客在轨道网络中的路径识别提供 了新的思路。 二、数据预处理 （一）手机信令数据基本情况 南京市移动手机信令数据核心字段如下表所示，其中，与城市轨道客流分析相关的字段 主要是号码、日期、基站起始上报时间、基站停留时长以及基站编号等字段。 表 1 手机信令数据核心字段 字段 类型 说明 stat_date int 日期 msisdn string 号码 region int 号码归属城市编号 prov tinyint 号码归属省份编号 stime string 基站起始上报时间 lac string LAC/TAC ci string ci/eci duration string 基站停留时长（秒） end_time string 切换到不同基站的时间 end_lac string 切换到不同基站的 LAC/TAC end_ci string 切换到不同基站的编号 lbs_region string 上报城市编号 南京市移动公司基站分布情况如下图所示，可以看出，在人口密集区域，基站分布也是 密集的。在南京市内，移动手机用户每天产生约12亿条数据。因此，手机信令数据的处理需 要用到大数据集群，本文数据处理与分析均基于Spark平台。 多篇文献[4-6]中对手机信令数据清洗方法均有介绍，限于篇幅，本文不再叙述数据的清 洗方法，重点针对数据在城市轨道客流分析方面的应用进行论述