肖 胜，周 军，谭泽芳
(深圳市规划国土发展研究中心，深圳 518000)
通过跨界交通调查掌握出入境客流特征，是口岸运营管理和跨界交通设施规划建设的基础. 以往跨界交通调查一般采用传统问卷调查形式，抽样率较低，调查成本较高，且存在母体库信息不够全面、被调查人员故意瞒报错报等问题. 手机信令技术与传统调查方法相比具有覆盖面全、实时性高、系统成本较低等优势.
目前，国内外已有较多在交通调查中使用手机信令技术的研究及应用. 手机信令主要应用领域包括：居民出行特征调查[1-2]、轨道交通客流特征调查[3-4]、旅游交通客流特征分析[5]、高速公路服务区客流特征分析[6]、交通枢纽客流监测[7]；
应用范围包括区域[8]、城市和片区[9]等不同尺度空间领域. 其中，冉斌等[10-11]论述了手机信令数据在交通调查与分析中的应用场景，包括人口居住就业分布特征、交通出行时耗、出行距离、出行强度分析等；
胡必松[3]利用手机信令数据，提取铁路车站的旅客发送量、高峰小时客流量、最高聚集人数等；
程志华[5]基于手机信令数据对乌鲁木齐市相关人员的交通活动特征进行了分析；
陈宇[9]以深圳市高新园区为例，对中小尺度下手机定位数据在城市规划基础调查中的适用性进行了分析. 综上所述，已有文献大多集中于城市内部交通调查，对手机信令是否适用于边境地区跨界交通调查，目前研究较为匮乏.
跨界交通出行必须通过口岸，但口岸内部及周边存在不同类型的手机用户，除了跨界旅客外，还有海关、边检、物业管理的工作人员以及城市内部客流，客流组成复杂. 如何在客流组成复杂的情况下，使用手机信令技术识别跨界旅客，并开展客流特征分析，是一个值得深入研究的问题. 本论文提出了基于手机信令数据的跨界旅客识别和客流特征提取方法，并以深港跨界交通调查为例，通过传统抽样调查方法，并融合边检出入境系统等多源数据，验证手机信令数据的应用精度. 本文提出的调查方法可为我国其他边境地区跨界调查提供参考和借鉴.
口岸是国家对外开放的门户，是对人员、货物和交通工具合法出入境的场所，是一类特殊的交通枢纽. 一般而言，口岸需设置旅客联检楼、车辆查验场地、交通接驳设施、报关大楼以及办公、免税店等配套设施，入驻单位包括海关、边检、口岸服务中心以及配套的公安、消防管理单位. 以深圳福田口岸为例，该口岸定位为纯客运口岸，采用两地两检模式，深港两地的联检楼通过人行桥梁连接. 深圳河是深圳与香港的分界线，深圳侧口岸相关设施包括口岸联检楼、地铁接驳站、社会停车场、公交场站等.
图1 深圳福田口岸设施布局示意图
应用手机信令分析跨界客流，首先要分析手机用户构成. 口岸及周边手机用户有：①跨界旅客：即通过口岸出入境的旅客；
②工作人员：主要包括海关、边检、口岸管理、商铺等工作人员；
③周边居民：口岸周边住宅区的居民；
④城市客流：口岸一般为城市内部交通枢纽，因此包括通过口岸交通接驳设施换乘的城市内部客流，也包括使用口岸周边道路的路人.
手机信令的数据量大，如何在海量数据中识别哪些是跨界客流，哪些是非跨界客流，是手机信令数据应用于跨界客流特征分析的一个关键问题.
手机信令数据是通过手机用户与基站之间的信息交换来确定用户的空间位置，主要包含匿名手机用户编号、时间、基站编号、基站经度及基站纬度5类信息，能相对准确地记录人流的时空轨迹. 应用手机信令数据分析用户活动特征，关键在于通过基站对手机进行定位.
从手机基站布局来看，手机移动运营商考虑到本身的电话业务和通话接通率,人口越密集的地方布设基站越多，人口越稀疏的地区基站越少. 大城市市域范围，基站覆盖半径一般为500 m,人口密集地区可到100 m；
相反,在人口密度小如山区湖泊等地区,基站较少，一个基站服务的面积最大可能达到40 km. 口岸区域设置了一定数量的基站，基站的信号实际覆盖范围不规则，一般使用泰森多边形方法进行模拟分析(见图2).
图2 口岸区域划分、边境线及基站分类示意图
根据口岸空间布局特征，将口岸划分为口岸监管区、交通枢纽区、其他区域3类，边境线作为跨界交通境界线. 跨界旅客均通过口岸联检楼进出，且需穿过边境线. 根据口岸布局与基站服务范围的空间关系，将手机基站分为3类：
1)覆盖口岸监管区的基站，用Q1表示；
2)覆盖交通接驳设施的基站，用Q2表示；
3)覆盖边境线且未覆盖口岸监管区的基站，用Q3表示.
其中Q=Q1+Q2+Q3.
分析各类客流的交通特征及停留时间，建立4类客流与基站的空间联系，具体方法如下：
1)居民：具有固定的居住地点和停留点，晚上休息时段内的停留时间超过一定时长. 居民数据一定出现在第3类基站,可能出现在第2类基站，可将00:00—06:00时间段内，在分析域内累计停留时间大于5h的用户认定为居民.
2)工作人员：具有固定的工作地点和停留点，工作时间累计停留时间超过一定时长，工作人员在3类基站都有可能出现. 每个口岸开放时间不尽一致，有些为24 h通关口岸，有些开放时间为06:30—24:00，可根据口岸具体情况设定累计停留时长，以认定工作人员.
3)城市客流：口岸范围内没有固定的驻留地点，总停留时间短于其他类型用户，根据《2018年深港莞惠跨界交通调查》，城市客流在口岸的平均停留时间为8 min，最长停留时间为56 min. 城市客流可能出现在第1类、第2类和第3类基站.
4)跨界客流：不会连续几天出现在分析域，跨界客流必须通过口岸监管区域出入境，因此一定出现在第1类基站，可能出现在第2类和第3类基站.
4类客流与3类基站的对应关系如表1所示.
3.1 技术流程
将覆盖3类基站的范围作为分析域，通过通信运营商获得分析域内一定时间范围内所有的手机信令数据，作为原始数据集. 基于手机信令的口岸跨界客流特征模型主要包括数据清洗、跨界客流识别、客流特征提取共计3个步骤.
表1 各类客流与基站的关系
数据清洗：对原始信令数据进行预处理，减少误差，降低冗余度，主要包括残缺数据筛除、漂移数据处理、同位置点合并等.
跨界客流识别：根据不同类型用户的出行特征，识别跨界旅客和非跨界客流，建立跨界旅客数据库.
客流特征提取：在识别跨界旅客出行轨迹后，进行汇总统计及扩样，最后提取跨界客流特征，包括口岸通关量、高峰小时客流量、客流空间分布等.
图3 跨界客流识别及交通特征分析流程示意图
3.2 跨界客流识别方法
第1步：建立原始数据集.
选择口岸开放时间T开至关闭时间T闭内，把经过Q1(覆盖口岸监管区的基站)的所有用户进行标记，作为跨界旅客识别的原始数据集.
第2步：提取用户的出行链.
基于手机信令数据中用户的时间与空间对应关系，得到用户全天的出行轨迹，即出行链，并提取出行链中的活动点及每个活动点的停留时间.
第3步：剔除非跨界客流数据.
1)剔除居民数据.连续多日，用户每天00:00—06:00在第2类或第3类基站停留时间t1≥5 h，且起点或讫点在分析域内，认定为居民并予以剔除.
(1)
2)剔除工作人员数据.连续多日，用户每天在口岸开放时间段内累计停留时长t2>5 h，出行链起点或讫点在分析域内，认定为工作人员并予以剔除.
(2)
3)剔除城市内部客流数据.在口岸开放时间内，用户出行起讫点均在分析域外，分析域内没有固定停留点且累计停留时间t3<1.0 h，认定为城市内部客流并予以剔除.
(3)
式中，Oi，Di为用户i的出行起讫点所在基站；
Q为分析域所有基站；
Pi为用户i经过的中途点；
t1为用户夜间在区域内的停留时长，t2为用户口岸开放时间内在区域内的停留时长；
t3为用户全天在区域内的停留时长.
经过以上步骤，非跨界旅客数据被识别并剔除后，剩下的即为跨界旅客数据.
3.3 客流特征提取
3.3.1 客流总量及出行时间分布
统计跨界旅客用户的数量及不同时段的比例分布，并根据所选择运营商的市场占有率进行扩样. 统计分析中，针对口岸客流特征，将客流总量分为口岸的发生量和吸引量(对应入境量和出境量)，客流时间分布分为入境客流时间分布和出境客流时间分布. 跨界客流总量、时间分布特征能体现出口岸在一段时间范围内的运营情况变化.
3.3.2 客流OD分布
在生成跨界旅客出行链时，将各次出行的起、终点根据空间坐标信息映射至对应的交通小区，以便提取口岸至各交通小区的旅客出行量. 上述的各次出行在计算出行量时,需要区分口岸的发生和吸引. 对于口岸p与任意交通小区q之间的出行量ODpq计算如下，根据计算所得的出行量可建立出行的OD矩阵.
(4)
4.1 研究对象
2018年深港跨界交通调查采用了中国联通运营商的手机信令数据，采集数据的时间跨度为2018-10-1—2018-10-31，共计31 d. 信令采集基站覆盖范围全部深圳6个陆路口岸. 采集数据后，经过处理后，根据中国联通在深圳市的市场占有率，对数据进行扩样.
在使用手机信令技术的基础上，同步开展了传统交通调查，并融合边检出入境系统数据、境界线视频+补充录像计数等多源数据，形成了以“手机大数据+传统交通调查+其他多源数据”三位一体调查体系. 通过手机信令数据分析结果与香港特别行政区规划署开展的跨界旅运调查数据相对比[12-14]，证实了手机数据分析精度较高，能满足跨界交通调查需要.
4.2 跨界客流特征
4.2.1 日变特征
调查期间，深圳陆路口岸跨界客流日均总量约67.6万人次. 从1周的变化情况来看，周三、四通关客流相对较少，周末达峰值，周末相较工作日客流量约多24%. 同时，跨界客流具有显著的潮汐性，周六入境客流较多，周二、周日出境客流较多；
其余4个工作日出境与入境客流全天总量相对平衡. 针对节假日和周末客流高峰，应建立面向居民的客流信息发布机制，引导旅客分散通关，建立口岸高峰客流应急预案，加强深港双方在通关查验、客流组织、交通接驳等方面的安排与对接，提高口岸监管效能和风险防控能力.
图4 深港跨界客流1周变化特征
4.2.2 时变特征
从1 d变化情况看，口岸出境与入境客流高峰差异较大，其中，出境高峰为07:00—08:00，占全天出境客流的12.2%；
入境高峰为17:00—18:00，占全天入境客流11.5%. 与城市通勤客流早高峰为08:00—09:00、晚高峰为18:00—19:00相比，口岸客流与城市客流呈现一定的错锋分布特征. 针对出入境高峰，应增加口岸现场工作人员值守，开放更多的出境或入境查验通道，加大公交、出租车等系统的运力，保障口岸客流出行需求.
图5 深港跨界客流1 d变化特征
4.2.3 空间分布特征
深港跨界客流起讫点分布中，深圳占51%，东莞占29%、广州占17%，其他地区占3%. 与往年调查数据进行对比，深圳的比例逐年降低，东莞、广州比例逐渐升高，跨界客流呈现逐步朝深圳外围的东莞、广州等城市扩散的特征. 从深圳市内分布看，跨界客流主要集中在罗湖、福田和南山，约占全市的74%.
随着粤港澳大湾区建设，香港与大湾区核心城市之间的联系将更加密切，亟需加强口岸对大湾区的服务功能. 未来，应以口岸为枢纽，加强高速铁路和城际铁路建设，加强跨境交通的便利性，实现香港与大湾区核心城市的快速联系，促进人员、货物等各类要素高效便捷流动[15].
图6 深港跨界客流在全国范围的空间分布图
图7 深港跨界客流在深圳市内分布图
本文基于手机信令数据，对跨界客流识别和客流特征提取方法进行研究，并以深圳陆路口岸为例，利用手机信令数据识别跨界客流并提取客流总量、时变及空间分布特征，与其他多源数据校核显示，该技术精度较高，与传统交通调查方法相比优势明显.
党的十九大提出建设“数字中国”，多源大数据将得到广泛应用. 未来，可通过手机信令数据与多源信息相结合，对跨界旅客出行信息的汇聚、融合与挖掘，研究跨界旅客完整出行链，更准确的掌握跨界客流出行规律，建立跨界客流需求预测模型，获得更加精确的参数标定，更加科学合理地指导跨界交通设施规划、建设与管理.
猜你喜欢信令客流跨界客流增多环球时报(2022-12-12)2022-12-12城市轨道交通节假日期间大客流行车组织思考与实践科学家(2021年24期)2021-04-25陈黎贞 数次跨界唯有初心不变海峡姐妹(2020年5期)2020-06-22SLS字段在七号信令中的运用铁路通信信号工程技术(2019年10期)2019-11-06移动信令在交通大数据分析中的应用探索中国交通信息化(2019年2期)2019-03-25基于信令分析的TD-LTE无线网络应用研究消费导刊(2017年24期)2018-01-31跨界设计现代装饰(2017年12期)2017-05-22跨界通平台中国商界(2016年6期)2016-12-27LTE网络信令采集数据的分析及探讨互联网天地(2016年2期)2016-05-04基于自学习补偿的室内定位及在客流分析中的应用北京信息科技大学学报(自然科学版)(2016年5期)2016-02-27