如何利用好手机信号数据

现有新疆乌鲁木齐市中心的手机信号数据，是一个真的特别棒的数据。一定要利用好这个数据，做一些研究，并且完成毕业设计。

数据描述

手机信号数据分为两种：

• 居住人口

定义：
1）居住地观测时段：21:00到次日8:00；
2）用户每日在观测时间段内被观测到的秒数，进行月度累加，并进行排名，取排名最高的为用户的居住地；
3）一个月内出现天数超过10天。

包含字段：
归属地（本地/外地）、富裕度、年龄

• 全目的出行OD（两天的）

定义：
全天24小时，每一个格网出发、到达到另一个格网的数量。

包含字段：
归属地（本地/外地）、富裕度

• 分小时网格人口热力（两天的）

定义：全天24小时，在每个格网，停留在这个格网超过x分钟的人口数量。

数据可用性

1） 城市功能分区

• 文献1

之前读过刘瑜老师的一篇文章

（grouped IS）使用出租车轨迹数据，统计全天，每一个格网内到不同土地利用类型的数量。随机分配土地利用类型，之后聚类。比较聚类结果与假设类型，不断迭代。当二者差距（迭代前后类型有变化的像元数）小于某个特定值，迭代介绍。得到每个格网的聚类结果，然后比对谷歌地图与平均时普曲线，识别出土地利用类型。这个方法并没有利用到全天24小时的流量变化信息，所以感觉效果并不会太好。

• 文献2

邬伦老师的文章（Wu-2018IJDE-landuse at Onedrive)：
使用微博签到数据，引入遥感的混合像元分解的思想。
首先：得到不同类别土地利用类型的24h的“标准曲线”。在本文章中是采用微博数据直接label好的，统计全北京市各label的微博数据的均值）
其次，根据标准曲线，对全北京交通小区进行混合像元分解。
最后，计算功能分区混合度等指标。
有趣的亮点：混合度是随时间变化的（自己定义的）

2） 动态人口估算

• 借助网格人口热力数据

这是联通公司自己的人口热力产品，每个格网对应的是人口数量，然后按照联通用户占所有手机客户的比例（大概30%多），进行一个扩样。
这是很好很好的数据，甚至可以说最大程度的反映了人口的动态分布情况。但正是因为这个数据太好，反而不知道该怎么改进。
但是我想单纯使用手机用户的数量是不能简单等同于人口数量的：

1. 数据本身是利用基站采集，再归并到 250m 的格网尺度，这会导致一些问题:在一 些采集的范围内，或某一格网内，可能存在多种不同的土地利用类型。如学校区域的格网在 夜间也有相当数量的手机信号数据，这可能是学校区域周边的一些住宅楼内的人口活动信息 也被统计在内;另外，受基站密度的影响，不同区域的统计精度也有所不同。
2. 手机信号数据较好的反映人口的日间活动信息，但是夜间由于手机使用人数的下 降，会存在一些偏差;
3. 手机信号数据的多寡受区域的经济发展水平、手机使用率的影响较大。在一些区域，手机信号数据十分稀疏。因此单纯使 用手机信号数据获取的人口数量可能会有偏差。

正因为由以上几点，我才应该想办法结合遥感数据进行进一步的精进。

思路有下：

• 直接借助手机信号数据的人口活动曲线，结合遥感数据估算的静态人口密度，进行划分。
• 结合城市功能分区，进行不同功能单元的人口划分。