[发明专利]基于手机信令数据的真实人群密度时空分布估算方法

说明书

本申请提供了一种基于手机信令数据的真实人群密度时空分布估算方法。人群密度时空分布估算的方法包括：使用深度卷积生成对抗网络(DCGAN)训练数据，生成虚拟人口密度分布；获取虚拟实验中的手机信令数据的呼叫详细记录(CDR)；绘制估算的人口密度分布。本申请的估算方法不仅可以使政府对公共资源管理变得容易，而且可以使在手机上计算显示这种的实时人口密度分布成为可能。

技术领域

本发明涉及基于手机信令数据的真实人群密度时空分布估算方法。

背景技术

人口动态分布对城市和交通规划，公共安全预警，灾害影响评估[7-9]和流行病学建模存在着深远的影响。然而，在研究人的活动时，以更高(的时空分辨率超过12小时)估算和绘制更详细的人口分布仍然是一个挑战。具有较高时空分辨率的人口分布可用于许多应用中，例如，人口分布预测可以为地方当局提供基础数据和参考，以避免或减轻踩踏事件；在城市尤其是在中国的城市中，有很多共享的自行车为市民服务，政府可以通过根据人员分布动态地配置资源来提高其利用率。另一种商业用途情况是在食品外卖市场中，如果提供者知道人口分布在何时何地以更高或更低的密度分布，他们可以动态而有效地安排商品和劳动力资源以获取更多利润。

最近，许多研究人员和公司越来越多的使用手机数据的进行实际应用，并且通过挖掘大数据的呼叫详细记录(CDR)来估计和映射人口动态分布。当我们需要动态的人口分布来应用于其他科学研究时，CDR作为一种基于当前100％手机渗透率的位置数据，成为了的最为流行的数据集。而GPS数据由于涉及到用户隐私的问题一般都难以获得，尤其是在大范围的空间中。为了满足以更高的时间分辨率(例如每小时或每分钟)进行人口动态分布的要求，我们可以考虑基于CDR数据进行估算。

但是，由于CDR中的手机用户不能等于实际人口，因此在将其转换为真实人口密度分布的过程中需要解决许多问题。例如，人们通常在白天比晚上打电话的频率更高，因此生成并存储在CDRs数据集中的记录更少，因此，如果我们仅使用移动电话用户或记录号来代表实际的人，晚上不使用手机的用户将不会被记录，之后就会导致直接用CDR估算人群分布的时候产生极大的误差。因此，现有一些研究侧重于如何将手机数据转换为真实的人口密度分布的估算方法，除了静态分布和耗时的自身缺点外，没有真实数据基础作为对比也成为其估算精度存在不确定性的重要原因。

发明内容

为了可以测试估算方法的精度，本申请提出了一个虚拟实验，在其中生成虚拟人口密度分布并进行估算工作，最终以通过对比测试本申请的估算结果精度。

本申请提供了一种人群密度时空分布估算的方法，包括：使用深度卷积生成对抗网络(DCGAN)训练数据，生成虚拟人口密度分布；获取虚拟实验中的手机信令数据的呼叫详细记录(CDR)；绘制估算的人口密度分布。

在上述方法中，其中，所述呼叫详细记录包括用户与基站的交互时间、基站的位置以及用户的加密ID。

在上述方法中，还包括：通过建立虚拟基站分布并且基于所述虚拟基站分布来获取所述呼叫详细记录。

在上述方法中，其中，人口密度分布的公式如下所示：

其中，Na为区域的人数，Ns为从用户的加密ID中随机抽取的用户的数量，M为Na除以Ns的倍数，Ni为区域中的每个Voronoi多边形内的总和，i代表每个Voronoi多边形的ID。

本申请的有益效果如下：

1)本申请提出了一种简单高效的方法，可以在其他方法无法返回实际动态结果的情况下，根据CDR数据有效地估算动态实际人员的密度分布；

2)使用由深度学习方法DCGAN生成的虚拟人群密度分布的方法建立，首次以通过建立虚拟实验的方法来测试本申请的估算方法的鲁棒性和准确性；