追逐城市的“原子”
开篇：润墨网以专业的文秘视角，为您筛选了一篇追逐城市的“原子”范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
《X战警》里“教授”凭一己之超凡脑力，可以找到世界上的每一个人，把说话的声音直接传到所有人的脑子里。如果这是现实，可真够奇妙的，也真够可怕的。庆幸“教授”并不存在，否则不时钻进人们的意识里广播一番，或者对人们的心智动点手脚，岂不糟糕！
移动通信系统虽然没有“教授”神妙，恐怕也差不多了。在成年人几乎“人手一机”的时代，通过移动通信系统就能定位每一个人，还能在每个人的手机屏幕上显示推送信息。没有“魔音穿脑”那么厉害，但在手机成为“器官”的今天，移动通信系统和想象中的《X战警》“教授”之间，可怕程度正在迅速接近。
人类创造出一些自己驾驭不了的东西，大约是不可避免的吧。《人类简史》的作者尤瓦尔・赫拉利说，1945年7月16日是历史上最重要的一天；第一颗原子弹成功爆炸，意味着我们这个物种从此不仅有了创造历史的能力，还有了终结历史的能力。悲观者不止这一位，叶夫根尼・莫罗佐夫写作《技术致死》（电子工业出版社2014年出了中译本），直指数字技术对人类社会的破坏，以及未来可能出现的更大破坏。
考虑到现在忧心忡忡也于事无补，咱们不妨收拾心情，转换视角，看看技术有益人类的一面。继续说手机，由于“人手一机”，手机位置分布与个人位置分布有极高的近似，或者说前者是后者重叠度极高的投影。个人是城市的“原子”，手机的分布和移动，显示着“原子”的分布和移动。利用手机位置数据分析人群聚集和流动，以此为基础做交通规划，正是手机数据的一大用途。
取数
想利用手机数据作为交通规划的决策基础，必须先获得可用的手机数据。那么什么是手机数据呢？手机数据，泛指用户在移动通信网络中使用手机所产生的数据。当前应用于交通领域的移动通信数据，主要包括信令数据、话单数据及上网数据。手机数据定位采用的是基于基站小区的模糊定位技术。手机数据是由手机用户使用手机，触发一定的数据获取机制而获得。
手机信令数据――根据无线通信网络的覆盖特性，以及无线通信网络需具备为移动用户连续提供服务的功能，移动用户的手机终端会定期或不定期、主动或被动地与无线通信网络保持联系，这些联系被无线通信网络识别成一系列的控制指令，即手机信令。手机信令的触发事件包括接打电话、收发短信、开关机、小区切换、位置更新等数据。
手机话单数据――依托移动运营商现有话单计费系统，获取匿名手机用户在产生计费数据时的位置信息，触发事件类型包括接打电话、收发短信的数据。
手机上网数据――手机上网数据产生于使用流量进行上网的用户，如进行网页浏览、社交软件聊天等任意需要耗费流量的活动。
三大移动通信运营商，以城市人群聚集和流动图像为目标进行手机数据分析，只用任意从一家运营商获得数据就可以了。根据2016年的财报，移动、联通、电信的全国移动通信服务用户数分别约为8.37亿、2.61亿和2.07亿，份额最小的中国电信，也拥有庞大用户数，占据了超过15%的市场。三大运营商的移动用户在各城市的份额与全国的份额相仿，利用任何一家运营商的数据，均可满足统计抽样的要求，提供足够精度的人群分布和交通流量分析。
从任意一家运营商获取手机数据之后，就可以进行后续分析，包括数据预处理、数据计算、数据输出等。数据预处理是对数据进行清洗、修补的过程，为数据分析的准确性提供保障；数据计算是对分析模型的应用体现，包括特征提取、数据扩样等，需要进行交通专业知识及计算机技术的储备；数据输出是对分析结果的展现。
应用
本刊从北京晶众智慧交通科技股份有限公司获得了手机数据的城市应用案例和相关图像。晶众是国内较早将手机信令分析技术应用于交通调查的高科技公司，拥有20多个城市的手机信令数据，覆盖了15个省份，同时是中国移动交通大数据SA战略服务提供商。目前，在手机大数据交通方面的应用中，晶众交通已经形成了包含居民出行及人口岗位调查两大应用面，通过两大应用层面的综合应用，形成了较为完全的应用体系。
手机大数据应用之一：居民出行分析。
基于移动通信网络信号覆盖与道路交通网络的相互映射关系，将移动用户所有信令数据匹配至道路交通网络，得到手机用户在道路交通网络中的位置电子脚印，再将时间序列的电子脚印前后连接，即得到用户的出行轨迹。
通过对所有用户轨迹的集聚处理，能够获取区域出行量、出行强度及分布、轨道交通客流量、典型吸引点客流量、道口、枢纽客流量及客流来源等信息，服务于城市交通规划及评估工作。
手机大数据应用之二：人口及岗位分布分析。
通过多天手机信令的统计，根据手机用户夜晚活动频率规律，利用时空聚类技术进行统计及分析，结合规划用地性质数据，能够判断用户居住地、工作地所在的区域，从而研究区域内居住人口及工作岗位的分布情况。
具体说来，能够通过手机信令数据的处理与分析，采用多天手机用户信令数据的分析，根据手机用户夜间（如21时至次日7时）活动频率最大的地方判断为居住地；同时，手机用户白天（如7时至21时）活动频率最大的地方判断为工作地，然后分析出某区域的职住关系（职住比）空间分布情况。还可以通过匹配每小时手机信令数据的位置信息，根据选择时间段按小时生成人口密度的变化情况，研究人口的流动情况。将人口岗位分布特征结果与居民出行分析结果相结合，能够掌握城市通勤出行情况，对解决早、晚高峰特征明显的通勤出行产生的拥堵具有重要的指导意义。
枢纽
我们先来看武汉天河机场案例。选取武汉天河机场2015年10月某一天的手机数据进行机场的客流分析，分析机场客流的市外流向分布可以看出：天河机场的日均客流约为3万人；来天河机场乘机的客流中，江汉区和洪山区占比最多，各占人数的15%和12.2%，来自黄陂区的客流占比最少，仅有2.9%。
根据这些数据，武汉市内天河机场至各区的主要道路的优化方案已经开始提交讨论。
再看武汉地铁光谷广场站案例。光谷广场站，是武汉地铁2号线的起点站，同时服务整个光谷区域。光谷广场每天客流集散量约15万人，有明显的早晚高峰，早7点为最高峰――这些信息，通过手机数据和公交售票（及刷卡）数据均能获得。但手机数据比公交售票（及刷卡）数据显示了更多信息；具体到地铁光谷广场站，分析手机发现此站周边交通服务区域还需延伸，至少应考虑方便乘客到达光谷大道、高新四路等方向的目的地，解决方案可为有针对性地梳理和完善公交接驳。
手机数据用于智能交通规划，尤其是用于解决交通枢纽附近的拥堵问题，已经有了比较成熟的方法。其他来源的数据，如来自监控摄像头的数据，也能起到类似的作用，但和手机数据相比，可采集量、分析精度都受到更多条件的制约。在城市交通出行特征研究、智能交通规划之外，手机数据还有城镇联系强度分析、建成区空间分析、流动人口分析等等用途。