公交调度 站点规划

大数据挖掘助力城市公交规划

2014-03-19 作者：刘淑霞（中兴通讯）

客流量及客流分布预测是规划公交方案的基础，而预测结果是否科学合理将最终影响方案的效益评价。客流交通起止点调查（即OD调查，“O”来源于英文Origin,指出行的出发地点；“D”来源于英文Destination，指出行的目的地），又称OD交通量调查，是指起、终点间的交通出行量。客流OD调查内容主要有：起止点分布、出行目的、出行方式、出行时间、出行距离、出行次数等。

公交客流调查现状

目前城市客流OD调查需要通过居民出行调查获取，按照获取资料的来源，常规调查手段主要有如下几种：

●居民问卷调查法。该方法需要市民积极配合，且问卷质量及问卷回收率都对调查结果有很大影响。

●调查员随车观测调查法。具体做法是突击一两天，为每辆公交车的每个门配备一名调查员，调查员记录每辆车一整天的到站时间、上车人数和下车人数。

●公交刷卡统计法。以公交IC卡的刷卡记录为分析对象，结合其他公交运营的调度资料，包括公交线路走向、站点布局、调度时刻表等，可以获得公交运营的基本客流信息。

长期进行客流OD观测是相当复杂的，需耗费大量的人力物力财力，且精准度难以保证。现有的调查手段也存在局限性，不能全面、准确地把握全市居民的出行需求。人工方式的调查（问卷调查及随车调查）只能做到抽样调查，信息的有效性及时效性也存在偏差，无法反映全市市民的出行需求。利用公交IC卡的乘客自动计数方式则只能统计到实际发生的乘车行为，无法反映乘客真实的出行意愿。

基于移动通信大数据挖掘规划公交线路

目前移动电话普及率大大提高，在大多数省市都达到80%以上，预计到2015年，中国移动电话普及率将超过100%。利用移动信令数据的大数据挖掘技术可及时获得人流量、

人流方向及驻留时间的统计，实现对公交客流全面、准确的把握，可作为城市综合交通体系规划与评价的基础数据，减少城市客流OD调查的人力物力的投入，准确度高。

对移动通信信令数据的大数据挖掘可以方便地获取OD调查所需信息,根据历史人流量分布及人流移动规律规划公交线路，在人流量密集点设置公交站点。

首先，从运营商获取如下数据源：待规划区域统计时段内所有用户的移动信令位置更新数据、用户登记信息和基站小区信息。接下来，对海量匿名数据进行分析。

●人流量分析：获得目标区域的实时人流量、新增人流量、驻留情况、用户来源等；

●人口出行分析：包括出行分布、出行量，上下班的出行分析、出行量，出行快照等；

●用户属性挖掘：通过用户大量的移动信令数据的规则和特点，分析用户是居住人口、工作人口还是临时人口。

最后，将大数据分析结果与地理位置信息结合，可视化展示实时的人流量分布及人流方向，结合GIS地图的道路信息进行公交规划。有如下几种主要应用场景：

●根据人流量及人流方向规划公交路线，结合特定功能地点（如住宅区、机场、码头、商场、办公区、学校、公园等）及城市规划发展趋势进行适当调整。

●根据人流量的驻留点规划公交站点位置，并可根据不同时段内人流量分布及人流方向的动态变化对公交线路的首末站进行动态调整。

●根据人流量规划公交调度，包括发车间隔及发车车型。

●根据人群特点调度车辆安排，如对老年乘客多的线路，安排座位多的、低踏板的车型。

●根据人群特点调整公交移动电视的广告投放内容，精细化营销。

中兴通讯大数据解决方案应用

大数据成为推动产业发展的重要引擎，大数据市场即将迎来井喷式增长，中兴通讯积极构建大数据挖掘平台，提供统一的大数据核心技术能力。中兴通讯位置BDS（Big Data System）是大数据解决方案的一个典型应用系统，该系统采集移动用户实时动态位置信息，对城市的人口数量、分布、流动性进行分析与预测，挖掘基于海量人口位置信息的位置应用服务。

中兴通讯大数据方案除了为城市公交规划提供决策数据支持外，亦可在如下方面挖掘新的应用价值：

●为政府公共管理、城市规划、实时交通监控提供数据；

●为零售商提供人群分布、流向、热点区域等数据；

●针对大型活动管理，提供人群分布、流向数据。

基于移动通信数据的大数据挖掘充分依托现有的移动通信网络资源，利用已有手机通信网络中的定位信息，可获得区域的实时客流密度及集散情况、客流移动的历史回放、客流的区域时空变化规律等信息，解决现有采集手段无法持续跟踪交通出行群体的出行轨迹和线路，以及总体人群客流出行特征等问题。中兴通讯的大数据方案能够低成本、高频度、自动化、迅速地获取大范围城市路网范围内的客流出行数据。

运营商大数据掘金

2014-03-19 作者：李晓波，尚尔刚（中兴通讯）

大数据市场前景广阔，如何利用数据资源深挖创新、提升效益，是诸多IT企业的追求目标。运营商在信息产业链上处于关键位置，拥有巨大的数据资源，这些数据财富将使运营商迎来新的发展机遇。

运营商运用大数据可以分为三个层面。首先，在运维层面，通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率；其次，在运营层面，运营商可以利用大数据优化自身的产品及服务，通过大数据分析用户行为、改进产品设计、强化客户关怀，并通过用户偏好分析，及时、准确地进行业务推荐，不断改善用户体验，增加用户的信息消费以及对运营商的粘度；最后，在创新层面，可以在确保用户隐私不被侵犯的前提下，对数据进行深度加工，对外提供信息服务，为企业创造新的价值。

大数据将助力运营商实现从网络服务提供商向信息服务提供商的转变。中兴通讯大数据解决方案基于大数据分析，让数据发声，帮助运营商深入挖掘大数据价值。

大数据助运维效率提升

传统运维模式下，使用分段运维工具研究某一个网络分段（如无线网）的性能，而某个网络分段上的指标优劣可能与多个其他网络分段的指标相关联，传统方法缺乏整体性，运维效率低。中兴通讯大数据方案从独立的探针、网管以及计费等系统采集网络各部分的数据，包括终端、无线网、核心网和业务网的数据，基于中兴通讯的丰富经验和对运维的深刻理解，构建多维度分析模型，对这些数据进行相关性分析，找出传统的运维模式下无法察觉的数据之间的联系和趋势，既可以帮助运维人员捕捉当前的问题，还能提前发现网络中的隐患。例如系统监控发现某个区域的微博刷新成功率偏低，通过与其相关的终端、GGSN、APN 和URL等维度大数据相关性分析，发现某个APN的指标比平均值低，基本可以定位问题范围。结合网管系统发现该APN服务器老化性能下降，更换服务器后问题解决。利用大数据相关性分析可以显著提高运维效率。

大数据聚焦营销产品设计

在运营层面，中兴通讯大数据方案可对终端、网络和用户等数据进行关联分析，提