基于Python实现个人手机定位分析

news2024/9/21 16:39:28

TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。本文就来用它实现个人手机定位分析，感兴趣的小伙伴可以了解一下

但其实交通时空大数据并不仅仅局限于交通工具产生的数据，我们的日常生活中也会产生大量的数据。比如我们的手机记录了我们到访过的地点；使用城市公交IC卡、共享单车等服务时，服务供应商可以知道这些出行需求的时间和地点等等

本文作者依托《交通时空大数据分析、挖掘与可视化》一书中所介绍的相关技术开发了Python开源库TransBigData，进行一次对手机信令数据的处理、分析和挖掘。

TransBigData简介

TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。TransBigData为处理常见的交通时空大数据（如出租车GPS数据、共享单车数据和公交车GPS数据等）提供了快速而简洁的方法。

目前，TransBigData主要提供以下方法：

(1)数据预处理：对数据集提供快速计算数据量、时间段、采样间隔等基本信息的方法，也针对多种数据噪声提供了相应的清洗方法。

(2)数据栅格化：提供在研究区域内生成、匹配多种类型的地理栅格快学Python（矩形、三角形、六边形及geohash栅格）的方法体系，能够以向量化的方式快速算法将空间点数据映射到地理栅格上。

(3)数据可视化：基于可视化包keplergl，用简单的代码即可在Jupyter Notebook上交互式地可视化展示数据。

(4)轨迹处理：从轨迹数据GPS点生成轨迹线型，轨迹点增密、稀疏化等。

(5)地图底图、坐标转换与计算：加载显示地图底图与各类特殊坐标系之间的坐标转换。

(6)特定处理方法：针对各类特定数据提供相应处理方法，如从出租车GPS数据中提取订单起讫点，从手机信令数据中识别居住地与工作地，从地铁网络GIS数据构建网络拓扑结构并计算最短路径等。

TransBigData可以通过pip或者conda安装，在命令提示符中运行下面代码即可安装：

1	`pip` `install` `-U transbigdata`

安装完成后，在Python中运行如下代码即可导入TransBigData包。

1	`import` `transbigdata as tbd`

手机信令数据读取

手机信令数据是指手机与通信基站之间交换的信息，包括位置、通信时长、通信频次等数据。这些数据可以用于分析用户的出行行为、生活习惯等，也可以用于城市交通管理、商业营销等领域。

使用Python开源库TransBigData可以快速高效地处理、分析、挖掘手机信令数据，识别出行和停留、居住地与工作地等信息，并绘制活动图以便于分析。

▲ 手机信令数据的采集原理

首先，我们将使用Python的pandas库来读取数据。Pandas是一款功能强大的数据处理库，它提供了灵活的数据结构和数据分析工具，可以轻松地对各种数据进行操作和分析。我们将使用Pandas读取包含手机信令数据的CSV文件，并将其存储在一个Pandas的数据框中。

我们需要将时间字段转换为正确的格式，以便进行后续的数据处理。我们使用Pandas的to_datetime函数将时间字段转换为datetime格式。然后后，我们按照时间顺序对数据进行排序，以便进行后续的数据处理：

import pandas as pd

import transbigdata as tbd

data = pd.read_csv(r'data/mobiledata_sample.csv')

#确保时间列准确识别（很重要）

data['stime'] = pd.to_datetime(data['stime'], format='%Y%m%d%H%M')

data = data.sort_values(by = ['user_id','stime'])

data.head()

结果如下图所示。

▲ 手机信令数据概况

识别出行和停留

在处理手机数据时，识别出行和停留是很重要的一步。基于手机识别出行和活动可以进一步进行路径分析、出行模式分析、人群分析等工作。

活动：手机数据通过连续地追踪个体的出行轨迹，可以构建出个体的出行链信息，一般来说，如果一个手机用户在某个位置停留了超过30分钟，我们可以认为用户在这里发生了活动。

出行：用户产生的连续两个活动如果产生的地理位置不同，则可以认为用户发生了出行行为。出行的起点为连续两个活动中前一个活动的地理位置，出行的开始时间为前一个活动结束的时间，出行的终点则为后一个活动的地理位置，出行的结束时间则为后一个活动开始的时间。简而言之，用户在活动点与活动点之间的移动，视为用户的出行。

▲ 活动与出行识别思路

使用TransBigData提供的手机信令数据处理方法，可以先将数据对应至栅格，将同一个栅格内的数据视为在同一个位置，以避免数据定位误差导致同一位置被识别为多个。然后，可以使用tbd.mobile_stay_move函数从手机数据中识别出行和停留:

#获取栅格参数

params = tbd.area_to_params([121.860, 29.295, 121.862, 29.301], accuracy=500)

#从手机数据中识别出行和停留

stay,move = tbd.mobile_stay_move(data,params,col = ['user_id','stime','longitude', 'latitude'])结果如下所示。

▲ 停留识别结果

▲ 出行识别结果

识别居住地与工作地

通过移动通信数据识别出用户的职住信息是研究的基础工作之一。TransBigData中，以停留活动点为依据，用tbd.mobile_identify_home方法可以识别居住地，用tbd.mobile_identify_work则可以识别工作地。具体规则为：

居住地识别规则为夜晚时段停留最长地点
工作地识别规则为工作日白天时段停留最长地点（每日平均时长大于minhour）。

具体使用方法如下：

#识别居住地

home = tbd.mobile_identify_home(stay, col=['user_id','stime', 'etime','LONCOL', 'LATCOL','lon','lat'], start_hour=8, end_hour=20 )

home.head()

结果输出：

▲ 居住地识别

#识别工作地

work = tbd.mobile_identify_work(stay, col=['user_id', 'stime', 'etime', 'LONCOL', 'LATCOL','lon','lat'], minhour=3, start_hour=8, end_hour=20,workdaystart=0, workdayend=4)