基于网络大数据的公共服务平台助力智慧城市建设项目

【摘要】    数字城市建设是城市可持续发展的需要， 是城市政治与经济发展的需要，是贴合群众生活息息相关的重要建设方针，它提供了全新的城市规划、建设和管理的调控手段，辅助有关政策法规的执行， 能够制止猖獗的违规建筑， 并避免制约工程招标和房地产建设中的大量弊端。运营商的数据作为城市建设基础数据的主要数据源它不仅涵盖了人们之间互相通信的信息，还涵盖了人们日常生活中网络信息获取的信息，例如活动轨迹及通信社交轨迹为依托从衣、食、住、行、游、购、娱等，它是人们随身携带的移动信息源，最为贴近反应人们日常生活习惯及行为习惯的信息数据。基于这样一个与人息息相关的信息基础数据，如何能够将通信网络大数据与数字城市融合助力智慧城市建设带来了新的课题和思考。

【关键词】    大数据    智慧城市    纠偏模型    边缘计算    位置定位    实时聚合

Public service platform based on big data of network  Help smart city construction projects

Zhenxin  Li  China Mobile Communications Group Hainan Co.， Ltd. Hainan 570125

[Abstract] Digital city construction is the need of urban sustainable development，the need of urban political and economic development，and an important construction policy closely related to peoples life，It provides a new regulatory means for urban planning，construction and management，and assists the implementation of relevant policies and regulations。 It can stop the rampant illegal construction， and avoid a lot of drawbacks in restricting project bidding and real estate construction。As the main data source of the basic data of urban construction， the data of operators not only covers the information of communication between people， but also covers the information obtained from the network information in peoples daily life，such as activity track and communication social track。Relying on clothing、food、 housing、 transportation、travel、shopping、entertainment and so on，it is the mobile information source that people carry with them，which is closest to reflecting peoples life Information data of daily living habits and behavior habits。Based on such a basic information data closely related to people， how to integrate the big data of communication network with the digital city has brought new issues and thinking to help the construction of smart city。

[Keywords]Big data，smart city，rectification model，edge computing，location、Real time aggregation

一、背景

1998年1月31日戈爾在加利福尼亚科学中心做的“数字地球——认识21世纪我们这颗星球（The Digital Earth：Understanding our planet in the 21st Century）”这篇讲演中提出的新概念。他所以提出这一新概念，是因为他觉得当前我们迫切需要利用有关地球的各种信息，而大量这样的信息又散落在各处未被充分利用。解决这一矛盾的方法，就是建立数字地球。而数字型智慧城市建设则是数字地球的应用示范之一。

数字型智慧城市是一个庞大的系统工程， 是城市发展和社会信息化的必然趋势， 也是城市发展新的经济增长点。数字城市不是一个孤立的科技项目或技术目标， 是以信息高速公路和城市空间数据基础设施为寄托的整体性、导向性的战略思想， 是对城市发展方向的一种描述， 是城市科学与信息科学有机的高度综合， 因而它是一个系统工程。

而运营商的数据作为城市建设基础数据的主要数据源它不仅涵盖了人们之间互相通信的信息，还涵盖了人们日常生活中网络信息获取的信息，它是人们随身携带的移动信息源，最为贴近反应人们日常生活习惯及行为习惯的信息数据。基于这样一个与人息息相关的信息基础数据，如何能够将通信网络大数据与数字城市融合助力智慧城市建设带来了新的课题和思考。

二、需求分析

数字城市建设是城市可持续发展的需要， 是城市政治与经济发展的需要。是贴合群众生活息息相关的重要建设方针，它提供了全新的城市规划、建设和管理的调控手段，辅助有关政策法规的执行， 能够制止猖獗的违规建筑， 并避免制约工程招标和房地产建设中的大量弊端。而依托移动网络大数据，以人们活动轨迹及通信社交轨迹为依托从衣、食、住、行、游、购、娱等多方面融合城市基础信息提供政策和决策的数据支撑助力智慧城市建设。

通过对数据的整合分析，多方面建模尝试，最总确定了公共交通、社会治安、海南旅游、社会民生、海洋渔业、国际漫游6大类分析方向，其中包括了交通拥堵、肇事、就医导流等28类分析子项，这些分析内容可以助力政府在警力调配、出海预警、道路规划、景区管理、交通疏导、人流聚集等方面实现数字化、智能化、智慧化管理。

三、实现技术简述

3.1基于边缘计算的道路人流纠偏模型

通过多元定位算法将实时活动的人群以离散点的形式分布到地图上，在通过边缘计算的方法结合行走的速度，行驶方向的变化规律对在道路及道路附近活动的人群进行纠偏，从而形成道路人流，热力图，应用于交通拥堵分析等功能。以交通拥堵为例以5分钟为粒度实时渲染呈现当期拥堵路段。道路热力图的形式渲染呈现，展现拥堵及车流量大的路段。这个拥堵数据纯粹来自于我们的网络数据，如果这个功能里面能加入交通部门的信号灯信息、车辆限行信息等行业数据，那么继续从时间上、空间上做进一步挖掘，就可以得出是不是核心区和外围区分布不均衡、是不是路网结构不合理、是不是信号与路况不协同导致的拥堵问题，这些信息可以帮助交通部门分析制定科学合理的拥堵缓解策略。

3.2百万点数据矢量切片实时聚合

平时可能有比较大量的点数据要展示又不想预处理，在线浏览数据请求时间控制在3s左右。这种情况就可以通过像素聚合把坐标点转成像素，这样能大大降低显示压力。而在矢量切片中也有类似的东西，就是ST_AsMVTGeom，他会把几何数据转成切片的坐标。所以我们可以在单个切片处理中进行进行坐标转换，然后把坐标聚合。同时我们可以调整切片的格网大小，默认会用4096，但是在小比例尺可以用小网格把这个值调整小些，能更好的聚合。第二种方式是使用数据库自带width_bucket进行聚合。

3.3网络大数据交通肇事模型

通过对交通肇事行为的建模分析，发现通常在发生交通肇事的情况下会伴随着122报警电话，110报警电话、120救护电话、以及车险报险电话的伴随行为，有时是单独发生，有时是同时发生，通过对多组数据的比对最后形成网络大数据交通肇事的模型，从而在多样的通信行为中分离出交通肇事行为。再结合对近一个月以来，发生交通肇事比较集中的区域。综合分析各个市县的近一个月的趋势和在这一个月内不同小时对比的情况。从而对全省的出险出警情况、突发时间段做分析从而得出相应的疏导政策，例如某一地区，出险出警的集中时段分别是9、15、16，这说明去那边办事的人多了，而另一地区出险时间集中在晚上22、23点，不同性质的路段，出险的时段不一样。这样协助交通部门在出警资源调配、车辆管理、人员管理（急转弯？岔路口并道太多等）等方面提供数据支撑。

3.4网络打车行为模型

通过网络打车的呼叫次数及地理位置，形成叫车行为模型，虽然同一人次多次呼叫不去重，但始终保持呼叫需求便可理解为此时段仍然有呼叫需求，所以此情况下网络打车服务模型成立，再辅以时间、空间等多维度进行整合分析透过数据了解行业现象，解析行业现象，例如义龙路，凌晨4点出现小高峰。这些信息给网约车司机提供了客源指导，而不需要沿路“扫活”，兜车乱转，效率低下且浪费资源，同时也不利于环保。

3.5重点区域人流突变模型

针对大的人流密集区域进行人口流动突变模型，为预防上海踩踏事件的再次发生，集合移动通信网络大数据，将实时进行网络交互的人群进行定位打点，并通过对单位面积内人口密度的安全测算给出突变模型，通过突变模型进行事件预警，当突变模型达到高峰时将进行红色预警。该模型实时展现5分钟粒度人流数据，主要是对一些大型的场所人流增量情况进行染色监控，呈现该区域下的人流分布，可实时掌握这些区域的突发人员涌入情况，同时通过预警，提示部门及时进行人员管理，开始疏散分流，防止类似上海外滩的踩踏事件发生。或者是非法集会，还可以及时介入通信管制工作。

3.6治安事件模型

通过对人们通信行为的数据分析110报警电话的拨报行为主要分为以下几种;误报、错报，求助（交通事故等），治安事件。每种类型都会有其相应的行为特征，比如错报、误报通常不响铃或响铃时间很短，通过时间结合行为特征定义治安事件的模型，在通过区域，和历史数据的整合分析得出安全事件发生的聚焦区域及频发时段，可以协助公安部门做好警力巡逻、出动、调配提供参考，也可以指导市民出行地点做指导，为海南人民财产安全、人身安全保驾护航。（图5）

3.7火灾事件模型

通过对人们通信行为的数据分析119报警电话的拨打行为分析，再通过定位计算，确定报警电话发生的聚焦地点，在通过聚合算法，的出火灾时间的预计方位。此模型可以快速定位事件区域通过实时和历史数据结合，可以协助消防部门提前进行安全隐患排查，根据冬夏等不同季节显现出来的不同特征，开展重点防范工作。（图6）

3.8骚扰电话模型

按照每天200次拨打以上的模型算法进行定义，并结合关联的通性行为呈现出具体骚扰号码的归属省份，一周内每日以及每日不同时段的拨打情况。从而对骚扰电话的拦截判断以及相关的可能产生的非法行为进行预警。（图7）

3.9伪基站轨迹回溯算法

通过识别非法网络位置区域码，影响的小区，判断出现网伪站的实时位置，并可以通过回放，呈现它的这一周以來的路径，通过这些信息，可以摸清单个伪站的行为轨迹，作息习惯，给力支撑公安部门精准打击伪站工作，一是践行了企业社会责任，二是协助提高公安部门破案效率。（图8）

3.10候鸟分析模型

每年10月至次年4月“迁徙”我省的“候鸟”人群超过100万人，为充分了解候鸟人员在岛分布，做好针对候鸟人群的保障工作。通过长时间的大数据分析，结合有关部门的实际调研情况，采用相对科学的候鸟统计模型（非本省户籍，在我省居住时长大于30天且小于等于180的人群定义为候鸟人群）。通过对候鸟人群大数据的统计分析，可以了解到候鸟人群从哪里来，到了海南后又分别去到了哪些市县，可以助力各个市县做好候鸟人群的准备工作，对我们自己而言，是做好通信畅通的保障，对于政府而言，就是公共出行交通工具、餐饮等资源配置。

3.11点聚合与热力图

海量数据的地图化展示，热力图是webgis中非常常见的需求，当数据量不大时对应用影响不大，但是当数据达到几百万时，即便使用后端渲染也比较困难。这时我们可以借助superluster.js来进行点聚合，然后进行后端渲染，使得地图流畅度大大增加。参考国外的supertiler项目，先把生成geosjson，然后用命令导出mbtiles，也可以接入数据动态生成geojson，通过计算extent，减少生成矢量切片时遍历的，优化性能。（一万个点聚合处理ssd里处理只要一秒左右，六百万点聚合处理大概1.5分钟。）

四、效果分析

4.1社会推广

海南网络大数据公共服务平台打开了移动数据面向市场，面向政府方面应用的大门，将运营商的数据价值推向了一个新的高度，面向城市综合治理，数字城市的全面推广。从平台推出到上线试运行，得到了省市各级领导的认可和肯定。（图10）

4.2经济效益

海南移动网络大数据公共服务平台项目整合了信息资源和管理资源，项目的建设将产生直接和间接的经济效益。具体表现为：系统的实施和推广可以大大降低海南城市的管理、交通、市政、环卫等相关部门的人员成本、车辆成本、燃料成本等;部分基础数据的集中存储和统计使定量掌握城市管理动态成为现实，直接帮助高层城市管理者制定更加切合实际的政策、法规，这种进步所带来的间接经济效益更加巨大和持久。

4.3后期拓展

深耕行业市场，就行业特点结合移动网络大数据挖掘行业属性应用，响应《智慧海南总体方案（2020-2025）》明确以“智慧赋能自由港”“数字孪生第一省”为标志的智慧海南的建设方针。

从多方面结合行业数据，将海南移动网络大数据公共服务平台发展成城市综合数字治理平台。数字赋能城市建设，发挥央企的社会责任和能力驱动。

4.4实际运用

1.2018年海口花灯节，首次引入了数字化人流监控，拥堵疏散，海南移动网络大数据公共服务平台一经亮相便得到了市级领导的关注和认可。当年花灯节整晚接待游客共计24万次。充分体现了数字化城市治理的可行性和必要性。（图11）

2.统筹规划顶层设计，加快推进智慧型城市建设：作为海口智慧型城市初创推进单位，利用海南移动网络大数据平台的技术优势填补海口智慧城市整体规划顶层设计人流分析部分空白。（图12）

李振新，1967年3月出生，男，漢族，四川威远人，工作单位：中国移动通信集团海南有限公司，工程师，研究方向：大数据。