基于手机信令数据的受灾人口快速计算方法研究.pdfVIP

山东建筑大学硕士学位论文 摘 要 近年来，我国自然灾害和偶然突发事件越发频繁，给国家和人民带来了巨大 的损失。人作为灾害发生后最重要的承载体，当灾害发生后如何快速获取受灾人 口分布、准确评估受灾人口数量是减少人员伤亡，及时开展抢险救援的首要任务， 也是合理分配救援物资、救灾人员的前提。然而当前我国应急测绘系统建设还处 于初级阶段，主要侧重于基础数据的获取如灾区影像、三维模型等，凭借灾区基 础数据能够判断受灾范围和受灾程度，但是对灾区内的人口分布却不能及时有效 的获取。为了解决应急测绘不能有效评估人口受灾问题，本文通过阅读国内外文 献发现，当前研究人口时空分布模型主要有两类：基于格网数据的人口空间化和 基于时空大数据的人口空间分布。通常情况下，前者以行政界线为单位统计得到 的人口数据为基础，利用某种算法或数学模型将人口分散到格网中，这类方法的 缺点在于人口统计数据时空分辨率过大，不能反映人口实时分布。基于时空大数 据的人口空间分布方法虽然能够实时的反映人口分布，但时空大数据通常是由一 系列含有坐标信息的离散型点组成，不利于研究连续性人口分布规律。因此本文 在两种方法的基础上，提出了基于格网化手机信令数据的人口动态分布。论文首 先利用分布式计算框架对手机信令数据进行清洗，清洗的内容主要涉及到数据的 缺失、重复、错误，由于清洗后的数据具有 “一人多机”现象，需要对重复用户 数据进行二次清洗，清洗方法采用ST-DBSCAN 聚类算法提取用户出行轨迹，当 多条轨迹重合时，只保留一条轨迹数据，删除重复数据，此时手机信令数据才能 真实的代表用户信息，然后将清洗后的手机信令数据叠加到以研究区域为边界的 格网中，并利用时间序列预测模型-差分自回归移动平均模型 （ARIMA）对格网 数据进行预测，当时间序列数据不符合ARIMA 模型随机性检验时，本文采用移 动平均法进行模型预测。预测误差评价采用绝对误差法，并统计不同范围误差频 率。最后将模型集成到应急测绘系统中，模型运行结果以网页的形式动态展示。 利用本文研究方法，可以在第一时间内获取较为准确的受灾人群分布以及人 口数量统计，目前，该方法已经应集成到应急测绘系统中。 关键字：应急测绘，手机信令数据，轨迹识别，时间序列预测模型，人口空间化 I 山东建筑大学硕士学位论文 ABSTRACT In recent years, natural disasters and occasional emergencies have become more frequent in China,bringinghuge lossestothe country andpeople.Asthemain carrier after the disaster occurs, how to quickly obtain the affected population distribution and accurately assessthenumber ofthe affectedpopulation after the disaster occursis theprimary task toreduce casualties,timely carry out emergency rescue, and is also a reasonable allocation of relief materials, disaster relief personnel premise. However, the construction of Chinas emergency surveying and mapping system is still in the initial stage,mainly focusing on the acquisition ofbasic data, such asthe disaster area image, 3d model, etc., based on the basic data of the disaster area can determine the scope and extent ofthedisaster,but thepo