摘要
现代城市的不断发展使其结构变得越来越复杂，城市的运行状态也越来越难以分析和监测。随着信息技术尤其是移动通信技术的不断发展，移动手机的用户越来越多，通信基站在城市中的分布也愈发密集。居民使用手机时会与基站发生交互而产生手机信令数据，对手机信令数据进行分析可以监测城市中人群的分布和移动情况，也可以为通信资源分配提供参考依据，这也是“城市计算”研究的重要内容。本文利用开源的手机信令数据集，首先根据区域居民的通信行为特点对城市区域进行了聚类分析，加强了对城市结构的理解；其次本文对城市区域的通信流量进行了分析和预测，加强了对城市动态变化特征的理解。本文通过对手机信令数据的分析，为城市规划提供验证和参考，助力“智慧城市”建设。 本文首先对所采用的手机信息数据集进行说明，并阐述了数据预处理的方法，对建模用到的自动编码器、LSTM网络和残差网络等神经网络结构进行理论介绍。论文融合了区域手机信令数据的时空信息并建立了通信流量快照图，通过自动编码器来提取通信流量的变化特征并利用k-means算法对城市区域进行聚类分析，据此得到了城市功能区分布。最后通过与实地数据进行对比并建立评价指标，来对城市功能区的聚类效果进行分析。 为了监测城市运行状态的动态变化，本文对城市区域的通信流量变化进行了分析与预测。首先通过对区域流量这一时空数据进行时间特性分析和空间特性分析来挖掘其特征，深入分析了数据的平稳性、相关性和异常值来加深对数据的理解。在此基础上本文基于LSTM网络和残差网络建立了区域流量预测的模型，我们通过LSTM网络挖掘数据的邻近性信息，利用残差网络挖掘不同区域之间的空间相关性并利用参数矩阵进行特征融合，实现了对区域流量的预测。此外我们对比了传统的时序模型和神经网络模型的预测结果，证明了本文算法的有效性。 最后，我们对论文工作进行了总结并对未来工作进行展望。
NETL