移动电话数据库在勒阿弗尔大学计算机专业博士论文

基于移动电话数据库论文要获得博士在勒阿弗尔大学攻读计算机专业由Suhad Faisal Behadili论文于2016年11月29日在由以下人员M. A. 库卡姆贝尔福理工大学正教授报告员M. 克里斯托弗·坎比尔HDR、UMIUMMISCO -IRDUPMC报告员M. 亚历山大·贝雷德勒阿弗尔大学教授检查员M.伯纳德·埃利萨尔德教授，鲁昂大学检查员Rawan Ghnemat女士Sumaya公主科技检查员M.西里尔·贝特尔勒阿弗尔大学正教授论文指导M. Loay E. 乔治巴格达大学教授论文联合主任论文由姓名Cyrille Bertelle指导，LITIS- EA 4108献给我的父亲和祖母iii确认文件首先，我要感谢我的顾问Cyrille Bertelle教授多年来对我的指导和支持。你已经树立了一个优秀的研究者、导师、讲师和榜样的榜样。我谨向我的共同主管Loay E.乔治对所有博士生的持续支持、激励和热情。年。我想感谢我的论文委员会成员在整个过程中的指导。特别感谢我的朋友：Ammami Mohamed Tahar和Adel Bellara，你们现在是，将来也永远是我最好、最好的朋友。我很幸运有你这样的朋友。谢谢你一直和我在一起，我永远不会忘记我们在一起的时光和我们令人振奋的谈话。我还要感谢我的朋友：Ennassiri Hamza、Mouheb Dhifli、Harik Elhoussein Chouaib、Masmoudi Nesrine、Mohammed Ali Benhamida、Mourad Kaddes、Riadh Saada，以及我在勒阿弗尔大学的所有研究生、研究技术人员和合作者，感谢他们的支持和鼓励，他们让我微笑和受到启发。我非常感谢你们。我特别要感谢我的家人，感谢他们多年来对我的爱、支持和不断的鼓励。特别是，我想感谢我的母亲，我的兄弟，我的姐妹，我的兄弟在法律。你是地球上的盐，毫无疑问，没有你，我不可能做到这一点。v摘要通信网络（移动电话网络、社交媒体平台）产生其使用的数字痕迹。这类信息有助于以非常准确的方式理解和分析人员流动。通过对城市的这些分析，它可以提供关于城市规划者日常活动的有力数据，从而为设计和发展决策提供相关信息。呼叫详细记录（CDR）提供了整个城市甚至全国范围内的有价值的时空数据。可以对CDR进行分析，以提取观察到的城市地区和短暂事件期间的生活模式和个人流动性。在这里，他们的分析给出了关于人口密度和流动模式的概念观点。在这项研究中，手机的痕迹涉及鲁昂市一个名为无敌舰队的短暂事件。然而，通过对该城市地区观测期间最活跃的区域进行分类，对大量个体密度进行了分析和表示，以提取生命模式。然后，通过提取普遍流动性定律（幂律分布），在综合城市流动性模式中研究了集体流动性模式。本研究探讨了人体运动模式的特征，并在数学上依赖于实质性参数（即事件间隔时间、运动距离和旋转半径）对它们本研究的主要目的是确定人口的一般模式规律。而且，它的贡献是最终的结果，这是揭示和可视化的静态和动态的角度。它们可以被资本化为探索城市脉搏和生活模式的指南。数值模拟的结果支持了先前的研究。亨斯发现，真实系统的模式几乎遵循指数分布。此外，实验将移动模式分为主要类别，如一般、工作日和休息日。关键词：复杂系统、城市、移动性、CDR、移动电话、时空、网络工作、旋转半径、个体轨迹、城市脉冲、模拟、幂律分布。vii内容。确认摘要1引言三、五11.1问题陈述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...21.2目标。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...31.3贡献 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...41.3.1分析和表示 . . . . . . . . . . . . . . . . . . . . . . ...51.3.2建模和仿真。 . . . . . . . . . . . . . . . . . . . . . . . .61.4论文的组织。 . . . . . . . . . . . . . . . . . . . . . . . . . . ...72利用手机痕迹112.1引言。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...12作为动态复杂系统的城市 . . . . . . . . . . . . . . . . . . . . . . ...132.3用手机痕迹捕捉城市流动性。 . . . . . . . . . . . . . ...152.3.1作为传感器的个人。 . . . . . . . . . . . . . . . . . . . . . . . . ...152.3.2个人移动模式。 . . . . . . . . . . . . . . . . . . . . . ...172.4移动电话数据管理。 . . . . . . . . . . . . . . . . . . . . . . . ...192.4.1 CDR属性。 . . . . . . . . . . . . . . . . . . . . . . . . . . . ...192.4.2移动网络覆盖。 . . . . . . . . . . . . . . . . . . . . . . ...202.4.3手机跟踪位置 . . . . . . . . . . . . . . . . . . . ...202.5结论。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...253基于CDR、MAS和GIS的273.1引言。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...283.2 GIS移动性建模 . . . . . . . . . . . . . . . . . . . . . . . . . . ...293.2.1时空分析工具。 . . . . . . . . . . . . . . . . . . . . ...303.3重力和辐射下城市吸引力流动的基本模型 . . . ...323.4人类移动性的多尺度建模 . . . . . . . . . . . . . . . . . . . ...323.4.1宏观模型 . . . . . . . . . . . . . . . . . . . . . . . . . . ...333.4.2中观模型。 . . . . . . . . . . . . . . . . . . . . . . . . . . ...333.4.3显微镜模型。 . . . . . . . . . . . . . . . . . . . . . . . . . . ...343.4.4建模机动性动力学和空间约束。 . . . . . . . . ...363.5城市流动模式。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...363.6集成MAS和GIS平台 . . . . . . . . . . . . . . . . . . . . . . . ...403.7结论。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...41ix内容八4移动电话跟踪分析：Armada43案例研究4.1导言444.2Armada DB作为案例研究4.2.1鲁昂无敌舰队454.2.2无敌舰队46的CD4.3分析方法学第47阶段4.4数据分析和可视化（宏观视角）474.4.1区域扇区504.5Voronoi图上的个体密度574.6结论595模拟和动力学重建615.1导言625.2数据集635.3描述个人活动（中观透视）645.4固定事件间时间观测655.5内在参照系73中的轨迹5.5.1个体轨迹特征735.5.2旋转半径84内的轨迹5.5.3真实和模拟个体轨迹估计（显微镜）885.6输出905.7结论96A 出版物列表117B 图119附录ix图列表1.1完整的项目图。. . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...41.2密度分析。. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...51.3使用Voronio划分覆盖区域。 . . . . . . . . . . . . . . . . . . . ... ...61.4多代理物理统计。. . . . . . . . . . . . . . . . . . . . . . . . ... ...72.1复杂自适应系统[Wik14]。...................................................................................... 142.2移动通信模式的时空可视化：传入SMS（a）、传出SMS（b）、传入语音呼叫（c）、传出语音呼叫（d）和总体数据流量（Gun14）。.............................................................................................182.3左图：BTS的原始覆盖区域。右：覆盖范围的近似值-Voronoi图表的年龄区域[Abh03]。......................................................................... 202.4全球移动网络通信体系结构系统[Zbi13]。............................................................212.5使用MSC（点线）和GSM（固线）的位置信息[Zbi13]。...................................232.6从CDR和GIS的融合中提取人类移动轨迹[Zbi13]。.............................................242.7使用CDR的位置信息，在实际轨迹中，在基于GSM的轨迹[Zbi13]。....................................................................................... 253.1GIS信息层[Seo16]。.................................................................................................303.2与动力学和空间约束相关的移动性模型[Pat 13]。............................................... 373.3移动用户在几天内的轨迹[Yua13]。....................................................................... 383.4从地理参考CDR中提取城市流动性和活动[Yua13]。.......................................... 394.1Armada DB的ArcGIS输出。每个Voronoi细胞都以每个塔为中心。 5个子区域由5个颜色区域描述，它们由Voro-Noi细胞分组构建。黑色锚符号代表塞纳河沿岸平坦的地方在无敌舰队事件期间，船只所在的地方。............................................................ 484.2根据服务区域内白天人口密度的活动模式。........................................................494.3根据整个区域所有人的日数，个体密度的活动模式。........................................504.424小时内5个行业的每日分析，以及日平均值无敌舰队。................................................................................................................514.55个行业12天的每日分析。......................................................................................524.6根据个人平均数进行的中心部门活动分析每天几个小时。........................................................................................................534.7根据平均人口密度进行的东部地区分析小时数。....................................................................................................................54图列表xΔΔΔΔΔΔΔΔΔ4.8根据白天平均人口密度进行的西部地区活动分析。............................................554.9根据个人平均数进行的北部部门活动分析-一天四个小时。........................................................................................................564.10 根据个人平均数进行的南方部门活动分析-一天四个小时。........................................................................................................574.11 Voronoi多边形10天间隔的密度：P1、P2、P3和P4。蓝色及其阴影表示高活性，灰色表示高活性低活动584.12 第10天区间的Voronoi多边形密度：P5和P6。蓝色及其阴影表示高活性，灰色表示低活性。活动595.1移动活动的等待时间分布p（T），其中T是每两个连续活动之间的时间。图例符号用于根据活动比率和活动范围区分各个组。总时间段内总人口的平均值曲线（日m y）。......................................................665.2移动活动的等待时间分布p（T），其中T是每两个连续活动之间的时间。图例符号用于根据活动比率和活动范围区分各个组。工作日期间总人口的平均值（日y）曲线。 705.3移动活动的等待时间分布p（T），其中T是每两个连续活动之间的时间。图例符号用于根据活动比率和活动范围区分各个组。非工作日总人口的平均值曲线（日m y）。705.4等待时间的距离（位移）分布p（r）（事件间时间）。截止值分布由最大行驶距离确定在整个期间内特定事件间隔时间的股息。............................................................715.5等待时间的距离（位移）分布p（r）（事件间时间）。截止值分布由最大行驶距离确定在工作日期间的特定事件间隔时间的股息。...........................................................725.6等待时间的距离（位移）分布p（r）（事件间时间）。截止值分布由最大行驶距离确定非工作日期间特定事件间时间的股息。................................................................725.7由连续坐标点组成的个体轨迹[Cor13]。............................................................... 735.8Rg分布基于总观测期内的对数时间序列。 775.9Rg分布基于工作日期间的时间序列和日志。........................................................ 775.10 Rg分布基于时间序列，非工作日期间有日志记录。...........................................785.11 在总天数内微观透视水平的内在参考框架内估计的个体轨迹，红色圆圈参考最频繁的位置：a：从RG 5选择的个体轨迹，b：从RG5选择的个体缩放轨迹，c：从RG15选择的个体轨迹，d：从RG 15选择的个体视频缩放轨迹，e：从RG15选择的rg25，f：从rg2581中选择的个体缩放轨迹图XI列表观测周期，b：工作日观测周期期间的r g（t），c：以相关r g s为界的r g（t）旅行距离，以总观测周期为界的小r g短距离，b：p（Δr）|（g）观察期间的工作日，c：个人的PDF根据他们在相关RGs内的旅行距离，5.12 在工作日期间，在微观视角水平的内在参考框架内估计的个体轨迹，红色圆圈参考最频繁的位置：a：从RG5选择的个体轨迹，b：从RG 5选择的个体缩放轨迹-或，c：从RG 14选择的个体轨迹，d：从RG 14选择的个体缩放轨迹，e：从RG24选择的个体轨迹，f：从RG24中选择的个体缩放轨迹。 . . . . . . . . . . . . . . . . . ...825.13 在非工作日期间，在微观透视水平的内在参考框架内估计的个体轨迹，红色圆圈参考最频繁的位置：a：从RG4选择的个体轨迹，b：从RG 4选择的个体缩放轨迹-或，c：从RG16选择的个体轨迹，d：从RG16选择的个体缩放轨迹，e：从RG25选择的个体轨迹，f：从RG25中选择的个体缩放轨迹。 . . . . . . . . . . . . . . . . . ...835.14 所有个体的陀螺半径作为时间序列rg（t）的函数的分布如图所示，在3个主要组中对rgs的演变进行采样，时间单位的测量单位为小时，rgs单位的测量单位为Km，a：总期间的rg（t）5.15在观察期的休息日。. . . . . . . . . . . . . . . . . . . . . . . . ...旋转分布半径p（Δ r）|r g）作为个体（Δr）的函数旅行距离Δrs和更大的旅行距离具有短和长Δ rs的组合。855.16小r g s和中r gs在所有三个时期都占主导地位，a：p（Δ r）|（g）硬p（Δ r）|（g）在观察期内的休息日。. . . . . . . . . . . . . . . . . . ...86对个人样本进行分类，a：总观察期内个人旅行距离的PDF，b：观察期内工作日内个人旅行距离的PDF，c：在观察期间的休息日内，在相关RGs范围内的旅行距离。 ...875.17Alias519总时间段（12天）的潜在轨迹。 ... . . . . . . . . . . . ...895.18Alias519总时间段（12天）的潜在轨迹。 ... . . . . . . . . . . . ...905.19第4天直方图活动。 . . . . . . . . . . . . . . . . . . . . . . . . . . . ...915.20第4天按活动间隔时间列出的活动。. . . . . . . . . . . . . . . . . . . . . . ...915.21平均时间直方图中的第4天活动。... . . . . . . . . . . . . . . . . . . ...925.22 第4天平均活动间隔时间内的活动. . . . . . . . . . . . . . . . . . ...925.23第4天直方图距离。 . . . . . . . . . . . . . . . . . . . . . . . . . . . ...935.24 第4天按事件间隔时间划分的旅行距离。... . . . . . . . . . . . . . . . . . ...935.25第4天回旋半径直方图。. . . . . . . . . . . . . . . . . . . . . . . ...945.26旋转半径的第4天概率分布。... . . . . . . . . . . . ...945.27基于时间的旋转半径的第4天概率分布。... . . . ...955.28第四天个人旅行距离的概率密度函数。 . . . . . . . .955.29 Δ r的第4天概率分布|Δg. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...96B.1第5天直方图活动。 . . . . . . . . . . . . . . . . . . . . . . . . . . . ...120B.2第5天按活动间隔时间列出的活动。. . . . . . . . . . . . . . . . . . . . . . ...121B.3平均时间直方图中的第5天活动。... . . . . . . . . . . . . . . . . . . ...121图列表xiiΔ|ΔΔ|ΔΔ|ΔB.5第5天直方图距离。................................................................................................122B.6第5天按事件间隔时间划分的旅行距离。............................................................123B.7第5天回旋半径直方图。........................................................................................123B.8旋转半径的第5天概率分布。................................................................................124B.9基于时间的旋转半径的第5天概率分布。............................................................124B.10 第5天个人旅行距离的概率密度函数。................................................................125B.11 RG125的第5天概率分布B.12 第7天直方图活动。................................................................................................126B.13 第7天按活动间隔时间列出的活动。....................................................................126B.14 平均时间直方图中的第7天活动。........................................................................127B.15 平均时间内的第7天活动。....................................................................................127B.16 第7天直方图距离。................................................................................................128B.17 第7天按事件间隔时间划分的旅行距离。............................................................128B.18 第7天回旋半径直方图。........................................................................................129B.19 旋转半径的第7天概率分布。................................................................................129B.20 基于时间的旋转半径的第7天概率分布。............................................................130B.21 第7天个人旅行距离的概率密度函数。................................................................130B.22 RG131的第7天概率分布B.23 第14天直方图活动。..............................................................................................131B.24 第14天按活动间隔时间列出的活动。..................................................................132B.25 平均时间直方图中的第14天活动。......................................................................132B.26 第14天平均时间内的活动。..................................................................................133B.27 第14天直方图距离。..............................................................................................133B.28 第14天按事件间隔时间划分的旅行距离。..........................................................134B.29 第14天回旋半径直方图。......................................................................................134B.30 旋转半径的第14天概率分布。..............................................................................135B.31 基于时间的旋转半径的第14天概率分布。..........................................................135B.32 第14天个人旅行距离的概率密度函数。..............................................................136B.33 第14天RG136的概率分布B.34 第15天直方图活动。..............................................................................................137B.35 第15天按活动间隔时间列出的活动。..................................................................137B.36 平均时间直方图中的第15天活动。......................................................................138B.37 第15天平均时间内的活动。..................................................................................138B.38 第15天直方图距离。..............................................................................................139B.39 第15天按事件间隔时间划分的旅行距离。..........................................................139B.40 第15天回旋半径直方图的概率分布。..................................................................140B.41 第15天旋转半径的概率分布。..............................................................................140B.42 基于时间的旋转半径的第15天概率分布。..........................................................141B.43 第15天个人旅行距离的概率密度函数。..............................................................141B.44 Δ r的第15天概率分布|Δg...................................................................................... 142十三表列表4.1无敌舰队数据库描述。............................................................................................465.1Armada DB记录根据天数进行分类。................................................................... 64十四算法列表1按事件间隔时间划分的活动和位移的概率分布_Part1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...671. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...681. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...692旋转半径的概率分布-第1部分。.............................................................................. 752. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...763真实和估计的个人轨迹881第一章引言1.1问题陈述。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...21.2目标。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...31.3贡献 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ...41.3.1分析和表示 . . . . . . . . . . . . . . . . . . . . . ... ...51.3.2建模和仿真。 . . . . . . . . . . . . . . . . . . . . . . ... ...61.4论文的组织。 . . . . . . . . . . . . . . . . . . . . . . . . . ... ...72第一章。简介2问题陈述本文利用手机数据研究了短暂事件期间城市环境中的人员流动性。它分析了从移动通信网络收集的数据。在研究城市中的特定事件时，可能会提出许多问题，例如：城市如何根据人类的流动性形成脉动的地方？Indi-viduals是如何在城市中进行日常活动的？城市结构是否更好地适应了这些人类流动性？我们是否能够确定城市内的一些常见的个人流动[C H14]，以揭示具体的用途，以及如何更有效地支持它们？这些集体流动性是造成拥堵还是交通堵塞？在一个不寻常的事件中，城市生活的脉搏是如何重新组织的？如何管理一些特定的事件，如concerts或体育赛事，以控制人群的流动？在这些特定事件[And10]期间，城市生活的动态模式有哪些波动如何在正确的时间获得正确的信息以处理安全问题？如何更好地理解人类在平时和非平时的移动行为？[Dar13，Rob15]所有这些问题都需要分析城市组织和公民行为的许多方面。在本研究中，我们不会详细回答所有这些问题，但我们将解释如何解释移动电话轨迹产生的大量数据，以提供相关信息，从而引发对这些复杂问题的具体思考。Hence将使地方政府和服务设备更容易以高效率的响应来分析事件。因此，城市中的任何异常或紧急事件都可以在适当的时间得到处理。移动电话可以被认为是跟踪每个人的地理定位设备[Yua 13]。它们被认为是世界上传播最广和最受欢迎的通信设备，因此它是几乎所有人的亲密朋友，并一直陪伴着他们。移动存在是指物理个体的存在，移动空间行为是指城市地区的动态行为。移动电话数据有几个方面，有很多迹象可以揭示人类的移动模式。这些模式以不同的时间和距离尺度[Cha 10a]为特征，反映了长距离或短距离/时间尺度上的每日昼夜节律，以理解个体、流行病和疾病的全球或局部传播。等等[YAN11，Oll13，Chr13b]。毫无疑问，移动电话数据集为城市规划的新范式铺平即从实时传感器收集城市数据（实时城市），并突出beha-vior分析和时空数据挖掘。众所周知，城市结构对城市规模的流动模式有很