Filtering and treatment methodology applied to cellular network signaling data for origin-destination matrix construction: application to Rhone-Alpes region
M. Fekih, P. Bonnel, Z. Smoreda, T. Bellemans, Angelo Furno, S. Galland
{"title":"Filtering and treatment methodology applied to cellular network signaling data for origin-destination matrix construction: application to Rhone-Alpes region","authors":"M. Fekih, P. Bonnel, Z. Smoreda, T. Bellemans, Angelo Furno, S. Galland","doi":"10.46298/cst.12183","DOIUrl":null,"url":null,"abstract":"Origin-Destination (O-D) matrices are a necessary input for transport planning to support both mobility modeling and analysis tasks. Several research works have investigated the possibility to compute O-D matrices from mobile phone data. However, most of these works rely on billing data (call detail records). In this paper, network signaling data is leveraged, and the advantages of this kind of data to produce O-D matrices are highlighted. A three-step algorithm based on data filtering, users’ home detection and sector-based expansion factors is proposed. Additionally, a validation step is included in order to compare the resulting O-D matrices with external sources of data. To that end, the latest travel survey data available for the Rhône-Alpes region (EDR) is exploited. The proposed approach for O-D construction generates a matrix structure and a number of trips that are close to the travel survey data. The regression analysis of the number of trips from mobile phone data with respect to the number of trips from EDR provides a coefficient of determination of 0.95, close to 1, and a small intercept value. In the last part of the paper, the limits of this work are addressed and discussed. And, future directions for improvement and extension are proposed.\n Les matrices origine-destination (O-D) sont nécessaires à la planification des transports que ce soit pour alimenter les travaux de modélisation ou l’analyse de la mobilité. De nombreux travaux ont été réalisés sur la production de matrices à partir des données de la téléphonie mobile. La plupart des travaux porte sur les données de facturation. Nous proposons dans ce papier de travailler avec des données de signalisation en soulignant l’avantage de ces données pour la construction des matrices de déplacements. Nous proposons un algorithme en trois étapes s’appuyant sur un filtrage des données, la détermination du domicile associé aux mobiles et l’estimation de facteurs d’expansion zonaux. Nous proposons une validation des données produites en les confrontant à des sources de données externes. Nous mobilisons pour cela les données de la dernière enquête déplacements en Rhône-Alpes (EDR). L’approche retenue pour la construction des matrices origine-destination génère un nombre de déplacements proches et des structures de matrice similaires. L’analyse des régressions du nombre de déplacements issus de la téléphonie mobile par les déplacements de l’EDR fournit des coefficients de détermination de 0,95 assez proches de 1 et une constante faible. Dans la dernière partie de l’article, nous abordons également les limites de ce travail en proposant des pistes d’amélioration et de prolongements.","PeriodicalId":391034,"journal":{"name":"Les Cahiers Scientifiques du Transport - Scientific Papers in Transportation","volume":"11 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Les Cahiers Scientifiques du Transport - Scientific Papers in Transportation","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46298/cst.12183","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Origin-Destination (O-D) matrices are a necessary input for transport planning to support both mobility modeling and analysis tasks. Several research works have investigated the possibility to compute O-D matrices from mobile phone data. However, most of these works rely on billing data (call detail records). In this paper, network signaling data is leveraged, and the advantages of this kind of data to produce O-D matrices are highlighted. A three-step algorithm based on data filtering, users’ home detection and sector-based expansion factors is proposed. Additionally, a validation step is included in order to compare the resulting O-D matrices with external sources of data. To that end, the latest travel survey data available for the Rhône-Alpes region (EDR) is exploited. The proposed approach for O-D construction generates a matrix structure and a number of trips that are close to the travel survey data. The regression analysis of the number of trips from mobile phone data with respect to the number of trips from EDR provides a coefficient of determination of 0.95, close to 1, and a small intercept value. In the last part of the paper, the limits of this work are addressed and discussed. And, future directions for improvement and extension are proposed.
Les matrices origine-destination (O-D) sont nécessaires à la planification des transports que ce soit pour alimenter les travaux de modélisation ou l’analyse de la mobilité. De nombreux travaux ont été réalisés sur la production de matrices à partir des données de la téléphonie mobile. La plupart des travaux porte sur les données de facturation. Nous proposons dans ce papier de travailler avec des données de signalisation en soulignant l’avantage de ces données pour la construction des matrices de déplacements. Nous proposons un algorithme en trois étapes s’appuyant sur un filtrage des données, la détermination du domicile associé aux mobiles et l’estimation de facteurs d’expansion zonaux. Nous proposons une validation des données produites en les confrontant à des sources de données externes. Nous mobilisons pour cela les données de la dernière enquête déplacements en Rhône-Alpes (EDR). L’approche retenue pour la construction des matrices origine-destination génère un nombre de déplacements proches et des structures de matrice similaires. L’analyse des régressions du nombre de déplacements issus de la téléphonie mobile par les déplacements de l’EDR fournit des coefficients de détermination de 0,95 assez proches de 1 et une constante faible. Dans la dernière partie de l’article, nous abordons également les limites de ce travail en proposant des pistes d’amélioration et de prolongements.
起点-目的地(O-D)矩阵是运输规划的必要输入,以支持机动性建模和分析任务。一些研究工作已经调查了从移动电话数据计算O-D矩阵的可能性。然而,这些工作大多依赖于计费数据(呼叫详细记录)。本文利用网络信令数据,突出了这种数据生成O-D矩阵的优势。提出了一种基于数据过滤、用户家庭检测和基于扇区扩展因子的三步算法。此外,还包括一个验证步骤,以便将得到的O-D矩阵与外部数据源进行比较。为此目的,利用了Rhône-Alpes地区(EDR)的最新旅行调查数据。建议的O-D构建方法生成一个矩阵结构和一些接近旅行调查数据的旅行。对来自移动电话数据的出行次数与来自EDR的出行次数进行回归分析,得出的决定系数为0.95,接近于1,截距值很小。在论文的最后一部分,对这项工作的局限性进行了讨论。并提出了今后改进和推广的方向。从起点到终点的矩阵(O-D)分析了运输过程的简化、运输过程的简化、运输过程的简化和运输过程的简化,我们将分析运输过程的简化。根据矩阵的生产情况,从交换的交换条件出发,从交换交换的交换条件出发,从交换交换的交换交换条件出发。La plupart des travaux porte sur les donunsames de facation。目前已有的建议是,将“电子文件”和“电子文件”与“电子文件”相结合,将“电子文件”与“电子文件”相结合,将“电子文件”与“电子文件”相结合。目前,已有的算法提出了三种方法,分别是:将三个渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口的渡口。目前,已有的研究建议验证了不变性的产品,以及不变性的外部来源。目前的行动是:收集和收集与电子交换和电子交换有关的电子交换和电子交换Rhône-Alpes(电子交换和电子交换)。从矩阵的原点到终点,从矩阵的原点到终点,从矩阵的原点到终点,从矩阵的相似点到矩阵的结构。我分析了关于交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换交换。根据第1条的规定,在拟议的限期和延长期限内,已放弃的限期限制了限期的限制。