How Waze uses crowdsourcing for better traffic data Waze 如何利用眾包獲得更好的交通數據

來源：數據觀

手機營運商數據

無論在國內還是國外，行動手機的營運商數據，作為一種軌跡數據，也已被廣泛用於各類研究和商業應用。

手機數據有兩種類型：基於信元塔的數據，主要包含小區塔流量和切換資訊；基於行動電話的用戶數據，通常包含匿名用戶ID、小區塔 ID，以及電話、位置、日期和時間的資訊。

目前，出於數據類型和研究目的的不同，用來處理和分析手機數據的方法，包括傳統的數據挖掘技術，如聚類方法和基於規則的算法，新技術有可視化工具，和複雜的機器學習方法。

手機數據在出行交通行為研究中，最基本的應用是檢測逗留(訪問)和提取出行次數。通常情況下，結合連續定位數據和歷史定位數據、計算個體在每個區域的定位頻率，可以檢測該用戶的停留情況。只需要手機使用的四個時空點，就能定義一個人的活動痕跡。

用戶的交通方式，可以使用蜂窩網路的數據，根據連接信號強度的波動變化率，做較粗略的估計。目前透過這類數據，可辨識的出行方式，主要包括停止、步行和機動車出行方式。

範圍更廣的交通方式，可以使用手機內置的 GPS 和運動感測器，採集更準確的定位和運動狀態資訊，判斷行駛速度和可能的方式。例如，利用智慧手機內置 GPS，和加速度感測器收集的數據，可以確定五種運輸方式，包括步行、跑步、騎自行車、停止、開車；區分八種出行方式，包括汽車、自行車、公共汽車、電車、火車、地鐵、步行、摩托車等。應用於上述數據分析的分類技術，包括決策樹分類器、隱藏的馬爾可夫模型、基於規則的分類器、人工神經網路、貝葉斯分類器等。

城市動力學研究，早已開始大規模使用手機數據。曾有一個名為「行動風景」的項目，使用手機數據可視化，展示了米蘭城市在時間和空間上的演化。