通过可视化手机密度规划消防救援服务外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

通过可视化手机密度规划消防救援服务

Jukka M. Krisp

摘要：本文重点讨论的是如何计算和利用可视化的手机密度，并将其应用在芬兰赫尔辛基的消防和救援服务当中。以及研究人口分布（随着时间的推移）和人口密度热点之间的关系来更好的进行应急准备和更有效的分配火灾和救援服务。当前的数据仅限于普查数据，并且受限于其时间维度。从手机位置上获取的数据具有较高的时间和空间维度，并且更适合于研究人口密度热点随着时间的推移呈现变化的问题。我们将人口密度视为一个连续的表面，使用核密度估计，并将其可视化为“景观”来方便对密度分布的理解，这在火灾和救援服务的规划中具有特别重要的意义。

1.引言

人口密度可视化的问题是：它在小距离上变化很大，人口密度的连续表面表示已经被证明在人口分布的可视化和分析方面是具有优势的。Wood在1999年的研究已经研究了这些表面的可视化并且使用景观“隐喻”作为一种理解数据的方式。他们的案例是基于伦敦人口普查的数据，但是受到了空间和时间维度的限制。 因此，我们的想法是找到一种数据可以使我们能够可视化的改变当地人口密度。Kwan调查了很多人类的每日行为，这些行为涉及旅行和所有在家的活动。他得出的结论是，应用可视化能够揭示不同人口的时空活动模式与城市环境相关的许多重要特征。然而，高度动态的位置数据的可用性似乎是一个问题，因为随着时间的推移，人口的活动和模式变化很快。

基于手机的人口密度计算或许是克服使用人口普查数据时发生的空间和时间限制的一种方法。在芬兰，我们可以假设大多数成年人都随身携带手机。芬兰统计局评估芬兰2006手机用户数，并且结果是手机普及率接近95%，另外正在进行的研究使我们能够对包括的参数等来估计手机的穿透性和使用中的不确定性。在不同的国家，这些参数可以被修改为当地的条件。

为了向移动用户提供良好的信号覆盖，网络运营商已经在芬兰安装了移动电话接收器和发射机，称之为基站。由于赫尔辛基等城市的用户数量众多，基站网络尤为密集。基站的位置形成一个神经网络，每个发射器位于神经的中心。根据需要的位置和覆盖范围，神经的尺寸从几米到几公里不等，正如White等所指出的，对于手机来说，一定要知道它在整个网络上的位置，这样当有人打电话时，网络就能找到它。 当电话接通时，大约每隔15分钟它就利用最近的基站进行检索，信息在第二秒内收集到电话与网络的联系，这个强大的信息被称为“交换位置”的信息，它可以代表一个很大的区域。当电话呼叫或接收呼叫时，电话就开始和结束增加与网络运营商记录，随着通话时间的长短而计费。对于该计费数据，位置更准确，并且与小区相关，而不是任意位置。当用户正在拨打或接收呼叫时，可以从手机收集数据。被呼叫的电话将有更大的样本数量，但这些手机的位置数据不太准确。Roos的研究表明：跟踪个人手机位置是一个广泛的研究领域。正如Zhao所说，找到移动电话的准确位置是3G移动通信系统最重要的特征之一，许多有价值的基于位置的服务可以通过这个新的特性来实现。在研究中似乎有一种趋势是尽可能准确地确定手机用户的个人位置，以此来提供详细的基于位置的服务。我们建议，最初根据基站的密度，跟踪个别电话是不好的。为了实现粗略的但又足够精确的人口密度图，使用基站记录是可以的，此外，这种方法将更好地保护个人电话位置的隐私。如今隐私问题正在发展成一个涉及人权和社会责任的研究领域。Dobson和Fisher从GIS社区内部发出警告，我们如今面临的挑战是发展保障措施，同时要允许合法的使用，还要防止滥用。他们主要处理来自GPS的风险，但是来自其他移动位置感知设备（如手机）的风险仍然存在。在美国和欧洲的法律背景下，笔者调查了他们所谓的“地理信息”和其他位置信息的滥用情况发现在世界其他地区，滥用的危险更难以预防。

在calabreme的一项研究中，在手机的实时跟踪中创建一个试点应用。该项目使用的是某意大利公司的软件平台，该平台基于对手机动作的匿名监控，对统计指标进行实时评估;特别是这个平台被用来获取一组描述车辆交通状况和行人移动情况的地图。该装置在2006年秋季在罗马市中心纳入，用来显示手机使用的实时可视化。在另一项研究中，Rein Ahas和Ular Mark追踪了300名用户的手机进行“社交定位方法”分析，通过调查并结合基于手机位置的时空数据以及来自调查的人口和社会数据，他们在爱沙尼亚创建了一个社会空间地图。使用移动定位数据的调查方法利用手机的位置坐标和手机持有者的个人特征来分析时空的移动。Ahas和Mark使用反距离权重插值和核密度估计的方法进行空间分析。图1显示了爱沙尼亚研究区域的三维表面，其结果整合了爱沙尼亚整个地区与漫游电话相关的旅游业信息。

先前对火灾和救援服务任务的研究显示了长时间内在同一地点重复出现的模式，该事件数据集具有动态的时间和空间维度。因此，事件点和移动电话位置的空间行为是相似的。我们可以想到一些应用领域，例如可以使用局部地区的实时人口密度估计，运用在军事准备或疏散计划。

图1 爱沙尼亚漫游呼叫的空间分布，2004年1月4日至2005年8月31日每月网络呼叫次数

1. 通过更好的人口密度评估加强公民保护

芬兰国防部队和火灾救援服务的当前规划的工具是基于人口普查和其他社会经济数据来进行人口密度估计，使用这种方法，可以选择一个事件和时间，然后建立一个复杂的人口模型来确定这个事件点建筑物中可能的人数。在赫尔辛基地区，芬兰消防救援服务中已经建立了一些风险模型。然而，这些模型并没有详细显示人口随时间的位置变化。因此，在某些情况下，这可能导致重大的后果和不太有效的规划与资源分配。在紧急情况下，应用时空人口建模技术和决策可以很好的改进现有的事故风险模型。

1. 通过计算手机密度支持赫尔辛基消防救援服务

使用手机的位置信息的时候可以通过更好的规划和更好的现场管理来提高消防和救援服务的效果。在第一种情况下，基站记录可以通过提供关于事件现场的人口密度信息来帮助规划。此外，估计在紧急现场周边的手机数量可以更好的进行现场管理。社会上拥有手机的数据可以加强对临近消防的准备，并且在一段时间内对当地的人口分布进行调查，这对于消防、救援服务和其他民事保护非常有用，日志文件也为人口密度的状况提供了一个窗口。因此，只要具有足够数量的基站记录，即使没有实时跟踪个人手机，也可以提供具有高空间和时间维度的人口密度数据。

1. 方法

目前，空间数据可从Seutu-CD获得，它来自于赫尔辛基大都市区理事会（YTV）开发的产品。Seutu-CD包括建筑物登记数据和当前居民的信息。然而，主要的问题是基站数据不可用。我们最初的想法是使用基站记录，这意味着要记录在特定时间连接到特定基站的移动电话的数量。根据研究的区域和我们的调查，赫尔辛基的基站密度是足够高的，这样就可以计算相当详细的密度图。这种方法考虑了不同尺度上的空间变量和时间变量。到目前为止，还没有办法从网络运营商那里获取现有的数据。在某种程度上，数据可以从现有的移动定位技术中使用的项目里获得，但是数据的限制非常高，使得数据不能在其他调查中被共享或重新使用。我们正在努力，在不久的将来我们要在基于真实的数据进行调查。所以在这一点上，我们使用的是模拟数据，并将其用作理论数据集。

图2 通过利用手机位置信息进行规划和现场管理来加强对公民保护

1. 作为输入数据的模拟基站记录

赫尔辛基都市区委员会的数据仅限于普查数据，且受限于其时间维度。 因此，在本文中，我们的调查包括从手机位置获取的数据。这些数据具有高的时间和空间维度，并且可以用于显示人口密度热点随时间的变化。我们假设基站在一定时期记录并锁定在特定基站上或特定时间内的特定电话的数量。根据基站的密度和手机数量进行长时间的计算，就可以给出准确的人口密度结果。这些数据必须进行汇总，因为目前的隐私法使我们很难能够跟踪每个人。简单的方法是使用一个简单的模拟数据集。为了做到这一点，我们在图3中用黑点绘制了赫尔辛基中部地区的139个基站。

这些基站可以具有不同大小的重叠服务区域，并且手机可能被锁定在多个站中，但是基站主要用于电话服务。只有这些潜在的主要基站是值得关注的。锁定在基站中的潜在手机的数量随着时间的推移而变化，并且可以聚合成每小时的间隔。

图3 赫尔辛基市区显示模拟手机基站位置

1. 利用基站记录计算人口密度

可以考虑几种方法来对在各个基站中记录的固定值进行插值，与反距离权重法（IDW）相结合，其仅在移动的轨迹上产生浓度中心（热点）。因此，我们决定使用核密度插值（KDE）来估计潜在的人口密度。

采用核密度估计将人口密度视为一个连续的表面，并将其视为“景观”可以帮助我们对密度分布的理解，这对赫尔辛基消防和救援服务特别重要。核密度估计是检测点数据中热点的有效方法，其已被用于各种研究领域的热点检测。如犯罪分析，这种方法可以用来创建人口密度图，可视化的将人口密度作为一个表面。这可以给研究区域的人口密度空间分布提供一个很好的视觉印象。计算表面的确定参数包括带宽和网格大小。在一个指定的搜索半径利用移动三维函数访问每个单独的点，并计算内核半径内的每个点的权重，靠近中心的点权重更大，因此，靠近中心的点对细胞的总密度的值贡献更多。最后的网格值是通过求出每个位置的所有圆周表面的值来计算的。利用不同的带宽和网格大小参数的替代方案在以前的研究中已经测试过了。

1. 人口密度随时间变化的可视化

在这种情况下，带宽半径被设置为500米并且网格大小为25米，这样的参数设置被证明是很适合这块研究区域的。

图4显示了三个时间点的内核密度图。在以上情况下，潜在的人口密度从0:00到1:00 AM，1:00至2:00 AM，和2:00至3:00AM。人工测试数据显示在每一个小时内都有一批聚集的电话。这使我们有一系列的24个时间帧。随着时间的推移，计算锁定在特定主基站上的潜在手机的数量的密度使我们能够产生一种模型，这种模型可以随时间可视化的显示手机密度的变化。该示例可用于将动态模型替换成概念设计。

图4 赫尔辛基市中心锁定特定基站计算随时间推移手机的密度变化

然而，在这种情况下，它提供了管理中可能出现的数以百万计的事件，并且需要信息技术解决方案。这些潜在的问题对计算手机密度的可能性的影响将如何支持赫尔辛基市的消防和救援服务？一般来说，目前使用的行政区划中的人口普查数据是静态的并且不是很令人满意。我们提供的人口数据是更加动态的并且是经过后处理的结果。通过使用GIS程序，该过程可以提供对应于特定时间的静态人口密度图。目前，这些地图，从实用的角度来看，不存在一个高度动态和操作解决方案所需的现场管理。做这些目的是为了规划，他们可以考虑研究当前分析程序的风险，并且应该考虑用地理信息系统规划消防和救援服务操作。

1. 结论

在本文中，我们研究了将移动定位技术作为一种手段来收集人口密度数据，并且讨论了其应用的可能性最后给出了方法。一般情况下，基于手机来计算人口密度图，这对于救援人员了解一个地区有多少移动电话以及移动电话在危险地区使用的情况是非常重要的。在实际的危险中，我们仍然没有经验，也许更正式的模拟和实证调查将有助于填补这些方法的实际应用中的差距。

目前我们还不清楚如何来聚合数据使其接近实时值，也不知道什么样的汇总数据对赫尔辛基的消防和救援服务有用，以及将24小时作为周期是否有用？将他日日夜夜的作为时间框架是有益的吗？此外，问题就是计算的密度图是否反映了实时情况的程度，从而有助于火灾和救援服务。我们已经提出的方法取决于研究区域的规模、可用的数据和使用的目的。可能有其他方法来调查特定基站的服务区域，包括使用Voronoi图。

为了将人口密度信息集成到规划和现场操作中，使用基于移动电话的位置数据的计算密度而不是使用人口普查数据似乎是一个优势。在某些情况下，人口普查数据是基于一个地区的行政边界。这导致了规划中的问题，其并不能反映更大行政边界内特定子区域的实际情况。为了在地方层面上规划消防和救援服务，这需要一种工具使他们能够估计一个地区内的人数。这对于现场操作和在救援任务可能需要在一个更加接近实时的情况下进行，并且要按比例缩小的住房水平。接近火灾和救援服务的人口密度信息可包括手机拥有者的额外社会数据。然而，信息溢出需要避免，进一步的研究必须考虑消防和救援应急单位在任务期间需要些什么。

数据缺乏是一个主要问题。正如Jonathan Reades所言，“没有鼓励，网络所拥有的更为详尽的数据集将永远无法看到光明。”有较高数量和分布的基站的地区，也许使用基站记录而不是单个的电话记录可能会产生粗略但是足够高的人口密度结果。

在处理这类问题时，关注隐私问题是很重要的。在使用人口密度法显示人口密度的密度图中找不到单个的电话位置，无法识别单个用户。然而，一般来说，必须有一个持续的社会和政治团体来关注个人隐私和可能增加的安全性之间的平衡，以及这些应用程序可能提供的好处。 使用“历史”手机位置记录的密度计算代替个人“近实时”电话的位置也许是保护个人用户的位置隐私的一种比较好的方法。

1. 参考文献

R. Ahas, A. Aasa, S. Silm, and Margus Tiru, “Mobile Positioning Data in Tourism Studies and Monitorin

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24724]，资料为PDF文档或Word文档，PDF文档可免费转换为Word