ИСТИНА

Согласно отчету Digital 2021 агентства We are social в мире насчитывается более 5.2 млрд. пользователей мобильных телефонов. Каждое такое устройство во время своего функционирования обменивается информацией о задержке и уровне сигнала с базовыми станциями. Данные с базовых станций могут быть использованы для определения местоположения устройств. Благодаря развитию техники в области коммуникаций и методов анализа данных в настоящее время для исследователей доступны данные о транспортных потоках между районами,о количестве людей, находящихся в районах по получасовым интервалам, а также данные транспортных потоков метрополитена.Нами проведен обзор современных методов обработки данных сотовых абонентов. Данный обзор включает не только методы для данных сотовых операторов, но и для других данных, порождаемых сотовыми телефонами,таких как данные акселерометров, GPS-приемников и Wi-Fi-передатчиков. Аномальные наблюдения во временных рядах, описывающих транспортные потоки, соответствуют важным социальным событиям. В нашем исследовании предлагается метод детектирования аномалий в транспортных потоках по данным сотовых операторов. Данный метод учитывает специфику данных такого типа, что позволяет уменьшить число ложных срабатываний. Решение было проверено на данных сотовых операторов Москвы. Метод показал хорошие результаты, все известные аномалии были выявлены корректно, ложных срабатываний не обнаружено. Результаты работы алгоритма могут быть использованы городскими властями при планировании массовых мероприятий в городе. Данные сотовых операторов содержат информацию о количестве людей, пребывающих в районе более получаса, а также данные о транспортных потоках метро. На основе этих данных были сформированы признаковые пространства,описывающие районы и связи между ними. В полученных признаковых пространствах была проведена кластеризация. В результате кластеризации районов был получен кластер жилых районов, кластер рабочих районов, а также три кластера, занимающих промежуточные положения. При кластеризации связей районов и территориальных единиц были получены некоторые кластеры соседей города Долгопрудного. Полученные результаты могут быть использованы при построении новых социальных объектов и усовершенствовании транспортной инфраструктуры городов.