蜂窝通信定位网络
徐州现状轨道交通网络
由于信令原始数据是以每个手机用户为记录单元，其自身样本量巨大，直接对其进行可视化通常情况下无法得到清晰、直观的结果，也基本无法实现较好的定性、定量化分析，如下图所示。
手机信令原始数据下的OD期望线
因此，在获取信令数据后，需要在数据清洗的基础上，结合自身项目需要对数据进行一定程度的集计，一般情况下可以街道、行政区、组团等为统计单元。下图即为以街道为单位对徐州市信令数据进行集计后的OD分布情况。
人口密度与岗位密度是各类规划分析的一项重要指标。基于手机信令的职住识别模型及驻留点识别模型，可以实现对特定人群的空间活动特征辨识。通过对城市不同人群的空间活动规律与出行目的偏好的挖掘，可有效观测特定人群在城市中的空间集聚规律，聚集偏好（高热度出行目的地），城市功能的需求热度（高热度的公共服务用地）等。
徐州居住人口分布密度图
城市空间结构的不均匀特征，导致职住比在不同区位呈现差异性。而通过手机信令数据对区域人口及岗位的辨识，也可以实现对各区域（包含轨道站点周边）的职住比计算。
徐州城区职住比栅格图
利用手机信令数据，可以得到全网各车站的客流吸引范围。以徐州客流吸引力图为例，现阶段徐州轨道客流吸引集中在以彭城广场为核心的老城区，外围线路呈现单点集中，铜山区目前轨道交通出行未形成规模。
徐州轨道站点客流吸引力
利用手机信令大数据在轨道站点的集计模型，同样可以实现对各站点OD分布的分析。下图为徐州早高峰8:00-9:00时段，基于信令数据下的各站点间的OD分布图。当然，判断单个样本是否乘坐轨道交通不仅与其出行起讫点和轨道站点的距离有关，还受到轨道交通自身效率、接驳服务质量等因素影响。
徐州轨道站点服务对象切片
轨道各站点间OD
因信令数据具备空间解析度高以及样本量大的特征，对于掌握城市居民平均出行距离的计算具备一定优势。下图为利用python对信令数据初步处理后的数据列表，包含样本起讫点与就近轨道站点的距离，以及每个样本出行的出行距离。
徐州职住比栅格图
根据《城市综合交通体系规划标准》(GB/T51328—2018)，800米为轨道交通车站直接服务范围的半径。根据信令数据的分析，目前徐州市轨道交通800m范围内集中客流占比达到88.5%。
徐州轨道交通出行服务范围占比（以出行起点为判定）
居民平均出行距离（以栅格平均）
以手机信令数据获取的OD为基础，利用TransCAD即可实现对徐州市城区范围内各廊道的交通量状况（路网参数需合理），这不仅可以为综合交通规划、公共交通规划等宏观规划做有力支撑，在城市道路优化、交叉口改善、交通组织等微观领域，也有其发力之地。
基于手机信令数据的交通廊道分配图
不仅如此，也可以根据片区划分，单独分析某一个组团或者片区的对外交通量，下图即为以徐州老城区为分析单元的对外交通量分配情况。可看出，徐州老城与坝山片区、新城区的交通联系紧密。
针对徐州老城区的对外交通廊道分配图及OD期望线
通常情况下，区域的开发强度与人口及岗位密度有直接的关系。基于手机信令数据对人口及岗位的分布状况进行辨析后，结合现状用地建设情况也可以实现对区域开发强度的分析。
徐州市开发强度图（栅格）
