Please wait a minute...
Advanced Search
数据分析与知识发现  2020, Vol. 4 Issue (7): 38-49     https://doi.org/10.11925/infotech.2096-3467.2020.0322
  专题 本期目录 | 过刊浏览 | 高级检索 |
基于移动终端位置数据的企业线下复工水平测算方法研究 *
聂磊1,傅娟2,易成岐2,杨道玲2()
1北京大学信息管理系 北京 100871
2国家信息中心大数据发展部 北京 100045
Measuring Enterprise’s Offline Resumption with Mobile Device Positioning Data
Nie Lei1,Fu Juan2,Yi Chengqi2,Yang Daoling2()
1Department of Information Management, Peking University, Beijing 100871, China
2Big Data Development Department, State Information Center, Beijing 100045, China
全文: PDF (1394 KB)   HTML ( 8
输出: BibTeX | EndNote (RIS)      
摘要 

目的】为更加及时、有效地量化测算突发公共事件后企业线下复工水平,提供可量化的数据结果支撑相关政策制定和落地实施。【方法】采用人工与自动化相结合的POI围栏圈定策略,获取931个样本区域内移动终端数量;基于企业生产经营范围内的移动终端位置数量测算复工水平;结合事实和相关数据对测算结果进行验证。【结果】2020年春节假期结束后初期,全国样本企业平均复工水平约为2019年同期的三成;截止到2020年2月底,样本企业已有约半数员工线下返回工作岗位。【局限】 实验样本数量相对较少,且数据分析维度有限。【结论】本研究所提方法符合突发公共事件后对复工水平动态监测的需要,测算结果有效性得到初步验证。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
聂磊
傅娟
易成岐
杨道玲
关键词 突发公共事件移动终端位置数据企业复工水平    
Abstract

[Objective] This paper quantifies the offline resumption level after public emergencies, aiming to provide data support for making and implementing policies.[Methods] First, we used manual and automated POI fence delineation strategies to obtain the number of mobile devices in 931 areas. Then, we measured the offline resumption levels based on the number of mobile devices within each company’s physical settings. Finally, we evaluated the measurements with facts and related data.[Results] We found that for days immediately following the Spring Festival 2020, the average level of offline resumption in the sampled companies was about 30% of that of the same period in 2019. At the end of February 2020, about half of the employees from the sampled companies returned to work offline.[Limitations] The sample size needs to be expanded.[Conclusions] The proposed method could dynamically monitoring offline work resumption after public emergencies.

Key wordsPublic Emergencies    Mobile Devices Data    Resumption Level
收稿日期: 2020-04-16      出版日期: 2020-07-25
ZTFLH:  G350  
基金资助:*本文系国家社科基金青年项目“使用大数据方法开展社会政策评估的探索性研究”(18CSH018);甘肃省循证医学与临床转化重点实验室专项资金资助的研究成果之一(GSEBMKT-2020YJ04)
通讯作者: 杨道玲     E-mail: ydl@sic.gov.cn
引用本文:   
聂磊,傅娟,易成岐,杨道玲. 基于移动终端位置数据的企业线下复工水平测算方法研究 *[J]. 数据分析与知识发现, 2020, 4(7): 38-49.
Nie Lei,Fu Juan,Yi Chengqi,Yang Daoling. Measuring Enterprise’s Offline Resumption with Mobile Device Positioning Data. Data Analysis and Knowledge Discovery, 2020, 4(7): 38-49.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2020.0322      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2020/V4/I7/38
Fig.1  总体研究路线
Fig.2  特定兴趣点区域范围内移动终端数量获取方法流程
Fig.3  人工圈定围栏示意图
Fig.4  将中心点坐标及辐射半径转换为监测网格示意图
Fig.5  2020年春节前工作日逐日设备总数标准化结果
Fig.6  2019年春节后逐日线下返岗率
Fig.7  2020年2月全国样本企业线下返岗水平测算结果
线下返岗率 省份数量 省份
[60%,80%) 8 甘肃、福建、吉林、陕西、山东、辽宁、云南、海南
[50%,60%) 9 江苏、青海、内蒙古、宁夏、安徽、贵州、浙江、湖南、江西
[40%,50%) 11 四川、山西、广东、河北、上海、广西、河南、天津、西藏、重庆、黑龙江
[20%,40%) 2 北京、新疆
[0%,20%) 1 湖北
Table 1  2020年2月28日各省样本企业线下返岗率分布
Fig.8  2020年2月全国及湖北样本企业线下返岗率
城市 指标 均值 全距 方差 Pearson相关系数
北京 线下返岗率 0.29 0.26 0.01 0.96
出行恢复度 0.34 0.21 0.00
重庆 线下返岗率 0.23 0.30 0.01 0.89
出行恢复度 0.41 0.21 0.01
上海 线下返岗率 0.27 0.34 0.01 0.99
出行恢复度 0.40 0.34 0.01
天津 线下返岗率 0.27 0.29 0.01 0.95
出行恢复度 0.36 0.22 0.01
Table 2  线下返岗率与出行恢复度对比
因变量 自变量 回归系数 标准误差 变量
P
模型
P
北京
线下返岗率
截距 -0.17 0.03 0.00 0.00
北京出行恢复度 1.35 0.10 0.00
重庆
线下返岗率
截距 -0.29 0.06 0.00 0.00
重庆出行恢复度 1.27 0.15 0.00
上海
线下返岗率
截距 -0.13 0.01 0.00 0.00
上海出行恢复度 0.99 0.03 0.00
天津
线下返岗率
截距 -0.25 0.04 0.00 0.00
天津出行恢复度 1.46 0.11 0.00
Table 3  线下返岗率与出行恢复度回归分析结果
省份 指标 均值 全距 方差 Pearson
相关系数
重庆 线下返岗率 0.23 0.30 0.01 0.93
城市交通活力恢复指数 0.09 0.15 0.00
上海 线下返岗率 0.27 0.34 0.01 0.96
城市交通活力恢复指数 0.18 0.26 0.01
Table 4  线下返岗率与城市交通活力恢复指数对比
因变量 自变量 回归
系数
标准误差 变量P 模型P
重庆线
下返岗率
截距 0.02 0.02 0.38 0.00
重庆城市交通活力恢复指数 2.32 0.22 0.00
上海线
下返岗率
截距 0.04 0.02 0.04 0.00
重庆城市交通活力恢复指数 1.30 0.09 0.00
Table 5  线下返岗率与城市交通活力恢复指数回归分析结果
[1] 冯兰芳, 周慧玲, 卢讯文. 全面职业康复服务对工伤环卫工的复工影响研究[J]. 中国康复, 2019,34(2):105-108.
[1] ( Feng Lanfang, Zhou Huiling, Lu Xunwen. Research on the Impact of Comprehensive Occupational Rehabilitation Services on the Reinstatement of Work-related Sanitation Workers[J]. Chinese Journal of Rehabilitation, 2019,34(2):105-108.)
[2] 舒甜, 白钟飞, 余丹, 等. 上海地区工伤患者复工特点及预测因素[J]. 中国康复医学杂志, 2018,33(2):206-210,214.
[2] ( Shu Tian, Bai Zhongfei, Yu Dan, et al. Characteristics and Predictive Factors of Resumption of Work-related Injuries in Shanghai[J]. Chinese Journal of Rehabilitation Medicine, 2018,33(2):206-210, 214.)
[3] 周慧玲, 黄琼, 马科科, 等. 现场工作分析评估对职业康复职工复工率的影响[J]. 中国康复医学杂志, 2017,32(11):1261-1264.
[3] ( Zhou Huiling, Huang Qiong, Ma Keke, et al. The Impact of Field Work Analysis and Evaluation on the Rate of Resumption of Vocational Rehabilitation Workers[J]. Chinese Journal of Rehabilitation Medicine, 2017,32(11):1261-1264.)
[4] 刘武忠, 王祖兵, 张雪涛, 等. 复工复产用人单位新型冠状病毒肺炎关键风险点评估[J]. 职业卫生与应急救援, 2020,38(2):138-141.
[4] ( Liu Wuzhong, Wang Zubing, Zhang Xuetao, et al. Evaluation on Key Risk Points for Prevention of COVID-2019 by Employers During Resumption of Work and Production[J]. Occupational Health and Emergency Rescue, 2020,38(2):138-141.)
[5] 胡越秋, 王军, 董泽华. 新冠肺炎疫情防控期间企业复工决策分析——基于行为经济学视角[J]. 统计与决策, 2020(5):157-160.
[5] ( Hu Yueqiu, Wang Jun, Dong Zehua. Analysis of the Decision to Resume Work During the Prevention and Control of COVID-19 Epidemic:Based on Behavioral Economics[J]. Statistics & Decision, 2020(5):157-160.)
[6] 李倩, 唐彪, Wu Jianhong, 等. 缓疫策略执行力与依从性对COVID-19后期疫情及复工影响的模型研究[J]. 陕西师范大学学报(自然科学版), 2020,48(3):1-6.
[6] ( Li Qian, Tang Biao, Wu Jianhong, et al. Mathematical Model Reveals the Influence of Execution and Adherence of Mitigation Strategies on the Later Period of COVID-19 and Resumption of Work[J]. Journal of Shaanxi Normal University (Natural Science Edition), 2020,48(3):1-6.)
[7] 王霞, 唐三一, 陈勇, 等. 新型冠状病毒肺炎疫情下武汉及周边地区何时复工?数据驱动的网络模型分析[J]. 中国科学:数学, 2020,50.DOI: 10.1360/SSM-2020-0037.
[7] ( Wang Xia, Tang Sanyi, Chen Yong, et al. When will be the Resumption of Work in Wuhan and Its Surrounding Areas During COVID-19 Epidemic? A Data-driven Network Modeling Analysis [J]. SCIENTIA SINICA Mathematica, 2020,50.DOI: 10.1360/SSM-2020-0037.)
[8] Shen L, Stopher P R. Review of GPS Travel Survey and GPS Data-Processing Methods[J]. Transport Reviews, 2014,34(3):316-334.
[9] 周超然. 基于大规模GPS轨迹数据的活动链信息分析方法研究[D]. 长春:吉林大学, 2017.
[9] ( Zhou Chaoran. Research on Methods of Activity-chain Information Analysis Based on Large Scale GPS Tracking Data[D]. Changchun: Jilin University, 2017.)
[10] Zheng Y, Chen Y, Li Q, et al. Understanding Transportation Modes Based on GPS Data for Web Applications[J]. ACM Transactions on the Web, 2010, 4(1): Article No. 1.
[11] Bohte W, Maat K. Deriving and Validating Trip Purposes and Travel Modes for Multi-day GPS-based Travel Surveys: A Large-scale Application in the Netherlands[J]. Transportation Research Part C: Emerging Technologies, 2009,17(3):285-297.
[12] 李浩, 王旭智, 万旺根. 基于位置数据的居民出行时空特征研究——以上海市为例[J]. 电子测量技术, 2019,42(19):25-30.
[12] ( Li Hao, Wang Xuzhi, Wan Wanggen. Research on Temporal and Spatial Characteristics of Residents’ Travel Based on Location Data-A Case of Shanghai[J]. Electronic Measurement Technology, 2019,42(19):25-30.)
[13] 杨彬彬. 基于手机信令数据的城市轨道交通客流特征研究[D]. 南京:东南大学, 2015.
[13] ( Yang Binbin. Research of Urban Rail Transit Passenger Flow Characteristics Based on Phone Signaling Data[D]. Nanjing: Southeast University, 2015.)
[14] Yuan J, Zheng Y, Xie X. Discovering Regions of Different Functions in a City Using Human Mobility and POIs[C] //Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2012: 186-194.
[15] Pan G, Qi G, Wu Z, et al. Land-Use Classification Using Taxi GPS Traces[J]. IEEE Transactions on Intelligent Transportation Systems, 2013,14(1):113-123.
[16] 申悦, 柴彦威. 基于GPS数据的北京市郊区巨型社区居民日常活动空间[J]. 地理学报, 2013,68(4):506-516.
[16] ( Shen Yue, Chai Yanwei. Daily Activity Space of Suburban Mega-community Residents in Beijing Based on GPS Data[J]. Acta Geographica Sinica, 2013,68(4):506-516.)
[17] 王贤文, 王虹茵, 李清纯. 基于地理位置大数据的京津冀城市群短期人口流动研究[J]. 大连理工大学学报(社会科学版), 2017,38(2):105-113.
[17] ( Wang Xianwen, Wang Hongyin, Li Qingchun. Location Based Big Data Analysis of the Short-term Population Flow of Beijing, Tianjin and Hebei Urban Agglomeration[J]. Journal of Dalian University of Technology (Social Sciences) , 2017,38(2):105-113.)
[18] 邬群勇, 裘钰娇. 微博数据位置信息反映台风灾情的有效性分析[J]. 测绘科学技术学报, 2019,36(4):406-411.
[18] ( Wu Qunyong, Qiu Yujiao. Effectiveness Analysis of Typhoon Disaster Reflected by Microblog Data Location Information[J]. Journal of Geomatics Science and Technology, 2019,36(4):406-411.)
[19] 史新颖. 面向灾害应急的手机信令数据快速聚类及受灾人口计算方法[D]. 南昌:东华理工大学, 2019.
[19] ( Shi Xinying. Rapid Clustering of Mobile Phone Signaling Data for Disaster Emergency and Calculation Method of Disaster Population[D]. Nanchang: East China University of Technology, 2019.)
[20] 丁亮, 钮心毅, 宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报, 2016,71(3):484-499.
[20] ( Ding Liang, Niu Xinyi, Song Xiaodong. Measuring the Employment Center System in Shanghai Central City: A Study Using Mobile Phone Signaling Data[J]. Acta Geographica Sinica, 2016,71(3):484-499.)
[21] 王德, 朱查松, 谢栋灿. 上海市居民就业地迁移研究——基于手机信令数据的分析[J]. 中国人口科学, 2016,36(1):80-89.
[21] ( Wang De, Zhu Chasong, Xie Dongcan. Research on Intra-city Employment Mobility in Shanghai:Based on Cell Phone Data[J]. Chinese Journal of Population Science, 2016,36(1):80-89.)
[22] 张天然. 基于手机信令数据的上海市域职住空间分析[J]. 城市交通, 2016,14(1):15-23.
[22] ( Zhang Tianran. Job-Housing Spatial Distribution Analysis in Shanghai Metropolitan Area Based on Cellular Signaling Data[J]. Urban Transport of China, 2016,14(1):15-23.)
[23] 李鹏飞. 基于手机信令数据的城市就业空间特征研究——以沈阳市为例[J]. 地理信息世界, 2019,26(1):25-30.
[23] ( Li Pengfei. Detecting the Spatial Characteristics of Urban Employment Using Mobile Phone Signaling Data:A Case Study of Shenyang City[J]. Geomatics World, 2019,26(1):25-30.)
[24] 金安, 程承旗, 宋树华, 等. 基于Geohash的面数据区域查询[J]. 地理与地理信息科学, 2013,29(5):31-35.
[24] ( Jin An, Cheng Chengqi, Song Shuhua, et al. Regional Query of Area Data Based on Geohash[J]. Geography and Geo-Information Science, 2013,29(5):31-35.)
[25] 曹浩泽. Geohash编码的周边查找算法优化[J]. 测绘地理信息, 2019,44(6):89-92.
[25] ( Cao Haoze. Optimization of Peripheral Search Algorithm Based on Geohash[J]. Journal of Geomatics, 2019,44(6):89-92.)
[26] 沈兵林. 基于Geohash的空间文本查询的研究[D]. 昆明:昆明理工大学, 2019.
[26] ( Shen Binglin. Research on Spatial Text Query Based on Geohash[D]. Kunming: Kunming University of Science and Technology, 2019.)
[27] 中国社会科学院语言研究所词典编辑室. 现代汉语词典 [M].第7版. 北京: 商务印书馆, 2016.
[27] ( Chinese Academy of Social Sciences. Modern Chinese Dictionary [M]. The 7th Edition. Beijing: Commercial Press, 2016.)
[28] 袁方. 社会研究方法教程[M]. 北京: 北京大学出版社, 2004.
[28] ( Yuan Fang. Social Research Methods Course[M]. Beijing: Peking University Press, 2004.)
[29] 陆娅楠. 政策密集出台对冲疫情影响[N]. 人民日报, 2020-02-25(6).
[29] ( Lu Yanan. Policy Intensive Introduction of the Impact of Hedge Epidemic [N]. People’s Daily, 2020-02-25(6).)
[30] 上海市政府办公厅. 上海市人民政府关于延迟本市企业复工和学校开学的通知[EB/OL]. ( 2020- 01- 17) [2020-03-06]. http://www.shanghai.gov.cn/nw2/nw2314/nw2315/nw43978/u21aw142 3601.html.
[30] ( General Office of Shanghai Municipal People’s Government. Notice of Shanghai Municipal People’s Government on Delaying the Resumption of Business and the Opening of Schools in this Municipality[EB/OL]. ( 2020- 01- 17) [2020-03-06] . http://www.shanghai.gov.cn/nw2/nw2314/nw2315/nw43978/u21aw1423601.html.)
[31] 浙江省人民政府办公厅. 浙江省人民政府办公厅关于延迟企业复工和学校开学的通知[EB/OL]. ( 2020- 01- 27)[2020-03-06]. http://www.zj.gov.cn/art/2020/1/27/art_1554467_41858317.html.
[31] ( General Office of The People’s Government of Zhejiang Provincial. Notice of General Office of Zhejiang Provincial People’s Government on Delaying the Resumption of Business and the Opening of Schools in this Municipality[EB/OL]. ( 2020- 01- 27)[2020-03-06]. http://www.zj.gov.cn/art/2020/1/27/art_1554467_41858317.html.)
[32] 北京市人民政府. 北京市人民政府关于在新型冠状病毒感染的肺炎疫情防控期间本市企业灵活安排工作的通知[EB/OL].( 2020- 01- 31)[2020-03-06]. http://www.beijing.gov.cn/zhengce/zhengcefagui/202001/t20200131_1622070.html.
[32] ( The People’s Government of Beijing Municipality. Notice of the Beijing Municipal People’s Government on Flexible Arrangements for Enterprises in This Municipality During the Prevention and Control of Pneumonia Epidemic Infected by New Coronavirus[EB/OL]. ( 2020- 01- 31)[2020-03-06]. http://www.beijing.gov.cn/zhengce/zhengcefagui/202001/t20200131_1622070.html.)
[33] 马玉姝. 因违规复工,淄博28家企业被责令停工!投诉举报方式在这里[EB/OL]. ( 2020-02-05) [2020-03-06]. https://baijiahao.baidu.com/s?id=1657669901646167084&wfr=spider&for=pc.
[33] ( Ma Yushu. 28 companies in Zibo were ordered to suspend work due to illegal resumption of work! Complaint reporting method is here[EB/OL]. ( 2020-02-05) [2020-03-06]. https://baijiahao.baidu.com/s?id=1657669901646167084&wfr=spider&for=pc.)
[34] 百度地图慧眼.城内出行强度[DB/OL].( 2020- 03- 04) [2020-03-05]. http://qianxi.baidu.com/.
[34] ( Baidu Map Smart Eyes. Travel Intensity in the City [DB/OL].( 2020- 03- 04) [2020-03-05]. http://qianxi.baidu.com/
[35] 滴滴. 城市交通活力恢复指数[DB/OL]. ( 2020-03-04) [2020-03-05]. https://sts.didichuxing.com/t-activity-index/.
[35] ( Didi. Urban Transport Vitality Recovery Index [DB/OL].( 2020-03-04) [2020-03-05]. https://sts.didichuxing.com/t-activity-index/.)
[1] 李晓, 曲建升. 元分析在社会科学领域的应用与进展述评*[J]. 数据分析与知识发现, 2021, 5(11): 1-12.
[2] 韩普, 张伟, 张展鹏, 王宇欣, 方浩宇. 基于特征融合和多通道的突发公共卫生事件微博情感分析*[J]. 数据分析与知识发现, 2021, 5(11): 68-79.
[3] 陈仕吉, 邱均平, 余波. 基于Overlay图谱的图情领域大数据主题分析*[J]. 数据分析与知识发现, 2021, 5(10): 51-59.
[4] 郑新曼, 董瑜. 基于科技政策文本的程度词典构建研究*[J]. 数据分析与知识发现, 2021, 5(10): 81-93.
[5] 王艳, 王胡燕, 余本功. 基于多特征融合的中文文本分类研究*[J]. 数据分析与知识发现, 2021, 5(10): 1-14.
[6] 范少萍,赵雨宣,安新颖,吴清强. 基于卷积神经网络的医学实体关系分类模型研究*[J]. 数据分析与知识发现, 2021, 5(9): 75-84.
[7] 徐良辰, 郭崇慧. 基于集成学习的胃癌生存预测模型研究*[J]. 数据分析与知识发现, 2021, 5(8): 86-99.
[8] 徐曾旭林, 谢靖, 于倩倩. 人才多元评价模型设计方法研究*[J]. 数据分析与知识发现, 2021, 5(8): 122-131.
[9] 张建东, 陈仕吉, 徐小婷, 左文革. 基于词向量的PDF表格抽取研究*[J]. 数据分析与知识发现, 2021, 5(8): 34-44.
[10] 朱侯,方清燕. 社会化媒体用户隐私计算量化模型构建及隐私悖论均衡解验证*[J]. 数据分析与知识发现, 2021, 5(7): 111-125.
[11] 谢豪,毛进,李纲. 基于多层语义融合的图文信息情感分类研究*[J]. 数据分析与知识发现, 2021, 5(6): 103-114.
[12] 岳名亮,李富山,汤宏波,吕新华,马廷灿. 期刊审稿专家一致性评价方法及其有效性验证 *[J]. 数据分析与知识发现, 2021, 5(4): 115-122.
[13] 张鑫,文奕,许海云. 一种融合表示学习与主题表征的作者合作预测模型*[J]. 数据分析与知识发现, 2021, 5(3): 88-100.
[14] 张金柱, 于文倩. 基于短语表示学习的主题识别及其表征词抽取方法研究[J]. 数据分析与知识发现, 2021, 5(2): 50-60.
[15] 李丹阳, 甘明鑫. 基于多源信息融合的音乐推荐方法 *[J]. 数据分析与知识发现, 2021, 5(2): 94-105.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn