[發(fā)明專利]一種針對(duì)手機(jī)基站定位數(shù)據(jù)的可視分析系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710247760.6
• 申請(qǐng)日: 2017-04-17
• 公開(kāi)（公告）號(hào): CN106971001B
• 公開(kāi)（公告）日: 2020-04-03
• 發(fā)明（設(shè)計(jì)）人: 李海生;宋璇;黃媛潔;蔡強(qiáng);李楠
• 申請(qǐng)（專利權(quán)）人: 北京工商大學(xué)
• 主分類號(hào): G06F16/29
• 分類號(hào): G06F16/29;G06F16/28;H04L12/26;H04W4/02
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 楊學(xué)明;顧煒

1.一種針對(duì)手機(jī)基站定位數(shù)據(jù)的可視分析系統(tǒng)，其特征在于：包括數(shù)據(jù)預(yù)處理模塊和可視化模塊；

所述數(shù)據(jù)預(yù)處理模塊，對(duì)手機(jī)定位基站定位得到的數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)統(tǒng)計(jì)，得到預(yù)處理后的數(shù)據(jù)集；所述數(shù)據(jù)集包括手機(jī)定位數(shù)據(jù)集和基站信息數(shù)據(jù)集，手機(jī)定位數(shù)據(jù)集包括手機(jī)用戶的唯一標(biāo)識(shí)、信令產(chǎn)生的時(shí)間、以及用戶所在基站的編號(hào)；基站信息數(shù)據(jù)集包括基站編號(hào)和基站所在地點(diǎn)經(jīng)緯度；

所述可視化模塊，對(duì)數(shù)據(jù)預(yù)處理模塊處理后的數(shù)據(jù)集分別進(jìn)行基站可視化處理、基站間人群流向可視化處理、基于基站的人群流動(dòng)模式可視化處理和基于時(shí)間步的人群流動(dòng)模式可視化處理；基站可視化處理采用基于地圖分別率的層次聚類算法對(duì)基站進(jìn)行聚類，得到聚類結(jié)果；根據(jù)聚類結(jié)果，在地圖上根據(jù)不同的縮放級(jí)別對(duì)基站進(jìn)行可視化；基站間人群流向可視化處理繪制流向圖，對(duì)不同時(shí)刻人群的流動(dòng)方向及流量大小進(jìn)行可視化；基于基站的人群流動(dòng)模式可視化處理計(jì)算各個(gè)基站聚類每個(gè)時(shí)間步的凈流入人數(shù)，通過(guò)繪制南丁格爾玫瑰圖，對(duì)每個(gè)基站聚類一天中各個(gè)時(shí)間段的人數(shù)變化情況進(jìn)行可視化；基于時(shí)間步的人群流動(dòng)模式可視化處理根據(jù)每個(gè)時(shí)間步對(duì)應(yīng)的基站聚類間人群流量大小，對(duì)時(shí)間步進(jìn)行聚類，得到人群流動(dòng)模式相似的時(shí)間步被聚為一類，并用圖進(jìn)行可視化，能夠幫助分析不同時(shí)間步之間的關(guān)系；

所述可視化模塊中，基站可視化處理具體包括以下步驟：

(1)根據(jù)不同的地圖分辨率R＝{r₁,r₂,…,r_n}，設(shè)置不同的地圖縮放級(jí)別L＝{l₁,l₂,…,l_n}，展示不同分別率的地圖，設(shè)計(jì)一種基于地圖分別率的層次聚類算法，對(duì)基站進(jìn)行聚類，所述聚類算法描述如下：

step1：有m個(gè)基站，設(shè)B＝{b₁,b₂,…,b_m}為所有基站的集合，設(shè)置n個(gè)地圖縮放級(jí)別，以下簡(jiǎn)稱為n層，每層對(duì)應(yīng)的分辨率R＝{r₁,r₂,…,r_n}，設(shè)置一個(gè)常量c，每層的聚類間最小距離d_i＝c*r_i，即距離超過(guò)d_i的基站將不聚為一類，設(shè)每層的聚類結(jié)果為H＝{h₁,h₂,…,h_n}，h_i是在第i層的聚類結(jié)果，初始化H為空集；

Step2：計(jì)算第1層的最大相似距離d₁＝c*r₁，采用凝聚層次聚類算法對(duì)B進(jìn)行聚類， 對(duì)初始的基站集合B中m個(gè)基站作為m個(gè)簇，將距離小于d₁的最近的兩個(gè)簇聚為一類，然后更新集合B，此時(shí)集合內(nèi)簇的個(gè)數(shù)為m-1；對(duì)更新的集合B中繼續(xù)將距離小于d₁的最近的兩個(gè)簇聚為一類，再更新集合B，此時(shí)集合內(nèi)簇的個(gè)數(shù)為m-2；重復(fù)上述步驟，直至所有簇間距離均大于d₁，最終聚類結(jié)果為h₁；

Step3：計(jì)算第2層的最大相似距離d₂＝c*r₂，采用相同凝聚層次聚類算法對(duì)上一層的結(jié)果h₁進(jìn)行聚類，結(jié)果為h₂；

Step4：計(jì)算第i層的最大相似距離d_i＝c*r_i，采用相同凝聚層次聚類算法對(duì)上一層的結(jié)果h_i-1進(jìn)行聚類，結(jié)果為h_i；

Step5：重復(fù)step4直到得到所有層的聚類結(jié)果；

(2)根據(jù)聚類結(jié)果，在地圖上根據(jù)不同的縮放級(jí)別對(duì)基站進(jìn)行可視化，包括如下操作：

(21)采用聚類中包含的所有基站的坐標(biāo)平均值作為該基站聚類的坐標(biāo)，計(jì)算該聚類所包含的基站數(shù)量，在基站圖標(biāo)上顯示出具體數(shù)值；

(22)根據(jù)所選時(shí)段中，該基站聚類的流入人數(shù)多于流出人數(shù)，或流出人數(shù)多于流入人數(shù)，采用不同顏色進(jìn)行區(qū)分；

(23)采用多視圖協(xié)同的可視化方法，對(duì)于某個(gè)基站聚類，繪制折線圖表示基站聚類流入、流出及當(dāng)前時(shí)刻總?cè)藬?shù)隨時(shí)間的變化。