[發明專利]一種針對時空序列數據的群體熱點區域分析方法

有效

• 申請號: 201710365452.3
• 申請日: 2017-05-22
• 公開（公告）號: CN107291816B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 桂小林;代兆勝;戴慧珺;鄭怡清;冀亞麗;楊廣知
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F16/9537
• 分類號: G06F16/9537
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 陸萬壽

本發明公開一種針對時空序列數據的群體熱點區域分析方法，首先考慮速度，距離等因素，在原始位置點的基礎上得到了群體熱點區域，但是得到的熱點區域并不具有時間關聯性，這樣不能很好地滿足研究者的要求，所以提出了一種動態調整合并的劃分時間的方法進行時間相關的熱點區域構建方法，即在掃描整合群體熱點區域的時候，按照時間維度為基準維度，對每一個時刻進行人數統計，滿足要求的則記錄在表中，統計完之后，再使用線性時間就可以把當前熱點區域劃分為具有時間相關的熱點區域。這樣就能從更深層次研究群體用戶的行為特征，分析出相關規律。本發明對時空多維數據進行數據分析，從而為空間大數據的隱私保護提供了基礎支持，具有廣泛的應用前景。

技術領域

本發明屬于用戶群體時空數據聚類特征分析領域，特別涉及一種針對時空序列數據的群體熱點區域分析方法。

背景技術

空間大數據由于涉及用戶身份、時間、空間位置(如經度、緯度和海拔)等多元信息，是一種典型的符合時空特征的高維數據集合。在這種時空綜合的高維數據中，時間、用戶、位置三者之間密切關聯，使用傳統的高維數據降維算法，不能很好的進行降維處理，并且位置信息包括的經度、緯度、海拔特性和時間雖然有一定的聯系，但是沒有具體的度量指標來把這幾種特性進行連接，而且相關領域的研究工作只是簡單地對時間過濾然后進行空間聚類，不能直接用來進行移動用戶的群體特征分析。Alijamaat A等人提出了基于新型兩階段聚類算法的聚類集成方法，并且結合分割和合并技術克服現有的聚類集成技術將小聚類與大聚類技術合并，最后去除那些小聚類存在的問題。Ch S等人提出了一種基于快速聚類的特征選擇算法(FAST)生成相關獨立特征的子集，結果表明，該算法不僅降低了高維數據的維度，而且提高了分類算法的性能。Yi J等人提出了一種能用一個傳過來的數據估計稀疏聚類中心的高效聚類算法，該算法能夠準確地恢復聚類中心。但是多維用戶數據因為內部的經度、維度、海拔、時間等多維屬性存在某種內部的聯系，導致了不能直接降維處理。由此可見，高維時空數據的聚類分析對目前的算法提出了很大挑戰，迫切需要提出一種快速高效的針對時空數據聚類的高效算法，以支持空間大數據的群體特征分析與提取。

發明內容

本發明的目的在于提供一種針對時空序列數據的群體熱點區域分析方法，以解決上述技術問題。

為實現上述發明目的，本發明采取如下技術方案：

一種針對時空序列數據的群體熱點區域分析方法，包括以下步驟：

步驟1、個人停留點構建；

步驟2、個體停留區構建；

步驟3、群體停留區構建；

步驟4、基于時間分割的時間相關群體熱點區域構建。

進一步的，步驟1具體包括：

1.1、讀取一段時間內某個固定區域的全體用戶的位置信息L_ij；其中i＝1,2,3…表示人數，j＝1,2,3…表示某一個采樣時刻，M_i表示人的身份標識ID；

1.2、對于用戶M_i，掃描該用戶的原始位置點L_ik，如果就把L_ij和L_i(j+1)合并為一個停留點P_ik，否則說明當前時刻的用戶速度過快，不算停留點，繼續下一個采樣時刻掃描；k＝1,2,3...表示停留點的序列號標識，δ_v表示速度閾值；定義P_ib為個人停留點集合；

1.3、對于每一個停留點集合P_ib，對集合里面的所有停留點P_ik所對應的原始位置點坐標進行平均化得到停留點P_ik對應的平均坐標

進一步的，步驟2具體包括：