[發明專利]一種基于LDA模型的地鐵站點功能挖掘方法

有效

• 申請號: 201710817833.0
• 申請日: 2017-09-13
• 公開（公告）號: CN107656987B
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 孔祥杰;夏鋒;付振寰;郭昊塵;王進忠
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06Q50/26;G06K9/62
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

1.一種基于LDA模型的地鐵站點功能挖掘方法，其特征在于，步驟如下：

(1)收集地鐵客流數據作為乘客出行模式矩陣，收集地鐵POI數據作為POI相對含量矩陣；

(2)以乘客出行模式矩陣和POI相對含量矩陣為輸入，應用LDA主題模型挖掘站點靜動語義；

(3)移動語義挖掘與位置語義挖掘

a)將所有站點的出行模式的頻率通過一個形為m*n的矩陣M_sp來表示，其中m為站點的總數目，n為所有可能出現的出行模式的總數目；

b)將站點出行模式矩陣M_sp作為LDA的輸入，得到一個m*k的站點功能矩陣，其中，k為潛在功能的數目，k設為20；

c)建立一個m*t的站點POI矩陣M_SPOI，其中m為站點的數目，t為POI類別標簽數目；

d)對矩陣M_SPOI的每一列進行min-max標準化，以將每個POI類別的數值映射到0至1之間，具體公式如下：

其中，min(M_SPOI[,j])表示矩陣第j列的最小值，max(M_SPOI[,j])表示第j列的最大值；i＝1,2,3,…,m；j＝1,2,3,…,t；

(4)聯合步驟(3)所得移動語義及位置語義，提取每個站點的功能特征向量，得到站點功能矩陣F

a)將移動語義與位置語義作為站點兩大特征，得到一個m×2k的矩陣M_SF，其中m為站點的總數目，k為潛在功能的數目；

b)對M_SF按列進行Z-Score標準化處理，計算方法如下：

其中μ_j為M_SF第j列的期望，σ_j為M_SF第j列的方差；

c)使用稀疏主成份分析方法SPCA提取每個站點的功能特征向量，得到站點功能矩陣F；

(5)使用優化的K均值算法對站點的功能特征向量進行聚類

a)使用輪廓系數s來評估聚類性能，輪廓系數s通過以下兩個指標來計算：

指標a：一個樣本點和同一聚類中所有其他樣本點的平均距離，反映了簇內凝聚度；

指標b：一個樣本點和離其最近的聚類中所有樣本點的平均距離，反映了簇間分離度；

對于一個樣本的輪廓系數計算公式為：

b)使用KMeans++的聚類中心選取方法來代替原始K均值算法隨機選取初始聚類中心的方式，步驟如下：

A.從樣本集中隨機選取一個點作為第一個聚類中心；

B.重復以下步驟，直至生成k個聚類中心：

①計算樣本集中每個樣本點x_i和與之最近的已有聚類中心之間的距離d_i；

②選取一個新的聚類中心，選擇時每個點x_i被選中的概率與d_i成正比；

c)以這k個點為初始聚類中心執行K均值算法；

對站點功能矩陣F聚類，得到M個聚類中心向量μ_i，每個簇都是具有某種相同功能站點的集合；

(6)從多個角度分析站點功能標識，確定站點功能

a)類間客流轉移：

分析類間不同時段的出入客流量特征以進行類型標注；在時間段t內由聚類c_i中站點到達聚類c_j中站點的平均客流量為這段時間內由聚類c_i到達聚類c_j的客流量總數除以兩個聚類包含站點數的積；

b)地理功能占比分布：

統計一個站點類別內平均每個站點所含有的POI數目占全市總數目的百分比，以分析出每個類別的功能；第i種POI標簽點在站點分類j的地理功能占比其中n_i為所有i類POIs的數目，n_j為j類站點的數目，n_i,j為j類站點所在地區內所有i類POIs的數目；

c)簇間相似度：

根據已經獲得的M個聚類中心向量μ_i，計算簇間余弦相似度矩陣M_S，M_S是一個M×M的方陣，其中每個元素M_S.m_i,j的具體計算方法如下：

M_S.m_i,j＝cos＜μ_i,μ_j＞

在進行站點功能標識時，簇間相似度越大的兩個簇承擔的功能就越相似。