[發明專利]一種不規則形狀的時空掃描聚類方法

在審

• 申請號: 201810720472.2
• 申請日: 2018-07-02
• 公開（公告）號: CN109190650A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 龍華;杜慶治;邵玉斌;張漪;粘冬曉
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種不規則形狀的時空掃描聚類方法，屬于時空大數據分析技術領域。在時空領域中獲取事例發生的實際地理位置坐標并將其轉化成SHP點圖層數據，對研究的空間區域進行面圖層劃分，形成正六邊形的單元網格，分析判斷點SHP和區域面圖層的關系計算涉及的單元網格中該類事例的發生量，求出研究區域內此類事例的平均發生量，找出事例發生量超過平均發生量的單元網格，使用蟻群聚類原理讓螞蟻依次從此類單元格出發獲取掃描聚類區域，研究事例基于泊松分布原理求出掃描區域內的最大對數似然函數比，使用蒙特卡羅法檢驗其聚集區域的聚類顯著性。

技術領域

本發明涉及一種不規則形狀的時空掃描聚類方法，屬于時空大數據分析技術領域。

背景技術

21世紀是互聯網時代，互聯網時代的到來造就了時空大數據，在生活中，許多領域事件的發生發展與時空分布緊密相關，將這些時空上大數據進行聚類綜合分析，根據不同的領域提出對應的應對方案，讓其提早做好想用的應對措施，大大的縮減了不必要的物資、勞力消耗，針對緊急事件為我們爭取到時間，提前做好應對措施，為建造和諧的社會添加了一道有效屏障。

發明內容

本發明要解決的技術問題是提供一種不規則形狀的時空掃描聚類方法，利用蟻群聚類原理尋找聚類區域，突破時空掃描窗口的限制，使得在進行時空掃描聚類時不再受窗口的限制，可以更加準確的獲取聚類區域形狀。

本發明的技術方案是：一種不規則形狀的時空掃描聚類方法，在時空領域中獲取事例發生的實際地理位置坐標并將其轉化成SHP點圖層數據，對研究的空間區域進行面圖層劃分，形成正六邊形的單元網格，分析判斷點SHP和區域面圖層的關系計算涉及的單元網格中該類事例的發生量，求出研究區域內此類事例的平均發生量，找出事例發生量超過平均發生量的單元網格，使用蟻群聚類原理讓螞蟻依次從此類單元格出發獲取掃描聚類區域，研究事例基于泊松分布原理求出掃描區域內的最大對數似然函數比，使用蒙特卡羅法檢驗其聚集區域的聚類顯著性。

具體步驟為：

Step1：獲取研究領域內事例發生的具體地理坐標(x,y)，將其坐標轉換成SPH點圖層數據；

Step2：確定研究區域面圖層，將其進行網格劃分，把整個研究區域面圖層劃分成正六邊形單元網格，將單元網格依次進行標號m₁,m₂,…m_i；

Step3：分析在空間區域圖層上SPH點與單元網格的位置關系，得出在網格中包含的SPH 點，求出單元網格中確定時間段內的事例發生量

Step4：計算該空間區域確定時間段內此事例發生的所有位置個數n以及事例的總發生量 A，計算這段時間內此空間區域的事例平均發生量μ；

Step5：找出螞蟻出發的單元網格：設定單元網格中在確定時間段內的事例發生量的單元網格作為螞蟻隨機的出發點；

Step6：蟻群根據最優路徑原則從出發點出發，獲取到完整的掃描聚類區域，統計此區域中單元網格的數量，統計該掃描聚類區域中事例總發生量

Step7：設定此事例發生服從泊松分布，計算該掃描聚類區域的對數似然函數比LLR；

Step8：采用蒙特卡羅法檢驗其聚類區域的聚類顯著性：根據事例總數產生一系列隨機分布數據集N個，求出每個數據集的最大似然函數比LLR，把真實數據集的LLR與N個隨機數據集的LLR進行遞減排序，尋找真實數據集的LLR排列的位置R，計算其值越小，設小于0.1，表示該聚集為隨機的概率越??；

所述步驟step4中，對確定時間內研究空間區域內事例平均發生量的公式為：

其中：A為選定時間內研究區域的總事例發生量，n為該空間區域、確定時間段內此事例發生的所有位置個數。