[發(fā)明專利]一種城市問題的可視化分析方法

在審

• 申請?zhí)枺?/td>: 201811208262.1
• 申請日: 2018-10-17
• 公開（公告）號: CN109543876A
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計）人: 夏理超;陳錦言
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程毓英

本發(fā)明涉及一種城市問題的可視化分析方法，包括：處理原始數(shù)據(jù)；利用Apriori算法，以每天，每個地點發(fā)生的事件為數(shù)據(jù)，進行頻繁項集的計算，通過頻繁項集，對與某一事件有關(guān)聯(lián)的事件按關(guān)聯(lián)度進行排序；計算事件集相似度；可視化事件發(fā)生的頻繁程度；可視化相似事件地點分布。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘與可視化技術(shù)領(lǐng)域，涉及一種可視化分析方法。

背景技術(shù)

數(shù)據(jù)挖掘技術(shù)以及可視化的發(fā)展，給智慧城市的建設(shè)帶來了新的方式。城市服務(wù)中心每天都會收到大量的居民反映的有關(guān)城市問題的數(shù)據(jù)，這給計算機學(xué)家研究城市問題提供了很好的研究素材。計算機學(xué)家通過數(shù)據(jù)挖掘算法將城市數(shù)據(jù)信息進行關(guān)聯(lián)性挖掘，通過可視化方式有效的展現(xiàn)數(shù)據(jù)之間的規(guī)律，以幫助決策者分析城市問題，制定解決方案。

發(fā)明內(nèi)容

本發(fā)明提出一種對城市問題準(zhǔn)本溯源和預(yù)測的方法，并可視化某個城市問題發(fā)生的相似地點幫助決策者分析問題，整體制定決策。技術(shù)方案如下：

一種城市問題的可視化分析方法，包括下列步驟：

1)處理原始數(shù)據(jù)

對原始的市民對城市問題反映的數(shù)據(jù)進行預(yù)處理，將城市問題發(fā)生地點的經(jīng)緯度精確到0.001，對原始數(shù)據(jù)的事件發(fā)生按天進行統(tǒng)計，在一天發(fā)生某一城市問題發(fā)生地點相應(yīng)屬性的位置置為1，否則置為0；通過處理之后數(shù)據(jù)庫中每一行記錄包含內(nèi)容為：日期，地點，事件1，事件2，...，事件n，n為數(shù)據(jù)庫中已有的事件的相關(guān)屬性的數(shù)目。

2)關(guān)聯(lián)分析事件

利用Apriori算法，以每天，每個地點發(fā)生的事件為數(shù)據(jù)，進行頻繁項集的計算，通過頻繁項集，對與某一事件有關(guān)聯(lián)的事件按關(guān)聯(lián)度進行排序；

3)計算事件集相似度

某一特定時間，某一地點發(fā)生事件集合與其他地點發(fā)生事件集合的相似度計算方法，如公式3，通過計算某一特定時間，某一地點發(fā)生事件集合與其他各個地點發(fā)生事件集合的相似度，然后進行排序，相似度值越大，代表兩地點之間發(fā)生同類事件集合的相似性越大；

其中γ代表相似度，向量代表事件a的各屬性值的向量，向量代表事件b的各屬性的向量公式3

4)可視化事件發(fā)生的頻繁程度

對某一事件按月份、地點統(tǒng)計其發(fā)生數(shù)目，并利用熱力圖的方式展示，以時間為坐標(biāo)軸，可通過調(diào)整坐標(biāo)軸動態(tài)展示該事件發(fā)生的地點、時間以及發(fā)生數(shù)目多少；通過有向圖的方式列舉出與該事件有關(guān)聯(lián)的事件，并按關(guān)聯(lián)度從大到小的排序進行展示，有向圖中與原事件之間的連線寬度代表事件之間關(guān)聯(lián)度的大小，關(guān)聯(lián)度越高，連線的寬度值越大；有向圖中的原點代表事件的代表事件出現(xiàn)的次數(shù)，出現(xiàn)次數(shù)越多，原點的值越大；

5)可視化相似事件地點分布

在某一特定時間下，確定某一特定坐標(biāo)，計算改坐標(biāo)發(fā)生的事件集合與其他不同坐標(biāo)位置發(fā)生的事件集合的相似度，并按照相似大小進行排序，在地圖上列舉出與該特定坐標(biāo)下相似度大于某一特定閾值的坐標(biāo)所在位置，并按照相似度大小分別給定不同的演示顏色展示。

步驟2)可以按以下步驟執(zhí)行：

第一步：發(fā)現(xiàn)頻繁項集

a.掃描元素，得到每天，每個地點發(fā)生事件集合；

b.計算概率；

c.統(tǒng)計篩選支持度和置信度同時大于閾值的候選集，支持度按公式1計算，置信度按公式2計算：

P(AB)關(guān)聯(lián)規(guī)則A-B，事件A和事件B同時發(fā)生的概率公式1

P(B|A)＝P(AB)/P(A)在事件A發(fā)生的前提下，事件A和事件B同時發(fā)生的概率

公式2