[發明專利]用戶起訖點聚類分析方法、裝置及存儲介質在審
| 申請號: | 201811465250.7 | 申請日: | 2018-12-03 |
| 公開(公告)號: | CN109508750A | 公開(公告)日: | 2019-03-22 |
| 發明(設計)人: | 楊帆 | 申請(專利權)人: | 斑馬網絡技術有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62 |
| 代理公司: | 北京同立鈞成知識產權代理有限公司 11205 | 代理人: | 吳會英;劉芳 |
| 地址: | 200030 上海*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 行車數據 聚類結果 聚類 聚類簇 準確度 車載用戶 存儲介質 聚類分析 預設規則 坐標數據 減小 | ||
1.一種用戶起訖點聚類分析方法,其特征在于,包括:
獲取預設時間段內車載用戶對應的行車數據集,所述行車數據集包括至少一個行車數據,所述行車數據包括坐標數據;
根據每個所述行車數據對應的局部密度以及密度距離,確定聚類數;
根據預設規則以及所述聚類數,對所述行車數據集中的行車數據進行聚類,獲取聚類簇;
根據所述聚類簇中的簇核數據,獲取聚類結果,所述聚類結果表示所述車載用戶的起點或終點。
2.根據權利要求1所述的方法,其特征在于,所述根據每個所述行車數據對應的局部密度、密度距離以及預設閾值,確定聚類數之前,還包括:
根據預設截斷距離,獲取每個所述行車數據對應的局部密度以及密度距離。
3.根據權利要求1所述的方法,其特征在于,所述根據每個所述行車數據對應的局部密度以及密度距離,確定聚類數,包括:
將每個所述行車數據對應的局部密度以及密度距離分別進行相乘,根據所述乘積的斜率變化趨勢,確定聚類數。
4.根據權利要求1所述的方法,其特征在于,所述根據所述聚類簇中的簇核數據,獲取聚類結果之前,還包括:
通過以下方式確定所述聚類簇中的簇核數據:
根據所述聚類簇中行車數據對應的局部密度,獲取所述聚類簇對應的局部密度參考值;
根據所述聚類簇中行車數據對應的局部密度以及所述聚類簇對應的局部密度參考值,確定所述聚類簇中的簇核數據。
5.根據權利要求4所述的方法,其特征在于,所述根據所述聚類簇中行車數據對應的局部密度,獲取所述聚類簇對應的局部密度參考值,包括:
將所述聚類簇中行車數據對應的局部密度的平均值,確定為所述局部密度參考值。
6.根據權利要求4所述的方法,其特征在于,所述根據所述聚類簇中行車數據對應的局部密度以及所述聚類簇對應的局部密度參考值,確定所述聚類簇中的簇核數據,包括:
若所述聚類簇中行車數據對應的局部密度大于所述聚類簇對應的局部密度參考值,則確定所述行車數據為簇核數據;
若所述聚類簇中行車數據對應的局部密度小于或等于所述聚類簇對應的局部密度參考值,則確定所述行車數據為簇暈數據。
7.根據權利要求1-6任一項所述的方法,其特征在于,所述根據每個聚類簇中簇核數據,獲取聚類結果,包括:
將每個所述聚類簇中的簇核數據的平均值,確定為聚類結果。
8.一種用戶起訖點聚類分析裝置,其特征在于,包括:
第一獲取模塊,用于獲取預設時間段內車載用戶對應的行車數據集,所述行車數據集包括至少一個行車數據,所述行車數據包括坐標數據;
第一確定模塊,用于根據每個所述行車數據對應的局部密度以及密度距離,確定聚類數;
聚類模塊,用于根據預設規則以及所述聚類數,對所述行車數據進行聚類,獲取聚類簇;
計算模塊,用于根據每個聚類簇中的簇核數據,獲取聚類結果,所述聚類結果表示所述車載用戶的起點或終點。
9.一種用戶起訖點聚類分析裝置,其特征在于,包括:存儲器和處理器;
所述存儲器存儲程序指令;
所述程序指令在被所述處理器執行時,以執行權利要求1-7任一項所述的方法。
10.一種存儲介質,其特征在于,包括:程序;
所述程序在被處理器執行時,以執行權利要求1-7任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于斑馬網絡技術有限公司,未經斑馬網絡技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811465250.7/1.html,轉載請聲明來源鉆瓜專利網。





