[發(fā)明專利]城市地鐵站域的認知場所特征識別方法及系統

有效

• 申請?zhí)枺?/td>: 201910976929.0
• 申請日: 2019-10-15
• 公開（公告）號: CN110597945B
• 公開（公告）日: 2022-05-27
• 發(fā)明（設計）人: 劉康;尹凌
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/951;G06F16/9537;G06V10/762;G06K9/62;G06Q50/26
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 曹衛(wèi)良

1.一種城市地鐵站域的認知場所特征識別方法，其特征在于，該方法包括如下步驟：

a.獲取地鐵站和POI數據并進行預處理，所述預處理包括：獲取地鐵站點周圍的POI；使用正則表達式，對POI地址進行統一、規(guī)范化處理；使用DBSCAN密度聚類算法，剔除坐標異常的POI；

b.根據預處理后的地鐵站和POI數據，將地鐵站名與其周圍POI的地址同時作為搜索詞，根據搜索得到的共現網頁數目獲取大眾對“地鐵站-周圍POI”關系的認知強度；

c.根據獲取的“地鐵站-周圍POI”關系的認知強度，提取與地鐵站認知關系顯著的POI；

d.根據提取的與地鐵站認知關系顯著的POI的空間位置，提取地鐵站域認知范圍的邊界；

e.根據地鐵站域認知范圍內POI的類型，識別地鐵站域的認知語義特征；

其中，所述的步驟c具體包括：

將每個地鐵站周圍所有POI與其關系的認知強度做排序-強度分布，并使用拐點探測技術，確定該分布的拐點；

提取認知強度值大于拐點的POI，視為與地鐵站認知關系顯著的POI。

2.如權利要求1所述的方法，其特征在于，所述的步驟b具體包括：

利用網頁抽取技術，將地鐵站名與其周圍POI地址同時作為搜索引擎的搜索關鍵詞，獲取搜索結果頁面；

獲取搜索引擎所返回的地鐵站名和POI地址的共現網頁數目。

3.如權利要求2所述的方法，其特征在于，所述的步驟d具體包括如下步驟：

根據所提取的與地鐵站認知關系顯著的POI的位置分布，使用Chi-shape凹多邊形生成算法，生成給定POI點集的外包多邊形，作為該地鐵站域的場所認知邊界，確定該地鐵站域的認知范圍。

4.如權利要求3所述的方法，其特征在于，所述的步驟e具體包括：

根據所提取的地鐵站域認知范圍內部POI的類型，使用TF-IDF方法，計算每個地鐵站內每種POI類型的權重，并使用權重排名靠前的POI類型描述該站域的語義。

5.一種城市地鐵站域的認知場所特征識別系統，其特征在于，該系統包括預處理模塊、認知強度獲取模塊、POI提取模塊、認知范圍提取模塊以及語義特征識別模塊，其中：

所述預處理模塊用于獲取地鐵站和POI數據并進行預處理，所述預處理包括：獲取地鐵站點周圍的POI；使用正則表達式，對POI地址進行統一、規(guī)范化處理；使用DBSCAN密度聚類算法，剔除坐標異常的POI；

所述認知強度獲取模塊用于根據預處理后的地鐵站和POI數據，將地鐵站名與其周圍POI的地址同時作為搜索詞，根據搜索得到的共現網頁數目獲取大眾對“地鐵站-周圍POI”關系的認知強度；

所述POI提取模塊根據獲取的“地鐵站-周圍POI”關系的認知強度，提取與地鐵站認知關系顯著的POI；

所述認知范圍提取模塊用于根據提取的與地鐵站認知關系顯著的POI的空間位置，提取地鐵站域認知范圍的邊界；

所述語義特征識別模塊用于根據地鐵站域認知范圍內POI的類型，識別地鐵站域的認知語義特征；

所述的POI提取模塊具體用于：

將每個地鐵站周圍所有POI與其關系的認知強度做排序-強度分布，并使用拐點探測技術，確定該分布的拐點；

提取認知強度值大于拐點的POI，視為與地鐵站認知關系顯著的POI。

6.如權利要求5所述的系統，其特征在于，所述的認知強度獲取模塊具體用于：

利用網頁抽取技術，將地鐵站名與其周圍POI地址同時作為搜索引擎的搜索關鍵詞，獲取搜索結果頁面；

獲取搜索引擎所返回的地鐵站名和POI地址的共現網頁數目。

7.如權利要求6所述的系統，其特征在于，所述的認知范圍提取模塊具體用于：

根據所提取的與地鐵站認知關系顯著的POI的位置分布，使用Chi-shape凹多邊形生成算法，生成給定POI點集的外包多邊形，作為該地鐵站域的場所認知邊界，確定該地鐵站域的認知范圍。

8.如權利要求7所述的系統，其特征在于，所述的語義特征識別模塊具體用于：

根據所提取的地鐵站域認知范圍內部POI的類型，使用TF-IDF方法，計算每個地鐵站內每種POI類型的權重，并使用權重排名靠前的POI類型描述該站域的語義。