一种基于相互作用力的地理空间异常聚集区扫描统计方法技术

本发明专利技术公开了一种基于相互作用力的地理空间异常聚集区扫描统计方法，包括以下步骤：基于选择的空间邻接类型构建空间邻接关系矩阵；采用空间相互作用模型度量相邻对象之间的作用强度；基于深度扫描方式或广度扫描方式不断选择作用强度最大的邻接对象加入到候选聚集区中，直至高值异常聚集对应的似然比LR/对数似然比LLR值不再增大或低值异常聚集对应的似然比LR/对数似然比LLR值不再减少或候选聚集区达到最大指定尺寸时停止；对形成的多个候选聚集区进行蒙特卡罗模拟，从而探测出通过非随机性假设检验的异常聚集区。本发明专利技术对不规则形状异常聚集区的探测能力更强，更易探测出包含弱连接的异常聚集区，且不会将非异常地理对象包含在探测的异常聚集区中。

【技术实现步骤摘要】

本专利技术涉及地理空间信息处理
，尤其是一种基于相互作用力的地理空间异常聚集区扫描统计方法。
技术介绍
地理空间扫描统计属于地理空间聚类方法。空间聚类是指将地理对象按照空间特征和属性特征分组为若干类，使得同类对象之间相似度最大、类间对象之间差别最大，不同类的对象在空间分布上具有明显的区分。空间聚类的目的是发现地理空间分布模式，以及地理对象之间潜在的相互关系。传统的空间聚类方法可分为划分聚类、层次聚类、密度聚类、网格聚类等多种类型。区别于传统意义上的空间聚类方法，地理空间扫描统计是探测地理空间异常区域的方法。空间异常区是指参考其它地理对象，指定属性特征显著不同的地理对象聚集区域。空间异常区可分为属性高值异常区、属性低值异常区两种类型。空间扫描统计方法对研究区内的地理对象进行扫描/搜索，在扫描过程中根据扫描范围内外地理对象属性值之间的差异，探测是否存在统计意义上的高风险聚集区，并确定聚集区域的位置、范围以及聚集程度，为早期预警和决策提供依据。1997年美国哈佛大学的Kulldorff M.提出的基于圆形窗口的扫描统计是经典方法之一，该方法以研究区内的每个地理对象作为扫描起始单元，即以该空间对象中心作为圆形扫描窗口的圆心，以可变半径对周围空间单元进行扫描，根据窗口覆盖区域内外属性实际比值和随机分布假设下理论比值计算扫描统计量——对数似然比LLR(Log Likelihood Ratio)，直至统计量不再变化，在生成的候选聚集窗口中选取统计量最大/最小的聚集窗口(对应高值异常聚集/低值异常聚集)，并对聚集窗口进行假设检验，验证其分布的非随机性，从而确定聚集程度最高的空间区域，称为最可能聚类MLC(Most Likely Cluster)或最可能聚集区。在此基础上，2006年Kulldorff M.提出了椭圆形空间扫描统计方法，扫描窗口为形状、角度不断变化的椭圆，同时为了对探测到的聚集区形状进行约束，引入非紧凑(non-compactness)惩罚因子[4s/(s+1)2]a，其中由椭圆离心率e决定，参数a≥0决定惩罚强度，值越大对聚集区形状的不规则程度惩罚越强，形状越趋于紧凑。现实中的地理空间异常聚集区形状各异、多数是不规则的，因此，基于Kulldorff圆形、椭圆形扫描统计方法，现有研究将重点放在提高不规则区域的探测能力方面，即对扫描方式、窗口形状等进行优化，从而能探测到各种不规则形状的空间异常聚集区，但这些研究均没有考虑地理空间对象之间固有的相互作用影响。实际上，地理空间中的实体不是孤立存在的，彼此之间存在着关联性。正如Tobler地理学第一定律阐述的观点，空间对象呈现出相互关联的空间格局，并且这种关联性随着空间对象之间距离的增加而减弱。关联性决定了空间对象之间存在相互作用。当然，即使对于相同的作用距离，假定相互作用强度在研究区域内处处相同也是不现实的，表现为在局部区域的高值(“热点”)和低值(“冷点”)聚集或异常。
技术实现思路
为解决现有技术存在的不足，本专利技术公开了一种基于相互作用力的地理空间异常聚集区扫描统计方法，考虑了地理对象之间固有的相互作用影响，相比于经典Kulldorff圆形、椭圆形扫描方法，该方法(尤其是广度扫描方式)对不规则形状异常聚集区的探测能力更强，更易探测出包含弱连接的异常聚集区，且不会将非异常空间对象包含在探测出的异常聚集区中。为实现上述目的，本专利技术的具体方案如下：一种基于相互作用力的地理空间异常聚集区扫描统计方法，包括以下步骤：判断探测的异常聚集区类型，若为属性低值异常聚集区，则通过对探测的地理对象属性值进行变换转化为属性高值异常聚集区；对于属性高值异常聚集区，基于选择的空间邻接类型构建空间邻接关系矩阵；采用空间相互作用模型度量相邻对象之间的作用强度；基于深度扫描方式或广度扫描方式不断选择作用强度最大的邻接对象加入到候选聚集区中，直至高值异常聚集对应的似然比LR/对数似然比LLR值不再增大或候选聚集区达到最大指定尺寸时停止；对形成的多个候选聚集区进行蒙特卡罗模拟，从而探测出通过非随机性假设检验的异常聚集区。进一步的，对于属性低值异常聚集区，将地理空间对象Si探测的属性值ci变换为ci’，ci’为所有地理对象属性值{c1,c2,…,cN本文档来自技高网...

【技术保护点】
一种基于相互作用力的地理空间异常聚集区扫描统计方法，其特征是，包括以下步骤：判断探测的异常聚集区类型，若为属性低值异常聚集区，则通过对探测的地理对象属性值进行变换转化为属性高值异常聚集区；对于属性高值异常聚集区，基于选择的空间邻接类型构建空间邻接关系矩阵；采用空间相互作用模型度量相邻对象之间的作用强度；基于深度扫描方式或广度扫描方式不断选择作用强度最大的邻接对象加入到候选聚集区中，直至高值异常聚集对应的似然比LR/对数似然比LLR值不再增大或候选聚集区达到最大指定尺寸时停止；对形成的多个候选聚集区进行蒙特卡罗模拟，从而探测出通过非随机性假设检验的异常聚集区。

【技术特征摘要】
1.一种基于相互作用力的地理空间异常聚集区扫描统计方法，其特征是，包括以下步骤：判断探测的异常聚集区类型，若为属性低值异常聚集区，则通过对探测的地理对象属性值进行变换转化为属性高值异常聚集区；对于属性高值异常聚集区，基于选择的空间邻接类型构建空间邻接关系矩阵；采用空间相互作用模型度量相邻对象之间的作用强度；基于深度扫描方式或广度扫描方式不断选择作用强度最大的邻接对象加入到候选聚集区中...

【专利技术属性】
技术研发人员：王海起，董倩楠，桂丽，彭佳琦，车磊，陈冉，刘玉，曾喆，翟文龙，费涛，闫滨，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37