一种基于职住对应关系和时空间核聚类的驻点判断方法技术

本发明专利技术提供一种基于职住对应关系和时空间核聚类的驻点判断方法，按照采样要求获取指定时间段内高频率信号触发、具有时空间关联特征的用户信令数据和用户上网数据，通过两轮职住对应关系和时空核聚类分析，形成较粗粒度具有时空活动特征的时空间驻点集合，对获得的时空间驻点集合进行校验和算法优化，并进行特殊人群活动特征分析，最终形成基于交通小区的OD矩阵出行表，从而为交通规划和交通需求管理提供满足时空出行活动链特征的大数据支撑。本发明专利技术结合职住对应关系和时空间核聚类分析各自的优势，最终形成具有时空活动特征的驻点序列，进一步提高了交通出行OD矩阵的合理性和精确性，并有效地降低了成本。

A method for judging stagnation points based on corresponding relationship between work and residence and kernel clustering in time space

The invention provides a stationary point judgment method based on occupational-residential correspondence relation and spatio-temporal kernel clustering, which obtains user signaling data with spatio-temporal correlation characteristics and user internet data triggered by high frequency signals in a specified period of time according to sampling requirements, and forms coarser through two rounds of occupational-residential correspondence relation and spatio-temporal kernel clustering analysis. The granularity of space-time stationary point set with space-time activity characteristics is optimized by checking the space-time stationary point set and analyzing the special crowd activity characteristics. Finally, the OD matrix trip table based on traffic district is formed, which provides the space-time travel activity chain characteristics for traffic planning and traffic demand management. Big data support. The invention combines the advantages of occupational-residential correspondence relationship and space-time kernel clustering analysis, and finally forms a stationary point sequence with space-time activity characteristics, further improves the rationality and accuracy of traffic OD matrix, and effectively reduces the cost.

【技术实现步骤摘要】
一种基于职住对应关系和时空间核聚类的驻点判断方法
本专利技术涉及交通规划和交通需求管理的
，具体是一种基于职住对应关系和时空间核聚类的驻点判断方法，可为交通规划和交通需求管理提供满足时空出行活动链特征的大数据支撑。
技术介绍
交通OD出行矩阵是在交通网络中基于交通小区的起点——讫点出行的特征矩阵(Origin—DestinationMatrix)，用于描述城市交通区域间的交通出行量分布情况，是构建交通规划模型的重要组成部分。传统的交通OD矩阵是基于个体交通出行调查数据进行统计分析的处理过程，需要经过起讫点抽样调查、数据扩样和OD矩阵整理三个步骤，分析处理结果可反映城市交通需求分布特征。基于传统交通调查的OD出行矩阵分析处理过程，需要耗费大量人力、物力、资金和时间，并且不可频繁进行。随着手机终端普及，通过手机定位技术获取用户交通出行信息具有成本低、覆盖范围广等优点，使得手机数据作为现有交通数据采集技术的重要补充，并为居民时空出行的OD特征提取提供了很好的技术支持。由于手机定位数据是基于用户使用行为的高频率触发数据，而对于满足交通规划需求的OD矩阵更关注交通出行的起讫点(OD)活动本文档来自技高网...

【技术保护点】
1.一种基于职住对应关系和时空间核聚类的驻点判断方法，其特征在于判断的具体步骤如下：步骤1：采集手机信令数据、上网数据，所述手机信令数据包括用户画像标签属性数据；步骤2：利用步骤1采集到的手机信令数据和上网数据，提取半年内手机触发数据进行职住判断：首先，对半年内常发性的地点进行空间聚类，再根据停留时间间隔在空间聚类点发生的频次进行高频分析，对满足时空间要求的高频点进行职住判断，其中，居住地判断要结合夜晚常发性开关机频次进行频度权重分析判断，就业地判断要结合用户年龄标签进行基于时长的频繁项集居民就业特征判断，获得用户的居住地以及就业地，即得到职住分布特征；步骤3：基于步骤2得到的职住分布特征，进...

【技术特征摘要】
1.一种基于职住对应关系和时空间核聚类的驻点判断方法，其特征在于判断的具体步骤如下：步骤1：采集手机信令数据、上网数据，所述手机信令数据包括用户画像标签属性数据；步骤2：利用步骤1采集到的手机信令数据和上网数据，提取半年内手机触发数据进行职住判断：首先，对半年内常发性的地点进行空间聚类，再根据停留时间间隔在空间聚类点发生的频次进行高频分析，对满足时空间要求的高频点进行职住判断，其中，居住地判断要结合夜晚常发性开关机频次进行频度权重分析判断，就业地判断要结合用户年龄标签进行基于时长的频繁项集居民就业特征判断，获得用户的居住地以及就业地，即得到职住分布特征；步骤3：基于步骤2得到的职住分布特征，进行时空间核聚类分析：首先，将获取到的手机信令数据按时间顺序进行排列，并将具有中心聚类特征和时空出行特征的点集，进行基于时空间关联的时空间核聚类分析，从而去除信号漂移点和连续短距离具有中心聚类特征的逗留点，并结合职住分布特征，对于满足职住分布特征的驻点进行标记，而对于不满足职住分布特征的驻点进一步进行时空间聚类分析，进一步判断是否属于驻点，形成具有时空间关联特征的时空间驻点集合序列；步骤4：基于步骤3的时空间驻点集合序列，进行时空间序列的交通三要素判断，进一步判断时空间序列是否属于交通意义上的驻留点，形成交通意义上的时空间驻点集合序列，并通过时空间出行特征，完成对长距离出行短时停留的拐点判定；步骤5：将步骤4得到的交通意义上的时空间驻点集合序列进一步进行步骤3的时空间核聚类分析，并结合土地利用的功能区识别，进一步判断满足时空间出行特征的交通意义上的时空间驻点集合序列是否在时空间具有关联特征，进一步进行时空间核聚类，形成具有时空间出行特征的时空间驻点集合；步骤6：将不同出行特征人群的手机信令数据在地图上打点进行出行特征分类，完成对特征人群出行特征的校验，对步骤5获得的时空间驻点集合进行校验，判断算法是否满足不同出行特征人群数据，如果满足出行特征，则校验合格，否则，进一步优化步骤3和步骤4的时空间出行特征分析算法，并进行特殊人群出行特征分析；步骤7：根据交通小区划分方案，将运营商基站与交通小区进行匹配，将每个出行者的起讫点映射到相应的交通小区上，最终形成基于交通小区的OD矩阵出行表。2.根据权利要求1所述的基于职住对应关系和时空间核聚类的驻点判断方法，其特征在于：所述手机触发数据包括用户编号、基站编号、时间戳、事件类型、经度、纬度、号码区段、个体年龄、性别、是否学生、是否退休人员。3.根据权利要求1-2任一项所述的基于职住对应关系和时空间核聚类的驻点判断方法，其特征在于：所述步骤2中，居住地判断具体为：首先，对提取的半年内手机触发数据进行同一手机号时间序列排序，居住地判断的时间范围界定为晚上21:00至凌晨07:00之间；再对同一用户编号的手机数据进行空间聚类，形成空间聚类点簇；基于空间聚类点簇，对不同停留时长的频繁项集进行分析，并结合夜晚用户开关机事件发生地进行权重分析，并根据停留时间越长、出现次数越多、开关机事件发生地越多权重越大的原则，...

【专利技术属性】
技术研发人员：景国胜，马小毅，李彩霞，陈先龙，金安，陈嘉超，宋程，刘明敏，张科，
申请(专利权)人：广州市交通规划研究院，
类型：发明
国别省市：广东,44