一种基于手机信令数据与POI兴趣点的个体行为分析方法技术

本发明专利技术公开了一种基于手机信令数据与POI兴趣点数据的个体行为分析方法，用于解决特殊社会人群的个人出行行为辨识问题。该方法包含个人出行特征提取与出行行为预测两部分：(1)个人出行特征提取：使用手机信令数据，完成个人的出行链提取；基于个人出行链数据，设计出行特征，结合POI兴趣点数据完成个人出行特征的计算。(2)个人出行行为预测：基于个人的出行特征，采用决策树的方法对个人的出行行为进行预测。

【技术实现步骤摘要】
一种基于手机信令数据与POI兴趣点的个体行为分析方法
本专利技术属于轨迹数据挖掘领域，更具体地说，是一种根据轨迹数据的个体行为分析方法，可用于分析目标属性人群的活动规律与生活习惯。
技术介绍
近几年来，随着智能手机与4G通信技术的普及，手机已成为大部分人每天随身携带的设备之一，手机信令数据因此具有数据量大，覆盖用户面广等优点。通过分析手机信令数据，出行特征，得出人群活动规律、生活习性等较为丰富的语义信息，逐渐成为了轨迹数据挖掘领域研究的热点。交通出行对于每个居民的日常生活都十分重要，出行作为一种派生性需求，个体基于活动，通过安排出行OD(origin-destnation，起止点)、出行时间和出行方式来组织日常生活。在“交通公平性”的目的和背景下，通过分析低收入等特殊人群的出行模式，解决这部分人群的日常出行问题显得十分重要。关于如何分析特殊人群的出行行为这一问题，目前大部分的解决方案是采用调查问卷的方式，该方法具有数据量低、样本随机性大等缺点。本专利技术提出了一种基于手机信令数据与POI兴趣点数据的个人出行行为估计方法，充分利用本文档来自技高网...

【技术保护点】
1.一种基于手机信令数据与POI兴趣点的个体行为分析方法，其特征在于，步骤如下：/n步骤1、获取个体手机信令数据，对手机信令数据进行预处理；首先剔除数据格式错误，数据字段缺失的数据；然后通过时间阈值与空间阈值，完成长距离抖动信令数据的剔除；最后通过制定活跃用户判别规则，完成优质用户的提取；/n步骤2、通过手机信令数据预处理，得到蕴含用户时空信息的信令数据；采用ST-DBSCAN密度聚类算法，完成用户停留态，移动态的识别；生成用户的出行链数据；根据用户的多天的出行链数据，设立居家时间段与工作时间段，完成用户职住地数据的提取；/n步骤3、根据用户的出行链数据与职住地数据，结合周边POI兴趣点数据，...

【技术特征摘要】
1.一种基于手机信令数据与POI兴趣点的个体行为分析方法，其特征在于，步骤如下：
步骤1、获取个体手机信令数据，对手机信令数据进行预处理；首先剔除数据格式错误，数据字段缺失的数据；然后通过时间阈值与空间阈值，完成长距离抖动信令数据的剔除；最后通过制定活跃用户判别规则，完成优质用户的提取；
步骤2、通过手机信令数据预处理，得到蕴含用户时空信息的信令数据；采用ST-DBSCAN密度聚类算法，完成用户停留态，移动态的识别；生成用户的出行链数据；根据用户的多天的出行链数据，设立居家时间段与工作时间段，完成用户职住地数据的提取；
步骤3、根据用户的出行链数据与职住地数据，结合周边POI兴趣点数据，结合个体的出行链数据与职住数据，设计出行特征数据：包括用户离家时间，用户归家时间，用户出行距离，用户出行次数，用户出行轨迹相似性，用户出行时间，用户居住地数量，用户工作地数量；依据用户出行特征数据，采用决策树预测方法，完成个体出行行为分析。


2.根据权利要求1所述的基于手机信令数据及POI兴趣点数据的个人出行行为预测方法，其特征在于：
所述步骤(1)中长距离抖动信令数据的剔除具体实现过程如下：
对于某一用户一段时间内产生的手机信令数据序列：cellDatai-1(lngi-1,lati-1,timei-1)，cellDatai(lngi,lati,timei),cellDatai+1(lngi+1,lati+1,timei+1)...，其中cellData表示信令数据，lng表示该信令数据产生时的位置的经度，lat表示该信令产生的位置的纬度，time表示该信令发生的时间；i表示信令的序号；剔除条件如下：
Dis(cellDatai-1,cellDatai)＞Dthread∩
Dis(cellDatai,cellDatai+1)＞Dthread∩
Spd(cellDatai-1,cellDatai)＞Sthread∩
Spd(cellDatai,cellDatai+1)＞Sthread
其中，Dis(cellDatai-1,cellDatai)表示信令i-1与信令i之间的产生的位置点之间的距离，Spd(cellDatai-1,cellDatai)表示用户产生信令i-1与产生信令i之间的移动速度；Dthread表示距离阈值，Sthread表示速度阈值；结合城市人群出行规律，将符合条件的信令i删除。


3.根据权利要求1所述的基于手机信令数据及POI兴趣点数据的个人出行行为预测方法，其特征在于：
所述步骤(1)中优质用户的提取过程如下：
所述优质用户的定义为：
(1.1)用户产生的一天内产生的信令数量大于80条；
(1.2)用户在0点-7点间产生过3条以上的信令；
(1.3)用户在8点-18点间每小时产生过1条以上的信令；
(1.4)用户在19点-24点间产生过3条以上的信令；
同时满足上述四个条件的用户为优质用户，使用优质用户产生的信令数据进行后续分析。


4.根据权利要求1所述的基于手机信令数据及POI兴趣点数据的个人出行行为预测方法，其特征在于：
所述步骤(2)具体实现过程如下：
对于某个用户产生的信令数据序列格式为：...cellDatai-1(lngi-1,lati-1,timei-1)，cellDatai(lngi,lati,timei),cellDatai+1(lngi+1,lati+1,timei+1)...；其中cellData表示信令数据，lng表示该信令数据产生时的位置的经度，lat表示该信令产生的位置的纬度，time表示该信令发生的时间；
为提取用户的出行链，处理过程中的相关定义如下：
停留点：stopPoint(startTime,endTime,lng,lat)，其中startTime表示停留开始时间，endTime表示停留结束时间，lng表示停留点位置的经度，lat表示停留点位置的纬度；
移动点：movePoint(time,lng,lat)，其中time表示移动时间，lng表示移动点位置的经度；
出行链：tripChain(stopPointi,movePointi...movePointn,stopPointi+1...)，出行链由用户的停留点stopPoint与移动点movePoint按时间发生顺序构成。


5.根据权利4所述的基于手机信令数据与POI兴趣点的个体行为分析方法，其特征在于：
步骤(2)中，通过对信令数据采用ST-DBSCAN算法生成用户的停留点及出行链数据；
用户处于停留状态在数据层面上表示为多条时间，空间上相近的信令集合，采用ST-DBSCAN算法对信令数据在时间层面上与空间层面上进行聚类，算法相关定义如下：
ε-邻域：点p...

【专利技术属性】
技术研发人员：诸彤宇，许伟，魏翔，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11