一种结合多源时空数据的活动链重建方法及系统技术方案

本发明专利技术涉及一种结合多源时空数据的活动链重建方法及系统，该方法包括：步骤1：对原始手机信令数据进行预处理，两次DBSCAN聚类，再构建出行者移动和驻留的轨迹；步骤2：生成具有职住地特征的序列；步骤3：将具有职住地特征的序列、基于位置的社交网络数据及POI数据这三种数据源相结合，构建贝叶斯活动类型推断模型；步骤4：推断出行者在活动区域内参与的活动类型，还原出行者活动链。本发明专利技术采用三种来源的数据集，充分利用了各个数据源的特点，为活动类型的推断，活动链的还原提出了新思路。活动链的还原提出了新思路。活动链的还原提出了新思路。

【技术实现步骤摘要】
一种结合多源时空数据的活动链重建方法及系统


[0001]本专利技术涉及一种结合多源时空数据的活动链重建方法及系统，属于数据处理


技术介绍

[0002]轨迹分析的核心内容就是推断用户参与的活动类型以及活动链，出行者的活动安排决定 了出行需求。研究出行者活动类型，归纳总结出行者户的活动特征和出行规律，还原出行者 的日常活动链是城市布局和交通规划中不可或缺的关键步骤。
[0003]传统的问卷调查轨迹收集方法费时费力，样本数量少，质量差，很难快速更新。随着各 类移动设备和定位服务的兴起，出行者活动轨迹的收集有了更多的渠道，例如利用手机定位 数据，交通卡消费记录或者社交网络中的打卡定位来追踪出行者的活动轨迹。
[0004]基于位置的社交网络数据(LBSN，Location
‑
based Social Network)就来源于人们在社 交网络中分享自己的生活，因此其中包括各种异构数据，蕴含了非常多语义信息，比如活动 目的，心情等。但是由于社交网络数据收集自用户主动打卡，打卡频率和打卡连续性难以保 证。并且社交网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合多源时空数据的活动链重建方法，其特征在于，该方法包括：步骤1：先对出行者的原始手机信令数据进行预处理，然后进行两次DBSCAN聚类，再构建出行者移动和驻留的轨迹；步骤2：对出行者的居住地和就业地进行判断，生成具有职住地特征的序列；步骤3：将具有职住地特征的序列、基于位置的社交网络数据及POI数据这三种数据源相结合，分时段的提取活动类型参与概率以及活动区域内参与活动类型概率，构建贝叶斯活动类型推断模型，得到出行者访问某类活动的概率；步骤4：基于步骤3构建的贝叶斯活动类型推断模型，推断出行者在活动区域内参与的活动类型，还原出行者活动链。2.根据权利要求1所述的一种结合多源时空数据的活动链重建方法，其特征在于，步骤1中，先对出行者的原始手机信令数据进行预处理，然后进行两次DBSCAN聚类，再构建出行者移动和驻留的轨迹；具体包括以下步骤：步骤1.1：对原始手机信令数据进行数据预处理，具体为：将一天划分为n个等长的时间间隔，设定采样频率级S
n
以及稀疏性阈值ε，S
n
为时间间隔数，每个时间间隔内设备的记录至多记录一次，剔除S
n
<ε的数据；步骤1.2：按照时间顺序，在一定时间段内对步骤1.1处理后的数据进行DBSCAN聚类，并用聚类后聚类中心的位置来更新；步骤1.3：在忽视时间次序的情况下，对步骤1.2处理后的手机信令数据再次使用DBSCAN聚类，并用聚类后聚类中心的位置来更新；步骤1.4：将两次DBSCAN聚类后的点划分为驻留状态和移动状态，从而构建出行者移动和驻留的轨迹；具体为：如果聚类后的点在空间阈值D内的时间超过时间阈值T，则该点被标记为驻留状态；否则，该点被标记为移动状态。3.根据权利要求2所述的一种结合多源时空数据的活动链重建方法，其特征在于，步骤1中，步骤1中，DBSCAN聚类的具体过程为：a，手机信令数据中每个点以半径为r的邻域来搜索簇，如果某个点的邻域中附近点的数量大于等于设定的minpts值，则创建以该点为核心点的簇；如果某个点的邻域中附近点的数量小于设定的minpts值，跳出本次循环，寻找下一个点；b，重复步骤a进行迭代，以相同的方法处理该簇内的其他点，从而对簇进行扩展；c，当簇的数量以及簇中点不改变时，迭代结束，聚类完成。4.根据权利要求1所述的一种结合多源时空数据的活动链重建方法，其特征在于，步骤2中，对出行者的居住地和就业地进行判断，生成具有职住地特征的序列；具体包括以下步骤：步骤2.1：居住地的判断标准为：标记出行者的居住地点d
home
为出行者日常居家时间t
home1
～t
home2
内访问最多的驻留地点；步骤2.2：就业地的判断标准为：标记出行者...

【专利技术属性】
技术研发人员：陈辉，夏璠，许岩岩，
申请(专利权)人：山东大学，
类型：发明
国别省市：