【技术实现步骤摘要】
一种城市兴趣点同位模式挖掘方法及装置
[0001]本专利技术涉及城市管理
，特别涉及一种城市兴趣点同位模式挖掘方法及装置。
技术介绍
[0002]随着计算机技术的发展，地理空间大数据高速膨胀，超出了人们的解译能力。人们为了从海量数据中识别隐含着的信息，一门全新的研究领域——空间数据挖掘应运而生，完成了数据挖掘、空间数据库、统计学、3S、机器学习等多个学科及技术的交叉融合。
[0003]其中同位模式挖掘是空间数据挖掘的一个新兴研究热点，同位模式挖掘的概念来自于生态学领域：同位模式是空间特征的子集，其实例经常位于空间邻域内。例如，生态学家识别尼罗河鳄鱼和埃及鸻经常共存，根据该同位规则可以预测埃及鸻存在于尼罗河鳄鱼的区域。空间同位模式可以为许多应用提供重要的见解。例如犯罪学家可能对风险设施(对于一组设施，例如酒吧、停车场、超市来说，其中小部分设施涵盖了大部分犯罪的发生)感兴趣，根据犯罪发生的位置与各类设施的空间邻接关系获得同位模式来对城市犯罪防控进行决策支持。其他应用领域包括地球科学、公共卫生、生物学、交通运输等。<...
【技术保护点】
【技术特征摘要】
1.一种城市兴趣点同位模式挖掘方法，其特征在于，所述方法包括：基于城市居民的移动轨迹，使用主题模型识别得到城市功能区；在给定城市路网的情况下，将每一个POI投影到与路网上，通过寻找一条最短连接路径计算POI之间的距离，并存放如距离矩阵之中，以建立城市POI之间的网络距离矩阵；基于城市路网中POI之间的网络距离矩阵，在各种功能区范围内进行POI的同位模式挖掘，以识别同位模式。2.根据权利要求1所述的一种城市兴趣点同位模式挖掘方法，其特征在于，所述基于城市居民的移动轨迹，使用主题模型识别得到城市功能区，具体包括：根据移动轨迹对各分析单元生成单元分析文档，根据单元分析文档中各类POI设施数量生成文档的元数据；采用DMR主题模型进行城市功能区识别，主题模型数量由困惑度及主题一致性指标综合确定；困惑度为在文本分析中训练出来的模型识别某些文档是否包含哪些主题所具有的不确定性；结合各主题代表词汇、频率密度、内部排名和POI进行功能区标识。3.根据权利要求2所述的一种城市兴趣点同位模式挖掘方法，其特征在于，所述根据移动轨迹对各分析单元生成单元分析文档，具体包括：基于城市居民的移动轨迹数据，建立数据集，移动轨迹数据包括出发时间、到达时间、出发地和目的地；根据数据集对各个区域进行文档的构建，文档中单词的形式为：Symbol＿Date＿Moment，其中Symbol表示到达或离开轨迹，Date表示工作日或节假日，Moment表示到达或离开时间段。4.根据权利要求2或3所述的一种城市兴趣点同位模式挖掘方法，其特征在于，所述根据单元分析文档中各类POI设施数量生成文档的元数据，具体包括：区域R
r
对应文档的元数据为POI的频率密度，POI的频率密度表示为V
r
＝(v1,v2,
…
,v
F
)，其中F为POI的类别数，且对于R
r
中第i个POI类别的频率密度v
i
通过以下公式计算：其中N
i,r
为区域R
r
中第i类设施数量，S
r
为区域R
r
的面积。5.根据权利要求2所述的一种城市兴趣点同位模式挖掘方法，其特征在于，所述采用DMR主题模型进行城市功能区识别，具体包括：基于DMR主题模型输入各区域文档及元数据，根据困惑度和主题一致性指标进行主题数量的选择；对DMR主题模型进行训练，得到各个主题下的代表词汇以及对应的概率，对各个区域的POI及面积进行统计，计算频率密度，并得到内部排名；在各个区域下，分别计算不同POI的频率密度，并根据频率密度在各个区域内计算区域内排名。6.根据权利要求2所述的一种城市兴趣点同位模式挖掘方法，其特征在于，所述结合各主题代表词汇、频率密度、内部排名和POI进行功能区标识，具体包括：
通过频率密度和内部排名在POI角度对区域进行描述；通过出租车轨迹数据在动态角度对区域功能进行反映；通过区域的各类型设施占比从静态角度对区域功能进行反映；结合每个城市功能区从POI角度、动态角度和静态角度完成功...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。