出行热点提取方法技术

本发明专利技术公开了一种出行热点提取方法

【技术实现步骤摘要】
出行热点提取方法、系统、设备及存储介质


[0001]本专利技术属于热点提取
，具体涉及一种出行热点提取方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]城市的出行热点作为居民活动和社会事件的聚集发生地，其时空分布及动态演化反映了居民在城市的流动性和城市区域的功能分布
。
因此，基于城市的出行热点分析居民出行行为和城市内部空间结构一直以来都受到众多学者的关注
。
[0003]早期的城市的出行热点研究主要采用问卷调查和社会经济统计资料的方式完成，如利用从调查问卷中获取的游客性别
、
年龄
、
客流量等多项指标，分析城市的出行热点
。
但这种研究方式不仅耗时耗力，且人群覆盖面和调查内容的覆盖度非常有限，调查内容的真实性也缺乏保障
。
[0004]目前，利用地理时空大数据探测城市的出行热点已成为城市出行热点研究的主流
。
通过是对相关位置轨迹点进行聚类获得，如采用划分式聚类方算法对出行热点进行提取，但是划分式聚类算法，对于初始聚类中心的选取十分重要，不同的初始聚类中心，可能会出现不同的聚类结果，易陷入局部最优问题
。

技术实现思路

[0005]本专利技术的目的在于提供一种出行热点提取方法
、
系统
、
设备及存储介质，能够有效避免了陷入局部最优，提高了聚类算法的准确性和收敛速度
。
[0006]本专利技术第一方面公开了一种出行热点提取方法，包括：
[0007]步骤
1、
获取原始轨迹数据，对所述原始轨迹数据进行数据处理和分割得到对应的轨迹数据集；
[0008]步骤
2、
根据预设簇数将所述轨迹数据集随机划分成多个簇，在各个所述簇中随机选取一数据点的位置作为该簇对应的粒子的初始位置，计算各个粒子的适应度值，为各个粒子随机分配初始速度；
[0009]步骤
3、
将步骤2执行多次，得到各个簇对应的第一粒子群，将各个所述第一粒子群中适应度值最高的粒子作为对应的第一聚类中心；
[0010]步骤
4、
根据各个所述第一粒子群中粒子的适应度值更新各个粒子的速度和位置，得到对应的第二粒子群；
[0011]步骤
5、
结合各个所述第二粒子群对轨迹数据集做
K
均值优化得到对应的第二聚类中心；
[0012]步骤
6、
判断所有的第二聚类中心与对应的第一聚类中心是否相同，若是，则执行步骤
7、
若否，则将所述第二聚类中心作为第一聚类中心，将所述第二粒子群作为第一粒子群，重新计算各个粒子的适应度值，并执行步骤4；
[0013]步骤
7、
将所有的第二聚类中心作为出行热点
。
[0014]可选的，所述根据各个所述第一粒子群中粒子的适应度值更新各个粒子的速度和位置，得到对应的第二粒子群，包括：
[0015]步骤
41、
根据各个粒子的适应度值与其经历过的适应度值，确定各个粒子的个体最优解；
[0016]步骤
42、
根据各个所述第一粒子群中的所有粒子的个体最优解，确定各个第一粒子群的全局最优解；
[0017]步骤
43、
根据粒子速度更新公式和粒子位置更新公式更新各个所述粒子的速度，所述粒子速度更新公式为：
[0018][0019]其中，
v'
id
为第
i
个粒子在第
d
个维度上更新后的速度分量，为压缩因子，
v
id
为第
i
个粒子在第
d
个维度上当前的速度分量
,x
id
为第
i
个粒子在第
d
个维度上当前的位置分量，
w
为惯性权重，
p
id
为第
i
个粒子的个体最优解，
p
gd
为第
i
个粒子对应的第一粒子群的全局最优解，
c1
为第一加速系数，
c2
为第二加速系数，
rand()
为值在
[0,1]之间的随机数；
[0020]所述粒子位置更新公式为：
[0021]x
′
id
＝
x
id
+v
id
，
[0022]其中，
x'
id
为第
i
个粒子在第
d
个维度上更新后的位置分量，
x
id
为第
i
个粒子在第
d
个维度上当前的位置分量，
v
id
为第
i
个粒子在第
d
个维度上当前的速度分量
。
[0023]可选的，所述压缩因子的计算公式为：
[0024][0025]其中，
ρ
为常数，
ρ
>4。
[0026]可选的，所述惯性权重
w
根据
0.9
向
0.4
线性减小的变化进行取值
。
[0027]可选的，所述结合各个所述第二粒子群对轨迹数据集做
K
均值优化得到对应的第二聚类中心，包括：
[0028]将各个所述第二粒子群中适应度值最高的粒子作为对应的聚类中心；
[0029]计算所述轨迹数据集中的数据点与各个聚类中心之间的距离，根据最近邻原则，将所述轨迹数据集中的数据点分配给距离其最近的聚类中心，得到更新后的各个簇，计算更新后的各个簇中所有数据点的均值处得到对应的第二聚类中心
。
[0030]可选的，所述对所述原始轨迹数据进行数据处理和分割得到对应的轨迹数据集，包括：
[0031]对所述原始轨迹数据进行数据清洗得到有效轨迹数据；
[0032]对所述有效轨迹数据进行数据标准化得到标准化数据；
[0033]根据预设分割标识对所述标准化数据进行分割得到对应的轨迹数据集
。
[0034]可选的，还包括：
[0035]步骤
8、
将所有的出行热点添加给点图层，将路线段添加给线路图层，所述路线段根据所述轨迹数据进行绘制，将添加有出行热点的点图层和添加有路线段的线路图层添加给地图对象，进行可视化输出
。
[0036]本专利技术第二方面公开了一种出行热点提取系统，包括：
[0037]获取处理模块，用于获取原始轨迹数据，对所述原始轨迹数据进行数据处理和分割得到对应的轨迹数据集；
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
出行热点提取方法，其特征在于，包括：步骤
1、
获取原始轨迹数据，对所述原始轨迹数据进行数据处理和分割得到对应的轨迹数据集；步骤
2、
根据预设簇数将所述轨迹数据集随机划分成多个簇，在各个所述簇中随机选取一数据点的位置作为该簇对应的粒子的初始位置，计算各个粒子的适应度值，为各个粒子随机分配初始速度；步骤
3、
将步骤2执行多次，得到各个簇对应的第一粒子群，将各个所述第一粒子群中适应度值最高的粒子作为对应的第一聚类中心；步骤
4、
根据各个所述第一粒子群中粒子的适应度值更新各个粒子的速度和位置，得到对应的第二粒子群；步骤
5、
结合各个所述第二粒子群对轨迹数据集做
K
均值优化得到对应的第二聚类中心；步骤
6、
判断所有的第二聚类中心与对应的第一聚类中心是否相同，若是，则执行步骤
7、
若否，则将所述第二聚类中心作为第一聚类中心，将所述第二粒子群作为第一粒子群，重新计算各个粒子的适应度值，并执行步骤4；步骤
7、
将所有的第二聚类中心作为出行热点
。2.
如权利要求1所述的出行热点提取方法，其特征在于，所述根据各个所述第一粒子群中粒子的适应度值更新各个粒子的速度和位置，得到对应的第二粒子群，包括：步骤
41、
根据各个粒子的适应度值与其经历过的适应度值，确定各个粒子的个体最优解；步骤
42、
根据各个所述第一粒子群中的所有粒子的个体最优解，确定各个第一粒子群的全局最优解；步骤
43、
根据粒子速度更新公式和粒子位置更新公式更新各个所述粒子的速度，所述粒子速度更新公式为：其中，
v'
id
为第
i
个粒子在第
d
个维度上更新后的速度分量，为压缩因子，
v
id
为第
i
个粒子在第
d
个维度上当前的速度分量
,x
id
为第
i
个粒子在第
d
个维度上当前的位置分量，
w
为惯性权重，
p
id
为第
i
个粒子的个体最优解，
p
gd
为第
i
个粒子对应的第一粒子群的全局最优解，
c1
为第一加速系数，
c2
为第二加速系数，
rand()
为值在
[0,1]
之间的随机数；所述粒子位置更新公式为：
x
′
id
＝
x
id
+v
id
，其中，
x'
id
为第
i
个粒子在第
d
个维度上更新后的位置分量，
x
id
为第
i
个粒子在第
d
个维度上当前的位置分量，
...

【专利技术属性】
技术研发人员：陈瑛，
申请(专利权)人：广州工程技术职业学院，
类型：发明
国别省市：